研究

面向复杂障碍与有限感知条件下的多智能体追逃，提出基于团队回报的 KE-MATD3，并将改进人工势场的启发式知识作为软一致性约束注入策略优化，以缓解协作学习中的信用分配与局部最优问题。

• 将协同围捕建模为去中心化部分可观测决策过程，以共享团队回报促进有限感知智能体形成协作。
• 利用改进人工势场构造知识一致性损失，在训练阶段提供软引导，同时保留强化学习的自主探索能力。
• 通过多随机种子仿真、不同障碍密度下的泛化测试，以及 5 架 Crazyflie 与 20 个障碍物的实机实验验证方法。

将复杂障碍环境中的多无人机围捕分解为避障与避碰子策略，并通过带切换惩罚的稀疏回报学习高层策略切换。

• 分层学习导航避障与导航避碰技能，降低整体围捕策略的学习难度。
• 高层模块自主组合底层技能，避免依赖人工定义的切换规则。
• 数值仿真与软件在环实验验证了围捕成功率、碰撞率与任务适应性。