一种基于遗传算法的双AGV联动路径规划方法

    公开(公告)号:CN118500399A

    公开(公告)日:2024-08-16

    申请号:CN202410557379.X

    申请日:2024-05-07

    Abstract: 本发明公开了一种基于遗传算法的双AGV联动路径规划方法,为智能物流和自动化领域的双AGV系统提供了重要的技术支持。该方法能够成功地规划出一条使得领航和跟随AGV均安全、无碰撞且高效的全局路径。具体来说,通过双AGV的尺寸及安全距离确定双AGV联动安全转向半径,从而构建新的双AGV联动转向代价函数,以有效地搜索双AGV联动安全路径。进一步地,结合起始点与目标点的位姿信息,提出双AGV联动适应度函数,以快速引导算法朝着实现双AGV平稳、高效和安全的运输方向进行迭代优化。本发明为双AGV联动提供了一种创新性的解决方案,为双AGV系统的运行提供了高效的全局路径规划,提高了运输效率和可靠性。

    一种基于循环SAC的移动机器人分布式Leader-Follower编队方法

    公开(公告)号:CN118348989A

    公开(公告)日:2024-07-16

    申请号:CN202410452934.2

    申请日:2024-04-16

    Abstract: 本发明公开了一种基于循环SAC的机器人分布式Leader‑Follower编队方法。通过该方法实现了无需手动设计模型和调整参数,仅凭借移动机器人之间的位置误差来实现编队控制的目标。构建全新的循环‑SAC强化学习框架,以确保编队控制具备良好的瞬态和稳态特性,从而获得了出色的控制性能。此外,提出了剧集式记忆回放单元存储及采样方法,以及一种新颖的归一化奖励函数,使得循环SAC强化学习编队框架能够快速收敛,并在各种任务中获得一致性的激励,更好地学习和适应不同场景下的编队任务要求。同时,通过对状态空间的归一化处理,有效地消除了不同形状编队任务之间的差异性,提高了模型的泛化能力。

Patent Agency Ranking