买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京科技大学申请的专利多车同构机器人集群自组织编队作业协同调度方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120949822B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511493055.5，技术领域涉及：G05D1/695；该发明授权多车同构机器人集群自组织编队作业协同调度方法和系统是由王越;薛秋影;段宏伟;杨广达;叶盈余;赵宁设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本多车同构机器人集群自组织编队作业协同调度方法和系统在说明书摘要公布了：本发明公开一种多车同构机器人集群自组织编队作业协同调度方法和系统，属于智能物流领域，包括：构建货物搬运时空特征的表征函数、基于位置‑任务目标决策的机器人调度、多车同构机器人自组织协同路径规划和多车同构机器人编队行驶速度协同优化。采用本发明的技术方案，有效提升物流仓储的效率和灵活性，增强系统对复杂环境的适应性，提升大件货物运输的安全性和稳定性。

本发明授权多车同构机器人集群自组织编队作业协同调度方法和系统在权利要求书中公布了：1.一种多车同构机器人集群自组织编队作业协同调度方法，其特征在于，包括： 构建货物搬运时空特征的表征函数；具体为： 根据机器人行驶速度以及货物属性对于移动速度的要求，基于货物运输属性约束下货物移动速度、机器人行驶速度构建货物搬运速度特征函数，具体形式如下： 其中，为运输货物允许的最大速度；为机器人行驶时允许的最大速度；为行驶速度比例系数； 将运输过程中路程作为已知量，构建时间特征函数，机器人运输货物过程中的时间函数具体形式如下： 其中，是机器人与货物目的地的距离，是机器人最大行驶速度； 基于货物移动的速度特征和空间特征，货物搬运时空特征的表征函数 构建基于位置-任务目标优化的深度强化学习集群机器人任务匹配策略，确定集群搬运机器人的目标调度对象，具体为： 基于深度强化学习的集群机器人任务决策策略的构建包括：状态空间构建、动作空间构建、奖励函数构建； 状态空间涵盖任务信息、机器人状态、环境信息，状态空间形式如下： 其中，对于任务，任务信息包含货物重量、货物长度、货物宽度、货物位置信息,任务信息形式如下： 其中，对于机器人，机器人状态包括机器人位置、机器人行驶速度v； 其中，对于机器人行驶速度要求如下： 其中，环境信息是指仓储区域的地图信息，以二维矩阵形式的集合表示，表示环境地图中坐标处的状态，表示该位置可通行，表示该位置存在障碍物； 动作空间D针对每个机器人，选择其是否参与任务； 奖励函数R用于引导模型优化目标，为第个机器人行驶到货物位置的时间，为第个机器人行驶到货物位置的能耗，为第个机器人行驶到货物位置的成本，、和为相应的权重系数，奖励函数具体如下： 根据设计的状态空间S、动作空间D和奖励函数R，采用DQN深度强化学习算法建立机器人的任务匹配模型，确定所选择的集群搬运的机器人如下： ； 选择的集群搬运机器人采用算法进行自组织集结阶段路径规划并结合动态窗口算法实现局部避障，通过基于集群的领航-跟随法进行自组织编队路径规划； 使用模型预测控制MPC方法，实时调整每个机器人的速度和加速度，实现多车同构机器人编队行驶速度协同优化，具体为： 整个机器人编队整体状态转移方程如下： 其中，是机器人在时刻的状态，是机器人在时刻的状态，为输入矩阵，为状态矩阵，、如下： 队列稳定控制时整体约束条件包含加速度约束、速度约束、队形约束，约束条件如下： 其中，为速度约束中最大速度，其为货物搬运时空特征函数中计算的速度； 以时间成本低、稳定行驶、保持队形为优化目标，设定代价函数形式如下 其中，表示机器人实际到达时间，为目标到达时间，为机器人行驶的加速度，为权重系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。