智能自主系统_ai人工智能系统

智能自主系统_ai人工智能系统【Lesson1】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

【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

智能自主系统_ai人工智能系统

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;
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:

智能自主系统_ai人工智能系统

无人机自主智能控制逻辑与信息架构

智能自主系统_ai人工智能系统

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。

智能自主系统_ai人工智能系统

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
  1. 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。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/61612.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注