[发明专利]基于卷积长短期记忆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

1.一种基于卷积长短期记忆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：更新预测网络权重；

S5：预测动作和下一时刻图像，然后执行动作；

S6：重复S2-S4，直至达到第K次；

S7：加权所有奖惩信号，再更新预测网络权重。

2.按照权利要求1所述的基于卷积长短期记忆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Lgdl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所述的基于卷积长短期记忆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_gdl (1)

λ₁，λ₂，λ_gdl，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的坐标位置，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；

4.按照权利要求2所述的基于卷积长短期记忆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所述的基于卷积长短期记忆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：所述预测网络包括6层，其中，

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。

6.按照权利要求5所述的基于卷积长短期记忆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。