【技术实现步骤摘要】
本公开涉及机器人，尤其涉及一种生成式环境记忆增强的机器人任务执行方法及装置。
技术介绍
1、随着机器人领域新技术的快速发展，机器人应用愈发广泛。机器人自主决策和自主行动的准确程度直接影响机器人执行任务的效果。传统的机器人任务执行方法通常依赖于人工设计的规划算法和严格的任务描述，如规划领域定义语言(planning domaindefinition language，pddl)，但这种方法存在一些问题，比如需要大量的人工先验知识来定义任务规划，这会耗费大量的时间和资源且导致方法适应性差。
2、生成式模型是近年来发展起来的重要人工智能技术。然而，当面对复杂的长程任务和动态环境时，生成式模型难以无法保证鲁棒、准确的生成。
技术实现思路
1、有鉴于此，本公开提出了一种生成式环境记忆增强的机器人任务执行方法及装置，能够适应不同的环境和任务，自主生成可执行的、可靠的任务流，使得机器人能够实现灵活且鲁棒的任务执行过程。
2、根据本公开的一方面，提供了一种生成式环境记忆增强的机器人...
【技术保护点】
1.一种生成式环境记忆增强的机器人任务执行方法，其特征在于，所述方法利用基于环境记忆增强的生成式模型执行机器人任务，所述执行包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，基于所述目标环境的种类和所述机器人任务进行环境建模，得到环境记忆模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述分解结果还包括所述至少一个子任务中各所述子任务之间的关联关系；
4.根据权利要求1至3中任意一项所述的方法，其特征在于，基于所述环境记忆模型对各所述子任务进行执行规划，得到各所述子任务的任务流，包括：
5.根据权利要求4...
【技术特征摘要】
1.一种生成式环境记忆增强的机器人任务执行方法，其特征在于，所述方法利用基于环境记忆增强的生成式模型执行机器人任务，所述执行包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，基于所述目标环境的种类和所述机器人任务进行环境建模，得到环境记忆模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述分解结果还包括所述至少一个子任务中各所述子任务之间的关联关系；
4.根据权利要求1至3中任意一项所述的方法，其特征在于，基于所述环境记忆模型对各所述子任务进行执行规划，得到各所述子任务的任务流，包括：
5.根据权利要求...
【专利技术属性】
技术研发人员：纪兴龙，赵蓉，施路平，周子栋，杨清元，
申请(专利权)人：清华大学，
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。