鲁棒分析模型训练方法、机器人控制方法及机器人与流程

摘要: 本技术属于机器人安全控制,具体涉及一种鲁棒分析模型训练方法、机器人控制方法及机器人。背景技术:1、现有具身智能机器人,例如:四足机器人、服务机器人、自动驾驶机器...
鲁棒分析模型训练方法、机器人控制方法及机器人与流程

本技术属于机器人安全控制,具体涉及一种鲁棒分析模型训练方法、机器人控制方法及机器人。

背景技术:

1、现有具身智能机器人,例如:四足机器人、服务机器人、自动驾驶机器人,在运行控制时通常通过摄像头、激光雷达等传感器来感知环境,并利用学习模型来进行决策。为保障传感器采集正确的数据并基于正确的数据来输入模型进行决策,现有技术通常在图像数据的输入层进行预处理,以部署但层次防御。

2、在具体应用中,发明人发现现有技术中至少存在如下问题:机器人抵抗外界干扰的能力不足,一旦出现复杂干扰,整个机器人系统鲁棒性不足,从而无法正确判断机器人控制数据,从而机器人控制的安全性无法保障。

技术实现思路

1、本技术实施方式主要解决现有的机器人控制中抵抗干扰的能力不足,从而导致机器人系统鲁棒性不足,影响机器人控制的安全性的技术问题。

2、为解决上述技术问题,本技术实施方式采用的一个技术方案是:提供一种鲁棒分析模型训练方法,方法包括:设置环境参数集合,环境参数集合包括若干个环境参数;从环境参数集合中选取一个环境参数,并基于选取的环境参数,建立鲁棒仿真环境;获取鲁棒仿真环境中的仿真传感数据和仿真状态数据;分别对仿真传感数据和仿真状态数据注入仿真故障,以得到训练样本;对仿真传感数据注入仿真扰动,以得到对抗样本;将训练样本和对抗样本输入至初始分析模型,以训练得到鲁棒分析模型。

3、可选地,将训练样本和对抗样本输入至初始分析模型,以训练得到鲁棒分析模型,包括:将训练样本和对抗样本输入至初始分析模型,以分别计算得到训练样本的正常样本损失和对抗样本的对抗样本损失;对正常样本损失和对抗样本损失进行加权处理,以得到样本总损失;基于样本总损失,更新初始分析模型的模型参数,以得到鲁棒分析模型;基于预设的训练结束条件,确定鲁棒分析模型是否满足训练结束条件;在鲁棒分析模型不满足训练结束条件的情况下,将鲁棒分析模型确定为新的初始分析模型,并从环境参数集合中重新选取环境参数,基于重新选取的环境参数建立新的鲁棒仿真环境;基于新的鲁棒仿真环境重新生成训练样本和对抗样本,并将重新生成的训练样本和对抗样本输入新的初始分析模型,以进行下一轮迭代训练;在鲁棒分析模型满足训练结束条件的情况下,将鲁棒分析模型确定为训练完成的鲁棒分析模型。

4、可选地,将训练样本和对抗样本输入至初始分析模型后,还得到初始分析模型输出的分析结果;方法还包括:建立物理约束知识库,物理约束知识库包括若干个物理约束范围;将若干个物理约束范围转化为损失函数项,并在样本总损失中添加损失函数项;在分析结果超出至少一个物理约束范围的情况下,增大损失函数项,以基于增大后的损失函数项更新初始分析模型的模型参数。

5、区别于相关技术的情况,本技术实施例提供了一种鲁棒分析模型训练方法,方法包括设置若干个环境参数的环境参数集合,并从中选取一个环境参数,以基于该环境参数建立鲁棒仿真模型,从而模拟出不同的环境参数下的训练,使得鲁棒分析模型不依赖特定的环境参数。获取鲁棒仿真环境中的仿真传感数据和仿真状态输入,并分别注入仿真故障,已得到训练样本,进一步对仿真传感数据注入仿真扰动,得到对抗样本,从而模拟出现故障的正常的训练样本,和注入扰动的对抗样本,模拟出不同故障和干扰的样本。将训练样本和对抗样本输入至初始分析模型,以训练得到鲁棒分析模型,从而训练模型能够在应对不同故障和干扰的样本时,都能够输出正确的参数、做出正确的决策,建立鲁棒分析模型的鲁棒性。

6、为解决上述技术问题,本技术实施方式采用的另一个技术方案是:提供一种机器人控制方法,应用于机器人,方法包括:获取预设的鲁棒分析模型,以及获取物理约束知识库;鲁棒分析模型通过上述任一项的鲁棒分析模型训练方法得到;根据预设的鲁棒分析模型和物理约束知识库,对机器人的运行过程中的至少一个运行层,部署运行层对应的防御机制;基于部署的至少一个运行层对应的防御机制,控制机器人的运行;其中,运行层包括感知层、决策层和执行层。

7、可选地,机器人包括多个传感器;部署运行层对应的防御机制包括:部署感知层对应的防御机制;部署感知层对应的防御机制,包括:基于预设的鲁棒分析模型,分别对每个传感器采集的原始输入数据进行鲁棒处理,以得到每个传感器的传感数据;分别将每个传感器的传感数据与传感数据对应的物理约束范围进行比对;其中,物理约束范围包含于物理约束知识库;在存在目标传感器的传感数据超出目标传感器的传感数据对应的物理约束范围的情况下,基于目标传感器以外的传感器的传感数据,对目标传感器的传感器数据进行检测,在检测到目标传感器的传感数据存在异常的情况下,降低目标传感器的传感数据在决策层中的权重。

8、可选地,在存在目标传感器的传感数据超出目标传感器的传感数据对应的物理约束范围的情况下,基于目标传感器以外的传感器的传感数据,对目标传感器的传感器数据进行检测,在检测到目标传感器的传感数据存在异常的情况下,降低目标传感器的传感数据在决策层中的权重,包括:在存在目标传感器的传感数据超出目标传感器的传感数据对应的物理约束范围的情况下,从目标传感器的传感数据中分析得到目标传感器的传感数据的物理事实;控制目标传感器以外的传感器对物理事实进行检测,得到多个物理事实的检测结果;在多个物理事实的检测结果相同,且与物理事实不一致的情况下,判定目标传感器的传感数据存在异常,则标记目标传感器为可疑传感器,并降低目标传感器的传感数据在决策层中的权重;在至少一个物理事实的检测结果与其他物理事实的检测结果不一致的情况下,判定存在至少一个传感器的传感数据有误,则标记所有传感器为可疑传感器,并发出告警。

9、可选地,部署运行层对应的防御机制包括:部署决策层对应的防御机制;部署决策层对应的防御机制,包括:接收感知层输出的多个传感数据;基于主控制模型对多个传感数据进行分析,得到机器人的第一控制参数,以及基于备用控制模型对多个传感数据进行分析,得到机器人的第二控制参数;对第一控制参数执行安全校验,以判断第一控制参数是否满足预设的安全约束条件;在第一控制参数满足预设的安全约束条件的情况下,输出第一控制参数至执行层;在第一控制参数不满足预设的安全约束条件的情况下,对第二控制参数执行安全校验,并将第二控制参数与预设的安全约束条件进行比较;在第二控制参数满足预设的安全约束条件的情况下,输出第二控制参数至执行层;在第二控制参数不满足预设的安全约束条件的情况下,基于简化模型控制机器人;其中,主控制模型和备用控制模型分别为不同的机器人的动力学控制模型,简化模型为机器人的简化的运动学控制模型。

10、可选地,在对第一控制参数执行安全校验之前,部署决策层对应的防御机制,还包括:将第一控制参数与第二控制参数进行比较,以获取第一控制参数与第二控制参数的偏差数值;在偏差数值小于或等于预设偏差阈值的情况下,对第一控制参数执行安全校验;在偏差数值大于预设偏差阈值的情况下,确定第一控制参数和第二控制参数均有误,并基于简化模型控制机器人。

11、可选地,基于简化模型控制机器人,包括:基于简化模型对多个传感数据进行分析,得到机器人的第三控制参数;在第三控制参数满足预设的安全约束条件的情况下,输出第三控制参数至执行层;在第三控制参数不满足预设的安全约束条件的情况下,触发机器人执行安全停止操作;其中,简化模型为机器人的简化的运动学控制模型。

12、可选地,机器人包括多个执行器;部署运行层对应的防御机制包括:部署执行层对应的防御机制;部署执行层对应的防御机制,包括:基于预设的鲁棒分析模型,分别对每个执行器采集的原始输入数据进行鲁棒处理,以得到每个执行器的运行状态参数;分别对每个运行状态参数设置对应的第一安全阈值和第二安全阈值;其中,第一安全阈值小于第二安全阈值;将每个运行状态参数分别与运行状态参数对应的第一安全阈值和第二安全阈值进行比较;在运行状态参数大于第一安全阈值,且小于第二安全阈值的情况下,对运行状态参数对应的执行器进行安全保护;在运行状态参数大于或等于第二安全阈值的情况下,确定执行器为故障执行器,并执行故障隔离;其中,故障隔离包括将故障执行器的任务重新分配给其他执行器、重构机器人的运动形态和触发安全停止中的至少一种。

13、区别于相关技术的情况,本技术实施例提供了一种机器人控制方法,应用于机器人,方法包括:获取预设的鲁棒分析模型和物理约束知识库,并根据预设的鲁棒分析模块和物理约束知识库,对机器人的运行过程中的至少一个运行层,部署运行层对应的防御机制;并基于部署的至少一个运行层对应的防御机制,控制机器人的运行。由此,使得机器人的多层运行层均拥有其专属防御机制来对抗故障、进行防御,形成多层防御的纵深防御体系,即使某一运行层的防御机制被突破,其他运行层的防御机制仍能抵御故障干扰的影响,增加机器人控制的抵抗干扰的能力,增加机器人系统的鲁棒性和机器人控制的安全性。

14、为解决上述技术问题,本技术实施方式采用的又一个技术方案是:提供一种机器人,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,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任一项的鲁棒分析模型训练方法,和/或,执行上述任一项的机器人控制方法。

15、区别于相关技术的情况,本技术实施例提供了一种机器人,该机器人能够执行鲁棒分析模型训练方法,以训练出足够鲁棒性的鲁棒分析模型,以基于鲁棒分析模型对采集的相关数据进行鲁棒分析,和/或,执行机器人控制方法,以通过多层防御架构抵御机器人运行时的故障或干扰,以确保机器人在运行控制时的安全性。