江苏龙网

  1. 首页 > 人文 > >

最爱收藏 海上无人装备关键技术与智能演进展望( 二 )


此外 ， 可以根据所执行的任务 ， 便捷地更换搭载的模块 ， 以满足不同的作业要求 ， 最终实现“一体多用” 。
海上通信技术安全可靠的高速数据传输通信能力是无人系统的关键技术 。 海上无人装备的通信通常分为：
⑴装备与基站之间的通信 。 该通信主要传输运载器的作业进展、侦测得到的有效信息、基站下达的指令信息等 。 由于距离较远 ， 通常采用卫星进行通信 。 为提高信息传输距离以及信息传输容量 ， 可采用多波束、窄波束工作 ， 并且向更高频段发展 。
⑵同一编队中智能装备之间的通信 。 该通信主要传输需要编队内共享的数据信息以及编队协作的控制信息等 。 由于编队内装备之间距离较短 ， 通常采用超短波频段进行通信 。 为解决短波信道的时变色散特性和高电平干扰的问题 ， 提高短波通信质量 ， 可采用自适应技术使得系统能主动适应环境的变化、抵御人为干扰 。
长期续航技术目前 ， 为执行长时间巡航值守、情报收集侦察、反潜、反水雷等任务 ， 无人装备的续航力越来越受到各国的重视 。 能否在海上进行长达数天甚至数月的持续作业 ， 很大程度上影响了海上无人装备的作业能力 。 为实现长期续航能力 ， 仅利用传统的燃油能源是不够的 ， 还需对新能源的有效利用进行开发 。
由于海上有丰富的可再生新能源 ， 如太阳能、风能以及波浪能等 ， 因此 ， 相比于无人机、无人车等其他智能装备 ， 海上无人装备在新能源的获取方面更具优势 。 在作业过程中 ， 无人装备可以通过利用上述新能源为系统充电 ， 此外 ， 风能不仅能为系统供电 ， 甚至可以为无人装备直接提供驱动力 。 随着人们对新能源利用能力的提高 ， 海上无人装备的续航能力逐步提升 ， 其作业能力以及应用范围也将得到进一步拓展 。
人工智能技术人工智能技术主要包括监督学习、非监督学习以及强化学习 ， 近年来在诸多领域取得了突破性的成果 ， 是实现海上无人装备智能化的关键技术 ， 通常体现在视觉识别以及策略控制方面：
⑴视觉识别是实现智能化的基础 。 主要包括：障碍物的识别、河岸和海岸的检测 ， 以及任务目标的识别 。 传统的计算机视觉可以大致分为如下几个步骤：特征感知、图像预处理、特征提取、特征筛选、推理预测与识别 。 而深度神经网络通过模仿人类大脑的作业方式建立神经元 ， 将图像数据抽象化并进行特征提取 。 随着硬件技术的不断发展以及高效算法的提出 ， 以卷积神经网络（CNN）、生成对抗神经网络（GAN）等算法为代表的深度神经网络模型 ， 在目标识别、视觉推理、实时追踪等领域取得了突破性的进展 ， 在一定程度上已经接近甚至超越了人类判别的准确率 。
⑵策略控制系统通过视觉识别得到的信息对海上无人装备做出控制指令 。 能够自主实现策略控制是海上无人装备智能化的必要能力 。 强化学习作为一种通过不断“试错—优化”与环境进行交互 ， 探索自然、社会科学以及工程领域序贯决策问题最优策略的学习方法 ， 是实现海上无人装备智能化的关键 。 传统的强化学习策略以视觉识别的结果作为输入 ， 不断探索环境 ， 根据反馈实现优化过程 。
而近年来 ， 深度强化学习、模仿学习等技术迅速发展 ， 让端到端的控制策略成为可能 。 该技术跳过视觉识别过程 ， 直接输入原始像素数据 ， 返回控制命令 ， 避免了二次训练的误差累计 ， 强化了智能体的作业能力 。 此外 ， 通过与迁移学习相结合 ， 在仿真环境中的智能体可以直接迁移到海上无人装备中 ， 不但避免了训练过程中错误尝试导致的不良后果 ， 同时还极大地缩短了训练周期 。 而元学习（metalearning）方法通过探索任务分布 ， 为模型创造核心价值 ， 在学习任务过程中形成元知识的经验积累 ， 让智能体学会如何学习 ， 进一步提升其智能水平 。
三、智能演进等级设备高可靠性技术、装备模块化技术、海上通信技术、长期续航技术的发展从硬件上保证了海上无人装备的作业能力 ， 拓展了其任务范围 。 而人工智能技术则决定了海上无人装备能否在自主作业的情况下 ， 较好地运用自身的各项功能 ， 制定合理的策略 ， 完成目标任务 。 为了更好地衡量海上无人装备的智能化水平 ， 规划智能系统的发展方向 ， 本文以任务为导向 ， 根据不同的作业能力 ， 提出了一套智能演进等级划分标准 ， 将智能水平分为以下5个等级：


推荐阅读


上一篇：互联网圈里人 开启硬核battle，200余名工业互联网算法大赛选手在线集结

下一篇：环球辣评 人民需要雷军，10年搅局！小米“重洗”手机江湖