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！

龙图腾网获悉武汉理工大学申请的专利一种海洋水下机器人的目标驱动行进与在线规避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：CN121165757B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511229364.1，技术领域涉及：G05D1/46；该发明授权一种海洋水下机器人的目标驱动行进与在线规避方法是由苏义鑫;贺沩;谢国兵;张丹红;梅凯;胡旺文设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本一种海洋水下机器人的目标驱动行进与在线规避方法在说明书摘要公布了：本发明提供了一种海洋水下机器人的目标驱动行进与在线规避方法，通过将水下机器人、终站以及妨碍体作为节点，为每个节点赋予状态特征，形成节点特征矩阵；通过自注意力机制为节点特征矩阵中的邻居节点赋予不同的权重，生成表征环境拓扑关系的状态特征向量；根据状态特征向量生成水下机器人的候选动作；基于水下机器人的运动学约束，在水下机器人的最大速度空间、可达速度空间和允许速度空间的交集所确定的动态窗口内，对候选动作进行筛选和约束，从动态窗口中选择无碰撞且满足运动学约束的最终动作，控制水下机器人执行最终动作。本发明的方法使水下机器人根据实时感知信息调整驱动方向，有效绕避并优化运行行迹，兼顾作业效率与资源消耗。

本发明授权一种海洋水下机器人的目标驱动行进与在线规避方法在权利要求书中公布了：1.一种海洋水下机器人的目标驱动行进与在线规避方法，其特征在于，包括以下步骤： 步骤S1：将水下机器人、终站以及妨碍体作为节点，为每个节点赋予状态特征，形成节点特征矩阵； 步骤S2：通过自注意力机制为节点特征矩阵中的邻居节点赋予不同的权重，生成表征环境拓扑关系的状态特征向量； 步骤S3：根据所述状态特征向量生成水下机器人的候选动作，将所述状态特征向量输入基于深度强化学习的策略网络中，由所述策略网络生成所述候选动作，采用复合型奖励函数训练所述基于深度强化学习的策略网络，所述复合型奖励函数包括动作奖励、终站奖励和碰撞惩罚，所述动作奖励包括朝向奖励、距离奖励和速度奖励，所述动作奖励的表达式为： ； ； ； ； 上式中，为动作奖励；为朝向奖励；为距离奖励；为速度奖励；为评价函数中的角度分量；为评价函数中的距离分量；为评价函数中的速度分量；为衰减系数；为水下机器人的俯仰角；为终站的横纵坐标；为水下机器人的横纵坐标；为水下机器人与最近的静止妨碍体之间的距离；为水下机器人与最近的运动妨碍体之间的距离；为水下机器人的安全域半径；、、分别为水下机器人的纵荡速度、升沉速度和偏航速度；、、分别为水下机器人的纵荡速度、升沉速度和偏航速度的最大值； 所述终站奖励的表达式为： ； 式中，为终站奖赏；为水下机器人与终站之间的距离； 所述碰撞惩罚的表达式为： ； 式中，为碰撞惩罚；对于运动妨碍体，为水下机器人与运动妨碍体的中心之间的欧几里得距离，对于静止妨碍体，为水下机器人与静止妨碍体之间的高度差；为妨碍体半径； 步骤S4：基于水下机器人的运动学约束，在水下机器人的最大速度空间、可达速度空间和允许速度空间的交集所确定的动态窗口内，对所述候选动作进行筛选和约束，从所述动态窗口中选择无碰撞且满足运动学约束的最终动作，控制所述水下机器人执行最终动作。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。