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！

龙图腾网获悉厦门华厦学院;厦门恩格节能科技有限公司;厦门宏动科技有限公司申请的专利基于数字孪生和深度强化学习的多智能体协同避碰采摘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：CN121028788B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511483409.8，技术领域涉及：G05D1/43；该发明授权基于数字孪生和深度强化学习的多智能体协同避碰采摘方法是由卢月红;李晔;王星杰设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本基于数字孪生和深度强化学习的多智能体协同避碰采摘方法在说明书摘要公布了：本发明涉及智能农业机器人技术领域，提供了一种基于数字孪生和深度强化学习的多智能体协同避碰采摘方法，包括构建采摘场景的数字孪生模型，通过三维点云重建生成环境几何参数、智能体动力学参数和果实位置参数；实时采集环境状态数据并输入数字孪生模型进行时空对齐处理，生成同步状态数据；基于同步数据通过深度强化学习网络生成包含避碰优先级矩阵、路径规划序列和任务分配权重的协同策略；根据策略生成动作指令集合，经数字孪生模型虚拟‑物理空间双向验证后控制多智能体执行采摘任务。本发明可以实现多智能体在动态环境中的高效避碰与精准采摘，提升采摘效率、安全性和系统鲁棒性。

本发明授权基于数字孪生和深度强化学习的多智能体协同避碰采摘方法在权利要求书中公布了：1.一种基于数字孪生和深度强化学习的多智能体协同避碰采摘方法，包括： 构建目标采摘场景的数字孪生模型，其中，所述数字孪生模型通过三维点云重建生成环境几何参数、通过智能体运动学建模生成多智能体动力学参数、通过果实分布预测生成动态果实位置参数； 通过多源传感器实时采集多智能体的环境状态数据集合，其中，所述环境状态数据集合包括障碍物三维坐标数据、果实成熟度参数和智能体位姿-速度联合数据； 将所述环境状态数据集合输入所述数字孪生模型进行时空对齐处理，生成同步状态数据集合； 基于所述同步状态数据集合，通过深度强化学习网络生成多智能体协同避碰策略，其中，所述多智能体协同避碰策略包括避碰优先级矩阵、动态路径规划序列和采摘任务分配权重； 根据所述多智能体协同避碰策略生成多智能体动作指令集合，并通过所述数字孪生模型进行虚拟-物理空间双向验证后，控制所述多智能体执行避碰采摘任务； 所述虚拟-物理空间双向验证包括： 注入物理环境噪声模型，包括： 在虚拟空间中叠加高斯位置噪声； 在指令传输链路中插入随机时延； 通过孪生-物理一致性校验算法计算偏差指标，包括： 实时比对物理空间传感器数据与虚拟空间预演数据； 当位置偏差超过预设位置偏差阈值或航向角偏差超过预设航向角阈值时，判定为超阈值； 触发策略重规划模块生成补偿控制指令时，优先采用历史策略库中相似度高于预设相似度阈值的已验证策略； 所述生成多智能体协同避碰策略包括： 构建多智能体避碰约束矩阵，具体包括： 计算任意两智能体间欧氏距离，当所述欧氏距离小于预设安全距离阈值时，在所述多智能体避碰约束矩阵对应位置写入安全距离违规标记； 根据智能体任务优先级参数生成权重系数，所述智能体任务优先级参数与所述果实成熟度参数正相关； 基于成熟度动态分布热力图生成任务收益函数，包括： 将所述成熟度动态分布热力图中每个果实区域的成熟度评分与采摘耗时参数进行加权求和，得到采摘收益值； 将路径长度参数、转向角变化率参数与所述多智能体避碰约束矩阵联合计算路径能耗权重； 通过所述深度强化学习网络中的多注意力头机制进行联合优化，包括： 在策略网络的第一注意力头计算所述多智能体避碰约束矩阵的梯度反向传播量； 在策略网络的第二注意力头优化所述任务收益函数的局部极值点； 输出所述多智能体协同避碰策略时，同步生成策略可信度指标，当所述策略可信度指标低于预设可信度阈值时触发人工复核机制， 对所述果实成熟度参数进行时间序列插值，包括： 提取果实颜色特征值并映射到成熟度评分区间； 通过三次样条插值算法生成成熟度动态分布热力图。

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厦门华厦学院;厦门恩格节能科技有限公司;厦门宏动科技有限公司，其通讯地址为：361000 福建省厦门市集美文教区天马路288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。