Author Ronnie Johansson Deltagare: Ronnie J, Robert S Plats: KTH Datum: 2004-03-30 Tid: 15.30-18.30 Efter Implementationsdiskussion * Kan man använda trådar i Matlab? Behöver vi det? * Vi diskuterade implementationskopplingen mellan plan recognition och task prioritization. Eftersom DBN:et modifieras när det förses med input kom vi överens om att kopiera det innan det matas med en sampling. * Eftersom observationer inte kommer regelbundet i den här tillämpningen behöver vi modellera att osäkerheten på position och riktning och för fordon öker med tiden. Vi ansätter en funktion r=f(t) där t är tiden sedan senaste observation av fordonet. Vi vill alltså använda en mycket enkel modell för observation. Förslagsvis kan vi låta en UAV deterministiskt finna ett mål efter en förbestämd tid som är beroende av avstånd mellan UAV:n och osäkerhetsområdet samt osäkerhetsområdets storlek (UAV:n måste ju "scanna" av området på något sätt för att kunna finna fordonen). * Planigenkänningen kräver uppskattningar av position för alla mål. Eftersom vi pga resursbrist inte kan få det får vi använda gammal information för de som vi inte har någon ny information om. Vi får försöka sampla även de fordon som vi inte har haft koll på på ett tag. Vi måste samsampla fordonen i ett förband så att de inte kommer för långt ifrån varandra. En förenkling är att vi kan anta att de har samma formation som när vi såg dem sist (egentligen skall det vara beroende av terrängen). För samampling, sampla tyngdpunkten plutonen och flytta samtliga fordon med vektorn mellan tidigare tyngdpunkt och nuvarande. * Simuleringsloopen läs in data från konfigurationsfil loop - uppdatera tiden; t++ - uppdatera världen; objekts positioner, sensors positioner - mål med avseende på sensordata; targets = update(targets, sensordata) - oldpolicy = policy(t-1) - planigenkänning(targets) - tasks = task_management(targets) - svs = servives(sensors) - sensors = alloc_scheme(svs,tasks) * Data Targets: - tid sen senaste observation - senaste position