[发明专利]多智能体的环境探索方法、装置、电子设备及存储介质

权利要求书

1.一种多智能体的环境探索方法，其特征在于，包括以下步骤：

获取任一智能体采集的图像信息和位姿信息；

根据所述图像信息和所述位姿信息构建所述任一智能体的拓扑地图，将所有智能体的拓扑地图合并至同一预设坐标系中，得到所述所有智能体的全局拓扑图，并从所述全局拓扑图中提取所述所有智能体的每个智能体的多个全连通图；

融合所述每个智能体的多个全连通图，得到所述每个智能体的智能体图和新全局目标点图，并将所述智能体图和所述新全局目标点图输入至预设层次化网络中，输出所述智能体图和所述新全局目标点图之间的关系矩阵；

根据所述关系矩阵预测所述每个智能体的动作概率分布，利用所述动作概率分布分配所述每个智能体的全局目标点，并基于所述全局目标点规划所述每个智能体的实际探索路径，控制所述每个智能体沿着所述实际探索路径执行预设环境探索动作。

2.根据权利要求1所述的方法，其特征在于，所述根据所述图像信息和所述位姿信息构建所述任一智能体的拓扑地图，包括：

在每一个全局决策步骤中，识别所述图像信息得到恒星节点或行星节点，并识别所述位姿信息得到节点的实际位置，其中，所述恒星节点智能体已经经过的地方，所述行星节点未被探索、并与所述恒星节点相连，且每个节点包括位置信息和类别信息；

当检测到恒星节点或行星节点满足预设规则时，建立所述恒星节点或行星节点，并筛选有满足预设有效条件的行星节点作为全局目标点的候选池；

利用预设过滤器移除所述候选池中的冗余行星节点，并利用建立的恒星节点、剩余的行星节点和每个节点的实际位置构建得到任一智能体的拓扑地图。

3.根据权利要求2所述的方法，其特征在于，所述预设规则为：

在检测到所述任一智能体为中心的预设范围内没有恒星节点时，添加恒星节点；

在检测到行星节点与所述任一智能体的实际距离小于第一预设距离时，利用所述恒星节点代替所述行星节点；

轨道节点与恒星节点的距离为第二预设距离，且以预设角度均匀分布的恒星节点周围，其中，所述轨道节点为任意行星节点。

4.根据权利要求3所述的方法，其特征在于，所述预设过滤器用于：

当恒星节点处于与所述任一智能体的预设范围内时，移除所述恒星节点相应的行星节点；

在所述第二预设距离的范围内行星节点为预设数量；

当预测障碍物阻挡行星节点到其对应恒星节点的路径时，移除所述行星节点。

5.根据权利要求1所述的方法，其特征在于，所述多个全连通图包括历史智能体信息图、当前智能体信息图、历史全局目标点图和当前全局目标点图，所述融合所述每个智能体的多个全连通图，得到所述每个智能体的智能体图和新全局目标点图，包括：

对所述历史智能体信息图和当前智能体信息图中所有节点特征进行编码，并根据编码后的节点特征进行多次融合，得到所述智能体图，其中，所述当前智能体信息图中每个节点代表一个不同的智能体，所述历史智能体信息图包含了历史全局时间步中所有智能体的历史信息；

对所述历史全局目标点图和所述当前全局目标点图中所有节点特征进行编码，并根据编码后的节点特征进行多次融合，得到所述新全局目标点图，其中，所述当前全局目标点图包含当前的恒星节点和行星节点，所述历史全局目标点图包含所有历史选中的行星节点及其对应的恒星节点。

6.根据权利要求5所述的方法，其特征在于，所述将所述智能体图和所述新全局目标点图输入至预设层次化网络中，输出所述智能体图和所述新全局目标点图之间的关系矩阵，包括：

将所述智能体图和所述新全局目标点图中的恒星节点输入至预设恒星点选择器，输出恒星点关系矩阵；

将所述恒星点关系矩阵、所述智能体图和所述新全局目标点图中的行星节点输入至预设行星节点选择器，输出行星点关系矩阵，根据所述行星点关系矩阵确定所述智能体图和所述新全局目标点图之间的关系矩阵。