嵌入式均值场防御网络

大规模防御收敛加速

通过表示学习与轻量级注意力机制，让无人机群在风场等真实扰动下实现可扩展的协同周界防御。

Li, Wang · Xin, Yu · Xuxin, Lv · Gangzheng, Ai · 吴文峻

Expert Systems with Applications 2026

技术优势

规模上得去

利用表示学习实现高层动作的均值场聚合，让大规模异构防御者的协同保持在可计算范围。

收敛更省力

基于奖励表示的轻量注意力机制筛选观测和均值场信息，提升决策效率，加速大规模任务收敛。

理论更完整

在三维风场下的攻防博弈中显式求出了双方的纳什均衡策略，并刻画了胜利区域。

实物已验过

除了仿真，还用小规模真实无人机实验验证了框架的实用性。

应用场景

• 无人机集群防御：在真实风场下用无人机群直接护住关键区域，不再依赖简化二维推演。
• 多智能体强化学习：用均值场表示学习训练大规模异构攻防策略，比现有MARL基线收敛更快。
• 机器人协同控制：协调大量异构防御智能体在三维动态环境中执行拦截与守卫任务。
• 传感器网络协作：奖励驱动的注意力机制筛选观测信息，降低传感融合负担并加速训练。