買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京理工大學申請的專利一種多節點探測器著陸行為智能規劃及決策方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115374933B 。

龍圖騰網通過國家知識產權局官網在2025-09-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210729574.7，技術領域涉及：G06N3/006；該發明授權一種多節點探測器著陸行為智能規劃及決策方法是由趙清杰;陳涌泉;耿明灝;王鑫;楊和星設計研發完成，并于2022-06-24向國家知識產權局提交的專利申請。

本一種多節點探測器著陸行為智能規劃及決策方法在說明書摘要公布了：本發明涉及一種多節點探測器著陸行為智能規劃及決策方法，屬于航天器控制和人工智能技術領域。本發明利用多智能體強化學習來端到端地完成探測器著陸行為規劃決策，采用“集中訓練分布執行”的訓練范式，智能體以局部觀測作為Actor網絡的輸入，以全局觀測作為Critic網絡的輸入，達到了智能體之間信息交互的目的。同時，本發明將基于模型的元學習方法融入本發明方法中，在Actor和Critic網絡中嵌入GRU模塊實現歷史經驗的存儲與利用，使智能體在面對不確定環境時具有更好的魯棒性，最終使獲得的策略能夠指導探測器各節點應對不確知的小行星環境，顯著降低了探測器著陸時發生反彈、滾轉、傾覆的概率。

本發明授權一種多節點探測器著陸行為智能規劃及決策方法在權利要求書中公布了：1.一種多節點探測器著陸行為智能規劃及決策方法，其特征在于，包括以下步驟： 步驟1：將多節點深空探測器的各個節點定義為智能體； 步驟2：采用“集中訓練分布執行”的范式，并融合基于模型的元學習方法構造多智能體強化學習模型； 其中，每個智能體均包含一個Actor網絡和一個Critic網絡，Critic網絡使用全局觀測信息，包括了其他智能體的觀測信息，用于對智能體的Actor網絡進行評價；Actor網絡使用各自的局部觀測作為輸入，分別輸出動作來與環境進行交互； 在Actor網絡和Critic網絡中嵌入GRU模塊來記錄歷史經驗，使學習的策略能夠適應深空小行星的不確知環境； GRU模塊的工作機制如式1-4所示： rt＝σWr·[ht-1，xt]1 zt＝σWz·[ht-1，xt]2 其中，rt表示GRU模塊中的重置門，zt表示更新門，σ表示sigmoid函數，Wr表示重置門參數，Wz表示更新門參數，表示候選隱藏層狀態的參數，ht表示在t時刻的隱藏層狀態，ht-1表示在t-1時刻的隱藏層狀態，xt表示GRU模塊的輸入，表示候選隱藏層狀態； 步驟3：初始化Actor網絡的參數θ和Critic網絡的參數φ，以及算法中的超參數； 步驟4：初始化經驗池D＝[]，供后續執行多個回合搜集數據； 步驟5：初始化軌跡列表τ＝[]、Actor網絡的隱藏狀態 和Critic網絡的隱藏狀態獲取各智能體對環境的局部觀測其中，表示第n個智能體的Actor網絡的初始時刻隱藏狀態，表示第n個智能體的Critic網絡的初始時刻隱藏狀態； 步驟6：各智能體根據Actor網絡選擇動作獲得新隱藏狀態與環境互動后獲得即時獎勵和新的局部觀測其中，表示第i個智能體的Actor網絡，R表示獎勵函數，表示第i個智能體的Actor網絡在t-1時刻的隱藏狀態，st表示t時刻的全局觀測，st+1表示t+1時刻的全局觀測； 步驟7：將局部觀測向量ot拼接為全局觀測st后，根據Critic網絡獲得狀態價值函數和新隱藏狀態其中，表示第i個智能體的Critic網絡，表示第i個智能體的Critic網絡在t-1時刻的隱藏狀態； 步驟8：將軌跡{ot-1，at，rt，ot，st，ht，π，ht，V}添加到軌跡τ中； 步驟9：若回合未結束，跳轉至步驟6，否則獲得整條軌跡τ的數據，在此基礎上計算各智能體的累積折扣獎勵G和優勢函數A，將這些數據均放入經驗池D中； 步驟10：若經驗池D未搜集到足夠數據，跳轉至步驟5；否則，對Actor網絡和Critic網絡在該批次數據上進行多次參數更新； 步驟11：判斷是否達到最大訓練次數，若達到則結束訓練，否則跳轉至步驟4。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京理工大學，其通訊地址為：100081 北京市海淀區中關村南大街5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。