【技术实现步骤摘要】
视觉导航方法及装置、电子设备和存储介质
[0001]本公开涉及人工智能
,尤其涉及计算机视觉
、
自然语言处理
、
深度学习等
,具体涉及一种视觉导航方法及装置
、
电子设备
、
计算机可读存储介质和计算机程序产品
。
技术介绍
[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为
(
如学习
、
推理
、
思考
、
规划等
)
的学科,既有硬件层面的技术也有软件层面的技术
。
人工智能硬件技术一般包括如传感器
、
专用人工智能芯片
、
云计算
、
分布式存储
、
大数据处理等技术;人工智能软件技术主要包括计算机视觉技术
、
语音识别技术
、
自然语言处理技术以及机器学习
/
深度学习
、
大数据处理技术
、
知识图谱技术等几大方向
。
[0003]智能体
(Agent)
是人工智能领域中的概念,其指的是具有自主行为能力并且能够与环境进行交互的实体,例如工业机器人
、
家用机器人
(
包括扫地机器人
、
人形机器人等
)、
商用机器人
(
包括送餐机器人
、
...
【技术保护点】
【技术特征摘要】
1.
一种视觉导航方法,包括:基于任务信息的数据模态,从多个编码器中确定用于对所述任务信息进行编码的目标编码器,其中,所述任务信息指示智能体的导航目标,所述多个编码器与多种数据模态分别对应,所述多个编码器中的每个编码器被配置为将相应数据模态的数据映射至同一个特征空间;利用所述目标编码器对所述任务信息进行编码,以得到任务特征;对所述智能体的当前视觉信息进行编码,以得到当前视觉特征;以及基于所述任务特征和所述当前视觉特征,确定所述智能体当前待执行的动作,其中,所述动作引导所述智能体向所述导航目标移动
。2.
根据权利要求1所述的方法,其中,所述导航目标包括目标对象或目标位置,并且其中,所述任务信息包括以下至少一种:所述目标对象的图像
、
所述目标对象的描述文本
、
所述目标对象发出的声音
、
通往所述目标位置的路径的图像
、
通往所述目标位置的路径的描述文本
。3.
根据权利要求1或2所述的方法,还包括:获取所述任务信息的输入接口;以及基于多个数据接口与多种数据模态的对应关系,确定所述任务信息的数据模态
。4.
根据权利要求1‑3中任一项所述的方法,其中,所述当前视觉信息包括环境图像和所述环境图像的深度信息,所述深度信息包括与所述环境图像中的多个像素分别对应的多个空间点,所述对所述智能体的当前视觉信息进行编码,以得到当前视觉特征包括:提取所述环境图像的图像特征;基于所述环境图像的语义分割结果和所述深度信息,确定所述智能体的视野范围内的俯视语义图;以及提取所述俯视语义图的语义特征,其中,所述当前视觉特征包括所述图像特征和所述语义特征
。5.
根据权利要求4所述的方法,其中,所述基于所述环境图像的语义分割结果和所述深度信息,确定所述智能体的视野范围内的俯视语义图包括:基于所述语义分割结果,确定所述多个空间点各自的语义类别;将所述视野范围内的空间划分为柱状的多个网格;对于所述多个网格中的每个网格,基于所述网格内的空间点的语义类别,确定所述网格的语义类别;以及基于所述多个网格各自的语义类别,生成所述俯视语义图,其中,所述俯视语义图中的每个像素对应于所述多个网格中的一个网格,所述像素的像素值为相应网格的语义类别
。6.
根据权利要求1‑5中任一项所述的方法,其中,所述基于所述任务特征和所述当前视觉特征,确定所述智能体当前待执行的动作包括:对所述任务特征和所述当前视觉特征进行编码,以得到当前子任务特征;基于所述当前子任务特征,确定所述智能体当前的导航子目标位置;以及基于所述导航子目标位置,确定所述动作,其中,所述动作引导所述智能体向所述导航子目标位置移动
。7.
根据权利要求6所述的方法,其中,所述对所述任务特征和所述当前视觉特征进行编
码,以得到当前子任务特征包括:基于注意力机制,从所述当前视觉特征中提取出与所述任务特征相关的第一注意力特征;将所述任务特征
、
所述当前视觉特征和所述第一注意力特征进行融合,以得到第一融合特征;以及对所述第一融合特征进行编码,以得到所述当前子任务特征
。8.
根据权利要求6或7所述的方法,其中,所述对所述任务特征和所述当前视觉特征进行编码,以得到当前子任务特征包括:获取针对所述导航目标的历史子任务特征序列,其中,所述历史子任务特征序列的初始值为空;以及对所述任务特征
、
所述当前视觉特征和所述历史子任务特征序列进行编码,以得到所述当前子任务特征
。9.
根据权利要求6‑8中任一项所述的方法,其中,所述基于所述当前子任务特征,确定所述智能体当前的导航子目标位置包括:将所述当前子任务特征和所述当前视觉特征进行融合,以得到第二融合特征;以及基于所述第二融合特征,预测所述导航子目标位置
。10.
根据权利要求9所述的方法,其中,所述将所述当前子任务特征和所述当前视觉特征进行融合,以得到第二融合特征包括:基于注意力机制,从所述当前视觉特征中提取出与所述当前子任务特征相关的第二注意力特征;以及...
【专利技术属性】
技术研发人员:汪浩然,谢泽柯,蔡云峰,孙明明,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
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。