摘要 - 随着机器学习的最新进展,创造了在模拟空中战斗中现实行为的代理,已成为一个越来越多的感兴趣领域。本调查探讨了机器学习技术在建模空气战斗行为中的应用,这是由于增强基于模拟的试验训练的潜力。当前的模拟实体倾向于缺乏现实的行为,传统的行为建模是劳动力密集的,容易丧失发展步骤之间基本领域知识。增强学习和模仿学习算法的进步表明,代理可以从数据中学习复杂的行为,而数据可能比手动方法更快,更可扩展。然而,使能够执行战术操作和操作武器和传感器的自适应代理仍然提出了重大挑战。
绩效衡量标准 继续 不继续 N/A 1. 始终保持对潜水作业的控制。 2. 监测进度并指导所有工作。 3. 向潜水员更新指示,确保潜水员、指挥官和其他有关人员了解进度以及原潜水计划的任何变更。 4. 监测并记录所有潜水员的潜水时间,包括: a. 潜水员离开水面的时间。 b. 潜水员到达最大深度的时间。 c. 潜水员在最大深度停留的时间。 d. 潜水员离开最大深度的时间。 e. 潜水员到达水面的时间。 5. 保持对疲劳对潜水队的影响的认识,并缓解情况以避免事故。 6. 如果发生潜水事故,采取以下措施: a. 立即停止所有潜水作业。 b. 纠正事故原因。 c. 监督对任何伤害的治疗。 d. 通知相关人员。 e. 确保在继续潜水前所有应急设施再次正常运行。