Спосіб навігації безпілотних підводних апаратів у стохастичних середовищах на базі глибокого навчання з підкріпленням
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Актуальність теми. Автономні підводні апарати відіграють критично важливу роль у дослідженні океану, моніторингу морського середовища, пошуково-рятувальних операціях та промислових застосуваннях. Однак підводне середовище характеризується високим рівнем невизначеності, що створює значні виклики для систем навігації та управління. Традиційні підходи до навігації AUV, такі як методи на основі моделей, часто виявляються недостатньо ефективними в умовах змінних течій, комунікаційних затримок, шумів датчиків та інших збурень. Тому застосування методів глибокого навчання з підкріпленням для створення більш адаптивних та завадостійких систем навігації є перспективним напрямом досліджень, який потенційно може вирішити зазначені проблеми.
Об’єктом дослідження є процес навігації безпілотних підводних апаратів в умовах стохастичних збурень та невизначеності навколишнього середовища.
Предметом дослідження є методи глибокого навчання з підкріпленням (зокрема алгоритм Proximal Policy Optimization), а також підходи зменшення "прогалини в реальності" (Domain Randomization та Curriculum Learning) для забезпечення робастності навігаційних систем.
Мета роботи: розробка способу робастної навігації безпілотних підводних апаратів, здатного ефективно компенсувати вплив непередбачуваних гідродинамічних збурень (течій) та похибок навігаційних сенсорів, шляхом інтеграції алгоритмів глибокого навчання з підкріпленням та методології Sim-to-Real.
Наукова новизна полягає в наступному:
1. Розвиток методології Sim-to-Real для систем навігації підводних дронів шляхом адаптації комбінованого підходу Domain Randomization та Curriculum Learning до специфіки підводного середовища.
2. Проведено систематичний аналіз та кількісну валідацію поведінки DRL-агентів при їх перенесенні з ідеалізованих симуляційних умов у стохастичні середовища.
Практична цінність одержаних результатів полягає у створенні реалістичного імітаційного середовища для безпілотних підводних апаратів, яке враховує нелінійні гідродинамічні ефекти, стохастичні течії та шум сенсорів. На його основі може бути розроблено робастний спосіб навігації з використанням глибокого навчання з підкріпленням та рандомізації домену, який дозволяє ефективно долати розрив між симуляцією та реальністю (Sim-to-Real gap). Запропонований підхід забезпечує формування плавної та енергоефективної політики керування, що є критично важливим для економії заряду батареї під час експлуатації реальних платформ.
Апробація роботи. Основні положення і результати роботи були представлені та обговорювались на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2025 (Київ, 19-21 листопада 2025 р.). Також результати досліджень були опубліковані у журналі категорії “Б” “Таврійський науковий вісник”, серія “Технічні науки” випуск 6, 2025 рік.
Структура та обсяг роботи. Магістерська дисертація складається з вступу, трьох розділів та висновків.
У вступі подано загальну характеристику роботи, зроблено оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їхнє впровадження.
У першому розділі розглянуто існуючі методи автономного управління дронами, способи розробки подібних систем та їх застосування у реальних задачах. Проведено аналіз, який дає змогу визначити основні переваги та недоліки цих навчальних посібників.
У другому розділі описано та обґрунтовано обрані методи розробки системи навігації для автономних підводних дронів.
У третьому розділі описано розроблену систему та функціонал усіх її компонентів.
У висновках представлені результати проведеної роботи.
Робота представлена на 92 аркушах, містить посилання на список використаних літературних джерел.
Опис
Ключові слова
безпілотний підводний апарат (БППА), агент штучного інтелекту, глибинне навчання, Sim-to-Real, завадостійка навігація, unmanned underwater vehicle (UUV), artificial intelligence agent, deep learning, jamming-resistant navigation
Бібліографічний опис
Безруков, І. О. Спосіб навігації безпілотних підводних апаратів у стохастичних середовищах на базі глибокого навчання з підкріпленням : 123 Комп'ютерна інженерія / Безруков Ігор Олегович. – Київ, 2026. – 72 с.