[发明专利]多智能体路径规划方法、装置、电子设备及存储介质

说明书

本申请涉及多智能体协同规划技术领域，特别涉及一种多智能体路径规划方法、装置、电子设备及存储介质，其中，方法包括：采集多智能体中每个智能体在感知范围内的感知信息；对每个智能体在感知范围内的感知信息进行图像化处理，生成感知图像；基于复合神经网络对感知图像进行特征提取和信息聚合，将感知信息映射为目标动作策略，基于目标动作策略生成每个智能体在多个时刻的预测动作，并根据多个时刻的预测动作生成最优规划路径，控制每个智能体按照最优规划路径进行动作。由此，解决了如何在信息部分可知情况下对多智能体进行协同规划等问题。

技术领域

本申请涉及多智能体协同规划技术领域，特别涉及一种多智能体路径规划方法、装置、电子设备及存储介质。

背景技术

多智能体系统经过多年的研究和发展，其相关应用已经深入到诸多领域，比如军事领域，无人机集群协作侦察、打击，多弹头导弹联合突防、制导等；比如民生领域，物流仓储协作分拣，应急救援联合搜救等。多智能体协同规划是多智能体系统中的一个重要分支，它是一类寻找多个智能体从起始位置到目标位置且无冲突的最优路径集合的问题。

多智能体协同规划问题可以根据是否已知先验信息，分为信息完全已知和信息不完全已知情况下的协同规划。相比于信息完全已知的情况，信息不完全已知情况下的多智能体协同规划智能化水平更高、现实普适性更强，具有重大的科研意义和可观的应用前景，但其设计难度更大、计算复杂度更高，一直是研究的难点。

发明内容

本申请提供一种多智能体路径规划方法、装置、电子设备及存储介质，以解决如何在信息部分可知情况下对多智能体进行协同规划等问题。

本申请第一方面实施例提供一种多智能体路径规划方法，包括以下步骤：采集多智能体中每个智能体在感知范围内的感知信息；对所述每个智能体在所述感知范围内的感知信息进行图像化处理，生成感知图像；基于复合神经网络对所述感知图像进行特征提取和信息聚合，将所述感知信息映射为目标动作策略，基于所述目标动作策略生成每个智能体在多个时刻的预测动作，并根据所述多个时刻的预测动作生成最优规划路径，控制所述每个智能体按照所述最优规划路径进行动作。

进一步地，所述复合神经网络由CNN(convolutional neural network，卷积神经网络)、GraphSAGE(Graph Sample and AggreGate，图神经网络)和MLP(MultilayerPerceptron，多层感知机)组成。

进一步地，所述基于复合神经网络对所述感知图像进行特征提取和信息聚合，以将所述感知信息映射为目标动作策略，包括：利用所述CNN对所述感知图像进行特征提取，得到第一特征张量；利用所述GraphSAGE对所述第一特征张量进行特征张量聚合，得到第二特征张量；将所述第二特征张量输入至所述MLP中，以映射为基于概率分布的目标动作策略。

进一步地，所述感知信息包括智能体感知范围内的其他智能体的位置信息、目标点的位置信息或目标点在感知范围边界上的投影、智能体感知范围内的障碍物位置信息。

进一步地，对所述每个智能体在感知范围内的感知信息进行图像化处理，生成感知图像，包括：根据所述其他智能体的位置信息生成状态通道；根据所述目标点的位置信息或目标点在感知范围边界上的投影生成目标通道；根据所述障碍物位置信息生成障碍通道；将所述状态通道、所述目标通道和所述障碍通道生成在二值图上，得到所述感知图像。

进一步地，在控制所述每个智能体按照所述最优规划路径进行动作之前，还包括：判断所述智能体的预测动作是否为碰撞动作或位置互换动作；如果所述预测动作为所述碰撞动作或所述位置互换动作，则执行避撞保护机制，利用空闲动作替代所述碰撞动作或所述位置互换动作。