【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体而言，涉及一种基于边缘推理模型的智能巡检机器人路径优化方法及系统。
技术介绍
1、当前，智能巡检机器人的路径优化方法多依赖于静态环境地图或预设规则进行路径规划，缺乏对动态环境特征的实时感知与自适应调整能力。例如，传统方法通常基于固定拓扑结构或历史环境数据生成巡检路径，通过预设的障碍物规避规则或能耗阈值进行路径节点选择。然而，此类方法在面临实时变化的障碍物分布、突发环境事件或复杂多变的能源消耗场景时，往往难以有效更新路径决策逻辑，导致巡检路径的避障效率低下或能源利用率不足。此外，现有技术中对路径节点的评估多采用单一维度指标（如最短距离或最低能耗），缺乏对多模态环境特征（如动态障碍物密度、地面反射强度、热辐射变化）的时空关联性分析，容易造成路径规划的局部最优或全局风险评估失准。此外，常规路径优化模型在部署后通常保持参数固定，无法通过实时环境数据流进行增量学习，导致模型推理结果与当前环境特征产生偏差，尤其在长期运行中易出现路径节点评分失效、动态连接权重失配等问题。这些缺陷使得现有方法在复杂工业场景中易产生巡检路...
【技术保护点】
1.一种基于边缘推理模型的智能巡检机器人路径优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过所述实时环境感知数据流对所述初始边缘推理模型进行增量训练，生成适配当前环境特征的动态推理模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述动态推理模型对所述环境特征拓扑图中的各路径节点进行优先级评分，生成初始优化路径序列，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据实时更新的环境感知数据流触发所述动态推理模型的反馈校准机制，对所述初始优化路径序列进行动态路径节点替换，包括
5....
【技术特征摘要】
1.一种基于边缘推理模型的智能巡检机器人路径优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过所述实时环境感知数据流对所述初始边缘推理模型进行增量训练，生成适配当前环境特征的动态推理模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述动态推理模型对所述环境特征拓扑图中的各路径节点进行优先级评分，生成初始优化路径序列，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据实时更新的环境感知数据流触发所述动态推理模型的反馈校准机制，对所述初始优化路径序列进行动态路径节点替换，包括：
5.根据权利要求4所述的方法，其特征在于，所述控制所述智能巡检机器人按照所述最终巡检路径执行巡检任务，并在巡检任务过程中持续采集新的环境感知数据流以更新所...
【专利技术属性】
技术研发人员：周渝桓，王玉富，谢渊杰，王双河，
申请(专利权)人：贵州安融科技发展有限公司，
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。