多智能寻踪车实时寻踪模型的构建方法、设备及存储介质技术

本申请属于人工智能技术领域，具体涉及一种多智能寻踪车实时寻踪模型的构建方法、设备及存储介质。本申请旨在解决现有多智能寻踪车实时寻踪模型路线规划效率低下以及规划不准确的问题。本申请的多智能寻踪车实时寻踪模型的构建方法，根据智能寻踪车的行为数据以及智能寻踪车所在环境数据，构建智能寻踪车的强化学习环境ENV；根据智能寻踪车的强化学习环境ENV，搭建初始多智能寻踪车实时寻踪模型；根据智能寻踪车的强化学习环境ENV以及多智能体算法，对初始多智能寻踪车实时寻踪模型进行训练，得到多智能寻踪车实时寻踪模型。得到多智能寻踪车实时寻踪模型。得到多智能寻踪车实时寻踪模型。

【技术实现步骤摘要】
多智能寻踪车实时寻踪模型的构建方法、设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种多智能寻踪车实时寻踪模型的构建方法、设备及存储介质。

技术介绍

[0002]随着人工智能技术的发展，智能体被广泛应用于各类工厂的生产运行的各个过程中。其中，在工厂的仓库之中，智能寻踪车可以用于各类货物的搬运。在复杂的交互环境中，如何规划智能寻踪车的运行路径，以使智能寻踪车能够高效且准确的完成货物搬运显得尤为重要。
[0003]现有技术中，可以通过人为设置目标起始点以及目标终点，利用贪心算法进行智能寻踪车的路径规划。
[0004]然而，对于多智能寻踪车运行的复杂交互环境，现有技术会导致路线规划效率低下以及规划不准确的问题。申请内容
[0005]为了解决现有技术中的上述问题，即为了解决现有多智能寻踪车实时寻踪模型路线规划效率低下以及规划不准确的问题，本申请提供了一种多智能寻踪车实时寻踪模型的构建方法、设备及存储介质。
[0006]第一方面，本申请提供一种多智能寻踪车实时寻踪模型的构建方法，包括：
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多智能寻踪车实时寻踪模型的构建方法，其特征在于，包括：根据智能寻踪车的行为数据以及智能寻踪车所在环境数据，构建智能寻踪车的强化学习环境ENV；根据所述智能寻踪车的强化学习环境ENV，搭建初始多智能寻踪车实时寻踪模型；根据所述智能寻踪车的强化学习环境ENV以及多智能体算法，对所述初始多智能寻踪车实时寻踪模型进行训练，得到多智能寻踪车实时寻踪模型。2.根据权利要求1所述的方法，其特征在于，所述智能寻踪车的强化学习环境ENV包括：输出维度、输入维度以及激励参数，所述根据智能寻踪车的行为数据以及智能寻踪车所在环境数据，构建智能寻踪车的强化学习环境ENV，包括：根据所述智能寻踪车的行为数据，确定所述输入维度，所述输入维度为所述强化学习环境ENV相对的每个所述智能体能够接受的动作维度；根据所述智能寻踪车所在环境数据，确定所述输出维度，所述输出维度为所述强化学习环境ENV相对的每个所述智能体相对应的观测维度；根据所述智能寻踪车的行为数据以及所述智能寻踪车所在环境数据，设置所述激励参数。3.根据权利要求2所述的方法，其特征在于，所述设置所述激励参数，包括：根据路径目标点位置与所述智能寻踪车运动方向的关系、所述智能寻踪车是否撞墙以及所述智能寻踪车之间是否相撞，设置所述强化学习环境ENV的第一激励参数；根据所述智能寻踪车是否在目标起始点取得目标货物，以及所述智能寻踪车是否将所述目标货物送达以及卸载至目标终点，设置所述强化学习环境ENV的第二激励参数；根据所述智能寻踪车在目标路径上的运行时间，设置所述强化学习环境ENV的第三激励参数。4.根据权利要求2所述的方法，其特征在于，所述根据所述强化学习环境ENV搭建初始多智能寻踪车实时寻踪模型，包括：根据所述强化学习环境ENV的所述输出维度，以及所述强化学习环境ENV的所述输入维度，确定所述智能寻踪车与外部环境的交互方式；确定所述初始多智能寻踪车实时寻踪模型的数据存储方式以及数据抽样方式；设置所述初始多智能寻踪车实时寻踪模型的超参数，以用于对所述初始多智能寻踪车实时寻踪模型的模型参数进行优化；根据所述交互方式、所述数据存储方式、所述数据抽样方式以及所述超参数，搭建所述初始多智能寻踪车实时寻踪模型。5.根据权利要求3所述的方法，其特征在于，所述根据所述强化学习环境ENV，以及多智能体算法，对所述初始多智能寻踪车实时寻踪模型进行训练，包括：根据实际场景的要求，设置多种模拟训练场景，所述模拟训练场景用于模拟所述智能寻踪车在所述实际场景下的运行情况；依次在各所述模拟训练场景下，根据多智能体算法对所述初始多智能寻踪车实时寻踪模型进行模拟运行，得到所述初始多智能寻踪车实时寻踪模型的激励值；根据所述激...

【专利技术属性】
技术研发人员：谢海琴，李士成，王杉杉，
申请(专利权)人：卡奥斯物联科技股份有限公司，
类型：发明
国别省市：