一种面向无人艇的路径规划算法的训练验证方法及平台技术

本发明专利技术涉及一种面向无人艇的路径规划算法的训练验证方法及平台，所述训练验证方法，包括：运行环境搭建、构建地图、关卡构建、设置评分规则、设置终止条件、启动docker训练模型、MCP监控训练过程、启动docker验证模型、MCP监控验证过程和评估结果查看。本发明专利技术提供了完善的无人艇强化学习集成平台，可应用于对无人艇决策算法的验证，本发明专利技术为强化学习在无人艇路径规划的应用提供了一个可靠、功能完备的仿真环境，有利于强化学习在无人艇路径规划领域的应用。应用。应用。

A training and verification method and platform of path planning algorithm for unmanned craft

【技术实现步骤摘要】
一种面向无人艇的路径规划算法的训练验证方法及平台


[0001]本专利技术涉及水面无人艇
，具体涉及一种面向无人艇的路径规划算法的训练验证方法及平台。

技术介绍

[0002]无人水面艇是指具有自主规划、自主航行能力，并可自主完成探测感知、通信传输等任务的小型水面平台，在海洋科研、海洋开发和军事领域具有极其广泛的应用前景，已经成为国内外智能化装备的研究方向之一。路径规划是无人艇完成任务的重要部分，也是无人艇执行任务的基础。无人艇自主完成路径规划的能力，体现了无人艇的智能水平。
[0003]随着人工智能领域的发展，强化学习在路径规划领域得到了应用。虽然强化学习在机器人路径规划领域内已经有较多应用，而在无人艇领域相关的应用较少。关键在于强化学习算法的使用依赖一个可靠的仿真环境，而在无人艇领域缺少可以在路径规划任务中做到功能完备、可以实现基于强化学习的决策算法验证的仿真环境。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种面向无人艇的路径规划算法的训练验证方法及平台，为强化学习在无人艇路本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向无人艇的路径规划算法的训练验证方法，其特征在于，包括：运行环境搭建；构建地图；关卡构建；设置评分规则；设置终止条件；启动docker训练模型；MCP监控训练过程；启动docker验证模型；MCP监控验证过程；评估结果查看。2.根据权利要求1所述的方法，其特征在于，所述运行环境搭建，用于仿真验证平台的硬件计算服务器与适用基础软件环境搭建；所述构建地图，用于绘制与管理仿真场景的地图；所述关卡构建，用于编辑与载入仿真内容；所述设置评分规则，用于在训练过程中按照规定的评分规则对训练的实体对象进行打分；所述设置终止条件，用于对抗场景中终止训练的判定条件；所述docker训练模型，用于启动docker容器训练需要验证的算法，获取算法模型；所述MCP监控训练过程，用于在启动docker训练容器后，通过浏览器展示当前训练的信息；所述docker验证模型，用于训练结束生成对应模型后，在docker容器中运行生成的模型；所述MCP监控验证过程，用于启动docker验证容器之后，通过浏览器展示当前模型验证的信息；所述评估结果查看，用于汇总对应算法训练结果的评估数据，并提供算法在验证过程中的决策信息。3.根据权利要求2所述的方法，其特征在于，所述绘制与管理仿真场景的地图，至少包括：载入真实地图，设置地图大小和地形类型。4.根据权利要求2所述的方法，其特征在于，在关卡构建过程中，所述编辑与载入仿真内容，至少包括：对无人艇名称、阵营、图标和属性进行编辑，并将编辑后的信息载入。5.根据权利要求1至4任一项所述的方法，其特征在于，所述运行环境搭建，具体包括：采用客户端
‑
服务器的模型，搭建基于强化学习的无人艇智能验证平台；其中，...

【专利技术属性】
技术研发人员：韩玮，王千一，曾江峰，谢杨柳，张馗，陈骁，陈卓，马向峰，郭晓晔，梁旭，王伟，董钉，李哲，胥凤驰，骆福宇，王一帆，刘如磊，王子帅，吴与伦，宋胜男，董洁琳，许埔宁，王伟蒙，
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：