公开(公告)号：CN108827312B

公开(公告)日：2021-10-08

申请号：CN201810907242.7

申请日：2018-08-08

Applicant: 清华大学

Inventor： 张菁 ,  何友 ,  彭应宁 ,  李刚

IPC: G01C21/20

Abstract: 本发明提出一种基于神经网络和人工势场的协同博弈路径规划方法，属于智能体动态路径规划领域。该方法首先在离线阶段获取智能体的优化路径构建训练样本集，并对BP神经网络模块进行训练，得到训练完毕的BP神经网络模块；在线阶段，获取每个智能体的当前时刻的位置和环境信息并输入训练完毕的BP神经网络模块，网络模块输出该时刻的斥力增益，进而计算得到该时刻目标点对智能体的引力、威胁区对智能体的斥力，并计算得到合力。智能体根据合力进行运动，并在下一个时刻根据新的位置和环境信息更新斥力增益，直到路径规划达到结束的条件。本发明能够更好地解决协同博弈场景下的路径规划问题，能够更好地适应目标和障碍运动下的动态路径规划。

公开(公告)号：CN108827312A

公开(公告)日：2018-11-16

申请号：CN201810907242.7

申请日：2018-08-08

Applicant: 清华大学

Inventor： 张菁 ,  何友 ,  彭应宁 ,  李刚

IPC: G01C21/20

Abstract: 本发明提出一种基于神经网络和人工势场的协同博弈路径规划方法，属于智能体动态路径规划领域。该方法首先在离线阶段获取智能体的优化路径构建训练样本集，并对BP神经网络模块进行训练，得到训练完毕的BP神经网络模块；在线阶段，获取每个智能体的当前时刻的位置和环境信息并输入训练完毕的BP神经网络模块，网络模块输出该时刻的斥力增益，进而计算得到该时刻目标点对智能体的引力、威胁区对智能体的斥力，并计算得到合力。智能体根据合力进行运动，并在下一个时刻根据新的位置和环境信息更新斥力增益，直到路径规划达到结束的条件。本发明能够更好地解决协同博弈场景下的路径规划问题，能够更好地适应目标和障碍运动下的动态路径规划。