申请/专利权人：上海大学

申请日：2024-03-05

公开（公告）日：2024-05-28

公开（公告）号：CN118092447A

主分类号：G05D1/43

分类号：G05D1/43;G05D109/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开一种多无人艇协同围捕方法、计算机设备及存储介质，涉及智能船舶自主航行技术领域，多无人艇协同围捕方法应用在协同围捕环境中，协同围捕环境存在多艘围捕艇和单艘目标艇，多艘围捕艇通过协同合作对单艘目标艇进行围捕操作；多无人艇协同围捕方法包括如下步骤：步骤1：获取当前时刻围捕艇的状态信息和目标艇的状态信息；步骤2：根据当前时刻围捕艇的状态信息和目标艇的状态信息，确定当前时刻对应的协同围捕环境；步骤3：根据当前时刻对应的协同围捕环境和训练好的围捕艇，确定下一时刻围捕艇的速度信息和角度信息；本发明可以有效地提高多艘同构围捕艇地避碰的效率和围捕的成功率。

主权项：1.一种基于RVO和多头注意经验重放的多无人艇协同围捕方法，其特征在于，所述多无人艇协同围捕方法应用在协同围捕环境中，所述协同围捕环境存在多艘围捕艇和单艘目标艇，多艘围捕艇通过协同合作对单艘目标艇进行围捕操作；所述多无人艇协同围捕方法包括如下步骤：步骤1：获取当前时刻围捕艇的状态信息和目标艇的状态信息；所述状态信息包括位置信息、速度信息和角度信息；步骤2：根据当前时刻围捕艇的状态信息和目标艇的状态信息，确定当前时刻对应的协同围捕环境；所述协同围捕环境是根据围捕艇运动学模型和目标艇运动学模型构建的，所述运动学模型是根据所述状态信息构建的；所述围捕艇运动学模型包括多艘围捕艇的运动学方程、状态空间、动作空间和奖励函数；所述状态空间和动作空间中包括围捕艇的避让速度，所述避让速度是采用RVO算法计算得到的，所述RVO算法用于基于每艘围捕艇自身的速度和方向与其它彼此运动的围捕艇的速度和方向比较得出的避让速度；步骤3：根据当前时刻对应的协同围捕环境和训练好的围捕艇，确定下一时刻围捕艇的速度信息和角度信息；所述围捕艇是根据多智能体深度确定性策略梯度算法训练得到的；所述多智能体深度确定性策略梯度算法包括价值网络和策略网络；所述多智能体深度确定性策略梯度算法的训练模式为中心式学习，分布式执行的训练模式；在所述价值网络中加入注意力机制，对每艘围捕艇的状态动作对和状态进行编码与点积运算，以筛选协同围捕环境中有效信息；所述状态动作对是基于所述状态空间和动作空间确定得到的，所述状态是基于所述状态空间确定得到的。

全文数据：

权利要求：

百度查询： 上海大学 一种多无人艇协同围捕方法、计算机设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD