[发明专利]在动态异构机器人环境内执行任务的方法和系统

说明书

本发明公开了一种在动态异构机器人环境内执行任务的方法和系统。所述方法包括提取与多个数据类别相关联的数据，并从所提取的数据中获得多个因素。该方法进一步包括通过深度学习网络，确定所述多个因素之间的多个关联关系。该方法还包括根据所述多个关联关系，获得所述多个因素当中一组因素的多个情感参数。该方法可进一步包括使用多个机器人来模拟执行所述至少一个当前任务。该方法可进一步包括通过对所述模拟的结果进行强化学习而对所述多个情感参数中的至少一个情感参数进行迭代式重新调节。该方法可进一步包括使用所述多个机器人来执行所述至少一个当前任务。

技术领域

本发明总体涉及动态异构机器人环境，尤其涉及一种在动态异构机器人环境内执行任务的方法和系统。

背景技术

随着电子商务以及数字化客户产品处理和交付服务的发展，各行各业、各种工厂及各种仓库处理的货物和物流量日益增多，从而使得难以完全依靠人手完成货物和物流的处理。通过机器人技术实现的自主技术方案能够将各种场所的各种自动化货物和物流处理流畅化。

然而，机器人执行的任务往往高度限制于材料拾放、瓶子加盖等简单的专门任务。根据目标任务，现有的货物和物流处理机器人(即叉车)通过编程而以能够在限定时间内完成任何给定任务的不同专用机器人(例如，叉车可用于拾取房间内所有待储存的纸箱)执行目标任务。也就是说，有些机器人用于按照程序执行特定任务(例如，叉车可仅用于拾取纸箱)。除此之外，仅出于不同机器人的不同独特能力以及任务需求这一考虑，还可设置其他机器人按照程序执行其他特定任务。例如，在叉车拾放纸箱的同时，其他机器人可从纸箱中取出物品。

此外，某些现有的机器人具有更高的任务执行能力，而另有一些机器人可能更擅长于在特定情形中捡取或安全搬运货物。由此可见，现有的用于货物和物流处理的机器人技术方案为受限于机器人专职能力的同构方案。在此类方案下，目标任务的执行无法达到最优化，需要使用大量的资源，而且主要依赖于人力。

在现有的自动化任务执行框架下，采用同构机器人执行任务，因此缺乏根据各种机器人的可编程能力协作完成、共享或委派所设定的任务工作的机制，而且也缺乏优化任务分类和机器人工作分配的机制。此外，虽然将机器人按某种方式进行组合的做法可能能够在限定时间内完成任务，但是却可能无法在动态变化的情形中确保任务的最优执行。因此，现有技术方案无法以同一套机器人组合作为所有任务工作的最优乃至次优方案。

此外，自动化任务执行和货物/物流处理存在若干由与任务执行环境相关的因素决定的缺点。此类因素包括但不限于地点、基础设施类别、气候条件、货物进出顺序、材料特性、储存空间、所部署机器人的在线折扣类型、故障率、季节或时间。另外，机器人行为学习模型未通过引入各种限制和环境制约条件以使得机器人可能通过相互协作而实现最佳的任务执行和资源利用结果。此外，在动态要求的情形中，用于处理此类要求的机器人也需要是动态机器人。因此，诱导机器人获得所需行为这一点至关重要，而且可视为将机器人的各个动作序列、特征或参数同化的一种结果。

另外，某些现有系统涉及通过使机器人与动态变化的环境互动而提高机器人智能，并促进机器人学习新的行为且自主创建行为序列。此类现有系统可采用在功能上类似于短期记忆且存有不同感测信息的自我感知空间。然而，此类现有的系统可能未对货物/物流环境及机器人先前行为加以考虑，因此无法针对当前的新任务进行规划、优化和协作完成。此外，此类现有的系统还可能未对任务分类加以考虑，因此无法改善对资源的利用。