Aeolus Ocean——基于深度强化学习与海上目标检测的无人水面艇自主COLREG合规导航仿真环境
机器人学
2023-07-14 v1 机器学习
摘要
迈向海事领域无人水面艇（USV）的导航自主性，可从根本上带来更安全的水域与更低的运营成本，同时为海洋研究、勘探与监测提供一系列令人振奋的新能力。然而，实现这一目标颇具挑战。USV控制系统必须安全、可靠地遵守国际海上避碰规则（COLREGs），在与他船相遇并受真实天气条件（昼间或夜间）影响时导航至给定航点。为应对大量可能场景，关键在于拥有一个能复现USV将遇到的真实运行条件的虚拟环境，方可将其部署于现实世界。此类“数字孪生”构成了深度强化学习（DRL）与计算机视觉（CV）算法用以开发和引导USV控制系统的基础。本文描述了一种在真实海洋仿真环境中、具备基于CV感知的COLREG合规DRL避碰导航系统的新颖开发。经此方法训练得到的自主智能体（Agent）在多次成功导航至设定航点的任务中接受了评估，场景涵盖开阔海域与沿岸与他船相遇。带有训练智能体的仿真器二进制可执行版本可在 https://github.com/aavek/Aeolus-Ocean 获取。
引用
@article{arxiv.2307.06688,
title = {Aeolus Ocean -- A simulation environment for the autonomous COLREG-compliant navigation of Unmanned Surface Vehicles using Deep Reinforcement Learning and Maritime Object Detection},
author = {Andrew Alexander Vekinis and Stavros Perantonis},
journal= {arXiv preprint arXiv:2307.06688},
year = {2023}
}
备注
22 pages, last blank page, 17 figures, 1 table, color, high resolution figures