智能自主系统_ai人工智能系统

【Lesson 1】9月13日

1.1 智能无人自主系统及分类

智能：个体有目的的行为、合理的思维和有效地适应环境的综合能力；
自然智能理论、人工智能理论；
智能与意识的区别；

无人机

概念、细分、概念演变、优缺点、应用场景、国内外研究发展、商业公司；
单无人机、多无人机的应用区别；

多家无人机组成拥有共同目标的群组，不需要/少需要控制中心授权，整体随环境变换而动态调整。

导弹

特点；
按照飞行方式、攻击目标、发射点与目标位置关系分类；

导弹通过与己方外部传感器、作战指挥平台的协同，可以丰富目标信息来源、提升装备探测远界；通过与己方导弹协同，可以扩展不同方向不同层次攻击目标、提高己方打击成功率。

应用；

无人车

概念、分类、特点、应用、发展历程、硬件与软件系统架构、应用；
核心：导航系统；

发展前景：

• 车载传感器和导航系统对干扰的敏感性，包括干扰和欺骗；
• 基于深度机器学习的模型缺乏普适性；
• 依赖高质量的专业地图；
• 对社会经验常识的综合判断和逻辑推理，比如行人的手势、语言、神态的理解；

无人机避障技术

• 三个阶段：
  – 感知障碍物阶段，只检测；
  – 绕过障碍物阶段，对运动过程中可能遇到的障碍物进行可能性评级、预测，判断其与无人车的碰撞关系；
  – 场景建模与路径搜索阶段，通过智能建图、定位、决策规划使无人车安全避障。
• 传感器：超声波、红外和激光传感器、计算机视觉（双目、深度）
• 障碍物检测技术：
  – 基于激光雷达：地图差分法、实体类聚法、目标跟踪法
  – 基于立体视觉：Probabilistic Occupancy Maps（POM法）、Digital Elevation Map（DEM法）与光流法
• 避障控制方法：人工势场法、模糊控制法、神经网格控制法、栅格法避障、声波避障控制法、激光雷达避障控制法

集群系统涉及领域：智能传感、环境感知、分析判断、网络通信、自主决策

无人车集群研究进展；
无人机/无人车异构协同；

无人艇

概念、系统组成、自主程度分类、特点、应用、研究发展、应用前景

无人潜航器

概念、航式分类、特点、应用（民用、军事）、研究发展

发展趋势：

• 突破航行体设计技术障碍
• 开发新能源，提高续航力
• 进一步提高导航定位能力
• 改进控制系统、提高自适应能力

1.2 智能与自主的内涵与联系

美国无人机系统发展路线图

康德认为：自主性观念主要体现在人的意志上，主体能够自由运用理性，采取“自主”的行动。

自动与自主的差别；
用5S概括无人机的发展趋势：Small，Safe，Smart，Speed，Swarm（独立行动）

智能等级分类：

无人机自主智能控制逻辑与信息架构

1.3 群体智能进展与内涵

2017年7月，国务院发布《新一代人工智能发展规划》，明确将群体智能和无人系统自主协同控制为国家战略目标和重点任务，把“群体智能关键技术”和“自主无人控制技术”列为“新一代人工智能重大科技项目”。

群体智能：受群居性动物集体行为启发，用于设计问题求解算法和分布式列表的理论方法。

自然界中的群体：蚁群、微粒(鸟)群、蜂群、狼群、雁群
群体特性：分布式、自组织性、并行性、协同性、简单性、灵活性、鲁棒性

• 通过个体间的不断交互、调整，以及对环境的适应，得到问题更好的解；
• 通过模拟生物群体中个体间的协商、协调，化解冲突，协同产生对集群有益的决策。

蚁群优化

群内身份分工、不同觅食行为、最优路径优化

粒子群优化

粒子群优化（Particle Swarm Optimization，PSO）

• 在PSO中，每个优化问题的解都是搜索空间中的一只鸟，称之为粒子；
• 所有粒子都有一个由被优化的函数决定的适应值（fitness value）、一个速度决定其飞翔的方向和距离
• 粒子们追随当前最优粒子在解空间中搜索
• 具体元素
  – 认知模型：根据粒子本身所找到的最优解(pbest)更新速度
  – 社会模型：根据整个种群目前找到的最优解(gbest)更新速度
  – PSO速度公式：根据上述两者更新速度

鸽群优化

鸽子的导航工具

• 太阳：鸽子可记忆鸽巢位置不同时刻的太阳高度角和方位角，通过太阳高度信息进行导航；
• 磁场：鸽子上喙结构含有磁感应结构，磁石粒子的信号是通过鼻子经三叉神经反馈给大脑。
• 地标：鸽子依靠重力场进行空间定位，通过比较鸽房陀螺仪设置与其所在陀螺仪数值，设定初始返航方向。

鸽子在寻的旅程不同阶段，前期依赖太阳和磁场，后期依赖地标。

收鸽群导航行为启发提出的新型智能优化模型——鸽群优化，具有收敛速度快、不易陷入局部最优点等优势。

算法主页：http://hbduan.buaa.edu.cn/pio/

Boid模型

将群体中个体间的分布关系分为聚集、对齐、分离三种状态。

Vicsek模型

设个体速度大小不变，速度方向为领域内所有个体（包括自身）速度方向的平均。

Couzin模型

将活动空间分为三个部分：

• Zor（repulsion）：避免碰撞的排斥区
• Zof（following）：从众的跟随区
• Zoa（attraction）：避免群体散开的吸引区

这种不同区域的大小关系，决定了群体的运动状态。

• 跟随区小/不存在：个体聚集，但是方向混乱，极化量小、角动量小
• 跟随区较小但吸引区大：个体聚集而系统呈现旋涡状，极化量小，角动量大
• 跟随区变大，吸引区不变：个体方向一直形成平行群体，极化量大，角动量小

Augustine定律：扣除通货膨胀，飞机单价呈现指数增长。

“虫群”战术是美军作战理念上的大调整，从传统地强调自上而下的指挥，到强调分散作战，赋予作战一级更多的情报权和决策权。

“蜂群”战术：蜜蜂遭到外敌入侵，即刻倾巢出动，依靠数量多、飞行灵活的优势群起围攻敌人

共识自主性：一种个体间间接协调的机制，即无需任何集中规划以及直接通信完成智能活动。

无人机集群特点：解决有限空间内多无人机协同、高度分散度、动态自愈合网络、分布式集群智慧、分布式探索

无人机集群作战：

• 主要特征：去中心化、自主控制、集群复原、功能放大、零伤亡化
• 主要优势：功能分布化、体系生存率、效费交换比
• 作战能力体现：系统的群智涌现能力、平台的协同交互能力、单平台的节点作战能力
• 作战形态：渗透侦查、诱骗干扰、察打一体、协同作战、集群攻击
• 颠覆性变革：集群替代机动、数量指增能力、成本创造优势
• 反制措施：捣毁蜂巢、密集拦截、集群对抗、电磁瘫毁、控制劫持

第二章 生物群体运动模型

2.1 生物群体运动模型

1. Vicsek模型
2. 基于随机视线方向的Vicsek模型
3. 基于改进拓扑规则的Vicsek模型
4. 基于分数阶微积分的Vicsek模型

2.2 典型生物群体智能模型

1. 鸽群层级引领机制建模
2. 雁群线性编队机制建模
3. 狼群协同围捕机制建模

第四章

无人机集群进展及内涵

群体智能与集群控制间映射

1. 编队控制
2. 密集编队控制

• 改进1：导航工具转换
• 改进2：引入捕食逃逸

3. 避障控制

• 改进人工物理
• 仿鸽子飞行
• 仿雁群飞行

第五章 无人机集群组网通信

核心问题：通信、时空配准、

今天的文章智能自主系统_ai人工智能系统分享到此就结束了，感谢您的阅读。