多智能体规避算法

未知追捕下仍成功规避

无需预设追捕者模型，通过分阶段强化学习推断追捕者意图，在有约束机动条件下实现最优规避决策。

Bowei, Yan · Du, Runle · 班晓军 · 周荻

Neurocomputing 2025

技术优势

无需知道追捕者模型

在追捕者模型未知且不可获取时仍能设计有效规避策略，拓宽了算法的适用场景。

约束下也能规避

针对规避者机动性受限、追捕者不受限的不对称场景，算法仍能实现最优决策。

适应环境变化

算法对环境变化表现出强适应性，可在不同追逃场景中保持可靠性能。

应用场景

• 多智能体追逃博弈：解决多智能体追逃博弈中追捕者模型未知的难题，提升对抗场景下规避方胜率。
• 深度强化学习策略：展示强化学习在追逃问题中的有效策略设计，为复杂对抗任务提供通用学习框架。
• 机器人动态避障：将追捕者视为动态障碍，规避算法可直接用于机器人在动态环境中的实时避障。
• 无人机协同规避：支持多智能体协同规避策略，可应用于无人机编队躲避敌方拦截。