基于动态聚焦强化学习的路径规划方法及系统

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/软件开发
  • 学科类别:计算机科学技术/人工智能
  • 权利人:上海交通大学

知识产权简介

本发明提出一种基于动态聚焦强化学习的路径规划方法,旨在解决非结构化矿山环境的挖掘机移动导致的装载终点动态不确定性问题 。该方案通过构建随距离收敛的目标位姿概率分布模型,将静态坐标转化为动态演化的概率势场 ,使无人矿车在远端阶段能容忍目标的模糊性并专注于全局避障,而在近端抵近阶段通过概率收缩实现高精度的位姿对齐,有效避免了传统算法在终点扰动时的决策震荡或失效 。 技术实现基于深度强化学习框架,融合了多模态特征感知与双重动作掩码机制 。系统利用自注意力机制提取环境全局上下文,并通过实时过滤不满足运动学或安全约束的动作,极大地收缩了探索空间 。配合变增益的角度奖励函数与 Reeds-Shepp 曲线终端解耦策略,算法能够根据距目标的实时距离自适应调整控制权重,确保在复杂约束下实现最优的停靠姿态与轨迹质量 。 实验结果表明,相比于传统 Hybrid A* 算法,本方案将规划成功率从 65.0% 提升至 95.0%,并将平均路径长度缩短了约 4.7% 。通过目标不确定性建模与自适应聚焦策略的深度耦合,本发明有效解决了动态目标下的路径规划难题,显著提升了无人矿车铲装作业的综合循环效率 。

转化前景

本专利对应产品为无人矿车自主导航规划系统,核心技术优势在于通过距离依赖的不确定性建模,有效解决挖掘机频繁位移导致的路径震荡,实现远端避障、近端聚焦的自适应策略平衡。性能指标显示,规划成功率由65.0%大幅提升至95.0%,平均路径缩短约4.7%。该技术在智慧矿山建设、非结构化环境特种车辆作业等领域前景广阔,能显著提升矿山铲装作业的安全性和综合循环效率 。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式
预估金额
联系合作