买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜湖南大学申请的专利一种基于深度强化学习的机器人动态环境自主导航方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119714300B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510215365.4，技术领域涉及：G01C21/20；该发明授权一种基于深度强化学习的机器人动态环境自主导航方法是由莫洋;简雷;陈林;胡善元;黄雅淋;王耀南设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于深度强化学习的机器人动态环境自主导航方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的机器人动态环境自主导航方法，包括：设定移动机器人的观察空间和动作空间；获取环境数据并进行预处理，对激光雷达以及深度相机数据进行特征提取，生成移动机器人观察空间特征图；获取机器人的目标位置，使用A*算法生成从当前位置到全局目标的路径，根据当前位置以及全局路径生成子目标点；构建PPO深度强化学习网络，将观察空间特征图和子目标点作为网络的输入，输出得到移动机器人的状态价值、前进速度和转向速度实现自主导航；设计奖励函数，建立仿真环境，基于奖励函数训练深度强化学习网络用于实时的复杂动态环境下的自主导航。实现了移动机器人在保持前进的同时主动避免与行人及障碍物的碰撞。

本发明授权一种基于深度强化学习的机器人动态环境自主导航方法在权利要求书中公布了：1.一种基于深度强化学习的机器人动态环境自主导航方法，其特征在于，所述方法包括以下步骤：S100：设定移动机器人的观察空间和动作空间；S200：获取环境数据，对环境数据进行预处理，对激光雷达以及深度相机数据进行特征提取，得到雷达数据特征图和行人数据特征图，进而生成移动机器人观察空间特征图；S300：获取机器人的目标位置，使用A*算法生成从当前位置到全局目标的路径，根据当前位置以及全局路径生成子目标点；S400：构建PPO深度强化学习网络，将观察空间特征图和子目标点作为PPO深度强化学习网络的输入，输出得到移动机器人的状态价值、前进速度和转向速度；其中，PPO深度强化学习网络包括特征提取网络、全连接层、Actor网络和Critic网络；特征提取网络处理输入的观察空间特征图，通过一系列卷积层、池化层以及三个内嵌高效注意力机制瓶颈残差块，以提取中级特征图；其中，特征提取网络的第一个池化层的输出与第三个瓶颈残差块的输出进行特征拼接，并传递至第二个池化层，特征提取网络第一个瓶颈残差块的输出与第二个瓶颈残差块的输出也进行特征拼接，其结果输入至第三个瓶颈残差块；S500：设计奖励函数，建立仿真环境，基于移动机器人的状态价值和奖励函数训练PPO深度强化学习网络，经过设定时间步总数训练后，得到训练好的PPO深度强化学习网络，基于训练好的PPO深度强化学习网络得到实时的移动机器人的前进速度和转向速度，实现实时的复杂动态环境下的自主导航。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。