一种基于深度学习优化机器人路径规划的方法及系统

本发明公开了一种基于深度学习优化机器人路径规划的方法及系统，将机器人的路径规划问题建立模型，并转换为可被优化的数学问题，所述数学问题由优化任务的目标函数定义，所述目标函数包括长度成本和碰撞成本；通过BPS编码机器人运动规划中的环境信息，所述BPS通过一组预定义的基础点来捕捉环境的特征，并通过计算这些点到环境中最近障碍物的距离来生成特征向量；基于生成的特征向量，通过深度学习完成模型训练，通过使用神经网络进行路径规划模型训练，得出最优路径；基于深度学习对路径规划的模型训练，得出最优路径，作为基于优化的路径规划算法的初始热启动，使路径规划模型训练更高效，提高了规划效率。