全向小车依靠多个轮子协同转动，沿给定轨迹行进。传统方法先建立精确模型、再求解最优控制，难点集中在 HJB 方程——该方程一般没有解析解，维数升高后计算量急剧增大。这项专利采用神经网络逼近代价函数与策略，绕开 HJB 方程求解，且不要求初始策略为容许控制，在持续激励条件下可保证闭环系统一致最终有界。

该方法与公司运动控制业务的技术方向一致：给定轨迹、跟随轨迹、抑制扰动。该专利为公司产学研合作成果，专利权人为西北工业大学，公司技术负责人为五位发明人之一。

多台移动机器人保持队形、协同推进，难点在耦合：每台车的速度与转向，既影响自身位置，也影响相邻车辆的安全间距。把整队当作一个系统集中求解，状态维数随车辆数快速上升，实时性撑不住；让各车只求自身最优，又难以保证整队的最优与稳定。

该方法以强化学习在交互中迭代学习协同控制策略，把车体差异、地面打滑、通信时延等难以精确建模的因素通过数据纳入策略。它与公司多轴协同运动控制的工程问题同源：布纤机多轴联动、换电站节拍协同，都是「多执行体、一个目标、互相牵制」。专利权人为西北工业大学，公司技术负责人为五位发明人之一。

对工业现场的意义也在这里。一条产线上若有多台可移动设备——AGV、巡检车、换电机器人——需要协同作业，谁来定队形、谁先让行、什么时候整队停下，过去靠规则表硬编码，工况一变就得重写；学习式方法提供的是一条可训练的替代路径，规则从数据里长出来，而不是一条条写死。