本发明专利技术公开了一种基于Transformer的兵棋目标意图识别方法，加载我方阵营观察到的战场态势数据，包含兵棋地图信息以及算子信息，进行态势特征提取，随后进行数据归一化处理；根据夺控点位置，以及敌我双方算子位置，计算兵棋地图单元权重，并与地图特征信息相乘，生成带权地图特征；其目的是使关键位置周围地图单元温度上升，降低地图非关键位置温度，温度可等同于重要性等级。同时使得地图特征附带时间特征；将处理好的地图特征数据，算子特征数据分别输入到相应的Convolution网络层，表示特征数据的同时，划分patch，然后通过一层嵌入层，使得输入特征的维度与TransformerEncoder网络的输入维度一致；将嵌入层的输出，分别输入到各自的TransformerEncoder中。入到各自的TransformerEncoder中。入到各自的TransformerEncoder中。
【技术实现步骤摘要】
基于Transformer的兵棋目标意图识别方法
[0001]本专利技术涉及兵棋态势估计、人工智能AI
，特别涉及陆战场态势数据处理、卷积神经网络(CNN)和Transformer编解码模块的兵棋意图识别方法。
技术介绍
[0002]随着科技水平，特别是电子信息技术与人工智能领域技术水平的不断提高，现代战争与传统战争相比，战争的对抗形式产生了翻天覆地的变化。战场可采集信息以倍增趋势增加，如何有效利用采集到的战场情报大数据，从中科学、有效地提取出有用的战场态势信息，预测敌方态势动向，将复杂的战场态势简单化，是现代战争的重要组成部分，同时，对于作战指挥员的指挥决策具有重大意义。
[0003]态势估计(Situation Assessment,SA)技术可以根据敌我双方特征状态、敌方武器特征，结合战场气候、地形等环境因素，综合分析各个因素之间的关系，得到反映当前战场态势的评估图表，并对战场未来态势进行有依据的预测。评估与预测结果直观的呈现给指挥员，帮助其清晰地理解当前战场情况，更加快速、科学地做出作战、部署等决策。而目标意图识别被认为是态势估计中的难点和重点，认清对手的意图，能够让指挥员迅速调整策略以应对对手的行动，更好的与敌人进行对抗。所以，对敌方目标的意图进行识别具有重要的意义，如果无法正确、快速的进行判断，那么在对抗中，我方的行动会受制于敌方行动，战略的制定也会受限。
技术实现思路
[0004]本专利技术在现有技术的基础上，提出了一种优化的基于Transformer的兵棋目标意图识别方法。
[0005]本专利技术所采用的技术方案是：
[0006]一种基于Transformer的兵棋目标意图识别方法，包括以下步骤：
[0007]步骤1：加载我方阵营观察到的战场态势数据，主要包含兵棋地图信息以及敌我双方算子信息，然后进行态势特征提取，随后进行数据归一化处理；
[0008]步骤2：根据夺控点位置，以及敌我双方算子位置，计算兵棋地图单元权重，并与兵棋地图特征信息相乘，生成带权兵棋地图特征；其目的是使关键位置周围兵棋地图单元温度上升，降低兵棋地图非关键位置温度，温度可等同于重要性等级。同时使得兵棋地图特征附带时间特征；
[0009]步骤3：将处理好的兵棋地图特征数据，算子特征数据分别输入到相应的Convolution网络层，表示特征数据的同时，划分patch，然后通过一层嵌入层，使得输入特征的维度与Transformer Encoder网络的输入维度一致；
[0010]步骤4：将步骤3输出的数据，分别输入到各自的Transformer Encoder中。对于兵棋地图特征的Encoder输出与算子特征的Encoder的输出，直接拼接，作为Transformer Decoder网络的memory输入特征；
[0011]步骤5：将步骤4计算出来的memory和目标未来5个时间段的意图，以及序列掩码，一并输入到Transformer Decoder网络中，训练模型，使其达到最佳性能；
[0012]步骤6：将每个时间段的我方态势观察数据，经过预处理后，输入到步骤5训练出来的模型，所得到的结果，就是敌方目标未来5个时间的行进方向意图。
[0013]优选地，所述步骤1包括以下步骤：
[0014]步骤1.1：从我方阵容所观察到的兵棋地图信息中，提取兵棋地图高程，兵棋地图单元格地形，通行代价，通视数据等；
[0015]步骤1.2：从敌我双方算子信息中，提取算子阵营，算子类型，算子细分类型，装甲类型，行进间射能力，是否堆叠，是否具备引导射击能力，分值，机动状态，机动速度，机动转停止剩余时间，是否可机动，是否静止，当前血量，疲劳等级，疲劳累计时间，疲劳剩余时间，是否被压制，是否在车上，上车剩余时间，下车剩余时间，切换状态剩余时间，武器剩余冷却时间等信息。
[0016]步骤1.3：对于缺失数据，会依据兵棋规则，进行填充；
[0017]步骤1.4：所采用的归一化的公式为：
[0018][0019]优选地，所述步骤2中包括以下步骤：
[0020]步骤2.1：参考当前时刻，敌我双方算子位置，以及夺控点坐标计算兵棋地图温度系数CI，计算所采用的公式如下：
[0021][0022][0023]其中，d为敌方目标算子与关键点坐标的距离，对于关键点的定义为敌我双方算子为位置，以及夺控点坐标。其关键参数包含距离阈值D，以及高斯分布中的标准差σ；
[0024]步骤2.2：使用softmax公式，计算兵棋地图各单元的权重，生成与兵棋地图数据矩阵等同大小的权重矩阵，随后与兵棋地图特征信息相乘，也就是兵棋地图高程，兵棋地图单元格地形，通行代价，通视数据；所使用的softmax公式为：
[0025][0026]优选地，所述步骤3中包含以下步骤：
[0027]步骤3.1：将步骤2.2处理好的兵棋地图特征数据，输入到Convolution 2D中，进行特征表示，并且划分patch，便于输入到Trasformer之中。卷积核的输出进行flatten以及transpose操作，调整兵棋地图数据形状，与嵌入层输入维度对齐，然后输入到对应的嵌入层。
[0028]步骤3.2：将步骤1.4处理好的算子特征数据，输入到Convolution1D中，进行特征表示，随后输入到对应的嵌入层。
[0029]其中Convolution网络相关参数包含了输出通道数，卷积核大小，卷积步伐。为了更好的利用Transformer网络的注意力机制，我们对卷积核以及卷积步伐都设置为1，输出通道数保持不变，与输入通道数保持一致；后续的嵌入层输出的维度与Transformer Encoder输入维度保持一致；
[0030]优选地，所述步骤4和5中，所使用的Transformer Encoder和Decoder网络，其参数用的是Transformer中的默认参数，输入维度为512，多头注意力机制head设置为8，Encoder和Decoder层数则进行了调整，仅使用了三层；
[0031]本专利技术提供了一种优化的基于Transformer的兵棋目标意图识别方法，加载我方阵营观察到的战场态势数据，包含兵棋地图信息以及算子信息，进行态势特征提取，随后进行数据归一化处理；根据夺控点位置，以及敌我双方算子位置，计算兵棋地图单元权重，并与兵棋地图特征信息相乘，生成带权兵棋地图特征；其目的是使关键位置周围兵棋地图单元温度上升，降低兵棋地图非关键位置温度，温度可等同于重要性等级。同时使得兵棋地图特征附带时间特征；将处理好的兵棋地图特征数据，算子特征数据分别输入到相应的Convolution网络层，表示特征数据的同时，划分patch，然后通过一层嵌入层，使得输入特征的维度与Transformer Encoder网络的输入维度一致；将嵌入层的输出，分别输入到各自的Transformer Encoder中。对于兵棋地图特征的Encoder输出与算子特征的Encoder的输出，直本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于Transformer的兵棋目标意图识别方法，其特征在于：包括以下步骤：步骤1：加载我方阵营观察到的战场态势数据，包含兵棋地图信息以及敌我双方算子信息，然后进行态势特征提取，随后进行数据归一化处理；步骤2：根据夺控点位置，以及敌我双方算子位置，计算兵棋地图单元权重，并与兵棋地图特征信息相乘，生成带权兵棋地图特征；其目的是使关键位置周围兵棋地图单元温度上升，降低兵棋地图非关键位置温度，温度可等同于重要性等级，同时使得兵棋地图特征附带时间特征；步骤3：将处理好的兵棋地图特征数据，算子特征数据分别输入到相应的Convolution网络层，表示特征数据的同时，划分patch，然后通过一层嵌入层，使得输入特征的维度与Transformer Encoder网络的输入维度一致；步骤4：将步骤3输出的数据，分别输入到各自的Transformer Encoder中；对于兵棋地图特征的Encoder输出与算子特征的Encoder的输出，直接拼接，作为Transformer Decoder网络的memory输入特征；步骤5：将步骤4计算出来的memory和目标未来5个时间段的意图，以及序列掩码，一并输入到Transformer Decoder网络中，训练模型，使其达到最佳性能；步骤6：将每个时间段的我方态势观察数据，经过预处理后，输入到步骤5训练出来的模型，所得到的结果，就是敌方目标未来5个时间的行进方向意图。2.根据权利要求1所述的一种基于Transformer的兵棋目标意图识别方法，其特征在于：所述步骤1包括以下步骤：步骤1.1：从我方阵容所观察到的兵棋地图信息中，提取兵棋地图高程，兵棋地图单元格地形，通行代价，通视数据等；步骤1.2：从敌我双方算子信息中，提取算子阵营，算子类型，算子细分类型，装甲类型，行进间射能力，是否堆叠，是否具备引导射击能力，分值，机动状态，机动速度，机动转停止剩余时间，是否可机动，是否静止，当前血量，疲劳等级，疲劳累计时间，疲劳剩余时间，是否被压制，是否在车上，上车剩余时间，下车剩余时间，切换状态剩余时间，武器剩余冷却时间信息；步骤1.3：对于缺失数据，会依据兵棋规则，进行填充；步骤1.4：所采用的归一化的公式为：3....
【专利技术属性】
技术研发人员：叶蕾，谭永钦，陈家琪，王艺霖，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。