基于深度强化学习的无人战车自主行为决策*

张 耀，武富春，王 明，段 宏，张 昭，王海龙

（北方自动控制技术研究所，太原 030006）

0 引言

随着科技的不断进步，战争形态将发生深刻的变革。在军事智能化的趋势之下，无人化作战将成为基本形态［1］。无人战车是未来陆军实施地面突击作战的主要装备，其自主系统主要由感知、决策和控制等子系统组成。其中，自主行为决策模块，是无人战车在复杂陆战场环境中对敌目标实施快速、精确、有效打击的核心［2］。

在传统装甲装备作战过程中，完成作战任务主要靠驾驶员、车长、炮长分工协作，存在目标搜索速度慢，操作随机性大，决策时间长的问题，同时作战效能受乘员心理素质、生理状况以及战场环境的影响较大［3］。随着人工智能的不断发展，由于机器对海量信息处理能力强，反应速度快，面对动态战场环境具有独特的优势，逐渐替代人类乘员成为可能，推动无人战车的出现。无人战车按照系统控制方式可以分为遥操作控制、半自主控制和全自主控制［4］。随着无人战车智能化水平的提高，全自主控制成为其未来发展的必然方向，自主行为决策技术必将成为主要的技术推动力。

目前，对于无人战车自主行为决策的研究还处于起步阶段。相比之下，无人战斗机自主空战决策［5］学术研究成果丰硕，虽然应用场景不同，但是其行为决策方法有很大参考价值，主要包括基于规则的方法以及基于学习的方法两大类。基于规则的行为决策方法根据大量数据，以及专家知识构建动作规则库，针对不同态势制定对应的行为决策；……