[发明专利]用于确定机器人的动作或轨迹的方法、设备和计算机程序

说明书

本发明涉及一种用于根据可预给定的起始位置和可预给定的目标位置来确定机器人（11）的动作的方法。根据机器人（11）的实际位置（s）从多个预选位置中选择后续位置。根据借助于机器学习系统确定的变量来选择所述后续位置。接着从机器人（11）可以执行的多个可能动作（A）中选择所述动作，使得当机器人（11）执行选择的动作时，从所述实际位置（s）出发直接到达所述后续位置。本发明还涉及用于执行该方法的计算机程序和设备以及存储有所述计算机程序的机器可读存储元件。

技术领域

本发明涉及一种用于确定机器人的动作或轨迹以达到可预给定的目标位置的方法。本发明还涉及被设置为执行该方法的设备和计算机程序。

背景技术

未公开的DE 10 2017 217412.9公开了一种用于操作机器人控制系统的方法，该机器人控制系统包括机器学习系统。所述机器学习系统根据表示所述机器人的动作空间的地图来确定至少一个对象在所述机器人的动作空间中的移动路线。

Hart等人在他们的出版物“A formal basis for the heuristic determinationof minimum cost paths”，IEEE transactions on Systems Science and Cybernetics4.2 (1968)的100-107页中展示了最佳规划器，所述最佳规划器寻找具有最低成本的路径。

例如，Cohen等人在其出版物“Anytime focal search with applications”，InProceedings of the Twenty-Seventh International Joint Conference onArtificial Intelligence, IJCAI-18, 1434–1441中公开了次优规划器（焦点A*-搜索算法），该次优规划器提供具有有保证的次优约束的解决方案。

发明内容

在第一方面中提出一种特别是计算机实现的、用于根据机器人的实际位置确定所述机器人的动作的方法。为此，从多个预选的相邻位置（英语：focal set，焦点组）中选择后续位置。所述后续位置是来自所述多个预选的相邻位置中的以下相邻位置，该相邻位置相对于其他预选的相邻位置被分配了最小的第一变量。所述第一变量分别表征所述机器人是否特别是从可预给定起始位置开始沿着所述机器人的先前实际位置经过实际位置移动至各自预选的相邻位置的第一概率。此外，使用机器学习系统，该机器学习系统被设置为输出多个第二概率作为输出变量。所述第二概率分别表征所述机器人从所述实际位置出发分别执行多个可能动作中的动作之一的概率。所述机器学习系统确定所述输出变量，并且根据所述机器学习系统的至少一个输出变量向各自预选的相邻位置分配各自的第一变量。所述机器人的动作是从所述多个可能动作中选择的，从而当所述机器人执行选择的动作时，它会从所述实际位置出发直接到达所述后续位置。

动作可以理解为由机器人的致动器执行的动作。替代地，动作可以理解为由机器人执行的所述机器人的机动。

相邻位置可以理解为机器人从其实际位置出发可以直接到达的位置，即在执行唯一的动作后接着可以到达的位置。所述实际位置可以是测量的或计算的位置。

该方法的优点是，基于从预选的相邻位置的选择来选择次优的后续位置，所述预选的相邻位置是借助于焦点A*-搜索算法预选出来的，从而使所述机器人采用几乎最佳的路径。因为焦点A*-搜索算法确定的路径就具有有保证的约束的可预给定（成本）标准（例如时间、能量消耗、最短路径等）来说是次优的。

还有利的是，将所述机器学习系统的输出变量用作启发，并且所述机器学习系统可以从训练数据中学习该启发。此外，所述机器学习系统通过教导还可以学习广义启发。另一个优点是，所述机器学习系统输出表征所述机器人的局部行为的第二概率。这是有利的，因为已经认识到所述机器学习系统可以特别精确地预测机器人的局部行为，由此可以实现更可靠的启发。