System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于智能体领域,尤其涉及一种智能体控制方法、装置和智能体。
技术介绍
1、随着科学技术的发展,智能体被广泛应用于人们的日常工作与生活中。相关技术中,主要通过设置于智能体上的传感器采集传感器数据,以基于传感器数据控制智能体进行移动或抓取等动作。然而,该方式只能控制智能体执行较为简单的操作,如抓取或放置等,无法适用于复杂环境以及复杂任务的执行,如在执行长任务序列时控制精度较低且通用性较差,影响用户的使用体验。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种智能体控制方法、装置和智能体,具有较高的通用性,适用于任意复杂的执行环境,且控制精准度较高,使得智能体能够执行复杂的操作任务。
2、第一方面,本申请提供了一种智能体控制方法,该方法包括:
3、基于智能体的执行机构信息、被执行对象的被执行对象信息和所述智能体对应的移动机构信息,构建目标运动学模型;
4、基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束;
5、基于所述目标动作序列、所述运动约束和所述目标运动学模型,控制所述智能体。
6、根据本申请的智能体控制方法,通过将智能体自身不同的运动单元和被执行对象的运动学模型进行一体化建模得到目标运动学模型,然后将基于目标场景下的环境信息和目标任务信息所得到的目标动作序列和运动约束添加至目标运动学模型,以使得目标运动学模型生成特定场景下的控制指令以控制智能体执
7、根据本申请的一个实施例,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
8、基于所述目标任务信息,确定智能体位移动作信息、智能体抓取动作信息和被执行对象位移信息中的至少一种;
9、基于所述智能体位移动作信息、所述智能体抓取动作信息、所述被执行对象位移信息中的至少一种以及所述环境信息,确定所述目标动作序列。
10、根据本申请的一个实施例,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
11、基于所述环境信息和所述目标任务信息,确定所述智能体在下一目标时段内的多个候选动作序列;
12、将所述多个候选动作序列中最优候选动作序列确定为所述下一目标时段内的目标动作序列。
13、根据本申请的一个实施例,所述基于智能体的执行机构信息、被执行对象的被执行对象信息和所述智能体对应的移动机构信息,构建目标运动学模型,包括:
14、基于所述执行机构信息构建第一运动学模型,基于所述被执行对象信息构建第二运动学模型,基于所述移动机构信息构建第三运动学模型;
15、对所述第二运动学模型进行反演处理,获取第四运动学模型;
16、基于所述第一运动学模型、所述第四运动学模型和所述第三运动学模型,构建所述目标运动学模型。
17、根据本申请的一个实施例,所述对所述第二运动学模型进行反演处理,获取第四运动学模型,包括:
18、基于所述第二运动学模型,获取所述被执行对象的多个节点,以及所述多个节点之间的多个连接路径;
19、将所述多个连接路径中根节点与抓取节点之间的路径确定为主干路径;
20、对所述主干路径进行运动学反演,并更新所述多个连接路径中除所述主干路径之外的其他连接路径,获取所述第四运动学模型。
21、根据本申请的一个实施例,所述基于所述第一运动学模型、所述第四运动学模型和所述第三运动学模型,构建所述目标运动学模型,包括:
22、将所述第一运动学模型和所述第四运动学模型之间通过虚拟关节连接;
23、将所述第三运动学模型接入所述第一运动学模型,构建所述目标运动学模型。
24、根据本申请的一个实施例,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
25、基于所述环境信息和所述目标任务信息,确定碰撞约束、环境约束以及任务约束中的至少一种。
26、根据本申请的一个实施例,所述基于所述环境信息和所述目标任务信息,确定碰撞约束、环境约束以及任务约束中的至少一种,包括:
27、基于所述环境信息中障碍物信息构建符号距离场函数,所述符号距离场函数用于表征所述目标场景内各位置点与障碍物的闭合曲面之间的距离和梯度;
28、基于所述符号距离场函数,构建所述碰撞约束。
29、根据本申请的一个实施例,所述基于所述环境信息和所述目标任务信息,确定碰撞约束、环境约束以及任务约束中的至少一种,包括:
30、将所述智能体在所述目标位置处的关节空间映射至被所述执行对象的任务目标空间,获取实时状态值;
31、基于所述实时状态值与所述目标任务信息,构建所述任务约束。
32、根据本申请的一个实施例,所述基于所述目标动作序列、所述运动约束和所述目标运动学模型,控制所述智能体,包括:
33、基于所述目标动作序列和所述运动约束调节所述目标运动学模型,获取所述智能体对应的运动轨迹和在所述运动轨迹中目标位置处的位姿信息;
34、基于所述运动轨迹和所述位姿信息,控制所述智能体。
35、第二方面,本申请提供了一种智能体控制装置,该装置包括:
36、第一处理模块,用于基于智能体的执行机构信息、被执行对象的被执行对象信息和所述智能体对应的移动机构信息,构建目标运动学模型;
37、第二处理模块,用于基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束;
38、第三处理模块,用于基于所述目标动作序列、所述运动约束和所述目标运动学模型,控制所述智能体。
39、根据本申请的智能体控制装置,通过将智能体自身不同的运动单元和被执行对象的运动结构进行一体化建模得到目标运动学模型,然后将基于目标场景下的环境信息和目标任务信息所得到的目标动作序列和运动约束添加至目标运动学模型,以使得目标运动学模型生成特定场景下的控制指令以控制智能体执行相应的动作,从而实现智能体的高效协调运动,在实际应用场景或执行任务变化的情况下,无需修改智能体的源代码即可对应调整智能体的运动姿态以实现任意场景下的智能体的有效控制,具有较高的通用性,适用于任意复杂的执行环境,且控制精准度较高,使得智能体能够执行复杂的操作任务。
40、第三方面,本申请提供了一种智能体,包括:
41、传感器;
42、执行机构;
...
【技术保护点】
1.一种智能体控制方法,其特征在于,包括:
2.根据权利要求1所述的智能体控制方法,其特征在于,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
3.根据权利要求1所述的智能体控制方法,其特征在于,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
4.根据权利要求1-3任一项所述的智能体控制方法,其特征在于,所述基于智能体的执行机构信息、被执行对象的被执行对象信息和所述智能体对应的移动机构信息,构建目标运动学模型,包括:
5.根据权利要求4所述的智能体控制方法,其特征在于,所述对所述第二运动学模型进行反演处理,获取第四运动学模型,包括:
6.根据权利要求4所述的智能体控制方法,其特征在于,所述基于所述第一运动学模型、所述第四运动学模型和所述第三运动学模型,构建所述目标运动学模型,包括:
7.根据权利要求1-3任一项所述的智能体控制方法,其特征在于,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作
8.根据权利要求7所述的智能体控制方法,其特征在于,所述基于所述环境信息和所述目标任务信息,确定碰撞约束、环境约束以及任务约束中的至少一种,包括:
9.根据权利要求7所述的智能体控制方法,其特征在于,所述基于所述环境信息和所述目标任务信息,确定碰撞约束、环境约束以及任务约束中的至少一种,包括:
10.根据权利要求1-3任一项所述的智能体控制方法,其特征在于,所述基于所述目标动作序列、所述运动约束和所述目标运动学模型,控制所述智能体,包括:
11.一种智能体控制装置,其特征在于,包括:
12.一种智能体,其特征在于,包括:
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-10任一项所述智能体控制方法。
14.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-10任一项所述的智能体控制方法。
15.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-10任一项所述智能体控制方法。
...【技术特征摘要】
1.一种智能体控制方法,其特征在于,包括:
2.根据权利要求1所述的智能体控制方法,其特征在于,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
3.根据权利要求1所述的智能体控制方法,其特征在于,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
4.根据权利要求1-3任一项所述的智能体控制方法,其特征在于,所述基于智能体的执行机构信息、被执行对象的被执行对象信息和所述智能体对应的移动机构信息,构建目标运动学模型,包括:
5.根据权利要求4所述的智能体控制方法,其特征在于,所述对所述第二运动学模型进行反演处理,获取第四运动学模型,包括:
6.根据权利要求4所述的智能体控制方法,其特征在于,所述基于所述第一运动学模型、所述第四运动学模型和所述第三运动学模型,构建所述目标运动学模型,包括:
7.根据权利要求1-3任一项所述的智能体控制方法,其特征在于,所述基于目标场景下的环境信息和目标任务信息,确定所述智能体对应的目标动作序列和运动约束,包括:
8.根据权利要求...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:北京通用人工智能研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。