具身智能幻觉分级自主恢复与人机协同接管方法和系统与流程

本申请涉及人工智能与机器人控制，尤其是涉及具身智能幻觉分级自主恢复与人机协同接管方法和系统。

背景技术：

1、具身智能通过融合大语言模型推理、多模态环境感知与机器人运动控制技术，实现物理世界中的任务理解、决策规划与动作执行，已广泛应用于工业制造装配、家政服务、特种作业巡检等场景。然而，具身智能系统在感知、推理和动作全链路中可能产生幻觉，此类幻觉会直接转化为物理世界中的误操作，轻则导致任务执行失败，重则引发设备损坏或人身安全风险，是具身智能从数字世界走向物理世界过程中必须面对的重要问题。

2、目前，针对具身智能系统幻觉的主流处置方式多采用“检测告警—人工接管”的二元模式，即系统检测到幻觉风险后即刻暂停任务并切换至人工遥操作。该方式将幻觉处置交由人工完成，缺乏对幻觉类型与严重程度的差异化区分，各类幻觉均套用统一的处置逻辑，致使大量本可由系统自主修正的轻度幻觉亦被统一人工接管，导致人工介入频次居高不下，运维资源被严重挤占，幻觉处置成本较高，难以满足具身智能规模化落地需求。

技术实现思路

1、本申请的主要目的在于提出一种具身智能幻觉分级自主恢复与人机协同接管方法和系统，能够降低人工介入，提升人机协同效率。

2、本申请的第一方面提供了一种具身智能幻觉分级自主恢复与人机协同接管方法，所述方法包括：

3、获取目标具身智能的多模态感知原始数据、任务推理语义序列数据、物理世界先验约束数据以及历史决策样本库数据；

4、根据所述多模态感知原始数据、所述任务推理语义序列数据和所述物理世界先验约束数据，分别计算语义置信偏差特征、物理一致性偏差特征和动作可行性偏差特征；

5、基于所述历史决策样本库数据中的历史样本相关性参数，对所述语义置信偏差特征、所述物理一致性偏差特征和所述动作可行性偏差特征进行非线性融合，得到综合幻觉风险测度以及主导幻觉类型标签；

6、通过预设分层纠错决策树，根据所述综合幻觉风险测度和所述主导幻觉类型标签，生成目标执行策略；

7、基于所述目标执行策略，执行与所述综合幻觉风险测度和所述主导幻觉类型标签相匹配的分级自主恢复和人机协同接管，得到协同执行结果。

8、本申请的第一方面提供了一种具身智能幻觉分级自主恢复与人机协同接管方法，通过根据目标具身智能的多模态感知原始数据、任务推理语义序列数据和物理世界先验约束数据，分别计算语义置信偏差特征、物理一致性偏差特征和动作可行性偏差特征；基于历史决策样本库数据中的历史样本相关性参数，对语义置信偏差特征、物理一致性偏差特征和动作可行性偏差特征进行非线性融合得到综合幻觉风险测度和主导幻觉类型标签；通过预设分层纠错决策树，根据综合幻觉风险测度和主导幻觉类型标签生成目标执行策略；基于目标执行策略执行与综合幻觉风险测度和主导幻觉类型标签相匹配的分级自主恢复和人机协同接管，得到协同执行结果，能够降低人工介入，提升人机协同效率。

9、为实现上述目的，本申请的第二方面提供一种具身智能幻觉分级自主恢复与人机协同接管系统，所述系统包括：

10、获取模块，用于获取目标具身智能的多模态感知原始数据、任务推理语义序列数据、物理世界先验约束数据以及历史决策样本库数据；

11、计算模块，用于根据所述多模态感知原始数据、所述任务推理语义序列数据和所述物理世界先验约束数据，分别计算语义置信偏差特征、物理一致性偏差特征和动作可行性偏差特征；

12、融合模块，用于基于所述历史决策样本库数据中的历史样本相关性参数，对所述语义置信偏差特征、所述物理一致性偏差特征和所述动作可行性偏差特征进行非线性融合，得到综合幻觉风险测度以及主导幻觉类型标签；

13、生成模块，用于通过预设分层纠错决策树，根据所述综合幻觉风险测度和所述主导幻觉类型标签，生成目标执行策略；

14、执行模块，用于基于所述目标执行策略，执行与所述综合幻觉风险测度和所述主导幻觉类型标签相匹配的分级自主恢复和人机协同接管，得到协同执行结果。

15、为实现上述目的，本申请的第三方面提供一种电子设备，包括：至少一个处理器和用于与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的一种具身智能幻觉分级自主恢复与人机协同接管方法。

16、为实现上述目的，本申请的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的一种具身智能幻觉分级自主恢复与人机协同接管方法。

17、可以理解的是，上述第二方面至第四方面和相关技术相比存在的有益效果和上述第一方面和相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。

1.一种具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述方法包括：

2.根据权利要求1所述的具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述任务推理语义序列数据包括多个推理步的语义嵌入向量序列，所述语义置信偏差特征通过如下步骤计算得到：

3.根据权利要求1所述的具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述多模态感知原始数据包括实时点云，所述物理世界先验约束数据包括先验标准点云、物体物理属性库、场景拓扑地图以及配准偏差允许阈值，所述物理一致性偏差特征通过如下步骤计算得到：

4.根据权利要求1所述的具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述任务推理语义序列数据包括任务规划动作链，所述多模态感知原始数据包括关节位姿数据，所述物理世界先验约束数据包括机器人运动学参数、条件数阈值、安全距离阈值、场景拓扑地图以及物体物理属性库，所述动作可行性偏差特征通过如下步骤计算得到：

5.根据权利要求1所述的具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述基于所述历史决策样本库数据中的历史样本相关性参数，对所述语义置信偏差特征、所述物理一致性偏差特征和所述动作可行性偏差特征进行非线性融合，得到综合幻觉风险测度以及主导幻觉类型标签，包括：

6.根据权利要求1所述的具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述通过预设分层纠错决策树，根据所述综合幻觉风险测度和所述主导幻觉类型标签，生成目标执行策略，包括：

7.根据权利要求1所述的具身智能幻觉分级自主恢复与人机协同接管方法，其特征在于，所述基于所述目标执行策略，执行与所述综合幻觉风险测度和所述主导幻觉类型标签相匹配的分级自主恢复和人机协同接管，得到协同执行结果，包括：

8.一种具身智能幻觉分级自主恢复与人机协同接管系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，包括至少一个处理器和用于与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7任一项所述的一种具身智能幻觉分级自主恢复与人机协同接管方法。

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计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的一种具身智能幻觉分级自主恢复与人机协同接管方法。