基于强化学习的斯托克斯流中的主动隐身
流体动力学
2020-10-07 v2
摘要
斯托克斯 regime 下的水动力特征——与微型游动体的运动能力相关——具有长程性质。这意味着在此黏性主导的 regime 中,物体的运动可被数十倍体长之外感知,并显著改变周边环境的动力学。在此,我们设计了一种系统性方法,以在任何任意拥挤的微型游动体悬浮液中主动隐藏游动物体。具体而言,我们的方法是在目标游动体整个运动过程中,利用配备自适应决策智能的协作性游动智能体群对其进行 conceal。通过强化学习算法,隐身智能体在存在流动介导相互作用的情况下,经验性地学习最优自适应行为策略。该人工智能使它们能够动态调整游动动作,从而最优地形成并稳健地维持目标运动物体周围任意期望排布,且不扰动其原始路径。因此,所提出的主动隐身方法不仅对扰动具有鲁棒性,而且对隐身物体的运动无侵入性。我们进一步推广了所提方法,并展示了我们的隐身智能体如何能在任意感兴趣区域内,便捷地用于在任何数量的任意侵入者周围实现水动力不可见隐身衣。
引用
@article{arxiv.1911.03529,
title = {Active Cloaking in Stokes Flows via Reinforcement Learning},
author = {Mehdi Mirzakhanloo and Soheil Esmaeilzadeh and Mohammad-Reza Alam},
journal= {arXiv preprint arXiv:1911.03529},
year = {2020}
}
备注
Accepted for publication in the Journal of Fluid Mechanics (07/16/2020)