本發(fā)明屬于機(jī)器人控制，尤其涉及一種機(jī)器人導(dǎo)航路徑的生成方法及系統(tǒng)。

背景技術(shù)：

1、隨著機(jī)器人技術(shù)的快速發(fā)展，自主導(dǎo)航成為機(jī)器人領(lǐng)域的重要研究方向。在動態(tài)環(huán)境中，機(jī)器人需要實時感知周圍環(huán)境并做出合理的導(dǎo)航?jīng)Q策，尤其是在人機(jī)共存的環(huán)境中（如商場、醫(yī)院、機(jī)場等），機(jī)器人與行人之間的交互增加了導(dǎo)航的復(fù)雜性。傳統(tǒng)的導(dǎo)航方法通常依賴于靜態(tài)地圖和預(yù)設(shè)規(guī)則，難以應(yīng)對動態(tài)環(huán)境中的不確定性。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種機(jī)器人導(dǎo)航路徑的生成方法及系統(tǒng)，用于解決通常依賴于靜態(tài)地圖和預(yù)設(shè)規(guī)則，難以應(yīng)對動態(tài)環(huán)境中的不確定性的技術(shù)問題。

2、第一方面，本發(fā)明提供一種機(jī)器人導(dǎo)航路徑的生成方法，包括：

3、根據(jù)機(jī)器人的潛在狀態(tài)和行人的潛在狀態(tài)構(gòu)建動態(tài)關(guān)系圖；

4、根據(jù)預(yù)設(shè)的側(cè)信道狀態(tài)序列匹配策略對所述動態(tài)關(guān)系圖中的特征矩陣進(jìn)行優(yōu)化，得到鄰接矩陣，并將所述鄰接矩陣輸入至圖卷積網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)，得到節(jié)點(diǎn)特征矩陣；

5、根據(jù)所述鄰接矩陣和所述節(jié)點(diǎn)特征矩陣進(jìn)行非負(fù)矩陣分解，得到第一潛在因子矩陣和第二潛在因子矩陣；

6、將所述第一潛在因子矩陣、所述第二潛在因子矩陣和所述節(jié)點(diǎn)特征矩陣進(jìn)行融合，得到加權(quán)融合矩陣，并根據(jù)預(yù)設(shè)的自適應(yīng)運(yùn)動結(jié)構(gòu)魯棒篩選策略對所述加權(quán)融合矩陣進(jìn)行篩選，得到關(guān)鍵狀態(tài)矩陣；

7、將所述關(guān)鍵狀態(tài)矩陣線性轉(zhuǎn)換為查詢矩陣、鍵矩陣以及值矩陣，并輸入至預(yù)設(shè)的transformer模型中，所述transformer模型輸出得到增強(qiáng)特征矩陣；

8、根據(jù)所述增強(qiáng)特征矩陣動態(tài)更新所述鄰接矩陣，得到目標(biāo)鄰接矩陣，將所述目標(biāo)鄰接矩陣輸入至過程獎勵模型，并根據(jù)改進(jìn)的蒙特卡洛樹搜索算法進(jìn)行搜索，所述過程獎勵模型輸出得到最優(yōu)導(dǎo)航路徑。

9、第二方面，本發(fā)明提供一種機(jī)器人導(dǎo)航路徑的生成系統(tǒng)，包括：

10、構(gòu)建模塊，配置為根據(jù)機(jī)器人的潛在狀態(tài)和行人的潛在狀態(tài)構(gòu)建動態(tài)關(guān)系圖；

11、優(yōu)化模塊，配置為根據(jù)預(yù)設(shè)的側(cè)信道狀態(tài)序列匹配策略對所述動態(tài)關(guān)系圖中的特征矩陣進(jìn)行優(yōu)化，得到鄰接矩陣，并將所述鄰接矩陣輸入至圖卷積網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)，得到節(jié)點(diǎn)特征矩陣；

12、分解模塊，配置為根據(jù)所述鄰接矩陣和所述節(jié)點(diǎn)特征矩陣進(jìn)行非負(fù)矩陣分解，得到第一潛在因子矩陣和第二潛在因子矩陣；

13、篩選模塊，配置為將所述第一潛在因子矩陣、所述第二潛在因子矩陣和所述節(jié)點(diǎn)特征矩陣進(jìn)行融合，得到加權(quán)融合矩陣，并根據(jù)預(yù)設(shè)的自適應(yīng)運(yùn)動結(jié)構(gòu)魯棒篩選策略對所述加權(quán)融合矩陣進(jìn)行篩選，得到關(guān)鍵狀態(tài)矩陣；

14、第一輸出模塊，配置為將所述關(guān)鍵狀態(tài)矩陣線性轉(zhuǎn)換為查詢矩陣、鍵矩陣以及值矩陣，并輸入至預(yù)設(shè)的transformer模型中，所述transformer模型輸出得到增強(qiáng)特征矩陣；

15、第二輸出模塊，配置為根據(jù)所述增強(qiáng)特征矩陣動態(tài)更新所述鄰接矩陣，得到目標(biāo)鄰接矩陣，將所述目標(biāo)鄰接矩陣輸入至過程獎勵模型，并根據(jù)改進(jìn)的蒙特卡洛樹搜索算法進(jìn)行搜索，所述過程獎勵模型輸出得到最優(yōu)導(dǎo)航路徑。

16、第三方面，提供一種電子設(shè)備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例的機(jī)器人導(dǎo)航路徑的生成方法的步驟。

17、第四方面，本發(fā)明還提供一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述程序指令被處理器執(zhí)行時，使所述處理器執(zhí)行本發(fā)明任一實施例的機(jī)器人導(dǎo)航路徑的生成方法的步驟。

18、本申請的機(jī)器人導(dǎo)航路徑的生成方法及系統(tǒng)，根據(jù)預(yù)設(shè)的側(cè)信道狀態(tài)序列匹配策略對動態(tài)關(guān)系圖中的特征矩陣進(jìn)行優(yōu)化，得到鄰接矩陣，并將鄰接矩陣輸入至圖卷積網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)，得到節(jié)點(diǎn)特征矩陣，根據(jù)鄰接矩陣和節(jié)點(diǎn)特征矩陣進(jìn)行非負(fù)矩陣分解，得到第一潛在因子矩陣和第二潛在因子矩陣，將第一潛在因子矩陣、第二潛在因子矩陣和節(jié)點(diǎn)特征矩陣進(jìn)行融合，得到加權(quán)融合矩陣，并根據(jù)預(yù)設(shè)的自適應(yīng)運(yùn)動結(jié)構(gòu)魯棒篩選策略對加權(quán)融合矩陣進(jìn)行篩選，得到關(guān)鍵狀態(tài)矩陣，將關(guān)鍵狀態(tài)矩陣線性轉(zhuǎn)換為查詢矩陣、鍵矩陣以及值矩陣，并輸入至預(yù)設(shè)的transformer模型中，transformer模型輸出得到增強(qiáng)特征矩陣，根據(jù)增強(qiáng)特征矩陣動態(tài)更新鄰接矩陣，得到目標(biāo)鄰接矩陣，將目標(biāo)鄰接矩陣輸入至過程獎勵模型，并根據(jù)改進(jìn)的蒙特卡洛樹搜索算法進(jìn)行搜索，過程獎勵模型輸出得到最優(yōu)導(dǎo)航路徑，實現(xiàn)了對動態(tài)環(huán)境中機(jī)器人與行人交互的深度建模和高效規(guī)劃，提高了機(jī)器人自主導(dǎo)航的準(zhǔn)確度，有利于機(jī)器人在動態(tài)環(huán)境中的高效導(dǎo)航與決策。

技術(shù)特征：

1.一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，所述根據(jù)機(jī)器人的潛在狀態(tài)和行人的潛在狀態(tài)構(gòu)建動態(tài)關(guān)系圖包括：

3.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，所述根據(jù)預(yù)設(shè)的側(cè)信道狀態(tài)序列匹配策略對所述動態(tài)關(guān)系圖中的特征矩陣進(jìn)行優(yōu)化，得到鄰接矩陣包括：

4.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，其中，將所述鄰接矩陣輸入至圖卷積網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)，得到節(jié)點(diǎn)特征矩陣的表達(dá)式為：

5.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，其中，根據(jù)所述鄰接矩陣和所述節(jié)點(diǎn)特征矩陣進(jìn)行非負(fù)矩陣分解，得到第一潛在因子矩陣和第二潛在因子矩陣的表達(dá)式為：

6.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，其中，將所述第一潛在因子矩陣、所述第二潛在因子矩陣和所述節(jié)點(diǎn)特征矩陣進(jìn)行融合，得到加權(quán)融合矩陣的表達(dá)式為：

7.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，其中，根據(jù)預(yù)設(shè)的自適應(yīng)運(yùn)動結(jié)構(gòu)魯棒篩選策略對所述加權(quán)融合矩陣進(jìn)行篩選，得到關(guān)鍵狀態(tài)矩陣的表達(dá)式為：

8.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，所述將所述關(guān)鍵狀態(tài)矩陣線性轉(zhuǎn)換為查詢矩陣、鍵矩陣以及值矩陣，并輸入至預(yù)設(shè)的transformer模型中，所述transformer模型輸出得到增強(qiáng)特征矩陣包括：

9.根據(jù)權(quán)利要求1所述的一種機(jī)器人導(dǎo)航路徑的生成方法，其特征在于，所述根據(jù)所述增強(qiáng)特征矩陣動態(tài)更新所述鄰接矩陣，得到目標(biāo)鄰接矩陣，將所述目標(biāo)鄰接矩陣輸入至過程獎勵模型，并根據(jù)改進(jìn)的蒙特卡洛樹搜索算法進(jìn)行搜索，所述過程獎勵模型輸出得到最優(yōu)導(dǎo)航路徑包括：

10.一種機(jī)器人導(dǎo)航路徑的生成系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種機(jī)器人導(dǎo)航路徑的生成方法及系統(tǒng)，方法包括：根據(jù)鄰接矩陣和節(jié)點(diǎn)特征矩陣進(jìn)行非負(fù)矩陣分解，得到第一潛在因子矩陣和第二潛在因子矩陣，將第一潛在因子矩陣、第二潛在因子矩陣和節(jié)點(diǎn)特征矩陣進(jìn)行融合，得到加權(quán)融合矩陣，并根據(jù)預(yù)設(shè)的自適應(yīng)運(yùn)動結(jié)構(gòu)魯棒篩選策略對加權(quán)融合矩陣進(jìn)行篩選，得到關(guān)鍵狀態(tài)矩陣，將關(guān)鍵狀態(tài)矩陣線性輸入至預(yù)設(shè)的Transformer模型中，Transformer模型輸出得到增強(qiáng)特征矩陣，根據(jù)增強(qiáng)特征矩陣動態(tài)更新鄰接矩陣，得到目標(biāo)鄰接矩陣，將目標(biāo)鄰接矩陣輸入至過程獎勵模型，并根據(jù)改進(jìn)的蒙特卡洛樹搜索算法進(jìn)行搜索，過程獎勵模型輸出得到最優(yōu)導(dǎo)航路徑。實現(xiàn)了對動態(tài)環(huán)境中機(jī)器人與行人交互的深度建模和高效規(guī)劃。

技術(shù)研發(fā)人員：姚道金,曾玉卿,聶暉,殷雄,余勇祥,李珍,高霄
受保護(hù)的技術(shù)使用者：華東交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15