公开(公告)号：CN112068549B

公开(公告)日：2022-12-16

申请号：CN202010789469.3

申请日：2020-08-07

Applicant: 哈尔滨工业大学

Inventor： 白成超 ,  贾涛 ,  何炬恒 ,  郭继峰 ,  颜鹏 ,  郑红星

IPC: G05D1/02

Abstract: 本发明是一种基于深度强化学习的无人系统集群控制方法。本发明涉及无人系统集群控制技术领域，本发明为了解决现有无人系统集群控制方法环境适应性差的问题。本发明包括：在无人系统集群中，每个无人系统分别探测环境信息；将环境信息分为目标信息、障碍信息以及其他无人系统状态信息；对获得的信息分别进行标准化处理；将标准化处理的信息通过深度神经网络处理，得到选择动作的概率值；根据得到的概率值选择动作，观测新的环境信息并获得动作评价值；收集所有无人系统与环境交互的数据训练深度神经网络；利用训练好的深度神经网络进行无人系统集群控制。本发明用于无人系统集群控制技术领域。

公开(公告)号：CN112068549A

公开(公告)日：2020-12-11

申请号：CN202010789469.3

申请日：2020-08-07

Applicant: 哈尔滨工业大学

Inventor： 白成超 ,  贾涛 ,  何炬恒 ,  郭继峰 ,  颜鹏 ,  郑红星

IPC: G05D1/02

Abstract: 本发明是一种基于深度强化学习的无人系统集群控制方法。本发明涉及无人系统集群控制技术领域，本发明为了解决现有无人系统集群控制方法环境适应性差的问题。本发明包括：在无人系统集群中，每个无人系统分别探测环境信息；将环境信息分为目标信息、障碍信息以及其他无人系统状态信息；对获得的信息分别进行标准化处理；将标准化处理的信息通过深度神经网络处理，得到选择动作的概率值；根据得到的概率值选择动作，观测新的环境信息并获得动作评价值；收集所有无人系统与环境交互的数据训练深度神经网络；利用训练好的深度神经网络进行无人系统集群控制。本发明用于无人系统集群控制技术领域。