[논문 리뷰] A Pursuit-Evasion Differential Game with Strategic Information Acquisition

Yunhan Huang, Quanyan Zhu|arXiv (Cornell University)|2021. 02. 10.

Guidance and Control Systems참고 문헌 38인용 수 7

한 줄 요약

이 논문은 관측 비용과 상태 노출의 간접 비용을 고려한 선형-제곱-가우시안 미분게임인 추적-도피-노출-은폐(PEEC) 게임을 제안한다. 플레이어들은 서로를 관측할 시기를 전략적으로 결정하며, 이 과정에서 직접 관측 비용과 상태 노출로 인한 간접 비용을 지불한다. 저자들은 변분법과 제곱완성 기법을 사용하여 제어 및 관측 전략을 각각 나 Nash 전략을 유도하였으며, 이는 조작성이 낮은 플레이어가 은폐를 선호하고, 무한한 시간 한계에서 주기적 관측이 최적임을 보여주며, 기대 추적 오차가 0으로 수렴하고 두 번째 모멘트가 유계임을 입증한다.

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.

연구 동기 및 목표

• 관측이 비용이 들고 관측자 자신의 상태가 드러나는 추적-도피 게임을 모델링하여 실제 센서 감지와 은폐 전략 간의 상충관계를 반영한다.
• 비대칭 정보 비용 하에 제어 및 관측 결정을 통합하는 게임이론적 프레임워크인 PEEC를 개발한다.
• 제어 및 관측에 대한 나시 균형 전략을 특성화하고, 해석 가능성을 높이기 위해 이들의 유도를 분리한다.
• 조작성과 관측 비용이 플레이어의 최적 행동, 특히 은폐 대 노출에 미치는 영향을 분석한다.
• 최적 관측 시점에 대한 이론적 조건을 수립하고, 무한 시간 한계에서 주기적 전략으로 수렴하는 것을 입증한다.

제안 방법

• 유한 시간 한계를 가진 이원선형-제곱-가우시안 미분게임을 수립하며, 관측 비용과 상태 노출 페널티를 포함한다.
• 제곱완성 기법과 변분법을 사용하여 관측 결정과 무관한 명시적 나시 제어 전략을 도출한다.
• 제어 전략과의 분리된 최적화를 가능하게 하기 위해 관측 전략의 유도를 제어 전략에서 분리한다.
• 비용 기능에 대해 라이프니츠 규칙과 1차 최적성 조건을 적용하여 최적 관측 시점에 대한 필요 조건을 도출한다.
• 필요 조건 기반의 수치 계산 프레임워크를 제안하여 최적 관측 순간을 계산한다.
• 무한 시간 한계를 분석하여 최적 관측 전략이 주기적임을 증명하고, 플레이어 간 기대 거리가 0으로 수렴하며 두 번째 모멘트가 유계임을 입증한다.

실험 결과

연구 질문

• RQ1 추적-도피 상황에서 상대를 관측하는 데 드는 비용과 자신의 상태가 드러나는 위험 사이에서 플레이어는 어떻게 균형을 이룰 수 있는가?
• RQ2 나시 제어 전략과 관측 전략은 서로 독립적으로 도출될 수 있으며, 이러한 분리가 유효한 조건은 무엇인가?
• RQ3 플레이어의 조작성이 그의 은폐 또는 노출 선호도에 미치는 영향은 어떠한가?
• RQ4 게임 시간 한계가 무한히 증가할 경우 최적 관측 전략이 주기적 샘플링으로 수렴하는가?
• RQ5 최적 전략 하에서 기대 추적 오차는 시간이 지남에 따라 어떻게 변화하며, 장기적으로는 어떤 유계를 가지는가?

주요 결과

• 관측 비용과 상태 노출의 영향으로 인해 도피자는 상대의 전략과 무관하게 항상 관측을 하지 않는 것이 최적 전략이다.
• 추적자의 최적 전략은 추정 오차의 트레이스와 관측 비용을 조합한 비용 기능을 최소화하며, 최적 관측 시점은 1차 필요 조건을 만족한다.
• 조작성이 낮은 플레이어는 감지된 후 회피가 어려우므로 은폐를 노출보다 선호한다.
• 무한 시간 한계에서 최적 관측 전략은 주기적으로 변하며, 추적자와 도피자 간 기대 거리는 0으로 수렴하고 두 번째 모멘트는 유계이다.
• 수치 실험을 통해 추적자는 제한된 관측으로도 높은 성능 유지를 함을 확인하였으며, 조작성이 낮은 도피자는 도태를 높임으로써 여전히 탈출 가능함을 입증하였다.