面向长期任务的具身智能体能量感知调度与动态休眠方法及系统
本发明涉及自主机器人及人工智能,更具体的说是涉及面向长期任务的具身智能体能量感知调度与动态休眠方法及系统,适用于野外探测机器人、农业巡检无人机、工业巡检机器人等移动具身智能体在有限能量下最大化长期任务效能的场景。
背景技术:
1、具身智能体作为物联网与人工智能的终端执行载体,在无人值守的长期作业场景中,如农业大田巡检、山区地质探测、工业设备巡检,发挥着不可替代的作用。其核心运行矛盾在于有限的电池储能容量与无限的自主运行、多任务执行需求之间的不匹配。传统的能量管理与任务调度方法已无法满足实际应用的核心需求,主要存在以下技术缺陷:
2、1.能量分配非智能化,任务价值无差异化:传统方法仅根据剩余电量的绝对值触发休眠或充电操作,未结合任务的优先级、紧急度进行前瞻性能量预算与分配,易出现低电量时中断高价值核心任务,如病虫害紧急巡检、危险区域探测,却执行低价值辅助任务如地图构建、数据备份的情况,造成任务效能的大幅损失。
3、2.休眠/唤醒策略静态化,环境与任务适应性差:休眠、充电的触发阈值为预设的固定值,无法适配动态变化的环境条件,如天气变化导致能耗速率提升、环境光照强度变化影响太阳能充电效率;还有就是任务需求,如突发新增紧急任务,策略的灵活性与鲁棒性不足,易出现“电量过早耗尽”或“能量浪费”的问题。
4、3.能量管理、任务调度与充电行为解耦,缺乏全局协同:能量管理、任务执行、充电补给为三个相互独立的模块,无闭环协同的逻辑设计,易出现“充电时机不合理导致任务中断”、“任务调度未考虑充电路径能耗”、“充电后未最优规划剩余任务执行顺序”等问题,无法实现全局能量使用效率的最大化。
5、4.现有技术聚焦固定节点,无法适配移动具身智能体:现有能量优化技术,如环境监测传感器网络、室内低功耗无线节点均针对固定位置设备设计,核心解决“采样频率/通信周期优化”问题,未考虑移动具身智能体的任务路径规划、移动能耗预测、充电路径协同、多任务优先级调度等特有需求,技术方案无法直接移植应用。
6、现有技术中,虽有研究尝试应用优化算法进行移动机器人的路径规划以节能,或采用简单的阈值策略实现休眠控制,但尚未有系统性的技术方案将任务驱动的能量感知调度、环境自适应的mdp动态休眠决策与无线充电路径协同三者深度融合,未能从根本上解决移动具身智能体在长期任务中“生存,能量维持”与“效绩,任务完成”的平衡问题,成为制约具身智能体大规模产业化落地的关键技术瓶颈。
技术实现思路
1、本发明的目的在于克服现有技术的上述缺陷,提供面向长期任务的具身智能体能量感知调度与动态休眠方法及系统。
2、为了实现上述目的,本发明采用如下技术方案:
3、第一方面,本发明实施例提供面向长期任务的具身智能体能量感知调度与动态休眠方法,包括以下步骤:
4、s1.获取具身智能体的环境信息与自身状态数据;
5、s2.基于所述环境信息与自身状态数据,对待执行任务队列中的每个任务进行综合价值量化与能耗成本预测,得到每个任务的价值分数和能量成本;
6、s3.以当前剩余能量为约束,以最大化总任务价值为目标,构建并求解能量约束优化模型,得到能量可行的最优任务执行序列;
7、s4.构建马尔可夫决策过程mdp模型,所述mdp模型的状态空间至少包括电量状态、任务价值状态、环境能量状态和时间状态,动作空间至少包括继续执行、浅度休眠、深度休眠和发起充电请求四种离散动作;通过在线强化学习求解最优策略,并根据当前多维状态动态输出动作指令;
8、s5.当所述动作指令为发起充电请求或当前剩余能量低于绝对安全阈值时,与无线充电基站建立通信,规划最优充电路径并控制具身智能体自主移动至充电位完成能量补给;充电完成后唤醒并继续执行剩余任务。
9、在一个实施例中,步骤s1中所述环境信息包括光照强度、温湿度、风速、气压、地形地貌及障碍物分布;
10、所述自身状态数据包括剩余电池电量、单位时间能耗速率、地理位置及任务执行进度;所述数据通过多类型传感器融合获取,所述多类型传感器包括环境感知传感器、自身状态感知传感器和定位感知传感器。
11、在一个实施例中,所述多类型传感器采用卡尔曼滤波与加权融合算法进行数据融合,并根据卫星信号强度、环境复杂度动态分配加权系数;所述单位时间能耗速率结合运动状态与环境阻力进行实时修正,修正系数范围为0.8~1.5。
12、在一个实施例中,步骤s2中所述综合价值分数vi的计算公式为:
13、vi= a×pi+ b×ui+c×ri
14、其中,pi为任务优先级,ui为任务紧急度,ri为预期回报,a、b、c为加权系数且a+b+c=1;
15、所述能量成本ci基于任务执行路径、动作复杂度及环境阻力,结合所述单位时间能耗速率预测得到。
16、在一个实施例中,所述加权系数a、b、c根据不同应用场景可调,默认值为a=0.4、b=0.3、c=0.3;所述综合价值分数vi还可根据环境变化或任务状态进行动态修正,修正公式为vi′ = vi× k,k为动态修正系数,取值范围0.8~1.5。
17、在一个实施例中,步骤s3中所述能量约束优化模型的目标函数为max σ(vi×xi),其中,xi为二进制决策变量,表示任务是否被调度;约束条件为σ(ci× xi) ≤ ecurrent-ereserve,其中,ecurrent为当前剩余电量,ereserve为安全预留能量。
18、在一个实施例中,所述安全预留能量ereserve为满电量emax的10%~20%;所述绝对安全阈值为emax的5%~10%,且绝对安全阈值低于ereserve对应的电量阈值。
19、在一个实施例中,步骤s4中所述mdp模型的状态空间为四元组连续状态s=(se, sv,sl, st),各维度均标准化量化为0~1的连续值,其中:
20、电量状态se= ecurrent/ emax;
21、任务价值状态sv= vmax/ 10,vmax为当前待执行任务的最高综合价值分数;
22、环境能量状态sl= l/l0,l为环境光照强度,l0为太阳能充电阈值,若l>l0则sl=1;
23、时间状态st=t/t0,t为预计下次任务启动时间,t0为基准时间,若t>t0则st=1。
24、在一个实施例中,所述mdp模型的动作空间为离散动作集合a={a1, a2, a3, a4},各动作的执行规则与能耗特征为:
25、继续执行任务a1:按最优任务执行序列执行,能耗为正常运行的100%,适用于se≥0.3且sv≥ 0.3;
26、浅度休眠a2:关闭非核心模块,仅低功耗监听指令,能耗为正常运行的5%~10%,适用于se∈ [0.1, 0.3)或sv<0.3且近期有任务;
27、深度休眠a3:仅维持基础供电与电量监测,能耗为正常运行的1%~3%,适用于se<0.1或sv≥ 0.8;
28、发起充电请求a4:激活无线通信与路径规划模块,能耗为正常运行的20%~30%,适用于se≤ 0.3且sl<0.2,或se≤ 0.1时强制执行。
29、在一个实施例中,所述mdp模型的奖励函数为r(s,a)=r正- r负,取值范围-50~+30,其中:
30、正奖励r正:仅在执行a1且任务完成时触发,根据sv大小分为+20~+30、+5~+20、0~+5三档,无任务完成时r正=0;
31、负奖励r负:包括电量耗尽惩罚、动作能耗惩罚和任务超时惩罚,其中电量耗尽惩罚为+50,动作能耗惩罚按能耗损失由高至低排序:发起充电 a4为 + 2~+5、浅度休眠 a2为 +0.5~+2、深度休眠 a3为 0~+0.5、正常执行 a1为 0,任务超时惩罚为+10~+20。
32、在一个实施例中,步骤s4中所述在线强化学习为gail算法,参数设置为:学习率α=0.1~0.3,折扣因子γ=0.8~0.95,探索率ε=0.1~0.2;最优策略π(s) = argmaxa∈aq(s,a)。
33、在一个实施例中,所述mdp模型的最优策略设置硬约束规则:
34、当se≤0.1时,强制选择a4或a3;
35、当sv≥ 0.8且se≥ 0.3时,强制选择a1;
36、当sl≥ 0.8且se<0.7时,优先选择a2以利用太阳能辅助充电。
37、在一个实施例中,步骤s5中所述规划最优充电路径采用a算法或d算法;所述无线通信采用4g/5g、lora或ble协议;所述无线充电基站交互的信息包括具身智能体当前位置、剩余电量,以及充电基站位置、空闲状态、充电功率。
38、第二方面,本发明实施例提供一种实现如第一方面中任一项所述方法的面向长期任务的具身智能体能量感知调度与动态休眠系统,包括:
39、感知与状态监测模块:用于采集并输出具身智能体的环境信息与自身状态数据;
40、任务管理模块:用于维护任务队列,基于所述环境信息与自身状态数据,对待执行任务队列中的每个任务进行综合价值量化与能耗成本预测,得到每个任务的价值分数和能量成本;
41、能量感知调度器:用于接收当前剩余电量、任务价值分数和能量成本,求解并输出最优任务执行序列;
42、动态休眠决策器:内置mdp模型及强化学习求解器,用于接收实时多维状态数据,输出休眠、唤醒或充电请求指令;
43、无线充电协同模块:用于与无线充电基站交互,生成并输出最优充电路径数据;
44、执行控制模块:用于调度具身智能体底层设备执行任务、休眠、充电移动动作;
45、数据存储模块:用于存储历史感知、任务、调度决策数据,为模型迭代与能耗预测提供数据支撑;
46、各模块依次建立数据通信,执行控制模块与所有模块建立控制指令连接,形成“感知-评估-调度-决策-执行-充电”的闭环协同体系。
47、经由上述的技术方案可知,与现有技术相比,本发明具有如下技术优势:
48、1.能量利用智能化,任务效能大幅提升:将能量从“被动监控的消耗品”转化为“主动预算的资源”,通过任务价值量化与能量感知调度,实现有限能量下高价值任务的优先执行,避免低价值任务的能量浪费,相比传统无差异化调度方法,长期任务的整体完成率提升25%以上,收敛速度提升40%以上。
49、2.决策过程自适应,环境与任务鲁棒性强:基于mdp模型构建多维度状态空间的动态休眠决策机制,综合考虑剩余电量、任务价值、环境光照、任务时间四大因素,替代传统的固定阈值策略,能够自适应动态变化的环境条件,如能耗速率变化、光照变化;还有任务需求如突发紧急任务;决策的准确性与鲁棒性提升50%以上。
50、3.系统协同性强,实现全局能量最优配置:将任务调度、能量管理、休眠控制、充电协同四大功能深度耦合,形成闭环控制体系,解决了现有技术中各模块解耦的问题,实现了“任务执行-能量消耗-休眠节能-充电补给”的全局协同,全局能量无效能耗降低30%以上,显著延长具身智能体的有效作业时间。
51、4.适配移动具身智能体:针对移动具身智能体的特有需求:路径规划、移动能耗预测、充电协同、多任务优先级调度的设计技术方案,区别于现有技术针对固定传感器节点的优化思路,填补了“移动具身智能体任务-能量-充电协同优化”的技术空白,可直接应用于农业巡检、野外探测、工业巡检等实际场景。
52、5.模块化设计,易于验证与部署:系统采用模块化设计,核心算法,线性规划/动态规划、mdp、a/d路径规划,均为成熟的智能优化算法,可通过ros机器人操作系统和gazebo仿真环境进行充分的仿真验证;硬件可基于turtlebot机器人、crazyflie无人机等开源平台实现,无需定制化开发,降低了研发门槛和应用成本,易于大规模落地与产业化。
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