مسیریابی و هدایت دسته جمعی مجموعه ای از پهپاد ها در محیط های ناشناخته به منظور هدف یابی با هوش تجمعی خودمختار
- سال انتشار: 1403
- محل انتشار: اولین همایش ملی علوم و فناوری های نوظهور و شالوده شکن در حوزه دفاعی
- کد COI اختصاصی: EDST01_076
- زبان مقاله: فارسی
- تعداد مشاهده: 1165
نویسندگان
استادیار هوافضا، دانشگاه افسری امام علی (ع) نزاجا، تهران، ایران
دانشجوی کارشناسی ارشد مهندسی کامپیوتر(گرایش هوش مصنوعی)، دانشگاه شهید بهشتی ، تهران، ایران
عضو هیئت علمی گروه مهندسی کامپیوتر، دانشگاه افسری امام علی (ع) نزاجا، تهران، ایران
عضو هیئت علمی هوافضا، دانشگاه افسری امام علی (ع) نزاجا، تهران، ایران
چکیده
عملکرد بهتر پهپادها در حداکثر زاویه چرخش، انعطاف پذیری در حرکت مانوری، مقیاس پذیری بالا، کنترل پذیری و قابلیت حمل، باعث رشد بی سابقه آنها در کاربردهای نظامی و غیرنظامی دو دهه اخیر شده است. استفاده از سیستم های مشارکتی چند رباتی از طریق موازی سازی و افزونگی باعث تسهیل و بالابردن ظرفیت انجام وظایفی در پهپادهاست که نیاز به پرواز بر فراز مناطق وسیع و ناشناخته را دارند. توانایی کامل در انجام ماموریت ها با حداقل تعامل انسانی، هدف نهایی وسایل نقلیه هوایی بدون سرنشین است و بسته به پیچیدگی وظایف و اینکه آیا یک راه حل کاملا مستقل برای آن کاربرد خاص وجود دارد یا خیر، می توان به سطوح مختلفی از خودمختاری در راستای این هدف دست یافت. یکی از چالش های اساسی این سیستم ها، هماهنگ کردن گروه های پهپادها برای دستیابی به یک هدف یا رفتار گروهی و مهم تر از آن، انجام آن به طور مستقل است. با استفاده از استراتژی مبتنی بر رفتار گروهی مدل های زیستی طبیعی مانند پرندگان یا مورچه ها و هوش ازدحامی در پژوهش حاضر، روشی نوین برای ناوبری و مسیریابی مجموعه ای از پهپاد ها در آسمان به صورت خودمختار و خودگردان با استفاده از یادگیری تقویتی عمیق ارائه شده است تا در عین حرکت به صورت دسته جمعی، با حداقل تعامل انسان توانایی مسیریابی را اخذ و وظیفه ی اختصاص یافته را انجام دهد. در مدل ارائه شده پهپاد ها باید در محیط ناشناخته، با کمترین اطلاعات از نقشه راه و اطلاعات قبلی بر اساس ورودی ها و دریافتی های محیط برنامه ریزی محلی را انجام دهند. نتیجه حاصل از این تحقیق، ارائه روشی نوین برای ایجاد ازدحام های مصنوعی از پهپاد ها به منظور جهت یابی در محیط های ناشناخته و ردیابی اهداف است. روش ارائه شده مسیریابی مبتنی بر یادگیری تقویتی نه تنها توانایی برقراری تعادل مابین زمان برنامه ریزی و کیفیت مسیر را دارند، بلکه دارای ثبات و سازگاری مناسب با محیط پویا است.کلیدواژه ها
سیستم های مشارکتی چند پهپادی، هدایت دسته جمعی، مسیریابی خودمختار، یادگیری تقویتی عمیقمقالات مرتبط جدید
- تحلیل چالشها و راهکارهای تقویت ارتباط دانشگاه و صنعت: با تمرکز بر حلقههای مفقوده
- بازخوانی نقش دانشگاه و صنعت در توسعه ملی: از موانع تا راهکارها
- نشانگر تشخیصی جدید در ژن C-myc به عنوان کیت غیر تهاجمی تشخیص سرطان دهان
- برنامه ریزی منابع تجدید پذیر با درنظر گرفتن برنامه ریزی توسعه انتقال و تولید منابع توان راکتیو
- برنامه ریزی همزمان توسعه انتقال و منابع تولید توان راکتیو با استفاده از یک الگوریتم تکاملی بهبود یافته
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.