Fuzzy logic based Intelligent agents for unmanned combat aerial vehicle control
Se han hecho grandes avances en los Vehc̕ulos Ařeos de Combate No Tripulados (UCAVS) operados por control remoto, sobre todo en třminos de capacidad de ataque terrestre. Sin embargo, cuando sl̤o se permiten plazos de milisegundos para tomar decisiones crt̕icas, cualquier retraso en las comunicacio...
Saved in:
| Other Authors: | , , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | Fuzzy logic based Intelligent agents for unmanned combat aerial vehicle control |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro20977 | ||
| 005 | 20201223000000.0 | ||
| 008 | 200507s2020 ck # g## #001 0#eng#d | ||
| 020 | |a 2167-0374 (versin̤ electrn̤ica) | ||
| 022 | |||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a Fuzzy logic based Intelligent agents for unmanned combat aerial vehicle control |
| 246 | |a Agentes inteligentes basados en lg̤ica difusa para el control de vehc̕ulos ařeos de combate no tripulados | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2020 | ||
| 520 | 3 | |a Se han hecho grandes avances en los Vehc̕ulos Ařeos de Combate No Tripulados (UCAVS) operados por control remoto, sobre todo en třminos de capacidad de ataque terrestre. Sin embargo, cuando sl̤o se permiten plazos de milisegundos para tomar decisiones crt̕icas, cualquier retraso en las comunicaciones y el control debilita gravemente la capacidad de combate del sistema. Aunque algunos defensores de la autonoma̕ se centran en la capacidad de diseąr aeronaves que puedan realizar maniobras por las que ningn͠ piloto humano mantendra̕ la conciencia, o en el simple hecho de que la vida de esos pilotos ya no estara̕ en peligro, estos no son los n͠icos beneficios que estos sistemas pueden proporcionar. Con un tiempo de reaccin̤ visual humano medio de 0,15 a 0,30 segundos, y un tiempo an͠ ms̀ largo para calcular planes p̤timos y coordinarlos con los compaęros de escuadrn̤; esto ofrece una enorme ventana de mejora que un Agente Inteligente (AI) puede capitalizar.Incluso si los IAs se limitaran a seguir el mismo nm͠ero limitado de entradas y salidas que incluso los pilotos expertos son capaces de rastrear, la capacidad de reaccionar y coordinarse cientos de veces ms̀ rp̀ido es una gran ventaja en třminos de desarrollo del Curso de Accin̤ (CoA). Sin embargo, algunas metodologa̕s no estǹ limitadas en cuanto al nm͠ero de dimensiones que pueden procesarse simultǹeamente durante el desarrollo o perfeccionamiento del TC. Durante las misiones, estos sistemas pueden rastrear, mantener historiales de tiempo y extraer conocimientos t͠iles de la fuerza contraria a partir de datos como la posicin̤ hostil, la velocidad, la aceleracin̤, los ǹgulos y las velocidades angulares, las maniobras de mx̀ima gravedad, las pautas de disparo, las maniobras de evasin̤, los tiempos de asentamiento de las formaciones y de la formacin̤, la utilizacin̤ de los sensores, las funciones y tc̀ticas estimadas, y muchos otros. A medida que cualquier entidad aprende informacin̤ adicional relativa a una ventaja o desventaja tc̀tica, esta informacin̤ puede ser distribuida y utilizada inmediatamente.Esto pinta un cuadro de una fuerza extremadamente efectiva, incluso si las capacidades de nuestras plataformas en s ̕mismas no mejoraron. Sin embargo, hay muchos obstc̀ulos para este tipo de sistema. Las principales dificultades en el desarrollo de IAs para este tipo de problema son el gran nm͠ero de entradas y salidas a considerar, as ̕como la incertidumbre y la aleatoriedad heredada en el problema y el ruido y el fallo de los sensores. Hay varios sistemas que pueden procesar decenas o centenares de entradas y salidas ms̀ rp̀idamente que en tiempo real, lo que requiere una capacitacin̤ a travš de un sistema de aprendizaje. Sin embargo, en el marco del control de los UCAV, ninguno ha sido tan resistente, adaptable y robusto como las metodologa̕s basadas en la lg̤ica difusa. La principal dificultad en la aplicacin̤ de estas tecnologa̕s es la capacidad de verificar y validar la IA, otro punto fuerte n͠ico de cualquier IA basada en la lg̤ica difusa que puede verificarse y validarse utilizando mťodos formales. Se puede garantizar que la IA cumpla las especificaciones de seguridad y las doctrinas operativas. Por supuesto, los sistemas informt̀icos pueden fallar y los sensores pueden fallar, aunque esto es igualmente cierto para las aeronaves tripuladas, y se pueden establecer redundancias. | |
| 650 | \ | \ | |a Sistemas de control inteligente |
| 650 | \ | \ | |a Inteligencia artificial |
| 650 | \ | \ | |a Ingeniera̕ aeroespacial |
| 650 | \ | \ | |a Intelligent control systems |
| 650 | \ | \ | |a Artificial intelligence |
| 650 | \ | \ | |a Aerospace engineering |
| 650 | \ | \ | |a Vehc̕ulos ařeos no tripulados; Inteligencia artificial; Operaciones militares ařeas |
| 650 | \ | \ | |a Unmanned aerial vehicles; Artificial intelligence; Military air operations |
| 700 | \ | \ | |a Cohen Kelly |
| 700 | \ | \ | |a Ernest Nick |
| 700 | \ | \ | |a Longdom Publishing |
| 856 | |z Fuzzy logic based Intelligent agents for unmanned combat aerial vehicle control |u https://virtualpro.unach.elogim.com/biblioteca/agentes-inteligentes-basados-en-logica-difusa-para-el-control-de-vehiculos-aereos-de-combate-no-tripulados | ||