-
公开(公告)号：CN118758304A
公开(公告)日：2024-10-11
申请号：CN202410727267.4
申请日：2024-06-06
Applicant: 安徽大学
Abstract: 本发明公开了一种基于激光slam的无人机自适应型质心点边界探索方法，包括设定区域边界，加载环境配置参数；构建栅格地图；利用加权质心法检测识别边界点，将被已探索区域包围的未知区域归纳为已探索区域；通过能源效率加权找到当前收益价值最高的边界点作为无人机的探索点；自适应无人机感知半径调整；障碍物代价优化路径规划。本发明在边界识别方面引入加权质心，以未知区域的质心点为边界探索点并加以推断，有效增加了探索的效率，避免浪费算力，在边界探索方面采用综合距离、能源消耗效率和动态感知调整的方法，同时考虑带障碍物代价的优化路径规划，可准确反映真实世界中的探索建图挑战，为机器人提供更为安全、高效和适应性强的方案。
-
公开(公告)号：CN118938988A
公开(公告)日：2024-11-12
申请号：CN202411003909.2
申请日：2024-07-25
Applicant: 安徽大学
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种基于状态熵激励的强化学习无人机密集障碍环境下导航策略优化方法，包括：初始化环境；获取无人机初始状态信息；将初始状态信息输入策略网络得到动作信息，计算下一状态和外部奖励，再记录判断是否终止的结束标识，并一起存入经验回放池，从回放池中随机抽取一批元组样本，计算抽取样本的状态熵来得到内在奖励，合并为总奖励；利用总奖励来更新价值网络参数，通过策略梯度优化策略网络；定期更新目标策略网络和目标价值网络的参数，评估当前策略的表现。本发明引入状态熵作为内在奖励，显著提升了无人机在密集障碍环境中探索的效率，结合外部奖励和内在奖励，该方法使得无人机能够快速学习最佳路径，同时追求全局最优解。
-
公开(公告)号：CN118758304B
公开(公告)日：2025-05-09
申请号：CN202410727267.4
申请日：2024-06-06
Applicant: 安徽大学
Abstract: 本发明公开了一种基于激光slam的无人机自适应型质心点边界探索方法，包括设定区域边界，加载环境配置参数；构建栅格地图；利用加权质心法检测识别边界点，将被已探索区域包围的未知区域归纳为已探索区域；通过能源效率加权找到当前收益价值最高的边界点作为无人机的探索点；自适应无人机感知半径调整；障碍物代价优化路径规划。本发明在边界识别方面引入加权质心，以未知区域的质心点为边界探索点并加以推断，有效增加了探索的效率，避免浪费算力，在边界探索方面采用综合距离、能源消耗效率和动态感知调整的方法，同时考虑带障碍物代价的优化路径规划，可准确反映真实世界中的探索建图挑战，为机器人提供更为安全、高效和适应性强的方案。
-
-
Search Results
3
records
(took 0.024 seconds)
