基于时序门控多专家策略库的机器人接触装配方法及系统
本发明属于机器人智能控制与接触装配相关,尤其涉及一种基于时序门控多专家策略库的机器人接触装配方法及系统。
背景技术:
1、由于3c装配和微小零部件装配通常具有装配间隙狭窄、零部件尺寸小、接触状态演化复杂、定位精度要求严格等特点,在初始位置偏差、姿态偏差、环境扰动以及接触力变化的影响下,机器人在装配过程中容易出现卡顿、碰撞、接触力过大甚至装配失败等问题。基于学习的装配方法能够从交互数据中学习控制策略,降低对精确模型和人工整定参数的依赖,但多数方法仍针对特定任务或特定误差范围训练,技能复用能力和跨任务迁移能力有限。
2、近年来,多技能复用、策略组合和专家融合等方法被用于提升机器人装配的适应性,但现有方法多集中于任务级策略迁移、粗粒度专家分配或端到端联合训练,难以充分利用固定的预训练专家策略库进行在线动作级评价、选择与融合,其中,门控不确定性对动作融合的影响等,使得机器人接触装配过程中的动作稳定性、任务成功率和鲁棒性较差。
技术实现思路
1、本发明为了解决上述问题,提出了一种基于时序门控多专家策略库的机器人接触装配方法及系统,本发明通过预训练专家策略库,能够保留不同装配任务、初始偏差和接触阶段下的专家技能,提高了机器人在接触装配中的技能复用能力;通过时序评分网络评价各专家候选动作的适用性,并利用门控网络生成专家复用分布,使最终专家权重能够同时考虑动作适用性和当前装配阶段;通过门控分布确定置信度并动态调节门控注入系数,降低了门控不确定性对动作融合的影响;最终通过加权融合多个候选动作生成执行动作,实现接触搜索、姿态修正和稳定插入过程的平滑过渡,提高装配成功率、稳定性和鲁棒性。
2、为了实现上述目的,本发明是通过如下的技术方案来实现:
3、第一方面,本发明提供了一种基于时序门控多专家策略库的机器人接触装配方法,包括:
4、获取机器人的当前状态和当前时序表示;
5、根据当前状态以及预训练专家策略库,得到多个候选动作;
6、根据多个候选动作和当前时序表示,以及预设的时序评分网络,得到各候选动作的适用性评分;根据适用性评分生成基础专家权重分布
7、根据当前时序表示和训练完成的门控网络,得到专家复用门控分布;根据专家复用门控分布确定置信度,根据置信度动态调节门控注入系数;
8、根据门控注入系数,将基础专家权重分布和专家复用门控分布进行融合,得到最终专家权重分布;
9、根据最终专家权重分布,对多个候选动作进行加权融合,得到机器人接触装配的最终执行动作。
10、进一步的,所述当前时序表示包括当前状态、历史状态、历史动作、接触反馈以及相关时序控制信息。
11、进一步的,根据当前时序表示和训练完成的门控网络,得到专家复用门控分布:
12、;
13、其中,表示门控网络;
ψ表示门控网络的可训练参数;表示时序表示;表示门控网络输出的辅助专家分布;表示预训练专家策略数量;表示专家复用门控分布中与第
k个预训练专家策略对应的门控权重。
14、进一步的,所述时序评分网络基于任务进度监督信号和接触风险监督信号进行训练,总体训练目标为:
15、;
16、其中,表示排序损失;表示回归约束;表示辅助正则项;和为对应的权重系数。
17、进一步的,所述置信度为:
18、;
19、;
20、其中,表示信息熵。
21、进一步的,所述门控注入系数为:
22、;
23、其中,表示门控注入系数,表示最大门控注入系数,表示置信度映射指数。
24、进一步的,所述最终专家权重分布为:
25、;
26、其中,表示最终专家权重分布,表示单纯形归一化;表示门控注入系数;表示门控网络输出的辅助专家分布,该分布由门控网络输出的
k维特征经softmax归一化得到,用于表征当前时序状态和接触状态下各专家策略被复用的倾向;表示根据各专家候选动作适用性评分确定的基础专家权重分布,表示从候选动作适用性评价角度分配给第个专家策略的基础权重。
27、第二方面,本发明还提供了一种基于时序门控多专家策略库的机器人接触装配系统,包括:
28、数据采集模块,被配置为:获取机器人的当前状态和当前时序表示;
29、候选动作确定模块,被配置为:根据当前状态以及预训练专家策略库,得到多个候选动作;
30、基础专家权重分布确定模块,被配置为:根据多个候选动作和当前时序表示,以及预设的时序评分网络,得到各候选动作的适用性评分;根据适用性评分生成基础专家权重分布
31、门控注入系数调节模块,被配置为:根据当前时序表示和训练完成的门控网络,得到专家复用门控分布;根据专家复用门控分布确定置信度,根据置信度动态调节门控注入系数;
32、最终专家权重分布确定模块,被配置为:根据门控注入系数,将基础专家权重分布和专家复用门控分布进行融合,得到最终专家权重分布;
33、执行模块,被配置为:根据最终专家权重分布,对多个候选动作进行加权融合,得到机器人接触装配的最终执行动作。
34、第三方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现了第一方面所述的基于时序门控多专家策略库的机器人接触装配方法的步骤。
35、第四方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序,所述处理器执行所述程序时实现了第一方面所述的基于时序门控多专家策略库的机器人接触装配方法的步骤。
36、第五方面,本发明还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时,实现了第一方面所述的基于时序门控多专家策略库的机器人接触装配方法的步骤。
37、与现有技术相比,本发明的有益效果为:
38、本发明通过预训练专家策略库,能够保留不同装配任务、初始偏差和接触阶段下的专家技能,提高了机器人在接触装配中的技能复用能力;通过时序评分网络评价各专家候选动作的适用性,并利用门控网络生成专家复用分布,使最终专家权重能够同时考虑动作适用性和当前装配阶段;通过门控分布确定置信度并动态调节门控注入系数,降低了门控不确定性对动作融合的影响;最终通过加权融合多个候选动作生成执行动作,实现接触搜索、姿态修正和稳定插入过程的平滑过渡,提高装配成功率、稳定性和鲁棒性。
1.基于时序门控多专家策略库的机器人接触装配方法,其特征在于,包括:
2.如权利要求1所述的基于时序门控多专家策略库的机器人接触装配方法,其特征在于,所述当前时序表示包括当前状态、历史状态、历史动作、接触反馈以及相关时序控制信息。
3.如权利要求1所述的基于时序门控多专家策略库的机器人接触装配方法,其特征在于,根据当前时序表示和训练完成的门控网络,得到专家复用门控分布:
4.如权利要求1所述的基于时序门控多专家策略库的机器人接触装配方法,其特征在于,所述时序评分网络基于任务进度监督信号和接触风险监督信号进行训练,总体训练目标为:
5.如权利要求1所述的基于时序门控多专家策略库的机器人接触装配方法,其特征在于,所述置信度为:
6.如权利要求5所述的基于时序门控多专家策略库的机器人接触装配方法,其特征在于,所述门控注入系数为:
7.如权利要求6所述的基于时序门控多专家策略库的机器人接触装配方法,其特征在于,所述最终专家权重分布为:
8.基于时序门控多专家策略库的机器人接触装配系统,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于时序门控多专家策略库的机器人接触装配方法的步骤。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时,实现了如权利要求1-7任一项所述的基于时序门控多专家策略库的机器人接触装配方法的步骤。
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