基于风险的国际海上避碰规则在自主水面艇上的深度强化学习实现
机器人学
2021-12-02 v1 人工智能
摘要
自主系统正变得无处不在，并在海洋领域获得发展势头。由于交通电气化同时发生，自主海洋船舶能够减少环境影响、降低成本并提高效率。尽管仍需要密切监控以确保安全，但最终目标是完全自主。一个主要里程碑是开发足够通用以处理任何天气与相遇情形，同时又鲁棒可靠的控制系统。此外，控制系统必须遵守《国际海上避碰规则》（COLREGs），以成功与人类船员交互。由于 COLREGs 是为人类心智解读而写，它们以模糊的散文写成，因此不可机器读取或验证。由于这些挑战以及需应对情形的广泛多样性，经典的基于模型的方法被证明实现复杂且计算繁重。在机器学习（ML）中，深度强化学习（DRL）已展现出在广泛应用上的巨大潜力。DRL 的无模型与自学习特性使其成为自主船舶的有前途候选。本工作中，将 COLREGs 的一个子集通过碰撞风险理论纳入基于 DRL 的路径跟踪与避障系统。所得的自主智能体在训练场景、孤立相遇情形以及基于 AIS 的真实世界场景模拟中，动态地在路径跟踪与符合 COLREGs 的避障之间插值。
引用
@article{arxiv.2112.00115,
title = {Risk-based implementation of COLREGs for autonomous surface vehicles using deep reinforcement learning},
author = {Thomas Nakken Larsen and Amalie Heiberg and Eivind Meyer and Adil Rasheeda and Omer San and Damiano Varagnolo},
journal= {arXiv preprint arXiv:2112.00115},
year = {2021}
}