Kaartotaistelutaktiikoiden laskeminen neuroverkkoja hyödyntävän arvoiteroinnin avulla
Virtanen, Konsta (2025)
2025
Konetekniikan DI-ohjelma - Master's Programme in Mechanical Engineering
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2025-09-03
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202508318598
https://urn.fi/URN:NBN:fi:tuni-202508318598
Tiivistelmä
Tämän työn tavoitteena oli kehittää automaattinen päätöksentekijä, joka suoriutuu simuloidussa 1 vastaan 1 -kaartotaistelussa paremmin kuin kaartotaisteluun koulutettu ammattilainen. Työssä tarkasteltiin, kuinka neuroverkkoja hyödyntävää sovitettua arvoiterointia voidaan käyttää tällaisen agentin tuottamiseksi. Sovitetussa arvoiteroinnissa arvioidaan iteratiivisesti, mitkä tilanteet ovat tavoiteltavia ja mitkä vältettäviä.
Työ toteutettiin konstruktiivisena tutkimuksena, jossa tuotettiin kaartotaisteluagentti ja arvioitiin sen suoriutumista. Työn aluksi luotiin yksinkertainen lentomalli, joka hyödynsi kuvitteellisen harjoitussuihkukoneen suoritusarvokirjaa. Tämän jälkeen kehitettiin tehokas tapa soveltaa yhden päätöksentekijän arvoiterointia kahden päätöksentekijän kaartotaisteluun. Lentomallia ja uutta arvoiterointialgoritmia hyödyntäen tuotettiin kaartotaisteluagentti. Agentti käytti viittä rinnakkaista neuroverkkoa: verkoista neljä arvioi harjoitussääntöjen noudattamista ja viides taktista tilannetta.
Tuotetun kaartotaisteluagentin taitotason todentamiseen osallistui 18 vapaaehtoista Ilmavoimien lentäjää. Kahden viikon ajan osallistujilla oli mahdollisuus lentää simulaattorilla kaartotaisteluagenttia vastaan omien aikataulujensa mukaan. Osallistujat saivat valita vapaasti neljästä erilaisesta aloitustilannetyypistä, jotka mukailivat kaartotaistelukoulutuksessa yleisiä aloitustilanteita. Yrityskertojen määrää ei ollut rajoitettu. Koeasetelma kannusti osallistujia riskinottoon ja agentin haavoittuvuuksien etsimiseen.
Lentäjät ajoivat kaartotaisteluagenttia vastaan yhteensä 2 364 kohtaamista. Agentti suoriutui kaikissa aloitustilannetyypeissä paremmin kuin yksikään tutkimukseen osallistunut Ilmavoimien lentäjä. Noin 99 % kohtaamisista päättyi ihmisen kannalta epäsuotuisaan lopputulemaan. Hieman alle 1 % kohtaamisista ei ratkennut rajaksi asetetun seitsemän minuutin aikana. Merkittävää on se, että ihminen ei päässyt neutraaleista aloitustilanteista ammuntaan kertaakaan.
Tulokset osoittavat, että kehitetty menetelmä toimi tehokkaiden kaartotaistelutaktiikoiden laskemiseen hyvin. Ongelman jakaminen osaongelmiin, lentomallin hyödyntäminen ja sovitettu arvoiterointi tuottivat agentin, joka menestyi simuloidussa kaartotaistelussa merkittävästi paremmin kuin kaartotaisteluun koulutetut ammattilaiset.
Työ toteutettiin konstruktiivisena tutkimuksena, jossa tuotettiin kaartotaisteluagentti ja arvioitiin sen suoriutumista. Työn aluksi luotiin yksinkertainen lentomalli, joka hyödynsi kuvitteellisen harjoitussuihkukoneen suoritusarvokirjaa. Tämän jälkeen kehitettiin tehokas tapa soveltaa yhden päätöksentekijän arvoiterointia kahden päätöksentekijän kaartotaisteluun. Lentomallia ja uutta arvoiterointialgoritmia hyödyntäen tuotettiin kaartotaisteluagentti. Agentti käytti viittä rinnakkaista neuroverkkoa: verkoista neljä arvioi harjoitussääntöjen noudattamista ja viides taktista tilannetta.
Tuotetun kaartotaisteluagentin taitotason todentamiseen osallistui 18 vapaaehtoista Ilmavoimien lentäjää. Kahden viikon ajan osallistujilla oli mahdollisuus lentää simulaattorilla kaartotaisteluagenttia vastaan omien aikataulujensa mukaan. Osallistujat saivat valita vapaasti neljästä erilaisesta aloitustilannetyypistä, jotka mukailivat kaartotaistelukoulutuksessa yleisiä aloitustilanteita. Yrityskertojen määrää ei ollut rajoitettu. Koeasetelma kannusti osallistujia riskinottoon ja agentin haavoittuvuuksien etsimiseen.
Lentäjät ajoivat kaartotaisteluagenttia vastaan yhteensä 2 364 kohtaamista. Agentti suoriutui kaikissa aloitustilannetyypeissä paremmin kuin yksikään tutkimukseen osallistunut Ilmavoimien lentäjä. Noin 99 % kohtaamisista päättyi ihmisen kannalta epäsuotuisaan lopputulemaan. Hieman alle 1 % kohtaamisista ei ratkennut rajaksi asetetun seitsemän minuutin aikana. Merkittävää on se, että ihminen ei päässyt neutraaleista aloitustilanteista ammuntaan kertaakaan.
Tulokset osoittavat, että kehitetty menetelmä toimi tehokkaiden kaartotaistelutaktiikoiden laskemiseen hyvin. Ongelman jakaminen osaongelmiin, lentomallin hyödyntäminen ja sovitettu arvoiterointi tuottivat agentin, joka menestyi simuloidussa kaartotaistelussa merkittävästi paremmin kuin kaartotaisteluun koulutetut ammattilaiset.