[发明专利]基于多分类生成对抗模仿学习算法的化学合成机器人系统

说明书

本发明公开了一种基于多分类生成对抗模仿学习算法的化学合成机器人系统，包括：基于Mujoco仿真平台搭建的化学合成操作仿真模块，用于模拟真实化学实验环境；多分类生成对抗模仿学习算法框架，用于根据当前实验任务和机器人状态信息，利用多分类生成对抗模仿学习算法生成当前实验任务的期望轨迹；算法优化模块，用于对多分类生成对抗模仿学习算法进行优化。本发明建立了化学实验仿真环境，给强化学习提供更加便捷的训练方式，采用的多分类生成对抗模仿学习算法引入模态的概念，能够更好地学习不同任务的多种专家策略，增强了算法的决策能力，使之更具扩展性和智能性，同时应用多种技巧优化算法的性能，使算法具有更优秀的收敛性能和稳定性。

技术领域

本发明涉及自动化系统设计技术领域，特别涉及一种基于多分类生成对抗模仿学习算法的化学合成机器人系统。

背景技术

随着近几年来国家智能制造产业的持续发展，智能机器人已经广泛地被应用于医疗、工业、服务等领域，机器人能够完成的任务也越来越多。近几年来，高校化学实验事故多发，实验安全问题成为急需解决的问题。而在对历年实验事故的成因分析中，由人引起的事故占所有实验事故的98％，实验人员对于实验的不了解、不熟练和情绪波动是造成实验事故的主要原因。实验机械臂由于其高精度、无偏差、不会受情绪影响的特点，让其代替实验人员进行实验能极大地降低实验出错的概率，进而保证实验人员的生命财产安全，是智能机器人的一个重要应用方向。

化学实验机器人相较于普通机器人，有如下难点：

首先由于化学实验中，试管的拿起放下，液体滴入都是十分高精度的行为，所以对于算法的精度提出了很高的要求；

其次，在一系列化学操作之中，许多操作有需要保持所持器皿的直立，这需要机器人对末端姿态的自由度进行持续约束，这对整个轨迹的规划提出了更高的要求；

最后，由于是实时操作，所以对于系统的决策规划提出了更高的实时性需求。

现有的机器人智能控制方案主要分为两种，一种是端到端控制，即算法输入图像，直接输出机器人关节控制量对机器人进行控制，这种方案的好处是不用关心整个控制过程的内部细节，操作起来简单有效，但由于其涉及的系统过于复杂，提出的算法往往难以训练和复现；另一种方案是分段处理，智能算法仅负责轨迹规划方面的任务，图像处理和底层控制交给专门的模块去处理，这种方案各个模块耦合度较低，每一个模块实现起来较为容易，但由于整个过程涉及到众多技术，整个系统操作起来复杂，不易实现。

另外，以上两种方案对于精度和实时性都没有过高的要求，目前主流的高精度控制都是使用逆运动学解算得到准确的控制轨迹，再通过高精度传统控制方案进行轨迹跟踪控制。

因此，如何结合以上算法的优势，实现一种既有一定智能又能实现精度和实时性需求的算法，来控制机器人完成化学合成实验，是一个亟待解决的问题。

发明内容

本发明的目的在于提供一种基于多分类生成对抗模仿学习算法的化学合成机器人系统，以解决现有机器人在实验过程中不具备主动调整任务状态能力的问题。

为解决上述技术问题，本发明的实施例提供如下方案：

一种基于多分类生成对抗模仿学习算法的化学合成机器人系统，包括：

基于Mujoco仿真平台搭建的化学合成操作仿真模块，用于模拟真实化学实验环境；

多分类生成对抗模仿学习算法框架，用于根据当前实验任务和机器人状态信息，利用多分类生成对抗模仿学习算法生成当前实验任务的期望轨迹；

算法优化模块，用于对多分类生成对抗模仿学习算法进行优化。

优选地，所述基于Mujoco仿真平台搭建的化学合成操作仿真模块具体用于：