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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种无人机集群安全路径规划强化学习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：CN121596911B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610120501.6，技术领域涉及：G05D1/695；该发明授权一种无人机集群安全路径规划强化学习方法及装置是由张煜;陈晓广;张万鹏;刘鸿福;赵科宇;赵家宇;刘爱慰设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本一种无人机集群安全路径规划强化学习方法及装置在说明书摘要公布了：本申请涉及一种无人机集群安全路径规划强化学习方法及装置。所述方法包括：将无人机群体状态、任务目标及环境观测信息输入连续动作空间的深度强化学习策略，生成全局引导量。构建无人机间、无人机‑障碍物的显式安全约束集合，通过图结构建模与GNN自适应机制，以动态图表征无人机障碍物，利用邻域、相对位速信息预测CBF参数；基于约束与CBF参数对引导量做安全投影修正，得到对应安全路径的实际控制指令。指令执行后，采集状态偏差、约束紧张度等反馈信息，用于调整强化学习策略，循环迭代以持续输出优化路径，实现集群全程无碰撞规划。采用本方法能够实现了复杂动态环境下稳定且可靠的安全防护。

本发明授权一种无人机集群安全路径规划强化学习方法及装置在权利要求书中公布了：1.一种无人机集群安全路径规划强化学习方法，其特征在于，所述方法包括： 步骤1：采集无人机集群的群体状态、任务目标信息及环境观测信息，所述群体状态包括各无人机自身运动状态及感知半径内邻居无人机的相对状态，所述环境观测信息包括静态与动态障碍物的相对状态； 步骤2：将无人机集群的群体状态、任务目标信息及环境观测信息输入基于连续动作空间的深度强化学习策略，在线生成面向任务效率的全局路径引导信息，所述全局路径引导信息为短视野全局路径点、参考速度或加速度序列中的至少一种作为引导量； 步骤3：根据环境观测信息与群体状态中的交互信息构建无人机之间和无人机与障碍物之间的显式安全约束集合； 步骤4：引入图结构交互建模与图神经网络驱动的参数自适应机制，将无人机与障碍物构造成动态图，利用邻域拓扑、相对位置及相对速度信息预测控制障碍函数的相关参数，包括： 将无人机集群系统建模为动态图，其中节点特征为无人机节点特征，为第i架无人机的位置，为第i架无人机的运动信息，为目标位置，为节点类型；边特征基于感知半径构建，若则生成边，生成边特征为，为相对速度，为第i架无人机的位置，为第k架无人机的位置； 将所述动态图输入GNN中通过信息聚合过程进行消息生成和特征更新，输出无人机节点的高维嵌入；所述高维嵌入表示周边无人机与障碍物的交互状态； 基于所述高维嵌入通过GNN输出CBF相关参数为 其中，为控制修正量，为自适应K类函数参数，为跟踪目标权重，表示输出的控制屏障函数； 步骤5：基于所述显式安全约束集合，采用预测的控制障碍函数对所述引导量进行安全投影修正，得到实际控制指令；所述实际控制指令对应无人机集群的安全路径规划结果； 步骤6：将所述实际控制指令下发至无人机执行，同时采集无人机执行过程中的状态偏差、安全约束紧张程度及修正幅度信息反馈至基于连续动作空间的深度强化学习策略； 步骤7：根据反馈信息自适应调整基于连续动作空间的深度强化学习策略，重复步骤1至步骤6，持续输出优化后的安全路径规划结果，实现无人机集群全程无碰撞的安全路径规划。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。