龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：大连海事大学
摘要：本发明提供一种基于生成对抗模仿学习的船舶避碰决策方法，包括以下步骤：基于所述专家示范数据提取良好行为的状态‑动作对作为专家数据；初始化图像信息；将所述图像信息输入生成器中进行特征提取和对抗训练；获取生成器输出的状态‑动作对作为生成数据；将所述专家数据和所述生成数据输入至判别器中，所述判别器用于对所述生成数据进行二分类并输出对生成数据的真假判断值作为奖励信息；将所述奖励奖励信息反馈至环境输入中；反复执行上述步骤直至判别器输出的奖励信号都为真时，训练结束。本发明结合强化学习与模仿学习，既能够大大加快训练速度，又能够得到性能优越的避碰决策。
主权项：1.一种基于生成对抗模仿学习的船舶避碰决策方法，其特征在于，包括以下步骤：S101、获取专家示范数据，并基于所述专家示范数据提取良好行为的状态-动作对作为专家数据；S102、初始化环境图像信息，所述环境图像信息包括船舶数量、船舶位置、船舶目标点、船舶航向以及船舶航速；S103、将所述图像信息输入生成器中进行特征提取和对抗训练，所述生成器是由PPO算法训练的智能体；所述生成器基于马尔可夫决策模型训练过程构建，构建马尔可夫决策模型包括：基于图像状态观测方法构建状态空间，以每一时刻本船的可观测范围内的图像作为输入，根据船舶控制特点构建动作空间，所述动作空间包括左舷、右舷以及保向动作，根据生成对抗网络中的判别器定义奖励函数： 其中r表示奖励函数值；S104、获取生成器输出的状态-动作对作为生成数据；S105、将所述专家数据和所述生成数据输入至判别器中，所述判别器用于对所述生成数据进行二分类并输出对生成数据的真假判断值作为奖励信息；所述判别器为卷积神经网络，通过最小化二元交叉熵来优化，优化目标为： 其中，L为二元交叉熵，判别器D的范围为0，1，Ds,a为输入到判别器中的状态-动作对，是判别器对生成器生成数据的判别的期望，是判别器对专家数据的判别的期望；S106、将所述奖励信息反馈至环境输入中；S107、反复执行上述S101至S107，直至判别器输出的奖励信号都为真时，训练结束。
全文数据：
权利要求：
百度查询： 大连海事大学 一种基于生成对抗模仿学习的船舶避碰决策方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号