| 专利名称 | 一种基于深度强化学习的机器人路径规划方法 | ||
|---|---|---|---|
| 申请号/专利号 | CN202510681542.8 | 专利权人(第一权利人) | 长春工业大学 |
| 申请日 | 2025-05-26 | 授权日 | 2025-12-12 |
| 专利类别 | 授权发明 | 战略新兴产业分类 | 新一代信息技术 |
| 技术主题 | 机器人路径规划|机器人|路径计划|农业环境|自适应|运筹学|强化学习|多模态|微分对策|实时计算|网络参数 | ||
| 应用领域 | 车辆位置/路线/高度控制|位置/方向控制 | ||
| 意向价格 | 具体面议 | ||
| 专利概述 | 本发明公开一种基于深度强化学习的机器人路径规划方法,涉及智慧农业,路径规划,机器人等领域。首先进行农场环境感知与定义机器人状态空间与动作空间,并设置多模态加权组合奖励机制与经验回放缓冲区。在传统DDPG算法中的Critic网络损失函数中引入可学习的权重系数,并在Actor网络的目标函数中加入熵正则化项,再通过自适应衰减贪心策略选择微分博弈生成控制策略或DDPG算法生成动作,最后执行动作或控制策略,更新网络参数与目标网络参数,并动态更新经验回放缓冲区。与其他路径规划方法相比,本方提高了路径规划对动态环境的适应性,在复杂的农业环境下,也具备良好的效率及安全性。 | ||
| 图片资料 |
|
||
| 合作方式 | 具体面议 | ||
| 联系人 | 戚梅宇 | 联系电话 | 13074363281 |