买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江苏大学申请的专利基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统及方法、车用设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116834774B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310902155.3，技术领域涉及：B60W60/00；该发明授权基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统及方法、车用设备是由蔡英凤;陆思凯;王海;廉玉波;陈龙;刘擎超设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统及方法、车用设备在说明书摘要公布了：本发明公开了基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统及方法、车用设备，提供一种城市稠密交通下基于复杂网络认知的联邦强化学习端到端自动驾驶算法框架FLDPPO，通过设计损失函数，实现基于规则的复杂网络认知和端到端联邦强化学习的结合。FLDPPO使用动态的驾驶建议，引导智能体学习规则，使得智能体应对复杂的城市驾驶环境和密集的交通场景。并且，所提出框架使用多智能联邦强化学习架构，通过参数聚合的方式训练模型，在保护车端隐私的基础上，加速网络收敛，降低通信消耗，实现样本效率模型高鲁棒性的平衡。

本发明授权基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统及方法、车用设备在权利要求书中公布了：1.基于复杂网络认知的联邦强化学习端到端自动驾驶控制系统，其特征在于，包括：状态量编码器、图像编码器、复杂网络认知模块、强化学习模块和联邦学习模块；所述状态量编码器，用于获取复杂网络认知模块和强化学习模块所需要的状态量，其中所述复杂网络认知模块所需状态量包含驾驶主体的x坐标、y坐标、航向角变化量和速度，作为复杂网络认知模块输入；所述强化学习模块所需状态量包含方向盘转角、油门、刹车、挡位、横向速度和纵向速度，经过两层全连接网络提取特征后作为强化学习模块的一部分输入；所述图像编码器，用于获取强化学习模块所需的图像隐式状态量，其中所述图像为15通道语义鸟瞰图，iRL∈[0,1]192*192*15，其中192单位为像素，所使用鸟瞰图为5pxm，15通道包含了可行驶域，期望路径，道路边线，4帧其他车辆，4帧行人，4帧交通标志，其中期望路径使用A*算法计算得出，所述语义鸟瞰图通过多层卷积层提取隐式特征后作为强化学习模块的另一部分输入；所述复杂网络认知模块，用于对驾驶主体所处驾驶情境进行建模，并根据状态量编码器所提供状态量获取驾驶主体在当前驾驶情境下的最大风险值，最后依据风险值经过激活函数输出动态的驾驶建议；所述强化学习模块，用于整合状态量编码器和图像编码器输出的状态量，根据整合后的网络输入，输出相应的策略，并与环境交互产生经验存储于联邦学习模块中的本地经验池内，当样本数量达到一定阈值，从本地经验池中采样进行训练，最后将训练好的神经网络参数上传给联邦学习模块；所述联邦学习模块，用于接收各个智能体的强化学习模块上传的神经网络参数，并根据多个神经网络参数聚合全球参数，最后将全球参数下发给各个智能体直到网络收敛；所述全球参数聚合通过以下方程进行： 其中，表示在m时刻的全球参数，N表示智能体数量，表示第n个智能体m时刻的神经网络参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。