一种具身水陆两栖机器人的作业形态自主决策方法与流程
本发明涉及机器人控制,尤其涉及一种具身水陆两栖机器人的作业形态自主决策方法。
背景技术:
1、水陆两栖机器人作业需依托精准环境感知实现跨环境形态自主切换,以适配陆地与水下复杂动态场景。现有机器人感知体系采用固定模式与静态阈值完成环境识别,缺乏多维环境数据的深度解析与动态建模能力,无法有效捕捉多类环境要素的动态变化,感知精度与完整性不足,难以形态切换提供可靠的数据支撑。本技术通过多源感知数据融合与动态建模,弥补现有感知体系的缺陷,筑牢形态自主决策基础。
2、受限于上述感知缺陷,现有两栖机器人形态决策体系存在显著短板,其环境感知、运动参数与任务目标相互割裂,缺乏一体化统一决策模型,无法兼顾环境条件、硬件运动约束与作业任务需求。这使得形态切换决策适配性、精准性不足,难以兼顾环境适配、运动安全与作业效率,大幅降低了复杂场景下的自主作业能力。本技术构建多约束协同决策机制,打通感知、运动与任务的关联壁垒,有效提升机器人形态自主决策效能与场景适配能力。
技术实现思路
1、本发明提供一种具身水陆两栖机器人的作业形态自主决策方法,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供的一种具身水陆两栖机器人的作业形态自主决策方法,包括:
3、s1、对机器人的多源环境感知数据进行时空场重构,得到所述机器人的多层环境场;
4、s2、对所述机器人的陆地移动形态与水生运动形态进行运动学特性解析,得到所述机器人的可达运动参数;
5、s3、对所述多层环境场和所述可达运动参数进行标量场构建,得到所述机器人的形态选择势场;
6、s4、基于所述机器人的作业任务目标,对所述形态选择势场进行任务势注入,得到所述机器人的全局决策场;
7、s5、对所述全局决策场进行势场寻优分析,得到所述机器人的势场主导形态;
8、s6、对所述势场主导形态进行形态编码,得到所述机器人的最佳形态控制指令。
9、与现有技术相比,本发明具有以下有益效果:
10、1.本发明通过构建融合多维环境特征与运动约束的一体化决策载体,实现了环境感知与机器人运动能力的深度系统性耦合。依托多层环境场与运动参数的融合重构方式,能够精准适配水陆复杂场景的动态环境特征与机器人硬件运动极限,大幅提升机器人形态切换决策与实际作业环境、自身硬件能力的匹配精度,让机器人形态调控更加贴合真实作业工况,从底层保障了跨环境形态切换的稳定性与适配性。
11、2.本发明依托任务势注入与势场动态寻优机制,实现了作业任务需求与形态自主决策的深度融合。通过动态调控形态决策优先级,并结合设备执行器约束生成精准控制指令,可完成环境适配、安全运动与高效作业的多目标协同优化,有效提升机器人复杂场景自主作业的智能化水平与综合作业效能,能够稳定适配水陆动态复杂场景下的各类自主作业任务,实现作业综合性能的全方位提升。
1.一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述对机器人的多源环境感知数据进行时空场重构,得到所述机器人的多层环境场,包括:
3.如权利要求1所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述对所述机器人的陆地移动形态与水生运动形态进行运动学特性解析,得到所述机器人的可达运动参数,包括:
4.如权利要求3所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述可达运动参数的计算公式具体如下:
5.如权利要求3所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述对所述多层环境场和所述可达运动参数进行标量场构建,得到所述机器人的形态选择势场,包括:
6.如权利要求5所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述基于所述机器人的多层环境场,对所述机器人进行环境适应性评估,得到所述机器人的形态适应性分布,包括:
7.如权利要求1所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,基于所述机器人的作业任务目标,对所述形态选择势场进行任务势注入,得到所述机器人的全局决策场,包括:
8.如权利要求7所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,基于所述形态选择势场对应的空间区域,对所述任务要素进行空间拓扑解构,得到所述机器人的空间关联关系,包括:
9.如权利要求3所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,对所述全局决策场进行势场寻优分析,得到所述机器人的势场主导形态,包括:
10.如权利要求1所述的一种具身水陆两栖机器人的作业形态自主决策方法,其特征在于,所述对所述势场主导形态进行形态编码,得到所述机器人的最佳形态控制指令,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com