无人机集群搜救新架构：三层次智能学习系统

近日，一项关于自主无人机集群在搜救任务中应用的研究在arXiv平台发布。该研究提出了一种新颖的三层次分层学习架构，突破了传统方法在各级层次应用单一学习范式的局限。

该架构借鉴了生物层次结构中的反射、技能和推理机制，分别对应三种不同的学习方式：个体智能体适应采用赫布神经可塑性；战术协调结合多智能体强化学习与图神经网络及行为树；战略决策则运用模型无关元学习与BDI推理及数字孪生技术。

研究团队通过22个架构合约将系统形式化，这些合约分布在BDI、行为树、GNN、MARL、神经可塑性和元学习六个组件中，共同提供了安全性、预算正确性、最优性、活性、无饥饿性和层次间一致性六类形式化保证。

值得注意的是，该架构引入了“集群元认知”作为三个层次结构化交互产生的组合属性，使集群能够监控自身认知状态并在不同认知策略间切换。针对搜救任务类型设计的五个建设性进展函数，有效弥合了抽象优化理论与具体操作场景之间的鸿沟。

理论分析表明，当所有合约都得到满足时，这种混合神经符号系统能够保持全部六类保证。对于包含主动学习的动态场景，五个新合约进一步扩展了框架，增加了认知韧性、优雅降级和单调元改进三项额外保证。该架构成功解决了现有分层强化学习方法存在的五个基本局限性。