PulseAugur
中
实时 11:42:17
English(EN) UC-PSRO: Utility-Conditioned Policy-Space Response Oracles with a Communication-Dropout Curriculum for Game-Theoretic Course-of-Action Generation in Adversarial Swarms

新AI方法增强了通信受损环境下的对抗性集群战术

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了UC-PSRO，一种用于在通信受损环境下生成博弈论优化行动方案的新方法。该系统结合了PSRO自我对弈、用于策略重定向的FiLM条件以及通信丢弃课程。评估表明，随着通信拒绝的增加，通信丢弃课程显著提高了任务完成率，优于其他学习方法。 AI

影响 这项研究可能带来更强大的AI代理，使其能够在具有挑战性、对抗性和通信受限的环境中有效运行。

排序理由 该集群包含一篇详细介绍一种新的博弈论行动生成AI方法的论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新AI方法增强了通信受损环境下的对抗性集群战术

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Phillip Jiang ·

    UC-PSRO：用于博弈论对抗性集群行动生成的一种通信-Dropout课程下的效用条件策略空间响应预言机

    arXiv:2608.15372v1 Announce Type: new Abstract: We study generating game-theoretically optimized Courses of Action (COAs) for a Blue UAS swarm against an adaptive Red adversary in a communication-degraded environment, motivated by (but not derived from) a public U.S. Air Force SB…

  2. arXiv cs.MA (Multiagent) TIER_1 English(EN) · Phillip Jiang ·

    UC-PSRO：用于博弈论对抗性集群行动生成通信-Dropout课程的效用条件策略空间响应预言机

    We study generating game-theoretically optimized Courses of Action (COAs) for a Blue UAS swarm against an adaptive Red adversary in a communication-degraded environment, motivated by (but not derived from) a public U.S. Air Force SBIR solicitation. We propose UC-PSRO (Utility-Con…

相关实体

相关话题