基于多智能体时空建模与决策的人机协同感知方法

核心问题

在面积广阔、环境复杂且通信困难的场景中，如何高效实现人机协同感知，确保数据采集的全面性和准确性，是当前应用中的一大痛点。传统方法往往因通信限制和环境复杂性而难以达到理想效果。

解决方案

本发明提出了一种基于多智能体时空建模与决策的人机协同感知方法。该方法首先启动全分布式的多智能体深度强化学习框架，使各无人平台能够自主学习与决策。接着，通过卷积神经网络提取局部空间特征，并结合三维记忆存储映射提取全局历史信息，以获取更全面的感知数据。然后，提取关键上下文信息并对三维记忆存储映射进行局部更新，最后通过价值函数生成价值估计，指导各无人平台执行动作并获取奖励，以此不断优化感知效果。

竞争优势

该方法通过多智能体的深度强化学习和时空建模，实现了更高效的人机协同感知。其全分布式的框架和三维记忆存储映射技术，使得感知数据采集更为全面且准确，尤其适用于面积大、环境复杂、难以通信的场景。相较于传统方法，本发明具有更强的自适应性和鲁棒性，为人机协同感知提供了新的解决方案，具有显著的创新性和应用优势。