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！

龙图腾网恭喜复旦大学申请的专利一种强化学习结合循环网络的机器人路径规划及控制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：CN114815828B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210442298.6，技术领域涉及：G05D1/43；该发明授权一种强化学习结合循环网络的机器人路径规划及控制方法是由张隆源;李伟;候梓越;王冀;刘翼;毕一飞设计研发完成，并于2022-04-25向国家知识产权局提交的专利申请。

本一种强化学习结合循环网络的机器人路径规划及控制方法在说明书摘要公布了：本发明涉及一种强化学习结合循环网络的机器人路径规划及控制方法，该方法包括：构建生成机器人路径的循环网络，所述的循环网络依次生成机器人路径中的路径点；采用强化学习方法训练所述的循环网络；利用训练的循环网络执行机器人路径规划；控制机器人按照规划的路径点依次移动。与现有技术相比，本发明能够在局部信息受限的同时极大程度上对未知环境进行推理，节约资源，提升效率，实现可观测范围内的可行路径规划，从而在复杂场景下能够找到目标点，实现机器人的移动控制。

本发明授权一种强化学习结合循环网络的机器人路径规划及控制方法在权利要求书中公布了：1.一种强化学习结合循环网络的机器人路径规划方法，其特征在于，该方法包括：构建生成机器人路径的循环网络，所述的循环网络依次生成机器人路径中的路径点；采用强化学习方法训练所述的循环网络；利用训练的循环网络执行机器人路径规划；强化学习训练循环网络包括：开启多个进程，在仿真地图中同时训练多个机器人，基于循环网络分别生成机器人路径；针对每条机器人路径构建回报函数，使用强化学习算法更新和优化生成路径的循环网络；机器人路径的回报函数表示为r：r＝rc+rn+rs其中，rc为生成的机器人路径与障碍物的碰撞反馈，rn为接近目标点反馈，rs为生成路径平滑度反馈；机器人路径的回报函数具体确定方式包括：以建立机器人局部极坐标系，机器人自身坐标在机器人局部极坐标系中表示为Qo0,0，机器人路径中的路径点组成的路径点集表示为其中，Qi表示第i个路径点，ρi、αi对应为第i个路径点Qi相对于第i-1个路径点Qi-1的位移距离量和转动角度大小，n为构成机器人路径的路径点总数；计算碰撞反馈rc： 其中，a为常数；计算接近目标点反馈rn： 其中，d为机器人当前位置到目标点距离，si为生成的第i个路径点到目标点距离；计算生成路径平滑度反馈rs： 其中，b为常数；计算r＝rc+rn+rs。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。