《基于深度强化学习的战场仿真分析与可视化》美陆军22页报告

近来技术的进步使得战场上对快速指挥与控制（C2）决策的需求变得非常重要。传统上，由专题专家（SME）利用其积累的知识、经验和专业技能制定行动方案，完成这些任务以实现预期目标。现在，技术进步了，战术领域的行动步伐也加快了。指挥官需要在很短的时间内，有时甚至是一瞬间，针对特定情况做出决策。这就需要在这些任务中引入自动化，从而使用基于人工智能（AI）和机器学习（ML）框架的算法。

ML 技术可分为两大类，一类方法需要大量真实情况数据进行训练（如监督学习），另一类方法则采用行动和奖励的概念（如强化学习 [RL]）。还有许多混合技术以多种不同的方式将这两种方法结合在一起。深度强化学习（DRL）就是这样一种技术。在本报告中，我们将介绍利用 SME 和 DRL 算法开发的战场模拟数据比较分析和可视化工具。