arXiv cs.MA· Christian Manasseh, Savana Ammons·· 10 小时前AI 评分18
多无人机机队协同检测方法选择的博弈论决策框架
A Game-Theoretic Decision Framework for Optimal Selection of Coordination Detection Methods in Multi-UAV Fleet Operations
AI 导读
该研究提出一个博弈论决策框架，将多无人机机队协同检测中的方法选择建模为 Monitor 与 Nature 之间的两人零和博弈，通过 minimax 求解给出保证最坏情况性能的混合策略。
正文 · AI 翻译
摘要：检测在共享空域中运行的无人机（UAV）集群之间的协同关系，并识别其导航决策支配集群行为的路线领头飞行器，这面临一个根本性的速度—精度权衡：快速方法可实现实时交通管理，但牺牲检测保真度；而精确方法可能超出可操作空域冲突消解的时间预算。本文提出一个博弈论决策框架，通过将方法选择建模为监控者（选择计算方法和参数）与自然（选择未知交通场景）之间的两人零和博弈来解决这一权衡。我们构建了一条端到端流水线，从轨迹监视数据出发，经过八种候选检测算法、刻画其随机性能的蒙特卡洛敏感性分析，最后到识别帕累托最优方法组合的多目标优化层。极小极大解提供了一种稳健的混合策略，即方法上的概率分布，无论场景不确定性如何都能保证最坏情况性能。在涵盖 5--50 架飞机的 200 种随机配置上进行的实验评估表明，该框架根据运行优先级推荐不同的方法组合：Koopman Phase 在均衡（70.6%）和速度优先（79.7%）配置中占主导，而当优先考虑路线领头识别时，CRQA 成为首选（47.4%）。该框架在所有测试的偏好配置中实现了 0.29--0.53（归一化效用）的保证博弈值，为 UTM 集群监控运行中的计算方法选择提供了首个有原则的、场景自适应的方法论。
| 主题： | 多智能体系统（cs.MA）；计算机科学与博弈论（cs.GT）；系统与控制（eess.SY） |
| ACM 分类： | I.2.11; I.2.8; G.1.6; G.3; I.6.3 |
| 引用为： | arXiv:2606.02383 [cs.MA] |
| （或本版本的 arXiv:2606.02383v3 [cs.MA]） | |
| https://doi.org/10.48550/arXiv.2606.02383 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Savana Ammons [查看电子邮件]
[v1]
2026 年 6 月 1 日星期一 15:33:12 UTC（385 KB）
[v2]
2026 年 6 月 5 日星期五 19:17:17 UTC（386 KB）
[v3]
2026 年 11 月 3 日星期二 23:03:32 UTC（1,716 KB）
来源：arXiv cs.MA · arxiv.org