[發明專利]一種基于圖神經網絡的分布式路徑規劃方法及裝置

有效

• 申請號: 202211318248.3
• 申請日: 2022-10-26
• 公開（公告）號: CN115657674B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 李金澎;蘇志遠;仇乙愉;汪朝林
• 申請（專利權）人: 寶開（上海）智能物流科技有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 王紫騰

本發明提供一種基于圖神經網絡的分布式路徑規劃方法及裝置，所述方法的步驟包括：獲取本機器人的傳感器在當前時刻所感知到的場景中的臨近機器人；獲取臨近機器人的歷史軌跡參數集；將全部臨近機器人的歷史軌跡參數集共同構建為參數矩陣，將參數矩陣輸入到預設的神經網絡模型的第一處理模塊中，由第一處理模塊輸出第一矩陣；基于當前場景中的多種場景參數構建復合圖像，將所述復合圖像輸入到預設神經網絡模型的第二處理模塊中，由第二處理模塊輸出第二矩陣；將第一矩陣和第二矩陣進行拼接得到聯合矩陣，輸入到預設神經網絡模型的聯合處理模塊中，所述聯合處理模塊輸出本機器人下一時刻所執行的動作。

技術領域

本發明涉及機器人策略調度技術領域，尤其涉及一種基于圖神經網絡的分布式路徑規劃方法及裝置。

背景技術

路徑規劃方法通常分為集中式和分布式兩種方法，集中式規劃方法需要事先由中央控制器收集環境信息和各機器人狀態數據，它可以同時為所有機器人規劃出可行無碰撞路徑。

隨著技術的發展，去中心化越來越流行。分布式算法的主要特征是路徑方案不再由控制中心計算得到，每一個機器人都具有自主規劃路徑和避障的能力，它們可以通過傳感器和處理器感知周邊環境信息，實時做出自身的運動控制。在分布式路徑規劃的前提下，各機器人可以獨立獲取環境信息并自主做出決策，進而減輕中央控制器的運算負荷。如動態A-star重規劃算法，每個機器人根據全局地圖制定單機器人可行路徑。

但傳統的A-star重規劃算法往往僅能將場景中的所有障礙物作為固定的障礙物規劃路線，包括將場景中的其他機器人也作為固定的障礙物，當在行走過程中與其他機器人發生沖突時，再度獲取全局地圖重新根據A-star算法得到可行路徑，直至到達終點，現有的路徑規劃算法不能將場景中的其他機器人作為移動的障礙物，無法對場景中其他機器人路線進行分析，導致其他機器人容易在運行過程中阻擋本機器人。

發明內容

鑒于此，本發明的實施例提供了一種基于圖神經網絡的分布式路徑規劃方法，以消除或改善現有技術中存在的一個或更多個缺陷。

本發明的一個方面提供了一種基于圖神經網絡的分布式路徑規劃方法，所述方法的步驟包括：

獲取本機器人的傳感器在當前時刻所感知到的場景中的臨近機器人；

獲取每個臨近機器人的歷史軌跡參數集，所述歷史軌跡參數集為每個臨近機器人由起點位置行駛至當前位置的過程中在預設的基礎圖像中經過的坐標點的集合；

將全部臨近機器人的歷史軌跡參數集共同構建為參數矩陣，將參數矩陣輸入到預設的神經網絡模型的第一處理模塊中，所述第一處理模塊包括全連接層、偏置層和歸一化層，由第一處理模塊輸出第一矩陣；

基于當前場景中的多種場景參數構建復合圖像，將所述復合圖像輸入到預設神經網絡模型的第二處理模塊中，所述第二處理模塊包括卷積層、歸一化層、偏置層和最大池化層，由第二處理模塊輸出第二矩陣；

將第一矩陣和第二矩陣進行拼接得到聯合矩陣，將所述聯合矩陣輸入到預設神經網絡模型的聯合處理模塊中，所述聯合處理模塊包括全連接層和偏置層，所述聯合處理模塊輸出本機器人下一時刻所執行的動作。

采用上述方案，本方案首先相較于常用的分布式算法具有更高的調度效率，在大部分情況可以讓機器人在指定時間內到達目的地，本方案可擴展性較強，一旦神經網絡訓練完成后，可將其直接應用于全新的環境中，而無需再次訓練，除此之外，本方案將場景中的其他機器人作為移動的障礙物，通過第一處理模塊對鄰近機器人的歷史軌跡進行分析，完成對場景中其他機器人的路線分析，降低其他機器人在運行過程中阻擋本機器人的概率。