面向体系系统任务协同的多场景强化学习：脆弱性设计与鲁棒性验证

研究将高保真数字任务模型与强化学习结合，用PPO训练任务协调器实现自适应任务分配，并在三场景空中消防任务中验证。所有训练后的协调器均显著优于随机和启发式基线；仅在宽松场景训练的协调器迁移到更严苛场景时退化至随机水平，而严苛场景训练的协调器迁移后仍保留大部分优势。相同训练预算下，双场景并发训练的协调器在各场景中匹配专用协调器并显著优于其他策略。