对抗环境下的目标轨迹预报与意图理解方法研究

发布时间：2020-05-26 09:56

【摘要】：在对抗环境中,由于智能体之间的交互关系较为复杂,对敌对目标的轨迹预测和意图理解十分重要。然而,现阶段目标意图理解方法和轨迹预测方法在对抗场景中的效果普遍较差。本文以ICRA DJI RoboMaster人工智能挑战赛为背景,主要研究在对抗环境下目标的轨迹预报问题和意图理解问题,论文主要成果如下:首先,建立了轮式机器人的运动学模型,给出了相关坐标系和转换关系,给出了轨迹预报以及意图理解问题的描述。其次,针对对抗环境下交互情况较为复杂的问题,给出了处理时间序列数据的编码模块和解码模块。为了减少计算量,给出了结构精简的判别器网络。为了提取智能体之间的交互信息,设计了生成器编码与解码之间降采样模块。针对在训练过程中出现的收敛困难的问题,给出了参数和结构调节方法,综合各个模块,提出了一种基于生成式对抗网络的轨迹预测方法,通过网络的反向传递学习机器人之间隐含的交互关系。再次,给出了一种基于自动编码器的数据压缩和特征提取网络,针对目标意图难以获取的问题,利用了特征提取网络中的编码器部分,提出了一种可以实现自动聚类的深度嵌入式聚类网络,根据意图分类结果,给出了基于长短时记忆模块的意图分类网络。最后,搭建了仿真平台并设计实验对轨迹预报方法和意图理解方法进行验证。为了定量分析轨迹预测方法的准确性,给出了两个衡量预测轨迹准确程度的指标。根据轨迹预测方法和意图理解方法的需要,给出了三种不同场景下的训练数据获取方式。设计了三种特定场景交互模型,验证了轨迹预测方法的预测准确性和意图表现能力,给出了四种赛场环境下的智能体交互方式,评价了轨迹预测方法相较于其他方法的优劣,针对意图分类结果难以描述的问题,将意图分类结果以二维轨迹的方式映射到赛场平面图中,分析了意图分类结果的实际物理意义。
【图文】：

主要结构,机器人,坐标系,赛场

因此需要建立机器人的运动模型。该项赛事中的机器人是轮式机器人，轮子采用麦克纳姆轮，如图2-1 所示。图 2-1 机器人主要结构2.2.1 坐标系定义及转换关系在建立机器人运动模型之前，首先建立机器人运动的相关坐标系，其坐标系分别为赛场坐标系与机体坐标系。下面分别给出这两个坐标系的定义。(1) 赛场坐标系 ICRA DJI RoboMaster 人工智能挑战赛的比赛场地为8m×5m 的长方形场地，场地包括出发区、供弹区、障碍区和防守加成区。赛场坐标系g g g gO X Y Z 以比赛场地平面图左下角为坐标原点gO ，gX 轴沿场地平面图

平面图,比赛场,地平面,人工智能

哈尔滨工业大学工学硕士学位论文缘延伸，指向右下角；gY 轴沿场平面图左侧较短边缘延与gX 轴和轴组成的平面垂直，，指向平面图的外部。场系如图 2-2 所示。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TP242

【相似文献】