多场景强化学习提升任务协调鲁棒性

Ibrahim Oğuz Çetinkaya 等作者提交论文，提出将高保真数字任务模型与强化学习结合的任务协同方法，用 PPO 训练协调器实现自适应任务分配，并在三场景空中消防任务中验证。 结果显示，所有训练后的协调器均显著优于随机与启发式基线；但仅在宽松场景训练的协调器迁移到更严苛场景时会退化至随机水平。相同训练预算下，同时在两个场景训练的协调器在各场景中匹配专用协调器，并显著优于其他策略。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。