公开(公告)号：CN117930862A

公开(公告)日：2024-04-26

申请号：CN202410008906.1

申请日：2024-01-02

Applicant: 同济大学

Inventor： 辛斌 ,  汪雨洋 ,  丁玉隆 ,  何斌

IPC: G05D1/46

Abstract: 本发明涉及一种无人机路径规划方法、装置及存储介质，其中，方法包括：步骤S1：获取需要访问的目标无人车和无人机的信息，并确定对目标无人车的再访时间下界和上界；步骤S2：在速度区间和再访时间的约束下，确定目标无人车沿已知直线方向以匀速运动所能到达的最近位置#imgabs0#和最远位置#imgabs1#步骤S3：判断目标无人车si位于最近位置#imgabs2#的通信邻域和目标无人车si位于最远位置#imgabs3#的通信邻域之间，是否存在公共邻域，若为是，则执行步骤S4，反之，则执行步骤S5；步骤S4：控制无人机穿过此公共邻域实现对目标无人车si的再访；步骤S5：基于最近位置#imgabs4#和最远位置#imgabs5#构建搜索通道，控制无人机经过此搜索通道实现对目标无人车si的再访。与现有技术相比，本发明具有降低功耗等优点。

公开(公告)号：CN119065398A

公开(公告)日：2024-12-03

申请号：CN202411084350.0

申请日：2024-08-08

Applicant: 同济大学

Inventor： 陈杰 ,  赵智信 ,  辛斌 ,  丁玉隆 ,  何斌

IPC: G05D1/648 ,  G06N7/01 ,  G06N3/092 ,  G06N3/098 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/045

Abstract: 本发明涉及一种分布式无人机协同防御意图协调方法及训练方法，包括：将多无人机协同防御问题建模为分布式马尔可夫过程，使用深度强化学习训练底层一对一策略，作为本发明关注的目标分配器的底层策略；采用基于自注意力机制的、结合冲突消解机制的神经网络作为集中式目标分配器，用强化学习训练得到具备冲突消解能力的集中式策略；构建基于注意力机制的可扩展分布式意图融合；基于集中式策略生成的数据，采用模仿学习训练分布式目标分配。与现有技术相比，本发明具有解决了无人机数量的可扩展性问题，从而具备更好的泛化性能，显著提高在分布式情形下的目标分配冲突消解能力，进而提高整体性能等优点。

公开(公告)号：CN115291625A

公开(公告)日：2022-11-04

申请号：CN202210831674.0

申请日：2022-07-15

Applicant: 同济大学

Inventor： 辛斌 ,  郑逸凡 ,  李莉 ,  焦科名 ,  赵智信

IPC: G05D1/10

Abstract: 本申请提供了一种基于多智能体分层强化学习的多无人机空战决策方法，所述方法包括：基于实际多无人机空战场景构建的仿真环境，包括环境约束模型、无人机个体约束模型和对抗影响规则；将多无人机空战问题建模为半马尔可夫博弈模型，单个无人机的决策过程抽象为代表高层和底层策略的两个智能体，分别定义各智能体的状态空间表示、动作、奖励函数和动作终止条件；采用一种异策略同步学习与自博弈机制结合的多智能体强化学习算法分别训练无人机高层和底层策略智能体；完成训练后无人机基于底层策略智能体的策略网络和局部观测进行决策；该方法可实现空战环境下多无人机的自主无人协同决策，无需人类驾驶员介入，具有较好的即时性和鲁棒性。

公开(公告)号：CN117870683A

公开(公告)日：2024-04-12

申请号：CN202410009868.1

申请日：2024-01-02

Applicant: 同济大学

Inventor： 丁玉隆 ,  汪雨洋 ,  辛斌 ,  李刚 ,  何斌

IPC: G01C21/20 ,  G01C21/34

Abstract: 本发明涉及一种路网约束下的信使无人机路径规划方法、装置及存储介质，其中，所述包括：步骤S1：获取信使无人机和各无人车的位置和速度信息；步骤S2：获取路网信息，并结合各无人车的初始位置和目标位置得到各无人车的行驶轨迹；步骤S3：确定对各未访问的无人车的访问顺序；步骤S4：确定信使无人机对该需要访问的无人车的再访时间区间；步骤S5：确定该需要访问的无人车的位置区间，以及位置区间的两个端点；步骤S6：基于得到的位置区间的两个端点，确定信使无人机对该需要访问的无人车进行再访的路径轨迹；步骤S7：更新其他无人车的位置后，重复步骤S3至S6，直至完成本周期内对所有无人车的访问。与现有技术相比，本发明具有减小计算量等优点。