[发明专利]机器人导航方法、装置、电子设备及存储介质

权利要求书

1.一种机器人导航方法，其特征在于，包括：

获取机器人状态和机器人所处环境状态，具体包括：获取机器人状态和机器人所处环境状态；基于所述机器人状态和所述机器人所处环境状态计算获得机器人观测状态；其中，所述机器人状态包括机器人的目标位置和机器人的瞬时位置；根据机器人的目标位置、机器人的最大速度、第一时刻机器人的瞬时位置、第一时刻机器人的瞬时速度和第一时刻机器人的体积半径大小，确定第一时刻机器人的状态；根据第一时刻机器人所处环境中的多个动态障碍物状态，确定第一时刻机器人所处环境状态；和，所述基于所述机器人状态和所述机器人所处环境状态计算获得机器人观测状态，包括：根据第一时刻所述机器人的状态和第一时刻所述机器人所处环境状态以及第一时刻前若干个时刻的机器人所处环境状态，确定第一时刻的机器人观测状态；

通过时空图注意力网络对所述机器人状态和所述机器人所处环境状态共同进行特征编码，以获得机器人的高层策略层时空状态特征和低层策略层时空状态特征，具体包括：将所述第一时刻的机器人观测状态中第一时刻的机器人状态和第一时刻及第一时刻前若干个时刻的机器人所处环境状态，均输入至时空图注意力网络中，分别对应获得第一时刻的机器人过程状态和第一时刻及第一时刻前若干个时刻的机器人所处环境过程状态；分别计算各个过程状态的查询目标特征、值目标特征和键目标特征，并根据所述各个过程状态的查询目标特征、值目标特征和键目标特征计算获得各个时刻的机器人的图注意力特征；基于长短时记忆网络和各个时刻的机器人的图注意力特征，分别获取所述高层策略层时空状态特征和低层策略层时空状态特征；

基于所述高层策略层时空状态特征获得机器人的高层策略动作；

基于所述高层策略动作计算获得子目标位置的误差状态；

基于所述子目标位置的误差状态、所述机器人状态和所述低层策略层时空状态特征，获得机器人的低层策略动作；

基于所述低层策略动作进行机器人导航。

2.根据权利要求1所述的机器人导航方法，其特征在于，所述基于所述高层策略层时空状态特征获得机器人的高层策略动作，包括：

将所述高层策略层时空状态特征与所述机器人状态融合获得第一组合向量；

将所述第一组合向量输入至第一多层全连接层网络层，获得高层策略层值函数；

基于所述高层策略层值函数和预设的外部奖惩函数获得机器人的高层策略动作。

3.根据权利要求2所述的机器人导航方法，其特征在于，所述基于所述高层策略动作计算获得子目标位置的误差状态，包括：

基于所述高层策略动作计算机器人的子目标位置以将机器人导航至子目标位置；

基于所述子目标位置和所述瞬时位置获得子目标位置的误差状态。

4.根据权利要求3所述的机器人导航方法，其特征在于，所述基于所述子目标位置的误差状态、所述机器人状态和所述低层策略层时空状态特征，获得机器人的低层策略动作，包括：

将所述子目标位置的误差状态、所述机器人状态和所述低层策略层时空状态特征融合获得第二组合向量；

将所述第二组合向量输入至第二多层全连接层网络层，获得低层策略层值函数；

基于所述低层策略层值函数与预设的低层奖惩函数获得机器人的低层策略动作。