在自主无人机、智能工厂机器人等多个人工智能(AI)协同作业的情境中,即使部分设备发生故障或通信中断,剩余设备也能自行重新分配角色并完成任务——这一技术已由韩国研究团队开发成功。
蔚山科学技术院(UNIST)人工智能研究生院韩升烈教授团队24日表示,已开发出通过有意切断AI智能体之间协作链条进行训练的多智能体强化学习技术“交互切断对抗学习(IBAL,Interaction-Breaking Adversarial Learning)”。
研究团队设计的IBAL可以用足球比赛来比喻。当比赛中一名球员被罚下场时,不是固守原有战术,而是训练剩余球员立即填补空位并重新分配进攻与防守角色的原理。
以往的多智能体强化学习主要采用在传感器信息中有意加入噪声,或诱导单个AI做出不利于任务的行为的方式。相比之下,IBAL将AI群体分为两组,分析对二者协作最为关键的“互信息量(Mutual Information)”,并对其进行集中扰动。
即在学习过程中遮蔽AI相互识别所必需的“信息”,或诱导破坏协作的“行为”。此外,每个学习阶段都随机改变分组构成,并自动调节攻击强度,使AI广泛体验各种形态的协作崩溃情境并提升应对能力。
研究团队在基于知名策略游戏《星际争霸II》的实验环境(SMAC)中验证了该技术的性能。
在假设部分友方单位突然停止运作的突发情境下,现有AI模型的整体协作体系如多米诺骨牌般崩塌,胜率骤降至13.3%。相反,以IBAL训练的AI立即重建阵形,如将体力下降的单位撤至后方、将状态良好的单位推至前线等,取得了87.0%的压倒性胜率。
第一作者李善雨研究员解释称:“IBAL不仅干扰单个AI的判断,还会动摇AI之间的协作关系本身”,“由此可以训练AI,即使部分AI发生故障或通信中断,剩余AI也能寻找新的协作方式继续执行任务。”
韩升烈教授强调:“像自主无人机、集群机器人、智能工厂这样多个AI共同运作的系统,一旦部分设备故障或通信中断就会产生致命问题”,“本次技术将成为提升多AI协同运作系统整体安全性与可靠性的核心基础技术。”
另一方面,此次研究成果被世界三大人工智能学会之一的“国际机器学习大会(ICML)2026”录用。今年的ICML将于7月6日至11日在首尔COEX举行。该研究在韩国科学技术情报通信部、信息通信企划评价院(IITP)、韩国研究基金会(NRF)等的支持下完成。






