[发明专利]智能设备及其控制方法、装置

说明书

本申请提供了一种智能设备及其控制方法、装置，属于机器学习领域。该方法可以在接收到针对目标任务的执行指令后，获取检测数据，并将检测数据和目标任务输入至感知模型，得到与该目标任务关联的代表性检测数据；然后可以将目标任务以及代表性检测数据输入至规划模型，得到目标状态数据；之后可以将目标状态数据，以及部分或全部代表性检测数据输入至控制模型，得到用于控制智能设备的控制参数，并基于该控制参数控制智能设备。解决了现有技术的智能设备控制过程中对训练样本的依赖较大，训练效果不理想的问题，能够实现对智能设备更好的控制。

技术领域

本申请涉及机器学习领域，特别涉及一种智能设备及其控制方法、装置。

背景技术

智能设备，也可以称为智能体(Intelligent Agent，IA)，是一种自主的实体(autonomous entity)。智能设备能够通过传感器感知周围的环境，并可以通过执行器(actuators)来执行操作。常见的智能设备一般包括机器人和自动驾驶车辆等。

相关技术中，智能设备的控制装置中一般设置有基于机器学习算法训练得到的控制模型，该控制模型可以将传感器采集的数据作为输入数据，并对该输入数据进行处理后生成用于控制执行器的控制参数，该控制参数可以用于指示执行器执行相应操作。例如，对于自动驾驶车辆，控制模型可以根据摄像头采集到的道路图像，生成用于控制油门、刹车和方向盘中的至少一种执行器的控制参数。

但是，相关技术中的控制模型的控制效果依赖于模型训练时所采用的样本数据的样本量，当样本量较少时，该控制模型的控制效果较差。

发明内容

本发明实施例提供了一种智能设备及其控制方法、装置，可以解决相关技术中的控制模型的控制效果较差的问题。技术方案如下：

一方面，提供了一种智能设备的控制方法，该方法可以应用于智能设备的控制装置中。该方法可以包括：接收到针对目标任务的执行指令后，获取检测数据，该检测数据可以包括该智能设备周围环境的环境数据，以及该智能设备的状态数据。之后，控制装置可以将检测数据和目标任务输入至感知模型，得到与该目标任务关联的代表性检测数据；然后可以将目标任务以及代表性检测数据输入至规划模型，得到目标状态数据；之后可以将目标状态数据，以及部分或全部代表性检测数据输入至控制模型，得到用于控制智能设备的控制参数，并基于该控制参数控制智能设备执行该目标任务。其中，该控制模型基于控制理论数据初始化得到。

本申请提供的控制方法，控制模型是基于控制理论数据初始化得到的，因此该控制模型训练时对训练样本的依赖较小，训练效果较好。基于该控制模型的控制方法对智能设备进行控制时的控制效果较好。

可选的，该感知模型可以基于深度学习的方式训练得到。该规划模型可以基于强化学习的方式训练得到。该控制模型可以基于强化学习的方式训练得到。

当然，该感知模型也可以基于强化学习或深度强化学习的方式训练得到，该规划模型和控制模型也可以基于深度学习或深度强化学习的方式训练得到。

可选的，在接收针对目标任务的执行指令之前，该方法还可以包括：

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，该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，以及该智能设备的状态样本数据；基于深度学习的方式对该检测样本数据、该指定任务以及该代表性检测样本数据进行训练，得到该感知模型。

在基于深度学习的方式进行训练的过程中，可以将检测样本数据和该指定任务输入至初始感知模型中，然后基于该感知模型输出的代表性检测数据与该代表性检测样本数据的差异，调整该初始感知模型的参数，得到该感知模型。

可选的，在接收针对目标任务的执行指令之前，该方法还包括：