【Lesson 1】9月13日

1.1 智能無人自主系統及分類

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；
智能與意識的區別；

無人機

概念、細分、概念演變、優缺點、應用場景、國內外研究發展、商業公司；
單無人機、多無人機的應用區別；

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，整體隨環境變換而動態調整。

導彈

特點；
按照飛行方式、攻擊目標、發射點與目標位置關系分類；

導彈通過與己方外部傳感器、作戰指揮平臺的協同，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、發展歷程、硬件與軟件系統架構、應用；
核心：導航系統；

發展前景：

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

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、神經網格控制法、柵格法避障、聲波避障控制法、激光雷達避障控制法

集群系統涉及領域：智能傳感、環境感知、分析判斷、網絡通信、自主決策

無人車集群研究進展；
無人機/無人車異構協同；

無人艇

概念、系統組成、自主程度分類、特點、應用、研究發展、應用前景

無人潛航器

概念、航式分類、特點、應用（民用、軍事）、研究發展

發展趨勢：

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

1.2 智能與自主的內涵與聯系

美國無人機系統發展路線圖

康德認為：自主性觀念主要體現在人的意志上，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 群體智能進展與內涵

2017年7月，國務院發布《新一代人工智能發展規劃》，明確將群體智能和無人系統自主協同控制為國家戰略目標和重點任務，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，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、協同性、簡單性、靈活性、魯棒性

• 通過個體間的不斷交互、調整，以及對環境的適應，得到問題更好的解；
• 通過模擬生物群體中個體間的協商、協調，化解沖突，協同產生對集群有益的決策。

蟻群優化

群內身份分工、不同覓食行為、最優路徑優化

粒子群優化

粒子群優化（Particle Swarm Optimization，PSO）

• 在PSO中，每個優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化的函數決定的適應值（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粒子在解空間中搜索
• 具體元素
  – 認知模型：根據粒子本身所找到的最優解(pbest)更新速度
  – 社會模型：根據整個種群目前找到的最優解(gbest)更新速度
  – PSO速度公式：根據上述兩者更新速度

鴿群優化

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三叉神經反饋給大腦。
• 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提出的新型智能優化模型——鴿群優化，具有收斂速度快、不易陷入局部最優點等優勢。

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。

Vicsek模型

設個體速度大小不變，速度方向為領域內所有個體（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
• Zof（following）：從眾的跟隨區
• Zoa（attraction）：避免群體散開的吸引區

這種不同區域的大小關系，決定了群體的運動狀態。

• 跟隨區小/不存在：個體聚集，但是方向混亂，極化量小、角動量小
• 跟隨區較小但吸引區大：個體聚集而系統呈現旋渦狀，極化量小，角動量大
• 跟隨區變大，吸引區不變：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，飛機單價呈現指數增長。

“蟲群”戰術是美軍作戰理念上的大調整，從傳統地強調自上而下的指揮，到強調分散作戰，賦予作戰一級更多的情報權和決策權。

“蜂群”戰術：蜜蜂遭到外敵入侵，即刻傾巢出動，依靠數量多、飛行靈活的優勢群起圍攻敵人

共識自主性：一種個體間間接協調的機制，即無需任何集中規劃以及直接通信完成智能活動。

無人機集群特點：解決有限空間內多無人機協同、高度分散度、動態自愈合網絡、分布式集群智慧、分布式探索

無人機集群作戰：

• 主要特征：去中心化、自主控制、集群復原、功能放大、零傷亡化
• 主要優勢：功能分布化、體系生存率、效費交換比
• 作戰能力體現：系統的群智涌現能力、平臺的協同交互能力、單平臺的節點作戰能力
• 作戰形態：滲透偵查、誘騙干擾、察打一體、協同作戰、集群攻擊
• 顛覆性變革：集群替代機動、數量指增能力、成本創造優勢
• 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. 基于改進拓撲規則的Vicsek模型
4. 基于分數階微積分的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. 狼群協同圍捕機制建模

第四章

無人機集群進展及內涵

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站內容還不錯，歡迎將生活随笔推薦給好友。