(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111570457.2 (22)申请日 2021.12.21 (65)同一申请的已公布的文献号 申请公布号 CN 114239974 A (43)申请公布日 2022.03.25 (73)专利权人 清华大学 地址 100084 北京市海淀区清华园 (72)发明人 王裕宁　王建强　姜竣凯　黄荷叶　 王嘉昊　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 赵静 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 111027692 A,2020.04.17 CN 112651557 A,2021.04.13 CN 113342047 A,2021.09.0 3 CN 112215337 A,2021.01.12 WO 2021180130 A1,2021.09.16 US 2021191395 A1,2021.0 6.24 审查员 王红微 (54)发明名称 多智能体的位置预测方法、 装置、 电子设备 及存储介质 (57)摘要 本申请涉及智能体位置预测技术领域， 特别 涉及一种多智能体的位置预测方法、 装置、 电子 设备及存储介质， 其中， 方法包括： 获取智能体的 历史数据， 其中， 历史数据包括至少一帧数据； 根 据历史数据获取智能体在每帧数据中的历史坐 标， 并基于历史坐标生成智能体的历史坐标矩 阵； 根据历史数据获取智能体在每帧数据中的全 局态势图， 并基于全局态势图和历史坐标提取智 能体周围的空间态势值， 并利用历史坐标矩阵和 空间态势值预测得到智能体在当前时刻之后的 至少一个预测位置。 由此， 解决了相关技术中基 于物理模型进行多智能体的位置预测， 预测的准 确性及通用性较差， 无法为智能体的决策提供可 靠的依据等问题。 权利要求书2页 说明书10页 附图6页 CN 114239974 B 2022.10.25 CN 114239974 B 1.一种多智能体的位置预测方法， 其特 征在于， 包括以下步骤： 获取智能体的历史数据， 其中， 所述历史数据包括至少一帧数据； 根据所述历史数据获取所述智能体在每帧数据中的历史坐标， 并基于所述历史坐标生 成所述智能体的历史坐标矩阵； 根据所述历史数据获取所述智能体在每帧数据中的全局 态势图， 并基于所述全局 态势 图和所述历史坐标提取所述智能体周围的空间态势 值， 并利用所述历史坐标矩阵和所述空 间态势值预测得到所述智能体在当前时刻之后的至少一个预测位置； 所述基于所述全局态 势图和所述历史坐标提取 所述智能体周围的空间态 势值， 包括： 根据所述历史坐标 标记所述智能体在所述全局态 势图中的实际位置； 提取所述实 际位置周围多个区域的态势值， 对每个区域的态势值进行降维处理， 以得 到所述智能体的态 势矩阵； 对所述态势矩阵进行池化处理， 以得到所述智能体周围的空间态势值； 所述对所述态 势矩阵进 行池化处理， 以得到所述智能体周围的空间态势 值， 包括： 计算所述态势矩阵中所 有态势值的平均值， 将所述平均值作为所述空间态 势值。 2.根据权利要求1所述的方法， 其特征在于， 所述利用所述历史坐标矩阵和所述空间态 势值预测得到所述智能体在当前时刻之后的至少一个预测位置， 包括： 将所述历史坐标矩阵和所述空间态势值输入至预设预测模型中， 输出所述至少一个预 测位置。 3.根据权利要求2所述的方法， 其特征在于， 在将所述历史坐标矩阵和所述空间态势值 输入至预设预测模型中之前， 还 包括： 根据长短期记 忆网络、 残差 机制和态 势机制构建预测模型； 利用训练数据集对所述预测模型进行训练， 并在训练结束后得到所述预设预测模型。 4.一种多智能体的位置预测装置， 其特 征在于， 包括： 获取模块， 用于获取智能体的历史数据， 其中， 所述历史数据包括至少一帧数据； 生成模块， 用于根据所述历史数据获取所述智能体在每帧数据中的历史坐标， 并基于 所述历史坐标生成所述智能体的历史坐标矩阵； 提取模块， 用于根据所述历史数据获取所述智能体在每帧数据中的全局态势图， 并基 于所述全局态势图和所述历史坐标提取所述智能体周围的空间态势 值； 所述提取模块用于 根据所述历史坐标标记所述智能体在所述全局态势图中的实际位置， 提取所述实际位置周 围多个区域的态势 值， 对每个区域的态势 值进行降维处理， 以得到所述智能体的态势矩阵， 对所述态势矩阵进行池化处理， 以得到所述智能体周围的空间态势值； 所述提取模块进一 步用于计算所述态 势矩阵中所有态 势值的平均值， 将所述平均值作为所述空间态 势值； 预测模块， 用于利用所述历史坐标矩阵和所述空间态势值预测得到所述智能体在 当前 时刻之后的至少一个预测位置 。 5.根据权利要求4所述的装置， 其特征在于， 所述预测模块用于将所述历史坐标矩阵和 所述空间态 势值输入至预设预测模型中， 输出 所述至少一个预测位置 。 6.根据权利要求5所述的装置， 其特 征在于， 还 包括： 训练模块， 用于在将所述历史坐标矩阵和所述空间态势值输入至预设预测模型中之 前， 根据长 短期记忆网络、 残差机制和态势机制构建预测模型， 利用训练数据集对所述预测权　利　要　求　书 1/2 页 2 CN 114239974 B 2模型进行训练， 并在训练结束后得到所述预设预测模型。 7.一种电子设备， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述处理器执行所述程序， 以实现如权利要求 1‑3任一项所 述的多智能体的位置预测方法。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行， 以用于实现如权利要求1 ‑3任一项所述的多智能体的位置预测方法。权　利　要　求　书 2/2 页 3 CN 114239974 B 3