VISTA: un’architettura di apprendimento per rinforzo multi-agente basata sull’attenzione per l’assegnazione dei compiti ai sensori nell’ambito della consapevolezza situazionale spaziale

Abstract degli autori

La rapida crescita degli oggetti presenti nello spazio sta aumentando la complessità dell’assegnazione dei compiti ai sensori per la consapevolezza situazionale spaziale e mette alla prova i metodi classici di ottimizzazione, chiamati a distribuire risorse di rilevamento limitate, eterogenee e distribuite su cataloghi sempre più grandi. Gli approcci esistenti basati sull’apprendimento per rinforzo profondo si mostrano promettenti in contesti ridotti, ma rappresentazioni dello stato e dell’azione a dimensionalità fissa ne limitano la capacità di scalare a cataloghi ampi e dinamici e a reti di rilevamento distribuite. Presentiamo VISTA (Variable-Entity Intelligent Sensor Tasking Architecture), un’architettura scalabile di apprendimento per rinforzo profondo per il mantenimento continuativo di cataloghi guidato dall’incertezza, anche con popolazioni variabili di oggetti e configurazioni dei sensori diverse. VISTA combina una selezione Top-K basata su conoscenze fisiche e di missione con un meccanismo di attenzione incentrato sulle entità, una memoria ricorrente e una decodifica delle azioni basata su puntatori, mantenendo così gli spazi di osservazione e di azione di ciascun agente indipendenti dalle dimensioni del catalogo. Valutiamo VISTA in diversi scenari, dai benchmark con dimensioni fisse e un singolo sensore all’assegnazione dei compiti su larga scala a sensori spaziali e al rilevamento cooperativo eterogeneo. Con 30 obiettivi in orbita, VISTA ricostruisce il catalogo il 31,2% più velocemente rispetto al modello ricorrente a dimensionalità fissa. Nello scenario su larga scala, dopo cinque ore VISTA riduce l’incertezza del 97,5% rispetto al più forte riferimento classico e del 99,3% rispetto al modello ricorrente. I test zero-shot fino a 20.000 oggetti rivelano relazioni quasi lineari tra la capacità di rilevamento, le dimensioni del catalogo e l’orizzonte temporale di ricostruzione. Le politiche apprese mostrano inoltre un adattamento alle modalità dei sensori e una capacità di generalizzare a variazioni nella popolazione e nell’incertezza iniziale. Nel complesso, questi risultati dimostrano che VISTA offre un quadro scalabile per l’assegnazione adattiva dei compiti ai sensori nell’ambito della consapevolezza situazionale spaziale, anche su reti ampie e distribuite di sensori eterogenei terrestri e spaziali.