[論文レビュー] A Pursuit-Evasion Differential Game with Strategic Information Acquisition

Yunhan Huang, Quanyan Zhu|arXiv (Cornell University)|Feb 10, 2021

Guidance and Control Systems参考文献 38被引用数 7

ひとこと要約

本稿では、観測の直接的コストと状態の露呈に伴う間接的コストを伴う、戦略的観測を伴う線形二次ガウス型微分ゲームであるPursuit-Evasion-Exposure-Concealment（PEEC）ゲームを導入する。著者らは変分法と平方完成を用いて、ナッシュの制御戦略と観測戦略を別々に導出しており、低い機動性を持つプレイヤーは隠蔽を好む傾向にあり、無限時間ホライズンの極限において周期的観測が最適となることが示され、期待追跡誤差は2次のモーメントが有界な範囲でゼロに収束する。

ABSTRACT

This paper studies a two-person linear-quadratic-Gaussian pursuit-evasion differential game with costly but controlled information. One player can decide when to observe the other player's state. However, one observation of another player's state comes with two costs: the direct cost of observing and the implicit cost of exposing his state. We call games of this type a Pursuit-Evasion-Exposure-Concealment (PEEC) game. The PEEC game constitutes two types of strategies: The control strategies and the observation strategies. We fully characterize the Nash control strategies of the PEEC game using techniques such as completing squares and the calculus of variations. We show that the derivation of the Nash observation strategies and the Nash control strategies can be decoupled. We develop a set of necessary conditions that facilitate the numerical computation of the Nash observation strategies. We show, in theory, that players with less maneuverability prefer concealment to exposure. We also show that when the game's horizon goes to infinity, the Nash observation strategy is to observe periodically, and the expected distance between the pursuer and the evader goes to zero with a bounded second moment. We conducted a series of numerical experiments to study the proposed PEEC game. We illustrate the numerical results using both figures and animation. Numerical results show that the pursuer can maintain high-grade performance even when the number of observations is limited. We also show that an evader with low maneuverability can still escape if the evader increases his stealthiness.

研究の動機と目的

• 観測にコストがかかるとともに観測者の状態が露呈されるという現実のトレードオフを反映する、追跡回避ゲームのモデル化。
• 非対称な情報コストを組み込んだゲーム理論的枠組み（PEECと呼ぶ）の構築。
• 制御と観測の意思決定を分離し、解析的扱いを可能にするために、ナッシュ均衡戦略を制御と観測に関して別々に特徴づけること。
• 機動性と観測コストがプレイヤーの最適行動、特に隠蔽と露呈の選択に与える影響を分析すること。
• 最適観測タイミングの理論的条件を確立し、無限時間ホライズンの場合に周期的戦略に収束することを示すこと。

提案手法

• 有限時間ホライズンの2プレイヤー線形二次ガウス型微分ゲームを定式化し、観測コストと状態露呈ペナルティを組み込む。
• 平方完成と変分法を用いて、観測意思決定とは独立した明示的なナッシュ制御戦略を導出する。
• 制御戦略からの分離を図り、観測戦略の導出を別々に最適化可能にする。
• コスト関数 Functional に Leibniz の公式を適用し、最適観測時刻の必要条件を、1次最適性条件を用いて導出する。
• 必要条件に基づく数値計算フレームワークを提案し、最適観測瞬間を計算する。
• 無限時間ホライズンの極限を分析し、最適観測戦略が周期的になること、およびプレイヤー間の期待距離が2次のモーメントが有界な範囲でゼロに収束することを証明する。

実験結果

リサーチクエスチョン

• RQ1 追跡回避の文脈において、相手を観測するコストと自らの状態が露呈するリスクの両者を最適にバランスさせるにはどうすればよいか？
• RQ2 ナッシュの制御戦略と観測戦略を独立して導出可能か？また、このような分離が有効となる条件は何か？
• RQ3 プレイヤーの機動性が、隠蔽と露呈の選択に与える影響は何か？
• RQ4 ゲームのホライズンが無限大に近づくにつれて、最適観測戦略は周期的サンプリングに収束するか？
• RQ5 最適戦略下での期待追跡誤差は時間経過とともにどのように変化するか？長期的にはどのような有界性が成立するか？

主な発見

• 観測コストと露呈リスクの両方が存在するため、逃げ手の最適戦略は、追手の戦略にかかわらず観測を行わないことになる。
• 追手の最適戦略は、推定誤差トレースと観測コストを組み合わせたコスト関数を最小化するものであり、最適観測時刻は1次必要条件を満たす。
• 機動性が低いプレイヤーは、発見後に回避が困難であるため、露呈よりも隠蔽を好む傾向にある。
• 無限時間ホライズンの極限において、最適観測戦略は周期的となり、追手と逃げ手の間の期待距離は2次のモーメントが有界な範囲でゼロに収束する。
• 数値実験により、観測回数が限られた状況下でも追手が高い性能を維持することが確認され、低機動性の逃げ手はステルス性を高めることで依然として脱出可能であることが示された。