摘要
强化学习作为一种强大的范式，有助于在复杂且不确定的环境中实现多无人机系统的自主协调。然而，所学策略的有效性在很大程度上取决于控制层面动作的实现方式，而这一方面在相关研究中并未得到足够重视。本文在统一的混合人工智能架构下，对比研究了三种控制方法（基于航向的控制、基于航点的控制以及确定性控制），其中两种配置采用了相同的强化学习策略结构。通过将控制方法作为唯一变量，该研究分析了不同的动作抽象方式如何影响协作监视任务中的学习效率、系统鲁棒性及运行性能。通过严格的蒙特卡洛评估并结合非参数假设检验，研究表明基于航向的控制在重访周期、目标捕获时间以及跟踪连续性方面始终具有更优的性能。进一步分析表明，这些优势源于更好的反应能力和约束处理能力，而非策略学习方面的差异。研究结果凸显了在基于强化学习的多智能体系统中控制层设计的关键作用，并为航空集群应用中选择动作抽象方式提供了实用指导。
