BVR Gym: A Reinforcement Learning Environment for Beyond-Visual-Range Air Combat

创造新的空战战术和发现新的机动动作可能需要大量专家飞行员的时间。此外，对于每个不同的战斗场景，相同的策略可能不起作用，因为设备性能的微小变化可能会极大地改变空战的结果。因此，我们创建了一个强化学习环境来帮助研究超视距（BVR）空战领域的潜在空战战术：BVR Gym。这种空战非常重要，因为远程导弹通常是空战中首先使用的武器。一些现有环境提供高保真度的模拟，但要么不是开源的，要么不适用于BVR空战领域。其他环境是开源的，但使用的模拟模型不够准确。我们的工作基于开源飞行动力学模拟器JSBSim，提供了一个适用于BVR空战领域的高保真度环境。本文描述了该环境的构建模块和一些用例。

在Beyond-Visual-Range（BVR）空战领域中，缺乏一个高保真度、适应BVR空战的开源仿真环境，该论文旨在解决这一问题。

使用开源飞行动力学模拟器JSBSim创建一个高保真度、适应BVR空战的开源仿真环境BVR Gym，并使用强化学习探索潜在的空战策略。

BVR Gym基于JSBSim创建，适应BVR空战领域，提供高保真度的仿真环境。使用强化学习探索潜在的空战策略。该环境开源，可用于进一步研究。

最近的相关研究包括：1.使用深度强化学习进行空战决策的研究；2.使用机器学习进行空战模拟的研究。