买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本发明提供一种基于语义域自适应的机器人技能虚实迁移学习方法及系统，该方法包括：S1.构建仿真环境，生成仿真环境对应的感知语义标签，构成源域仿真图像与标签对样本集；S2.输入仿真图像与实物图像，使用基于对抗学习的语义域自适应方法训练语义抽象网络模型；S3.使用仿真语义基于强化学习方法对机器人技能策略神经网络进行训练，得到机器人系统技能策略模型；S4.使用语义抽象神经网络模型将真实环境图像转换为语义信息，将实物语义信息输入至机器人技能策略神经网络模型中得到实时的机器人控制指令。本发明能够实现对机器人技能策略的高效、安全地虚实迁移，具有实现操作简单、迁移性能强、安全可靠性以及效率高等优点。

主权项：1.一种基于语义域自适应的机器人技能虚实迁移学习方法，其特征在于，包括以下步骤：步骤S1：仿真环境构建：根据机器人技能操作的真实环境构建机器人技能学习仿真环境，并生成仿真环境对应的语义标签，由仿真环境中的仿真图像与语义标签对应构成源域仿真图像与标签对样本集；步骤S2：语义抽象神经网络训练：在目标域实物系统中采集实物图像，将源域仿真图像与标签对样本集以及目标域实物图像作为输入样本，并基于对抗学习的语义域自适应方法训练语义抽象神经网络模型，由所述语义抽象神经网络模型对应将输入源域仿真图像转换至语义空间得到仿真语义、将目标域实物图像转换至语义空间得到实物语义，以实现仿真域与实物域在语义特征的对齐；所述基于对抗学习的语义域自适应方法训练的过程中，先使用源域仿真图像与标签对样本集训练语义抽象神经网络模型，然后构建判别器模型并使用源域仿真图像和目标域实物图像两组图像共同训练所述判别器模型，训练所述判别器模型时通过使用对抗损失函数拉近目标域与源域的距离，以实现自适应的语义抽象学习，所述对抗损失函数用于使用目标域实物图像输入至语义抽象神经网络模型所得到的目标场景特征计算对抗损失；步骤S3：强化学习训练：使用由语义抽象神经网络模型转化得到的仿真语义基于强化学习方法对机器人技能策略神经网络进行训练，得到训练完毕的机器人系统技能策略模型，所述机器人技能策略神经网络的输入为语义抽象神经网络模型输出的语义信息、输出为机器人各关节的控制指令；步骤S4：策略部署迁移：当采集到实时的真实环境图像时，使用所述语义抽象神经网络模型将真实环境图像转换至语义空间得到实物语义信息，将实时转换得到的实物语义信息输入至所述机器人技能策略神经网络模型中得到实时的机器人控制指令，实现将源域虚拟环境训练的技能策略迁移部署到目标域实物机器人。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于语义域自适应的机器人技能虚实迁移学习方法及系统