最近课题组在期刊IEEE Transactions on Industrial Informatics发表了论文《Multi-Group Encirclement and Obstacle Avoidance of Unmanned Surface Vehicles via Group-Based Policy Optimization》。 海上目标跟踪与捕获任务通常需要实现对多个目标的围捕。然而，在多目标围捕过程中，无人水面艇（USV）如何有效避障仍然是一个挑战。针对这一问题，本文提出了一种分层多智能体强化学习（MARL）控制框架，创新性地引入基于遗传算法的分组与匈牙利分配模块，以实现高效的分组和动态任务分配。通过结合基于分组的多智能体近端策略优化算法，有效提升了USV群组的围捕能力和避障性能。借助课程学习，逐步收紧围捕条件，并增加训练组数，以缓解奖励稀疏性问题。仿真结果表明，所提方法适用于多种含多障碍物的场景，性能优于多种主流MARL算法，并且具有良好的可扩展性，可推广至涉及更多群组的围捕任务。

Xizhe Chen, Yujing Li, Shihong Yin, Zhengrong Xiang, 

Multi-Group Encirclement and Obstacle Avoidance of Unmanned Surface Vehicles via Group-Based Policy Optimization,

IEEE Transactions on Industrial Informatics，

DOI: 10.1109/TII.2026.3717636

支持单位：