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！

龍圖騰網恭喜北京理工大學申請的專利一種基于模態預測的飛行車輛路徑規劃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：CN114545981B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202210224659.X，技術領域涉及：G05D1/49；該發明授權一種基于模態預測的飛行車輛路徑規劃方法是由趙靖;王偉達;楊超;李穎;徐彬;陳寅聰;孟曉騰設計研發完成，并于2022-03-09向國家知識產權局提交的專利申請。

本一種基于模態預測的飛行車輛路徑規劃方法在說明書摘要公布了：本發明屬于飛行器技術領域，具體涉及一種基于模態預測的飛行車輛路徑規劃方法，在第一層中，車輛采取博弈學習的框架完成全局規劃，同時采集模態切換訓練數據，該數據包括車輛與障礙物的相對位置信息、障礙物屬性信息以及空地模態的切換動作；相對位置信息與障礙物屬性信息是后續模態預測網絡的輸入，空地模態的切換動作是模態預測網絡的輸出；第二層用第一層采集的訓練數據訓練模態預測網絡，在突變環境中，根據傳感器采集的相對位置信息、障礙物屬性信息預測切換模態，最終將預測的模態值回送到第一層的學習框架，獲取局部規劃路徑。本發明解決了飛行車輛復雜突變環境中空地模態切換決策以及多模態路徑規劃的難題。

本發明授權一種基于模態預測的飛行車輛路徑規劃方法在權利要求書中公布了：1.基于模態預測的飛行車輛路徑規劃方法，其特征在于，包括兩層架構，第一層為靜態環境全局路徑規劃層，第二層為復雜突變環境局部規劃層；第一層用于解決靜態環境中模態訓練數據的采集與處理問題；在第一層中，車輛采取博弈學習的框架完成全局規劃，同時采集模態切換訓練數據，該數據包括車輛與障礙物的相對位置信息、障礙物屬性信息以及空地模態的切換動作；相對位置信息與障礙物屬性信息是后續模態預測網絡的輸入，空地模態的切換動作是模態預測網絡的輸出；第一層具體包括以下四步：Step1：獲取靜態環境的地圖信息以及車輛的絕對位置信息用于后續全局路徑規劃；Step2:充分考慮飛行車輛的多域運動能力，為空地模態的切換動作以及切換后向不同方向的運動設置相應獎勵函數值；憑借空地模態的切換對障礙物的飛躍，飛行車輛通行區域得到極大的拓寬，相應地，向可飛躍區域方向的運動將不受障礙物的懲罰；在所設置獎勵函數的基礎上，利用追逐博弈獲取恰當的時機與位置的空地模態切換決策；在該博弈中，構建飛行車輛的追逐目標車輛，飛行車輛與目標車輛對間隔距離的博弈需求不同，飛行車輛希望盡可能的縮短兩車間隔距離以追捕目標車輛，而目標車輛希望最大化間隔距離以逃離追捕；面對障礙物，兩車均有不同的模態切換動作選項，選擇的切換動作應最大程度地滿足各自的博弈需求，這就是模態切換納什均衡解；最終通過兩車的行為博弈對均衡解的求解，飛行車輛可獲取恰當的空地模態切換決策；Step3:將獲得的模態切換動作用于多模態路徑規劃，在車輛對環境的探索學習過程中，博弈學習追求最大化的學習獎勵，進而獲得滿足規劃目標的全局多模態路徑；Step4:在規劃過程中，車輛記錄與障礙物的相對位置信息，障礙物屬性信息，以及相應的模態切換信息，存儲后用于后續訓練；第二層則解決了復雜突變環境中的空地模態切換預測和飛行車輛多模態路徑規劃難題；用第一層采集的訓練數據訓練模態預測網絡，在突變環境中，根據傳感器采集的相對位置信息、障礙物屬性信息預測切換模態，最終將預測的模態值回送到第一層的學習框架，獲取局部規劃路徑；第二層具體包括以下三步：Step5:在復雜突變環境中，傳感器獲取障礙物的局部感知信息，包括車輛與障礙物的相對位置信息以及障礙物屬性信息，作為已訓練的模態預測網絡的輸入量；Step6:模態預測網絡用靜態環境中采集的訓練數據進行網絡訓練，完成后，根據復雜突變環境中的障礙物局部感知信息預測切換模態；預測的模態動作用于后續局部路徑的規劃；Step7:預測的模態動作回送到第一層的學習框架中，當前障礙物的切換動作已知，只需尋找出最大化學習獎勵的運動軌跡即可，最終可規劃出飛行車輛在復雜突變環境中的局部多模態路徑。

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”。