CN115392476B - 一种有无人协同作战体系中的智能孪生体 - Google Patents
一种有无人协同作战体系中的智能孪生体 Download PDFInfo
- Publication number
- CN115392476B CN115392476B CN202210794678.6A CN202210794678A CN115392476B CN 115392476 B CN115392476 B CN 115392476B CN 202210794678 A CN202210794678 A CN 202210794678A CN 115392476 B CN115392476 B CN 115392476B
- Authority
- CN
- China
- Prior art keywords
- intelligent
- twin
- perception
- module
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/579—Depth or shape recovery from multiple images from motion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Stored Programmes (AREA)
Abstract
本发明属人工智能及指挥控制技术领域,涉及一种有无人作战编组的数字孪生体。一种有无人协同作战体系中的智能孪生体,包括:感知控制模块、孪生设备数据模型、交互模块、指挥控制接口模块、模型训练与学习模块、消息通信模块;本发明对物理世界实现对设备自身状态、所搭载的载荷能力、设备所处物理环境虚拟化,并根据上层应用实现对物理设备的控制。对于上层应用,智能孪生体根据应用需求实现对资源的灵活组合编排,实现对任务的分解,提供解决方案,并在赛博空间对解决方案进行推演和评估,为构建高质量解决方案提供基础。智能孪生体间有智能交互能力,能够了解其他智能孪生体的能力和状态,获得其他孪生体的学习优化结果和未知情景的响应经验。
Description
技术领域
本发明属人工智能及指挥控制技术领域,涉及一种有无人作战编组的数字孪生体。
背景技术
随着人工智能技术、无人系统、物联网的军事应用越来越广,智能化战争的已成为未来战争的必然趋势。美国在网络中心战之后,陆续提出了马赛克战、决策中心战、联合全域战等作战概念。网络中心战基于战场环境的高透明度和对作战平台的高控制力实现“全互联”,然而战场具有强对抗性,通信也面临着强干扰,“全互联”面临着越来越多的挑战。
在智能化作战体系中,智能将渗透到各作战环节,作战平台实现无人化和智能化,分布式部署于全战场纵深,融合于作战体系的每一单元和要素,使得网络体系具备更加透彻的感知、更加高效的指挥、更加精确的打击和更加自由的互联。这种新型作战方式通过人的指挥与机器的控制相结合的方式任意快速搭配组合标准化功能单元,在功能层面将数量较多的、体积较小的、功能单一的作战要素集成到更多的无人、自主系统中,构建具有自适应性、灵活性的杀伤网,可根据战场态势变化及时调整兵力结构布局、改变作战计划行动,从而在合适的地点发挥最大的功效,最终混淆敌方作战目标、造成“战场迷雾”,获得体系对抗中的主导优势。
未来智能化作战体系主要呈现以下四个特征,一是无人化程度将越来越高,二是有人无人协同层次更深,三是作战单元重组越来越灵活灵敏,四是作战指挥更加注重动态推演。
深入分析强敌的先进作战样式及其关键特征,可以发现下一代作战概念中体系能力形成的关键之一便是作战编组的虚拟化,通过作战资源的虚拟化实现赛博空间智能化运用,形成“虚实协同、以虚驭实”的能力。因此,需要构建一种有无人作战编组数字孪生体,提供赛博空间与物理空间的纽带。
发明内容
本发明的目的是:针对上述背景技术中智能化作战体系构建的需求,提供一种有无人协同作战体系中的智能孪生体。
本发明的技术方案是:一种有无人协同作战体系中的智能孪生体,它包括:感知控制模块、孪生设备数据模型、交互模块、指挥控制接口模块、模型训练与学习模块、消息通信模块。
感知控制模块用于实现对物理空间中设备的感知及控制、对设备能力的感知、对物理空间环境的感知。
孪生设备数据模型为所构建的物理空间中设备的孪生数据模型。
交互模块用于实现多个智能孪生体间的相互通信,以及智能孪生体与工作人员间的通信。
指挥控制接口模块用于实现智能孪生体与赛博空间中指挥控制系统的交互。
模型训练与学习模块用于不断提升智能孪生体的能力。
消息通信模块用于实现智能孪生体中各模块间的通信。
上述六个模块为智能孪生体的基本模块,可以根据应用环境添加网络、安全、通信感知等模块进一步丰富智能孪生体功能。
上述方案的基础上,进一步的,感知控制模块的主要功能是通过接入网实现与物理世界,即物理域的交互,感知控制模块包括:设备控制、设备感知、环境感知以及交互接口与协议;设备感知能够实现对设备本身状况的感知及对设备能力的感知;环境感知是通过智能孪生体的感知能力实现对物理环境的感知、建模和认知,将对物理环境的探测感知数据采集到智能孪生体,在虚拟空间复现物理域,构建一个平行的物理环境;设备控制对设备下达指令,实现对设备的控制;设备控制、设备感知、环境感知通过交互接口与协议实现对设备及其能力的感知、对设备的控制。
上述方案的基础上,进一步的,孪生设备数据模型包括:设备基础模型、资源池、能力包和日志;设备基础模型是对设备的基础描述;资源池是对设备所具备的能力的描述;能力包结合设备基础模型及资源池,对设备所具有的资源封装,将若干资源、一组命令进行组合,形成设备的初步能力;日志为设备的历史数据记录,包括设备运行状态、执行任务等一系列历史数据的记录。
上述方案的基础上,进一步的,交互模块包括:智能通信、安全管理与人机交互;智能通信实现智能孪生体之间的交互,智能孪生体可以通过智能通信功能将孪生体感知的环境信息、孪生体所执行的任务信息、孪生体所面临的突发事件及响应策略等发送给其他智能孪生体,为其他智能孪生体能力的提升提供经验和数据;由于智能孪生体是连接物理域和赛博域的关键枢纽,保障智能孪生体本身的安全、不被黑客攻击和挟持,是整个体系正常运行的基础,因此,安全管理用于提供智能孪生体所需的防护机制;人机交互为面向工作人员提供的交互接口,支持工作人员对智能孪生体的状态展示、配置、管理。更进一步的,交互模块的功能不限于这三部分功能,可根据需求进行扩展。
上述方案的基础上,进一步的,指挥控制接口模块是智能孪生体与指挥控制系统的交互接口,指挥控制系统的决策支持单元可以通过招投标机制实现与智能孪生体的交互;指挥控制接口模块包括:任务签约、快速响应模板及任务管理;任务签约在该智能孪生体有能力完成指挥控制系统下达任务的基础上认领任务;快速响应模板记录设备经常执行的任务以及执行方式,形成对常见任务的响应模式;任务管理记录正在执行的任务、已经执行的任务,以及对已经执行任务的评估。
上述方案的基础上,进一步的,模型训练与学习模块基于面向物理空间构建的平行环境、智能孪生体的基本模型、智能孪生体的历史数据,训练优化智能孪生体的算法,一方面实现对新场景的响应,一方面优化已有算法,实现智能孪生体能力的不断提升。
上述方案的基础上,进一步的,指挥控制系统包括:决策支持单元以及竞标单元;决策支持单元将作战任务通过竞标单元以招投标形式向智能孪生体发布;智能孪生体综合所提取物理空间中设备及其能力的感知,结合对物理环境的感知向决策支持单元输入战场态势与作战要素的监控资源及通信状态;决策支持单元基于所输入的信息,通过竞标单元将作战任务分解与分发签约给适合的智能孪生体。
更进一步的,智能孪生体及指挥控制系统采用边端一体化设计融合边缘计算与作战平台,决策支持单元布置在核心云,智能孪生体布置在边缘云,具备边端一体的场景认知与响应能力。
有益效果:本发明提供了赛博空间与物理空间的纽带。对物理世界实现对设备自身状态的虚拟化、实现对物理设备所搭载的载荷能力的虚拟化、实现对设备所处物理环境的虚拟化,并根据上层应用实现对物理设备的控制。对于上层应用,智能孪生体在赛博空间实现与应用需求方的交互,根据应用需求实现对资源的灵活组合编排,实现对任务的分解,提供解决方案,并在赛博空间对解决方案进行推演和评估,为构建高质量解决方案提供基础。对于其他智能孪生体,其具有智能交互能力,能够了解同一物理域内的其他智能孪生体的能力和状态,获得其他孪生体的学习优化结果和未知情景的响应经验。
附图说明
图1为本发明实施例1中的架构示意图;
图2为本发明实施例2中的架构示意图;
图3为本发明实施例3中与指挥控制系统、物理空间中作战编队交互示意图;
图4为本发明实施例4中所述方法的流程图;
图中:1-智能孪生体、11-感知控制模块、12-孪生设备数据模型、13-交互模块、14-指挥控制接口模块、15-模型训练与学习模块、16-消息通信模块、2-指挥控制系统、21-决策支持单元、22-竞标单元、3-设备。
具体实施方式
实施例1:参见附图1,一种有无人协同作战体系中的智能孪生体1,它包括:感知控制模块11、孪生设备数据模型12、交互模块13、指挥控制接口模块14、模型训练与学习模块15、消息通信模块16。
感知控制模块11用于实现对物理空间中设备3的感知及控制、对设备3能力的感知、对物理空间环境的感知。
孪生设备数据模型12为所构建的物理空间中设备3的孪生数据模型。
交互模块13用于实现多个智能孪生体1间的相互通信,以及智能孪生体1与工作人员间的通信。
指挥控制接口模块14用于实现智能孪生体1与赛博空间中指挥控制系统2的交互。
模型训练与学习模块15用于不断提升智能孪生体1的能力。
消息通信模块16用于实现智能孪生体1中各模块间的通信。
上述六个模块为智能孪生体1的基本模块,可以根据应用环境添加网络、安全、通信感知等模块进一步丰富智能孪生体功能。智能孪生体1提供赛博空间了与物理空间的纽带。面向物理空间实现了对作战资源的有效感知和控制、对战场环境的认知理解,预留代理电磁空间资源的能力;面向虚拟空间提供了与指挥控制系统交互的能力,提供作战任务驱动下协同网络、计算、存储等资源的能力。具体面向由有人单元、无人车、无人机等边缘作战节点构成的典型作战编组,以作战任务驱动整合作战资源,形成虚拟的抽象作战实体,使得有人作战单元无需关注无人单元的各类作战资源及其详细分布,从而更加聚焦于抽象作战实体内的上层指挥控制业务,实现抽象作战实体按需调用各单元的资源与能力,解决异构有无人系统指控构成底层割裂的问题,为构建统一、便利、安全的全场景数字化流畅指挥与控制提供基础。
实施例2:参见附图2,在实施例1的基础上,对感知控制模块11、孪生设备数据模型12、交互模块13、指挥控制接口模块14、模型训练与学习模块15、消息通信模块16做进一步限定。
感知控制模块11的主要功能是通过接入网实现与物理世界,即物理域的交互,感知控制模块11包括:设备控制、设备感知、环境感知以及交互接口与协议;设备感知能够实现对设备3本身状况的感知,如感知设备的油料状态、设备的健康状态等,及对设备3能力的感知,如感知设备的侦察能力、打击能力、通信能力、通信干扰能力等;环境感知是通过智能孪生体的感知能力实现对物理环境的感知、建模和认知,如通过视觉摄像头、激光雷达、毫米波雷达等感知单元,将对物理环境的探测感知数据采集到智能孪生体,通过SLAM构图等算法在虚拟空间复现物理域,构建一个平行的物理环境;设备控制对设备3下达指令,实现对设备3的控制;设备控制、设备感知、环境感知通过交互接口与协议实现对设备3及其能力的感知、对设备3的控制。
孪生设备数据模型12包括:设备基础模型、资源池、能力包和日志;设备基础模型是对设备3的基础描述,以四旋翼无人机为例,设备基础模型包括四旋翼无人机的刚体模型、动力学模型、运动学模型;资源池是对设备3所具备的能力的描述,以四旋翼无人机为例,如果无人机具有打击能力,智能孪生体通过感知控制模块获得对无人机打击能力的相应数据,将获得的打击能力抽象成资源池的打击能力资源,并将打击的能力参数一并封装;如果无人机具备通信中继能力,智能孪生体通过感知控制模块获得对无人机通信中继能力的描述,将通信中继的覆盖范围与通信性能等关键参数一并封装;能力包结合设备基础模型及资源池,对设备3所具有的资源封装,将若干资源、一组命令进行组合,形成设备的初步能力;日志为设备3的历史数据记录,包括设备运行状态、执行任务等一系列历史数据的记录。
交互模块13包括:智能通信、安全管理与人机交互;智能通信实现智能孪生体1之间的交互,智能孪生体可以通过智能通信功能将孪生体感知的环境信息、孪生体所执行的任务信息、孪生体所面临的突发事件及响应策略等发送给其他智能孪生体,为其他智能孪生体能力的提升提供经验和数据;由于智能孪生体是连接物理域和赛博域的关键枢纽,保障智能孪生体本身的安全、不被黑客攻击和挟持,是整个体系正常运行的基础,因此,安全管理用于提供智能孪生体1所需的防护机制;人机交互为面向工作人员提供的交互接口,支持工作人员对智能孪生体1的状态展示、配置、管理。更进一步的,交互模块13的功能不限于这三部分功能,可根据需求进行扩展。
指挥控制接口模块14是智能孪生体1与指挥控制系统2的交互接口,指挥控制系统2的决策支持单元21可以通过招投标机制实现与智能孪生体1的交互;指挥控制接口模块14包括:任务签约、快速响应模板及任务管理;任务签约在该智能孪生体1有能力完成指挥控制系统2下达任务的基础上认领任务;快速响应模板记录设备3经常执行的任务以及执行方式,形成对常见任务的响应模式;任务管理记录正在执行的任务、已经执行的任务,以及对已经执行任务的评估。
模型训练与学习模块15基于面向物理空间构建的平行环境、智能孪生体的基本模型、智能孪生体的历史数据,训练优化智能孪生体的算法,一方面实现对新场景的响应,一方面优化已有算法,实现智能孪生体能力的不断提升。
实施例3:参见附图3,在实施例2的基础上,进一步的,
指挥控制系统2包括:决策支持单元21以及竞标单元22;决策支持单元21将作战任务通过竞标单元22以招投标形式向智能孪生体1发布;智能孪生体1综合所提取物理空间中设备3及其能力的感知,结合对物理环境的感知向决策支持单元21输入战场态势与作战要素的监控资源及通信状态;决策支持单元21基于所输入的信息,通过竞标单元22将作战任务分解与分发签约给适合的智能孪生体1。
本例中,具体的,决策支持单元21和智能孪生体1之间采用合同网协议实现任务的分解分发,在该协议中,决策支持单元21向多个智能孪生体1发出一个任务,而每个智能孪生体1根据其资源和能力提出一个实现方案。决策支持单元21决定如何将任务分配给不同的智能孪生体1,然后分配工作负载。在执行任务的过程中,决策支持单元21结合战场态势与作战要素的监控资源及通信状态调整任务分配及工作负载,保持最优作战方案,直至完成任务目标。
更进一步的,智能孪生体1及指挥控制系统2采用边端一体化设计融合边缘计算与作战平台,决策支持单元21布置在核心云,智能孪生体1布置在边缘云,具备边端一体的场景认知与响应能力。
实施例4,参见附图4,在实施例3的基础上,进一步的,提供一种基于态势感知的场景自适应协同指挥控制方法。
该方法步骤如下:
方法包括以下步骤:
A.决策支持单元21根据指挥员的作战意图提出任务;
B.通过竞标单元22以协商交互的方式向智能孪生体1发布任务信息;
C.智能孪生体1结合自身状态、资源对接收到的任务进行评估,选择接受任务或拒绝任务;选择接受任务则执行步骤D,拒绝任务则结束步骤;
D.智能孪生体1将实施方案的建议信息和自身状态、资源发送给决策支持单元21;
E.决策支持单元21对智能孪生体1所建议的实施方案进行评估,判断该智能孪生体1是否有能力执行任务;判断有能力则执行步骤F,判断无能力则结束步骤;
F.决策支持单元21将任务分配方案反馈至智能孪生体1,由智能孪生体1向无人作战编队中的作战单位发送指令;
G.智能孪生体1在无人作战编队执行任务的同时,结合所提取的战场态势、作战要素的监控资源及通信状态对任务执行效果进行评估,形成反馈信息发送至决策支持单元21;
H.决策支持单元21根据反馈信息对作战任务的执行情况进行评估,形成新的任务信息,循环至步骤B,直至任务完成。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (3)
1.一种有无人协同作战体系中的智能孪生体(1),其特征在于,它包括:感知控制模块(11)、孪生设备数据模型(12)、交互模块(13)、指挥控制接口模块(14)、模型训练与学习模块(15)、消息通信模块(16);
所述感知控制模块(11)用于实现对物理空间中设备(3)的感知及控制、对所述设备(3)能力的感知、对物理空间环境的感知;所述感知控制模块(11)包括:设备控制、设备感知、环境感知以及交互接口与协议;所述设备感知实现对所述设备(3)本身状况的感知及对所述设备(3)能力的感知;所述环境感知实现对物理空间的感知、建模和认知,在虚拟空间复现物理域,构建一个平行的物理环境;所述设备控制对所述设备(3)下达指令,实现对所述设备(3)的控制;所述设备控制、所述设备感知、所述环境感知通过所述交互接口与协议实现对所述设备(3)及其能力的感知、对所述设备(3)的控制;
所述孪生设备数据模型(12)为所构建的所述物理空间中设备(3)的孪生数据模型;所述孪生设备数据模型(12)包括:设备基础模型、资源池、能力包和日志;所述设备基础模型是对所述设备(3)的基础描述;所述资源池是对所述设备(3)所具备的能力的描述;所述能力包结合所述设备基础模型及所述资源池,对所述设备(3)所具有的资源封装,形成设备的初步能力;所述日志为所述设备(3)的历史数据记录;
所述交互模块(13)用于实现多个所述智能孪生体(1)间的相互通信,以及所述智能孪生体(1)与工作人员间的通信;所述交互模块(13)包括:智能通信、安全管理与人机交互;所述智能通信实现所述智能孪生体(1)之间的交互,所述智能孪生体(1)通过所述智能通信功能将孪生体感知的环境信息、孪生体所执行的任务信息、孪生体所面临的突发事件及响应策略发送给其他智能孪生体,为其他智能孪生体能力的提升提供经验和数据;所述安全管理提供所述智能孪生体(1)所需的防护机制;所述人机交互为面向工作人员提供的交互接口,支持工作人员对所述智能孪生体(1)的状态展示、配置、管理;
所述指挥控制接口模块(14)用于实现所述智能孪生体(1)与赛博空间中指挥控制系统(2)的交互;所述指挥控制接口模块(14)包括:任务签约、快速响应模板及任务管理;所述任务签约在该所述智能孪生体(1)有能力完成所述指挥控制系统(2)下达任务的基础上认领任务;所述快速响应模板记录所述设备(3)经常执行的任务以及执行方式,形成对常见任务的响应模式;所述任务管理记录正在执行的任务、已经执行的任务,以及对已经执行任务的评估;
所述模型训练与学习模块(15)用于不断提升所述智能孪生体(1)的能力;所述模型训练与学习模块(15)基于面向物理空间构建的平行环境、智能孪生体的基本模型、智能孪生体的历史数据,训练优化智能孪生体的算法
所述消息通信模块(16)用于实现所述智能孪生体(1)中各模块间的通信。
2.如权利要求1所述的一种有无人协同作战体系中的智能孪生体(1),其特征在于,所述指挥控制系统(2)包括:决策支持单元(21)以及竞标单元(22);
所述决策支持单元(21)将作战任务通过所述竞标单元(22)以招投标形式向所述智能孪生体(1)发布;
所述智能孪生体(1)综合所提取物理空间中所述设备(3)及其能力的感知,结合对物理环境的感知向所述决策支持单元(21)输入战场态势与作战要素的监控资源及通信状态;
所述决策支持单元(21)基于所输入的信息,通过所述竞标单元(22)将作战任务分解与分发签约给适合的所述智能孪生体(1)。
3.如权利要求2所述的一种有无人协同作战体系中的智能孪生体(1),其特征在于,所述智能孪生体(1)及所述指挥控制系统(2)采用边端一体化设计融合边缘计算与作战平台,所述决策支持单元(21)布置在核心云,所述智能孪生体(1)布置在边缘云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210794678.6A CN115392476B (zh) | 2022-07-07 | 2022-07-07 | 一种有无人协同作战体系中的智能孪生体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210794678.6A CN115392476B (zh) | 2022-07-07 | 2022-07-07 | 一种有无人协同作战体系中的智能孪生体 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115392476A CN115392476A (zh) | 2022-11-25 |
CN115392476B true CN115392476B (zh) | 2023-06-27 |
Family
ID=84117049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210794678.6A Active CN115392476B (zh) | 2022-07-07 | 2022-07-07 | 一种有无人协同作战体系中的智能孪生体 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115392476B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362109B (zh) * | 2023-02-09 | 2023-09-12 | 北京大数据先进技术研究院 | 一种基于数字孪生的智能无人系统和方法 |
CN116452306B (zh) * | 2023-03-03 | 2023-10-10 | 中国人民解放军军事科学院系统工程研究院 | 一种面向智能化作战任务的招投标分发方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861478B (zh) * | 2017-10-17 | 2018-08-14 | 广东工业大学 | 一种智能车间平行控制方法及系统 |
CN112731887B (zh) * | 2020-12-31 | 2023-03-31 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
CN114578710B (zh) * | 2022-02-25 | 2022-09-06 | 军事科学院系统工程研究院网络信息研究所 | 基于多智能体的有无人协同体系的作战仿真系统及方法 |
CN114565268B (zh) * | 2022-02-25 | 2023-01-06 | 军事科学院系统工程研究院网络信息研究所 | 基于态势感知的场景自适应协同指挥控制系统及方法 |
-
2022
- 2022-07-07 CN CN202210794678.6A patent/CN115392476B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115392476A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115392476B (zh) | 一种有无人协同作战体系中的智能孪生体 | |
CN112820164B (zh) | 一种基于分层的行为模型的vr虚拟对抗训练系统 | |
Qu et al. | ChainFL: A simulation platform for joint federated learning and blockchain in edge/cloud computing environments | |
CN110231814A (zh) | 一种固定翼无人机集群的分层分布式控制系统及控制方法 | |
CN114565268B (zh) | 基于态势感知的场景自适应协同指挥控制系统及方法 | |
CN114578710B (zh) | 基于多智能体的有无人协同体系的作战仿真系统及方法 | |
CN113486451B (zh) | 一种基于模型的无人机系统架构设计方法 | |
CN108629719A (zh) | 基于多机器人协作的公共安全应急指挥控制系统及方法 | |
Sanchez | Corporate social responsibility challenges and risks of industry 4.0 technologies: a review | |
CN114326822B (zh) | 一种基于演化博弈的无人机集群信息共享方法 | |
CN108295464A (zh) | 一种模拟训练方法和系统 | |
CN108205266A (zh) | 基于信息流的指挥决策建模方法及存储介质 | |
CN112801539A (zh) | 无人机集群任务的柔变网络架构动态调度模型 | |
Li et al. | Sustainable CNN for robotic: An offloading game in the 3D vision computation | |
Yang et al. | Game-theoretic utility tree for multi-robot cooperative pursuit strategy | |
Yang et al. | An autonomous cooperative interception method with angle constraints using a swarm of UAVs | |
CN117150757A (zh) | 一种基于数字孪生的仿真推演系统 | |
Lv et al. | Multi-robot distributed communication in heterogeneous robotic systems on 5G networking | |
Niewood et al. | A new battle command architecture for multi-domain operations | |
Ren et al. | A UAV UGV Collaboration paradigm based on situation awareness: framework and simulation | |
de Freitas et al. | Coordinating aerial robots and unattended ground sensors for intelligent surveillance systems | |
Jia et al. | Process design of a capability-based weapon equipment requirements analysis system | |
CN110618689B (zh) | 一种约束条件下基于合同网的多uuv系统协商合作建模方法 | |
Wang et al. | A method of UAV formation transformation based on reinforcement learning multi-agent | |
Løvlid et al. | Modelling battle command with context-based reasoning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |