[发明专利]行为决策方法、装置、电子设备及存储介质

说明书

本发明提供一种行为决策方法、装置、电子设备及存储介质，其中方法包括：确定当前地图，以及前向轨迹模拟得到的各行为策略下未来预设连续多个时刻的行人轨迹和机器人轨迹；基于所述各行为策略下的行人轨迹和机器人轨迹，以及所述当前地图，确定所述各行为策略下的轨迹特征向量；基于评估代价函数，应用权重向量和所述各行为策略下的轨迹特征向量，对所述各行为策略进行评估，得到最优策略；所述权重向量是基于由样本行人轨迹和样本机器人示例轨迹组成的样本对训练得到的，实现了评估代价函数根据轨迹特征向量和权重向量进行策略评估的同时，避免了人工调整代价函数的特征权重，从而提升了复杂场景的适应能力。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种行为决策方法、装置、电子设备及存储介质。

背景技术

随着机器人技术的发展，越来越多的机器人工作在与人类共存的场景中，机器人在人类的生活、工作场所中运动时，需要适应复杂、动态的场景，并对人类的活动进行避让。近年来，一些研究提出了用于机器人的多策略决策模型，通过对未来场景状态进行前向模拟，并设计代价函数来评价和选择策略，具有较好的实时性。

但当前的机器人行为决策方法虽然能够根据场景变化自动调整行动策略，但是其用来评估场景的代价函数较为简单，未考虑环境中机器人与行人的避障距离等舒适性因素。此外，现有方法主要依赖人工调整代价函数中的特征权重，对复杂场景的适应能力不足。

发明内容

本发明提供一种行为决策方法、装置、电子设备及存储介质，用以解决现有技术中评估场景的代价函数简单并需要人工调整权重导致对复杂场景的适应能力不足的缺陷。

本发明提供一种行为决策方法，包括：

确定当前地图，以及前向轨迹模拟得到的各行为策略下未来预设连续多个时刻的行人轨迹和机器人轨迹；

基于所述各行为策略下的行人轨迹和机器人轨迹，以及所述当前地图，确定所述各行为策略下的轨迹特征向量；

基于评估代价函数，应用权重向量和所述各行为策略下的轨迹特征向量，对所述各行为策略进行评估，得到最优策略；所述权重向量是基于由样本行人轨迹和样本机器人示例轨迹组成的样本对训练得到的。

根据本发明提供的一种行为决策方法，所述基于所述各行为策略下的行人轨迹和机器人轨迹，确定所述各行为策略下的轨迹特征向量，包括：

基于所述各行为策略下的机器人轨迹和所述当前地图，确定所述各行为策略下所述未来预设连续多个时刻内机器人与障碍物最小距离；

基于所述各行为策略下的行人轨迹和机器人轨迹，确定所述各行为策略下所述未来预设连续多个时刻内机器人与行人最小距离；

基于所述各行为策略下的机器人轨迹中最新轨迹位置和预设目标点位置，确定所述各行为策略下机器人与所述预设目标点距离；

基于所述各行为策略下的机器人轨迹和预设全局路径，确定所述各行为策略下机器人与预设全局路径最大偏差距离；

基于所述各行为策略下与障碍物最小距离、所述各行为策略下与行人最小距离、所述各行为策略下与所述预设目标点距离和所述各行为策略下与预设全局路径最大偏差距离，确定所述各行为策略下的轨迹特征向量。

根据本发明提供的一种行为决策方法，所述权重向量的训练步骤如下：

确定当前权重向量和所述样本对；

基于所述样本对中的样本机器人示例轨迹的起始位置和结束位置，所述样本对中的样本行人轨迹，以及所述当前权重向量，应用所述评估代价函数，确定机器人规划轨迹；

基于所述样本对中的样本机器人示例轨迹和所述样本对中的样本行人轨迹，确定第一轨迹特征向量；并基于所述机器人规划轨迹和所述样本对中的样本行人轨迹，确定第二轨迹特征向量；