本申请提出一种用于无人机群路径规划的模型训练方法及装置，其中，方法包括：获取用于展示无人机群训练区域的第一地图信息，第二地图信息以及第三地图信息；将第一地图信息，第二地图信息以及第三地图信息输入到路径规划模型中，以确定无人机群中任一无人机的规划动作；根据执行规划动作后无人机所移动至的第二位置，采用第二位置所关联访问状态对应的奖励值对无人机的规划动作进行奖励，以采用经过奖励的规划动作，对路径规划模型进行训练，由此，不仅考虑到了当地环境的复杂信息，而且考虑到了无人机群中各无人机的规划动作以及各无人机所在的位置对无人机群作出路径规划上的影响，以便于实现无人机群作出最优路径规划，有效地规避障碍物。
【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种用于无人机群路径规划的模型训练方法及装置。
技术介绍
1、目前，随着对无人机群进行自主控制的需求猛烈增加，无人机群覆盖的场景越发复杂，障碍物居多，无人机群因规避障碍物，功耗增加，在现有技术中，通常使用actor-critic强化学习算法来同时控制多个无人机，以实现多个无人机作出路径规划，然而，这种方式，仅要求每个无人机仅具有有关环境的本地信息，也就是说无人机只存储自己的信息，并不能有效地与团队的其他无人机共享任何信息，以至于有关环境的一些信息可能会丢失，冗余地规避障碍物，造成功耗增加。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请的第一个目的在于提出一种用于无人机群路径规划的模型训练方法，以实现对路径规划模型进行训练，以便于无人机群作出最优路径规划。
3、本申请的第二个目的在于提出一种用于无人机群路径规划的模型训练装置。
4、本申请的第三个目的在于提出一种电子设备。
>5、本申请的第四个本文档来自技高网...
【技术保护点】
1.一种用于无人机群路径规划的模型训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的训练方法，其特征在于，所述路径规划模型包括人工神经网络ANN架构和强化学习算法DQN；所述将所述第一地图信息，所述第二地图信息以及所述第三地图信息输入到路径规划模型中，以确定所述无人机群中任一无人机的规划动作，包括：
3.根据权利要求2所述的用于无人机群路径规划的模型训练方法，其特征在于，所述人工神经网络ANN架构包括张量扁平层，第一密集层，第二密集层，输出层，包括：
4.根据权利要求2所述的用于无人机群路径规划的模型训练方法，其特征在于，所述根据所述设定时...
【技术特征摘要】
1.一种用于无人机群路径规划的模型训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的训练方法，其特征在于，所述路径规划模型包括人工神经网络ann架构和强化学习算法dqn；所述将所述第一地图信息，所述第二地图信息以及所述第三地图信息输入到路径规划模型中，以确定所述无人机群中任一无人机的规划动作，包括：
3.根据权利要求2所述的用于无人机群路径规划的模型训练方法，其特征在于，所述人工神经网络ann架构包括张量扁平层，第一密集层，第二密集层，输出层，包括：
4.根据权利要求2所述的用于无人机群路径规划的模型训练方法，其特征在于，所述根据所述设定时刻任一无人机可执行的候选动作，通过强化学习算法dqn进行动作选择，以确定所述无人机的规划动作，包括：
5.根据权利要求1所述的用于无人机群路径规划的模型训练方法，其特征在于，所述根据执行所述规划动作后所述无人机所移动至的第二位置，采用所述第二位置所关联访问状态对应的奖励值对所述无人机的规划动作进行奖励，以采用经过奖励的规...
【专利技术属性】
技术研发人员：杨紫阳，孟欣，静铁岩，许青松，陈德为，周凡，于景龙，王介昌，张俊东，吴昊，吕达，葛鎣，蔡俊龙，周洪东，
申请(专利权)人：华能吉林发电有限公司，
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。