基于多尺度时空表征与关系记忆的类脑导航方法及系统

本发明涉及的是一种机器人自主导航领域的技术，具体是一种基于多尺度时空表征与关系记忆的类脑导航方法及系统。

背景技术：

1、在未知环境中导航过程不仅涉及对当前状态的估计，还涉及对历史经验的利用以及对未来状态的推断。现有技术在多尺度时空信息建模、关系结构表达以及基于内部表示的预测推理方面仍不完善，难以在统一框架下实现稳定的导航决策。现有基于时空预测风险场与深度强化学习的导航技术高度依赖全局高精度先验数据，导致智能体无法在未知(如无gps、无先验地图)复杂环境中实现零先验自主环境认知的问题；而仅依赖黑盒序列网络预测客观风险场则导致无法量化智能体面对未知环境时的“认知不确定性”，从而难以进行探索与利用的安全决策权衡的问题；现有基于深度学习增强的卫星导航定位技术高度依赖外部gnss信号与天空视觉观测，导致智能体无法在室内、地下或gps拒止等无先验复杂环境中实现自主环境认知与导航的问题；而仅利用深度学习模型(如cnn和lstm)对客观信号质量进行权重评估与误差修正，无法建立对环境几何结构的内部认知表达，更无法量化面对未知区域时的“认知不确定性”，从而难以利用置信度世界模型(biw)进行生成式信念预测与探索决策权衡的问题。

技术实现思路

1、本发明针对现有技术存在的上述不足，提出一种基于多尺度时空表征与关系记忆的类脑导航方法及系统，通过多尺度时空表征方法对环境观测信息进行分层表示，以提高对复杂场景中局部结构与全局关系的表达能力；通过基于关系结构的环境建模方式，构建状态之间的关联关系，实现对环境信息的组织与表达。

2、本发明是通过以下技术方案实现的：

3、本发明涉及一种基于多尺度时空表征与关系记忆的类脑导航方法，采集当前时刻的环境观测信息和对应的历史观测序列、动作序列或状态序列并对环境观测信息及历史观测序列进行基于几何细胞模型与自注意力机制融合的层次化多尺度时空编码，得到当前时刻的多尺度状态表示后，根据多尺度状态表示构建关系结构中的节点以及节点间的连接关系；再更新关系结构并根据历史关系结构、当前状态及候选动作，通过深度学习预测得到未来状态或预期结果进而确定并执行当前优化动作，最后根据实际结果进行状态更新、关系结构更新的迭代，实现类脑导航。

4、所述的几何细胞编码模型综合考虑高斯距离衰减与冯·米塞斯(vonmises)角度分布，具体为：，其中：为细胞的自我中心二维空间坐标，为距离，为方位角，定义域为为智能体在全向视角下通过深度传感器感知到的到环境边界的欧氏距离，体现对局部障碍物的物理度量，为距离感知的高斯方差参数，该参数作为控制项，用于调节系统对传感器测距噪声及不确定性的容忍度，为通过头部方向细胞(hdc)模型计算得到的智能体当前平均向量方向(mvd)，作为空间编码的动态参考基准，为角度集中度参数，用于控制冯·米塞斯分布的峰值锐度，为零阶第一类修正贝塞尔函数。

5、所述的层次化多尺度时空编码是指：通过几何细胞编码模型对智能体全向视角下的物理边界距离信息与头部方向信息进行离散化映射，得到基于几何细胞的局部表征矩阵后，进行多尺度全局聚合和全局结构注意力编码，具体包括：

6、步骤1、离散化映射：智能体通过传感器实时获取个离散视角上的环境边界欧氏距离及头部方向角度参考值，并构建维的二维几何神经元片层阵列作为空间拓扑载体；通过遍历计算各坐标单元处的神经元放电率强度显式量化智能体全向视角的物理边界特征，最终输出能完整表征局部精确空间几何结构的维矩阵，作为基于几何细胞的局部表征矩阵，具体为：神经元放电率强度，其中：离散位置处的几何细胞响应强度为环境观测方向离散数量为第个离散观测方向为方向下检测到的环境边界距离为第个离散距离尺度为第个离散方位角为智能体当前头部方向参考角为距离编码尺度参数为方向编码集中参数为零阶修正贝塞尔函数为角度离散间隔，满足分别为方向、距离和角度索引。

7、步骤2、多尺度全局聚合：通过空间池化及非线性激活函数提取区域尺度表征，聚合邻域拓扑信息，具体为：，其中：当前时刻的区域尺度表征矩阵；非线性激活函数，用于引入非线性特征映射；预设的区域特征变换权重矩阵；空间池化算子，用于对输入特征进行下采样和空间降维；当前时刻基于几何细胞的局部表征矩阵，作为所述空间池化算子的输入；预设的区域特征变换偏置向量。

8、步骤3、全局结构注意力编码：采用改进性地根据自注意力机制将区域特征线性投影为查询向量(q)、键向量(k)和值向量(v)，计算全局拓扑连通性特征，具体为：，其中：为特征向量的缩放维度标量。

9、通过层次化多尺度时空编码在同一表示框架内，将环境的精确局部几何边界特征与宏观的全局拓扑关系进行无缝融合，为后续的生成式信念预测与关系记忆存储提供高质量、抗干扰的多尺度特征输入。

10、所述的深度学习预测，包括：

11、步骤1、构建时空关联的生成式状态转移输入，具体包括：

12、1.1提取当前时刻的多尺度空间状态表示，并结合关系记忆模块检索得到与当前状态拓扑相关的历史记忆上下文特征。

13、1.2获取智能体在动作空间中包括线速度与角速度等运动指令的候选探索动作，将、特征维度上进行拼接。

14、1.3通过多层感知机(mlp)编码器对拼接后的特征进行非线性映射，融合空间拓扑、动作意图与历史经验，提取生成式隐变量上下文向量，其中：分别为上下文编码网络的可学习权重矩阵和偏置项，表示特征维度的拼接操作。

15、步骤2、执行基于变分推理的未来状态后验分布预测，具体包括：

16、2.1将隐变量上下文向量输入至双分支结构的变分推理网络中，分别预测未来状态的分布均值与对数方差，以此模拟环境状态转移的不确定性，具体为：，，其中：为预测方差，为预测的未来时刻状态分布的均值向量；为变分推理网络中均值预测分支的可学习权重矩阵；为时刻经编码后的隐变量上下文向量；为变分推理网络中均值预测分支的可学习偏置向量；为自然对数算子；为预测的未来时刻状态分布的预测方差向量；为变分推理网络中对数方差预测分支的可学习权重矩阵；为变分推理网络中对数方差预测分支的可学习偏置向量。

17、方差越大，代表智能体对该候选动作导致的未来状态越缺乏先验经验。

18、2.2采用重参数化技巧(reparameterizationtrick)，从标准正态分布中采样噪声，进而生成包含预测环境空间几何与拓扑信息的预测状态表示，其中：表示逐元素相乘，为生成的未来时刻预测状态为向量；为预测的未来时刻状态分布的均值向量；为从标准正态分布中采样得到的随机噪声向量；为逐元素相乘算子(hadamard积)；为以自然常数为底的指数算子；为自然对数算子；为预测的未来时刻状态分布的方差向量。

19、步骤3、量化认知不确定性并输出主观置信度分数，具体包括：

20、3.1基于预测方差，提取该方差向量的二范数作为认知不确定性(epistemicuncertainty)的度量基础。

21、3.2根据指数惩罚函数，计算对应于该次预测的主观置信度分数并作为后续导航决策中评估路径安全性与探索价值的核心权重，具体为：，其中：为用于调节置信度的敏感程度的尺度缩放超参数，。

22、所述的根据实际感知结果进行状态更新、关系结构更新的迭代，迭代步骤具体包括：

23、步骤1、执行目标动作并获取真实环境观测：智能体根据导航决策模块输出的最优动作，在物理或仿真环境中执行移动，触发下一时间步的多源传感器数据采集，并通过多尺度时空表征模块编码得到真实的时空状态表示。

24、步骤2、计算联合损失并通过反向传播算法计算梯度，在线更新置信度世界模型的网络参数，使模型在未知环境中持续收敛，提升状态预测精度，具体为：，其中：状态重建损失，分布散度损失，为正则化系数，即散度权重系数，用于平衡状态重建精度与概率分布正则化约束之间的权重，为预测状态，为真实状态。

25、步骤3、更新关系认知图与经验记忆检索校准：计算当前真实状态与关系记忆模块中已有节点状态的相似度。若最大相似度低于预设的新颖度阈值，则将作为新节点存入关系认知图中，并以执行的动作轨迹建立新的边连接；若高于阈值，则增加对应节点的访问频次权重，动态校准记忆拓扑图，为下一轮循环的生成式信念预测提供更准确的经验上下文。

26、本发明涉及一种实现上述方法的基于多尺度时空表征与关系记忆的类脑导航系统，包括：多源观测获取模块、多尺度时空表征模块、关系认知图构建模块、关系记忆模块、生成式信念预测模块、导航决策模块和在线更新模块，其中：多源观测获取模块获取智能体在环境中的观测信息并进行分层的多尺度表示，以在不同范围内对环境信息进行表达；多尺度时空表征模块对当前观测信息及历史信息进行编码，得到不同空间尺度和时间范围下的状态表示；关系认知图构建模块根据状态表示构建由节点和边组成的关系结构；关系记忆模块对关系结构进行写入、检索及更新，以实现对历史信息的管理；生成式信念预测模块根据当前状态、关系记忆及候选动作，预测得到状态变化趋势、目标接近程度或行为成功概率；导航决策模块根据预测结果确定当前时刻的导航动作；在线更新模块在导航过程中根据新获取的观测信息对状态表示、关系结构及关系记忆进行更新。

27、所述的观测信息包括：视觉观测、深度观测、激光观测、惯性观测、里程计信息或历史轨迹信息。

28、所述的关系结构中节点用于表示每一时刻的状态，边用于表示时间连续关系、空间邻近关系或动作转移关系，并可以设置权重或置信度。

29、所述的多尺度时空表征模块包括：局部几何感知单元、区域拓扑提取单元、全局关系关联单元以及多尺度时空融合单元，其中：局部几何感知单元根据当前时刻的环境观测信息中的深度数据或激光数据以及动态参考方向信息，进行极坐标系下的类脑几何细胞特征重构与极坐标系离散化特征映射处理，得到显式量化局部物理边界特征的局部尺度状态表示结果；区域拓扑提取单元根据局部几何感知单元输出的局部尺度状态表示结果，进行邻域特征空间池化降维以及区域拓扑连通性非线性特征激活处理，得到描述特定邻域及连通结构关系的区域尺度状态表示结果；全局关系关联单元根据区域拓扑提取单元输出的区域尺度状态表示结果，进行基于多头自注意力机制的长距离空间连通性编码与全局环境布局建模处理，得到描述整体环境全局拓扑连接关系的全局尺度状态表示结果；多尺度时空融合单元根据局部尺度状态表示结果、区域尺度状态表示结果、全局尺度状态表示结果以及输入的历史观测序列与动作序列信息，进行多层特征级联与时空关联变换特征融合处理，得到表征当前时刻环境内部多尺度拓扑特征的完备多尺度时空状态表示结果。

30、所述的状态表示包括：局部尺度表示、中间尺度表示以及全局尺度表示，其中：局部尺度表示用于描述邻域范围内的物理边界与可通行障碍物几何信息；中间尺度表示用于描述特定局域范围内的空间连通性拓扑关系；全局尺度表示用于描述智能体所处整个环境的宏观空间拓扑结构与全局连接关系统领。

31、所述的关系认知图构建模块包括：节点相似性度量单元、节点动态管理单元、拓扑边连接建立单元以及拓扑更新校准单元，其中：节点相似性度量单元根据当前的多尺度时空状态表示结果与关系记忆模块中已存在的历史拓扑节点特征，进行高维特征空间相似度度量处理(如计算特征余弦相似度)，得到当前状态与已有节点间的相似性评估结果；节点动态管理单元根据相似性评估结果是否满足预设相似性阈值条件，进行条件分支路由处理，若满足，则输出已有节点更新指令，若不满足，则输出新节点创建指令并动态分配唯一的全局拓扑节点索引，得到拓扑图节点动态管理结果；拓扑边连接建立单元根据拓扑图节点动态管理结果、历史时间步长流以及智能体动作执行记录，进行拓扑可达性评估处理，在当前节点与已有相邻节点之间动态建立表征时间连续关系、空间邻近关系或动作转移关系的拓扑边连接；拓扑更新校准单元根据新获取的环境交互反馈信息及在线寻优控制信息，进行边权重及置信度自适应调整处理，得到修正完善的关系认知图拓扑结构更新结果。

32、所述的关系记忆模块包括：写入单元、检索单元及更新单元，其中：写入单元存储由关系认知图构建模块新生成的拓扑图节点、拓扑边连接关系及对应的特征矩阵；检索单元根据当前时刻的状态表示结果作为索引，在已有的拓扑数据库中进行局部关联匹配检索处理，获取与当前状态拓扑最相关的局部历史经验上下文信息；更新单元根据新交互周期内提取的观测残差对已有拓扑图中的节点特征表示或边的拓扑连接权重进行修正与动态覆盖处理。

33、所述的生成式信念预测模块包括：变分后验概率模型、时空上下文编码单元、未来状态生成采样单元、预测方差度量单元以及主观置信度评分单元，其中：变分后验概率模型通过对环境状态转移的不确定性进行概率化表示，在连续概率空间中描述历史到未来的多变量联合状态转移分布；时空上下文编码单元根据当前的状态表示、检索单元返回的历史经验上下文信息以及给定的候选探索动作序列，进行多特征维度级联拼接与上下文嵌入编码处理，得到特征隐变量上下文向量表示结果；未来状态生成采样单元根据隐变量上下文向量表示结果，通过多层感知机(mlp)预测网络分别输出未来状态分布的均值向量与对数方差向量，并结合标准正态分布噪声进行重参数化采样处理，得到预测的未来多尺度状态表示结果；预测方差度量单元根据变分后验概率模型在前述运算过程中输出的预测方差向量，计算方差向量的二范数，作为反映智能体对于该候选决策路径“认识论不确定性”强弱的度量指标结果；主观置信度评分单元根据度量指标结果，通过负指数惩罚函数项进行非线性置信度平滑计算处理，得到指示未来行为结果预测确定性强弱的主观置信度分数结果。

34、所述的负指数惩罚函数项。

35、所述的导航决策模块包括：价值收益预估单元、置信度正则化调节单元、候选动作综合评分单元以及最优动作决策执行单元，其中：价值收益预估单元根据未来多尺度状态表示结果以及全局导航任务目标，进行目标接近程度估计、可通行路径代价计算与物理碰撞风险因子预估处理，得到导航决策评价分数；置信度正则化调节单元根据生成式信念预测模块输出的主观置信度分数结果，对原始价值收益估计结果进行乘性加权或非线性正则化约束调节处理，作为限制智能体盲目进入极低置信度未知区域的惩罚控制项；候选动作综合评分单元根据经置信度正则化调节后的各项指标进行综合代数叠加计算，得到所有当前可选候选动作的期望动作评分分布结果；最优动作决策执行单元根据期望动作评分分布结果，进行最大值检索(argmax)或有约束条件的最优概率分布动作选择处理，选择满足预设条件的动作为当前时刻的最佳导航动作输出至底盘执行机构。

36、所述的导航决策评价分数，通过以下方式得到：构建一个多因数耦合的动作评价目标函数模型，对每个候选动作推导的未来预测状态进行多维度定量化打分，具体为：，其中：表示当前时间步，表示导航决策评价分数；表示时刻的候选导航动作；表示目标接近程度；表示路径代价；表示环境风险代价；为主观置信度分数，作为价值收益的自适应调节系数，使得智能体在未知复杂环境中自动权衡探索风险与路径能耗，实现最符合生物认知直觉的安全、高效导航决策。

37、所述的目标接近程度是指智能体在经历路径实际到达位置与预设终点的几何偏差，具体为：智能体移动至候选动作推导的未来预测位置后，其空间坐标向任务导航目标点逼近的几何进展量化度量，具体为：为当前二维物理空间位置坐标；为任务全局目标点坐标；为置信度世界模型预测得到的未来时刻智能体二维预测物理空间位置坐标；表示欧氏距离二范数。

38、所述的路径代价包括：智能体经历过轨迹后付出的能量、时间等代价，具体为：智能体执行动作时，在动能能耗消耗与保持运动平滑度、减少弯路(detour)上所付出的物理开销惩罚，用以驱动智能体生成更直的轨迹，具体为：分别为候选探索动作中包含的线速度和角速度控制指令参数;为上一时刻执行的实际历史动作向量；、为预设的加权惩罚系数。

39、所述的风险因素包括：道路不平坦、可能发生碰撞等因素，通过物理碰撞风险因子进行衡量，具体为：智能体在预测空间位置处，其物理外廓与环境不规则障碍物边界发生碰撞的潜在危险程度的显式量化惩罚，具体为：为未来时刻预测状态中包含的几何细胞模型在方位角下到环境边界的预测欧氏距离；为安全碰撞硬阈值半径参数；为敏感度方差；为条件指示函数，当预测边界距离小于安全半径时函数输出为1，否则为0。

40、技术效果

41、本发明通过局部几何感知单元，创新性地构建具有高斯与冯·米塞斯乘积积分特性的类脑几何细胞模型。该机制能够直接在极坐标系下显式量化物理边界特征，并将精确的局部几何边界与宏观全局拓扑关系进行分层级无缝融合。此种空间编码技术彻底摆脱对外部gnss信号、高精度全局地图及宏观环境先验的依赖，使得智能体在地下、室内或gps拒止的盲区环境中，对传感器测距噪声和遮挡干扰具有极高的容忍度，确保内部空间表示的稳定构建。

42、针对现有黑盒序列预测网络无法量化认识论不确定性的缺陷，本发明构建基于置信度世界模型(biw)的生成式信念预测模块。该模块不仅能推断未来的多尺度状态转移，更通过提取方差二范数量化智能体因缺乏经验而产生的预测不确定性，从而自适应输出主观置信度分数。通过将该置信度分数作为动作打分目标函数的动态正则化调节系数，使得智能体在陌生环境中能够敏锐识别“认知盲区”，自动在规避碰撞风险、节省动作能耗与获取高新颖度边界信息之间做出智能权衡，显著提升在线自主探索的决策稳定性与安全性。

43、本发明在关系记忆模块中根据时空双维自适应压缩机制。在空间维度，利用运动信息特征函数动态判定空间邻域并对冗余节点执行自适应稀疏；在时间维度，利用闭环时间戳机制对相近的拓扑边缘和场景节点进行合并与批处理优化。此种改进不仅大幅缩减地图的节点与边缘存储规模(如实验中构建的经验地图节点数减少近70%)，还彻底解决复杂大范围场景中因历史信息冗余导致的计算瘫痪问题，保障系统在低算力智能体边缘设备上的在线实时运行能力。在导航控制决策中，本发明通过目标引导向量生成单元，以智能体运动体几何中心为基准计算自适应向量，并将其与几何细胞边界感知机制进行闭环控制耦合。在打分评价模型中，路径代价项与环境风险项多因数耦合协作，显式限制控制指令的突变和频繁掉头；该机制驱动智能体在狭窄、多结构的未知长距离环境中生成更加直顺、平滑的全局运动轨迹，有效杜绝无效绕路(detour)现象，使运动表现高度契合生物节省能量的认知直觉，极大地提高具身智能体的长距离作业效率。