隨著自動化和人工智能技術(shù)的飛速發(fā)展，建筑機(jī)械行業(yè)正經(jīng)歷著重大變革。挖掘機(jī)作為建筑操作的關(guān)鍵設(shè)備，其自動化潛力巨大。然而，挖掘作業(yè)環(huán)境的多變和不可預(yù)測性，以及對精確處理的需求，使得自動化任務(wù)異常復(fù)雜。本項目題為礦山挖掘機(jī)智能化無人挖掘關(guān)鍵技術(shù)研究，旨在解決挖掘自動化中的復(fù)雜挑戰(zhàn)。通過使用從真實場景收集的經(jīng)驗數(shù)據(jù)和基于Unity的仿真環(huán)境，訓(xùn)練和評估強(qiáng)化學(xué)習(xí)模型。項目整體架構(gòu)包括數(shù)據(jù)收集、數(shù)據(jù)增強(qiáng)、數(shù)據(jù)制作及模型訓(xùn)練推演四部分。

增強(qiáng)挖掘軌跡數(shù)據(jù)集：通過使用生成對抗網(wǎng)絡(luò)（GAN）擴(kuò)展真實世界軌跡數(shù)據(jù)集，解決數(shù)據(jù)稀缺問題，并提高模型的魯棒性。

2地形信息集成：將地形信息轉(zhuǎn)化為特征向量，融入到強(qiáng)化學(xué)習(xí)的狀態(tài)空間中，從而支持基于地形的決策。

    特定任務(wù)的強(qiáng)化學(xué)習(xí)評價：引入專門的評估指標(biāo)，評估強(qiáng)化學(xué)習(xí)代理在實際挖掘任務(wù)中的表現(xiàn)，提供詳細(xì)的效果分析。

本項目通過使用DoppelGANger生成包含300條軌跡的增強(qiáng)數(shù)據(jù)集，提高了強(qiáng)化學(xué)習(xí)模型的學(xué)習(xí)能力。使用CLIP處理的網(wǎng)格特征向量將地形數(shù)據(jù)整合到?jīng)Q策過程中，形成了一個全面的狀態(tài)、動作和獎勵框架。使用Decision Transformer算法，在地形形狀評估中實現(xiàn)了0.83的最高平均滿斗率和0.94的余弦相似度。此研究不僅提出了建筑機(jī)械自動化的新解決方案，還為在復(fù)雜環(huán)境中應(yīng)用強(qiáng)化學(xué)習(xí)提供了新的視角。本項目強(qiáng)調(diào)了結(jié)合增強(qiáng)數(shù)據(jù)集和詳細(xì)地形特征以提高挖掘自動化效率和可靠性的潛力，并為進(jìn)一步研究提供了堅實的基礎(chǔ)。