一种基于物理世界模型的跨机器人控制方法及系统与流程

本发明涉及机器人控制，尤其涉及一种基于物理世界模型的跨机器人控制方法及系统。

背景技术：

1、世界模型作为具身智能的核心，旨在通过学习环境的状态转移规律和动作后果，形成能够进行内部预测、模拟和规划的内部模型，从而支撑机器人在未知或动态环境中的自主决策与行为。但是现有的主流方案在构建世界模型时，通常将视觉编码器、动力学预测器、动作表示与特定机器人的本体参数（如自由度构型、关节运动学、末端执行器类型、传感器布局）进行深度耦合。虽然这种紧耦合设计能在单一平台上获得较高的任务性能，但其代价是模型完全绑定于特定硬件。一旦更换机器人平台，由于观测分布、动作空间及动力学特性发生根本变化，原有模型无法直接复用，必须从数据采集、模型架构调整到训练调优进行全流程重新开发，使得研发成本高昂、周期漫长，这直接导致了世界模型难以从一个机器人扩展到另一机器人，严重阻碍了技术的规模化部署与应用。

2、在中国专利文献上公开的“一种具身智能机器人的控制方法、系统、机器人和介质”，其公开号为cn119748443a，公开日期为2025-04-04，包括：在具身智能机器人进入激活状态后，获取交互指令；根据交互指令，判断具身智能机器人是否进入任务规划阶段；在判断具身智能机器人进入任务规划阶段的情况下，获取工具列表；根据交互指令和工具列表对具身智能机器人进行任务规划以获得可行的动作序列；具身智能机器人根据动作序列执行交互指令。该技术解决具身智能机器人存在未有效利用环境中现有的工具，从而导致原本可行的任务变得无法规划的技术问题。但是该技术强调的是在单一机器人平台、单一任务簇或单一场景中做深度优化，能够在局部场景取得较好效果，但往往通过平台耦合换取性能，对跨本体迁移、跨场景扩展和在线自学习支持不足。

技术实现思路

1、本发明是为了克服现有技术中因采用与机器人本体紧耦合的建模方式，导致世界模型和智能体严重依赖特定硬件，从而在跨机器人任务执行中面临复用性差、成本高、可扩展性低的问题，提供了一种基于物理世界模型的跨机器人控制方法及系统。

2、为了实现上述目的，本发明采用以下技术方案：

3、一种基于物理世界模型的跨机器人控制方法，包括模型训练阶段：

4、将历史多模态数据编码为历史潜状态，将动作数据编码为潜动作；

5、训练潜空间预测模型，以历史潜状态和潜动作预测未来潜状态，训练中总损失函数至少包含预测损失和时序拉直损失，得到训练完成的物理世界模型；

6、任务执行阶段：

7、将当前多模态数据编码为当前潜状态，将任务输入解析为目标潜状态；

8、基于当前潜状态、目标潜状态和潜空间预测模型，对候选潜动作序列进行未来状态展开，求解最优潜动作序列；

9、将最优潜动作序列解码为技能参数，映射适配到对应机器人生成控制指令。

10、本发明中的跨机器人控制方法是面向机器人、尤其是人形机器人、双臂操作机器人、轮式/足式移动机器人以及复合形态机器人，构建“环境表征-潜空间动力学-目标理解-潜规划-技能执行-自学习-跨机器人适配-安全监管”的一体化技术架构。将世界模型设计成一种部署后仍可持续更新的自主智能底座。系统在运行过程中，既能从观察数据中学习，又能通过真实交互产生增量数据，并通过元控制器决定何时观察、何时探索、何时规划、何时执行、何时复盘与更新，从而形成物理世界中的持续学习闭环。在潜空间中引入时序拉直约束，通过降低潜轨迹曲率，使潜空间欧氏距离更好地近似真实可达路径距离，从而提升梯度规划、模型预测控制和分层任务规划的稳定性。采用解耦式跨机器人架构，将环境状态表示与动作意图表示从具体机器人本体中剥离出来，将机器人差异收敛到机器人适配层；使同一上层世界模型与规划器可迁移到不同机器人平台，仅需替换或少量校准本体适配模块，解决世界模型难以跨机器人复用的问题。

11、作为优选，还包括自学习阶段：

12、在任务执行过程中持续采集多维决策信号，构造综合决策值，并基于预设的阈值条件切换相应的自学习模式；

13、在经验回放学习模式中，基于若干价值指标进行数据的价值评估，并筛选出价值最高的若干数据进行增量训练或轻量适配。

14、作为优选，所述潜空间预测模型通过将历史潜状态序列与潜动作序列进行时序融合建模，提取状态演化上下文，学习潜状态在潜动作作用下的状态转移函数，并采用递推展开或并行方式生成未来一个或多个时刻的潜状态预测结果。

15、作为优选，所述时序拉直损失的构造方式为：对训练片段内任意连续三时刻的潜状态zt、zt+1、zt+2，构造第一潜速度向量vt等于zt+1-zt和第二潜速度向量vt+1等于zt+2-zt+1，计算二者的夹角余弦值ct，以1-ct作为局部曲率惩罚项，对训练片段内各时刻求和或求均值，得到时序拉直损失。

16、作为优选，所述将动作数据编码为潜动作包括：

17、接收原始动作输入进行时间对齐和动作分段，提取与机器人本体无关的中间特征；

18、通过预设规则、参数化映射网络或二者结合的方式，将中间特征编码为对应语义维度，形成潜动作。

19、作为优选，所述将任务输入解析为目标潜状态包括：

20、对不同类型的任务输入，采用相对应的编码方式进行编码，将编码结果进行解析生成结构化任务表示；基于当前潜状态和任务输入生成任务相关的对象关系图；将结构化任务表示转换为规划约束；通过潜目标映射生成目标潜状态、目标潜轨迹、目标条件分布或层级目标图。

21、作为优选，所述求解最优潜动作序列后，采用模型预测控制式滚动重规划：

22、在当前时刻求得最优潜动作序列，执行最优潜动作序列的前k步后，重新采集观测新的多模态数据并编码得到新的当前潜状态；以新的当前潜状态为起点再次求解后续潜动作序列；循环上述过程直至任务完成或终止。

23、作为优选，所述将最优潜动作序列解码为技能参数包括：

24、对连续潜动作序列进行边界检测，识别动作阶段切换点；将各阶段潜动作片段与技能库中的技能原型进行相似度匹配，得到对应的技能选择结果，并将潜动作片段映射为相应的技能参数。

25、一种基于物理世界模型的跨机器人控制系统，包括：

26、状态编码模块，将多模态数据编码为潜状态；

27、动作编码模块，将动作数据编码为潜动作；

28、潜空间动力学预测模块，利用潜空间预测模型，根据历史潜状态和潜动作预测未来潜状态；

29、潜目标生成模块，将任务输入解析为目标潜状态；

30、潜规划模块，基于当前潜状态、目标潜状态和潜空间预测模型，进行潜动作序列的优化求解；

31、技能解码模块，将最优潜动作序列解码为与机器人本体无关的技能参数；

32、元控制器，根据系统运行状态进行各模块的调度控制。

33、作为优选，跨机器人控制系统还包括：

34、本体适配模块，将技能解码模块输出的技能参数映射适配到对应的机器人生成控制指令；

35、经验回放模块，存储运行数据，根据预设的价值指标进行数据的价值评估，进行增量训练或轻量适配；

36、多模态数据采集模块，采集机器人在物理环境中的多模态数据。

37、本发明具有如下有益效果：通过潜空间物理世界模型替代像素级未来预测，降低训练与规划成本，提高对物理本质的保持能力；通过时序拉直约束改善潜空间几何性质，使潜空间距离更符合可达性，显著提高梯度规划和mpc的求解稳定性；通过元控制机制实现观察学习、行动学习和经验回放的统一调度，提升机器人自学习能力；通过上层物理世界模型与下层机器人本体适配解耦，使系统可迁移到不同机器人平台，降低跨平台部署成本；能够降低世界模型对像素细节和单一本体的依赖，使表示更贴近物理可预测结构，从而提升规划效率、稳定性和跨任务复用性；能够在机器人部署后持续从真实物理环境中获取高价值经验并自学习，从而缓解域偏移、长尾样本和环境非平稳带来的性能衰减。