[发明专利]一种基于数字孪生的智能无人系统和方法

权利要求书

1.一种基于数字孪生的智能无人系统，其特征在于，部署于目标无人设备，所述系统包括：

交互层，用于获取所述目标无人设备的物理状态数据；

数智孪生层，包括物理孪生模型和智能孪生模型；

所述物理孪生模型用于根据所述物理状态数据，对所述目标无人设备进行建模，得到物理孪生体，所述物理孪生体为表征所述目标无人设备在当前时刻的真实运动状态的数字模型；

所述智能孪生模型，用于根据所述物理孪生体，和多个行动策略，得到多个数智孪生体，每个数智孪生体为表征所述物理孪生体按照一种所述行动策略进行动作的数字模型；

仿真层，包括环境模拟模块，评估模块和匹配模块；

所述环境模拟模块，用于模拟得到无人设备运行环境；

所述匹配模块，用于将所述无人设备运行环境分别匹配各个所述数智孪生体，得到多个综合孪生体，所述综合孪生体为表征该数智孪生体在所述无人设备运行环境中的运动状态的数字模型；

所述评估模块，用于对所述多个综合孪生体进行评估，得到最优孪生体，根据所述最优孪生体，得到最优控制策略；

所述评估模块，通过如下公式，分别对所述多个综合孪生体进行评估，以得到最优孪生体；

Argmin(cost(f2-f1),cost(S(cpu、battery、memory，env)))；

其中，cost(f2, f1)表示所述目标无人设备由当前状态变更到下一步状态的代价，表征执行所述综合孪生体所对应的策略所需要的代价，f2表示所述目标无人设备的下一步状态，f1表示所述目标无人设备的当前状态；cost(S(cpu、battery、memory，env))表示所述目标无人设备本身属性产生的代价和运行环境产生的代价。

2.根据权利要求1所述的智能无人系统，其特征在于，所述交互层还包括控制模块；

所述评估模块还用于将所述最优控制策略发送至所述交互层的控制模块；

所述控制模块用于根据所述最优控制策略对所述目标无人设备进行控制。

3.根据权利要求1所述的智能无人系统，其特征在于，所述交互层包括数据转换模块和数据获取模块；

所述数据获取模块用于获取所述目标无人设备的原始状态数据，所述原始状态数据为所述目标无人设备上部署的多个传感器传输的异构数据，所述异构数据包括红外线数据、雷达数据、视频数据、图像数据、文本数据、位置数据中的一种或多种；

所述数据转换模块用于将所述原始状态数据转换为所述物理状态数据，所述物理状态数据为所述物理孪生模型能够识别的数据。

4.根据权利要求3所述的智能无人系统，其特征在于，所述数据获取模块还用于获取所述目标无人设备的真实环境数据；

所述环境模拟模块还包括相似度计算单元；所述相似度计算单元用于将所述真实环境数据，分别与预先存储的多个模拟环境，进行语义相似度计算，将其中相似度最高的所述模拟环境确定为所述无人设备运行环境。

5.根据权利要求1所述的智能无人系统，其特征在于，所述智能孪生模型包括算法选择模块和多个深度学习模型，每个所述深度学习模型为多模态融合的深度学习模型；

所述算法选择模块，基于元学习方法，根据所述无人设备运行环境和所述物理状态数据，从所述多个深度学习模型中确定出合适的目标深度学习模型；

所述目标深度学习模型，用于根据所述物理孪生体，和多个行动策略，得到多个数智孪生体。

6.根据权利要求5所述的智能无人系统，其特征在于，所述数智孪生层还包括数据分发服务模块，所述数智孪生层中的各个模型/模块之间是通过所述数据分发服务模块进行数据交互的。

7.根据权利要求1所述的智能无人系统，其特征在于，所述数智孪生层中的各个模型/模块作为微服务模块，构成整个微服务框架体系，各个所述微服务模块通过RPC获取需要的部署于其他无人设备或平台上的微服务模块的数据。