一种基于深度强化学习的伦理驱动多模态决策方法

    公开(公告)号:CN116901999A

    公开(公告)日:2023-10-20

    申请号:CN202310874379.8

    申请日:2023-07-17

    Abstract: 本发明公开了一种基于深度强化学习的伦理驱动多模态决策方法,包括:获取车辆拍摄图像,基于所述车辆拍摄图像和感知模型获取周围环境形态特征和动态特征;构建多模态神经网络,将人类伦理反馈的伦理系数引入至所述多模态神经网络中进行训练后对所述周围环境形态特征和动态特征进行计算,获得相应动作的Q值;基于强化学习算法将所述相应动作的Q值进行计算,获得对应动作,基于所述对应动作对车辆进行决策。本发明采用在环境中观测到的物体形态特征与通过车载传感器获取车辆相对状态的动态特征作为模型输入,并基于此提出了伦理驱动的多模态神经网络统一提取两种形态特征,可以提升整体状态信息的准确性和鲁棒性。

    多功能弹药转运无人车
    2.
    发明授权

    公开(公告)号:CN115230563B

    公开(公告)日:2023-10-13

    申请号:CN202210869562.4

    申请日:2022-07-21

    Inventor: 李雪原 孟小强

    Abstract: 本发明公开一种多功能弹药转运无人车,包括前车架、中间货箱、后车架、负责传输弹药的若干传输组件以及负责驱动中间货箱移动的行走系统,中间货箱包括四根竖直的滑轨和第一平板,四根滑轨分别对称固定连接于第一平板的两侧,滑轨顶端固接有钩起组件,钩起组件分别与前车架与后车架滑动连接,前车架与后车架分别与相邻近的竖直滑轨滑动连接,前车架与后车架结构完全一致,前车架与后车架关于第一平板对称设置,传输组件分别设置于前车架、后车架和第一平板上。本发明能够实现来降低导弹在狭窄的空间不便转运的难度,提高了作业的效率。

    一种基于混联式分层强化学习的自动驾驶集中决策方法

    公开(公告)号:CN116502703A

    公开(公告)日:2023-07-28

    申请号:CN202310477048.0

    申请日:2023-04-28

    Abstract: 本发明公开了一种基于混联式分层强化学习的自动驾驶集中决策方法,包括,构建深度强化学习网络并对深度强化学习网络进行混联式网络分层,获得上层网络和下层网络;对上层网络进行横向划分,获得横向全局策略网络和纵向全局策略网络;通过离散DRL算法进行训练,横向全局策略网络输出变道指令,纵向全局策略网络输出纵向控制策略;将下层网络划分为纵向下层网络和横向下层控制网络,通过连续DRL算法进行训练,纵向下层网络根据纵向全局策略的网络输出,选择激活对应的子策略网络并输出连续的加速度;横向下层控制网络基于最优控制规则进行变道,完成自动驾驶的集中决策。本发明进一步提高了决策的准确性、全面性和有效性。

    多功能弹药转运无人车
    4.
    发明公开

    公开(公告)号:CN115230563A

    公开(公告)日:2022-10-25

    申请号:CN202210869562.4

    申请日:2022-07-21

    Inventor: 李雪原 孟小强

    Abstract: 本发明公开一种多功能弹药转运无人车,包括前车架、中间货箱、后车架、负责传输弹药的若干传输组件以及负责驱动中间货箱移动的行走系统,中间货箱包括四根竖直的滑轨和第一平板,四根滑轨分别对称固定连接于第一平板的两侧,滑轨顶端固接有钩起组件,钩起组件分别与前车架与后车架滑动连接,前车架与后车架分别与相邻近的竖直滑轨滑动连接,前车架与后车架结构完全一致,前车架与后车架关于第一平板对称设置,传输组件分别设置于前车架、后车架和第一平板上。本发明能够实现来降低导弹在狭窄的空间不便转运的难度,提高了作业的效率。

Patent Agency Ranking