潘为-基于机器学习的无人机智能控制

基于机器学习的无人机智能控制研究汇报人：潘为一二三四五目 录研究背景与意义基于强化学习的无人机控制无人机系统辨识与模型学习总结与展望无人机集群分布式协同控制一 研究背景与意义一 研究背景与意义1. 国内外现状无人机应用场景目前制约无人机大规模应用主要因素在于智能化不足、决策能力不足，缺乏实时自主决策能力，尤其是在通信干扰、失联等复杂环境下。无人机送货农业灌溉影视拍摄风力发电机叶片清理灯光秀空中出租车一 研究背景与意义“无人机+智能”：加速融合无人机与人工智能技术的研究才能率先突破奇点，促进国家经济和国防实力的提升 。加快发展新质生产力，积极打造低空经济等新增长引擎2024《政府工作报告》国务院印发《新一代人工智能发展规划》将人机协同增强智能、群体集成智能、自主智能系统等列为人工智能发展重点。1. 国内外现状全球低空经济总量和美国低空经济结构（来源：摩根斯坦利）来源：英国商业、能源和工业战略部和以及交通部来源：欧盟国外低空经济政策一 研究背景与意义5. 智能无人机系统特征智能无人机的三个组成要素：智能体构成系统的基本单元，例如：有人/无人机、不同类型无人机等。1交互方式描述智能体与智能体，智能体与环境之间的相互作用关系，例如：信息传输的拓扑网络关系。2行为规则描述智能体接收信息之后的反应规则，例如：导航或者控制律生成规则。3智能无人机的四个典型特征：123自组织基于实时状态与环境交互及认知，形成时空逻辑自主协作。11自适应任务执行不受环境变化以及个体状态异常影响。12自学习根据来自环境性能反馈而修正并归纳其自身行为。13自涌现涌现出新的整体行为和系统能力，实现“1+1>2”。14无人集群系统生物集群系统映射微型无人机生物系统二 基于强化学习的无人机控制n基于Lyapunov稳定性理论的安全策略学习方法研究1. 强化学习的基本概念强化学习u无人机控制问题状态和动作空间大，实时性强；u强化学习通过与环境交互自主探索决策策略；u强化学习在线不断学习适应环境变化；u强化学习探索获得在未知或动态环境中的最优策略。智能体（Agent）以“试错”的方式进行学习，通过与环境（Environment）进行交互获得的奖励（Reward）指导行为（Action），目标是使智能体获得的长期奖励最大，或实现特定目的。强化学习在人工智能中分类强化学习的分类无人机决策与控制问题