基于岸海协同的水面无人系统的持续自主学习架构系统技术方案

本发明专利技术实施例公开了一种基于岸海协同的水面无人系统的持续自主学习架构系统，包括：任务管理器、混合迁移学习器、自动机器学习器、模型中心、应用中心和知识中心。本发明专利技术实施例以水面无人系统自主学习需求为牵引，瞄准提升智能模型对环境变化和相似任务变化的适应能力为目标，通过将持续自主学习范式应用于水面无人系统，构建水面无人系统的持续自主学习能力，为水面无人系统向高级自主的强智能无人装备迈进提供有力支撑。备迈进提供有力支撑。备迈进提供有力支撑。

【技术实现步骤摘要】
基于岸海协同的水面无人系统的持续自主学习架构系统


[0001]本专利技术涉及计算机
，具体涉及一种基于岸海协同的水面无人系统持续自主学习架构系统。

技术介绍

[0002]随着智能技术的快速发展，以深度学习为代表的新一代人工智能技术，虽然与传统机器学习方法相比，在图像识别、语音识别、语义理解、棋类博弈和游戏对战等方面取得了引人瞩目的成就。然而，包括深度学习、强化学习在内，以大数据和仿真环境为基础的传统机器学习范式严重依赖于大量人工标注的高质量标签数据，或者高质量仿真环境。
[0003]但在工程应用领域，由于数据严重缺乏，这些智能模型往往难以取得应用成效。例如水面无人系统的智能技术在应用普遍受限于海上环境复杂多变、实际数据和仿真模型缺乏等问题，导致在环境感知、自主控制等任务中普遍表现不佳，甚至不如传统方法有效。

技术实现思路

[0004]基于现有方法中存在的上述问题，本专利技术实施例提出一种基于岸海协同的水面无人系统的持续自主学习架构系统。
[0005]具体地，本专利技术实施例提供了以下技术方案：
[0006]本专利技术实施例提供了一种基于岸海协同的水面无人系统的持续自主学习架构系统，包括：任务管理器、混合迁移学习器、自动机器学习器、模型中心、应用中心和知识中心；
[0007]所述任务管理器，用于接收和管理海面控制任务，并以持续学习的方式向混合迁移学习器呈现新任务；
[0008]所述混合迁移学习器，用于使用所述知识中心的先验知识学习新任务；
[0009]所述自动机器学习器，用于根据新任务的要求，自主进行算法模型的设计与训练学习；
[0010]所述模型中心，用于存储所述自动机器学习器生成的模型，包括监督学习中的预测模型或分类器，以及，无监督学习中的聚类或强化学习中的策略；
[0011]所述应用中心，用于进行模型的实际应用，并在模型应用中继续从模型结果数据中学习新知识，发现要学习的新任务，向所述混合迁移学习器提供反馈以进行模型的优化；
[0012]所述知识中心，用于进行数据集的收集和存储，所述数据集用于供所述混合迁移学习器和所述自动机器学习器进行自主学习；
[0013]其中，自主学习的过程包括收集环境数据、收集任务数据、模型学习训练、模型应用部署的闭环全流程。
[0014]进一步地，所述知识中心包括历史信息库和元知识挖掘器；
[0015]其中，所述历史信息库，用于存储先前任务中学习到的知识，存储形式包括数据、模型以及规则；
[0016]所述元知识挖掘器，用于利用知识图谱和数据挖掘工具，对知识进行挖掘形成元
知识进行存储。
[0017]进一步地，所述知识中心还包括：元知识库和知识推理器；所述元知识库存储有每个历史任务中使用的原始数据、来自每个历史任务的中间结果、每个历史任务学习的最终模型或模式；所述知识推理器用于按照预设知识推理算法进对元数据库中存储的数据进行知识推理。
[0018]进一步地，所述持续自主学习架构系统基于应用实践阶段、具体经验阶段、反思性观察阶段和抽象化概念阶段的闭环循环处理完成持续自主学习；
[0019]其中，所述应用实践阶段，用于利用模型在任务场景中的应用，验证效果并收集新的反馈数据；
[0020]所述具体经验阶段，用于获得反馈的任务数据、装备数据、环境数据和效能评估数据；
[0021]所述反思性观察阶段，用于基于数据进行学习样本构建；
[0022]所述抽象化概念阶段，用于利用智能算法模型对样本进行学习，生成新的模型。
[0023]进一步地，所述持续自主学习架构系统的训练过程包括感知、推理、决策和控制四个环节；
[0024]智能模型学习训练包括对抗空间表示与建模、态势评估与推理、策略生成与优化、行动协同与控制；通过对抗态势判读理解、认知预测、策略决策和行动实施，局部整体不断循环迭代处理；
[0025]其中，所述持续自主学习架构系统的训练过程基于数据、模型和任务三要素；数据是打通任务到模型的枢纽，以数据流为桥梁实现具体数据到学习样本，学习样本要模型结构和参数的映射，以实现模型能力针对任务要求的改进；模型是执行任务的核心要素，模型根据输入的任务场景感知信息，通过模型内部计算，输出执行任务的控制信息，使得任务执行效果符合预期要求；任务是自主学习所有活动的发起点和终结点，模型的设计和训练要求来自于任务要求，模型训练的数据来自于任务执行过程，模型训练效果的验证取决于任务执行结果。
[0026]进一步地，所述持续自主学习架构系统中的真实试验和虚拟试验基于一致的试验场。
[0027]进一步地，所述持续自主学习架构系统基于硬件系统实现，所述硬件系统包括计算集群、存储集群、应用集群、测试服务器、计算机以及交换机。
[0028]进一步地，所述测试服务器为GPU测试服务器。
[0029]进一步地，所述硬件系统具备可扩展性，提供统一的接口标准。
[0030]进一步地，所述持续自主学习架构系统还包括：基于航行控制任务的仿真验证系统，所述基于航行控制任务的仿真验证系统使得所述持续自主学习架构系统在采用机器学习算法与水面无人系统任务相结合的方式获得处理结果后能够基于航行控制任务的仿真验证系统进行验证。
[0031]由上述技术方案可知，本专利技术实施例提供的基于岸海协同的水面无人系统的持续自主学习架构系统，包括：任务管理器、混合迁移学习器、自动机器学习器、模型中心、应用中心和知识中心；所述任务管理器，用于接收和管理海面控制任务，并以持续学习的方式向混合迁移学习器呈现新任务；所述混合迁移学习器，用于使用所述知识中心的先验知识学
习新任务；所述自动机器学习器，用于根据新任务的要求，自主进行算法模型的设计与训练学习；所述模型中心，用于存储所述自动机器学习器生成的模型，包括监督学习中的预测模型或分类器，以及，无监督学习中的聚类或强化学习中的策略；所述应用中心，用于进行模型的实际应用，并在模型应用中继续从模型结果数据中学习新知识，发现要学习的新任务，向所述混合迁移学习器提供反馈以进行模型的优化；所述知识中心，用于进行数据集的收集和存储，所述数据集用于供所述混合迁移学习器和所述自动机器学习器进行自主学习；其中，自主学习的过程包括收集环境数据、收集任务数据、模型学习训练、模型应用部署的闭环全流程。由此可见，本专利技术实施例以水面无人系统自主学习需求为牵引，瞄准提升智能模型对环境变化和相似任务变化的适应能力为目标，通过将持续自主学习范式应用于水面无人系统，构建水面无人系统的持续自主学习能力。瞄准水面无人系统全寿期自主执行任务能力的持续提升，针对海上环境高复杂性特点，以闭环数据流为枢纽构，以岸上系统持续学习能力为核心，建立一站式水面无人系统持续自主学习模式，形成智能化程度高、拓展能力强、成长能力好的水面无人系统智脑，实现水面无人系统有效经验共享、自主学习训练、技术状态管理及保障能力的生成，为水面无人系统向高级自主的强智能无人装备迈进提供有力支撑。
...

【技术保护点】

【技术特征摘要】
1.一种基于岸海协同的水面无人系统的持续自主学习架构系统，其特征在于，包括：任务管理器、混合迁移学习器、自动机器学习器、模型中心、应用中心和知识中心；所述任务管理器，用于接收和管理海面控制任务，并以持续学习的方式向混合迁移学习器呈现新任务；所述混合迁移学习器，用于使用所述知识中心的先验知识学习新任务；所述自动机器学习器，用于根据新任务的要求，自主进行算法模型的设计与训练学习；所述模型中心，用于存储所述自动机器学习器生成的模型，包括监督学习中的预测模型或分类器，以及，无监督学习中的聚类或强化学习中的策略；所述应用中心，用于进行模型的实际应用，并在模型应用中继续从模型结果数据中学习新知识，发现要学习的新任务，向所述混合迁移学习器提供反馈以进行模型的优化；所述知识中心，用于进行数据集的收集和存储，所述数据集用于供所述混合迁移学习器和所述自动机器学习器进行自主学习；其中，自主学习的过程包括收集环境数据、收集任务数据、模型学习训练、模型应用部署的闭环全流程。2.根据权利要求1所述的基于岸海协同的水面无人系统的持续自主学习架构系统，其特征在于，所述知识中心包括历史信息库和元知识挖掘器；其中，所述历史信息库，用于存储先前任务中学习到的知识，存储形式包括数据、模型以及规则；所述元知识挖掘器，用于利用知识图谱和数据挖掘工具，对知识进行挖掘形成元知识进行存储。3.根据权利要求2所述的基于岸海协同的水面无人系统的持续自主学习架构系统，其特征在于，所述知识中心还包括：元知识库和知识推理器；所述元知识库存储有每个历史任务中使用的原始数据、来自每个历史任务的中间结果、每个历史任务学习的最终模型或模式；所述知识推理器用于按照预设知识推理算法进对元数据库中存储的数据进行知识推理。4.根据权利要求1～3任一项所述的基于岸海协同的水面无人系统的持续自主学习架构系统，其特征在于，所述持续自主学习架构系统基于应用实践阶段、具体经验阶段、反思性观察阶段和抽象化概念阶段的闭环循环处理完成持续自主学习；其中，所述应用实践阶段，用于利用模型在任务场景中的应用，验证效果并收集新的反馈数据；所述具体经验阶段，用于获得反馈的任务数据、装备数据、环境数据和效能评估数据；所述反思性观察...

【专利技术属性】
技术研发人员：韩玮，陈卓，谢杨柳，王千一，骆福宇，张文译，胥凤驰，吴与伦，郭晓晔，王伟，董钉，曾江峰，马向峰，韩佩妤，王子帅，李哲，刘如磊，王一帆，周海滨，陈骁，
申请(专利权)人：中国船舶工业系统工程研究院，
类型：发明
国别省市：