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！

龙图腾网获悉湖南大学申请的专利多异构机器人协同测量飞机蒙皮的任务分配方法及系统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：CN120525307B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511020899.8，技术领域涉及：G06Q10/0631；该发明授权多异构机器人协同测量飞机蒙皮的任务分配方法及系统是由毛建旭;方欣璞;彭伟星;王耀南;刘彩苹;肖丁寅;张辉;江一鸣;谢核;钟杭;朱青设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本多异构机器人协同测量飞机蒙皮的任务分配方法及系统在说明书摘要公布了：本发明涉及任务分配领域，具体为一种多异构机器人协同测量飞机蒙皮的任务分配方法及系统，方法包括：1、定义环境和智能体；2、为多异构机器人分配初始状态；3、多异构机器人依据动作选择策略和线性规划模型求解最优动作，然后计算综合全局奖励，对信息共享后的经验回放池进行更新，利用更新后的经验回放池构建训练数据集，然后利用训练数据集对主网络和目标网络进行训练；4、将训练后的主网络和目标网络迁移到实际飞机蒙皮测量场景中，以训练后的主网络最终输出作为任务分配策略。本发明解决了多异构机器人协同测量飞机蒙皮数据场景下的任务分配效率低的问题，实现机器人之间信息共享、动态适应场景变化，提高了多异构机器人团队的作业效率。

本发明授权多异构机器人协同测量飞机蒙皮的任务分配方法及系统在权利要求书中公布了：1.一种多异构机器人协同测量飞机蒙皮的任务分配方法，其特征在于，包括如下步骤： S1、定义任务分配场景、每个异构机器人的状态空间和行动，并对每个异构机器人对应的主网络和目标网络进行初始化； S2、在状态空间中为每个异构机器人分配初始状态； S3、所有异构机器人以CE均衡为条件，并依据动作选择策略和线性规划模型求解最优动作，然后计算最优动作的综合全局奖励，将综合全局奖励、状态和动作存入到多异构机器人信息共享后的经验回放池中，利用更新后的经验回放池构建训练数据集，然后利用训练数据集对主网络和目标网络进行训练； S4、将训练后的主网络和目标网络迁移到实际飞机蒙皮测量场景中，以训练后的主网络最终输出作为任务分配策略； 综合全局奖励包括异构机器人的动态区域优先级奖励、距离惩罚奖励、多异构机器人群体协同奖励； 所述S3具体包括如下步骤： S31、依据信息交互机制多异构机器人进行数据交互，以实现信息共享； S32、所有异构机器人以CE均衡为条件，并依据动作选择策略进行最优动作选择，CE均衡是指存在一个“协调者”为所有异构机器人推荐动作，使得当其他异构机器人都遵循所推荐的动作时，任何一个异构机器人单独偏离所推荐的动作都不会获得更高的期望收益；如果选择为最优联合动作，则进入S33中，如果选择为随机联合动作，则所有异构机器人的最优动作认定为随机动作，并进入S34中； S33、利用建立的三个概率性条件作为约束条件，约束条件即为线性规划模型，以最大化所有异构机器人在当前状态下的Q值作为目标函数，求解多个异构机器人的最优联合动作；Q值为评估动作价值的指标值；然后依据最优联合动作获取每个异构机器人的最优动作； S34、每个异构机器人按照最优动作进行执行，并依据动态区域优先级奖励、距离惩罚奖励、多异构机器人群体协同奖励三个关键性因素，动态计算动作执行完所对应的综合全局奖励； S35、根据综合全局奖励获取下一状态，并判断飞机蒙皮测量任务是否完成，如果是，则将当前状态、下一状态、动作、综合全局奖励存入到对应的经验回放池D，以实现经验回放池D的更新，并进入S36中，否则，直接输出任务分配策略； S36、从经验回放池D中随机采样B个训练样本，并为B个训练样本分别分配索引； S37、从B个训练样本中选择一个训练样本输入到目标网络中，根据贝尔曼方程计算每个目标网络在下一状态评估的最优动作的Q值； S38、针对每个异构机器人，利用对应的最优动作的Q值和当前主网络的输出计算该异构机器人的均方误差损失MSE，并循环S36至S38，直至达到设定的循环次数，通过最小化均方误差损失MSE更新主网络参数；同时每次循环中，初始化后的计数器增加1，当达到预设的间隔步数N时，将主网络的参数完整复制到对应的目标网络中，使对应的目标网络的参数与当前主网络完全一致。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。

以上内容由龙图腾AI智能生成。