一种基于安全强化学习的分布式多机器人路径规划方法

本发明属于多机器人路径规划技术领域，具体涉及一种基于安全强化学习的分布式多机器人路径规划方法，为每个机器人提供分布式的运动策略，并有效降低机器人间发生冲突和碰撞的风险，提高运行效率。该方法设置状态空间为小尺度三通道局部观测地图，包括局部距离代价地图、邻居相对位置地图和邻居目标相对位置地图，将机器人与环境的信息以局部图的形式表示，有效提升了规模和场景的泛化性，基于广度优先搜索算法，构建了距离代价地图，从而将全局信息引入局部观测中，为易陷入局部最优的问题提供了有效的解决方案。