具身智能物理幻觉预判与预干预方法及具身智能系统与流程

摘要: 本申请涉及人工智能,尤其是涉及具身智能物理幻觉预判与预干预方法及具身智能系统。背景技术:1、具身智能作为人工智能与物理世界交互的核心技术范式,依托视觉-语言-动...
具身智能物理幻觉预判与预干预方法及具身智能系统与流程

本申请涉及人工智能,尤其是涉及具身智能物理幻觉预判与预干预方法及具身智能系统。

背景技术:

1、具身智能作为人工智能与物理世界交互的核心技术范式,依托视觉-语言-动作模型实现感知、推理与执行的端到端闭环,已在工业精密装配、仓储物流分拣、人形机器人服务、人机协作共融等场景得到规模化应用。随着作业场景复杂度提升与任务精细化程度加深,智能体需要在非结构化环境、分布外工况下完成动态交互任务,对动作执行的安全性与可靠性提出了极高要求。

2、然而,现有视觉-语言-动作模型本质上属于数据驱动的统计拟合范式,并未内化真实物理世界的刚体动力学规律、空间几何约束、接触力作用机制、因果演化逻辑等核心先验,导致在非标交互场景、未知物体操作、边界工况执行过程中频繁出现物理幻觉现象——模型输出的动作指令语义逻辑自洽,但实际违背物理规则与空间约束,具体表现为抓取落空、轨迹碰撞、力控失准、关节超限等。物理幻觉一旦触发,将直接造成物料损坏、器械碰撞、组织损伤甚至人身安全事故,是制约具身智能规模化落地的核心安全瓶颈。

3、当前针对具身智能物理安全的防护方案均属于“执行中实时检测-被动阻断”模式:通过力觉、视觉、扭矩等传感器实时监测执行状态,当检测到碰撞、滑脱、超限等异常时触发紧急停止。该模式存在本质性缺陷:风险检测与动作执行同步进行,发现风险时动作已部分执行,物理损害已部分发生或不可逆;仅能对已发生的异常做出被动响应,缺乏对后续动作序列的风险前瞻预判能力,无法在风险萌芽阶段主动干预规避。因此,亟需突破现有被动防护的技术框架,构建具备前瞻预判与主动预干预能力的物理幻觉安全防护体系,在保障作业安全的同时最小化对任务效率的影响。

技术实现思路

1、本申请旨在提出具身智能物理幻觉预判与预干预方法及具身智能系统,能够解决现有技术中物理幻觉风险检测滞后于动作执行、缺乏对后续动作序列的风险前瞻预判能力、仅能被动阻断而无法在风险萌芽阶段主动预干预的技术问题。

2、第一方面,本申请实施例提供了一种具身智能物理幻觉预判与预干预方法,应用于具身智能系统,所述具身智能物理幻觉预判与预干预方法包括:

3、获取所述具身智能系统的多模态感知观测数据、待执行动作序列数据、物理先验规则库数据和历史风险传导样本库数据;

4、基于多风险源非线性耦合的隐马尔可夫风险传导模型,根据所述多模态感知观测数据、所述待执行动作序列数据、所述物理先验规则库数据和所述历史风险传导样本库数据计算物理幻觉风险传导场,所述物理幻觉风险传导场包括每一步动作的状态概率分布、吸收态首达概率、期望风险到达时间和风险测地熵,所述状态概率分布表征每一步动作下系统处于各隐藏风险状态的概率,所述隐藏风险状态包括安全态、中间态和吸收态,所述吸收态为不可逆风险状态,所述吸收态首达概率表征首次触发吸收态的概率,所述期望风险到达时间表征首次触发吸收态的剩余期望时间,所述风险测地熵表征风险演化的不确定性与严重程度;

5、根据所述物理幻觉风险传导场和所述待执行动作序列数据执行预干预策略,以在到达吸收态之前降低物理幻觉风险,所述预干预策略包括动作参数修正、局部动作序列重规划和回退动作序列。

6、第二方面,本申请实施例提供了一种具身智能系统,包括电子设备,所述电子设备包括处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如上述第一方面实施例所述的具身智能物理幻觉预判与预干预方法。

7、本申请实施例的具身智能物理幻觉预判与预干预方法及具身智能系统,通过采用多风险源非线性耦合的隐马尔可夫风险传导模型替代普通马尔可夫链,引入黎曼测地距离完成物理一致性校验,采用吸收马尔可夫首达时理论与风险测地熵量化风险演化,在动作执行前获得每一步动作的状态概率分布、吸收态首达概率、期望风险到达时间和风险测地熵,从而实现对物理幻觉风险的前瞻量化。在此基础上,根据吸收态首达概率划分风险等级,分别通过动作参数修正、局部动作序列重规划和回退动作序列执行预干预,在风险尚未到达不可逆吸收态之前主动降低物理幻觉风险,减少抓取落空、轨迹碰撞、力控失准和关节超限等问题,提升具身智能系统在非结构化环境、分布外工况下的作业安全性与任务执行连续性。

8、本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。

1.一种具身智能物理幻觉预判与预干预方法,应用于具身智能系统,其特征在于,所述具身智能物理幻觉预判与预干预方法包括:

2.根据权利要求1所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述基于多风险源非线性耦合的隐马尔可夫风险传导模型,根据所述多模态感知观测数据、所述待执行动作序列数据、所述物理先验规则库数据和所述历史风险传导样本库数据计算物理幻觉风险传导场,包括:

3.根据权利要求2所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述根据所述多模态感知观测数据和所述物理先验规则库数据计算得到一致性偏差系数,包括:

4.根据权利要求2所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述根据所述一致性偏差系数、所述待执行动作序列数据和所述历史风险传导样本库数据计算得到初始状态分布、动作依赖转移概率矩阵和修正发射概率,包括:

5.根据权利要求4所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述基于所述历史风险传导样本库数据,采用连接函数刻画视觉、力觉、关节三个观测维度的非线性依赖关系,构建得到联合发射概率,包括:

6.根据权利要求4所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述利用所述一致性偏差系数对所述联合发射概率进行修正,得到所述修正发射概率,包括:

7.根据权利要求2所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述基于所述初始状态分布、所述动作依赖转移概率矩阵和所述修正发射概率进行前向递推计算,得到每一步动作的所述状态概率分布、所述吸收态首达概率、所述期望风险到达时间和所述风险测地熵,包括:

8.根据权利要求1所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述根据所述物理幻觉风险传导场和所述待执行动作序列数据执行预干预策略,以在到达吸收态之前降低物理幻觉风险,包括:

9.根据权利要求8所述的具身智能物理幻觉预判与预干预方法,其特征在于,所述风险等级包括低风险、中风险和高风险;所述基于所述风险等级,根据所述状态概率分布、所述吸收态首达概率、所述期望风险到达时间、所述风险测地熵和所述待执行动作序列数据执行预干预策略,以在到达吸收态之前降低物理幻觉风险,包括:

10.一种具身智能系统,其特征在于,包括电子设备,所述电子设备包括处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如权利要求1至9中任一所述的具身智能物理幻觉预判与预干预方法。