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