申请/专利权人:北京大学
申请日:2023-12-07
公开(公告)日:2024-04-09
公开(公告)号:CN117852613A
主分类号:G06N3/0895
分类号:G06N3/0895;G06N5/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于具身自监督学习的机器人手臂反模型学习方法,该方法包括:获取机器人手臂末端的预测位置pt;基于反模型推理出机器人手臂末端到达该预测位置pt所需的关节角度qt;基于正模型预测出该关节角度qt所对应的末端位置pt+1;基于反模型推理出机器人手臂末端到达该预测位置pt+1所需的关节角度q′t后,将关节角度qt作为关节角度q′t的监督信息,并使用梯度下降法更新所述反模型的参数;重复上述步骤,直至关节角度qt与关节角度q′t之差小于一设定值时,得到训练好的反模型。本发明通过利用机器人手臂自身构型及状态来协调数据的采样和模型的训练过程,当机器人手臂发生变化时,模型能够很快地进行适应。
主权项:1.一种基于具身自监督学习的机器人手臂反模型学习方法,其特征在于,所述方法包括:获取机器人手臂末端的预测位置pt;其中,t为自然数,预测位置p0为机器人手臂末端的期望位置;基于反模型推理出机器人手臂末端到达该预测位置pt所需的关节角度qt;基于正模型预测出该关节角度qt所对应的末端位置pt+1;基于反模型推理出机器人手臂末端到达该预测位置pt+1所需的关节角度q′t后,将关节角度qt作为关节角度q′t的监督信息,并使用梯度下降法更新所述反模型的参数;令t=t+1,并返回至所述获取机器人手臂末端的预测位置pt,直至关节角度qt与关节角度q′t之差小于一设定值时,得到训练好的反模型。
全文数据:
权利要求:
百度查询: 北京大学 一种基于具身自监督学习的机器人手臂反模型学习方法
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。