基于因果图的多智能体防御反制自主协作

《Engineering Applications of Artificial Intelligence》：Causal graph guided autonomous cooperation for multi-agent Defensive Counter-Air

　　

陈宇轩|罗赫|王国强|岳子轩|石悦|李晓朵

中国内蒙古大学计算机科学学院，呼和浩特市，010021

摘要

防御性防空作战是现代防空体系的核心任务，对多智能体协同拦截能力提出了极高要求。尽管现有的多智能体强化学习方法已取得显著进展，但它们大多依赖隐式协作机制，忽视了智能体间通信结构与因果协作关系的显式建模。这在对抗性强、奖励稀疏的场景中会导致协作效率低下。为突破这一瓶颈，本文提出了一种基于因果图的多智能体自主协作框架（CG²AC）。首先，设计了一种基于多头 pairwise 反事实干预的动态因果推理机制，通过成对的局部价值头生成具有高度区分度的监督信号，从而同时估计因果强度与认知不确定性。其次，以因果强度作为边权重、以不确定性作为软门控机制构建因果通信图（CCG），从而形成稀疏、可解释且动态变化的通信拓扑结构。最后，引入了协作信用奖励机制，成功拦截后根据 CCG 中的边权重总和扣除负信用分，从而明确体现协作成本，引导智能体采用高效且无冗余的编队策略。大量实验表明，所提方法在各类防空场景中的表现均显著优于主流基准方法，大幅提升了拦截成功率。本研究为动态对抗环境中的多智能体有效协作提供了新的理论范式与实用解决方案。

引言

防御性防空作战旨在通过主动拦截来消除来袭空中威胁，保护重要目标，已成为现代高强度空战中的核心任务（Liles等人，2023a、2023b；Chen等人，2026）。近年来，低成本、高自主性的无人机集群的广泛应用彻底改变了空战格局。攻击方可通过动态编队飞行、实时协同突袭以及分布式饱和攻击，有效突破传统防空系统。如图1所示，防空任务场景中通常有大量攻击智能体，它们会分多波从多个方向试图突破防御线。2025年6月发生的“蜘蛛网行动”就是一个典型例子，上百架小型无人机通过预先渗透和多点同步发动攻击，一次性对多个高价值目标造成了毁灭性打击，充分展现了智能集群的压倒性进攻优势。这一趋势给防御方带来了前所未有的挑战。单台防御无人机无法独立应对，而传统的完全去中心化或固定编队方式由于缺乏真正的动态协作，也无法实现高效拦截。因此，提升智能体之间的自主、动态且高效的协作能力已成为当务之急。

近年来，多智能体强化学习已成为解决防空任务的主流方法（Huang等人，2021；Liles等人，2023b；Chen等人，2026）。该方法通过端到端的策略学习，能够有效适应攻击轨迹和威胁密度不断变化的复杂环境，在多种防空仿真场景中的表现均优于传统的近似动态规划方法（Liles等人，2023b）。然而，目前应用于防空任务的大多数多智能体强化学习方法仍采用集中训练、分散执行的框架（CTDE框架，Lowe等人，2020），在这种框架下，智能体在执行过程中只能根据自身局部观测结果独立决策，没有显式的智能体间通信机制。因此，协作仅通过训练阶段的共享评估器以隐式方式实现。智能体无法实时感知其他智能体的意图或影响，也无法根据形势变化动态识别关键的协作伙伴或调整通信拓扑。在高度动态且不确定的防空战场中，这些局限性尤为突出，常常表现为拦截意图不一致、覆盖区域冗余或关键通道未被有效封锁，导致防御效果随智能体数量增加而下降而非提升。尽管有一些研究尝试通过引入图神经网络来增强协作表示能力（Jiang等人，2023；Tang等人，2024），但边的权重仍然主要基于观测相似性或空间邻近性，未能准确刻画真正的协作关系，从而导致噪声边的出现和冗余通信。

上述问题正是实现防空场景中多智能体有效协作的根本瓶颈。为解决这些问题，本文提出了一种基于因果图的多智能体自主协作框架（CG²AC），该框架通过因果关系推断、通信拓扑构建以及协作奖励设计，系统性地提升防御智能体之间的协作能力。首先，开发了一种基于多头 pairwise 反事实干预的动态因果推理机制。通过在集中式评估器中加入成对的局部价值头，该机制能够生成具有高度区分度的监督信号，从而实现因果强度与认知不确定性的实时同步估计。其次，以因果强度作为边权重，并以基于不确定性的置信度加权软门控机制对通信进行调控，从而构建出因果通信图（CCG）。结合图神经网络，CCG能够形成稀疏、可解释且具有自适应能力的动态通信拓扑。最后，引入了基于负信用扣分的协作信用奖励机制，成功拦截后根据CCG中各边的权重总和扣除相应信用分，从而明确体现协作成本，引导智能体在奖励稀疏的情况下采用高效且无冗余的编队策略。

本文的主要贡献如下：

• 1.
  一种多头反事实因果推理机制，据我们所知，这是首个在多智能体系统中实现因果强度与认知不确定性实时联合估计的方法，为后续的因果驱动协作奠定了坚实基础。
• 2.
  带有置信度加权软门控的因果通信图，该图直接利用因果效应生成动态通信拓扑，显著提升了通信拓扑的稀疏性、可解释性及鲁棒性。
• 3.
  引入了基于负信用扣分的协作信用奖励机制，并将其与因果通信图深度整合，有效解决了协作冗余和奖励稀疏的问题。

实验结果表明，这三项贡献的协同作用使得CG²AC在各类防空场景中的拦截成功率均优于现有基准方法。

本文的其余部分结构如下：第2节回顾相关研究；第3节明确防空问题的建模方式；第4节介绍整体技术框架并详细阐述CG²AC的核心模块；第5节通过大量仿真实验进行全面的性能评估、对比实验、消融实验以及计算复杂度分析；最后，第6节对全文进行总结并探讨未来的研究方向。

章节节选

相关工作

本节回顾了关于防空问题的现有研究，并梳理了与本文三大核心贡献相关的先前工作：因果推断、多智能体自主协作机制以及协作奖励设计。通过分析，突出了本文所提方法的创新性。

任务场景

如图1所示，该问题设定在一个有界的两维连续区域$\mathrm{\Omega }?{\mathbb{R}}^2$内，其中一条垂直边界被视为防御线。该环境中存在两类智能体：$N$防御智能体与$M$攻击智能体，通常情况下$M?N$。所有防御智能体最初都部署在防御线附近，它们的最大速度相同，均为$v_d>0$，并且只能感知到半径为$r_s$的局部圆形区域内的攻击智能体，无法获取全局状态信息。防御智能体配备了

方法论

在防空场景中，防御智能体必须能够动态识别关键的协作伙伴，灵活构建高效且稀疏的协作结构，并建立可靠的通信机制，以确保彼此准确理解拦截意图，从而最大化整体拦截效果。本文提出了CG²AC这一三阶段集成框架，如图2所示，用于解决以下三个研究问题：

该框架针对以下三个研究

实验分析

为全面评估所提出的CG²AC框架，本节进行了系统的实验测试。首先将CG²AC与代表性基准方法进行比较，然后通过消融实验量化各组成部分的贡献程度，最后分析其计算开销以判断实际应用可行性。

结论

本文提出了CG²AC，这是一种将因果推断与动态图结构相结合的多智能体协同拦截框架，专为防空场景设计。为克服传统多智能体强化学习方法在执行过程中缺乏显式协作机制的缺陷，我们首先开发了一种 pairwise 反事实因果推理机制，能够实时估计任意两台防御智能体之间的因果强度与认知不确定性。在此基础上，我们构建了因果通信图（CCG），该图能够生成在训练与执行阶段保持一致的

CRediT作者贡献说明

陈宇轩：概念构思、数据整理、研究调查、方法设计、软件开发、验证分析、可视化处理、论文初稿撰写。罗赫：概念构思、资金筹措、资源保障、课题指导。王国强：概念构思、资金筹措、资源保障、课题指导。岳子轩：研究调查、论文初稿撰写。石悦：软件开发、验证分析、可视化处理。李晓朵：概念构思、课题指导。

利益冲突声明

作者声明，他们不存在任何可能影响本文研究成果的已知财务利益或个人关系。