未知环境下智能体多尺度前沿感知强化学习区域覆盖方法

本发明提供一种未知环境下智能体多尺度前沿感知强化学习区域覆盖方法，构建多个以智能体所处位置为中心，尺寸增大，分辨率降低的智能体局部邻域形成观测空间的多尺度地图，每个观测尺度都包含了障碍物信息和覆盖区域信息，便于智能体进行长期规划和局部规划。采用自注意力特征融合机制，充分提取和利用多尺度地图与传感器包含的地图特征信息，使得智能体更关注未覆盖区域的前沿和覆盖过程中的空洞。构建未知前沿奖励，进一步解决覆盖过程中的空洞问题。使用强化学习方法，结合其他多种奖励，通过课程学习训练智能体使其完成对未知环境的区域覆盖，提高对多种环境的泛化性。