[发明专利]一种基于元学习的机器人行为示教方法

权利要求书

1.一种基于元学习的机器人行为示教方法，用于对机器人获取的示教视频进行学习从而完成多种任务，其特征在于，包括如下步骤：

步骤S1，获取所述示教视频；

步骤S2，利用预先训练好的神经网络模型对所述示教视频进行学习从而完成多种所述任务，

其中，所述神经网络模型的训练过程包括如下步骤：

步骤T1，采集包含对比视频V_comparison的训练示教视频V_demo、机器人运动视频V_robot以及轨迹动作V_action；

步骤T2，利用预定的数据归一化方法对所述对比视频V_comparison、所述训练示教视频V_demo以及所述机器人运动视频V_robot进行归一化处理得到预处理对比视频V'_comparison、预处理示教视频V'_demo以及预处理运动视频V'_robot，并统一时长；

步骤T3，构建初始神经网络模型θ；

步骤T4，将所述预处理示教视频V'_demo输入所述初始神经网络模型θ得到演示动作D_action，并计算演示动作损失L_demo：

步骤T5，根据所述演示动作损失L_demo对所述初始神经网络模型θ进行参数更新得到更新后的神经网络模型作为更新后模型θ'：

式中，λ为超参数学习率；

步骤T6，将所述预处理示教视频V'_demo输入更新模型θ'得到预测的演示轨迹动作P_action-demo以及对应的演示语义E_demo、将所述预处理对比视频V'_comparison输入更新模型θ'得到预测的对比轨迹动作P_{action-comparison}以及对应的对比语义E_comparison、将所述预处理运动视频V'_robot输入更新模型θ'得到预测的机器人轨迹动作P_action-robot以及对应的机器人目标语义E_target，其中，我们用取值为实数集的N维向量来表示每一个演示语义E_demo、对比语义E_comparison以及机器人目标语义E_target：

步骤T7，基于所述轨迹动作V_action以及预测的机器人轨迹动作P_action-robot计算得到目标动作损失L_action：

步骤T8，根据所述演示语义E_demo、所述运动语义E_target以及所述对比语义E_comparison计算得到语义损失L_embedding：

L_embedding＝∑max[0,M-E_demo·E_target+E_target·E_comparison+E_demo·E_comparison] (5)

式中，M为阈值；

步骤T9，基于所述目标动作损失L_action以及所述语义损失L_embedding得到总损失L：

L＝αL_action+βL_embedding (6)

式中，α以及β为超参数；

步骤T10，基于所述总损失L进行求导，得到的损失梯度从而完成对所述更新后模型θ'的更新得到神经网络模型θ”:

式中，δ为超参数学习率；

步骤T11，重复所述步骤T4至所述步骤T11达到预定的训练次数，直到所述总损失L稳定收敛到预定的总损失阈值L_margin，从而得到所述训练好的神经网络模型。