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！

龙图腾网获悉中南大学申请的专利基于深度强化学习的机器人自主探索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：CN115963832B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211706791.0，技术领域涉及：G05D1/43；该发明授权基于深度强化学习的机器人自主探索方法是由陈铂垒;康嘉绪;钟萍;崔永正;卢思怡设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于深度强化学习的机器人自主探索方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的机器人自主探索方法，包括机器人实时获取周围环境的数据信息；构建机器人工作空间的初始环境图；增量构建地图并检测地图的边界和信息增益；得到最终的环境拓扑地图；构建机器人自主探测学习模型；机器人采用自主探索学习模型探索周围环境并计算得到下一步的执行策略；重复以上步骤完成基于深度强化学习的机器人自主探索。本发明打破了动作空间和观察空间的维数诅咒，同时又不丢失工作空间的结构属性；采用无模型强化学习技术在与物理或仿真系统试错交互的过程中学习探索策略，无需人为干预；而且本发明方法实现了机器人的自主探索，可靠性高、准确性好且效率较高。

本发明授权基于深度强化学习的机器人自主探索方法在权利要求书中公布了：1.一种基于深度强化学习的机器人自主探索方法，包括如下步骤： S1.机器人实时获取周围环境的数据信息； S2.根据步骤S1获取的数据信息，基于Voronoi图思想，构建机器人的工作空间的初始环境图； S3.根据步骤S1获取的数据信息，增量构建地图，并检测地图的边界和信息增益； S4.根据步骤S2和步骤S3得到的数据信息，得到最终的环境拓扑地图； S5.基于卷积神经网络，构建机器人自主探测学习模型； S6.机器人采用步骤S5构建的自主探索学习模型对周围环境进行探索，并计算得到下一步的执行策略；具体包括如下步骤： 基于move_base和Gmapping实现路径规划和地图构建； 为了提高探索效率和均衡地图质量，对机器人设置以下奖励函数R，用于鼓励机器人以更少的路径和时间消耗换取更大的探索覆盖率： 式中β1～β4为加权因子；为时间步长t之前的总信息增益；为时间步长t之前的总路径长度；NT为时间步长t之前的总时间步长；为鼓励或惩罚当前选择的动作对地图精度的影响的参数，且其中为时间步t预测的环境地图，M为真实的环境地图，ω空间特征矩阵M的宽，h为空间特征矩阵M的高，为指示函数，若 S7.重复以上步骤，完成基于深度强化学习的机器人自主探索。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。