Naukowcy zaproponowali VGG-MADiffRL, nowy algorytm łączący uczenie ze wzmacnianiem dla wielu agentów z modelami dyfuzji, do rozwiązania problemu śledzenia celów przez sieci autonomicznych pojazdów podwodnych. Problem ten wymaga skoordynowanego działania wielu AUV w warunkach ograniczonej komunikacji akustycznej, dynamicznej topologii sieci i niepewnych zaburzeń oceanicznych, które są charakterystyczne dla tego środowiska.
Istniejące podejścia oparte na tradycyjnym wieloagentowym uczeniu ze wzmacnianiem borykały się z wysokowymiarowością modelowania stanów i akcji oraz wrażliwością na szumy, co prowadziło do niestabilnego treningu. Zaproponowana metoda VGG-MADiffRL wykorzystuje gradienty wartości do kierowania generowaniem akcji w procesie odszumowania dyfuzji, a algorytm pracuje w ramach architektury MDCA zorganizowanej w trzy warstwy: warstwę inteligentnej kontroli globalnej, warstwę online'owego treningu lokalnego i warstwę wykonywania akcji fizycznych.
Rozwiązanie modeluje mechanizmy sonarowe i zaburzenia oceaniczne, formułując problem kooperacyjnego śledzenia jako markowski proces decyzyjny. Hierarchiczna struktura MDCA umożliwia synergiczną optymalizację alokacji zadań, procesów decyzyjnych i informacji zwrotnych z wykonania, co powinno znacznie poprawić zarówno stabilność treningu, jak i skuteczność śledzenia manewrujących celów w warunkach rzeczywistych misji podwodnych.