基于密度场和深度强化学习的移动机器人多目标围捕方法及系统

本发明公开了一种基于密度场和深度强化学习的移动机器人多目标围捕方法及系统，采用密度场结合深度强化学习技术，包括感知信息获取、目标密度计算、目标分配决策、围捕状态判断、观测状态生成、动作决策与执行和围捕流程迭代七个步骤，利用密度场算法结合相对位置计算分值，从而实现目标的合理实时分配与机器人分组，确保围捕力量均衡；同组内的机器人基于深度强化学习训练的策略，对目标进行高效围捕。本发明方法在移动机器人快速靠近目标和迅速形成围捕阵型方面显著提升了系统性能，为多目标围捕场景提供了一种高效、智能的解决方案。