A Hierarchical Hybrid AI Approach: Integrating Deep Reinforcement Learning and Scripted Agents in Combat Simulations
Created by
Haebom
Category
Empty
저자
Scotty Black, Christian Darken
개요
본 논문은 워게이밍 지원을 위한 전투 시뮬레이션 분야에서, 규칙 기반 스크립트 방식과 딥 강화 학습(RL) 접근 방식을 결합한 새로운 계층적 하이브리드 인공지능(AI) 접근 방식을 제시합니다. 스크립트 방식의 예측 가능성과 RL의 적응성을 융합하여, 루틴 전술 결정에는 스크립트 에이전트를, 상위 전략적 의사 결정에는 RL 에이전트를 활용합니다. 이 접근 방식은 복잡한 시뮬레이션 환경에서 지능형 에이전트의 성능을 향상시키는 것을 목표로 합니다.
시사점, 한계점
•
시사점:
◦
스크립트 방식의 예측 가능성과 RL의 적응성을 결합하여 각 방법론의 한계를 보완하고 강점을 활용합니다.
◦
계층적 구조를 통해 전술적 결정과 전략적 결정을 효과적으로 분담하여 복잡한 환경에서 에이전트 성능을 개선합니다.
◦
복잡한 시뮬레이션 환경에서 지능형 에이전트 개발 및 훈련을 위한 강력하고 적응 가능한 솔루션을 제공합니다.
