摘要:人形机器人是机器人领域的研究热点, 其类人结构展现出优异的人类环境适应性, 能够实现复杂场景的高效作业, 可以在工业、服务、救援、医疗等场景中辅助或替代人工作业, 是能够对产业发展产生颠覆性影响的技术. 然而, 人形机器人高集成度系统设计和高动态性运动的需求, 对驱动控制技术提出了全新的挑战. 鉴于此, 首先结合具体案例分别介绍电机与液压两种驱动形式的人形机器人的发展历程, 总结各自的特点; 然后从驱动器和驱动控制算法上梳理驱动技术的研究现状, 着重介绍电机驱动器、液压驱动器及其对应的控制算法; 接着阐述人形机器人主流的运动控制方法, 详细介绍基于简化模型、基于稳定判据和基于学习策略的3种运动控制方法; 最后从人形机器人的电机驱动高功率化、“骨骼血管”一体化、电动静液作动器模块化等3个方面总结人形机器人发展面临的挑战及发展展望.

摘要:为进一步提高含分数阶的灰色多变量预测模型的拟合预测精度, 提出一种新的非等阶离散非线性灰色多变量预测模型(DLFDGM). 首先, 所提出模型通过两项核心设计实现突破: 为系统特征序列和各影响因素序列分别配置独立的分数阶累加阶数, 使得模型能够根据驱动项各自的数据波动性和记忆性特征自适应优化处理; 引入幂函数形式的非线性项$\beta k^{\delta}$, 以刻画驱动因素对预测结果影响的边际效应递减或规模加速等非线性动力学规律. 然后, 对所提出模型的建模机理、参数估计、递推时间响应式等进行研究, 并讨论模型参数几种特殊取值下的退化性质. 最后, 将所提出模型应用于江苏省港口货物吞吐量的预测问题. 实验结果显示: 所提出模型拟合精度为1.05%, 预测精度为1.91%, 拟合和预测的精度均显著优于对比模型.

摘要:针对多自由度机械臂的轨迹跟踪问题, 提出一种基于增强型近端策略优化的PID (Enhanced PPO-PID)控制算法. 首先, 构建基于共享特征提取层的统一网络架构, 在提升策略与价值函数协同优化能力的同时, 显著减少模型参数量, 提高收敛速度和学习效率; 然后, 提出一种基于性能回报动态调节训练迭代次数的机制, 从而实现训练初期快速收敛与后期策略稳定间的平衡; 接着, 引入价值函数裁剪, 通过限制单次更新幅度, 有效平滑学习曲线, 增强高方差环境下的训练鲁棒性; 最后, 在PandaReach-v3机械臂仿真平台上, 通过对比实验验证所提出方法在轨迹跟踪性能和鲁棒性方面的优越性.

摘要:针对由一般线性系统驱动的移动目标, 研究二阶多智能体系统固定时间旋转一致性问题. 在复杂环境中, 考虑部分智能体因感知范围受限或通信限制而无法直接获取移动目标的位置和速度信息, 设计一种基于时变坐标变换的分布式观测器. 首先, 所提出观测器只利用智能体间的局部交互信息, 使得所有智能体均能够在固定时间内精确估计移动目标的位置; 然后, 在此基础上, 设计局部固定时间输出反馈控制器, 通过引入目标跟踪、旋转控制、位置一致性以及速度补偿项, 实现系统在无速度信息条件下的固定时间旋转一致性; 接着, 结合双边极限齐次性理论与李雅普诺夫稳定性理论, 验证系统的固定时间稳定性, 理论分析表明, 所提出控制器能够确保所有智能体在固定时间内实现旋转一致性; 最后, 通过仿真实验验证了所提出控制器的有效性.

摘要:针对常规多旋翼飞行器存在位姿耦合及动力系统冗余等问题, 将双旋翼旋翼数目精简的结构优势与倾转旋翼位姿解耦优势相结合, 提出一种二自由度机臂可倾转双旋翼飞行器(TBTA). 首先, 对其进行基于四元数的动力学建模和运动学建模, 并在此基础上研究解耦控制分配方法. 然后, 针对其变姿过程中强耦合、非线性和参数摄动以及扰动问题, 设计位姿非奇异终端滑模自抗扰控制器(NTSMC-ADRC). 通过仿真验证NTSMC-ADRC控制器良好的鲁棒性和抗扰性. 最后, 通过变姿和斜面应用飞行实验验证其在斜坡、树木和高空建筑等非水平面类型场景下起降的应用价值.

摘要:针对四旋翼无人机系统陀螺效应因子和风阻系数未知, 且在实际轨迹跟踪过程中易受阵风干扰的问题, 提出一种具有参数自适应和干扰估计的反步控制算法. 首先, 对四旋翼无人机的数学模型进行分析, 将其转化为带有阵风干扰的严格反馈形式, 并利用已知参数和状态变量误差分别设计陀螺效应因子和风阻系数的自适应学习律; 然后, 利用自适应律实时得到的参数值, 结合位姿跟踪误差及其导数分别设计位姿环的干扰估计器, 用于在控制输入中补偿阵风扰动; 接着, 利用未知参数的自适应值和阵风扰动估计值设计出反步控制算法, 并基于Lyapunov稳定性理论, 对无人机的位置环和姿态环的渐近稳定性进行严格证明. 研究结果表明, 所提出算法在部分参数未知和阵风干扰情况下能够使得无人机精确跟踪期望轨迹, 增强无人机的抗干扰性. 最后, 通过仿真实验进一步验证了所提出方法的有效性.

摘要:精准预测路网交通流是保障智能交通系统高效运行的基础. 针对现有方法存在难以有效建模交通流数据中复杂非线性时空动态依赖关系的问题, 提出一种基于增强时空Transformer (ESTformer)的交通流预测方法. 所提出方法设计多尺度时间Transformer和增强空间Transformer分别建模交通流序列数据间的时间依赖关系和路网不同节点间的空间依赖关系: 多尺度时间Transformer构建短期门控卷积网络来捕获交通流数据中的短期时间依赖关系, 并引入时间多头自注意力机制以捕获长期动态时间依赖关系; 增强空间Transformer通过对偶变换来增强键向量的特征表达能力, 利用时变掩码矩阵动态更新键向量, 提高模型的同时捕获节点特征和边特征的能力. 在4个真实交通流数据集上的测试结果表明, 与基线方法相比, 所提出基于ESTformer的交通流预测方法具有更优越的预测性能. 相比于13种基线方法在不同数据集上表现最佳者, 所提出方法在12个时间步上的平均绝对误差(MAE)和均方根误差(RMSE)分别改进了1.14% $\sim $ 3.88%, 0.36% $\sim $ 1.78%.

摘要:针对因知识形态异构、复用效率低导致的再制造工艺决策严重依赖人工的难题, 提出一种显/隐性知识增强驱动大语言模型(LLM)的智能决策方法. 首先, 分别提出基于向量嵌入和决策目标公式参数化建模的再制造工艺显/隐性知识抽取方法, 构建包含工艺向量库和工艺函数库的再制造工艺知识库; 其次, 提出一套检索增强生成(RAG)策略, 驱动LLM从工艺向量库中提炼再制造工艺知识, 生成可行再制造工艺方案集; 然后, 建立函数学习机制, 通过LLM调用工艺函数库中的公式计算工艺决策目标值, 确定最优再制造工艺方案; 最后, 以汽车发动机蜗杆再制造为例对所提出方法的可行性进行验证. 结果表明, 所提出方法不仅能大幅降低对工艺人员经验的依赖, 更能准确生成再制造工艺方案并进行决策, 可显著提升再制造工艺决策的自动化水平与可靠性.

摘要:挖掘用户生成内容中的有效信息并为用户提供个性化产品排序是数智时代电商运营管理的新方向. 现有研究在分析文本评论情感时存在偏差进而影响排序效果; 此外, 现有推荐模型未考虑用户偏好不确定性对于排序结果的影响. 为弥补上述不足, 提出一种用户生成内容环境下结合深度学习与贝叶斯偏好分解的排序模型. 首先, 为减少未标注评论的情感分类偏差, 提出基于预训练大语言模型的情感分类方法, 利用BERTopic主题模型挖掘用户关注的产品准则和关键词, 将标注数据用于LoRA微调Chinese-RoBERTa情感分类预训练模型; 然后, 利用蒙特卡洛模拟将准则偏好转换为贝叶斯先验信息, 构建不同类型的似然函数建模确定和不确定的产品偏好信息, 并结合贝叶斯准则和偏好分解方法计算产品排序的分布概率, 进而为用户进行排序推荐; 最后, 通过京东平台的医疗手环排序案例验证所提出模型的有效性.

摘要:为提升优化算法在复杂函数优化场景中的性能表现, 提出一种改进的豺优化算法(FETDOA). 所提出算法以豺优化算法(DOA)为基础, 通过Fuch混沌映射提升初始种群均匀性和搜索覆盖, 切线飞行策略在猎物吸引方向正交子空间引入可控扰动以确保收敛, 增强局部探索能力, 缓解早熟收敛和局部停滞, 改进经验交换策略(EES)强化个体信息共享, 提高协同搜索效率, 实现快速高精度收敛. 为验证所提出算法的性能, 将其与8种优秀算法展开对比, 并结合Wilcoxon秩和检验进行统计显著性分析. 实验结果显示, 在多数测试函数上, FETDOA的平均值以及标准差均显著优于对比算法. 最后, 通过3个工程案例展示了FETDOA在工程应用中卓越的能力. 综上, FETDOA在复杂函数优化中具备更强的收敛精度和稳定性, 为工程优化等实际问题提供了高效的求解方案.

摘要:灰色关联分析是多因素系统分析的重要方法, 其基于序列折线的几何形状量化因素间的关联性. 现有方法多假设序列等间隔分布, 而后在欧氏空间构建关联度的代数表达式, 其理论完备性尚待论证; 并且, 忽略了序列的分布间隔、观测误差以及折线的高阶几何特征, 导致精度低和适用性受限. 为此, 揭示关联度代数表示的泛函分析基础, 在函数空间中探索其泛函表示及高阶多变量拓展. 首先, 引入样条光滑法构建本征函数空间; 然后, 推导关联度的有界非线性泛函表示; 最后, 设计关联度的高阶泛函拓展, 并以多变量序列为例给出关联分析算法. 以某型号坦克炮身管烧蚀磨损数据为基础, 运用所提出方法聚类评估身管剩余性能, 结果表明该方法在适用范围、可解释性和准确性等方面均优于对比模型, 可为武器装备健康管理提供支持.

摘要:针对航母编队海上补给策略选择中定性定量指标并存、决策信息复杂的问题, 提出一种基于犹豫模糊语言加权幂Bonferroni平均算子的多属性决策方法. 首先, 基于航母编队补给策略选择的影响因素, 构建包含定量与定性指标的补给策略选择评价指标体系; 其次, 针对送报男孩、加油站、巡回牧师3种补给策略, 分别建立以最小航行路程和补给时间为目标的路径规划模型, 并采用NSGA-II算法求解; 然后, 利用犹豫模糊语言术语集来表征专家的评价信息, 构建补给策略选择的群决策矩阵, 同时利用组合赋权法确定指标权重, 并运用HFLWPBM算子进行信息集结与策略排序. 仿真实例与对比分析表明, 所提出方法能够应对补给策略选择中的模糊性和不确定性, 为补给策略的选择提供依据. 仿真结果验证了所提出方法的可行性和有效性.

摘要:针对当前城市电动汽车充电站选址忽视成本与服务水平的权衡关系、覆盖率未被作为刚性约束等问题, 提出一种双目标优化与覆盖率约束融合的选址模型, 并设计改进鲸鱼优化算法(IWOA)求解帕累托最优解集. 首先, 将覆盖率设为刚性约束, 建立以最大化服务水平与最小化全周期总成本为核心的双目标规划模型, 该模型采用基于余弦的距离满意度函数和M/M/s排队模型量化服务水平, 通过资本回收因子整合快/慢充电偏好及高峰时段修正进行成本评估; 其次, 在算法设计上引入自适应权重控制、混合搜索策略及局部搜索增强, 提升算法的全局搜索能力与收敛效率; 最后, 基于西安市实际数据选取80个需求点、64个候选站点, 通过算例分析对比IWOA与其他算法的性能, 并构建成本-服务水平-覆盖率三维决策框架展示约束条件对优化目标的影响. 结果表明, 所提出方法在覆盖率约束0.8时实现最优权衡, 服务覆盖率提升至93.6 ± 1.7%, 全周期成本降低至1 224 ± 73万元, 用户平均排队等待时间缩短至3.3 ± 0.4 min.

摘要:针对不平衡多模态多目标优化的等效Pareto最优解集难以找全的问题, 提出一种排斥机制驱动的多阶段多目标演化算法. 所提出算法将整个演化过程划分为3个阶段, 并在不同阶段采用不同的环境选择方法, 以实现在不同的演化阶段搜索不同等效Pareto最优解集的优化任务: 第1阶段的环境选择方法仅考虑个体在目标空间中的收敛性, 这使得种群能够快速收敛至最易找到的等效Pareto最优解集; 第2阶段的环境选择方法采用基于排斥机制的搜索策略, 该策略通过对靠近已找到的等效Pareto最优解集的个体进行自适应惩罚, 这有利于避免种群对重复区域进行搜索和降低算法陷入单一等效Pareto最优解集的风险; 第3阶段的环境选择方法通过同时兼顾个体在目标空间与决策空间中的收敛性和多样性的方式对前两个阶段获得的等效Pareto最优解集进行微调, 以进一步提高算法的优化性. 实验结果表明: 所提出算法在相同函数评价次数条件下能够找到全部等效Pareto最优解集, 且与其他7个同类算法相比, 其在目标空间和决策空间上的综合性能方面具有一定的优势.

摘要:无人飞行器智能空战对于未来战争具有颠覆性意义, 其中关于机动目标跟踪的智能决策与控制研究近年来取得了巨大进展, 但是在应对战斗机过失速机动迅速改变飞行位置和状态的跟踪方面, 仍然存在跟踪精度低甚至丢失目标的问题, 难以实现导弹制导系统精确打击的应用. 为有效解决该问题, 提出一种基于目标运动智能决策的制导系统设计方法. 所提出方法考虑几种典型过失速机动动作的完整过程, 将其分解为小迎角飞行、快速俯仰抬头、绕速度矢量旋转、快速俯仰低头4种基本运动模式, 以最小化运动建模误差为目标, 通过长短期记忆神经网络预测目标处于4种运动模式的概率分布, 并进一步采用与运动模式特征相适应的控制策略来提高跟踪精度. 仿真实验结果表明, 所提出的方法在保证不丢失过失速机动目标的同时, 能够有效提升目标跟踪的鲁棒性和精确性.

摘要:针对变电站仪表外观缺陷检测中存在表盘破损语义表征不足及露水、水汽等伪纹理导致的复杂背景干扰, 以及远距离拍摄造成的小尺度缺陷定位不稳定等问题, 在YOLO11n基础上提出蒸馏型轻量化多尺度特征增强与回归优化型YOLO模型(DLMFR-YOLO). 首先, 构建双向多尺度特征融合传播网络, 在颈部实现多尺度特征的双向交互与细节补偿, 强化仰角视角和小目标缺陷的语义与结构表征; 其次, 设计星注意力特征提取模块, 利用星操作与上下文锚点注意力在空间与通道维度突出表盘裂纹、外壳破损等关键区域, 有效抑制复杂背景及露水、水汽伪纹理的干扰; 再次, 引入WIoUv3作为边界框回归损失, 通过动态质量加权机制提升小目标场景下边界回归的稳定性与精度; 在此基础上, 采用StarNet轻量化主干网络与轻量级共享卷积检测头对模型结构进行轻量化改造, 压缩参数规模与计算量; 最后, 构建基于bridging cross-task protocol inconsistency knowledge distillation (BCKD)的逻辑蒸馏框架, 以轻量化前后的模型分别作为教师与学生网络, 弥补轻量化带来的精度损失. 实验结果表明, 在自建变电站仪表外观缺陷数据集上, 与YOLO11n相比, DLMFR-YOLO的mAP@0.5提升3.2%, 参数量下降31.4%, FLOPs降低15.9%, 在显著降低模型复杂度的同时提升了检测精度, 体现出良好的工程应用与部署优势.

摘要:为解决故障先验信息未知场景下旋转导向钻井工具系统的故障诊断难题, 提出一种融合概率Transformer与粒子滤波的智能故障诊断方法. 首先, 针对传统粒子滤波在故障先验缺失条件下粒子采样能力受限且易产生粒子退化的不足, 通过引入一个包含系统状态和传感器故障的增广向量构造非线性奇异系统, 借助训练完备的概率Transformer生成条件概率分布进行奇异系统的粒子采样, 并充分利用测量信息优化粒子滤波的重要性采样分布以缓解粒子退化现象, 实现系统状态与故障的联合估计; 然后, 对估计结果的统计特性进行分析, 设计近似服从$\chi^{2}$分布的残差评价函数, 采用移动平均策略改进故障检测算法, 有效降低故障的漏报率; 最后, 通过仿真实验和旋转导向钻井工具系统实验分析, 验证所提出故障诊断方法的有效性. 实验结果表明, 所提出方法能够提升诊断精度, 降低算力成本.

摘要:随着无人机技术在城市安防、交通监管和应急救援等领域的快速发展, 无人机图像的目标检测与识别技术为多行业应用提供了可靠的技术支持. 低空视角的目标检测任务面临小目标密集、尺度变化大、背景复杂等挑战. 针对上述问题, 提出一种改进的YOLO11无人机图像目标检测算法. 首先, 设计CSP-MS模块通过分层融合和异构卷积结构实现多尺度特征的表达; 其次, 设计特征增强多尺度特征聚合金字塔模块, 通过空洞卷积与跨层融合机制提高模型对复杂场景的感知能力; 最后, 引入轻量级动态任务对齐检测头, 降低模型参数量的同时提升对小尺寸目标的检测精度. 模型在VisDrone数据集上mAP0.5和mAP0.5 : 0.95指标分别提升10.2%和6.7%, 在CODrone数据集上分别提升5.4%和3.7%, 实验结果表明, 改进模型在小目标、复杂背景和多尺度目标场景中均具有显著性能优势, 体现出较强的泛化能力和实用价值.

摘要:随着集成电路(IC)工艺节点的不断缩小, 光刻版图中的热点问题对于芯片性能和可靠性的影响日益显著. 鉴于传统基于深度学习的光刻热点检测方法难以满足先进集成电路制造对于检测精度和模型泛化能力的要求, 提出一种基于深度学习的kNViT ($ k $-nearest vision Transformer)模型, 用于光刻热点的精确检测. 所提出模型采用对比归一化模块(CNM)和$k $-最近邻注意力模块(kNAM)来提升特征表示和识别精度. 同时, 利用光刻版图扩散模型(PLDM)生成图像, 增强数据多样性. 此外, 提出电路特征感知损失函数(CALF), 优化光刻版图扩散模型在预测噪声时的表现. 通过数据增强策略, 旋转和对比度调整, 进一步提升模型的泛化能力. 实验结果表明: kNViT模型在多个光刻版图数据集上展现出高准确率的热点检测性能; 在ICCAD 2012数据集上, 平均召回率达到99.7%, 平均准确率为98%, 平均精确率达到90.9%, F1分数为95%. 研究表明, kNViT模型可作为辅助检测工具, 有效提高检测准确性和效率, 具有工业设计应用潜力.

摘要:连续重整(CCR)装置是石化行业的重要装置之一, 针对该装置在原料性质不确定下的操作优化问题, 提出一种改进的多目标贝叶斯优化方法. 首先, 采用多目标贝叶斯优化(MOBO)框架, 通过高斯过程代理模型高效逼近Pareto前沿; 然后, 为提升解集多样性, 引入迭代距离阈值机制, 有效缓解传统方法中的解集聚问题; 接着, 针对原料不确定性, 提出一种数据驱动的不确定性区间构建方法, 将历史统计信息与实时测定值相结合, 更准确地刻画原料波动特性, 在此基础上, 通过层级图法从Pareto解集中筛选候选操作点, 并在模拟的多种原料场景下评估其鲁棒性, 最终获得兼顾优化性能与运行稳健性的操作方案; 最后, 基于27集总CCR机理模型的仿真结果表明, 所提出方法能够以较少评估次数获得分布更优的Pareto前沿, 为工业装置在原料波动下的操作优化提供了有效解决方案.

摘要:深度信念网络(DBN)是一种深度学习模型, 解决了传统神经网络因梯度消失导致的深层训练难题, 目前, 已被广泛应用. 然而, 与其他机器学习模型一样, DBN泛化能力同样难以调控, 这对应用范围及效果提出了严峻的挑战. 鉴于此, 提出一种深度信念网络泛化误差边界量化方法(DBN-QG), 旨在解决DBN泛化误差上界不可控的问题, 提升泛化能力. 首先, 构建一个DBN模型, 分析训练误差与测试误差在数据序列上的关联特性, 给出泛化误差的数学描述; 然后, 通过分析模型的Rademacher复杂度、稀疏度等特性, 提出并证明泛化误差边界上限可量化约束性定理; 最后, 根据泛化误差上界约束, 给出DBN模型在训练阶段的最优参数配置, 并将最优参数配置的DBN-QG用于预测胶州湾近海岸水环境${\rm CO}_2 $浓度. 实验结果表明: 所提出DBN-QG模型在预测精度和泛化性能方面均优于其他预测模型; 同时, DBN泛化误差的边界量化方法不仅能够提高其在${\rm CO}_2 $预测方面的可解释性, 还为机器学习模型的量化分析提供了较为一般化的理论基础.

摘要:针对复杂水下环境中自主水下机器人面临的实时避障与精确轨迹跟踪难题, 提出一种融合改进人工势场法(APF)与自适应视线导引法(LOS)的自主导航方法. 首先, 建立UWSim平台下的水下机器人“感知-规划-控制”仿真系统; 其次, 提出一种集成局部极小值在线识别与多模式虚拟目标逃逸策略的改进APF, 有效解决传统算法易陷入局部最优的问题, 实现水下机器人在三维环境的实时高效路径规划; 在此基础上, 设计一种融合自适应前瞻距离与幂次趋近律的自适应LOS反步控制器, 实现控制器参数根据航行状态的自适应调整, 提升水下三维路径跟踪控制精度与平滑度; 最后, 在构建的UWSim系统中开展仿真验证, 结果表明, 所提出改进APF的实时路径规划方法在存在动-静态障碍物干扰的场景下仍能保持稳定规划性能, 表现出良好的系统鲁棒性, 相比较于传统LOS, 所提出自适应LOS反步控制方法具有较强的路径跟踪能力, 平均误差和均方根误差分别减少48%和14.9%, 具有较好的控制精度.

摘要:为刻画杀伤链系统的制胜机理, 针对杀伤链模型构建过程中各类作战装备性能如何向系统效能高效涌现的问题, 提出基于动态网络演化博弈的杀伤链系统效能涌现模型. 通过构建“微观-宏观”双层次研究框架, 揭示杀伤链中各装备间通过自组织、自适应从微观性能向宏观系统效能动态涌现的内在规律. 在微观层面, 构建单装备性能分析方法, 形成装备的初始行为决策偏好, 并将其与博弈理论相结合, 通过构建传播动力学方程刻画多装备性能组合的行为决策模型; 在宏观层面, 基于OODA作战环理论, 引入结构化Moran过程构建动态网络演化博弈规则的杀伤链效能模型, 通过动态马尔可夫链和演化博弈理论更新网络拓扑结构, 并设计节点度均值驱动的网络策略演化机理重构行为决策规则. 建立基于演化结果的效能涌现量化指标, 结合装备群体的策略选择, 分析杀伤链效能变化情况. 作战实例结果表明, 采用性能互补以及环境适配的装备集群能够促进杀伤链内在结构的动态演化, 并揭示系统效能的涌现规律, 研究结果有助于指挥员快速准确地把握杀伤链的制胜机理, 为作战决策提供有力支持.

摘要:基于安全强化学习的机器人运动规划方法在真实物理环境中展现出巨大潜力, 但在复杂风险敏感场景下, 现有方法的稳定性和适应性有限, 难以满足安全要求. 鉴于此, 研究一种具有时序动态演化特性的安全强化学习方法具有重要意义. 首先, 构建基于时间连续常微分方程架构的策略网络, 并引入融合欧拉离散化方法, 使策略由静态映射转变为可微分的动态系统, 从而提升智能体对非均匀时间序列的建模能力, 增强其在复杂环境中的自适应性; 其次, 通过自适应约束近端策略优化算法解决安全约束求解问题, 实现灵活且安全的机器人运动控制; 最后, 在机器人安全基准测试平台Safety-Gymnasium和自主搭建的Gazebo物理场景中进行实验测试. 测试结果表明: 基于动态演化的安全强化学习运动规划方法在满足约束的前提下, 能有效提升机器人在规划任务上的表现; 在物理场景下成功率较基线模型PPO-Lag提升了53.7%; 同时, 在不同难度的物理场景中, 所提方法的平均奖励和成功率最高, 实现了泛化场景的最优规划效果.

摘要:针对强化学习路径规划中控制性能与安全性的权衡问题, 提出一种融合控制障碍函数的安全强化学习算法 RL + adpCBF. 首先, 在约束马尔可夫决策过程框架下, 引入控制障碍函数以提供安全保证, 并基于双延迟深度确定性策略梯度构建端到端的安全强化学习框架; 随后, 设计 CBFNet 网络结构, 在约束强化学习范式下加入基于控制障碍函数的安全约束, 并通过拉格朗日乘子法自适应平衡安全性与控制性能; 同时, 在满足安全约束的前提下, 将基于先验动力学与安全集构建的 CBF 约束实现为可微分的优化层, 使安全约束以显式凸优化的形式嵌入策略网络, 并通过端到端反向传播实现梯度更新; 最后, 在仿真环境中对所提出方法进行验证. 实验结果表明, RL + adpCBF 算法能够在保持较高控制性能的同时有效规避不安全动作, 对环境变化具备快速响应与实时策略调整能力, 能够显著提升移动机器人的安全性与运行效率.