[发明专利]智能设备及其控制方法、装置

权利要求书

1.一种智能设备的控制方法，其特征在于，所述方法包括：

接收到针对目标任务的执行指令后，获取检测数据，所述检测数据包括所述智能设备周围环境的环境数据，以及所述智能设备的状态数据；

将所述检测数据和所述目标任务输入至感知模型，得到与所述目标任务关联的代表性检测数据；

将所述目标任务以及所述代表性检测数据输入至规划模型，得到目标状态数据，所述目标状态数据用于指示所述智能设备所需达到的状态；

将所述目标状态数据，以及部分或全部所述代表性检测数据输入至控制模型，得到用于控制所述智能设备的控制参数；

基于所述控制参数控制所述智能设备执行所述目标任务；

其中，所述控制模型基于控制理论数据初始化得到。

2.根据权利要求1所述的方法，其特征在于，

所述感知模型基于深度学习的方式训练得到。

3.根据权利要求1所述的方法，其特征在于，

所述规划模型基于强化学习的方式训练得到。

4.根据权利要求1所述的方法，其特征在于，

所述控制模型基于强化学习的方式训练得到。

5.根据权利要求2所述的方法，其特征在于，在接收针对目标任务的执行指令之前，所述方法还包括：

获取检测样本数据以及与指定任务关联的代表性检测样本数据，所述检测样本数据包括智能设备在执行指定任务时的周围环境的环境样本数据，以及所述智能设备的状态样本数据；

基于深度学习的方式，采用所述检测样本数据、所述指定任务以及所述代表性检测样本数据对初始感知模型进行训练，得到所述感知模型。

6.根据权利要求3所述的方法，其特征在于，在接收针对目标任务的执行指令之前，所述方法还包括：

获取与指定任务关联的代表性检测样本数据以及效果值样本数据；

基于强化学习的方式，采用所述代表性检测样本数据、所述指定任务以及所述效果值样本数据对初始规划模型进行训练，得到所述规划模型。

7.根据权利要求4所述的方法，其特征在于，在接收针对目标任务的执行指令之前，所述方法还包括：

基于所述控制理论数据对初始控制模型进行初始化；

获取与指定任务关联的部分或全部代表性检测样本数据，目标状态样本数据，以及效果值样本数据；

基于强化学习的方式，采用获取到的所述代表性检测样本数据，所述目标状态样本数据，以及所述效果值样本数据，对所述初始控制模型进行训练，得到所述控制模型。

8.根据权利要求4所述的方法，其特征在于，所述控制模型包括：用于计算权重的控制子模型，以及用于计算所述控制参数的一个或多个计算子模型；在接收针对目标任务的执行指令之前，所述方法还包括：

获取与指定任务关联的部分或全部代表性检测样本数据，目标状态样本数据，以及效果值样本数据；

基于强化学习的方式，采用获取到的所述代表性检测样本数据，所述目标状态样本数据，以及所述效果值样本数据，对初始控制子模型进行训练，得到所述控制子模型；

基于所述控制理论数据确定每个所述计算子模型。

9.根据权利要求8所述的方法，其特征在于，所述将所述目标状态数据，以及部分或全部所述代表性检测数据输入至控制模型，得到用于控制所述智能设备的控制参数，包括：

从所述目标状态数据，以及部分或全部所述代表性检测数据中获取与每个所述计算子模型对应的一组目标输入数据；

分别将每组目标输入数据输入至对应的计算子模型，得到每组目标输入数据所对应的控制参数的取值；

将所述目标状态数据，以及部分或全部代表性检测数据输入至所述控制子模型，得到一组权重；

根据所述一组权重，以及各组目标输入数据对应的控制参数的取值，确定所述控制参数的目标取值。