【Lesson 1】9月13日

1.1 智能無人自主系統(tǒng)及分類

智能：個體有目的的行為、合理的思維和有效地適應環(huán)境的綜合能力；
自然智能理論、人工智能理論；
智能與意識的區(qū)別；

無人機

概念、細分、概念演變、優(yōu)缺點、應用場景、國內(nèi)外研究發(fā)展、商業(yè)公司；
單無人機、多無人機的應用區(qū)別；

多家無人機組成擁有共同目標的群組，不需要/少需要控制中心授權，整體隨環(huán)境變換而動態(tài)調(diào)整。

導彈

特點；
按照飛行方式、攻擊目標、發(fā)射點與目標位置關系分類；

導彈通過與己方外部傳感器、作戰(zhàn)指揮平臺的協(xié)同，可以豐富目標信息來源、提升裝備探測遠界；通過與己方導彈協(xié)同，可以擴展不同方向不同層次攻擊目標、提高己方打擊成功率。

應用；

無人車

概念、分類、特點、應用、發(fā)展歷程、硬件與軟件系統(tǒng)架構、應用；
核心：導航系統(tǒng)；

發(fā)展前景：

• 車載傳感器和導航系統(tǒng)對干擾的敏感性，包括干擾和欺騙；
• 基于深度機器學習的模型缺乏普適性；
• 依賴高質(zhì)量的專業(yè)地圖；
• 對社會經(jīng)驗常識的綜合判斷和邏輯推理，比如行人的手勢、語言、神態(tài)的理解；

無人機避障技術

• 三個階段：
  – 感知障礙物階段，只檢測；
  – 繞過障礙物階段，對運動過程中可能遇到的障礙物進行可能性評級、預測，判斷其與無人車的碰撞關系；
  – 場景建模與路徑搜索階段，通過智能建圖、定位、決策規(guī)劃使無人車安全避障。
• 傳感器：超聲波、紅外和激光傳感器、計算機視覺（雙目、深度）
• 障礙物檢測技術：
  – 基于激光雷達：地圖差分法、實體類聚法、目標跟蹤法
  – 基于立體視覺：Probabilistic Occupancy Maps（POM法）、Digital Elevation Map（DEM法）與光流法
• 避障控制方法：人工勢場法、模糊控制法、神經(jīng)網(wǎng)格控制法、柵格法避障、聲波避障控制法、激光雷達避障控制法

集群系統(tǒng)涉及領域：智能傳感、環(huán)境感知、分析判斷、網(wǎng)絡通信、自主決策

無人車集群研究進展；
無人機/無人車異構協(xié)同；

無人艇

概念、系統(tǒng)組成、自主程度分類、特點、應用、研究發(fā)展、應用前景

無人潛航器

概念、航式分類、特點、應用（民用、軍事）、研究發(fā)展

發(fā)展趨勢：

• 突破航行體設計技術障礙
• 開發(fā)新能源，提高續(xù)航力
• 進一步提高導航定位能力
• 改進控制系統(tǒng)、提高自適應能力

1.2 智能與自主的內(nèi)涵與聯(lián)系

美國無人機系統(tǒng)發(fā)展路線圖

康德認為：自主性觀念主要體現(xiàn)在人的意志上，主體能夠自由運用理性，采取“自主”的行動。

自動與自主的差別；
用5S概括無人機的發(fā)展趨勢：Small，Safe，Smart，Speed，Swarm（獨立行動）

智能等級分類：

無人機自主智能控制邏輯與信息架構

1.3 群體智能進展與內(nèi)涵

2017年7月，國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，明確將群體智能和無人系統(tǒng)自主協(xié)同控制為國家戰(zhàn)略目標和重點任務，把“群體智能關鍵技術”和“自主無人控制技術”列為“新一代人工智能重大科技項目”。

群體智能：受群居性動物集體行為啟發(fā)，用于設計問題求解算法和分布式列表的理論方法。

自然界中的群體：蟻群、微粒(鳥)群、蜂群、狼群、雁群
群體特性：分布式、自組織性、并行性、協(xié)同性、簡單性、靈活性、魯棒性

• 通過個體間的不斷交互、調(diào)整，以及對環(huán)境的適應，得到問題更好的解；
• 通過模擬生物群體中個體間的協(xié)商、協(xié)調(diào)，化解沖突，協(xié)同產(chǎn)生對集群有益的決策。

蟻群優(yōu)化

群內(nèi)身份分工、不同覓食行為、最優(yōu)路徑優(yōu)化

粒子群優(yōu)化

粒子群優(yōu)化（Particle Swarm Optimization，PSO）

• 在PSO中，每個優(yōu)化問題的解都是搜索空間中的一只鳥，稱之為粒子；
• 所有粒子都有一個由被優(yōu)化的函數(shù)決定的適應值（fitness value）、一個速度決定其飛翔的方向和距離
• 粒子們追隨當前最優(yōu)粒子在解空間中搜索
• 具體元素
  – 認知模型：根據(jù)粒子本身所找到的最優(yōu)解(pbest)更新速度
  – 社會模型：根據(jù)整個種群目前找到的最優(yōu)解(gbest)更新速度
  – PSO速度公式：根據(jù)上述兩者更新速度

鴿群優(yōu)化

鴿子的導航工具

• 太陽：鴿子可記憶鴿巢位置不同時刻的太陽高度角和方位角，通過太陽高度信息進行導航；
• 磁場：鴿子上喙結構含有磁感應結構，磁石粒子的信號是通過鼻子經(jīng)三叉神經(jīng)反饋給大腦。
• 地標：鴿子依靠重力場進行空間定位，通過比較鴿房陀螺儀設置與其所在陀螺儀數(shù)值，設定初始返航方向。

鴿子在尋的旅程不同階段，前期依賴太陽和磁場，后期依賴地標。

收鴿群導航行為啟發(fā)提出的新型智能優(yōu)化模型——鴿群優(yōu)化，具有收斂速度快、不易陷入局部最優(yōu)點等優(yōu)勢。

算法主頁：http://hbduan.buaa.edu.cn/pio/

Boid模型

將群體中個體間的分布關系分為聚集、對齊、分離三種狀態(tài)。

Vicsek模型

設個體速度大小不變，速度方向為領域內(nèi)所有個體（包括自身）速度方向的平均。

Couzin模型

將活動空間分為三個部分：

• Zor（repulsion）：避免碰撞的排斥區(qū)
• Zof（following）：從眾的跟隨區(qū)
• Zoa（attraction）：避免群體散開的吸引區(qū)

這種不同區(qū)域的大小關系，決定了群體的運動狀態(tài)。

• 跟隨區(qū)小/不存在：個體聚集，但是方向混亂，極化量小、角動量小
• 跟隨區(qū)較小但吸引區(qū)大：個體聚集而系統(tǒng)呈現(xiàn)旋渦狀，極化量小，角動量大
• 跟隨區(qū)變大，吸引區(qū)不變：個體方向一直形成平行群體，極化量大，角動量小

Augustine定律：扣除通貨膨脹，飛機單價呈現(xiàn)指數(shù)增長。

“蟲群”戰(zhàn)術是美軍作戰(zhàn)理念上的大調(diào)整，從傳統(tǒng)地強調(diào)自上而下的指揮，到強調(diào)分散作戰(zhàn)，賦予作戰(zhàn)一級更多的情報權和決策權。

“蜂群”戰(zhàn)術：蜜蜂遭到外敵入侵，即刻傾巢出動，依靠數(shù)量多、飛行靈活的優(yōu)勢群起圍攻敵人

共識自主性：一種個體間間接協(xié)調(diào)的機制，即無需任何集中規(guī)劃以及直接通信完成智能活動。

無人機集群特點：解決有限空間內(nèi)多無人機協(xié)同、高度分散度、動態(tài)自愈合網(wǎng)絡、分布式集群智慧、分布式探索

無人機集群作戰(zhàn)：

• 主要特征：去中心化、自主控制、集群復原、功能放大、零傷亡化
• 主要優(yōu)勢：功能分布化、體系生存率、效費交換比
• 作戰(zhàn)能力體現(xiàn)：系統(tǒng)的群智涌現(xiàn)能力、平臺的協(xié)同交互能力、單平臺的節(jié)點作戰(zhàn)能力
• 作戰(zhàn)形態(tài)：滲透偵查、誘騙干擾、察打一體、協(xié)同作戰(zhàn)、集群攻擊
• 顛覆性變革：集群替代機動、數(shù)量指增能力、成本創(chuàng)造優(yōu)勢
• 反制措施：搗毀蜂巢、密集攔截、集群對抗、電磁癱毀、控制劫持

第二章 生物群體運動模型

2.1 生物群體運動模型

1. Vicsek模型
2. 基于隨機視線方向的Vicsek模型
3. 基于改進拓撲規(guī)則的Vicsek模型
4. 基于分數(shù)階微積分的Vicsek模型

2.2 典型生物群體智能模型

1. 鴿群層級引領機制建模
2. 雁群線性編隊機制建模
3. 狼群協(xié)同圍捕機制建模

第四章

無人機集群進展及內(nèi)涵

群體智能與集群控制間映射

1. 編隊控制
2. 密集編隊控制

• 改進1：導航工具轉(zhuǎn)換
• 改進2：引入捕食逃逸

3. 避障控制

• 改進人工物理
• 仿鴿子飛行
• 仿雁群飛行

第五章 無人機集群組網(wǎng)通信

核心問題：通信、時空配準、

總結

以上是生活随笔為你收集整理的智能自主系统的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。