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！

龙图腾网获悉东南大学申请的专利基于密度场和深度强化学习的移动机器人多目标围捕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：CN120124971B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510274134.0，技术领域涉及：G06Q10/0631；该发明授权基于密度场和深度强化学习的移动机器人多目标围捕方法及系统是由张亚;徐晓龙;陈璐设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本基于密度场和深度强化学习的移动机器人多目标围捕方法及系统在说明书摘要公布了：本发明公开了一种基于密度场和深度强化学习的移动机器人多目标围捕方法及系统，采用密度场结合深度强化学习技术，包括感知信息获取、目标密度计算、目标分配决策、围捕状态判断、观测状态生成、动作决策与执行和围捕流程迭代七个步骤，利用密度场算法结合相对位置计算分值，从而实现目标的合理实时分配与机器人分组，确保围捕力量均衡；同组内的机器人基于深度强化学习训练的策略，对目标进行高效围捕。本发明方法在移动机器人快速靠近目标和迅速形成围捕阵型方面显著提升了系统性能，为多目标围捕场景提供了一种高效、智能的解决方案。

本发明授权基于密度场和深度强化学习的移动机器人多目标围捕方法及系统在权利要求书中公布了：1.基于密度场和深度强化学习的移动机器人多目标围捕方法，其特征在于：包括如下步骤： S1、感知信息获取：获取当前时刻移动机器人、环境内队友机器人和所有待围捕目标相对位置信息与相对速度信息； S2、目标密度计算：根据步骤S1获取的相对位置信息，计算得到环境内所有待围捕目标的密度值；待围捕目标的密度值的计算方式具体为： ； 其中，表示待围捕目标与移动机器人的相对位置向量；表示环境内所有移动机器人个数；表示待围捕目标在空间内的位置向量；为向量二范数运算；函数为如下分段函数： ； 其中，是预设的距离阈值； S3、目标分配决策：根据步骤S1获取的移动机器人与所有待围捕目标的相对位置、和步骤S2计算得到的待围捕目标密度值，计算每一个移动机器人对每一个目标的选择倾向分值，并基于目标分配算法得到该时刻的围捕目标和分组内协同机器人集合 S4、围捕状态判断：判断移动机器人与分组内协同机器人是否满足预设的围捕目标，若满足，则结束围捕任务；否则，继续执行步骤S5；所述是否满足预设的围捕目标具体为：机器人与其分组内协同机器人集合对于其共同围捕的目标，是否满足预设的夹角条件和距离条件； S5、观测状态生成：根据步骤S3获取的围捕目标和分组内协同机器人集合、步骤S1中获取的相对位置和相对速度信息中提取出观测状态；所述观测状态是元素个数为的向量； S6、动作决策与执行：将步骤S5提取的观测状态输入到预先训练的策略网络中，得到当前观测状态下的动作，解析动作指令后控制移动机器人执行动作： S7、围捕流程迭代：移动机器人执行完动作后，返回步骤S1，继续执行下一时间步流程，直至步骤S4中围捕任务结束。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。