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！

龙图腾网获悉集美大学申请的专利一种多无人艇避碰决策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：CN115718497B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211480755.7，技术领域涉及：G05D1/43；该发明授权一种多无人艇避碰决策方法是由吴德烽;薛德来;刘源铄;刘启俊设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种多无人艇避碰决策方法在说明书摘要公布了：本发明涉及一种多无人艇避碰决策方法。同时考虑碰撞风险和COLREGs，通过相互速度障碍区域表示环境信息并评估环境风险，近端策略优化根据评估环境风险决策行为。使用相互速度障碍算法改进近端策略优化算法的行动空间和奖励函数，一个基于递归模块的神经网络被用来将周围不同数量障碍物的状态直接映射为行动，以解决有限信息下的避碰问题。本发明方法开发了一种新的基于相互速度障碍区域和预期碰撞时间的奖励函数，可以适应许多不同的环境并解决稀疏奖励难题。本发明结合了近端策略优化和相互速度障碍，结合两者的优点，使多无人艇在COLREGs的基础上完美实现避碰，保证了多无人艇执行任务安全航行。

本发明授权一种多无人艇避碰决策方法在权利要求书中公布了：1.一种多无人艇避碰决策方法，其特征在于，包括如下步骤： 步骤1、构建决策模型； 步骤2、载入未知环境，训练决策模型； 步骤3、设计测试环境，提取当前可监测环境信息； 步骤4、环境感知； 步骤5、数据处理； 步骤6、风险评估，检查当前无人艇风险状态； 步骤7、根据步骤6，针对风险执行相应决策行为； 步骤8、根据步骤7，计算奖励值； 步骤9、判断是否实现避碰，返回奖励值与结果； 步骤1中，决策模型采用近端策略优化算法和相互速度障碍算法构建；近端策略优化算法算法首先从初始化神经网络开始，设置两个actor网络，结构为两层，每层256个神经元，其中网络π采样，对旧网络πold更新；在训练循环期间，网络π接收当前环境信息，根据信息选择动作更新状态s'并返回奖励r；两个actor网络通过自适应KL惩罚；critic网络结构为两层，每层256个神经元，通过s',r评价动作好坏，对网络π更新；相互速度障碍算法是基于速度的避碰算法，将周围信息用向量表示，通过移动速度和方向评估碰撞风险； 步骤2中，训练决策模型的具体步骤如下： 步骤2.1、通过设计的未知环境，确定多无人艇当前位置以及各无人艇目标点； 步骤2.2、相互速度障碍算法评估当前碰撞风险，并将结果反馈给近端策略优化，网络π执行动作并更新位置状态和动作状态，得到网络参数θ'； 步骤2.3、网络πold根据环境进行决策，得到网络参数θ； 步骤2.4、θ与θ'通过KL散度进行θ'对θ的更新； 步骤2.5、相互速度障碍算法评估当前碰撞风险中，若检测到碰撞风险，预测障碍物下一时刻的速度状态，通过障碍物下一时刻状态改变无人艇速度大小和方向，使无人艇避开障碍物； 步骤2.6、若距离目标点越来越远，则反馈较低奖励值，调整无人艇运动方向向目标点靠近； 步骤2.7、若选定速度与期望速度相差很大，则反馈较低奖励值，调整无人艇速度向期望速度靠近； 步骤2.8、判断是否完成避碰，若完成且到达目标点，则得到基本避碰路线； 步骤2.9、若没有完成避碰行为，则返回步骤2.1，继续迭代更新直至到达目标点； 步骤2.10、训练N次，得到最优避碰路线算法训练完成，得到训练后的决策模型； 所述步骤4具体实现方式为：监测周围环境信息，用相互速度障碍向量表示； 所述步骤5具体实现方式为：GRU神经网络对输入信息处理成相同维度； 每条无人艇的传感器需要设置最大检测范围，需要接收的信号为可检测范围内其他无人艇的尺寸、当前速度、当前艏向和避碰半径；在获得局部环境的先验信息后，实现局部避碰路径规划； 所述步骤7具体实现方式为：根据相互速度障碍算法评估，执行避碰行为、正常航行或加速行为； 所述步骤8具体实现方式为：根据无人艇当前状态与目标点的距离，反馈奖励，指导无人艇下一时刻的决策行为。

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集美大学，其通讯地址为：361021 福建省厦门市集美区银江路185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”。