[发明专利]基于球形模块化自重构机器人的流动与操纵方法及装置

权利要求书

1.一种基于球形模块化自重构机器人的流动与操纵方法，其特征在于，包括：

获取每个模块的环境位置信息，将获取得到的所有所述环境位置信息进行合成，得到整体环境模型或被操纵物体形状及位置；

将所述整体环境模型或被操纵物体形状及位置输入到训练后的神经网络中进行计算，得到模块化自重构机器人集群外部轮廓变化序列；

基于所述模块化自重构机器人集群外部轮廓变化序列规划每个所述模块的运动轨迹，得到每个所述模块的运动轨迹信息，每个所述模块基于所述运动轨迹信息进行运动。

2.根据权利要求1所述的一种基于球形模块化自重构机器人的流动与操纵方法，其特征在于，所述获取每个模块的环境位置信息，将获取得到的所有所述环境位置信息进行合成，得到整体环境模型或被操纵物体形状及位置包括：

根据预设指令控制每个所述模块采集局部环境信息和模块自身位置信息，对每个所述局部环境信息和所述模块自身位置信息进行处理，获得每个所述模块的局部mesh模型和模块自身3D位置信息，将每个模块的所述局部mesh模型和所述模块自身3D位置信息作为每个所述环境位置信息；

基于所述自身3D位置信息对所有获得的所述局部mesh模型进行拼接，得到整体mesh模型；

对所述整体mesh模型进行检测，得到所述被操纵物体的形状及3D位置。

3.根据权利要求2所述的一种基于球形模块化自重构机器人的流动与操纵方法，其特征在于，所述对每个所述局部环境信息和所述模块自身位置信息进行处理，获得每个所述模块的局部mesh模型和模块自身3D位置信息包括：

通过深度估计网络对每个所述局部环境信息进行处理，获得每个所述模块的局部mesh模型；

将每个所述模块自身位置信息转化为相对于同一个主模块位置的全局世界坐标，将所述全局世界坐标作为所述模块自身3D位置信息。

4.根据权利要求3所述的一种基于球形模块化自重构机器人的流动与操纵方法，其特征在于，所述将所述整体环境模型或被操纵物体形状及位置输入到训练后的神经网络中进行计算，得到模块化自重构机器人集群外部轮廓变化序列包括：

采用模仿学习和强化学习方法训练初始神经网络，得到所述训练后的神经网络；

将所述整体环境模型或被操纵物体形状及位置输入到训练后的神经网络中进行计算，得到所述模块化自重构机器人集群外部轮廓变化序列。

5.根据权利要求4所述的一种基于球形模块化自重构机器人的流动与操纵方法，其特征在于，所述采用模仿学习和强化学习方法训练初始神经网络，得到所述训练后的神经网络包括：

获取磁控流体在环境模型中运行时的流体表面轮廓变化序列，基于所述流体表面轮廓变化序列和特权信息对初始教师网络进行训练，得到目标教师网络，其中，所述特权信息包括环境模型和磁控流体属性；

获取实际观测信息，基于所述实际观测信息和目标教师网络对学生网络进行训练，获得初步神经网络，其中，所述教师网络基于行为损失函数对所述学生网络进行知识蒸馏；

对所述初步神经网络进行强化学习训练，得到所述训练后的神经网络。

6.根据权利要求5所述的一种基于球形模块化自重构机器人的流动与操纵方法，其特征在于，所述基于所述模块化自重构机器人集群外部轮廓变化序列规划每个所述模块的运动轨迹，得到每个所述模块的运动轨迹信息，每个所述模块基于所述运动轨迹信息进行运动包括：

根据每个模块在所述模块化自重构机器人集群外部轮廓变化序列中的位置进行移动判断；

若所述模块当前位置与目标空位一致，则判断所述模块不需要移动，其中，不需要移动的所述模块为固定模块；

若所述模块当前位置与目标空位不一致，则判断所述模块需要移动，其中，需要移动的所述模块为自由模块；

设置所述自由模块的优先级以及规划所述自由模块的轨迹，所述自由模块基于所述优先级和所述轨迹进行运动。