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！

龙图腾网获悉江苏科技大学申请的专利一种用于大型部件协作搬运的多机器人导航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：CN116009537B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202211588927.2，技术领域涉及：G05D1/43；该发明授权一种用于大型部件协作搬运的多机器人导航方法是由孙雪莹;魏逸飞;张强;齐亮;张永韡;叶树霞;暴琳;李长江设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种用于大型部件协作搬运的多机器人导航方法在说明书摘要公布了：本发明公开了一种用于大型部件协作搬运的多机器人导航方法，包括步骤：S1、获取多机器人运动的起点位置s0＝px0,py0、终点位置sg＝gx,gy和运动场景中的障碍物信息so；S2、根据所需搬运物体形状设计多机器人编队的队形，并获取各机器人之间的相对位置约束；S3、建立深度神经网络，所述深度神经网络的输入为多机器人编队的状态，输出为多机器人编队的执行动作；S4、使用PPO算法对所述深度神经网络进行训练；S5、将多机器人编队的状态输入训练好的Actor网络，得到每一步的动作，进而得到多机器人编队从起点到终点的导航路径。该方法能够根据环境和多机器人之间的距离约束获取多机器人编队的导航路径和姿态。

本发明授权一种用于大型部件协作搬运的多机器人导航方法在权利要求书中公布了：1.一种用于大型部件协作搬运的多机器人导航方法，其特征在于，包括步骤： S1、获取多机器人运动的起点位置、终点位置和运动场景中的障碍物信息；所述障碍物信息；表示障碍物边缘采样点坐标，，表示障碍物边缘采样点总数； S2、根据所需搬运物体形状设计多机器人编队的队形，并获取各机器人之间的相对位置约束； S3、建立深度神经网络，所述深度神经网络的输入为多机器人编队的状态，输出为多机器人编队的执行动作； 所述多机器人编队的状态为：，其中为多机器人编队的运动参数，其中位置参数为多机器人编队参考点的位置，速度参数分别为多机器人编队参考点在x方向和y方向的速度，姿态参数为多机器人编队以参考点为中心的旋转弧度；所述多机器人编队参考点为多机器人编队的几何中心； 所述深度神经网络包括Actor网络和Critic网络，其中Actor网络的输入为多机器人编队的状态，输出为多机器人编队的执行动作；所述Critic网络的输入为多机器人编队的状态和动作，输出为评价值； S4、使用PPO算法对所述深度神经网络进行训练； S5、将多机器人编队的状态输入训练好的Actor网络，得到每一步的执行动作，根据多机器人编队的当前运动参数和执行动作计算下一时刻的运动参数，进而得到多机器人编队从起点到终点的导航路径； 所述步骤S4具体包括： S41、随机初始化Actor网络和Critic网络的参数；令迭代次数； S42、令，多机器人编队从起点出发，初始化多机器人编队的运动参数； S43、根据当前状态，由Actor网络得到执行动作，计算时刻多机器人编队的状态，并根据计算当前的原始奖励；表示第次迭代中时刻多机器人编队的状态； 根据判断多机器人编队是否到达终点或与障碍物碰撞；如果多机器人编队没有到达终点，也没有与障碍物碰撞，令，再次执行步骤S43，直至多机器人编队到达终点或与障碍物碰撞； S44、记录本次迭代的轨迹；其中表示第次迭代中多机器人编队运动时长为即到达终点或与障碍物碰撞； 计算本次迭代中每一时刻的折扣奖励，时刻的折扣奖励为：；为折扣系数； S45、通过随机梯度下降法优化Actor网络的取值，优化的目标函数为最大化每一时刻的折扣奖励； 优化Critic网络的权值，优化的目标函数为最小化Critic网络输出的值与每一时刻的折扣奖励之间的误差； S46、令，跳转至步骤S42进行下一次迭代；直至两次迭代之间折扣奖励的变化小于预设值。

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江苏科技大学，其通讯地址为：212003 江苏省镇江市梦溪路2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。