11、自主驾驶网络理论与架构解析

自主驾驶网络理论与架构解析

1. 理论的实际应用

在通信领域及相关行业进行充分探索和实践后，自主驾驶网络（ADN）的基础理论才能得以实现。目前，学术界和行业在不同领域已取得显著进展。

1.1 航空航天领域的自适应控制实践

飞行物体控制面的偏转产生的扭矩是速度、高度和攻角的函数，这使得飞行物体的传递函数不断大幅变化，线性控制系统难以取得满意效果。随着飞行器性能提升，尤其是航天器的出现，航空航天领域对自适应控制的研究日益深入。
- NASA的Pramod Gupta等人经研究得出，需对基于神经网络的自适应控制器的性能进行适当监测和评估，以确保其能安全可靠地用于控制现代巡航导弹。他们还介绍了用贝叶斯方法验证该结论，并分享了在NASA智能飞行控制系统中的模拟结果。
- 辛辛那提大学的Gary L. Slater证明，采用自适应方法能更好地预测飞机起飞时的上升性能。该方法根据测试和计算的能量比，自适应调整飞机对推力的依赖，帮助飞机在上升时与其他飞机汇合。

1.2 IBM从自主计算到认知计算的实践

2015年，为使自主计算系统通过与人交互充分理解人类高层目标，IBM受向认知解决方案转型的业务战略驱动，将基于具身AI的认知计算引入自主计算。IBM强调机器对包括非结构化数据在内的大规模数据的理解和推理能力，以提升自主计算系统的分析和决策能力。
- 在2021年国际自适应与自管理系统软件工程研讨会（SEAMS）的主题演讲中，IBM科学家J. O. Kephart介绍了将基于具身AI的认知计算引入自主计算的成果。以数据中心（DC）场景为例，展示了自主系统如何借助该计算与人交互，以及如何辅助人类进行优化决策。在决策过程中，认