申请/专利权人：之江实验室

申请日：2021-06-29

公开（公告）日：2023-10-20

公开（公告）号：CN113568324B

主分类号：G05B17/02

分类号：G05B17/02

优先权：

专利状态码：有效-授权

法律状态：2023.10.20#授权;2021.11.16#实质审查的生效;2021.10.29#公开

摘要：本发明公开了一种基于仿真演绎的知识图谱修正方法，该方法通过在仿真环境中大量重复相似的机器人行为，实现对机器人知识图谱的修正。其中知识图谱是一种能够表达机器人行为、环境、硬件关联的数据结构，用于机器人行为决策并执行任务。本发明基于仿真环境，所使用的仿真环境使用不限于现有的机器人仿真引擎，如unity3D、unreal4、gazebo，使用与机器人相似的仿真模型和环境，通过实时上传机器人与操作物件的信息，来修正知识图谱中机器人行为逻辑节点之间的关联。

主权项：1.一种基于仿真演绎的知识图谱修正方法，其特征在于包括如下步骤：S1，构建仿真环境、仿真机器人，包括如下步骤：S11，基于机器人环境，建立周边场景的仿真环境Env；S12，基于机器人物理和模型特征，在机器人仿真环境中构建出对应的仿真机器人Sim-Robot；S13，机器人作业任务记作Task；S14，机器人运行时，执行的各个子任务记作Task-c，完成任务Task的一系列子任务，记作{Task-c}集合；S15，子任务Task-c，包括一组行为，行为包括动作motion、轨迹trail和路径route，且Task-c对应操作物件记作obj；S2，构建机器人知识图谱，知识图谱包括构成任务的各节点和表示节点间权值的边，包括如下步骤：S21，定义任务Task为{robo,obj,{Task-c}}，robo表示真实机器人Real-robot，obj表示真实机器人操作的物件，{Task-c}表示完成任务Task的行为队列；S22，根据子任务Task-c与操作物件obj的对应关系{obj，Task-c}，生成所有操作物件obj的行为，得到实现任务Task的全部行为路径；S23，使用子任务Task-c构建任务知识图谱，其中任务知识图谱的每个子任务记为一个Task-c节点，节点之间的边，表示Task-c节点之间构成任务Task的任务权值；S24，根据行为构建行为知识图谱，其中行为知识图谱的每个子行为记为一个子行为节点，节点之间的边，表示子行为构成任务Task的行为的行为权值，子任务Task-c中被分解出的一组行为分别指向该行为对应的知识图谱；S25，在知识图谱中，定义操作物件obj，全部可以操作的物件构成集合{obj}；S3，构建机器人仿真任务集合，进行仿真推导，得出能够完成任务的行为路径，知识图谱中，通过仿真进行推导，得出能够实现任务Task的行为路径，包括如下步骤：S361，定义全部可执行的行为集合；S362，根据知识图谱，完成任务Task所需的行为组合，即行为集合的子集，由该子集形成能够实现各子任务Task-c的组合，记作{Task-c-r}；S363，对仿真环境Env下发{Task-c-r}数据集合，使其使用该集合中所有的Task-c-r任务组合进行尝试，观测是否能够完成任务Task；S4，展开机器人仿真，根据能够完成任务的行为路径，修正知识图谱的权值，包括如下步骤：S41，运行仿真实例，使用{Task-c-r}集合中的任务规划Task-c-r；S42，观察仿真机器人Sim-Robot在仿真环境Env中的运行结果；S43，获取仿真机器人Sim-Robot是否能成功完成任务Task，以及机器人在完成任务Task的前提下需要的时间均值；S44，对于能够完成任务Task的任务规划Task-c-r，获取其对应的行为路径，及时间均值delta-time，通过时间均值delta-time更新任务知识图谱中Task-c节点间的边；设计算法，更新该行为在行为知识图谱中子行为节点间的边；任务知识图谱的权值更新包括如下步骤：S441，将各个子节点的边的权值设置为初始值： Tmax＝∑Troute+∑Tmotion+∑Ttrail其中，Tmax表示最大行为执行时间，T包括Troute、Tmotion和Ttrail中的一个或多个，∑Troute表示完成动作路径route所需要的时间Troute的总和，∑Tmotion表示完成动作motion所需的时间Tmotion的总和，∑Ttrail表示完成轨迹trail所需的时间Ttrail的总和；S442，对于所有可能的链路，取最大时延作为基准：Delayi＝Titrail+Tiroute+TimotionAve＝MaxDelayi一个节点i需要的时延就为： 其中，Ni表示节点i被连接的次数，Weight表示任务节点的边的权值；当链路不能执行时，删除对应节点之间的边，对应链路上所有节点增加基于丢失节点的权值Weight： 当链路能够确定时，更新权值：Nn＝∑frequency*NiWeightnew＝Weightold+Nn*Ave其中，Nn表示统计计数因子，frequency表示该节点被不同子任务Task-c走过的频率，Ni表示该节点i被连接的次数；S45，对于不能完成任务Task的规划Task-c-r，将其对应的行为路径，在知识图谱中，删除节点间的边关联；S46，使用更新后的知识图谱，按仿真环境Env下的规划方案，获得最佳机器人任务规划，并下发至真实机器人Real-robot进行任务作业。

全文数据：

权利要求：

百度查询： 之江实验室 一种基于仿真演绎的知识图谱修正方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD