机器人动作的控制方法、装置、系统及电子设备与流程

本申请涉及机器人，具体而言，本申请涉及一种机器人动作的控制方法、装置、系统、电子设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、随着视觉-语言-行动（vision-language-action，vla）端到端具身智能模型的发展，预训练 vla 策略网络被广泛用于驱动机器人完成抓取、装配、插拔等复杂操作任务。

2、现有 vla 机器人执行系统普遍采用固定速度或者人工预设速度曲线执行动作序列。固定速度模式下，若速度偏低，粗动作阶段耗时久，整体任务效率差；若速度偏高，在对齐、插销、接触抓取等精细操作场景容易因动作误差超出容差而任务失败。人工预设速度曲线需要针对不同任务离线设计分段速度档位，更换任务时需要重新调参，泛化能力弱、部署成本高。

3、为实现自适应调速，还提出了任务阶段分类、观测分布外检测、夹爪二值触发调速等方案。然而，任务阶段分类器需要额外标注训练，输出离散速度档位，档位切换易引发执行抖动，跨任务需要重新训练；观测分布外检测以观测是否属于训练分布作为判据，容易出现判据错位，且需要训练独立模型，难以直接对接黑盒预训练 vla 策略；夹爪二值触发调速仅能覆盖夹爪开合时刻，对齐、插入等精细动作无法触发调速，漏检率高。

4、综上，现有机器人 vla 策略调速方案难以同时兼顾任务执行效率与精细操作成功率。而且，这些方案的训练、标注成本高，跨任务迁移能力差。因此，亟需一种非侵入式、无需改动预训练策略本体、可即插即用的多维度风险评估自适应的调速方案。

技术实现思路

1、本申请实施例提供了一种机器人动作的控制方法、装置、系统、电子设备、计算机可读存储介质及计算机程序产品，可以解决现有技术的上述问题。

2、本申请实施例的方案，在不修改、不重新训练预训练策略网络的情况下，在推理阶段提取策略网络的多种内在特征信号，这些特征可以从多个维度评估当前动作预测的风险程度，基于这些特征生成速度调节因子，用以动态调整机器人动作执行速度，实现即插即用、连续的自适应调速，降低部署成本，提升机器人操作的鲁棒性。所述技术方案如下：

3、根据本申请实施例的一个方面，提供了一种机器人动作的控制方法，包括：

4、在机器人执行任务的每个控制周期内，保持预先训练的策略网络的参数不变，并执行以下操作：

5、利用所述策略网络对当前观测状态进行推理，获取所述策略网络输出的预测动作指令；

6、控制机器人执行所述预测动作指令以产生当前动作；

7、基于所述策略网络的内部运行状态，获取至少两种特征信号，所述至少两种特征信号从不同维度表征所述策略网络对所述当前动作预测的确定程度；

8、基于每次获取的所述至少两种特征信号，生成对应的速度调节因子，所述速度调节因子用于指示所述当前动作执行的风险评估结果；

9、利用所述速度调节因子，对所述预测动作指令的动作执行时间间隔进行调整，以控制机器人执行所述当前动作的速度。

10、根据本申请实施例的另一个方面，提供了一种机器人动作的控制装置，包括：

11、控制模块，用于在机器人执行任务的每个控制周期内，保持预先训练的策略网络的参数不变，并执行以下操作：

12、利用所述策略网络对当前观测状态进行推理，获取所述策略网络输出的预测动作指令；

13、控制机器人执行所述预测动作指令以产生当前动作；

14、基于所述策略网络的内部运行状态，获取至少两种特征信号，所述至少两种特征信号从不同维度表征所述策略网络对所述当前动作预测的确定程度；

15、基于每次获取的所述至少两种特征信号，生成对应的速度调节因子，所述速度调节因子用于指示所述当前动作执行的风险评估结果；

16、利用所述速度调节因子，对所述预测动作指令的动作执行时间间隔进行调整，以控制机器人执行所述当前动作的速度。

17、根据本申请实施例的另一个方面，提供了一种机器人，包括调速模块，所述调速模块用于执行如上实施例中的控制方法。

18、根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行所述计算机程序以实现上述机器人动作的控制方法。

19、根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述机器人动作的控制方法。

20、根据本申请实施例的一个方面，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述机器人动作的控制方法。

21、本申请实施例提供的技术方案带来的有益效果是：在不修改、不重新训练预训练策略网络的情况下，在推理阶段提取策略网络的多种内在特征信号，这些特征可以从多个维度评估当前动作预测的风险程度，基于这些特征生成速度调节因子，用以动态调整机器人动作执行速度，实现即插即用、连续的自适应调速，降低部署成本，提升机器人操作的鲁棒性。

1.一种机器人动作的控制方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于每次获取到的所述至少两种特征信号，生成对应的速度调节因子，包括：

3.根据权利要求2所述的方法，其特征在于，所述针对每次获取到的所述至少两种特征信号进行特征融合，得到综合风险指标，包括：

4.根据权利要求2或3所述的方法，其特征在于，当所述综合风险指标低于预设阈值时，所述速度调节因子大于1，用以控制机器人加速执行所述当前动作；

5.根据权利要求4所述的方法，其特征在于，所述利用所述速度调节因子，对所述预测动作指令的动作执行时间间隔进行调整，包括：

6.根据权利要求1-3中任一项所述的方法，其特征在于，所述置信度分支网络的训练独立于所述策略网络的训练过程，所述置信度分支网络通过以下方式训练：

7.根据权利要求1-3中任一项所述的方法，其特征在于，所述统计学距离通过以下方式得到：

8.根据权利要求7所述的方法，其特征在于，若所述累积概率分位数位于所述专家动作分布的预设区域内，则所述统计学距离为0；

9.根据权利要求1所述的方法，其特征在于，所述基于每次获取到的所述至少两种特征信号，生成对应的速度调节因子，包括：

10.根据权利要求9所述的方法，其特征在于，所述学习型映射网络通过以下方式训练：

11.根据权利要求1所述的方法，其特征在于，所述基于每次获取的所述至少两种特征信号，生成对应的速度调节因子，包括：

12.根据权利要求11所述的方法，其特征在于，所述按照预设的优先级顺序，依次对所述至少两种特征信号进行阈值判断，并基于判断结果，确定所述速度调节因子的取值，包括：

13.根据权利要求12所述的方法，其特征在于，所述按照预设的优先级顺序，依次对所述至少两种特征信号进行阈值判断，并基于判断结果，确定所述速度调节因子的取值，还包括：

14.一种机器人动作的调速装置，其特征在于，包括：

15.一种机器人，其特征在于，包括：调速模块，所述调速模块用于执行权利要求 1至13中任一项所述的方法。

16.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器和存储器相互连接；

17.一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程序，所述计算机程序被处理器执行时实现权利要求1至 13任一项所述的方法。

18.一种计算机程序产品，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权利要求1至13任一项所述的方法。