Opponent State Inference Under Partial Observability: An HMM-POMDP Framework for 2026 Formula 1 Energy Strategy

Created by

Haebom

저자

Kalliopi Kleisarchaki

💡 개요

2026년 F1 규정 변경으로 인해 에너지 전략 결정 시 상대방의 숨겨진 상태 추론이 중요해졌습니다. 본 논문은 상대방의 ERS 충전량, 오버라이드 모드, 타이어 마모 상태를 추론하는 HMM과 이를 바탕으로 최적의 에너지 배치 전략을 결정하는 DQN으로 구성된 2단계 추론 및 결정 프레임워크를 제안합니다. 이를 통해 기존 단일 에이전트 최적화 방법으로는 해결하기 어려운 부분 관찰 가능한 확률 게임을 효과적으로 다룰 수 있습니다.

🔑 시사점 및 한계

•

부분 관찰 환경에서 상대방의 복잡한 내부 상태(ERS, 모드, 타이어)를 추론하여 에너지 전략을 최적화하는 실용적인 방법론을 제시합니다.

•

'카운터 하베스트 트랩'과 같은 전략적 기만 행위를 탐지하기 위해서는 단순 임계값 규칙이 아닌, 신념 상태 기반 추론이 필수적임을 이론적으로 규명합니다.

•

제안된 HMM은 높은 정확도로 상대방 상태를 추론하며, 이는 전략적 의사 결정에 중요한 정보를 제공합니다.

•

실제 경기 데이터에 대한 경험적 검증이 진행될 예정이며, 향후 복잡한 다중 에이전트 전략 및 시뮬레이션 확장 가능성을 탐구해야 합니다.

PDF 보기

Made with Slashpage