根据交通运输部科技司关于2021年度交通运输重大科技创新成果库入库成果的公示名单公示（https://xxgk.mot.gov.cn/2020/jigou/kjs/202111/t20211124_3627845.html），团队负责人马勇教授2020年8月发表于Ocean Engineering的论文“Event-triggered fuzzy control of networked nonlinear underactuated unmanned surface vehicle”以及2020年4月发表于MARITIME POLICY & MANAGEMENT的论文“Collision-avoidance under COLREGS for unmanned surface vehicles via deep reinforcement learning”成功进入2021年度交通运输重大科技创新成果库（交通科技论文）。
（1）Event-triggered fuzzy control of networked nonlinear underactuated unmanned surface vehicle
基于网络环境下的事件触发方案(ETS)，该论文提出一种用于欠驱动无人水面艇(USV)的Takagi-Sugeno(T-S)模糊控制器。首先，提出了一种离散事件触发方案，以提高网络资源利用率，抵消通信延迟对USV控制系统性能的影响。同时，基于事件触发方案，可以降低执行器的工作频率，从而延长其使用寿命。然后，建立了基于事件的T-S模糊控制器，利用Lyapunov函数方法导出了全局稳定性分析和事件触发控制器的标准。最后，通过数值仿真验证了所提方法的有效性。结果表明，所设计的控制器可以在保证控制效果的同时减少网络带宽的占用和执行器的工作频率。
该论文提出的网络环境下无人水面艇控制方法突破了无人水面艇自动化与智能化发展的瓶颈技术，极大地提高了无人水面艇在实际应用中精度和可靠性，有利于促进国内无人艇技术发展，提升我国海上装备智能化水平，有效支撑交通强国、海洋强国等重大战略实施，为维护国家海洋权益、保护海洋空间安全提供技术支撑。
链接：
https://ieeexplore.ieee.org/document/9385966
（2）Collision-avoidance under COLREGS for unmanned surface vehicles via deep reinforcement learning
无人水面船艇避碰问题对于实现无人水面船艇自主航行具有重要意义。通常来说，经典的避碰算法都是针对相对简单的会遇情况，即只强调两艘无人船艇的避碰情况，对于多无人船艇避碰问题未给予足够重视。此外，无人水面船艇在执行避碰操纵时必须遵守国际海上避碰规则（International Regulations for Preventing Collision at Sea-COLREGS），然而国际海上避碰规则对多船避碰问题没有给出明确规定，也没有对无人船艇的避碰规则进行量化。基于上述原因，该论文利用深度强化学习(deep reinforcement learning, DRL)算法解决复杂会遇情况下无人水面船艇避碰问题。该论文提出的深度强化学习避碰算法合理量化了相关国际海上避碰规则，并将其集成到DRL模型中。算法首先将无人水面船艇会遇态势表征成环境观测值；进而通过决策神经网络输出动作决策；然后设计奖励函数来迭代更新决策神经网络参数；最终实现无人水面船艇的避碰。得益于深度强化学习算法的智能决策，该论文提出的算法可以解决大部分复杂会遇场景下的无人水面船艇避碰问题，并且通过仿真实验验证了所提出算法的有效性。
该论文提出的多无人水面船艇避碰算法突破了无人水面船艇自动化与智能化发展的瓶颈技术，极大提高了无人船艇自主航行的安全性，有利于促进国内无人船艇技术发展，提升我国海上装备智能化水平，有效支撑交通强国、海洋强国等重大战略实施，为维护国家海洋权益、保护海洋空间安全提供技术支撑。
链接：
https://www.tandfonline.com/doi/abs/10.1080/03088839.2020.1756494