[发明专利]一种机器人移动方法、装置、设备及存储介质

权利要求书

1.一种机器人移动方法，其特征在于，包括：

获取机器人的实际状态信息，所述实际状态信息包括：当前状态信息以及目标状态信息；

将所述实际状态信息输入至预先训练得到的目标神经网络模型，得到所述机器人的待执行动作参数，其中，所述目标神经网络模型基于强化学习奖励函数训练得到，所述强化学习奖励函数用于根据所述机器人当前位置到目标点的距离以及所述机器人与目标障碍物的距离计算奖励结果；

根据所述待执行动作参数控制所述机器人移动至所述目标点。

2.如权利要求1所述的方法，其特征在于，所述获取机器人的状态信息之前，所述方法还包括：

采集机器人实际运行时的状态信息作为样本状态信息，所述样本状态信息包括：当前状态信息以及目标状态信息；

将所述样本状态信息输入至初始神经网络模型，得到样本输出结果；

基于所述样本状态信息确定所述机器人当前位置到目标点的距离以及所述机器人与目标障碍物的距离；

根据所述机器人当前位置到目标点的距离、所述机器人与目标障碍物的距离以及所述强化学习奖励函数，得到样本奖励结果；

根据所述样本奖励结果对所述初始神经网络模型的模型参数进行更新。

3.如权利要求2所述的方法，其特征在于，所述根据所述机器人当前位置到目标点的距离、所述机器人与目标障碍物的距离以及所述强化学习奖励函数，得到样本奖励结果，包括：

利用所述强化学习奖励函数，分别计算所述机器人当前位置到目标点的距离对应的第一奖励结果以及所述机器人与目标障碍物的距离对应的第二奖励结果，并根据所述第一奖励结果以及所述第二奖励结果计算所述样本奖励结果。

4.如权利要求2所述的方法，其特征在于，所述根据所述样本奖励结果对所述初始神经网络模型的模型参数进行更新之后，所述方法包括：

基于所述样本状态信息以及更新后的神经网络模型确定更新后的样本输出结果；

按照更新后的样本输出结果控制所述机器人移动至目标点；

若移动时间大于预设阈值或者所述机器人与障碍物发生碰撞，对所述更新后的神经网络模型的模型参数进行更新。

5.如权利要求4所述的方法，其特征在于，所述按照更新后的样本输出结果控制所述机器人移动至目标点，包括：

若移动时间小于或者等于预设阈值且所述机器人与障碍物未发生碰撞，确定所述更新后的神经网络模型为所述目标神经网络模型。

6.如权利要求1所述的方法，其特征在于，所述机器人为轮式机器人，所述待执行动作参数包括机器人待运动速度的大小和方向；

所述根据所述待执行动作参数控制所述机器人移动至所述目标点，包括：

基于轮式差速模型以及所述机器人待运动速度的大小和方向确定所述轮式机器人的轮转速方向以及轮转速大小；

按照所述轮转速方向以及轮转速大小移动至所述目标点。

7.如权利要求1所述的方法，其特征在于，所述当前状态信息包括：机器人的当前位置信息、速度信息、距离信息；所述目标状态信息包括：机器人的目标位置信息、预设速度信息、预设转向信息。

8.一种机器人移动装置，其特征在于，包括：获取模块、计算模块以及移动模块；

所述获取模块，用于获取机器人的实际状态信息，所述实际状态信息包括：当前状态信息以及目标状态信息；

所述计算模块，用于将所述实际状态信息输入至预先训练得到的目标神经网络模型，得到所述机器人的待执行动作参数，其中，所述目标神经网络模型基于强化学习奖励函数训练得到，所述强化学习奖励函数用于根据所述机器人当前位置到目标点的距离以及所述机器人与目标障碍物的距离计算奖励结果；

所述移动模块，用于根据所述待执行动作参数控制所述机器人移动至所述目标点。

9.一种计算机设备，其特征在于，包括：存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述权利要求1至7任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现权利要求1至7中任一项所述方法的步骤。