飞行路径规划与AI规划知识模型设计模式

### 飞行路径规划与AI规划知识模型设计模式 #### 1. 飞行路径规划系统 在飞行路径规划（FPP）系统中，利用了PDDL+规划器（如ENHSP，因其能支持非线性操作）作为规划求解器。除了详细介绍从二维飞行运动学到三维飞行运动学在PDDL+领域和实例文件中的扩展，还为FPP增加了容错能力，以应对非标称飞行条件。具体做法是学习飞机模型的最优数值范围参数，并调整PDDL+实例文件中编码的规划问题模型。 对扩展部分，尤其是容错能力，在两种非标称场景下进行了测试：低燃油水平的紧急降落和机翼受损的飞行。测试结果表明，为超轻型飞机开发的自动驾驶仪（其控制增益通过PSO优化）能够应对计算出的飞行计划，验证了FPP生成计划的可行性。此外，模型自适应规划也被证明有助于提高飞行安全性，例如在临界燃油水平下紧急降落的成功率提高，以及机翼受损飞行时的振荡减少。 不过，未来还有更多紧急场景值得研究，如发动机故障触发的紧急降落、恶劣天气条件下的飞行或控制面堵塞时的飞行。并且，在证明了从数据中学习可有效设计多维控制参数以提高飞行性能和安全性后，未来可探索更先进的学习算法，如深度强化学习，以便为更精细的环境分类设计和优化控制参数，应对着陆区受周围地形（如建筑物和不平坦地形）影响的动态局部阵风。 该工作的重点是将PDDL+规划器用作FPP的基于模型的规划求解器，研究了其部署的灵活性和规划效率。但为确保FPP被广泛接受，未来还需研究其透明度和可解释性。可利用ENHSP的验证器功能向飞行员解释飞行计划的安全性和最优性，从而实现混合主动式飞行路径规划功能，减少飞行员对自动化的过度依赖。 #### 2. AI规划知识模型设计模式 自动化规划是一个研究领域，旨在生成将环境从初始状态转变为目标状态的完全或部分有序的动作序列。它已成功应用于多个具有挑战性的现实世界领域，如钻井、运输、智能电网、无人机控制、电子学习、机床校准和采矿等。 在领域无关规划中，规划逻辑（体现在规划引擎中）和领域知识（以知识模型的形式存在）是分离的。这两个组件通过定义良好的接口语言连接，可相互替换而不影响框架的其他部分。然而，领域无关规划的一个关键方面是应用知识，它需要添加到规划器中以创建完整的规划应用程序。这包括领域模型（对持久领域知识的正式表示）和相关问题实例（包含待解决特定问题的详细信息），它们都被自动化规划引擎用于推理以生成解决方案计划。自动化规划在特定领域的成功应用，很大程度上取决于所提供领域知识的质量，即使是微小的建模问题也可能增加问题的解决复杂度。 目前，为规划引擎制定知识是一个临时过程，知识工程师的技能对最终规划应用程序的质量有重大影响。为解决这个问题，可考虑使用可重用抽象，特别是设计模式。设计模式描述了一个反复出现的问题和经过验证的解决方案，有助于重用良好的设计实践。在其常见形式中，设计模式包含以下组件： - 意图：模式的目标是什么。 - 问题：它解决的问题。 - 讨论：它的工作原理细节。 - 结构：如何实现。 - 使用示例。 设计模式在计算机科学的许多领域，尤其是软件工程中，已被迅速且成功地采用，作为促进