机器学习

机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。机器学习能通过数据或以往的经验，自动改进的计算机算法。

    基于机器视觉的环境感知

将计算机视觉应用于无人船的水上目标识别、分类和跟踪，通过视觉识别航道中的障碍物等环境变化，用以辅助无人船的决策。在机艇协同中，采用机器学习理论解决地标识别问题，通过视觉定位进行辅助着艇。

    基于强化学习的智能体决策与控制

将强化学习应用于无人船和水下机器人控制与决策，在仿真场景中对智能体的运动控制和决策进行训练，以环境信息为输入，使用深度神经网络拟合策略，以控制信号为输出，赋予智能体执行跟踪、避障、围捕、编队对抗等多种任务的能力。将强化学习与传统控制和建模方法相结合，有效提高对拥有复杂动力学模型系统的控制效果，并使智能体获得根据环境和目标进行自主决策的能力。

    传感器融合

利用深度学习的方法融合多传感器信息进行自动驾驶场景中感知步骤中的目标识别。融合Lidar、Camera、GPS的实时海上目标识别：无人船搭载360度机械式高线束激光雷达，以及多个不同视角的相机进行环境感知，激光雷达将周围环境表达为毫米级精准的点云形式，将其投影在不同视角的相机图像中，结合RGB图像识别的神经网络筛选出表示为包含种类信息的目标障碍物的点云，将筛选后的点云反投影回三维空间，在鸟瞰图视角下采用点云滤波、聚类的方法提取出目标障碍物的位置，最后利用当前GPS坐标筛选出拟定规划好的地理范围内的障碍物，实现无人船行驶过程中的对障碍物的智能感知。

    无人船博弈

将博弈论引入多智能体系统中，执行无人船编队、对抗、围捕等任务。通过采用不同的策略、目标和奖励来实现更优的决策和控制。在多智能体系统中，多个智能体是同时学习的，每个智能体的任务可能不同，但是彼此之间又相互耦合影响。因此当同伴和对手的策略改变时，每个智能体自身的最优策略也可能会变化。相似的，智能体不光要考虑自身对环境的探索，也要对同伴和对手的策略变化进行探索，并保证同伴策略的平衡状态。每个智能体的探索都可能对同伴智能体和对手智能体的策略产生影响。

    船舶智能控制

船舶智能控制方面，实验室当前研究方向主要在无人艇控制、导航、规划、动力定位等方面，将理论与工程相结合，研究更安全、更稳定、更高效的无人艇控制、避碰和运动规划算法，实现了国内首次船舶动力定位水池实验。

动力定位系统是通过控制动力保持船位和航向的系统，其中包含保持固定船位、船舶精确操纵、航迹控制等船舶控制。动力定位系统可以根据实际海况对船舶的船位和艏向进行自动控制。船位和艏向是船舶在海上航行的两个基本参数，决定了船舶在海平面上的运动状况。通常的船舶操纵是通过舵机控制，这种控制是粗略的，不能满足高精度、长时间稳定定位的需求。而在海洋工程、科学考察和军事等领域客观上存在着这种精准控制的需要。

    机艇协同

对于海上探测应用而言，无人机和无人艇的协同可有效提高工作效率。无人艇的特点是续航能力强，载荷大，可携带多种海上和水下探测设备；无人机的特点是观测范围大，通信距离远，接收无线电信号的能力强。如果将二者结合起来，工作时由续航和载荷能力强的无人艇搭载无人机到指定工作区域，续航能力有限的无人机起飞执行搜索侦察或通信中继的任务，完成任务后着艇返航，就可以发挥二者的长处，形成海空协同立体搜救体系，可显著提高执行复杂海上任务的能力。

实验室当前开展海空协同控制理论与关键技术研究，采用机器学习理论解决地标识别问题，实现海空异质多自主体系统的智能环境感知；基于定量控制方法对无人机进行双环前馈反馈复合控制，提出特征压缩控制方法，实现无人艇的低复杂度位姿控制；拓展频域最优设计方法，结合人工智能理论提出新的协同控制方法，实现异质多自主体系统的自主协同与决策，并开发了具有自主控制能力的海上机艇协同系统原型样机。

    路径规划

路径规划通常包含全局路径规划和局部路径规划。全局路径规划可称为全局导航规划，是从出发点到目标点之间的纯几何路径规划，无关时间序列，无关载体动力学；局部路径规划，又可称为动态路径规划。主要是通过探测障碍物，对障碍物的移动轨迹跟踪，做出下一步可能位置的推算，最终绘制出一幅包含现存碰撞风险和潜在碰撞风险的障碍物地图，并规划相应避碰路径。

    非线性系统控制

在工程实际中，许多系统具有非线性特征和时滞现象，如化学反应系统、机械系统、生物系统等。因此，研究时滞非线性系统的控制问题具有重要的理论价值和实际意义。另外，系统可能处于随机变化的环境中，因而会受到随机扰动。当系统的一些信息包括状态、结构参数、控制系数、扰动及时滞等部分或全部未知时，对于时滞非线性系统，仍有大量问题亟待解决。切换时滞系统作为混杂的一个重要类型，是包含连续时间动态和离散以及它们之间相互作用的复杂动态系统。利用切换系统理论、平均驻留时间方法、Lyapunov-Razumikhin理论方法和多Lyapunov-Krasovskii泛函等方法，可以对该镇定问题构造性设计控制器。针对带未知信息的高次时滞非线性系统，发展现有的自适应控制理论，并探讨系统的控制器设计方法，具有重要的意义。

当前，实验室针对高阶时滞非线性系统或高阶随机非线性系统，主要研究自适应控制、输出反馈控制、跟踪控制等。