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！

龙图腾网获悉电子科技大学申请的专利一种基于机器学习的机器人运动路径规划方法及装置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：CN120742901B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511233890.5，技术领域涉及：G05D1/43；该发明授权一种基于机器学习的机器人运动路径规划方法及装置是由刘家优设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本一种基于机器学习的机器人运动路径规划方法及装置在说明书摘要公布了：本发明提供了一种基于机器学习的机器人运动路径规划方法及装置，涉及机器人路径规划技术领域，方法包括：获取环境中障碍物及目标点的位置信息并存储；根据机器人当前位置、机器人速度、目标点位置、目标速度、障碍物信息和机器人运动状态构建人工势场；通过变邻域搜索算法对人工势场进行优化，在变邻域搜索算法中引入强化学习策略；以人工势场法生成的基础路径上的节点作为蚁群算法中蚂蚁的初始出发点，通过蚂蚁释放信息素机制、转移概率选择机制和信息素挥发更新机制，经多轮迭代优化得到最终路径；对优化后的路径进行评价并动态调整路径。本发明的机器人运动路径规划方法能够应对复杂的环境变化，有效提高路径规划的安全性和效率。

本发明授权一种基于机器学习的机器人运动路径规划方法及装置在权利要求书中公布了：1.一种基于机器学习的机器人运动路径规划方法，其特征在于，所述方法包括： 步骤S1，环境建模与初始化，通过机器人搭载的传感器对工作环境进行感知，获取环境中障碍物的位置信息及目标点的位置信息，将障碍物的位置信息以及目标点的位置信息转换为数字地图形式存储，同时初始化人工势场算法和蚁群算法的相关参数； 步骤S2，利用机器人运动模型和MPC预测未来一段时间内机器人的运动状态，根据机器人当前位置、机器人速度、目标点位置、目标速度、障碍物信息和机器人运动状态构建人工势场； 步骤S3，通过变邻域搜索算法对人工势场进行优化，同时在变邻域搜索算法中引入强化学习策略，基于优化后的人工势场生成基础路径； 步骤S4，以基础路径上的节点作为蚁群算法中蚂蚁的初始出发点，通过蚂蚁释放信息素机制、转移概率选择机制以及信息素挥发更新机制，经多轮迭代优化得到最终路径； 步骤S5，对优化后的最终路径进行关于路径长度、路径平滑线、安全性、收敛速度以及适应性的评价，在机器人运动过程中实时监测环境变化并根据变化动态调整路径； 其中，所述根据机器人当前位置、机器人速度、目标点位置、目标速度、障碍物信息和机器人运动状态构建人工势，具体为： 定义引入相对速度的引力场函数为，斥力场函数为，机器人所处的总势场为，则有： ； ； 其中，q为机器人当前位置，v是机器人速度，是目标速度，为引力系数，为目标点位置，是一个权重系数，用于平衡速度和位置的影响，为障碍物运动速度，为机器人与障碍物的相对移动速度，为斥力系数，dq是机器人与障碍物的距离，为阈值距离，是一个用于根据相对速度调整斥力强度的系数； 所述通过变邻域搜索算法对人工势场进行优化，包括： 构建变邻域搜索算法的邻域结构，定义六个邻域分别是：上、下、左、右、远离障碍物、位于障碍物的排斥范围外；其中，六个邻域动作代表子目标点生成有六个方向，大小为步长； 构建变邻域搜索算法的评价函数，评价函数为：，其中，、、为权重系数，满足＞＞，为当前子目标总势场大小，为子目标新生成路径长度，为障碍物到两个子目标连线的最短距离，子目标为人工势场中引力梯度变化的局部关键点，，为引力势场，为斥力势场； 通过评价函数比较邻域结构中六个邻域的分数，选取分数最优的作为局部最优解，进而进行扰动，扰动对象为当前局部最优解的子目标点坐标，扰动方式为在邻域步长范围内，随机偏移子目标点位置，扰动后再重新计算分数，再次选出新的局部最优解，如此反复迭代优化子目标点，直到机器人在子目标点吸引力驱动下跳出局部陷阱区域。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。