-
公开(公告)号：CN115164890B
公开(公告)日：2025-04-01
申请号：CN202210651734.0
申请日：2022-06-09
Applicant: 复旦大学
IPC: G01C21/20 , G06N3/08 , G06N5/04 , G06N3/0464
Abstract: 本发明涉及一种基于模仿学习的群体无人机自主运动规划方法，该方法包括：构建专家系统：获取用于模仿学习的数据集，包括实时环境感知、无人机自身状态、群体中其他无人机信息、无人机自身实时预测轨迹；构建学生系统：包括通过模仿学习进行无人机轨迹预测的神经网络推理模块，神经网络推理模块通过专家系统获取的数据集进行训练；对群体中的每个无人机分别配置训练过的学生系统，通过学生系统进行无人机轨迹预测，完成自主运动规划。与现有技术相比，本发明采用了模仿学习，无需设计有限状态机决策过程，完全依靠神经网络的学习进行决策，融合了自主规划与决策过程，节约了时间。
-
公开(公告)号：CN114815828B
公开(公告)日：2025-04-04
申请号：CN202210442298.6
申请日：2022-04-25
Applicant: 复旦大学
Abstract: 本发明涉及一种强化学习结合循环网络的机器人路径规划及控制方法，该方法包括：构建生成机器人路径的循环网络，所述的循环网络依次生成机器人路径中的路径点；采用强化学习方法训练所述的循环网络；利用训练的循环网络执行机器人路径规划；控制机器人按照规划的路径点依次移动。与现有技术相比，本发明能够在局部信息受限的同时极大程度上对未知环境进行推理，节约资源，提升效率，实现可观测范围内的可行路径规划，从而在复杂场景下能够找到目标点，实现机器人的移动控制。
-
Patent Agency Ranking
公开(公告)号：CN116481532A
公开(公告)日：2023-07-25
申请号：CN202211315393.6
申请日：2022-10-26
Applicant: 复旦大学
Abstract: 本发明提供了一种基于模仿学习的单体无人机自主运动规划方法。构建一个仿真环境并在仿真环境中基于现实无人机构建相应的虚拟无人机模型，包括以下步骤：步骤S1，基于仿真环境获得虚拟无人机进行轨迹规划的训练样本；步骤S2，通过训练样本训练现实无人机的神经网络；步骤S3，通过现实无人机的传感器，采集实时环境感知数据和现实无人机自身状态数据；步骤S4，结合目标点数据采用神经网络基于实时环境感知数据和现实无人机自身状态数据生成实时预测轨迹点序列；步骤S5，将实时预测轨迹点序列转化为控制量；步骤S6，控制现实无人机根据控制量进行自主运动。本方法能够很好的兼顾避障成功率和无人机飞行速度，具有极大的应用前景。
-
公开(公告)号：CN114815828A
公开(公告)日：2022-07-29
申请号：CN202210442298.6
申请日：2022-04-25
Applicant: 复旦大学
IPC: G05D1/02
Abstract: 本发明涉及一种强化学习结合循环网络的机器人路径规划及控制方法，该方法包括：构建生成机器人路径的循环网络，所述的循环网络依次生成机器人路径中的路径点；采用强化学习方法训练所述的循环网络；利用训练的循环网络执行机器人路径规划；控制机器人按照规划的路径点依次移动。与现有技术相比，本发明能够在局部信息受限的同时极大程度上对未知环境进行推理，节约资源，提升效率，实现可观测范围内的可行路径规划，从而在复杂场景下能够找到目标点，实现机器人的移动控制。
-
公开(公告)号：CN119148692A
公开(公告)日：2024-12-17
申请号：CN202310691961.0
申请日：2023-06-12
Applicant: 复旦大学
Abstract: 本发明涉及一种基于强化学习的分布式多机器人系统移动控制方法，包括以下步骤：分别实时获取多机器人系统中各机器人的周围环境信息；将机器人的周围环境信息以及机器人对应的设定目标点信息输入预先构建的路径预测循环网络中，得到各机器人对应的多个预测路径点；根据各机器人对应的多个预测路径点，确定出各机器人对应的完整预测路径；基于各机器人对应的完整预测路径，相应控制各机器人按照对应的完整预测路径发生移动。与现有技术相比，本发明能够循环快速地产生准确的预测路径，并相应控制多机器人实现精准避障移动，确保多机器人系统中各机器人均能够在动态环境下避开周围所有障碍物后移动至对应目标点。
-
公开(公告)号：CN117408127A
公开(公告)日：2024-01-16
申请号：CN202310177338.3
申请日：2023-02-28
Applicant: 复旦大学
Abstract: 本发明提供了一种利用中层视觉先验的强化学习路径规划方法，具有这样的特征，包括以下步骤：步骤S1，将图像数据输入视觉处理网络得到中层特征信息；步骤S2，将中层特征信息向量化为向量信息D；步骤S3，对坐标进行转化；步骤S4，将向量信息D、当前位置坐标Q’和目标点坐标T’输入决策模型，得到下一个路径点P’；步骤S5，将下一个路径点P’作为当前位置坐标Q’，迭代执行步骤S4，得到可跟随路径L；步骤S6，控制机器人根据可跟随路径L移动，t时间后重新采集图像数据；步骤S7，重复执行步骤S1至步骤S6，直至控制机器人移动至目标点。总之，本方法能够利用感知信息控制机器人进行更有效的导航移动。
-
公开(公告)号：CN115164890A
公开(公告)日：2022-10-11
申请号：CN202210651734.0
申请日：2022-06-09
Applicant: 复旦大学
Abstract: 本发明涉及一种基于模仿学习的群体无人机自主运动规划方法，该方法包括：构建专家系统：获取用于模仿学习的数据集，包括实时环境感知、无人机自身状态、群体中其他无人机信息、无人机自身实时预测轨迹；构建学生系统：包括通过模仿学习进行无人机轨迹预测的神经网络推理模块，神经网络推理模块通过专家系统获取的数据集进行训练；对群体中的每个无人机分别配置训练过的学生系统，通过学生系统进行无人机轨迹预测，完成自主运动规划。与现有技术相比，本发明采用了模仿学习，无需设计有限状态机决策过程，完全依靠神经网络的学习进行决策，融合了自主规划与决策过程，节约了时间。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
