无人水下航行器(uuv)在世界各地被用于在通常不可预测和恶劣的条件下进行困难的环境，远程，海洋，国防和救援任务。

由弗林德斯大学和法国研究人员领导的一项新研究现在使用了一种新颖的生物启发计算人工智能解决方案，以提高uuv和其他自适应控制系统的潜力，使其在波涛汹涌的大海和其他不可预测的条件下更可靠地运行。

这种创新的方法，使用生物启发经验回放(BIER)方法，已经发表在IEEE访问杂志上。

第一作者Thomas Chaffre博士解释说，与传统方法不同，BIER旨在通过利用不完整但有价值的近期经验来克服数据效率低下和性能下降。

“研究结果表明，BIER超越了标准的体验回放方法，在假设的UUV域内实现最佳性能的速度是后者的两倍。

“该方法显示出卓越的适应性和效率，展示了其在各种具有挑战性的条件下稳定UUV的能力。”

该方法包含两个记忆缓冲区，一个侧重于最近的状态-动作对，另一个强调积极的奖励。

为了测试所提出方法的有效性，研究人员使用基于机器人操作系统(ROS)的UUV模拟器进行了模拟场景，并逐渐增加了场景的复杂性。

这些情景在目标速度值和电流扰动强度方面有所不同。

资深作者弗林德斯大学人工智能和机器人副教授保罗·桑托斯表示，BIER方法的成功有望提高需要动态、自适应控制系统的各种领域的适应性和性能。

uuv在绘图、成像和传感器控制方面的能力正在迅速提高，其中包括深度强化学习(DRL)，它正在迅速推进uuv可能遇到的水下干扰的自适应控制响应。

然而，当面对现实应用程序中不可预见的变化时，这些方法的效率受到挑战。

水下环境的复杂动力学限制了UUV机动任务的可观测性，使得现有的DRL方法难以达到最佳效果。

BIER的引入标志着在提高深度强化学习方法的有效性方面迈出了重要的一步。

研究人员总结说，它有效导航不确定和动态环境的能力标志着自适应控制系统领域的一个有希望的进步。

更多信息:Thomas Chaffre等人，基于仿生体验回放机制的UUV学习自适应控制，IEEE Access(2024)。DOI: 10.1109/ Access .2024.3329136期刊信息:IEEE Access

弗林德斯大学提供
引用人工智能激发了适应性合作的新方法 控制系统(2024年，11月30日)从https://techxplore.com/news/2024-11-ai-approach.html检索2024年11月30日 作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司 内容仅供参考之用。