一种基于深度强化学习的叉车动态路径规划方法

本发明涉及智能仓储与物流自动化技术领域，尤其为一种基于深度强化学习的叉车动态路径规划方法，通过部署多视角视觉、地磁等多源传感器，利用仿昆虫复眼视觉模型实现数据校准与融合，并构建高维状态空间向量；采用候鸟导航、生物应激反应等启发式模型，结合深度强化学习，从路径规划、动态避障、能效管理三方面生成决策指令，经控制系统执行动作并反馈偏差；利用奖励函数评估决策效果，其中奖励由路径效率、避障成功、能耗惩罚加权构成，权重可自适应更新，以此优化深度强化学习模型。本发明有效提升叉车路径规划的准确性、安全性与效率，可适应复杂动态环境，满足智慧物流与工业自动化对叉车智能化作业的需求。