扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

United States Department of Defense:在考虑不确定性和可靠性预测的情况下,通过机器学习减少自主性和移动性模拟时间

论论资讯 | 2023-03-01 3热度

Optical Engineering

Explore content

About the journal

Publish with us

Autonomy and mobility simulation time reduction through machine learning while considering uncertainty and reliability prediction

Mange J.; Skowronska A.G.

Published:2023-03-01
DOI:10.1117/1.oe.62.3.031214

研究背景

随着科技的不断发展,自动驾驶和移动性成为了热门话题。然而,对于这些技术的研究和开发需要进行大量的计算和模拟,这需要耗费大量的时间和成本。因此,如何减少计算时间成为了一个重要的问题。

研究内容

《光学工程》杂志发表了一篇名为“通过机器学习减少自主性和移动性模拟时间,同时考虑不确定性和可靠性预测”的论文。该论文提出了一种利用机器学习算法创建“代理模型”的方法,以减少高保真度模拟所需的计算时间。同时,该论文还解决了自主系统的移动性预测问题,这是一个具有挑战性的问题。由于自主性和移动性预测涉及到模型假设、地形条件和车辆与地形之间相互作用的知识缺乏等不确定性因素,因此对于模型的准确性有很大的影响。通过利用机器学习算法,该论文提出了一种新的代理建模方法,可以在考虑不确定性和可靠性预测的情况下,提高移动性评估的计算速度。

研究意义

该论文的创新点在于提出了一种新的代理建模方法,可以在考虑不确定性和可靠性预测的情况下,提高移动性评估的计算速度。这种方法可以大大节省计算时间和成本,同时也可以提高模型的准确性。此外,该论文还解决了自主系统的移动性预测问题,填补了该领域的研究空白。这些研究成果对于自动驾驶和移动性技术的研究和开发具有重要的意义。

微信扫码即可查看