研究人员开发了OGR-MARL，一个新颖的多智能体强化学习框架，专为受限港口水道中异构无人水面载具（USV）的协同追击场景设计。该框架集成了共享逃避者信念、角色条件选项目标和自适应规则惩罚，使MARL算法能够学习纠正性动作，而不是从头开始。当使用各种MARL骨干实例化时，OGR-MASAC展示了75.0%的捕获率和卓越的协调性，并通过零样本迁移到更复杂的地图显示出有希望的泛化能力。 AI
影响 增强了异构USV的协同追击能力，有可能提高在复杂环境中海上自主性和协调性。
排序理由 该集群包含一篇详细介绍多智能体强化学习新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.12995v1 Announce Type: new Abstract: Heterogeneous USV cooperative pursuit in constrained port waterways requires evader interception under navigation, traffic, and role constraints. This paper proposes OGR-MARL, an option-guided residual multi-agent reinforcement lear…
Heterogeneous USV cooperative pursuit in constrained port waterways requires evader interception under navigation, traffic, and role constraints. This paper proposes OGR-MARL, an option-guided residual multi-agent reinforcement learning framework that is decoupled from a specific…