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！

龙图腾网获悉北京理工大学申请的专利一种多节点探测器着陆行为智能规划及决策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：CN115374933B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210729574.7，技术领域涉及：G06N3/006；该发明授权一种多节点探测器着陆行为智能规划及决策方法是由赵清杰;陈涌泉;耿明灏;王鑫;杨和星设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本一种多节点探测器着陆行为智能规划及决策方法在说明书摘要公布了：本发明涉及一种多节点探测器着陆行为智能规划及决策方法，属于航天器控制和人工智能技术领域。本发明利用多智能体强化学习来端到端地完成探测器着陆行为规划决策，采用“集中训练分布执行”的训练范式，智能体以局部观测作为Actor网络的输入，以全局观测作为Critic网络的输入，达到了智能体之间信息交互的目的。同时，本发明将基于模型的元学习方法融入本发明方法中，在Actor和Critic网络中嵌入GRU模块实现历史经验的存储与利用，使智能体在面对不确定环境时具有更好的鲁棒性，最终使获得的策略能够指导探测器各节点应对不确知的小行星环境，显著降低了探测器着陆时发生反弹、滚转、倾覆的概率。

本发明授权一种多节点探测器着陆行为智能规划及决策方法在权利要求书中公布了：1.一种多节点探测器着陆行为智能规划及决策方法，其特征在于，包括以下步骤： 步骤1：将多节点深空探测器的各个节点定义为智能体； 步骤2：采用“集中训练分布执行”的范式，并融合基于模型的元学习方法构造多智能体强化学习模型； 其中，每个智能体均包含一个Actor网络和一个Critic网络，Critic网络使用全局观测信息，包括了其他智能体的观测信息，用于对智能体的Actor网络进行评价；Actor网络使用各自的局部观测作为输入，分别输出动作来与环境进行交互； 在Actor网络和Critic网络中嵌入GRU模块来记录历史经验，使学习的策略能够适应深空小行星的不确知环境； GRU模块的工作机制如式1-4所示： rt＝σWr·[ht-1，xt]1 zt＝σWz·[ht-1，xt]2 其中，rt表示GRU模块中的重置门，zt表示更新门，σ表示sigmoid函数，Wr表示重置门参数，Wz表示更新门参数，表示候选隐藏层状态的参数，ht表示在t时刻的隐藏层状态，ht-1表示在t-1时刻的隐藏层状态，xt表示GRU模块的输入，表示候选隐藏层状态； 步骤3：初始化Actor网络的参数θ和Critic网络的参数φ，以及算法中的超参数； 步骤4：初始化经验池D＝[]，供后续执行多个回合搜集数据； 步骤5：初始化轨迹列表τ＝[]、Actor网络的隐藏状态 和Critic网络的隐藏状态获取各智能体对环境的局部观测其中，表示第n个智能体的Actor网络的初始时刻隐藏状态，表示第n个智能体的Critic网络的初始时刻隐藏状态； 步骤6：各智能体根据Actor网络选择动作获得新隐藏状态与环境互动后获得即时奖励和新的局部观测其中，表示第i个智能体的Actor网络，R表示奖励函数，表示第i个智能体的Actor网络在t-1时刻的隐藏状态，st表示t时刻的全局观测，st+1表示t+1时刻的全局观测； 步骤7：将局部观测向量ot拼接为全局观测st后，根据Critic网络获得状态价值函数和新隐藏状态其中，表示第i个智能体的Critic网络，表示第i个智能体的Critic网络在t-1时刻的隐藏状态； 步骤8：将轨迹{ot-1，at，rt，ot，st，ht，π，ht，V}添加到轨迹τ中； 步骤9：若回合未结束，跳转至步骤6，否则获得整条轨迹τ的数据，在此基础上计算各智能体的累积折扣奖励G和优势函数A，将这些数据均放入经验池D中； 步骤10：若经验池D未搜集到足够数据，跳转至步骤5；否则，对Actor网络和Critic网络在该批次数据上进行多次参数更新； 步骤11：判断是否达到最大训练次数，若达到则结束训练，否则跳转至步骤4。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。