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！

龙图腾网恭喜北京理工大学申请的专利一种基于安全强化学习的分布式多机器人路径规划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：CN119394314B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510002849.0，技术领域涉及：G01C21/20；该发明授权一种基于安全强化学习的分布式多机器人路径规划方法是由陈晨;申奥;吴秉鸿;缪昌昊;李楠;王元;邓方;陈杰设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种基于安全强化学习的分布式多机器人路径规划方法在说明书摘要公布了：本发明属于多机器人路径规划技术领域，具体涉及一种基于安全强化学习的分布式多机器人路径规划方法，为每个机器人提供分布式的运动策略，并有效降低机器人间发生冲突和碰撞的风险，提高运行效率。该方法设置状态空间为小尺度三通道局部观测地图，包括局部距离代价地图、邻居相对位置地图和邻居目标相对位置地图，将机器人与环境的信息以局部图的形式表示，有效提升了规模和场景的泛化性，基于广度优先搜索算法，构建了距离代价地图，从而将全局信息引入局部观测中，为易陷入局部最优的问题提供了有效的解决方案。

本发明授权一种基于安全强化学习的分布式多机器人路径规划方法在权利要求书中公布了：1.一种基于安全强化学习的分布式多机器人路径规划方法，其特征在于，包括以下步骤：机器人距离代价地图获取：创建包含多个机器人的二维环境，对于每一机器人获取对应的距离代价地图；神经网络构建：构建一个全局神经网络和个局部神经网络，局部神经网络与全局神经网络相同，输入为局部观测地图信息，输出包括离散动作概率分布、状态价值和阻塞预测；所述全局神经网络用于策略的训练，局部神经网络用于机器人与环境分布式交互；神经网络训练：针对于每一机器人，利用其距离代价地图获取局部观测地图信息，输入至对应的局部神经网络中，将局部神经网络的输入与输出组成训练样本，用于对全局神经网络进行训练；路径规划：利用训练好的全局神经网络，获得分布式多机器人路径规划；在每一个时间步下，将局部观测地图信息作为状态，计算在状态下执行动作，基于设定的奖励函数获得的奖励和得到下一时刻的状态，并记录终止标记和网络输出离散动作概率分布状态价值以及实际是否发生阻塞的标签，记录七元组存储到经验回放池B中；所述设定的奖励函数为： 其中，表示每一步移动的稠密惩罚，为局部代价地图中心位置的对应值；表示发生特殊情况时的稀疏惩罚，包括发生碰撞或出界和阻塞其它机器人；表示关于状态s和动作a的函数；将经验回放池B采用出数据作为样本数据，进行全局神经网络训练，所述全局神经网络的损失函数为： 其中，为当前网络的参数，为策略剪切损失，为价值损失，是策略的熵，为阻塞预测损失，、、、是权重超参数，为对采样的所有时间步𝑡的均值函数，为新策略和旧策略在状态下选择动作的概率之比，为度量当前动作比平均策略优势程度的优势估计，为限制变量上下界的裁剪函数，为限制策略更新幅度的超参数，为状态的未来累积回报，为实际是否发生阻塞的标签，为网络预测的阻塞概率，为状态下的离散动作概率分布。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。