高危疏散存活率升17.7点
融合多智能体与对抗强化学习，策略在对抗干扰下保持稳健，提升人机协作疏散效率。
Zhao, Hantao · Zhihao, Liang · Tianxing, Ma · 施晓蒙 · Kapadia, Mubbasir · Thrash, Tyler · Hölscher, Christoph · 贾金原 · Liu B. · Cao J.
IEEE Transactions on Computational Social Systems 2024
高难度疏散任务中，加入机器人并采用对抗强化学习后，存活率从46.7%提高到64.4%，提升17.7个百分点。
低难度任务中存活率较仅用MARL的RLR方法高1.8个百分点；高难度任务中高1.7个百分点，证明对抗训练提升策略稳健性。
模拟人类具有从众心理、记忆机制和独立寻路能力，能够进行复杂人机交互，使仿真评估更接近真实疏散场景。