基于视觉的机器人导航制造技术

本公开提供了“基于视觉的机器人导航”。本实施例使用深度强化学习(DRL)算法并使用一种或多种路径规划方法来使用利用强化学习算法的深度学习方法来创建路径，所述强化学习算法使用诸如A

【技术实现步骤摘要】
基于视觉的机器人导航


[0001]本公开涉及被配置和/或编程为利用基于课程的训练方法来训练深度强化学习(DRL)代理以在室内环境中导航的系统和方法。

技术介绍

[0002]机器人导航在许多环境中是具有挑战性的问题，因为它涉及几个不同的子问题的汇合，诸如映射、定位、路径规划、动态和静态避障和控制。此外，高分辨率地图可能并不总是可用的，或者地图可能是可用的，但是其分辨率低到其仅部分可用的程度。例如，低分辨率地图可以用于识别局部兴趣点以导航到最终目标，但对于避开障碍物而言可能不可靠。与障碍物的碰撞显然是不期望的，并且稳健的导航策略必须考虑所有这些因素。
[0003]关于这些和其他考虑因素，提出了本文的公开内容。

技术实现思路

[0004]本文公开的系统和方法被配置和/或被编程为利用基于课程的训练方法来训练深度强化学习(DRL)代理以在室内环境中导航。高级路径规划算法(诸如A
‑
Star)用于辅助训练使用DRL学习的低级策略。一旦训练了DRL策略，机器人就仅使用来自其红绿蓝(RGB)相机的当前图像来成功找到通往本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于控制车辆的方法，其包括：经由处理器接收房间的电子地图，所述电子地图包括随机第一起点和第一目的地目标点；经由寻路算法并使用所述电子地图生成定义从所述随机第一起点到所述第一目的地目标点的路径的第一多个路点，其中所述第一多个路点包括第一路点和第二路点；以及基于所述第一多个路点使用课程学习算法来训练机器人控制器以遍历所述房间。2.根据权利要求1所述的方法，其中生成所述第一多个路点包括：利用所述寻路算法生成连接所述起点和所述第一目的地目标点的第一组路点；以及从所述第一组路点中选择所述第一多个路点，其中所述第一多个路点是等距的。3.根据权利要求2所述的方法，其中所述第一多个路点包括最多10个路点。4.根据权利要求1所述的方法，其中所述路径寻找算法是A
‑
Star。5.根据权利要求1所述的方法，其中创建所述第一多个路点包括：利用所述寻路算法生成所述第一路点；利用所述寻路算法生成所述第二路点，其中所述第二路点与所述第一路点邻接；以及将所述第二路点连接到与所述第二路点邻接并且更靠近所述第一目的地目标点的第三路点。6.根据权利要求1所述的方法，其中使用所述课程学习算法训练所述机器人控制器以遍历所述房间包括：使用包括向左、直行和向右的三个控制命令从所述第一路点导航到所述第二路点；生成红
‑
绿
‑
蓝(RGB)图像和深度图像；通过嵌入对所述RGB图像和所述深度图像进行编码；以及用当前位置与所述第一目的地目标点之间的距离来补充所述嵌入。7.根据权利要求6所述的方法，其中使用所述课程学习算法训练所述机器人控制器以遍历所述房间还包括：响应于到达距后续路点小于阈值距离的位置而用奖励函数对所述课程学习算法进行奖金奖励。8.根据权利要求1所述的方法，其中训练所述机器人控制器包括：加载经预训练的感知流水线；以及使用所述课程学习算法来定义所述第一多个路点中的每个路点处的紧凑视觉嵌入。9.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：普纳杰，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：