[發明專利]基于脈沖神經元模型和AC網絡的無人機類腦避障方法

在審

• 申請號: 202210368152.1
• 申請日: 2022-04-08
• 公開（公告）號: CN114859961A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 喻煌超;叢一睿;尹棟;王祥科;趙述龍;陸俊麒;曹粟;王小霞
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G05D1/10
• 分類號: G05D1/10;G06N3/04;G06N3/08;G06F17/13
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 廖元寶

本發明公開了一種基于脈沖神經元模型和AC網絡的無人機類腦避障方法，包括步驟：1)分析脈沖神經元的響應特性，建立神經元脈沖響應模型；2)對脈沖AC網絡的輸入輸出進行編碼，并完成時序差分的參數更新；3)獲取無人機狀態信息，通過神經元脈沖響應模型和脈沖AC網絡輸出避障決策以進行避障；其中無人機狀態信息包括由無人機相機拍攝到的圖像信息。本發明的方法耗時短、輸出響應快、消耗計算資源少且能耗低。

技術領域

本發明主要涉及無人機技術領域，具體涉及一種基于脈沖神經元模型和AC網絡的無人機類腦避障方法。

背景技術

無人機(Unmanned Aerial Vehicle，UAV)在學術界和工業界都受到了空前重視并得到迅速發展。目前，無人機廣泛應用于情報偵察、軍事打擊、信息對抗、搜索救援等軍事領域，以及航空攝影、環境保護、農林作業、貨物遞送、道路交通監控等民用領域。

許多無人機都涉及到在低空和受限環境的飛行，例如空中格斗、復雜環境快速穿越、巡航過程中遇到突發情況等。這些情況對無人機的快速避障提出了很大的考驗。無人機對障礙物識別距離和數量有限，在面對近距離障礙或者障礙速度較快時，無人機需要做出非常劇烈和頻繁的機動動作。準確而快速的機動動作決策可以確保無人機自身安全，極大地提高無人機的生存能力。

隨著應用的不斷擴展，無人機越來越多地面臨著復雜動態的飛行環境。在復雜動態的環境中，無人機遇到突發事故的可能性不斷提高，為了能夠智能、自主地完成任務，無人機必須具備對快速運動障礙實現快速避障的能力。因此，使無人機能夠完成快速的機動動作決策，實現對近距離或者動態障礙的快速避障，是其保全自身并順利完成任務的基礎。對無人機避障快速決策展開研究具有重要的理論意義和應用價值。

無人機通過動作決策實現快速避障主要面臨以下挑戰：

其一，快速性挑戰。面對快速避障任務時，無人機面臨的是運動速度較快或相對距離近的目標，這就要求其必須在短時間內完成快速避障任務。這不僅包括運動規劃和底層控制的快速響應，還需要無人機迅速完成運動規劃的頂層決策。這對于傳統的無人機運動規劃和控制方法來說較難實現：一方面，在獲知目標的運動狀態時才能較快地完成運動規劃，在目標運動狀態未知的情況下，則很難在短時間內完成運動規劃；另一方面，多層嵌套的反饋控制回路束縛了無人機的動作執行頻率，難以滿足快速避障需求。而傳統的無人機決策方法，往往高度依賴于環境信息的預處理，而這往往占據了決策算法的大部分時間。若能想辦法將這部分時間節省下來，則可以大大加快無人機決策的速度。

其二，機載資源受限。小型無人機受限于自身的機型和載荷大小，無法攜帶較多的計算資源：復雜的決策算法會消耗大量的計算資源，從而依賴高性能的計算設備實現，然而這些重量較大，無法在載荷受限的小型無人機上使用，這導致了無人機需要在機載資源受限的條件下選用輕量級算法進行快速決策。

為應對這兩個重大挑戰，需要探索耗時短、消耗計算資源少、能耗低的快速避障方法。在處理一些復雜任務時，人腦的決策機制十分高效。因此，通過借鑒人腦的決策機制，很有可能找到一種耗時短、消耗計算資源少、能耗低的快速決策方法。

起源于腦科學的脈沖神經網絡(Spiking Neural Network，SNN)是第三代人工神經網絡，以其豐富的時空領域的神經動力學特性、多樣的編碼機制、事件驅動的優勢引起了學者的關注。近年來，脈沖神經網絡的發展使得當前以腦科學成果為基礎和啟發的一種新型計算范式——類腦計算(Brain-Inspired Computing，BIC)產生了極大的發展。通過脈沖神經網絡來實現類腦決策方法，可以顯著縮小網絡規模，同時高密度的信息傳遞方式具備降低資源消耗的特性。