[发明专利]基于时间依赖的室外机器人寻路仿真系统及方法

说明书

本公开提出了基于时间依赖的室外机器人寻路仿真系统及方法，包括虚拟环境系统：被配置为设置虚拟机器人及其所处的环境；基于时间依赖的端到端神经网络：包括相互连接的卷积层和长短期记忆神经网络；所述虚拟环境系统和基于时间依赖的端到端神经网络双向通信，虚拟环境系统用于提供虚拟机器人行为状态及环境数据；基于时间依赖的端到端神经网络根据提供的数据进行训练和仿真测试。通过设置相互通信的虚拟环境系统和基于时间依赖的端到端神经网络，采用虚拟仿真实现用于机器人寻路或导航的神经网络训练和测试，采用仿真寻路，大大降低了研究成本，在仿真环境中通过测试的神经网络可直接部署在现实世界的机器人，缩短了研究周期。

技术领域

本公开涉及机器人导航相关技术领域，具体的说，是涉及基于时间依赖的机器人的寻路仿真系统及方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

目前，随着人工智能领域的发展，许多凭借人力完成的工作越来越依赖于机器人，人工智能为人类的双手解放做出贡献。其中，室外轮式移动机器人(以下简称机器人)在自动驾驶和物流运输等方面的作用渐趋显著，寻路算法的稳健性和实时性作为机器人正常运行的基本前提之一有着重要的意义。传统研究是将局部路径优化算法与传感器信息或者全局地图结合实现自主寻路，机器学习的兴起为机器人自主寻路的研究提供了新的方向，即机器人可以有效利用视觉信息，将相关特征映射到控制输出。然而，机器人的构造千变万化，行为特征也千差万别。若将多种寻路方法分别对应于一类机器人进行研究，排列组合的研究过程会带来高成本和长周期。

发明人发现，现有的机器人寻路方法存在以下问题：(1)机器人的种类多且寻路环境复杂，全面研究机器人自主寻路需要考虑不同机器人和寻路算法排列组合研究带来的高成本；(2)目前针对室外机器人自主寻路的方法，真实环境的数据采集和测试过程周期长，过程中需要测试机器人的实时性能，会带来额外的工作量；(3)现有的端到端机器人寻路相关神经网络所含的参数多，训练时间长，且多数未考虑机器人的连续状态变化以及视觉信息的积累对机器人的路径规划带来的影响。

发明内容

本公开为了解决上述问题，提出了基于时间依赖的室外机器人寻路仿真系统及方法，通过设置相互通信的虚拟环境系统和基于时间依赖的端到端神经网络，采用虚拟仿真实现用于机器人寻路或导航的基于时间依赖的端到端神经网络训练和测试，采用仿真寻路，大大降低了研究成本，在仿真环境中通过测试的神经网络可直接部署在现实世界的机器人，缩短了研究周期。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了基于时间依赖的室外机器人寻路仿真系统包括：

虚拟环境系统：被配置为设置虚拟机器人，以及模拟虚拟机器人所处的环境；

基于时间依赖的端到端神经网络：包括相互连接的卷积层和长短期记忆神经网络；

所述虚拟环境系统和基于时间依赖的端到端神经网络双向通信，虚拟环境系统用于向提供虚拟机器人的行为状态及环境数据；基于时间依赖的端到端神经网络根据采集的数据进行训练，并通过虚拟环境系统的虚拟机器人进行仿真测试。

一个或多个实施例提供了基于时间依赖的室外机器人寻路仿真方法，包括如下步骤：

获取虚拟环境系统中虚拟机器人的行为状态数据以及虚拟机器人的视觉信息，构建训练集；

将训练集的数据传输至基于时间依赖端到端的神经网络模型，通过反向传播算法进行网络训练，获得训练后的神经网络模型；

训练后的神经网络模型在虚拟环境系统中进行测试，测试通过，训练后的神经网络模型即为真实机器人的自主寻路导航模型。

与现有技术相比，本公开的有益效果为：