[发明专利]一种空间精细操作的分层任务规划方法及系统

权利要求书

1.一种空间精细操作的分层任务规划方法，其特征在于，所述方法包括如下步骤：

步骤1：离线采集数据集；

步骤2：根据数据集进行异步优化高层策略和低层策略；

步骤3：对优化后的高层策略和低层策略进行模型评估。

2.根据权利要求1所述的空间精细操作的分层任务规划方法，其特征在于：在步骤1中，离线采集数据集包括如下步骤：

利用多刚体动力学仿真平台搭建空间操作环境；

根据空间操作环境设计深度神经网络，离线采集数据集。

3.根据权利要求2所述的空间精细操作的分层任务规划方法，其特征在于：数据集为：{s,a,s′,r_t,i}_{t＝0:T.i＝0:N}；其中，s为当前时刻状态，a为当前时刻动作，s′为下一时刻状态，r为当前时刻奖励，t为时间，i为采样轨迹编号，T为单个采样轨迹的总时间长度，N为采样轨迹总数。

4.根据权利要求1所述的空间精细操作的分层任务规划方法，其特征在于：在步骤2中，根据数据集进行异步优化高层策略和低层策略包括如下步骤：

步骤2.1：按照周期T进行高层策略优化；

步骤2.2：按照周期N*T进行低层策略优化；

步骤2.3：采样N～randint(a,b)，其中，randint(a,b)代表在[a,b]区间内随机采样整数。

5.根据权利要求4所述的空间精细操作的分层任务规划方法，其特征在于：在步骤2.1中，按照周期T进行高层策略优化包括如下步骤：

步骤2.1.1：基于数据集D回归动力学逼近器P；

步骤2.1.2：对预设时间窗口内的状态序列进行预处理编码，将编码后的输出信号定义为MCTS的根节点，子目标状态定义为其他节点，宏动作定义为节点间的连接，运行Monte-Carlo树，计算得到目标信号g并输出至低层策略。

6.根据权利要求1所述的空间精细操作的分层任务规划方法，其特征在于：高层策略包含动力学逼近模型P和Monte Carlo树搜索算法A两部分，低层策略以高层策略的动力学逼近模型P输出的目标信号g为引导，根据当前状态s输出控制a，控制空间操作环境E中的执行结构，进而形成系统闭环。

7.根据权利要求1所述的空间精细操作的分层任务规划方法，其特征在于：在步骤3中，对优化后的高层策略π_h和低层策略π_l进行模型评估包括如下步骤：

步骤3.1：圈定以操作对象为中心的正方形区域；

步骤3.2：评估高层策略π_h，随机将相机位置布置在步骤3.1划定的正方形区域内，运行高层策略π_h，校验目标信号g是否与操作对象在相机坐标系下的位置一致；

步骤3.3：评估低层策略π_l，以3.2步骤给出的目标信号g为输入，运行低层策略π_l，校验机械臂末端的最终运行位置与实际操作对象位置的误差。

8.根据权利要求7所述的空间精细操作的分层任务规划方法，其特征在于：在步骤3.1中，正方形区域的大小满足以下条件：

在正方形区域的区域边缘布置相机时，保证相机视线垂直该正方形区域的条件下，相机视场内可拍到操作对象至少30％部分。

9.一种空间精细操作的分层任务规划系统，其特征在于包括：

第一模块，用于离线采集数据集；

第二模块，用于根据数据集进行异步优化高层策略和低层策略；

第三模块，用于对优化后的高层策略和低层策略进行模型评估。

10.根据权利要求9所述的空间精细操作的分层任务规划系统，其特征在于：离线采集数据集包括如下步骤：

利用多刚体动力学仿真平台搭建空间操作环境；

根据空间操作环境设计深度神经网络，离线采集数据集。