[发明专利]基于对抗生成网络的自主移动机器人自监督学习及导航方法

权利要求书

1.一种基于对抗生成网络的自主移动机器人自监督学习及导航方法，其特征在于，具体包括如下步骤：

S1：设置机器人的动作训练次数K；

S2：机器人采集到环境的状态图像；

S3：机器人计算状态图像与上一时刻预测图像之间的损失函数，再以损失函数计算奖惩信号；

S4：更新视频预测生成网络NN1权重，所述视频预测生成网络NN1与判别网络NN2组成对抗生成网络；

S5：预测动作和下一时刻图像，然后执行动作；

S6：重复S2-S5，直至达到第K次；

S7：加权所有奖惩信号，再更新视频预测生成网络权重。

2.按照权利要求1所述的基于对抗生成网络的自主移动机器人自监督学习及导航方法，其特征在于预测的具体步骤如下：

S5.1：在t1时刻，采集到了i1′图像；

S5.2：将i1′图像输入视频预测生成网络NN1，预测得出t2时刻的图像i2及控制信号action；

S5.3：动作执行完成后采集到t2时刻的图像i2′；

S5.4：通过综合损失La和GDL损失L_gdl共同计算所预测出来的图像i2和采集到的图像i2′的损失loss；

S5.5：再通过该loss计算奖惩信号rs；

S5.6：再以rs更新NN1的网络权重。

3.按照权利要求2所述的基于对抗生成网络的自主移动机器人自监督学习及导航方法，其特征在于S5.4中：

L_a＝λ₁*L₁+λ₂*L₂+λ_gdl*L_adl+λ_GANs*L_GANs (1)

L_GANs＝f_CE(NN2(i2)，NN2(i2′)) (5)

λ₁，λ₂，λ_gdl，λ_GANs是对应的系数，根据经验及实际实验进行设置。p_i，j指的是图像i2的一个像素值，p′_i，j指的是i2′的像素值，下标i，j分别指的是图像中x，y的下标位置，每执行一步需要更新NN1的权重，整个任务完成后需要求全部rs的和RS，f_CE指的是计算两个数的交叉熵，NN2指的是判别网络，判别时将图像i2和图像i2′的像素值分别输入到判别网络中，再计算两个输出的交叉熵。

4.按照权利要求2所述的基于对抗生成网络的自主移动机器人自监督学习及导航方法，所述控制信号action包括角度、速度、加速度及力矩。

5.按照权利要求2所述的基于对抗生成网络的自主移动机器人自监督学习及导航方法，其特征在于：视频预测生成网络包括6层，

前3层为卷积长短期记忆网络层；

从第4层开始分支为2条支网络层：

其中一支网络层为3层反卷积长短期记忆网络层；

另一支网络层依次为2维的卷积层Conv2D、压平层Flatten、全连接层Dense；

判别网络包括5层，

前4层都是2维的卷积层Conv2D，第5层是全连接层。

6.按照权利要求5所述的基于对抗生成网络的自主移动机器人自监督学习及导航方法，其特征在于：

ConvLSTM、ConvLSTMT和Conv2D的卷积核大小都是2*2，步长都为2，都做补零操作。