DRG-MAPPO: Hierarchical Dynamic Role-Graph Multi-Agent Reinforcement Learning for Cooperative Air Combat

• 类型：arxiv
• 标识：2609.11155
• 链接：https://arxiv.org/abs/2609.11155
• 主分类：agent
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Experimental results demonstrate that DRG-MAPPO achieves a state-of-the-art win rate of 87%, suggesting that the framework effectively balances relational modeling, interpretability, and optimization stability for cooperative air combat.
• OpenAlex ID：W7212308785
• OpenAlex DOI：10.48550/arxiv.2609.11155
• DOI：10.48550/arxiv.2609.11155
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.11155
• OpenAlex更新：2026-09-14
• 待LLM分类：否
• 标题中文：DRG-MAPPO：面向协同空战的多智能体强化学习层次动态角色图
• TLDR中文：实验结果表明 DRG-MAPPO 达到了 87% 的 SOTA 胜率，表明该框架在合作空战中有效平衡了关系建模、可解释性和优化稳定性。
• 来源文件：
• /inbox/tom/_candidates/2026-09-11-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]