[发明专利]基于高阶图卷积神经网络的人群感知导航方法及系统

说明书

本发明属于人群感知导航技术领域，提供了一种基于高阶图卷积神经网络的人群感知导航方法及系统。其中，该方法包括获取机器人和行人的实时可观察状态信息，构建出机器人和行人之间的关系有向图，将机器人附近预设距离内的行人视为一阶邻域，将其他行人作为二阶邻域；通过社会注意力机制，计算机器人与其相关的一阶邻域和二阶邻域中相应行人的注意力值，再基于注意力值及高阶图卷积神经网络从机器人和行人关系有向图中提取各个代理之间的交互特征；其中，代理包括机器人和行人；基于提取的各个代理之间的交互特征及基于Dueling DQN架构的深度强化学习网络，寻找机器人的最优的动作策略，以保证机器人在到达目标点的时候的预期奖励最大化。

技术领域

本发明属于人群感知导航技术领域，尤其涉及一种基于高阶图卷积神经网络的人群感知导航方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

图神经网络是建模对象以及对象之间交互的最强大的工具，在人群交互的过程中会产生非欧几里得数据，图神经网络在对于这种数据的处理上相较于其他网络有很大的优势，因此可以采用图神经网络对人群交互进行建模。图卷积神经网络(GCN)是图神经网络(GNN)的变种，在进行人群交互建模的过程中，行人和机器人被定义为图神经网络的节点，行人之间以及机器人与行人之间的交互关系采用邻接矩阵来进行表示。

行人之间以及机器人与行人之间的空间关系对于机器人预测人类未来的行为并进行导航非常重要，以前的工作虽然将人群建模为图结构，但是发明人发现，只进行最简单的交互预测，并没有按照人群的空间关系对于人群进行分类，这样就会导致机器人忽略掉很多的空间方面(比如距离，速度等)的信息，因此普通的GCN网络对于复杂情况下的人群关系建模效果很差，使用一般的图卷积神经网络无法学习一般的交互关系，进而无法使得机器人在人群中进行准确导航。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于高阶图卷积神经网络的人群感知导航方法及系统，其能够使得机器人在人群中进行准确导航。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于高阶图卷积神经网络的人群感知导航方法，其包括：

获取机器人和行人的实时可观察状态信息，构建出机器人和行人之间的关系有向图，将机器人附近预设距离内的行人视为一阶邻域，将其他行人作为二阶邻域；

通过社会注意力机制，计算机器人与其相关的一阶邻域和二阶邻域中相应行人的注意力值，再基于注意力值及高阶图卷积神经网络从机器人和行人关系有向图中提取各个代理之间的交互特征；其中，代理包括机器人和行人；

基于提取的各个代理之间的交互特征及基于Dueling DQN架构的深度强化学习网络，寻找机器人的最优的动作策略，以保证机器人在到达目标点的时候的预期奖励最大化。

本发明的第二个方面提供一种基于高阶图卷积神经网络的人群感知导航系统，其包括：

社交关系有向图构建模块，其用于获取机器人和行人的实时可观察状态信息，构建出机器人和行人之间的关系有向图，将机器人附近预设距离内的行人视为一阶邻域，将其他行人作为二阶邻域；

交互特征提取模块，其用于通过社会注意力机制，计算机器人与其相关的一阶邻域和二阶邻域中相应行人的注意力值，再基于注意力值及高阶图卷积神经网络从机器人和行人关系有向图中提取各个代理之间的交互特征；其中，代理包括机器人和行人；

深度强化学习模块，基于提取的各个代理之间的交互特征及基于Dueling DQN架构的深度强化学习网络，寻找机器人的最优的动作策略，以保证机器人在到达目标点的时候的预期奖励最大化。