多机器人自主导航建图方法及设备技术

本发明专利技术提供了多机器人自主导航建图方法及设备，采用全局规划器通过多重图神经网络学习机器人和前沿点之间的神经距离，用于图匹配的亲和矩阵构建；基于图匹配的亲和矩阵，然后通过可微分的线性分配层，解决二分图匹配问题，为每个机器人分配唯一的前沿点作为目标点位姿。采用局部规划器和的运动控制器，根据机器人的当前位姿、估计的目标点位姿和构建的2D栅格地图，规划无障碍移动轨迹，并执行具体动作。重复此流程直到完成建图。本发明专利技术能够有效地克服现有技术的局限性，实现在最短时间内完成场景地图的完整构建。

【技术实现步骤摘要】

本专利技术涉及多机器人自主导航建图方法及设备。

技术介绍

1、随着技术的发展，多机器人协同建图在未知环境中的地图构建中扮演着越来越重要的角色。现有的多机器人建图方法主要依赖于前沿选择或者基于强化学习的长期价值最大化方法。然而，这些方法存在明显的局限性：前沿选择方法往往短视，导致时间效率低下；而基于强化学习的方法虽然能够实现长期价值的最大化，但不能保证地图的完整性。此外，现有方法在多机器人协作时，由于行动空间随机器人数量线性增加，使得问题更加复杂，难以找到理论上的最优解。

技术实现思路

1、本专利技术的目的在于提供多机器人自主导航建图方法及设备。

2、为解决上述问题，本专利技术提供多机器人自主导航建图方法，包括：

3、步骤s1，基于各个机器人节点在所探索环境的当前位姿和传感器深度图，进行机器人节点所在环境的2d栅格地图的构建；

4、步骤s2，当2d栅格地图中包含前沿时，基于2d栅格地图和各个机器人节点的当前位姿，更新多重图神经网络的各个机器人节点r_i的特征向量，其中，所述前本文档来自技高网...

【技术保护点】

1.多机器人自主导航建图方法，其特征在于，包括：

2.如权利要求1所述的多机器人自主导航建图方法，其特征在于，基于各个机器人节点在所探索环境的当前位姿和传感器深度图，进行机器人节点所在环境的2D栅格地图的构建，包括：

3.如权利要求1所述的多机器人自主导航建图方法，其特征在于，当2D栅格地图中包含前沿时，基于2D栅格地图和各个机器人节点的当前位姿，更新多重图神经网络的各个机器人节点的特征向量，包括：

4.如权利要求3所述的多机器人自主导航建图方法，其特征在于，基于机器人的当前位姿，对机器人节点的特征向量进行初始化，得到多重图神经网络的第0层的各个机器人...

【技术特征摘要】

1.多机器人自主导航建图方法，其特征在于，包括：

2.如权利要求1所述的多机器人自主导航建图方法，其特征在于，基于各个机器人节点在所探索环境的当前位姿和传感器深度图，进行机器人节点所在环境的2d栅格地图的构建，包括：

3.如权利要求1所述的多机器人自主导航建图方法，其特征在于，当2d栅格地图中包含前沿时，基于2d栅格地图和各个机器人节点的当前位姿，更新多重图神经网络的各个机器人节点的特征向量，包括：

4.如权利要求3所述的多机器人自主导航建图方法，其特征在于，基于机器人的当前位姿，对机器人节点的特征向量进行初始化，得到多重图神经网络的第0层的各个机器人节点的初始特征向量，包括：

5.如权利要求4所述的多机器人自主导航建图方法，其特征在于，多重图神经网络的第0层的机器人节点特征的初始特征向量向量，在多重图神经网络的每一层，定义对应的查询向量、键向量和值向量，包括：

6.如权利要求5所述的多机器人自主导航建图方法，其特征在于，通过softmax函数，计算在多重图神经网络的每一层，两个机器人节点之间的边权重，包括：

7.如权利要求6所述的多机器人自主导航建图方法，其特征在于，基于计算得到的两个机器人节点之间的边权，对机器人节点r_i的特征向量进行更新，包括：

8.如权利要求7所述的多机...

【专利技术属性】
技术研发人员：林子粤，樊义迪，李科频，潘鸿生，
申请(专利权)人：辛顿人工智能科技有限公司，
类型：发明
国别省市：