ハイブリッド強化学習ベースのドローン群における制御アプローチの比較研究

本研究は、ハイブリッドAIアーキテクチャ内で、ヘディングベース、ウェイポイントベース、決定論的の3つの制御方法を比較する。同じ強化学習(RL)ポリシー構造を使用し、制御方法のみを唯一の変数として、協調監視ミッションにおける学習効率、堅牢性、運用パフォーマンスにアクション抽象化がどのように影響するかを評価した。モンテカルロ評価とノンパラメトリック仮説検定により、ヘディングベース制御が再訪間隔、目標捕捉時間、追跡継続性の点で一貫して優れたパフォーマンスを達成することが示された。この改善は、ポリシー学習の違いによるものではなく、反応性と制約処理の向上によるものであることが明らかになった。結果は、RLベースのマルチエージェントシステムにおける制御レベル設計の重要な役割を強調し、航空群アプリケーションにおけるアクション抽象化の選択に関する実践的なガイドラインを提供する。