轨迹预测及其模型的训练方法、装置、存储介质、设备制造方法及图纸

公开了一种轨迹预测及其模型的训练方法、装置、存储介质、设备。其中，轨迹预测模型的训练方法包括：确定初始轨迹预测模型、多个样本数据和噪声数据；根据轨迹数据和噪声数据确定扩散数据；根据轨迹数据中第一轨迹子数据和噪声数据中第一噪声子数据确定轨迹流匹配目标值；根据观测数据中第二观测子数据、扩散数据中第二扩散子数据和初始轨迹预测模型确定轨迹自我一致性目标值；根据观测数据、扩散数据和初始轨迹预测模型确定轨迹预测值；基于轨迹流匹配目标值、轨迹自我一致性目标值和轨迹预测值，迭代训练初始轨迹预测模型，得到目标轨迹预测模型。该方法考虑轨迹连续性和自我一致性进行模型训练，能够降低计算复杂度和训练成本、提高训练效率。

【技术实现步骤摘要】

本公开涉及计算机应用，尤其涉及一种轨迹预测及其模型的训练方法、装置、存储介质、设备。

技术介绍

1、扩散策略是一类基于扩散模型的新型决策生成方法，通过模拟物理扩散过程优化动作，在智能体(如机器人)控制领域展现出显著优势。机器人操作任务过程中进行轨迹预测时所使用的轨迹预测模型，主要基于扩散模型(diffusion models)和流匹配模型(flowmatching models)生成满足特定分布的数据，基于这些数据训练得到的。在训练轨迹预测模型的阶段通常需要进行较多次的迭代，存在训练效率低、成本高的缺陷，导致在应用轨迹预测模型执行操作任务时，生成轨迹速度缓慢，难以满足机器人操作任务中快速响应的需求。

技术实现思路

1、为了解决上述技术问题，本公开提供了一种轨迹预测及其模型的训练方法、装置、存储介质、设备，在训练轨迹预测模型时引入自我一致性目标，不仅能够降低计算复杂度和训练成本、提高训练效率，而且基于训练得到的轨迹预测模型进行轨迹预测，能够确保快速地输出具有一致性的预测轨迹，满足机器人操作任务中快速响应的需求。本文档来自技高网...

【技术保护点】

1.一种轨迹预测模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，确定多个样本数据，以及各所述样本数据对应的噪声数据，包括：

3.根据权利要求1所述的方法，其中，所述对所述轨迹数据和所述噪声数据进行扩散处理，得到扩散数据，包括：

4.根据权利要求1所述的方法，还包括：

5.根据权利要求1所述的方法，其中，所述根据所述观测数据中的第二观测子数据、所述扩散数据中的第二扩散子数据和所述初始轨迹预测模型，确定所述轨迹自我一致性目标值，包括：

6.根据权利要求4所述的方法，其中，所述将所述观测数据、所述扩散数据输入所述初始轨迹预...

【技术特征摘要】

1.一种轨迹预测模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，确定多个样本数据，以及各所述样本数据对应的噪声数据，包括：

3.根据权利要求1所述的方法，其中，所述对所述轨迹数据和所述噪声数据进行扩散处理，得到扩散数据，包括：

4.根据权利要求1所述的方法，还包括：

5.根据权利要求1所述的方法，其中，所述根据所述观测数据中的第二观测子数据、所述扩散数据中的第二扩散子数据和所述初始轨迹预测模型，确定所述轨迹自我一致性目标值，包括：

6.根据权利要求4所述的方法，其中，所述将所述观测数据、所述扩散数据输入所述初始轨迹预测模型进行轨迹预测，得到轨迹预测值，包括：

7.根据权利要求6所述的方法，其中，所述基于所述轨迹流匹配目标值、所述轨迹自我一致性...

【专利技术属性】
技术研发人员：请求不公布姓名，于海泳，隋伟，
申请(专利权)人：深圳地瓜机器人有限公司，
类型：发明
国别省市：