【技术实现步骤摘要】
本专利技术属于机器人控制和人工智能，具体涉及一种基于层次化注意力机制的机器人动作序列生成方法。
技术介绍
1、随着人工智能和机器人技术的飞速发展，使机器人能够执行精细的双手操作任务成为研究热点。这类任务需要精确的动作控制、力反馈协调和实时的视觉反馈。传统上，执行这些任务通常需要高端机器人、精确的传感器和精细的校准，这使得部署成本高昂且设置困难。因此，如何在保持高精度的同时降低成本，并简化系统的配置和部署，成为了当前机器人技术研究中的一个重要方向。
2、模仿学习(imitation learning)作为一种让机器人从人类示范中学习的方法，为低成本实现精细操作提供了可能性。然而，在高精度领域，模仿学习面临严峻挑战：策略中的微小错误会随着时间累积并放大，人类示范的非稳态性也难以建模。近期，actionchunking with transformers(act)算法提出了一种新的解决方案。act不是预测单个时间步的动作，而是同时预测未来k个时间步的目标关节位置，形成一个完整的"动作块"。这种方法有效减少了任务的有效规划长度，缓解...
【技术保护点】
1.一种基于层次化注意力机制的机器人动作序列生成方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤2中，采用所述编码器将所述关节状态向量序列映射为风格变量，包括：
3.根据权利要求1所述的方法，其特征在于，所述的步骤2中，采用所述低层窗口注意力模块对所述图像特征序列、所述关节状态向量序列、所述待执行的动作序列进行处理，得到序列稀疏注意力，具体步骤是：
4.根据权利要求3所述的方法，其特征在于，所述窗口注意力的满足如下公式：
5.根据权利要求3所述的方法，其特征在于，所述序列稀疏注意力的计
...【技术特征摘要】
1.一种基于层次化注意力机制的机器人动作序列生成方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述步骤2中，采用所述编码器将所述关节状态向量序列映射为风格变量，包括：
3.根据权利要求1所述的方法，其特征在于，所述的步骤2中，采用所述低层窗口注意力模块对所述图像特征序列、所述关节状态向量序列、所述待执行的动作序列进行处理，...
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。