自动导引车(Automated?Guided?Vehicle,?AGV)的自主路径规划是离散制造智能工厂中物流系统的重要组成部分,AGV可以大大提高离散智能制造的智能化和自动化能力,?而传统的AGV导航方式自由度较低.本文研究面向离散制造智能工厂场景下的AGV自主路径规划问题,?应用深度强化学习方法提高自主路径规划的自由度.设计了一种多模态环境信息感知的神经网络结构,?并将AGV在全局障碍下的路径规划预训练策略引入到复杂的离散制造智能工厂场景下的路径规划,?实现了AGV从环境感知到动作决策的端到端路径规划
创意生成是设计过程中的关键环节之一,?但受限于个人技能,?往往难以获取可穷举的系统性创意.可拓学研究矛盾问题处理的方法可以为解决设计中的问题提供参考.以广州区庄地铁站解决乱扔烟蒂影响公共生活环境问题为例,?引入可拓创新方法,?对问题进行基元建模;?基于区庄地铁站的实际情况分析,?把问题拆解为多个基元进行详细的拓展分析,?利用可拓创新方法中的可拓变换,?最终提出了13种以上的解决方案.通过在区庄地铁站区域的应用,?验证了方案的有效性.该方法可为解决设计中创意生成的系统性问题提供新思路.