自主決策系統(tǒng)的案例
一文解析自動駕駛汽車決策控制系統(tǒng)技術(shù)
車輛的各個操控系統(tǒng)都需要能夠通過總線與決策系統(tǒng)相連接，并能夠按照決策系統(tǒng)發(fā)出的總線指令精確地控制加速程度、制動程度、轉(zhuǎn)向幅度、燈光控制等駕駛動作，以實現(xiàn)車輛的自主駕駛。
圖1 自動駕駛系統(tǒng)簡介
決策控制系統(tǒng)介紹
傳統(tǒng)意義上自動駕駛系統(tǒng)的決策控制軟件系統(tǒng)包含
環(huán)境預(yù)測、行為決策、動作規(guī)劃、路徑規(guī)劃
等功能模塊。
環(huán)境預(yù)測模塊
環(huán)境預(yù)測模塊作為決策規(guī)劃控制模塊的直接數(shù)據(jù)上游之一，其主要作用是對感知層所識別到的物體進行行為預(yù)測，并且將預(yù)測的結(jié)果轉(zhuǎn)化為時間空間維度的軌跡傳遞給后續(xù)模塊。通常感知層所輸出的物體信息包括位置、速度、方向等物理屬性。
利用這些輸出的物理屬性，可以對物體做出“瞬時預(yù)測”。環(huán)境預(yù)測模塊不局限于結(jié)合物理規(guī)律對物體做出預(yù)測，而是可結(jié)合物體和周邊環(huán)境以及積累的歷史數(shù)據(jù)信息，對感知到的物體做出更為“宏觀”的行為預(yù)測。例如在圖2中，通過識別行人在人行道的歷史行進動作預(yù)測出行人可能會在人行道上穿越路口，而通過車輛的歷史行進軌跡可判斷其會在路口右轉(zhuǎn)。
圖2 環(huán)境預(yù)測示意圖
行為決策模塊
行為決策模塊在整個自動駕駛決策規(guī)劃控制軟件系統(tǒng)中扮演著“副駕駛”的角色。這個層面匯集了所有重要的車輛周邊信息，不僅包括了自動駕駛汽車本身的實時位置、速度、方向，還包括車輛周邊一定距離以內(nèi)所有的相關(guān)障礙物信息以及預(yù)測的軌跡。行為決策層需要解決的問題，就是在知曉這些信息的基礎(chǔ)上，決定自動駕駛汽車的行駛策略。
展開 一文解析自動駕駛汽車決策控制系統(tǒng)技術(shù)
例如在車道保持、車道偏離預(yù)警、車距保持、障礙物警告等系統(tǒng)中，需要預(yù)測本車及相遇的其他車輛、車道、行人等在未來一段時間內(nèi)的狀態(tài)。先進的決策理論包括模糊推理、強化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)技術(shù)等。由于人類駕駛過程中所面臨的路況與場景多種多樣，且不同人對不同情況所做出的駕駛策略應(yīng)對也有所不同，因此類人的駕駛決策算法的優(yōu)化需要非常完善高效的人工智能模型以及大量的有效數(shù)據(jù)。這些數(shù)據(jù)需要盡可能地覆蓋到各種罕見的路況，而這也是駕駛決策發(fā)展的最大瓶頸所在。
執(zhí)行層
執(zhí)行層是指系統(tǒng)在做出決策后，按照決策結(jié)果對車輛進行控制。車輛的各個操控系統(tǒng)都需要能夠通過總線與決策系統(tǒng)相連接，并能夠按照決策系統(tǒng)發(fā)出的總線指令精確地控制加速程度、制動程度、轉(zhuǎn)向幅度、燈光控制等駕駛動作，以實現(xiàn)車輛的自主駕駛。
圖1 自動駕駛系統(tǒng)簡介
決策控制系統(tǒng)介紹
傳統(tǒng)意義上自動駕駛系統(tǒng)的決策控制軟件系統(tǒng)包含環(huán)境預(yù)測、行為決策、動作規(guī)劃、路徑規(guī)劃等功能模塊。
展開 面向預(yù)期功能安全的決策規(guī)劃系統(tǒng)仿真測試方法
自動駕駛系統(tǒng)的SOTIF觸發(fā)來源
為了更好地理解這兩大類系統(tǒng)在依照ISO21448開展從Clause6到Clause7的分析工作時，所面臨的不同狀況，我們先簡單地從系統(tǒng)的工任務(wù)、過程和目標(biāo)等三方面對比一下環(huán)境感知系統(tǒng)和決策規(guī)劃系統(tǒng)：
「環(huán)境感知系統(tǒng)」
任務(wù)：信息提取與加工（任務(wù)以片段為主）
過程：物理→數(shù)字→信息（實現(xiàn)的功能包括：檢測與跟蹤等）
目標(biāo)：正確、準(zhǔn)確（以物理世界為真值）
「決策規(guī)劃系統(tǒng)」
任務(wù)：創(chuàng)造行駛的價值（安全、舒適、高效、節(jié)能地從A到B，任務(wù)以連續(xù)過程為主）
過程：信息→控制信號（實現(xiàn)的功能包括：場景理解、預(yù)測、價值計算等）
目標(biāo)：好壞（價值高低）
可以看出
，決策規(guī)劃系統(tǒng)
的任務(wù)是創(chuàng)造行駛的價值，其結(jié)果分優(yōu)劣好壞，但沒有真值作為參照；且工作過程連續(xù)，無法以切片化（時刻）的方式進行評價。
進一步地說，環(huán)境感知系統(tǒng)的任務(wù)大都是基于、圍繞特定對象的，比如動靜態(tài)障礙物、交通設(shè)施等；感知任務(wù)有一個絕對真值，所以感知求解的問題是盡量接近這個真值“點”；而決策規(guī)劃系統(tǒng)的真值難以定義，甚至不存在絕對真值，決策規(guī)劃求解的問題只需要一個可行解，而可行解是一個“集”。
故而，開展從Clause6到Clause7的分析工作，找尋觸發(fā)條件的話，
「環(huán)境感知系統(tǒng)」：是比較可行的。因為，觸發(fā)機制可分析、觸發(fā)源可尋、觸發(fā)條件與所產(chǎn)生的危害對應(yīng)關(guān)系可判（控制執(zhí)行系統(tǒng)，同理）
「決策規(guī)劃系統(tǒng)」
：
比較不可行。
展開 關(guān)于給水系統(tǒng)基于可靠度的最優(yōu)決策
關(guān)于給水系統(tǒng)基于可靠度的最優(yōu)決策
關(guān)于給水系統(tǒng)基于可靠度的最優(yōu)決策.rar
關(guān)于給水系統(tǒng)基于可靠度的最優(yōu)決策.JPG
面向預(yù)期功能安全的決策規(guī)劃系統(tǒng)仿真測試方法
自動駕駛系統(tǒng)的SOTIF觸發(fā)來源
為了更好地理解這兩大類系統(tǒng)在依照ISO21448開展從Clause6到Clause7的分析工作時，所面臨的不同狀況，我們先簡單地從系統(tǒng)的工任務(wù)、過程和目標(biāo)等三方面對比一下環(huán)境感知系統(tǒng)和決策規(guī)劃系統(tǒng)：
「環(huán)境感知系統(tǒng)」
任務(wù)：信息提取與加工（任務(wù)以片段為主）
過程：物理→數(shù)字→信息（實現(xiàn)的功能包括：檢測與跟蹤等）
目標(biāo)：正確、準(zhǔn)確（以物理世界為真值）
「決策規(guī)劃系統(tǒng)」
任務(wù)：創(chuàng)造行駛的價值（安全、舒適、高效、節(jié)能地從A到B，任務(wù)以連續(xù)過程為主）
過程：信息→控制信號（實現(xiàn)的功能包括：場景理解、預(yù)測、價值計算等）
目標(biāo)：好壞（價值高低）
可以看出
，決策規(guī)劃系統(tǒng)
的任務(wù)是創(chuàng)造行駛的價值，其結(jié)果分優(yōu)劣好壞，但沒有真值作為參照；且工作過程連續(xù)，無法以切片化（時刻）的方式進行評價。
進一步地說，環(huán)境感知系統(tǒng)的任務(wù)大都是基于、圍繞特定對象的，比如動靜態(tài)障礙物、交通設(shè)施等；感知任務(wù)有一個絕對真值，所以感知求解的問題是盡量接近這個真值“點”；而決策規(guī)劃系統(tǒng)的真值難以定義，甚至不存在絕對真值，決策規(guī)劃求解的問題只需要一個可行解，而可行解是一個“集”。
故而，開展從Clause6到Clause7的分析工作，找尋觸發(fā)條件的話，
「環(huán)境感知系統(tǒng)」：是比較可行的。因為，觸發(fā)機制可分析、觸發(fā)源可尋、觸發(fā)條件與所產(chǎn)生的危害對應(yīng)關(guān)系可判（控制執(zhí)行系統(tǒng)，同理）
「決策規(guī)劃系統(tǒng)」
：
比較不可行。
展開 多目標(biāo)水資源系統(tǒng)運行決策優(yōu)化的遺傳算法1
多目標(biāo)水資源系統(tǒng)運行決策優(yōu)化的遺傳算法
方紅遠(yuǎn)1，鄧玉梅2，董增川3
(1.揚州大學(xué)；2.國家防汛抗旱總指揮部辦公室；3.河海大學(xué))
摘 要：針對一多目標(biāo)水資源系統(tǒng)優(yōu)化運行問題，本文闡述了多目標(biāo)決策遺傳算法(MODGA)的應(yīng)用。按遺傳算法原理，采用浮點向量表達(dá)解的結(jié)構(gòu)；并依據(jù)多目標(biāo)決策協(xié)調(diào)規(guī)劃法定義適應(yīng)度為任一目標(biāo)點與理想點的距離。對構(gòu)建的模型，文中使用的計算方法的收斂過程相當(dāng)有效，計算結(jié)果合理。
關(guān)鍵詞：多目標(biāo)決策；水資源系統(tǒng)；遺傳算法
在過去的20多年中，基于計算機的各種智能算法已在許多領(lǐng)域得到應(yīng)用，其中遺傳算法(GA)是運用較普遍的一種方法。這種搜索法借助于生物激勵機制，通過種群換代達(dá)到改善參與競爭的染色體的特征［1，2］。GA法是一種隨機優(yōu)化技術(shù)，它是通過產(chǎn)生準(zhǔn)隨機數(shù)代替候硯以完成解空間的搜索，隨著種群的不斷換代，前代候硯的概率分布相應(yīng)地被后代更新。雖然由于生成各代種群中染色體的隨機性能否確保達(dá)到全局最優(yōu)搜索尚無定論，但GA法的高度魯棒性以及在許多領(lǐng)域的成功應(yīng)用，仍使它成為一種具有吸引力的尋優(yōu)方法。水資源系統(tǒng)規(guī)劃與管理中的許多問題都屬于復(fù)雜的多狀態(tài)、多目標(biāo)離散化問題。多目標(biāo)決策遺傳算法(MODGA)在每一代種群的更新過程中，都能產(chǎn)生大量滿足決策指標(biāo)的權(quán)衡解，故它能給出一個較廣范圍的非劣解［5］。本文以解決這一實際的多目標(biāo)水資源系統(tǒng)優(yōu)化運行問題為例，闡述GA法在水資源多目標(biāo)決策中的應(yīng)用。
1 系統(tǒng)概況
蘇北平原湖區(qū)水資源短缺現(xiàn)象普遍存在，供需矛盾十分突出，而已有的多級泵站提水調(diào)水成本較高，如何通過科學(xué)規(guī)劃和管理，使系統(tǒng)能有效利用天然徑流和已建工程調(diào)蓄能力，滿足工業(yè)、農(nóng)業(yè)、生活和航運用水的需求，是該地區(qū)水資源合理利用的一個重要課題［7］。
展開 戴西iDWS智能化研發(fā)平臺 V2026發(fā)布，“支撐系統(tǒng)”進化為“智能決策中樞”
同時，人工智能正在重塑研發(fā)范式，企業(yè)對數(shù)字化轉(zhuǎn)型的期待，正從“支撐工具”轉(zhuǎn)向具備過程理解與智能輔助能力的研發(fā)系統(tǒng)。
戴西 iDWS 智能化研發(fā)平臺 V2026，正是依托全棧自研的國產(chǎn)化研發(fā)協(xié)同架構(gòu)、工業(yè)級算力調(diào)度體系、高性能圖形桌面云與 NexAI 智能體融合技術(shù)，面向復(fù)雜工程研發(fā)場景，提供的一體化智能化解決方案。
PART/1
從研發(fā)支撐平臺到“智能研發(fā)中樞”
在 iDWS 智能化研發(fā)平臺 V2026 （后稱iDWS平臺）版本中，戴西圍繞“智能化、工程化、國產(chǎn)化”三條主線，對平臺進行了系統(tǒng)級升級。本次版本迭代新增數(shù)十項核心功能能力，并對既有功能進行了大規(guī)模修復(fù)與性能優(yōu)化，覆蓋研發(fā)協(xié)同、算力調(diào)度、許可管理、數(shù)據(jù)治理與 AI 應(yīng)用等多個關(guān)鍵模塊。
其中，licMonitor（許可監(jiān)控與優(yōu)化能力）的正式引入，以及 NexAI 智能體在研發(fā)全流程中的深度嵌入，成為 V2026 區(qū)別于以往版本的兩項標(biāo)志性升級。
這標(biāo)志著 iDWS 平臺開始從“資源與流程管理平臺”，向具備智能感知、分析與輔助決策能力的研發(fā)平臺邁進。
PART/2
iDWS V2026 的關(guān)鍵新增能力解讀
一全流程 NexAI 智能體能力正式落地
V2026版本中，iDWS 平臺引入NexAI多業(yè)務(wù)智能體套件，將AI能力拆解并嵌入到具體工程場景中，使其不再停留在“問答層”，而是真正參與工程過程：
在設(shè)計與仿真階段，NexAI智能體可結(jié)合歷史項目數(shù)據(jù)與仿真結(jié)果，對參數(shù)配置、工況組合和方案選擇提供智能輔助建議；
在項目執(zhí)行階段，對任務(wù)異常、中斷、結(jié)果異常進行自動識別與原因提示，減少人工排查成本；
在研發(fā)管理與復(fù)盤階段，對項目過程數(shù)據(jù)進行結(jié)構(gòu)化整理，形成可復(fù)用的工程知識資產(chǎn)。
展開 實用級北斗+AI道路智能巡檢系統(tǒng)，看千尋馳觀如何助力精細(xì)化公路養(yǎng)護決策
目前，千尋馳觀道路巡檢系統(tǒng)已經(jīng)在山東、遼寧、云南、江蘇等多十幾個省份開展試點應(yīng)用。
掃描下方二維碼或點此查看千尋馳觀如何助力精細(xì)化公路養(yǎng)護決策。
變電站二次系統(tǒng)發(fā)展及自主可控新一代二次系統(tǒng)概況
五、自主可控新一代變電站二次系統(tǒng)
2021年開始，變電站進入自主可控新一代變電站時代。新一代變電站二次系統(tǒng):在“供應(yīng)鏈安全+“內(nèi)部體系變革”背景下，按照自主可控、安全可靠、先進適用、集約高效的建設(shè)原則，編制功能技術(shù)規(guī)范，加快推動設(shè)備研制。
以自主可控芯片及操作系統(tǒng)為基礎(chǔ)，通過整體系統(tǒng)設(shè)計、優(yōu)化采集方式、簡化網(wǎng)絡(luò)結(jié)構(gòu)、整合設(shè)備功能、解耦SCD配置、優(yōu)化輔控系統(tǒng)等，減少設(shè)備總量及運維工作量，提升變電站二次系統(tǒng)整體性能的同時，全面滿足無人值班、設(shè)備集中監(jiān)控（集控站）等新的生產(chǎn)體系業(yè)務(wù)需求。
聲明
本號所刊發(fā)文章僅為學(xué)習(xí)交流之用，無商業(yè)用途，向原作者致敬。
展開 萬字綜述無人系統(tǒng)自主性
這種“以人為中心”( Human Centered)的方法對于實現(xiàn)“人一自主編隊”性能最優(yōu)化至關(guān)重要。
4. 人—自主決策集成
自主性通常用以支持人的決策。專家系統(tǒng)或決策支持系統(tǒng)提供決策指導(dǎo)。例如,行動過程制定或評估、目標(biāo)提示或者對探測到的目標(biāo)進行分類等。實際上,有效的決策支持存在困難。雖然我們一般假定這種系統(tǒng)能夠改善人的決策 尤其是在執(zhí)行困難任務(wù)時,但事實并非如此。證據(jù)顯示,人一般先采納系統(tǒng)評估所增加,因而決策時間也會相應(yīng)延長。因此,輔助決策系統(tǒng)如果存在缺陷,可能 并不一定能夠提升整體人/系統(tǒng)決策的精確度和實時性。盡管好的建議有用,但 如果建議失當(dāng),則會使決策人犯錯,因而整體任務(wù)性能將會嚴(yán)重下降。
相反,評判人的決策(例如,指出已規(guī)劃的行動過程可能存在的問題)的決策支持系統(tǒng),由于輸入是在人做出決策之后(而非之前)發(fā)生的,因此能夠剔除由人到計算機解決問題的方案偏差。它同樣還利用了計算機的一大優(yōu)勢,即快擬人提出的解決方案(例如,行動過程)從面從環(huán)境態(tài)勢的多樣性以及對抗行動中,識別出潛在的缺陷或缺點。這將更好地促進人/自動化協(xié)同,進而提升整體性能。隨著決策智能體和系統(tǒng)未來使用越來越廣泛,我們必須特別注重開發(fā)認(rèn)知交互方案來改進(而非干擾)機組人員的決策。此外,我們必須基于人/系統(tǒng)性能的綜合輸出,認(rèn)真檢驗這種系統(tǒng)的作戰(zhàn)效能。
5. 自主性中的知情態(tài)勢信任
為了使機組人員能夠有效地與自主系統(tǒng)協(xié)同,機組人員必須能夠判斷自主執(zhí)行任務(wù)的可信任度。這種信任不僅與系統(tǒng)整體可靠性有關(guān),還與根據(jù)態(tài)勢對系統(tǒng)在特殊態(tài)勢下執(zhí)行特定任務(wù)的性能評估有關(guān)。為此,機組人員必須建立知情信任(Informed Trust)—對應(yīng)用自主能力的時機、程度以及干預(yù)時間進行精確評估。
展開 自主泊車系統(tǒng)APS的現(xiàn)狀與發(fā)展
圖5 無人駕駛的日產(chǎn)聆風(fēng)電動汽車實現(xiàn)自主泊車
二、自主泊車系統(tǒng)的基本原理
2.1 APS的構(gòu)建
自主泊車系統(tǒng)由3個功能塊組成：①環(huán)境數(shù)據(jù)采集系統(tǒng)，包括圖像采集和車載距離探測系統(tǒng)，將圖像與車身和障礙物間距離的數(shù)據(jù)，由數(shù)據(jù)線傳遞至中央處理器；
②CPU對數(shù)據(jù)分析處理，根據(jù)車輛當(dāng)前位置、目標(biāo)位置及周圍環(huán)境參數(shù)作出自主泊車策略，并轉(zhuǎn)換成電信號；
③車輛策略控制執(zhí)行系統(tǒng)在接受電信號后，指令指示車輛行駛的方向、角度及動力支援等諸方面的操控。
自主泊車系統(tǒng)需要應(yīng)用到能支持自動駕駛、安裝在車身各處的眾多傳感器，包括車載雷達(dá)（激光雷達(dá)系統(tǒng)）、視覺CCD攝像頭和超聲波傳感器探頭，還有全球定位系統(tǒng)。
雷達(dá)用于自動巡航控制、碰撞預(yù)警、泊車和并線輔助，并提供地圖信息，便于車輛自動導(dǎo)航及發(fā)現(xiàn)行人、自行車及其他障礙物；視覺攝像頭主管的是倒車安全、盲區(qū)監(jiān)控、車道保持和防疲勞等；利用超聲波探測車輛周圍環(huán)境，測量與其他車輛及障礙物之間的距離，組成環(huán)境數(shù)據(jù)采集系統(tǒng)。
當(dāng)車輛在獲得合適的停車位信息后，通過CPU軟件系統(tǒng)指揮硬件的運作，即可使車輛泊車入位，并以顯示器（或蜂鳴器）裝備告示。
展開 
無人系統(tǒng)自主性研究綜述
有時是因為誤讀系統(tǒng)模式,或者未能準(zhǔn)確地預(yù)測系統(tǒng)在給定態(tài)勢下的反應(yīng),將會導(dǎo)致態(tài)勢感知不精確,進而決策失當(dāng)。即使是訓(xùn)練有素的飛行員也可能無法充分地理解自動飛行導(dǎo)航與制導(dǎo)控制系統(tǒng)的所有模式,因而會在一定程度上影響與自動化的有效交互。未來系統(tǒng)需要更加注重開發(fā)能使所有機組成員保持期望的態(tài)勢感知水平的自主性方法。
3. 最優(yōu)工作負(fù)荷等級
雖然使用自動化的目標(biāo)通常是減少手動工作量(進而降低操作的人力需求),但它通常未必能夠?qū)崿F(xiàn)這一目標(biāo)。這種情況被戲稱為“自動化的尷尬( Irony of Automation)。在高工作負(fù)荷飛行階段(例如,飛機起降),它通常會導(dǎo)致工作負(fù)荷進一步增大;而在低工作負(fù)荷飛行階段(例如,途中),卻能減少工作負(fù)荷。由于理解并與自動化進行交互會使需求增大,工作負(fù)荷通常從可觀測的手動任務(wù)切換為不一定可觀測的認(rèn)知任務(wù)。未來需要進一步開發(fā)易于使用、理解和交互的自主系統(tǒng)。此外,必須特別注重選擇哪些任務(wù)由自動化處理,或者委派給自主系統(tǒng)執(zhí)行,確保機組人員收到的是與人的能力相適應(yīng)的一組連貫任務(wù), 而不是輕易無法實現(xiàn)自動化的離散任務(wù)。這種“以人為中心”( Human Centered)的方法對于實現(xiàn)“人一自主編隊”性能最優(yōu)化至關(guān)重要。
4. 人—自主決策集成
自主性通常用以支持人的決策。專家系統(tǒng)或決策支持系統(tǒng)提供決策指導(dǎo)。例如,行動過程制定或評估、目標(biāo)提示或者對探測到的目標(biāo)進行分類等。實際上,有效的決策支持存在困難。雖然我們一般假定這種系統(tǒng)能夠改善人的決策 尤其是在執(zhí)行困難任務(wù)時,但事實并非如此。證據(jù)顯示,人一般先采納系統(tǒng)評估所增加,因而決策時間也會相應(yīng)延長。因此,輔助決策系統(tǒng)如果存在缺陷,可能 并不一定能夠提升整體人/系統(tǒng)決策的精確度和實時性。
展開 無人系統(tǒng)自主性研究綜述
有時是因為誤讀系統(tǒng)模式,或者未能準(zhǔn)確地預(yù)測系統(tǒng)在給定態(tài)勢下的反應(yīng),將會導(dǎo)致態(tài)勢感知不精確,進而決策失當(dāng)。即使是訓(xùn)練有素的飛行員也可能無法充分地理解自動飛行導(dǎo)航與制導(dǎo)控制系統(tǒng)的所有模式,因而會在一定程度上影響與自動化的有效交互。未來系統(tǒng)需要更加注重開發(fā)能使所有機組成員保持期望的態(tài)勢感知水平的自主性方法。
3. 最優(yōu)工作負(fù)荷等級
雖然使用自動化的目標(biāo)通常是減少手動工作量(進而降低操作的人力需求),但它通常未必能夠?qū)崿F(xiàn)這一目標(biāo)。這種情況被戲稱為“自動化的尷尬( Irony of Automation)。在高工作負(fù)荷飛行階段(例如,飛機起降),它通常會導(dǎo)致工作負(fù)荷進一步增大;而在低工作負(fù)荷飛行階段(例如,途中),卻能減少工作負(fù)荷。由于理解并與自動化進行交互會使需求增大,工作負(fù)荷通常從可觀測的手動任務(wù)切換為不一定可觀測的認(rèn)知任務(wù)。未來需要進一步開發(fā)易于使用、理解和交互的自主系統(tǒng)。此外,必須特別注重選擇哪些任務(wù)由自動化處理,或者委派給自主系統(tǒng)執(zhí)行,確保機組人員收到的是與人的能力相適應(yīng)的一組連貫任務(wù), 而不是輕易無法實現(xiàn)自動化的離散任務(wù)。這種“以人為中心”( Human Centered)的方法對于實現(xiàn)“人一自主編隊”性能最優(yōu)化至關(guān)重要。
4. 人—自主決策集成
自主性通常用以支持人的決策。專家系統(tǒng)或決策支持系統(tǒng)提供決策指導(dǎo)。例如,行動過程制定或評估、目標(biāo)提示或者對探測到的目標(biāo)進行分類等。實際上,有效的決策支持存在困難。雖然我們一般假定這種系統(tǒng)能夠改善人的決策 尤其是在執(zhí)行困難任務(wù)時,但事實并非如此。證據(jù)顯示,人一般先采納系統(tǒng)評估所增加,因而決策時間也會相應(yīng)延長。
展開 無人集群系統(tǒng)自主協(xié)同技術(shù)綜述
、多Agent系統(tǒng)態(tài)勢共識、未知系統(tǒng)動力學(xué)、群體智能理論與技術(shù)、機器學(xué)習(xí)方法和行為決策方法等方面分析了自主協(xié)同技術(shù)研究現(xiàn)狀，闡述了單體無人系統(tǒng)技術(shù)和群體無人系統(tǒng)技術(shù)的未來發(fā)展方向，給出了無人集群系統(tǒng)的發(fā)展趨勢和技術(shù)限制。
無人集群系統(tǒng)自主協(xié)同技術(shù)綜述
、多Agent系統(tǒng)態(tài)勢共識、未知系統(tǒng)動力學(xué)、群體智能理論與技術(shù)、機器學(xué)習(xí)方法和行為決策方法等方面分析了自主協(xié)同技術(shù)研究現(xiàn)狀，闡述了單體無人系統(tǒng)技術(shù)和群體無人系統(tǒng)技術(shù)的未來發(fā)展方向，給出了無人集群系統(tǒng)的發(fā)展趨勢和技術(shù)限制。
