一种四足机器人通过障碍任务关键环境的持续记忆方法与流程

本发明属于机器人运动控制、具身智能及人工智能，具体是指一种四足机器人通过障碍任务关键环境的持续记忆方法。

背景技术：

1、四足机器人因其卓越的地形适应能力，可广泛应用于巡逻、运输、救援、勘探等任务，能够在复杂地面保持动态平衡和稳定行走。在通过障碍任务中，四足机器人需要面对正障碍、负障碍、悬空障碍、狭窄通道等多种复杂环境，这对机器人的环境感知能力、运动决策能力和控制鲁棒性提出了极高要求。

2、现有的四足机器人在执行通过障碍任务时，主要是依赖当前视觉观测来进行环境感知。当机器人不断接近障碍物时，障碍边缘、可通行区域、落足区域及其他关键环境信息会逐渐离开摄像机视野；同时，受图像采集、通信及模型推理延迟的影响，环境信息具有一定滞后性。这意味着，当机器人最需要关键环境信息来指导跨越、攀爬或绕行等精细操作时，这些信息可能已经不在当前视野范围内或已过时。

3、目前，也有一些涉及机器人环境记忆和世界模型的研究。例如，有方案提出了基于外部记忆的机器人导航方法，通过神经图灵机结构将外部内存资源与神经网络耦合，实现对历史位姿序列的记忆。该方法虽然引入了外部记忆机制，但其记忆对象是机器人的历史位姿序列而非环境信息本身，且主要面向通用导航任务，未针对通过障碍任务中的关键环境信息进行专门处理。另有方案提出了基于世界模型的足式机器人运动控制方法，通过将前一时刻的状态信息、编码信息和历史动作输入世界模型来预测当前时刻的状态信息。然而，该方法中的世界模型主要用于状态预测，缺乏对通过障碍任务中关键环境信息的专门提取和持续记忆机制。此外，还有研究提出了基于记忆序列回放机制的机器人行为决策方法，以及融合记忆机制的机械臂多场景快速运动规划方法，但这些方案均未针对四足机器人通过障碍任务的特点，建立专门的关键环境持续记忆模型。

4、总体而言，现有世界模型、强化学习模型及视觉运动模型通常面向整体场景建立环境表示，缺乏针对通过障碍任务的关键环境持续记忆机制，难以在关键环境信息离开当前视野后持续保持稳定、一致的环境认知，从而影响后续运动想象预测、未来风险评估及运动控制的可靠性和鲁棒性。

技术实现思路

1、本发明的目的在于克服目前四足机器人缺乏针对通过障碍任务的关键环境持续记忆机制，难以在关键环境信息离开当前视野后持续保持稳定和一致的环境认知缺陷，提供一种四足机器人通过障碍任务关键环境的持续记忆方法。

2、为实现上述目的，本发明采用以下技术方案来实现：一种四足机器人通过障碍任务关键环境的持续记忆方法，包括以下步骤：

3、s1、采集rgb图像、深度图或点云、imu数据、本体状态信息及环境感知信息；

4、s2、从步骤s1所采集的信息数据中识别影响机器人通过障碍任务的关键环境信息，提取几何信息、运动信息、交互信息和语义信息共四类关键环境信息；

5、s3、将所述四类关键环境信息统一编码，建立关键环境持续记忆模型；

6、s4、结合四足机器人运动状态及新的环境观测，对关键环境持续记忆进行动态更新；当关键环境离开当前视野后，继续依据所述关键环境持续记忆保持稳定一致的环境表示；

7、s5、向运动想象预测模块、未来风险评估模块及运动控制模块持续输出统一环境表示，为机器人完成通过障碍任务提供环境信息支撑。

8、进一步地，步骤s2中所述几何信息包括障碍边缘、障碍尺寸、空间结构、可通行区域边界、坡度、高度、宽度和深度中的至少一种。

9、步骤s2中所述运动信息包括机器人与障碍物之间的相对距离、相对姿态、运动速度、运动方向及接近状态中的至少一种。

10、步骤s2中所述交互信息包括预计接触区域、预计落足区域、预计通过区域和预计跨越区域中的至少一种，以及机器人与障碍物之间的交互关系。

11、步骤s2中所述语义信息包括可通过区域、不可通过区域、危险区域、安全区域以及障碍物类别中的至少一种。

12、步骤s2和步骤s4中所述障碍包括正障碍、负障碍、悬空障碍、边界障碍和狭窄通道中的至少一种。

13、步骤s2中所述关键环境信息为影响机器人通过障碍任务决策的环境信息。

14、步骤s4中所述对关键环境持续记忆进行动态更新是指结合机器人连续运动过程中不断更新的环境观测，对关键环境持续记忆进行融合与更新，实现环境表示的连续演化。

15、步骤s5中所述统一环境表示是指将四类关键环境信息共同构成的统一数据结构，所述运动想象预测模块、未来风险评估模块及运动控制模块均以该统一环境表示作为输入。

16、步骤s3所述将所述四类关键环境信息统一编码，建立关键环境持续记忆模型，其包括以下步骤：

17、s31、对几何信息、运动信息、交互信息和语义信息分别进行时空对齐与多模态特征嵌入，生成四类高维特征向量；

18、s32、通过跨模态注意力机制计算各类特征向量的动态融合权重，并根据所述权重将四类高维特征向量加权融合为全局特征向量；

19、s33、将全局特征向量与当前障碍物索引键关联，实例化为结构化记忆张量，同时计算并附加置信度分数，完成关键环境持续记忆模型的建立。

20、与现有技术相比，本发明的有益效果是：

21、（1）本发明通过建立关键环境持续记忆模型，使障碍边缘、落足区域等关键信息在离开视觉视野后仍能稳定保持，有效克服传统方法因视野受限、感知延迟及遮挡导致的记忆丢失问题，显著提升机器人在视觉退化环境中的通过稳定性。

22、（2）本发明将四类关键环境信息统一编码为结构化记忆张量，并作为运动想象预测、风险评估和运动控制模块的共同输入，消除了因各模块独立使用不同环境表示所产生的信息冲突与不一致，从根本上提升了决策链条的协同性与可靠性。

23、（3）本发明在编码过程中引入跨模态注意力机制，使融合权重随机器人运动阶段（接近、跨越、离开）自动调整，结合贝叶斯置信度更新，实现环境表示的连续、准确演化，兼顾了记忆的稳定性与对新观测的响应灵敏性。

24、（4）本发明区别于对整个场景进行无差别建模的传统方法，仅提取影响通过障碍决策的关键环境信息进行持续记忆，在保证决策所需环境信息完整的前提下，大幅压缩了记忆模型的数据规模，提高了在四足机器人机载算力有限条件下的工程可行性。

1.一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s2中所述几何信息包括障碍边缘、障碍尺寸、空间结构、可通行区域边界、坡度、高度、宽度和深度中的至少一种。

3.根据权利要求2所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s2中所述运动信息包括机器人与障碍物之间的相对距离、相对姿态、运动速度、运动方向及接近状态中的至少一种。

4.根据权利要求3所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s2中所述交互信息包括预计接触区域、预计落足区域、预计通过区域和预计跨越区域中的至少一种，以及机器人与障碍物之间的交互关系。

5.根据权利要求4所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s2中所述语义信息包括可通过区域、不可通过区域、危险区域、安全区域以及障碍物类别中的至少一种。

6.根据权利要求5所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s2和步骤s4中所述障碍包括正障碍、负障碍、悬空障碍、边界障碍和狭窄通道中的至少一种。

7.根据权利要求6所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s2中所述关键环境信息为影响机器人通过障碍任务决策的环境信息。

8.根据权利要求1所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s4中所述对关键环境持续记忆进行动态更新是指结合机器人连续运动过程中不断更新的环境观测，对关键环境持续记忆进行融合与更新，实现环境表示的连续演化。

9.根据权利要求1所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s5中所述统一环境表示是指将四类关键环境信息共同构成的统一数据结构，所述运动想象预测模块、未来风险评估模块及运动控制模块均以该统一环境表示作为输入。

10.根据权利要求1～9任一项所述的一种四足机器人通过障碍任务关键环境的持续记忆方法，其特征在于，步骤s3所述将所述四类关键环境信息统一编码，建立关键环境持续记忆模型，其包括以下步骤：