IFPV：一种用于生成式作战规划与高保真计划验证的集成多智能体框架

arXiv 2026 61.4 system, application

TLDR

IFPV集成多智能体生成式规划与基于世界模型的对抗验证，提升战场任务成功率并降低成本。

评分理由

The paper presents a novel framework combining hierarchical planning agents with an adversarial verification module that uses a world model for dynamic counteraction. Strengths include clear problem motivation and significant performance gains over baselines. Weaknesses are the reliance on simulated rather than real-world experiments and limited architectural details of the world model.

Read-first 评分解释

综合优先阅读分 61.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 36。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、GitHub

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.77958226

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、实验、指标

主题相关性 29%

51.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：506。

关键词评分

world model

world dynamics prediction

interactive world model

world simulator

generative world model

model-based reinforcement learning world model

video world model

深度分析

创新点

集成多智能体框架IFPV，结合生成式作战规划与高保真对抗计划验证
多视角分层智能体MPHA，包含Pathfinder、Analyst和Planner智能体，将指挥官意图分解为可执行的多平台战术行动序列
对抗认知仿真引擎ACSE，配备定制世界模型的对手，预测关键平台未来演变并执行动态对抗

方法

IFPV由两个紧密耦合的模块组成：MPHA用于生成式规划，ACSE用于对抗验证。该框架在非对称作战战术模拟器（ACTS）中评估，与单步大语言模型（LLM）规划基线和传统基于规则的验证器进行比较。评估指标包括任务成功率、作战成本和压制率。

关键结果

与单步LLM规划基线相比，IFPV将任务成功率提升19.4%，作战成本降低41.7%。与传统基于规则的验证器相比，ACSE将平均压制率提升31.8%，表明验证环境更严格、更具区分性，能揭示候选计划的潜在漏洞。

资源

论文代码