一种智能体驱动的自进化机器人导航方法及装置

本发明属于机器人导航、机器人智能体控制和机器人能力演化，尤其涉及一种智能体驱动的自进化机器人导航方法及装置。

背景技术：

1、现有机器人导航技术至少包括三类技术路线。

2、第一类为工作流主导导航系统。该类系统由确定性代码预先规定定位、建图、路径规划、交互和运动控制等任务阶段，以及各状态下必须进入的处置分支。模型可以在预留节点生成局部内容，但确定性工作流仍规定任务处置过程。未配置对应分支时，系统难以继续形成新的处置序列。

3、第二类为大模型驱动导航系统。该类系统中的智能体可以根据观测逐步选择工具并完成当前任务，但通常不具有由智能体发起的能力演化元能力，也未形式化区分智能体的任务决策权与确定性底座的安全否决权。对于被底座拒绝的调用，该类系统也未规定拒绝后不以预设流程替代智能体选择的运行时关系。

4、第三类为大模型技能库系统。存在将运行经验提炼为技能并注入后续任务的方案，但其演化由回合结束时的固定管线执行，演化触发和取舍不由智能体决策，且未形式化任务决策权与安全否决权的分离。

5、因此，现有技术尚难以在实体机器人导航中同时实现：由智能体逐轮形成任务处置过程；由智能体发起能力演化；以及由本地确定性层独立保留对物理运动的安全否决权。

技术实现思路

1、本发明目的在于针对现有技术的不足，提出一种智能体驱动的自进化机器人导航方法及装置。与由预设流程控制任务阶段、由智能体在各阶段生成局部内容的系统不同，本发明由智能体生成导航过程本身。确定性运行底座不生成任务处置流程，仅负责能力暴露、调用约束、事实记录、合规判定、反馈回注和物理安全强制。

2、本发明采用三类分权：做什么、选择何种可调用能力及其调用参数、是否放弃非安全关键子目标、技能是否值得合并、是否发起能力演化以及目标是否完成等任务语义决策由智能体作出；调用是否冲突、接口是否有效、能力调用权限是否合规以及是否通过静态检查等事实与合规判定由确定性运行底座中的相应模块作出，并将结果交付智能体；资源预算耗尽、本体健康状态超时、人工急停、安全约束触发、能力调用权限撤销以及危险技能隔离等安全强制由确定性运行底座或本地安全执行模块直接执行，能够抢占能力调用，并在执行后交付终止或隔离事实和原因。

3、本发明的目的是通过以下技术方案来实现的：一种智能体驱动的自进化机器人导航方法，该方法基于智能体和确定性运行底座实现，具体包括以下步骤：

4、（1）所述确定性运行底座向智能体交付运行时决策上下文；

5、（2）所述智能体根据所述运行时决策上下文逐轮选择可调用能力，生成并发起能力调用决策；

6、（3）所述确定性运行底座对所述能力调用决策的能力调用权限、资源预算、参数模式和安全约束进行合规判定，并执行通过合规判定的能力调用，记录并向所述智能体交付执行反馈；若合规判定不通过则拒绝本次执行并向智能体交付终止事实和原因；

7、（4）所述确定性运行底座记录与能力调用关联的执行反馈、当前机器人状态变化和环境状态变化，并向智能体交付所述记录；所述智能体根据所述记录更新当前任务问题状态，并根据更新后的当前任务问题状态重新确定下一轮可调用能力及其调用参数，由此形成在任务执行前未固化的能力调用序列；

8、（5）所述智能体根据所述技能效果评价信息、技能内容和历史处置轨迹，决定是否发起能力演化操作，并基于确定性运行底座进行合规判定。

9、强制终止事件发生时，由确定性运行底座中的调用约束与执行模块终止后续能力调用；存在正在执行的物理运动时，由本地安全执行模块执行明确停止指令；终止或停止后，由确定性运行底座向智能体交付相应事实和原因。

10、进一步地，步骤（1）中，所述运行时决策上下文包括总体导航目标、当前子目标或任务进展、当前机器人状态、环境状态、可调用能力的机器可读描述、技能检索结果、能力调用权限与资源预算、安全约束以及上一轮能力调用反馈。

11、进一步地，步骤（2）中，所述能力调用决策包括所选可调用能力、调用参数、预期状态变化、是否调整所述当前子目标、是否放弃非安全关键子目标、导航目标是否完成以及继续条件或任务语义终止判断。

12、进一步地，能力调用序列在任务执行过程中逐轮形成，而非从预设任务工作流或异常分支表中选择。

13、进一步地，合规判定不通过时，确定性运行底座仅拒绝执行、记录原因并将原因交回智能体。资源预算耗尽、本体健康状态超时、人工急停、安全约束触发或能力调用权限撤销时，确定性运行底座直接终止后续能力调用；如果是正在执行物理运动时，本地安全执行模块直接执行明确停止指令。强制终止事件发生时，由确定性运行底座中的调用约束与执行模块终止后续能力调用；存在正在执行的物理运动时，由本地安全执行模块执行明确停止指令；终止或停止后，由确定性运行底座向智能体交付相应事实和原因。确定性运行底座不代替智能体选择另一项能力，不生成任务类别对应的替代处置流程。

14、进一步地，步骤（4）中，当记录的预期机器人状态变化未发生、已有技能未满足成功条件、或已满足失败或终止条件的事实时，所述确定性运行底座向所述智能体交付对应的任务问题状态和执行反馈；所述智能体将所述任务问题状态和执行反馈加入所述运行时决策上下文，并使用所述逐轮生成能力调用决策的同一决策循环，根据更新后的运行时决策上下文重新生成不同于先前能力调用决策的后续能力调用决策。

15、进一步地，步骤（5）中，所述确定性运行底座记录技能的检索、采用、实际执行、问题解决、任务贡献、平均成本、安全拒绝、误匹配、连续失败和最近使用信息，并向所述智能体交付技能效果评价信息。

16、进一步地，基于确定性运行底座中的本地安全执行模块复核全部物理运动请求；所述本地安全执行模块仅执行通过复核的物理运动请求，或者拒绝未通过复核的物理运动请求并记录拒绝原因；安全约束触发时，所述本地安全执行模块直接执行明确停止指令，并在执行后向所述智能体交付终止事实和原因。

17、进一步地，智能体根据问题新颖性、历史重复情况、处置轨迹和技能效果评价，决定是否发起创建、修改、合并、降级或停用技能的能力演化操作，其中问题新颖性和历史重复情况主要用于判断是否触发能力演化；技能内容、技能效果评价信息和历史处置轨迹用于决定对具体技能采取何种演化操作。所述智能体发起创建技能的能力演化操作时，将处置轨迹中各能力调用前后的任务问题状态变化与问题解除条件比对，保留使所述任务问题状态向所述问题解除条件变化的能力调用，将场景专用常量转化为参数约束，提取适用条件、成功条件和失败或终止条件，生成包含技能标识、问题特征、适用条件、处置内容、成功条件、失败或终止条件和使用记录的候选技能；

18、静态检查与版本登记模块对候选技能作出接口、能力调用权限、调用约束和安全合规判定；通过判定的候选技能被版本登记并设置为可检索状态，在后续决策周期或导航任务中按照适用条件参与技能检索，检索结果被加入运行时决策上下文。修改技能时，智能体决定旧版本的保留、降级或停用，静态检查与版本登记模块记录对应版本状态。判定不通过时，不合规事实和原因交回智能体，由智能体决定是否提出修订。

19、进一步地，所述确定性运行底座根据预设匹配条件确定技能检索结果，所述预设匹配条件包括问题匹配条件、本体匹配条件和环境匹配条件；问题匹配条件为问题类别一致或问题特征相似度达到阈值；本体匹配条件为机器人类型、能力调用权限及必要机器人状态满足技能适用条件；环境匹配条件为环境状态落入技能适用范围且不存在环境约束冲突；所述确定性运行底座向所述智能体交付所述技能检索结果；所述智能体在所述技能检索结果为空、已有技能未满足成功条件、或者已满足失败或终止条件时，使用步骤（4）中的决策循环，并能够改变当前子目标、调整调用参数、选择其他可调用能力、组合多项可调用能力或调用人机交互能力。

20、进一步地，技能使用统计模块记录技能的检索、采用、实际执行、问题解决、任务贡献、平均成本、安全拒绝、误匹配、连续失败和最近使用信息，并交付技能效果评价信息。智能体依据所述技能效果评价信息、技能内容和历史处置轨迹，生成修改、合并、降级、停用、保留技能的能力演化决策。低成功率、误匹配或低采用率仅作为智能体作出调整取舍的评价信息。静态检查与版本登记模块判定技能含有越权调用、绕过本地安全执行模块的指令或危险调用时，直接将技能设置为冻结且不可检索状态；智能体只能提出修订或恢复申请，且仅在模块合规判定通过后解除冻结。检索采用率和执行成功率的阈值规则为可选的实施方式，不构成固定的任务处置流程。

21、第二方面，本发明还提供一种智能体驱动的自进化机器人导航装置，包括存储器、处理器和通信接口，所述存储器中存储有导航任务、机器人状态、环境状态、可调用能力的机器可读描述、技能库和使用记录；所述处理器执行程序形成智能体决策模块和确定性运行底座；

22、所述智能体决策模块用于根据运行时决策上下文选择可调用能力、生成能力调用决策、作出任务语义终止判断以及发起技能能力演化操作；

23、所述确定性运行底座包括：

24、调用约束与执行模块，用于对能力调用决策进行合规判定，执行通过合规判定的能力调用，记录并交付执行反馈，以及在终止事件发生时直接终止后续能力调用；

25、问题状态记录模块，用于记录执行反馈、机器人状态变化和环境状态变化；

26、静态检查与版本登记模块，用于对候选技能作出合规判定，进行版本登记，设置技能的可检索或冻结状态；

27、技能使用统计模块，用于记录使用信息并交付技能效果评价信息；

28、本地安全执行模块，用于复核、执行或拒绝物理运动请求，并在终止事件发生时直接执行停止指令；

29、所述通信接口用于与移动机器人本体交换观测和物理运动请求。

30、第三方面，本发明还提供一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现上述一种智能体驱动的自进化机器人导航方法。

31、第四方面，本发明还提供一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时，实现上述一种智能体驱动的自进化机器人导航方法。

32、本发明的有益效果在于：在不预设对应处置分支的情况下，智能体可以继续形成导航任务的能力调用序列；同一能力集合可以形成此前未配置的跨模块调用序列；技能沉淀能够在相似问题再现时减少重复处置；技能效果评价信息可以避免低效或不安全技能长期占据检索结果；全部实体运动仍满足本地安全约束。自主性的提高并未把物理安全控制权交给不确定模型：智能体拥有做什么、尝试什么的决策权，本地确定性层保留能不能实际执行的否决权。