自主行为智能体论文-杨延

自主行为智能体论文-杨延

导读:本文包含了自主行为智能体论文开题报告文献综述及选题提纲参考文献,主要关键词:智能体,群体动画,骨骼动画,3D引擎

自主行为智能体论文文献综述

杨延[1](2009)在《群体动画中自主智能体的行为控制》一文中研究指出在群体动画的创作领域中,由于真实性难以保证,角色没有自主性,动画创作花费大等缺点,基于关键帧的技术已经成为过去时。基于自主智能体的群体动画一出现就受到了开发人员和市场的青睐。但由于在基于自主智能体的群体动画中对角色建模的要求比较高,角色间的耦合度相对较大,这就限制了群体动画的渲染效率。在这种情况下,为保证动画效果和实时性及真实度不降低的前提下,提高渲染效率是群体动画需要解决的一个根本问题。同时保证动画的真实性和自主性并提高群体动画的渲染效率是本课题待解决的目标。针对这几个关键问题,我们做了以下工作和研究:1)设计并开发了一个通用的3D渲染引擎为了更好地完成群体动画的开发过程,首先开发一款通用的引擎是比较有意义的。2)使用基于关键帧的骨骼动画,优化角色动画性能所有的智能体都是可以看作一个角色而存在的,角色动作的实现都是由蒙皮骨骼动画来实现的。采用关键帧的骨骼动画不仅可以完美地模拟角色的每个动作,也可以大大提高渲染的效率,在群体动画中使用会在提高效率一项上有很大的优势。3)深入研究了行为控制在群体动画中对自主智能体的影响群体动画中,对自主智能体的建模的好坏关系到群体动画的真实度和实时性。如果一个角色无端地穿过另一个角色或者做出莫名奇妙的动作反映,我们都认为这个角色建模是失败的。本课题将行为控制和角色建模紧密地结合在一起,当角色做出任何动作之前都会查询行为控制方法来对其下一个动作进行约束或者调整。实现了多个行为控制方法,保证了动画的真实性。4)实现了多个有代表性的群体动画场景本课题的目标是实现多角色的群体动画,最后的实现中选择了两个有代表性的场景来对我们的系统进行了测试和验证。(本文来源于《电子科技大学》期刊2009-06-01)

秦政[2](2007)在《基于自主和自学习行为智能体的AUV运动规划研究》一文中研究指出本论文以国家重大基础研究项目“水下无人潜器技术”为背景,对基于行为主义的智能体技术在自治式水下机器人(Autonomous underwatervehicle,简称AUV)运动规划中的应用展开了深入地研究。论文的研究旨在提高AUV自主作业过程中对环境的适应性、反应的快速性以及决策的有效性。论文主要完成以下的研究工作:针对动态不确定环境下的AUV运动规划问题,将智能体的行为看作是AUV和环境之间交互的一个动态变化的过程,提出并阐释了行为动力学方法,并利用该方法建立了AUV水平面的自主行为智能体。仿真结果表明自主行为智能体对非结构环境响应快速,正确、有效。垂直面运动规划对AUV下潜深度及距底高度均有特殊要求,而单独的定高航行或定深航行难以同时满足。本文建立了基于模糊推理的AUV垂直面自主行为智能体,对定高航行行为和定深航行行为进行融合。仿真结果说明垂直面自主行为智能体在保证AUV自身安全的同时,尽可能满足了声学仪器对距底高度的要求,此外正常航行时AUV不随海底地形起伏而频繁改变深度,使得航行稳定。为了对AUV空间运动规划中水平面和垂直面自主行为智能体进行协调,提出了基于使命分解和任务执行语句的行为协调机制。该机制的原理是:将使命分解成若干个能够顺序执行的任务,针对特定任务定义任务执行语句,任务执行语句将任务转换为并发的自主行为智能体,再按照优先级规则对并发行为进行协调。进行了仿真验证,结果证明提出的自主行为智能体及协调机制正确、可行。针对传统强化学习方法应用于AUV工程实际的不足,如学习的泛化性差、试错带来的风险性以及学习效率低等,提出了基于神经网络和案例的Q学习算法(NCQL)。NCQL的基本思想是用神经网络解决Q学习的泛化问题;用案例学习保证学习过程的收敛性、避免试错的风险及提高学习效率。给出了基于NCQL的AUV自学刊行为智能体各要素的实现方法。进行了仿真,仿真结果可以看出,提出的NCQL算法收敛性能好、收敛速度快并且收敛到的结果较优化。NCQL算法具有在线学习和自适应学习的特点。论文从自主控制体系结构顶层设计要求出发,设计了含行为智能体的混合式AUV自主控制系统。采用有色Petri网(CPN)作为工具,对所提出的结构进行了形式化建模,利用CPN的数学理论分析了模型基本特性,包括有界性、活性和互斥性。形式化分析验证了AUV自主控制体系结构以上性质的正确性和有效性。为了综合验证本文所提出的各主要方法,分别进行了声呐湖上试验、缩尺度模拟试验和半实物仿真试验。本文从声学传播和声呐物理特性考虑,提出了一种数字滤波算法,对多波束前视声呐探测到的数字信号进行后处理。设计了基于声呐信息的避障试验方案,进行了避障行为动力学模型的湖上试验验证。设计了AUV缩尺度模拟试验,应用激光测距仪模拟AUV前视声呐传感器,完成了不同案例下的水平面行为智能体功能的有效验证。利用半实物仿真平台对含行为智能体的AUV自主控制系统进行了仿真试验。通过反复试验,进一步说明了本文所提方法正确、可行。基于自主和自学习行为智能体的运动规划研究对于AUV安全、高效地完成远程航海与地形勘察自主作业使命,具有重要的理论意义和实用价值。(本文来源于《哈尔滨工程大学》期刊2007-11-01)

居鹤华,崔平远,刘红云[3](2006)在《基于自主行为智能体的月球车运动规划与控制》一文中研究指出研究基于自主行为智能体的月球车运动规划与控制方法.在基于自主行为智能体的月球车系统结构基础上,首先设计了月球车运动规划与控制的一组基本行为,对其原理进行证明.通过行为状态机对行为进行选择,如果不能保障月球车安全性能,则由运动规划智能体学习其行为参数,并由神经网络记忆.将月球车运动规划与控制分解为行为设计与学习两个过程,使月球车控制系统易于加入先验知识.同时,月球车运动规划能够满足其机动性与地形传送性约束,保证工程开发的结构化与可实现性.该方法不仅具有实时性,而且对未知环境具有较强的适应能力.仿真研究与实验证明了该方法的有效性.(本文来源于《自动化学报》期刊2006年05期)

居鹤华,崔平远,崔祜涛[4](2005)在《基于自主行为智能体的月球漫游车运动规划与控制》一文中研究指出本文研究基于自主行为智能体的月球车运动规划与控制方法。在基于自主行为智能体控制系统体系结构基础上,首先设计了月球车运动规划与控制的一组基本行为,然后通过行为状态机对行为进行选择。如果规划结果不能保障月球漫游车的安全,则由运动规划智能体进行行为参数学习,并由神经网络记忆行为参数、环境状态、月球车运动状态。该行为控制系统根据环境的状态自适应地选择相应行为与参数,从而增强月球车对未知环境的适应能力。本文将月球漫游车运动规划与控制问题分解为基本行为设计与学习两个过程,使月球车控制系统设计易于加入人的先验知识。同时,月球车的基本行为能够满足月球漫游车机动性约束与月面地形的传送性约束,保证月球车系统开发过程的结构化与可实现性。该方法不仅具有很高的实时性, 而且对未知环境具有很强的适应能力。初步仿真研究与原型样机试验证明了该方法的有效性。(本文来源于《中国宇航学会深空探测技术专业委员会第一届学术会议论文集》期刊2005-01-01)

自主行为智能体论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

本论文以国家重大基础研究项目“水下无人潜器技术”为背景,对基于行为主义的智能体技术在自治式水下机器人(Autonomous underwatervehicle,简称AUV)运动规划中的应用展开了深入地研究。论文的研究旨在提高AUV自主作业过程中对环境的适应性、反应的快速性以及决策的有效性。论文主要完成以下的研究工作:针对动态不确定环境下的AUV运动规划问题,将智能体的行为看作是AUV和环境之间交互的一个动态变化的过程,提出并阐释了行为动力学方法,并利用该方法建立了AUV水平面的自主行为智能体。仿真结果表明自主行为智能体对非结构环境响应快速,正确、有效。垂直面运动规划对AUV下潜深度及距底高度均有特殊要求,而单独的定高航行或定深航行难以同时满足。本文建立了基于模糊推理的AUV垂直面自主行为智能体,对定高航行行为和定深航行行为进行融合。仿真结果说明垂直面自主行为智能体在保证AUV自身安全的同时,尽可能满足了声学仪器对距底高度的要求,此外正常航行时AUV不随海底地形起伏而频繁改变深度,使得航行稳定。为了对AUV空间运动规划中水平面和垂直面自主行为智能体进行协调,提出了基于使命分解和任务执行语句的行为协调机制。该机制的原理是:将使命分解成若干个能够顺序执行的任务,针对特定任务定义任务执行语句,任务执行语句将任务转换为并发的自主行为智能体,再按照优先级规则对并发行为进行协调。进行了仿真验证,结果证明提出的自主行为智能体及协调机制正确、可行。针对传统强化学习方法应用于AUV工程实际的不足,如学习的泛化性差、试错带来的风险性以及学习效率低等,提出了基于神经网络和案例的Q学习算法(NCQL)。NCQL的基本思想是用神经网络解决Q学习的泛化问题;用案例学习保证学习过程的收敛性、避免试错的风险及提高学习效率。给出了基于NCQL的AUV自学刊行为智能体各要素的实现方法。进行了仿真,仿真结果可以看出,提出的NCQL算法收敛性能好、收敛速度快并且收敛到的结果较优化。NCQL算法具有在线学习和自适应学习的特点。论文从自主控制体系结构顶层设计要求出发,设计了含行为智能体的混合式AUV自主控制系统。采用有色Petri网(CPN)作为工具,对所提出的结构进行了形式化建模,利用CPN的数学理论分析了模型基本特性,包括有界性、活性和互斥性。形式化分析验证了AUV自主控制体系结构以上性质的正确性和有效性。为了综合验证本文所提出的各主要方法,分别进行了声呐湖上试验、缩尺度模拟试验和半实物仿真试验。本文从声学传播和声呐物理特性考虑,提出了一种数字滤波算法,对多波束前视声呐探测到的数字信号进行后处理。设计了基于声呐信息的避障试验方案,进行了避障行为动力学模型的湖上试验验证。设计了AUV缩尺度模拟试验,应用激光测距仪模拟AUV前视声呐传感器,完成了不同案例下的水平面行为智能体功能的有效验证。利用半实物仿真平台对含行为智能体的AUV自主控制系统进行了仿真试验。通过反复试验,进一步说明了本文所提方法正确、可行。基于自主和自学习行为智能体的运动规划研究对于AUV安全、高效地完成远程航海与地形勘察自主作业使命,具有重要的理论意义和实用价值。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

自主行为智能体论文参考文献

[1].杨延.群体动画中自主智能体的行为控制[D].电子科技大学.2009

[2].秦政.基于自主和自学习行为智能体的AUV运动规划研究[D].哈尔滨工程大学.2007

[3].居鹤华,崔平远,刘红云.基于自主行为智能体的月球车运动规划与控制[J].自动化学报.2006

[4].居鹤华,崔平远,崔祜涛.基于自主行为智能体的月球漫游车运动规划与控制[C].中国宇航学会深空探测技术专业委员会第一届学术会议论文集.2005

标签:;  ;  ;  ;  

自主行为智能体论文-杨延
下载Doc文档

猜你喜欢