海洋环境下自主水面船深度学习调查
本综述论文系统地总结了目前应用于自主导航中的端到端深度学习框架,包括障碍物检测、场景感知、路径规划和控制,并分析了最新的研究状况和评估深度学习方法的实施和测试。该论文强调了导航对于机动机器人、自动驾驶车辆和无人机的重要性,并讨论了深度学习方法在自主导航中存在的局限性、挑战和潜在增长领域。该综述为在自主导航和深度学习领域工作的研究人员和实践者提供了有价值的参考资源。
Feb, 2023
使用自主水下航行器,特别是在图像分析方面的创新,以提高准确率和效率,彻底改变了我们从海底获得数据的方式。本文总结和比较了 AUV 海底图像处理中最新的进展,涵盖了从计算机和算法进展到传感器和相机的海洋技术领域。通过阅读本文,您将对使用 AUV 处理海床照片的最新技术和工具有扎实的了解,并且了解它们如何进一步提高我们对海底的理解。
Nov, 2023
本文旨在调查深度学习技术在自驾车领域中的最新进展及其强项与局限性,涵盖了基于人工智能的自动驾驶架构、卷积和循环神经网络、深度强化学习范式等内容,以及感知、路径规划、行为仲裁和运动控制算法。同时,重点探讨了当今在设计自动驾驶人工智能架构中所面临的挑战,如安全性、训练数据源和计算硬件等。
Oct, 2019
本文旨在简要概述深度学习方法在水下机器人的视觉导航中的应用。论文的范围包括利用深度学习方法进行水下机器人的视觉感知、可获得的水下视觉数据集、仿真学习和强化学习方法以及与训练方法相关的分类。除了作为对比例子外,本文不考虑使用深度学习算法处理非视觉数据的水下导航文献。
Oct, 2023
利用海洋无人机进行目标检测的深度学习技术在海洋工程和海洋行业的应用越来越重要。本文综述了海洋无人机目标检测面临的挑战、相关方法以及无人机航拍数据集,并提出了一个名为 MS2ship 的海洋无人机航拍数据集用于船只检测。通过一系列实验评估和鲁棒性分析,论文展示了这些目标检测方法在海洋数据集上的性能,并对未来的海洋无人机目标检测工作进行了讨论和展望。
Nov, 2023
本文介绍了一种基于 COLREG 的深度强化学习和计算机视觉技术的导航系统,该系统在逼真的海洋模拟环境中进行了评估,并证明了其在避免碰撞和设置航点方面的有效性。
Jul, 2023
这篇论文调查了应用深度学习方法控制汽车的研究进展和存在的挑战,研究重点在于车辆控制而非感知问题,涵盖计算、架构、目标、泛化、验证和安全方面的探讨,为智能交通系统相关的领域提供及时有效的信息。
Dec, 2019
通过结合海洋数据科学、深海探索、自主水下载具、水下成像和机器人三维重建等技术的最新发展,我们提出了一个系统,可在海底面积达公顷级的范围内进行自动化的机器人三维重建。该系统经过多次研究航行的测试和评估,展示了在真实条件下的稳定性和实用性。
Aug, 2023
本文提出了一个基于深度强化学习的逼真的模块化框架,用于控制内陆水路上的自主表面船舶(ASV)。该框架包括两个层次:高级本地路径规划(LPP)单元和低级路径跟踪(PF)单元,每个单元都包含一个 DRL 代理。其中,LPP 代理负责考虑附近船只、交通规则和水路几何形状来规划路径,我们利用了最近提出的空间时间循环神经网络架构,在连续行动空间下进行转移。PF 代理负责低级执行器控制,同时考虑浅水对海船的影响以及环境力量如风、浪和洋流。两个代理在仿真环境中进行了全面验证,以德国北部的下艾尔伯为案例,使用真实的 AIS 轨迹来模拟其他船只的行为。
Jul, 2023
通过对自主水下车辆技术和海床图像处理技术的最新进展的全面调查,我们将探索这些进展如何改变我们探索和理解海洋的方式,以及它们对海洋科学未来的潜在影响。加入我们一起发现激动人心的水下探索世界以及推动其发展的技术。
Nov, 2023