【技术实现步骤摘要】
本申请涉及机器人操作，尤其涉及一种基于知识图谱和大模型的机器人操作任务规划方法及系统。
技术介绍
1、现有机器人操作推理技术主要分为基于分布式表示学习的推理、基于神经网络的推理、基于强化学习的操作推理。
2、基于表示学习的推理方法的中心思想是找到一种映射函数，将符号表示映射到向量空间进行数值表示，从而减少维数灾难，同时捕捉实体和关系之间的隐式关联，重点是可以直接计算且计算速度快；然而该方法难以处理复杂的物理交互，缺乏精细操作能力，难以保持一致性和连贯性。
3、基于神经网络的推理方法则通过深度学习模型(如卷积神经网络、循环神经网络或变换器等)对大量数据进行训练，自动提取特征并进行推理，这种方法的优势在于它能够处理复杂的非线性关系，具有较强的泛化能力；然而该方法存在难以处理高维连续动作空间，对物理世界的建模不足，泛化能力差等缺点。
4、基于强化学习的操作推理方法则通过智能体与环境的交互，学习如何通过一系列动作最大化某种奖励信号，适用于解决序列决策问题，特别是在机器人操作任务中具有较强的自适应性和灵活性；但该方法存在样本效率低，难以处理长时间依赖的任务的缺点，尤其是在精细操作任务中，强化学习方法的鲁棒性较差。
5、因此，尽管基于分布式表示学习、神经网络和强化学习的推理方法在机器人操作推理中取得了一定的进展，但它们在处理精细操作任务时仍然存在显著的局限性。
6、因此，现有技术还有待于改进和发展。
技术实现思路
1、本申请的主要目的
2、本申请实施例第一方面提供一种基于知识图谱和大模型的机器人操作任务规划方法，所述基于知识图谱和大模型的机器人操作任务规划方法包括：构建知识图谱和获取大模型，并对所述大模型进行调整，得到目标大模型；获取机器人的目标操作任务，基于所述知识图谱，根据所述目标操作任务得到任务子图；基于所述目标大模型，根据所述任务子图得到所述机器人的操作规划。
3、可选地，在本申请的一个实施例中，所述构建知识图谱，具体包括：获取所述机器人的操作任务，将所述操作任务分解为多个子任务，其中，多个所述子任务与对应的技能、动作、智能体和场景相关联；将分解后的多个所述子任务与所述机器人对应的领域知识进行关联，得到任务执行所需的知识图谱。
4、可选地，在本申请的一个实施例中，所述构建知识图谱，之后还包括：获取所述机器人在执行任务中的反馈信息；根据所述反馈信息更新所述知识图谱，并将更新后的知识图谱作为所述知识图谱。
5、可选地，在本申请的一个实施例中，所述对所述大模型进行调整，得到目标大模型，具体包括：将所述大模型的权重矩阵分解为两个低秩矩阵；获取所述机器人对应的操作数据集，根据所述操作数据集对两个所述低秩矩阵进行训练，得到目标大模型。
6、可选地，在本申请的一个实施例中，所述基于所述知识图谱，根据所述目标操作任务得到任务子图，具体包括：对所述目标操作任务进行解析，得到所述目标操作任务对应的实体，其中，所述实体包括物体、操作动作、场景环境、任务目标和技能类型中的任意一种；根据所述实体，从所述知识图谱中进行检索，得到所述目标操作任务对应的知识节点和边关系；将所述知识节点和所述边关系进行组织，得到面向所述目标操作任务的任务子图。
7、可选地，在本申请的一个实施例中，所述对所述目标操作任务进行解析，得到所述目标操作任务对应的实体，具体包括：采用双向长短时记忆网络对所述目标操作任务进行语言处理，得到语言信息向量；采用图注意力网络对所述语言信息向量进行处理，得到所述目标操作任务对应的特征信息；采用条件随机场对所述特征信息进行预测，得到所述目标操作任务对应的实体。
8、可选地，在本申请的一个实施例中，所述基于所述目标大模型，根据所述任务子图得到所述机器人的操作规划，具体包括：
9、对所述目标操作任务进行子问题分解，得到所述子问题对应的提示词；根据所述任务子图，将所述提示词输入至所述目标大模型，得到所述机器人的操作规划。
10、本申请实施例第二方面还提供一种基于知识图谱和大模型的机器人操作任务规划系统，其中，所述基于知识图谱和大模型的机器人操作任务规划系统包括：
11、图谱构建与模型调整模块，用于构建知识图谱和获取大模型，并对所述大模型进行调整，得到目标大模型；
12、子图生成模块，用于获取机器人的目标操作任务，并基于所述知识图谱，根据所述目标操作任务得到任务子图；
13、规划推导模块，用于基于所述目标大模型，根据所述任务子图得到所述机器人的操作规划。
14、本申请实施例第三方面还提供一种终端，其中，所述终端包括：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基于知识图谱和大模型的机器人操作任务规划程序，所述基于知识图谱和大模型的机器人操作任务规划程序被所述处理器执行时实现如上所述的基于知识图谱和大模型的机器人操作任务规划方法的步骤。
15、本申请实施例第四方面还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于知识图谱和大模型的机器人操作任务规划程序，所述基于知识图谱和大模型的机器人操作任务规划程序被处理器执行时实现如上所述的基于知识图谱和大模型的机器人操作任务规划方法的步骤。
16、有益效果：本申请提供一种基于知识图谱和大模型的机器人操作任务规划方法及系统，在该方法中，通过任务分解和知识关联，构建一个包含完备领域知识的知识图谱，并通过低秩矩阵分解，将机器人操作领域的专用知识注入到大模型中，从而在给定一个机器人操作任务时，通过知识图谱检索相关知识，生成子图，并利用微调后的大模型进行推理，输出操作规划，进而实现机器人对复杂精细操作任务的精准推理与规划，提高了机器人完成任务目标的执行效率。
本文档来自技高网...【技术保护点】
1.一种基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述基于知识图谱和大模型的机器人操作任务规划方法包括：
2.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述构建知识图谱，具体包括：
3.根据权利要求2所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述构建知识图谱，之后还包括：
4.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述对所述大模型进行调整，得到目标大模型，具体包括：
5.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述基于所述知识图谱，根据所述目标操作任务得到任务子图，具体包括：
6.根据权利要求5所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述对所述目标操作任务进行解析，得到所述目标操作任务对应的实体，具体包括：
7.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述基于所述目标大模型，根据所述任务子图得到所述
8.一种基于知识图谱和大模型的机器人操作任务规划系统，其特征在于，所述基于知识图谱和大模型的机器人操作任务规划系统包括：
9.一种终端，其特征在于，所述终端包括：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基于知识图谱和大模型的机器人操作任务规划程序，所述基于知识图谱和大模型的机器人操作任务规划程序被所述处理器执行时实现如权利要求1-7任一项所述的基于知识图谱和大模型的机器人操作任务规划方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于知识图谱和大模型的机器人操作任务规划程序，所述基于知识图谱和大模型的机器人操作任务规划程序被处理器执行时实现如权利要求1-7任一项所述的基于知识图谱和大模型的机器人操作任务规划方法的步骤。
...【技术特征摘要】
1.一种基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述基于知识图谱和大模型的机器人操作任务规划方法包括：
2.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述构建知识图谱，具体包括：
3.根据权利要求2所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述构建知识图谱，之后还包括：
4.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述对所述大模型进行调整，得到目标大模型，具体包括：
5.根据权利要求1所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述基于所述知识图谱，根据所述目标操作任务得到任务子图，具体包括：
6.根据权利要求5所述的基于知识图谱和大模型的机器人操作任务规划方法，其特征在于，所述对所述目标操作任务进行解析，得到所述目标操作任务对应的实体，具体包括：
7.根...
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。