机器人推理方法及装置、电子设备、计算机可读存储介质与流程

本公开涉及机器人控制，具体而言，本公开涉及一种机器人推理方法及装置、电子设备、计算机可读存储介质。

背景技术：

1、机器人动作生成在实际任务中面临两种相互冲突的诉求：

2、决策要“果断”：许多操作任务本质上存在多种同等可行的解法（例如一个物体存在两个同样合理的抓取点、绕过障碍存在左右两条路径）。策略应当从这些可行模式中干脆地选定一种并坚持执行，而不能对多个正确模式取平均，取平均会产生一个既非模式a，又非模式b的折中动作（例如“从两个正确抓取点的正中间下手”），往往落入两种正确解之间的失败区。

3、执行要“实时”：机器人与环境接触时，接触力、摩擦、外部扰动瞬息万变，动作需要以高频（例如100 hz或更高）闭环响应，才能稳定地完成接触密集型操作。

4、现有方案难以同时满足上述两项诉求。

技术实现思路

1、本公开实施例提供了一种机器人推理方法及装置、电子设备、计算机可读存储介质，用于解决现有方案无法满足机器人动作生成在实际任务中，面临低频级需要决策果断和高频级需要高频闭环响应两种相互冲突的诉求的技术问题。

2、根据本公开实施例的一个方面，提供了一种机器人推理方法，该方法包括：在低频级，利用全历史状态条件通过生成器将隐变量映射为覆盖不同模式的粗动作草稿；在高频级，接收粗动作草稿，并结合实时反馈进行闭环精修，输出用于驱动机器人的精修动作；其中，实时反馈包括实时力反馈和本体反馈；高频级的运行频率高于低频级的运行频率；高频级和低频级运行在不同的时钟上。

3、可选地，上述方法还包括：对全历史状态传播器在当前时刻的输出和当前多模态观测进行条件编码，得到全历史状态条件。

4、可选地，生成器以隐式极大似然估计训练，训练方法包括以下步骤：对每条示教样本随机抽取多个隐变量，生成多个候选草稿；其中，示教样本包括任务条件和专家动作；从多个候选草稿中选取与示教样本最接近的候选草稿；将与示教样本最接近的候选草稿向示教样本拉近。

5、可选地，上述方法还包括：在单位球面上对隐变量做连续轨道演化，以保证跨控制步的模式一致性。

6、可选地，在单位球面上对隐变量做连续轨道演化，包括：利用惯性系数控制隐变量的切向速度的时间相关性；利用演化角控制隐变量沿球面演化的速度，并将结果归一化投影至单位球面；其中，惯性系数和演化角为可配置参数或可学习参数。

7、可选地，接收粗动作草稿，并结合实时反馈进行闭环精修，包括：将机器人的动作轨迹视为包括位置与速度的二阶动力学系统的状态；以二阶物理精修器结合粗动作草稿与实时反馈给出加速度，并以辛欧拉积分更新位置与速度；其中，高频级的每个控制步的精修迭代次数根据接触强度或扰动幅度自适应调整。

8、可选地，在低频级，利用全历史状态条件通过生成器将隐变量映射为覆盖不同模式的粗动作草稿，包括：每隔可配置的控制步数运行一次，或由任务阶段切换、目标变化、高频级精修残差超过阈值中的至少一种事件触发运行。

9、可选地，上述方法还包括：在训练时对相邻控制步的草稿差异施加模式一致性正则。

10、根据本公开实施例的另一个方面，提供了一种机器人推理装置，该装置包括：第一处理模块，用于在低频级，利用全历史状态条件通过生成器将隐变量映射为覆盖不同模式的粗动作草稿；第二处理模块，用于在高频级，接收粗动作草稿，并结合实时反馈进行闭环精修，输出用于驱动机器人的精修动作；其中，实时反馈包括实时力反馈和本体反馈；高频级的运行频率高于低频级的运行频率；高频级和低频级运行在不同的时钟上。

11、根据本公开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，处理器执行计算机程序以实现以上的方法。

12、根据本公开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以上的方法。

13、根据本公开实施例的再一个方面，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以上的方法。

14、本公开实施例提供的技术方案带来的有益效果是：

15、本公开提出的方案，在低频级从全历史状态条件出发、由生成器将隐变量映射为覆盖不同模式的粗动作草稿，实现“果断选一种解法”；在高频级接收草稿、用二阶物理精修器结合实时力反馈或本体反馈做高频闭环精修；并且两级运行在不同的时钟上，互不阻塞。实现了机器人动作生成在实际任务中，决策果断与执行实时兼得，两项冲突诉求被解耦后同时满足的技术效果。

1.一种机器人推理方法，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，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述生成器以隐式极大似然估计训练，训练方法包括以下步骤：

4.根据权利要求1所述的方法，其特征在于，所述在单位球面上对所述隐变量做连续轨道演化，包括：

5.根据权利要求1所述的方法，其特征在于，所述接收所述粗动作草稿，并结合实时反馈进行闭环精修，包括：

6.根据权利要求1所述的方法，其特征在于，所述在低频级，利用全历史状态条件通过生成器将隐变量映射为覆盖不同模式的粗动作草稿，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.一种机器人推理装置，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的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。