多场景强化学习让体系任务协调更稳健：数字化任务模型加 PPO 的自适应任务分配方法
Brittle by Design? Multi-Scenario Reinforcement Learning for Robust Mission Coordination in Systems of Systems
AI 导读
研究者提出将高保真数字化任务模型与强化学习结合的任务协调方法，用 PPO 训练协调器在马尔可夫决策过程框架下做自适应任务分配。以空中灭火任务的三种场景验证：单场景训练的协调器在苛刻场景中会退化到随机策略水平，而双场景并发训练的协调器在自身场景内不输单场景版本并显著优于其他策略。敏感性分析表明训练时覆盖的变化范围决定部署后的表现。
来源：arXiv cs.AI · arxiv.org