通过预测建模与强化学习实现自主水面船舶数字孪生以保障安全海事导航
机器人学
2024-04-02 v2 系统与控制
系统与控制
摘要
自主水面船舶（ASV）在公海作业的安全性和可持续性方面发挥着日益重要的作用。由于大多数海事事故与人为失误有关，用于自主避碰和路径跟踪的智能算法可以大幅降低海事领域的风险。数字孪生（DT）是真实物理系统的虚拟表示，可以增强此类 ASV 的态势感知（SITAW），以生成最优决策。本工作建立在现有的 ASV 数字孪生框架之上，并展示了实现预测性、规范性及自主性能力的基础。在此背景下，先进的目标跟踪方法对于估计和预测其他动态物体的位置和运动至关重要。所应用的跟踪方法由实时自动识别系统（AIS）数据和合成激光探测与测距（Lidar）测量数据驱动。为确保自主操作期间的安全，我们应用了基于非线性模型预测控制（NMPC）概念的预测安全滤波器。这些方法被实现在一个使用 Unity 游戏引擎构建的数字孪生中。因此，本工作展示了数字孪生的潜力，它能够进行预测、推演各种假设情景，并根据其增强的态势感知提供最优控制决策。
引用
@article{arxiv.2401.04032,
title = {Digital Twin of Autonomous Surface Vessels for Safe Maritime Navigation Enabled through Predictive Modeling and Reinforcement Learning},
author = {Daniel Menges and Andreas Von Brandis and Adil Rasheed},
journal= {arXiv preprint arXiv:2401.04032},
year = {2024}
}