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！

龙图腾网恭喜安徽大学申请的专利一种未知环境下基于强化学习的机器人主动导航方法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：CN115265547B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202211015078.1，技术领域涉及：G01C21/20；该发明授权一种未知环境下基于强化学习的机器人主动导航方法是由姜入文;周庆澳;李根宇;方逸仙设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种未知环境下基于强化学习的机器人主动导航方法在说明书摘要公布了：本发明公开了一种未知环境下基于强化学习的机器人主动导航方法，所述方法包括：创建仿真机器人模型；所述仿真机器人模型采用cartographer算法完成地图构建；构建强化学习决策网络，设计强化学习决策网络的目标函数；在仿真机器人模型上进行强化学习决策网络训练，当目标函数值最小时，停止训练，得到训练好的强化学习决策网络；将训练好的强化学习决策网络的网络参数及cartographer算法参数移植到实体机器人中，将实体机器人放置到未知环境中，设置行走任务，机器人自主进行导航并避障；本发明的优点在于：适用无人机及地面小车不平坦区域，大范围建图消耗计算资源和内存较少，且训练效率及算法精度较高。

本发明授权一种未知环境下基于强化学习的机器人主动导航方法在权利要求书中公布了：1.一种未知环境下基于强化学习的机器人主动导航方法，其特征在于，所述方法包括：步骤一：创建仿真机器人模型；步骤二：所述仿真机器人模型采用cartographer算法完成地图构建；步骤三：构建强化学习决策网络，设计强化学习决策网络的目标函数，所述强化学习决策网络的输入为机器人的激光雷达扫描周围环境的数据、机器人到目标位置的相对距离、机器人的前进速度和旋转速度；所述强化学习决策网络包括4层网络，第一层卷积神经网络的输入为三个采样时间的激光数据，第二层卷积神经网络的输入连接第一层卷积神经网络的输出，第三层网络为和第四层网络均为全连接层，第三层网络的输入连接第二层卷积神经网络的输出，第四层网络的输入包括第三层网络的输出、相对目标位置和机器人的当前速度，第四层网络的输出为机器人的输出动作at；所述设计强化学习决策网络的目标函数的过程为：通过公式 构建强化学习决策网络的目标函数；其中，st表示强化学习决策网络的状态且表示三个单位时间内观测到的激光雷达数据；表示目标点在机器人所在坐标系中的相对位置；表示观测到的机器人当前的速度信息，v为线速度，ω为角速度；表示πθ′从st,at中采样，并将其代入到min函数所得到期望值，pθat|st表示状态st和动作at用θ采样得到的概率，表示优势函数，clip表示剪切函数，将限制在1-ε，1+ε范围内，ε为第一超参数；步骤四：在仿真机器人模型上进行强化学习决策网络训练，当目标函数值最小时，停止训练，得到训练好的强化学习决策网络；步骤五：将训练好的强化学习决策网络的网络参数及cartographer算法参数移植到实体机器人中，将实体机器人放置到未知环境中，设置行走任务，机器人自主进行导航并避障。

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安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3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”。