基于神经网络的坦克机动任务规划

在未来高技术局部战争务件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于神经网络的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面：坦克机动环境的评估及坦克机动任务规划的自主实现。以神经网络方法为基础,提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络方法具有普遍意义,能推广应用于坦克其它方面的任务规划。     

坦克平台智能行为的实现方法研究

装备作战仿真是军用仿真的一个新方向.基于平台的装备作战仿真可以实现大规模、小粒度的仿真要求,是一种较理想的装备作战仿真方法,其难点在于实现武器平台的智能仿真.该文首先阐述了基于平台的装备作战仿真的思想,然后以坦克平台为对象,重点研究了其几种典型的智能行为,例如路径规划、自动驾驶、目标搜索和识别以及选择和打击目标等的实现方法,完成了坦克平台的机动性能和火力性能仿真.     

基于与或图的启发式复杂决策任务求解方法

现代战争的快速性,要求计算机辅助决策系统能够支持指挥员快速形成有效决策计划,以实现战场指挥中任务逐级规划、执行的高效性。图搜索法是智能决策系统中问题规划的重要方法,可有效支持决策支持系统(DSS)完成有效任务分解。本文提出一种基于与或图的启发式决策求解方法,并通过扩展与、或连接符支持任务分解,所定义构造算子保障与或解图的可执行性,可有效支持复杂决策任务求解和执行,并通过一个火力打击决策任务案例验证本方法的有效性。     

无人驾驶坦克自主作战决策系统框架

提出了一个分布式解决无人驾驶坦克自主作战决策的框架,将自主作战、动态任务规划和任务策略的智能评估等思想引入无人驾驶坦克自主作战决策系统.包括以下两个重要内容:主体个体的能力和职责;信息和知识如何在主体之间传播使得他们能准确地完成作战任务.文中重点是无人驾驶坦克自主作战决策系统中主体之间动态知识的交换.主体确保自己的行为是一种动态的经验操作和直接与其他主体交流事实、需求和规则的结合.在各个主体中,知识可以作为事实、规则、需求的结合体来传播交换.     

基于仿真的坦克陆上机动性能评估

该文采用仿真方法对坦克的陆上机动性能进行了综合评估。提出了“随机地图”的概念,这样可以仿真各种典型的地形。运用仿真方法建立了坦克机动性评估模型,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动性的评估提供了新思路。仿真方法具有普遍意义,能推广应用于坦克其它性能的评估。     

智能空间下基于分层任务网络的服务机器人任务规划

针对在复杂、动态的家庭环境下,如何让机器人获取足够多的环境信息并根据环境信息进行自主的任务规划,提出了智能空间技术支持下基于分层任务网络的服务机器人任务规划方案.利用智能空间技术为机器人提供充足的环境上下文信息,用基于分层任务网络设计的JSHOP2规划器执行机器人任务规划.为了提高机器人任务规划的自主性和智能性,在规划领域文件中加入不同的模板信息,使机器人具有根据环境的不同自动对任务进行调整的能力.仿真实验结果表明利用该方法能够有效地提高机器人任务规划的性能.     

无人驾驶坦克自主作战决策系统框架

提出了一个分布式解决无人驾驶坦克自主作战决策的框架，将自主作战、动态任务规划和任务策略的智能评估等思想引入无人驾驶坦克自主作战决策系统。包括以下两个重要内容：主体个体的能力和职责；信息和知识如何在主体之间传播使得他们能准确地完成作战任务。文中重点是无人驾驶坦克自主作战决策系统中主体之间动态知识的交换。主体确保自己的行为是一种动态的经验操作和直接与其他主体交流事实、需求和规则的结合。在各个主体中，知识可以作为事实、规则、需求的结合体来传播交换。     

基于贝叶斯预测的自主车辆避障方法研究

针对在动态环境中自主车辆对于动态障碍物信息很难具有先验知识的问题,研究了动态贝叶斯网络模型对机动目标运动状态进行贝叶斯预测的推理机理,提出了一种基于贝叶斯预测进行自主车辆避障路径规划控制方法;该规划方法在VORONOI图法基础上,融合了对自主车辆和周围环境之间的位置荚系的贝叶斯预测,一旦预定任务的动态环境发生重大变化,它可以产生机动目标沿某方向前进信息的预测先验知识,通过局部多次重规划生成避障路径,直至自主车辆完成既定任务;仿真实验证明了该规划控制方法可有效帮助自主车辆在不确定环境中实施避障策略.     

智能水下机器人任务规划专家系统的研究

任务规划是水下机器人智能的重要组成部分,是实现水下机器人自主作业的关键。本文简要介绍了一个智能水下机器人任务规划专家系统的组成结构、知识表达方式及推理机设计,并对今后任务规划进一步的研究提出了一些设想。     

基于A*算法的CGF坦克实体路径规划研究

文章提出了一种应用A启发式搜索算法对虚拟战场中CGF坦克实体路线规划的方法。在考虑对地形影响的各种地理因素中,该文采用了模糊评判的方法,较为合理地评估地理因素对坦克分队通行性的综合影响。仿真结果表明,可以处理较大规模的战场地形,具有较高的效率。     

基于宏行为的侦察机器人事务执行机制研究

为了便于操作员在侦察现场进行事务规划，提出了基于宏行为的事务描述方法和事务执行机制．按照机器人对环境变化的响应方式的不同，将机器人的行为分成基本行为、组合行为和宏行为，给出了描述这些行为的方法和一个宏行为的设计实例．引入了基于RS模型的行为合成运算符合成机器人行为的方法，从而可以形式化地构建侦察机器人的事务描述．实现了能够解释和执行事务描述的、基于宏行为的事务执行器．仿真和实验结果表明提出的任务描述方法可行，事务执行器能够可靠地完成事务描述所规定的任务．     

基于ACP方法的载人登月中止规划的计算实验研究

针对载人登月中止规划存在的不确定性因素, 提出了基于ACP (Artificial systems, computational experiments, parallel execution)方法的载人登月中止规划框架, 论述了该框架下人工系统和平行执行的初步设计, 主要讨论了计算实验设计、分析和验证过程. 针对中止规划时中止点状态误差的不确定性, 提出利用短时间的累积观测值确定中止点状态误差的计算实验方法, 并应用模拟退火单纯形混合算法求解从载人登月轨道上任一点返回地球的中止机动方案. 最后给出基于正交实验设计的计算实验示例性算例, 验证本文提出方法的有效性.     

AUV自主控制全局模型及智能决策算法研究

分析了自主式水下潜器(AUV)自主控制全局模型的内涵,指出应该包含环境信息、使命信息以及自身状态三个部分;用栅格法建立了环境模型;定义了"多区域地形勘察"使命案例;分析了与决策算法相关的AUV自身状态的表示方法;在此基础上开发了智能决策算法,算法包含路径选优和速度规划两部分;应用图论及运筹学的方法实现了路径选优,应用遗传算法实现了速度规划;用Petri网为AUV的使命控制过程建模,最终完成了智能决策算法和使命控制系统的集成;经仿真验证,所开发的智能决策决策算法正确有效,AUV使命的控制和执行自主可靠.     

移动机器人运动规划中的深度强化学习方法

随着移动机器人作业环境复杂度的提高、随机性的增强、信息量的减少,移动机器人的运动规划能力受到了严峻的挑战.研究移动机器人高效自主的运动规划理论与方法,使其在长期任务中始终保持良好的复杂环境适应能力,对保障工作安全和提升任务效率具有重要意义.对此,从移动机器人运动规划典型应用出发,重点综述了更加适应于机器人动态复杂环境的运动规划方法——深度强化学习方法.分别从基于价值、基于策略和基于行动者-评论家三类强化学习运动规划方法入手,深入分析深度强化学习规划方法的特点和实际应用场景,对比了它们的优势和不足.进而对此类算法的改进和优化方向进行分类归纳,提出了目前深度强化学习运动规划方法所面临的挑战和亟待解决的问题,并展望了未来的发展方向,为机器人智能化的发展提供参考.     

Planetary exploration by a mobile robot: Mission teleprogramming and autonomous navigation

Sending mobile robots to accomplish planet exploration missions is scientifically promising and technologically challenging. We present in this paper a complete approach that encompasses the major aspects involved in the design of a robotic system for planetary exploration. It includes mission teleprogramming and supervision at a ground station, and autonomous mission execution by the remote mobile robot. We have partially implemented and validated these concepts. Experimental results illustrate the approach and the results.     

Punctual versus continuous auction coordination for multi-robot and multi-task topological navigation

This paper addresses the interest of using punctual versus continuous coordination for mobile multi-robot systems where robots use auction sales to allocate tasks between them and to compute their policies in a distributed way. In continuous coordination, one task at a time is assigned and performed per robot. In punctual coordination, all the tasks are distributed in Rendezvous phases during the mission execution. However, tasks allocation problem grows exponentially with the number of tasks. The proposed approach consists in two aspects: (1) a control architecture based on topological representation of the environment which reduces the planning complexity and (2) a protocol based on sequential simultaneous auctions (SSA) to coordinate Robots’ policies. The policies are individually computed using Markov Decision Processes oriented by several goal-task positions to reach. Experimental results on both real robots and simulation describe an evaluation of the proposed robot architecture coupled wih the SSA protocol. The efficiency of missions’ execution is empirically evaluated regarding continuous planning.     

基于遗传算法的多模式军事任务计划求解方法

针对军事任务计划中任务执行时间与资源的相关性, 引入多模式概念, 定义了多模式军事任务计划模型。模型假设每个任务有多种不同的执行模式, 每种模式对应不同的资源组合和执行时间。引入多模式必然增加了模型求解的复杂性, 因此, 设计了一种基于遗传算法的多模式军事任务计划求解算法。算法引入优先基因交叉算子和基于局部搜索的变异算子, 同时引入了基于精英保留策略的精英辅助群体机制, 保证了算法的求解效率。最后, 通过仿真算例对该算法进行验证, 实验结果证明了其可行性和有效性。     

Low-level flexible planning for mobile manipulators: a distributed perception approach

The paper proposes a method to improve flexibility of the motion planning process for mobile manipulators. The approach is based on the exploitation of perception data available only from simple proximity sensors distributed on the robot. Such data are used to correct pre-planned motions to cope with uncertainties and dynamic changes of the scene at execution time. The algorithm computes robot motion commands aimed at fulfilling the mission by combining two tasks at the same time, i.e. following the planned end-effector path and avoiding obstacles in the environment, by exploiting robot redundancy as well as handling priorities among tasks. Moreover, a technique to smoothly switch between the tasks is presented. To show the effectiveness of the method, four experimental case studies have been presented consisting in a place task executed by a mobile manipulator in an increasingly cluttered scene.     

基于突发事件的任务计划动态调整模型及算法

由于战场环境的复杂多变,在作战过程中会产生一些突发事件,这些事件主要包括新任务出现和平台实体失效.为应对作战中的突发事件,战前制定的任务计划在作战过程中需作出适应性调整,战时任务计划的调整是作战指挥控制领域的难点问题.首先,描述指挥控制组织的组成要素,分析在突发事件下任务计划调整的约束条件,建立以得到最小使命完成时间为目标函数,以任务完成质量、任务插入顺序和调整稳定性为约束的数学模型;其次,提出一种基于可行任务执行序列和贪婪算法(greedy strategy, GS)的任务计划调整方法,给出任务计划调整方法的设计思路和详细步骤;最后,结合联合登陆作战的案例进行仿真,仿真实验验证了所提出方法应对突发事件的可行性和有效性.