基于数据的无人人工_surface 车辆端口机动学习

在航运港口，某些重复的机动任务（如进入/离港、在港内运输货物或进行监视活动）可以efficiently且快速地通过熟悉的 domestic pilot 根据其经验来完成。这种know-how可以被无人人工_surface 车辆（USV）所捕获，以实现自主复制相同任务。然而，船舶轨迹的内在非线性以及环境扰动（如风力或海流）使得学习模型及其相应控制器变得困难。我们因此提出一种基于高斯混合模型、高斯混合回归和 Sontag 通用公式的数据驱动学习与控制方法，用于USV。该方法能够学习非线性动力学，同时保证对目标的收敛。我们通过在CEUTA港口的船只实验收集了真实数据。所学习的专家复杂轨迹包括稳健控制器。控制器对噪声/扰动的影响被呈现，一种用于比较估计值与真实数据轨迹的误差度量被用于评估，最后进行了计算复杂度分析。