[发明专利]防疫机器人知识学习与迁移方法和系统

权利要求书

1.一种防疫机器人知识学习与迁移方法，其特征在于，包括：

步骤1：根据机器人应用的防疫场景，构建基于人工和先验知识的子任务离线知识库；

步骤2：根据离线知识库构建基于多任务的子任务网络模型，并进行任务迁移学习训练；

步骤3：基于子任务网络模型和任务迁移学习训练构建知识推理引擎；

步骤4：根据知识推理引擎构建知识图谱；

步骤5：根据知识图谱进行基于任务环境的模式训练；

步骤6：根据基于任务环境的模式训练成果进行知识迁移；

所述步骤2包括：

根据整体任务规划和分解后的独立子任务，进行子任务网络模型的构建；

利用独立子任务的关节动作、室内环境、防疫机器人移动路径的数据集，对各子任务网络模型进行训练；

对输入的子任务数据集进行迭代，通过前向传递和反向传播梯度，根据预设更新规则更新网络中的权重值，完成网络初步训练；

所述步骤5包括：

基于任务和环境两种模式，把真实环境迁移到虚拟样机中进行仿真训练或将机器人在虚拟环境中学习到的任务作业技能迁移到真实环境中，然后把学到的策略作为新任务中选取策略的基础，在机器人的任务类型和工作环境差异符合预设条件时，加快机器人在新任务或新环境下的任务执行策略学习效率；

将抽象出的应急救援环境在虚拟样机上建模，防疫机器人对非结构环境的任务执行程度进行评价，在投入真实环境前将真实环境迁移到虚拟样机中进行仿真训练；

所述任务包括：体温检测，包括单人体温检测和多人体温同时检测；口罩佩戴识别；人流密度监测；防疫播报；环境消毒杀菌；疫情宣传与导诊；提供隔离区娱乐互动；远程医生咨询；

采用红外温度传感器、摄像头、语音播报系统和人机交互系统进行任务的实施；

所述步骤6包括：

利用在仿真和先验条件下训练完成的模型，投入实际防疫环境之中，建立迁移数据的任务映射关系，构建机器人知识迁移学习的模型；

在执行任务过程中收集现场的环境数据，同步构建真实环境数据集，用于真实环境的模型训练；

建立时序评价指标，在抽取子任务网络拼接时对任务时序进行评价，优化迁移任务效率；

构建面向任务的规划领域自动生成框架，利用通过推理引擎所动态构建的与任务相关的知识图谱和人工模板，实现实时在线的任务智能理解，进而实现机器人在线知识迁移。

2.根据权利要求1所述的防疫机器人知识学习与迁移方法，其特征在于，所述步骤3包括：

通过对输入的数据集进行前向传导，输出特征图，利用全连接网络输出基于输入的数据集的条件概率分布，构建知识推理引擎。

3.根据权利要求1所述的防疫机器人知识学习与迁移方法，其特征在于，所述步骤4包括：

基于知识推理引擎、先验知识和训练好的子任务网络模型，进行数据特征提取；

在卷积层输出数据特征并进行线性修正、膨胀卷积，进行1×1卷积；

在池化层对单位像素迁移和亮度进行校正；

在池化过程中通过降低图像分辨率，构建多尺度特征，保持尺度空间不变性，完成知识图谱的构建。

4.一种防疫机器人知识学习与迁移系统，其特征在于，包括：

模块M1：根据机器人应用的防疫场景，构建基于人工和先验知识的子任务离线知识库；

模块M2：根据离线知识库构建基于多任务的子任务网络模型，并进行任务迁移学习训练；

根据整体任务规划和分解后的独立子任务，进行子任务网络模型的构建；

利用独立子任务的关节动作、室内环境、防疫机器人移动路径的数据集，对各子任务网络模型进行训练；

对输入的子任务数据集进行迭代，通过前向传递和反向传播梯度，根据预设更新规则更新网络中的权重值，完成网络初步训练；

模块M3：基于子任务网络模型和任务迁移学习训练构建知识推理引擎；

模块M4：根据知识推理引擎构建知识图谱；

模块M5：根据知识图谱进行基于任务环境的模式训练；

基于任务和环境两种模式，把真实环境迁移到虚拟样机中进行仿真训练或将机器人在虚拟环境中学习到的任务作业技能迁移到真实环境中，然后把学到的策略作为新任务中选取策略的基础，在机器人的任务类型和工作环境差异符合预设条件时，加快机器人在新任务或新环境下的任务执行策略学习效率；

将抽象出的应急救援环境在虚拟样机上建模，防疫机器人对非结构环境的任务执行程度进行评价，在投入真实环境前将真实环境迁移到虚拟样机中进行仿真训练；

所述任务包括：体温检测，包括单人体温检测和多人体温同时检测；口罩佩戴识别；人流密度监测；防疫播报；环境消毒杀菌；疫情宣传与导诊；提供隔离区娱乐互动；远程医生咨询；

采用红外温度传感器、摄像头、语音播报系统和人机交互系统进行任务的实施；

模块M6：根据基于任务环境的模式训练成果进行知识迁移；利用在仿真和先验条件下训练完成的模型，投入实际防疫环境之中，建立迁移数据的任务映射关系，构建机器人知识迁移学习的模型；

在执行任务过程中收集现场的环境数据，同步构建真实环境数据集，用于真实环境的模型训练；

建立时序评价指标，在抽取子任务网络拼接时对任务时序进行评价，优化迁移任务效率；

构建面向任务的规划领域自动生成框架，利用通过推理引擎所动态构建的与任务相关的知识图谱和人工模板，实现实时在线的任务智能理解，进而实现机器人在线知识迁移。