摘要
本发明公开了一种灾区机器人作业路径与能耗优化方法及系统,该方法包括:构建多因子耦合的单位路径能耗预测模型,融合灾区地形、实时风阻及电池衰减因子,生成精准能耗地图;搭建分层强化学习路径调度框架,上层策略网络以能耗与时间最优为双目标生成全局路径,下层执行网络基于MPC实时处理传感器数据,避障时兼顾路径稳定与低能耗;设计事件触发的任务插件机制优化调度;采用知识蒸馏压缩上层策略网络,部署至机器人边缘端。本发明通过精准能耗模型提升续航与任务完成率,分层架构破解全局‑局部控制脱节,插件机制满足高实时性需求,边缘部署适配弱网/断网环境,适用于灾后巡检、物资运送等高实时性场景。
技术关键词
能耗优化方法
分层强化学习
机器人作业
能耗预测模型
插件机制
栅格地图
网络
计算机可执行指令
能耗优化系统
框架
机器人运动学
强化学习策略
计算机存储介质
存储器
蒸馏
决策
系统为您推荐了相关专利信息
AGV机器人
机器人作业
调度管理方法
电池消耗量
拓扑图
能耗分析方法
固化机
能耗预测模型
线路板涂胶
器件特征
分层强化学习
插拔方法
机器人执行机构
插拔操作过程
深度强化学习算法
动态预测模型
区块链技术
评估系统
长短期记忆网络
数据验证机制