多智能体博弈研究进展及应用前景

非完美信息下的多智能体博弈研究是当前众多人工智能研究团队努力攻克的难题，虽然有新的成果不断产生，但直到目前，在完整游戏情况下，人工智能游戏程序仍无法达到人类高水平玩家的水平。为了达成这一目标，除了文章前述的研究方法，一些研究者将注意力放在多智能体分布式决策上。分层和分任务决策对“星际争霸”来说可能是一种发展方向，通过将对抗任务分不同的层次和拆分成不同的任务模块，在小的任务范围内进行学习，最终将这些模块整合成一个完整的人工智能游戏程序。另外，将博弈论作为对抗分析的指导方法，将会给该领域带来新的解决思路。除此之外，模仿学习、迁移学习及增量式学习可能在该领域展现出好的效果。

多智能体对抗博弈策略在一些实际领域具有应用价值。其中简单任务应用如追捕任务［45］［46］，即多机器人协同追捕“逃跑者”机器人。与之类似，有多机器人协同阻止入侵者的“疆土防御”任务［47］［48］。机器人足球［49－51］是更高水平的复杂任务，各足球机器人需要团队协作采取策略与对手机器人团队进行对抗，防守好自己的球门并尽可能更多地进球得分。值得注意的是，当前多智能体对抗博弈策略研究在军事领域受到重点关注。以美国军方为例，其连续几年发布的无人系统路线图［52－55］均将多无人系统在战场中的协作作战列为重点发展方向，并进行了多项以多机器人系统或集群［56－59］作战为内容的军事研究项目。另外，俄罗斯军方已将多无人系统应用于实际战场［60］。(www.xing528.com)

目前，多智能体博弈游戏仍是一个开放的难题，人工智能游戏程序还无法超越人类顶级玩家的水平。随着人工智能技术的快速发展及越来越多极具实力的科研团队投入其中，该领域将会有更多更震撼的成果陆续产生。