一种基于深度强化学习的地面机器人路径规划方法

被引：0

专利类型：

发明

申请号：

CN202310519669.0

申请日：

2023-05-09

公开(公告)号：

CN116625369B

公开(公告)日：

2025-10-31

发明(设计)人：

邵士亮秦宏伟张进王挺刘连庆

申请人：

中国科学院沈阳自动化研究所

申请人地址：

110016 辽宁省沈阳市沈河区南塔街114号

IPC主分类号：

G01C21/20

IPC分类号：

G06N3/0464 G06N3/048 G06N3/092 G01S17/89 G01S17/86

代理机构：

沈阳科苑专利商标代理有限公司 21002

代理人：

王倩

法律状态：

授权

国省代码：

北京市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2025-10-31	授权	授权

共 50 条

[1]

一种基于深度强化学习的机器人路径规划方法 [P].

张秀梅 ;

赵新元 ;

李慧 ;

车柏乐 ;

王大楠 .

中国专利 :CN120215511B ,2025-12-12

[2]

一种基于深度强化学习的机器人路径规划方法 [P].

张秀梅 ;

赵新元 ;

李慧 ;

车柏乐 ;

王大楠 .

中国专利 :CN120215511A ,2025-06-27

[3]

一种基于深度强化学习的机器人路径规划方法 [P].

邓三鹏 ;

祁宇明 ;

谢雷 ;

李辉 ;

张香玲 ;

杨彬 .

中国专利 :CN110977967A ,2020-04-10

[4]

一种基于深度强化学习的机器人路径规划方法及装置 [P].

侯冬冬 ;

都军民 ;

姚保太 ;

秦丽萍 ;

李广华 ;

李治涛 ;

张连营 ;

蔡金思 .

中国专利 :CN119689889A ,2025-03-25

[5]

一种基于深度强化学习的机器人避障路径规划方法 [P].

苏飏 ;

董秀成 ;

田箫源 ;

向贤明 ;

张党成 ;

刘俊君 .

中国专利 :CN117707168A ,2024-03-15

[6]

一种基于深度强化学习的多机器人路径规划方法 [P].

邓辅秦 ;

官桧锋 ;

叶思垣 ;

黄焕钊 ;

彭舒婷 ;

谭朝恩 ;

钟家铭 ;

李伟科 ;

王栋 ;

龙佳乐 ;

张建民 ;

钟东洲 ;

丁毅 ;

习江涛 .

中国专利 :CN114742270A ,2022-07-12

[7]

一种基于随机采样和强化学习的机器人路径规划方法 [P].

张俊华 ;

吴智恒 ;

程良伦 ;

王涛 .

中国专利 :CN110081889A ,2019-08-02

[8]

基于强化学习的机器人路径规划方法 [P].

张祖艳 ;

杨红运 .

中国专利 :CN121115783A ,2025-12-12

[9]

一种基于深度强化学习的水下机器人编队的路径规划方法 [P].

王昊 ;

魏相巍 .

中国专利 :CN118760220A ,2024-10-11

[10]

一种基于课程深度强化学习的多机器人路径规划方法 [P].

蔡世波 ;

朱迪 ;

都明宇 ;

张科文 .

中国专利 :CN119642843A ,2025-03-18

← 1 2 3 4 5 →