[发明专利]多智能体协同规划方法、装置、电子设备及存储介质

权利要求书

1.一种多智能体协同规划方法，其特征在于，包括以下步骤：

采集中心智能体和对应目标点之间的相对位置；

基于所述相对位置，利用预设的图神经网络对至少一个近邻智能体或所述中心智能体进行定向采样，获取定向采样结果，其中，所述图神经网络由卷积神经网络CNN、基于任务相关的定向采样聚合图神经网络TOKF-GraphSAGE和全连接神经网络MLP复合构建；以及

利用所述预设的图神经网络由所述定向采样结果采样聚合为面向任务的多智能体的最佳协同动作；

其中，所述利用预设的图神经网络对至少一个近邻智能体或所述中心智能体进行定向采样，包括：获取由所述相对位置确定用于采样的至少一个近邻智能体或所述中心智能体的感知图像；从所述感知图像中提取所述至少一个近邻智能体或所述中心智能体的环境特征；将所述环境特征输入至TOKF-GraphSAGE中，分别以所述至少一个近邻智能体或所述中心智能体中每一个智能体为中心，对朝向对应目标点方向的至少一个近邻智能体或所述中心智能体进行信息采样和聚合，得到当前智能体面向任务的知识融合结果；将所述知识融合结果输入至MLP中，映射为基于概率分布的动作策略，得到所述至少一个近邻智能体或所述中心智能体在任一时刻的预测动作。

2.根据权利要求1所述的方法，其特征在于，所述将所述环境特征输入至TOKF-GraphSAGE中，分别以所述至少一个近邻智能体或所述中心智能体中每一个智能体为中心，对朝向对应目标点方向的至少一个近邻智能体或所述中心智能体进行信息采样和聚合，得到当前智能体面向任务的知识融合结果，包括：

由所述环境特征生成N个高维向量，其中，所述N为正整数；

将所述N个高维向量和所述一个或多个智能体的实际状态信息得到每个智能体的共享知识；

聚合所述一个或多个智能体的共享知识，得到所述知识融合结果。

3.根据权利要求2所述的方法，其特征在于，所述聚合所述一个或多个智能体的共享知识，包括：

根据所述相对位置确定朝向目标点区域和背对目标点区域；

基于所述朝向目标点区域和背对目标点区域确定所述一个或多个智能体的相关系数；

根据所述一个或多个智能体的相关系数聚合所述一个或多个智能体的共享知识。

4.根据权利要求3所述的方法，其特征在于，所述朝向目标点区域内的智能体的相关系数大于所述背对目标点区域的智能体的相关系数。

5.一种多智能体协同规划装置，其特征在于，包括：

采集模块，用于采集中心智能体和对应目标点之间的相对位置；

获取模块，用于基于所述相对位置，利用预设的图神经网络对至少一个近邻智能体或所述中心智能体进行定向采样，获取定向采样结果，其中，所述图神经网络由卷积神经网络CNN、基于任务相关的定向采样聚合图神经网络TOKF-GraphSAGE和全连接神经网络MLP复合构建；以及

规划模块，用于利用所述预设的图神经网络由所述定向采样结果采样聚合为面向任务的多智能体的最佳协同动作；

其中，所述获取模块，具体用于：获取由所述相对位置确定用于采样的至少一个近邻智能体或所述中心智能体的感知图像；从所述感知图像中提取所述至少一个近邻智能体或所述中心智能体的环境特征；将所述环境特征输入至TOKF-GraphSAGE中，分别以所述至少一个近邻智能体或所述中心智能体中每一个智能体为中心，对朝向对应目标点方向的至少一个近邻智能体或所述中心智能体进行信息采样和聚合，得到当前智能体面向任务的知识融合结果；将所述知识融合结果输入至MLP中，映射为基于概率分布的动作策略，得到所述至少一个近邻智能体或所述中心智能体在任一时刻的预测动作。

6.根据权利要求5所述的装置，其特征在于，所述获取模块，具体用于：

由所述环境特征生成N个高维向量，其中，所述N为正整数；

将所述N个高维向量和所述一个或多个智能体的实际状态信息得到每个智能体的共享知识；

聚合所述一个或多个智能体的共享知识，得到所述知识融合结果。