【技术实现步骤摘要】
自动化安全和性能稳健性
本公开涉及用于控制自动化系统的系统和方法，并且更具体来说，涉及机器人学中的机器学习和稳健控制系统和方法。
技术介绍
此部分中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。在自动化系统中已经使用机器学习技术。当用于汽车制造线中时，自动化系统还要求在处置关键使命任务的过程中的性能和安全稳健性。除了人类安全问题之外，突发事故可能会导致生产线上的停机时间，从而导致数千美元的损失。深度神经网络是已经在自动化系统中使用的机器学习技术之一。然而，常规的深度学习技术无法提供任何安全和性能稳健性保证，并且可能会阻止制造商在关键使命自动化任务中采用深度学习技术。除了性能和安全稳健性问题之外，适应未知的环境变量和它们的对应变化性的能力是新一代自动化工具的另一急需的特性。因此，需要允许以无人监管的方式使用于在机器学习过程中与环境的正常交互期间捕获的信息来提高感知和控制策略。最重要的是，应通过安全的方式实施所述学习过程以避免代价高的突发事故。在本公开中解决上述问题和相关联的需求。<...
【技术保护点】
1.一种用于控制机械臂的控制与学习模块，其包括：/n至少一个学习模块，所述至少一个学习模块包括至少一个神经网络，/n其中所述至少一个神经网络被配置成在初始学习阶段期间接收基于当前状态的测量的状态测量结果以及基于观测数据的观测测量结果两者并且通过所述状态测量结果和所述观测测量结果进行训练，并且被配置成当所述机械臂处于正常操作时以及在所述初始学习阶段之后通过经更新的观测数据进行重新调谐，以在操作与辅助学习阶段期间提高性能。/n
【技术特征摘要】
20181121 US 16/197,6491.一种用于控制机械臂的控制与学习模块，其包括：
至少一个学习模块，所述至少一个学习模块包括至少一个神经网络，
其中所述至少一个神经网络被配置成在初始学习阶段期间接收基于当前状态的测量的状态测量结果以及基于观测数据的观测测量结果两者并且通过所述状态测量结果和所述观测测量结果进行训练，并且被配置成当所述机械臂处于正常操作时以及在所述初始学习阶段之后通过经更新的观测数据进行重新调谐，以在操作与辅助学习阶段期间提高性能。
2.根据权利要求1所述的控制与学习模块，其中所述状态测量结果是通过传感器获得并且表示实际当前状态。
3.根据权利要求1所述的控制与学习模块，其中所述至少一个神经网络被配置成产生与输出任务相关的输出和与所述输出相关联的方差，所述方差是与所述输出任务的可靠性相关的不确定性的量度，所述至少一个神经网络优选地表示为贝叶斯神经网络。
4.根据权利要求1所述的控制与学习模块，其中所述至少一个学习模块包括：
状态估计模块，所述状态估计模块被配置成仅基于所述观测测量结果而提供所估计的状态；以及
动态建模模块，所述动态建模模块被配置成产生动态模型和动态模型输出方差，所述动态模型输出方差表示所述动态模型的不确定性。
5.根据权利要求4所述的控制与学习模块，其中所述状态估计模块被配置成输出第一估计当前状态和与所述第一估计当前状态相关联的方差。
6.根据权利要求5所述的控制与学习模块，其中所述动态建模模块被配置成输出第二估计当前状态。
7.根据权利要求6所述的控制与学习模块，其中所述状态估计模块和所述动态建模模块各自被配置成接收与所述第一估计当前状态与所述第二估计当前状态之间的差异相关的输入，以在所述操作与辅助学习阶段期间提高性能。
8.根据权利要求4所述的控制与学习模块，其中所述所估计的...
【专利技术属性】
技术研发人员：伊曼·索尔塔尼博兹查洛伊，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。