科创中国

电子信息技术,计算机及网络技术

未来马赛克战可分为红方指挥控制中心、红方无人机防卫部队、蓝方地面部队、蓝方空中部队。蓝方为攻击红方指挥控制中心，需要通过迂回穿插突破红方防御网，而红方无人机群需要不断调整巡航策略以实现有效防御。根据强化学习训练模型对战场环境进行建模，将红方无人机抽象为障碍物，蓝方坦克抽象为智能体，将整个任务转化为障碍物动态变化的迷宫问题，从而构建红蓝对抗体系数字空间，支撑未来数字孪生战场建设。首先以蓝方地面坦克部队视角探索博弈过程。博弈第一阶段，考虑红方无人机定速巡航时蓝方完成穿插任务的方式。此时蓝方基于Gym构建强化学习训练环境，模拟坦克和无人机的运动，基于PARL框架进行编码，使用策略梯度算法进行训练和测试，最终神经网络收敛并得到正确的穿插路径。博弈第二阶段，考虑红方如何调整巡航策略以对抗人工智能算法。此时引入量子防御策略，量子防御的核心是基于自然随机数决定是否移动，此时环境表现为障碍物无规律移动，不再具有马尔可夫性，蓝方无法应用神经网络进行求解。将量子防御应用于真实战场，表现为红方无人机随机调整巡航速度，整个机群不再保持稳态，形成动态变化的量子防御体系，从而对抗蓝方人工智能算法。博弈第三个阶段，

亮点1：应用强化学习解决复杂动态环境下的区域穿插问题 将红蓝对抗中的典型场景抽象为智能体序列决策的马尔可夫过程，采用强化学习进行训练，最终获得具有一定决策能力的模型 亮点2：设计战损条件下的分级防御机制 提出一种战损条件下的量子防御策略，在量子防御策略基础上提出自定义随机策略，在保证随机性的同时保证可控性 亮点3：引入先进人工智能算法支持未来数字孪生战场的构建 通过在红蓝对抗中引入先进的人工智能算法，为未来数字孪生战场的构建提供算法支持，加速未来战场中指挥策略的改变和更新

团队是一支来自国内顶尖院校的博士、硕士组成的高水平产研结合青年骨干队伍，在计算机视觉、强化学习、知识图谱、语音识别等领域积累了丰富的技术沉淀，获得多项专利，同时打造了面向航空制造的AI服务平台。

点击查看