基于强化学习的自动靠泊系统

以往基于人工神经网络（ANN）的自动靠泊系统研究通过将船舶靠泊数据作为训练数据来训练 ANN，展现出优异的靠泊性能。然而，由于 ANN 需要大量训练数据才能获得稳健性能，基于 ANN 的自动靠泊系统因靠泊数据难以获取而存在一定局限。本研究为克服此困难，提出了一种基于强化学习（RL）算法之一——近端策略优化（PPO）——的自动靠泊系统，因为 RL 算法可通过与给定环境交互试错学习最优控制策略，且无需任何预先获取的训练数据；其中所提基于 PPO 的自动靠泊系统的控制策略控制船舶的每秒转速（RPS）与舵角。最后表明，所提基于 PPO 的自动靠泊系统免除了获取训练数据集的需要，并在实际靠泊应用中展现出巨大潜力。