[发明专利]基于推断状态对物理系统的控制

权利要求书

1.一种用于使能实现基于根据传感器数据推断的物理系统的状态对物理系统的控制的系统（100），包括：

-输入接口（120），其用于访问表示与物理系统（60）的所述状态相关联的传感器测量的传感器数据（122）；

-到输出设备（40）的输出接口（140），输出设备（40）在物理系统的控制中被使用；

-处理器子系统（160），其被配置为通过在迭代中进行以下各项来基于传感器数据迭代地推断物理系统的所述状态：

-使用输入接口获得传感器测量；

-使用数学模型（192）获得所述状态的初始推断，所述数学模型（192）表示作为传感器测量和先前推断状态的函数对所述状态的基于先验知识的建模；

-将经学习的模型（194）应用于所述状态的初始推断和传感器测量，其中经学习的模型已经被学习以最小化由所述数学模型提供的初始推断与基本事实之间的误差，并且提供校正值作为输出以用于校正所述数学模型的所述状态的初始推断；以及

-通过将所述状态的初始推断与校正值相组合，来获得当前推断状态；

其中处理器子系统进一步被配置为使用输出接口向输出设备提供输出数据（142），以使能实现基于当前推断状态对物理系统的控制。

2.根据权利要求1所述的系统（100），其中处理器子系统（160）被配置为在迭代中：

-使用输入接口（120）获得传感器测量的时间序列；

-通过使用传感器测量的时间序列和先前推断状态的时间序列作为往所述数学模型（192）的输入，来获得所述状态的初始推断；

-将经学习的模型（194）应用于所述状态的初始推断和传感器测量的时间序列，以获得当前校正值，所述当前校正值与先前校正值一起形成校正值的时间序列；和

-通过将所述状态的初始推断与校正值的时间序列相组合，来获得当前推断状态。

3.根据权利要求1或2所述的系统（100），其中经学习的模型是递归神经网络（RNN），并且其中处理器子系统（160）被配置为在物理系统的所述状态的迭代推断的迭代之间维护和传递递归神经网络的隐状态。

4.根据权利要求1至3中任一项所述的系统（100），其中经学习的模型是图神经网络（GNN），其包括门控递归单元（GRU）以在图神经网络中建立递归。

5.根据权利要求1至4中任一项所述的系统（100），其中所述数学模型提供作为传感器测量和先前推断状态的函数对所述状态的基于物理学的建模。

6.根据权利要求1至5中任一项所述的系统（100)，其中所述数学模型包括转移模型部分和测量模型部分，所述转移模型部分对给定先前推断状态的要推断的状态的条件概率（）进行建模，所述测量模型部分对给定要推断的状态的传感器测量的条件概率（）进行建模。

7.根据权利要求6所述的系统（100），其中处理器子系统（160）被配置为通过假设所述数学模型的概率分布是线性和高斯的，由卡尔曼滤波来迭代地推断所述状态。

8.根据权利要求1至7中任一项所述的系统（100），其中，处理器子系统（160）被配置为作为有向图形模型并且通过在有向图形模型的边之上使用迭代消息传递方案，来实现物理系统的所述状态的迭代推断。

9.根据权利要求1至8中任一项所述的系统（100），其中输出设备（40）是与物理系统（60）相关联的致动器，并且其中所述系统被配置为通过向致动器提供基于物理系统的当前推断状态的控制数据（142）来控制物理系统。

10.根据权利要求9所述的系统（100），其中，所述系统是以下各项中的一个：

-车辆控制系统；

-机器人控制系统；

-制造控制系统；以及

-建筑物控制系统。