买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种未知环境中多机器人队伍的自适应探索与任务分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118348801B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410585042.X，技术领域涉及：G05B13/04；该发明授权一种未知环境中多机器人队伍的自适应探索与任务分配方法是由赵中亮;吴书戈;曹先彬设计研发完成，并于2024-05-11向国家知识产权局提交的专利申请。

本一种未知环境中多机器人队伍的自适应探索与任务分配方法在说明书摘要公布了：本发明公开了一种未知环境中多机器人队伍的自适应探索与任务分配方法，属于多机器人系统技术领域。为提升多机器人系统在复杂环境中的探索效率和准确性，本发明方法在各机器人部署前沿点检测、导航和建图模块，在主机部署任务分配、前沿点检测和地图合并模块；在获取探索任务后，各机器人和主机通过自适应快速探索随机树算法并行执行前沿点检测，主机使用贝叶斯引导的进化策略为当前可用机器人分配目标点探测任务，机器人移动到目标点继续进行探测，通过建图模块构建局部地图，主机整合全局地图，直至完成探索任务。本发明有效提高了多机器人系统在未知环境中的探索效率和准确性，同时优化了资源配置，降低了能耗，提高了能源利用效率。

本发明授权一种未知环境中多机器人队伍的自适应探索与任务分配方法在权利要求书中公布了：1.一种未知环境中多机器人队伍的自适应探索与任务分配方法，其特征在于，该方法包括以下步骤： 步骤1，为多机器人队伍中的每个机器人部署机器人系统，机器人系统包括导航模块，建图模块以及第一前沿点检测模块；为主机部署主机系统，主机系统包括任务分配模块，地图合并模块以及第二前沿点检测模块； 步骤2，主机获取区域探索任务，然后执行下面步骤3-7，直到完成区域探索任务； 步骤3，各机器人和主机调用各自的前沿点检测模块，并行执行前沿点检测，每个机器人将检测的前沿点集合发送给主机； 步骤4，主机调用任务分配模块为当前可用机器人分配目标点探测任务； 所述的任务分配模块执行贝叶斯引导的进化策略，包括：针对所有前沿点，先使用贝叶斯优化预测前沿点的效用值，根据设置的阈值条件获取初始目标点集合；然后使用遗传算法基于初始目标点集合为当前可用机器人寻找最优分配策略； 计算前沿点x的效用值如下： 其中，是前沿点x的信息增益，表示机器人在到达该点后能获得的新信息量，基于 前沿点周围的未探索区域计算得出；成本表示机器人从当前位置到达前沿点x所需的 努力，使用欧几里得距离作为成本的度量；RPF表示排斥势场；、和是权重系数； 所述的贝叶斯优化中，使用历史前沿点和对应的效用值训练高斯过程模型，通过采样高斯过程的后验分布预测探索点的效用值和不确定性； 步骤4中使用遗传算法为当前可用机器人寻找最优分配策略，包括： 步骤4.1获取可用机器人集合R和初始目标点集合X，通过高斯过程预测R中各机器人分配到X中各目标点的效用值，存储到矩阵utilities中；初始化种群，每个个体代表为R中每个机器人分配一个目标点的任务分配方案； 步骤4.2评估每个个体的适用度，适应度越高表示对应的任务分配方案越优； 计算个体h的适应度如下： 其中，n为R中机器人数量；h[roboti]表示个体h中为第i个机器人roboti分配的目标点；为机器人roboti被分配到目标点h[roboti]的效用值；Penalty是 邻近性惩罚，表示如果两个机器人分配的目标点距离低于设定阈值时的惩罚； 步骤4.3依据个体的适应度进行选择操作，进行交叉和变异操作，然后生成新一代种群； 步骤4.4重复执行步骤4.2和4.3，直至达到预设迭代次数或适应度满足终止条件，此时种群中最优个体表示最优的多机器人任务分配方案； 步骤5，各机器人系统的导航模块接收到分配的目标点后，通过导航模块规划出从当前位置到目标点的路径，指导机器人沿该路径移动到目标点，通过建图模块获取机器人搭载的传感器实时采集的环境数据，结合定位技术构建局部地图； 步骤6，各机器人系统将构建的局部地图发送给主机系统，主机系统通过地图合并模块将局部地图整合成全局地图，更新已探测区域的面积并发送给各机器人系统； 步骤7，在机器人到达目标点后，继续转步骤3执行。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。