Continuous Action Air Combat Maneuver Decision-Making Based on T-MGMM

In autonomous air combat, tactics are inherently complex, and control inputs are continuous. Traditional reinforcement learning (RL) algorithms often rely on discretization or independent Gaussian assumptions, which fail to capture correlations between control variables, limiting the expressiveness...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Junzhe Jiang, Hongming Wang, Zhixing Huang, Zhuangfeng Zhou, Xiang Wu, Wenqin Deng, Xueyun Chen
Format:	Artigo
Język:	Inglês
Wydane:	IEEE 2024-01-01
Seria:	IEEE Access
Hasła przedmiotowe:	Air combat deep reinforcement learning maneuver decision-making continuous action space Transformer Gaussian mixture model
Dostęp online:	https://ieeexplore.ieee.org/document/10771757/
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!