一种基于安全强化学习及视觉传感器的机器人避障系统技术方案

本发明专利技术公开了一种基于安全强化学习及视觉传感器的机器人避障系统，包括卷积神经模块，所述卷积神经网络模块包括长短期记忆单元；还包括加入LSTM单元、第一卷积层、第二卷积层、第一全连接层、第二全连接层、输出层。本发明专利技术采用强化学习算法的增强，使多维，连续，多约束问题能够较好的收敛于信任域内，解决了以往带约束的强化学习算法的诸多问题。可以大幅提高生产安全，普适地应用在不同场合的危险工作上，在解放劳动力的同时，提高了操作安全性、精准性。准性。准性。

【技术实现步骤摘要】
一种基于安全强化学习及视觉传感器的机器人避障系统


[0001]本专利技术涉及人工智能领域，主要关于人工智能中安全强化学习算法在机器人避障问题中的应用，特别是涉及一种基于安全强化学习及视觉传感器的机器人避障系统。

技术介绍

[0002]年来，随着科学技术的不断发展，智能机器人已应用于多个领域，包括工业生产、军事、灾难救援等方面，其中涉及了环境感知、动态决策与规划、自动控制等多种技术。同时，近年来也出现了各种社会问题，如劳动力数量下降、生产成本上升、自动化生产效率较低，产业转型未完成、社会老龄化程度日益严重等问题。机器人在市场中的应用能够有效缓解上述问题，因此，深入研究机器人技术的相关难点并进一步开拓机器人应用市场是十分必要的。并且，机器人技术更是衡量国家科技水平和工业自动化水平的重要指标。
[0003]其中，自主避障是智能机器人技术中重要组成部分，是智能机器人的核心技术之一。机器人自主躲避障碍可以极大促进相关智能产品的使用率，减小人力成本，使智能机器人能够更好地代替人类完成部分难度大且危险的工作，例如灾区救援、疫区消毒等。但与此同时，训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于安全强化学习及视觉传感器的机器人避障系统，其特征在于：包括卷积神经模块，所述卷积神经网络模块包括长短期记忆单元，用于对激光雷达的输入进行编码；包括加入LSTM单元，用于记忆模型学习过程中的信息；还包括第一卷积层，其使用一维卷积核来对LSTM单元编码的结果进行特征提取；还包括第二卷积层，其使用一维卷积核来进行进一步的特征提取；还包括第一全连接层，信息特征输入到所述第一全连接层；还包括第二全连接层，所述第一全连接层的输出连同机器人的目标点的相对坐标和机器人的速度一起输入第二全连接层，最终输出机器人线速度的平均值和角速度的平均值；还包括输出层。2.如权利要求1所述的，其特征在于：所述第一卷积层层使用ReLU作为激活函数；所述第一、二全连接层使用的激活函数也是ReLU；所述输出层针对移动机器人的线速度和角速度分别使用sigmoid和tanh作为激活函数。3.如权利要求1所述的基于安全强化学习及视觉传感器的机器人避障系统，其特征在于：包括单目视觉传感器和双目视觉传感器，用于完成对图像信息的收集；所述单目视觉系统只使用一个视觉传感器，所述双目立体视觉系统由两个摄像机组成，利用三角测量原理获得场景的深度信息，并且可以重建周围景物的三维形状和位置；所述双目视觉系统通过匹配准确得到立体视觉系统能够比较准确地恢复视觉场景的三维信息。4.如权利要求1所述的基于安全强化学习及视觉传感器的机器人避障系统，其特征在于：包括训练模型，所述训练模型中，对于移动机器人i在t时刻的奖赏函数设计如下:其中r
reached
表示移动机器人到达设定目的地基时给予的奖励:r
approaching
表示机器人接近目的地的奖赏：r
collision

【专利技术属性】
技术研发人员：郭洪飞，陈世帆，曾云辉，何睿潼，姜涛，廖丁为，何智慧，任亚平，张锐，
申请(专利权)人：暨南大学，
类型：发明
国别省市：