【技术实现步骤摘要】
基于层次化图神经网络的多机器人环境探索方法及系统
[0001]本专利技术属于多机器人未知环境探索领域，尤其涉及基于层次化图神经网络的多机器人环境探索方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]未知环境探索作为机器人学的一个基本问题，一直是机器人领域研究的热点问题，同时也是一个重大挑战。在多机器人未知环境探索任务中，多个机器人被要求通过自身携带的传感器对工作空间的结构信息进行局部感知，在一定条件下与同伴机器人进行通信，协同决策，进而在运动过程中快而准地重构出环境模型。这个任务主要存在两个个难点：首先第一个难点是多个机器人之间如何恰当的分配任务点，兼顾单个机器人和多机器人系统的整体效率，避免冲突。机器人之间的协同性问题本身也是一个NP
‑
hard的问题。其次，对于环境中特征复杂且数量众多的实体(机器人队友，障碍物，地图边界信息等)，如何进行合适的建模，并选择与之适配的特征提取框架以降低决策复杂度也具有一定挑战性。
...
【技术保护点】
【技术特征摘要】
1.基于层次化图神经网络的多机器人环境探索方法，其特征在于，包括以下步骤：基于拓扑图的环境建模方法把连续的环境地图表示为拓扑图；基于层次化图神经网络对拓扑图进行特征提取，将拓扑图中不同跳数的特征信息进行聚合，并利用多头注意力机制对拓扑图中结点和边的特征进行融合，得到最终输出拓扑图；将最终输出拓扑图中单个机器人节点对应的结点特征作为强化学习中对应智能体的状态，利用多头注意力机制对来自多个机器人的结点特征进行信息融合，得到机器人系统总状态价值。2.如权利要求1所述的基于层次化图神经网络的多机器人环境探索方法，其特征在于，基于拓扑图的环境建模方法把连续的环境地图表示为拓扑图，具体为：按照一定距离规格对环境进行离散化，将环境中可通行区域和机器人所对应格点作为拓扑图中的结点，在相邻的结点之间添加上边，同时在机器人结点和相邻结点之间也添加上边，将环境地图表示为拓扑图。3.如权利要求1所述的基于层次化图神经网络的多机器人环境探索方法，其特征在于，基于层次化图神经网络对拓扑图进行特征提取，具体为：将拓扑图输入底层特征聚合模块，将拓扑图中每个节点的特征更新为邻居的特征聚合，边的特征更新为两个相邻节点的特征聚合，迭代K次底层特征聚合模块，得到K个层次的特征信息和K+1张输出拓扑图；将K+1张输出拓扑图输入层级特征聚合模块，利用多头注意力机制对输出拓扑图中结点和边的特征进行融合，得到一张隐藏特征图；将隐藏特征图输入到输出层中提取隐藏层的拓扑特征，得到最终输出拓扑图。4.如权利要求1所述的基于层次化图神经网络的多机器人环境探索方法，其特征在于，利用多头注意力机制对来自多个机器人的结点特征进行信息融合，最终输出的特征是一维的。5.如权利要求1所述的基于层次化图神经网络的多机器人环境探索...
【专利技术属性】
技术研发人员：程吉禹，张浩，张伟，张林，宋然，李晓磊，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。