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！

龙图腾网获悉哈尔滨工业大学申请的专利一种多源环境信息不完备条件下多智能体意图识别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：CN120632566B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510732233.9，技术领域涉及：G06F18/241；该发明授权一种多源环境信息不完备条件下多智能体意图识别方法及系统是由霍鑫;刘倩宁;弭宝涵;杜沁龙设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本一种多源环境信息不完备条件下多智能体意图识别方法及系统在说明书摘要公布了：一种多源环境信息不完备条件下多智能体意图识别方法及系统，涉及多智能体意图识别技术领域。本发明为了解决现有方法在复杂场景或动态环境中对于动态目标的适应性不足，缺乏动态权重调整机制影响障碍物与智能体之间的态势交互等问题而提出的。本发明方法通过融合运动态势图与阻碍态势图，将智能体交互关系与环境障碍物影响编码为空间特征，相较于原始轨迹输入，更直观地反映动态环境中的战术博弈逻辑，从而提升识别准确率；态势图的空间结构化特性避免了轨迹数据中噪声的干扰，增强模型鲁棒性。本发明通过LSTM层捕捉避障引发的局部运动突变，并结合Transformer编码器建模障碍物分布与全局意图的关联性，在复杂场景中综合性能最优。实验表明，本发明方法在含障碍物场景下的准确率较现有技术方法模型均有所提升，验证了本发明方法态势图与混合模型协同作用的技术优势，为复杂对抗场景提供了可靠的解决方案。

本发明授权一种多源环境信息不完备条件下多智能体意图识别方法及系统在权利要求书中公布了：1.一种多源环境信息不完备条件下多智能体意图识别方法，其特征在于，包括以下步骤： 步骤S1、单智能体运动态势图生成：基于人工势场法，为目标单位和应对单位分别生成引力场和斥力场； 应对单位斥力场计算公式为，其中为第i个智能体的斥力场引力场尺度因子，为智能体位置，为待求点与智能体的距离，为控制势场衰减范围的尺度参数，斥力场幅值限制在； 目标单位引力场计算公式为； 所述斥力场引力场尺度因子通过映射函数动态确定，其中P为智能体属性，Si为智能体状态，O为障碍物信息；基于单个应对单位和目标单位的斥力场和引力场，给定态势图尺寸及空间采样间隔，在空间上进行采样，生成得到二维图像数据即为单个应对单位或目标单位的运动态势图； 步骤S2、双方智能体生成的运动态势图进行归一化处理，并动态调节斥力场引力场尺度因子； 归一化处理公式为： ，，； 其中:为最终运动态势图，为第i个智能体单独作用时产生的运动态势图，和分别为双方智能体的叠加运动态势图，M和N分别为双方智能体的总数量； 动态调节斥力场引力场尺度因子公式为，其中dij为第i个应对单位与第j个目标单位的欧氏距离，γ为衰减系数； 步骤S3、多源环境态势图融合：构建障碍物阻碍态势图，并与运动态势图动态融合； 所述阻碍态势图通过分段函数计算障碍物影响范围： 其中为待求点与障碍物边界之间的欧几里得距离，为障碍物态势最小影响范围，为障碍物态势最大影响范围，为障碍物斥力场影响因子； 阻碍态势图中的每个障碍物对于智能体行为的影响大小不同，因此在融合过程中的权重由其对智能体行为影响的大小相关，融合权重因子为： 其中为智能体和障碍物中心的距离，为障碍物的大小，为防止除零的小常数，用于避免计算产生不稳定情况； 动态融合过程为：，其中为融合后时刻位置为处的运动态势，为位置为处的阻碍态势，为融合前时刻位置为处的运动态势； 步骤S4、基于LSTM-Transformer混合模型的意图识别： 所述LSTM-Transformer混合模型包括： LSTM层：输入维度为batch_size×seq_len×input_size，提取局部时序特征，捕捉因避障或遮挡引发的短时运动突变，其中batch_size为数据集大小，seq_len为样本时间步数，input_size为每个智能体的实时坐标展开尺度； Transformer编码器层：通过自注意力机制建模轨迹长距离依赖关系，关联起点、终点及非连续时间步的全局行为逻辑； 解码器层：融合多源态势图的空间-时间特征，输出意图分类结果； 所述LSTM层、Transformer编码器层与解码器层的连接关系和输入-输出关系为： 多智能体的原始轨迹特征与经步骤S1-步骤S3处理得到的融合后的态势图共同输入LSTM层，提取局部时序依赖关系，压缩轨迹数据； LSTM层的输出作为Transformer编码器层的输入，Transformer编码器层建模全局行为逻辑，捕捉长距离依赖关系； Transformer编码器层的输出经解码器层的处理得到最终的意图识别结果； 步骤S5、实时意图推理与输出： 在线更新动态融合后的态势图序列，与原始轨迹特征共同输入LSTM-Transformer混合模型，实时输出多智能体的意图分类结果，支持遮挡、动态障碍物及传感器噪声环境下的鲁棒识别。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。