37、协作学习捕食者与类人机器人自稳定行走研究

协作学习捕食者与类人机器人自稳定行走研究

1. 协作学习捕食者的研究

在捕食者与猎物的场景研究中，存在两种学习架构，分别是个体规则库和公共规则库。

• 学习架构

  • 个体规则库 ：每个捕食者独立学习并将经验存储在本地规则库中。
  • 公共规则库 ：所有捕食者将经验累积存储在一个集中的规则库中，所有队友都可访问。这种架构下，捕食者仍自主决策，但知识共享。例如，一个捕食者的好决策对处于相同情况的其他捕食者同样适用。若捕食者作为传感器为公共规则库收集经验，学习时间可能比个体学习更短，在动态变化环境中，快速收敛的学习过程更具优势。

• 算法流程
  在模拟的每个时间步，每个捕食者执行以下算法：

graph TD;
    A[观察环境] --> B{是否看到猎物};
    B -- 是 --> C[广播猎物位置];
    B -- 否 --> D{其他队友是否感知到猎物};
    D -- 是 --> E[获取猎物位置];
    C --> E;
    E --> F[基于XCS选择动作];
    F --> G[触发并评估动作];
    G --> H[根据奖励积累知识];
    D -- 否 --> I[随机移动];