黑箱船舶避碰系统怎么测:让两艘目标船各自改航,R-PPO策略在100个场景中撞出68个
船舶避碰系统的安全评估通常依赖仿真,但协同仿真中各子系统只暴露接口、内部状态不可见,常规把问题写成完全可观测马尔可夫决策过程的压力测试方法拿不到完整状态。EB-ASTv2把这一搜索改写为部分可观测马尔可夫决策过程,用带记忆的循环近端策略优化(R-PPO)根据观测历史选择对抗动作,并让两艘目标船各自独立触发中间航路点采样。在船行场景的100个交通场景中,R-PPO策略生成68个本船碰撞场景,PPO为58个、SAC为54个;五次独立训练的平均碰撞率为66.80%,高于PPO的65.20%和SAC的51.80%。