仿生群体动态目标跟踪与障碍规避

本研究提出一种新型人工智能(AI)驱动的飞行计算机，集成在线免重新训练预测模型、群体控制和障碍规避策略，用于通过分布式无人机群体执行动态目标跟踪，以满足军事应用需求。为实现动态目标跟踪，群体需要具备轨迹预测能力，以实现拦截，同时保持高效路径规划。传统预测方法如曲线拟合或长短期记忆(LSTM)在鲁棒性方面较差，难以应对由于单智能体轨迹预测收敛速度慢且通常需要大量离线训练或调优才能有效的动态目标跟踪。因此，本文引入一种新型稳健自适应双向模糊脑情感学习预测(BFBEL-P)方法，以解决这些挑战。控制器集成了模糊接口、神经网络以实现快速适应、预测能力和多智能体求解，使多个解决方案能够聚合以实现快速收敛时间和在短期和长期内的高准确率。这一点通过数值仿真得以验证，复杂轨迹被群体无人机预测和跟踪。这些仿真显示在短期内对当前先进方法具有更好的适应性和准确性，并且在长时间尺度上表现出色，实现了准确的群体目标跟踪和预测能力。