一种基于对比学习的机器人视觉导航方法及相关装置

1.一种基于对比学习的机器人视觉导航方法，其特征在于，包括：获取当前观测；将当前观测输入至训练后的观测编码器，并将预选的批量动作序列输入至训练后的动作编码器，得到当前观测特征向量和批量的预选动作特征向量；使用向量内积分别计算当前观测特征向量和各预选动作特征向量的特征相似度，选择特征相似度最高的预选动作特征向量对应的动作序列，作为执行动作序列；将执行动作序列输入至机器人控制器中，用于控制机器人执行相应动作；其中，观测编码器和动作编码器的训练方法，包括：获取多个历史观测和历史动作序列；利用观测和动作序列之间组成数据对的成对关系，分别使用观测编码器和动作编码器，从各历史观测和各历史动作序列中提取特征，对应得到历史观测特征向量和历史动作序列特征向量；计算每两个历史动作序列之间的相似度，得到历史动作序列的相似度矩阵，并结合设定的阈值系数，得到对应的掩码矩阵；分别对历史观测特征向量和历史动作序列特征向量做向量内积计算，得到对应的观测-动作相似度矩阵；结合掩码矩阵和观测-动作相似度矩阵，以单位矩阵作为标签，对观测编码器和动作编码器进行训练；其中，训练目标为最大化来自相同的观测和动作序列数据对的特征向量间距离，并最小化来自相同的观测和动作序列数据对的特征向量间距离。 2.根据权利要求1所述基于对比学习的机器人视觉导航方法，其特征在于，所述观测编码器和所述动作编码器均采用卷积神经网络；所述观测编码器和所述动作编码器之后均接入一层前馈神经网络作为特征投影层。 3.根据权利要求1所述基于对比学习的机器人视觉导航方法，其特征在于，所述计算每两个历史动作序列之间的相似度，包括：以下式作为动作序列相似度函数计算每两个历史动作序列之间的相似度：其中， 表示动作序列 和动作序列 之间的相似度， 表示动作序列的长度， 表示动作序列的长度最大值， 表示长度为 的动作序列 ， 表示长度为 的动作序列 。 4.根据权利要求3所述基于对比学习的机器人视觉导航方法，其特征在于，所述观测-动作相似度矩阵，包括：其中， 表示观测-动作相似度矩阵， 表示第一项历史观测特征向量， 表示第二项历史观测特征向量， 表示第 N 项历史观测特征向量， 表示第一项历史动作序列特征向量， 小时第二项历史动作序列特征向量， 表示第 N 项历史动作序列特征向量。 5.根据权利要求1所述基于对比学习的机器人视觉导航方法，其特征在于，所述对观测编码器和动作编码器进行训练时，使用的损失函数包括：其中， 表示损失函数， 表示观测-动作损失的权重， 表示观测-动作损失， 表示动作-观测损失的权重， 表示动作-观测损失。 6.根据权利要求5所述基于对比学习的机器人视觉导航方法，其特征在于，所述观测-动作损失 和所述动作-观测损失 ，包括：其中：其中， 表示， 表示单位矩阵的维数， 表示单位矩阵的行号， 表示单位矩阵的列号， 表示 维单位矩阵 中第 行第 列元素， 表示观测-动作序列相似度矩阵的每一行先经过掩码矩阵掩码，再使用softmax操作的输出， 表示观测-动作相似度矩阵中第 行第 列元素， 表示观测-动作相似度矩阵中第 行元素；其中， 中 表示自然常数， 表示表示观测-动作相似度矩阵中第 行第 列元素， 表示掩码矩阵 中第 行第 列元素。 7.一种基于对比学习的机器人视觉导航系统，其特征在于，包括：观测模块，用于获取当前观测；特征提取模块，用于将当前观测输入至训练后的观测编码器，并将预选的批量动作序列输入至训练后的动作编码器，得到当前观测特征向量和批量的预选动作特征向量；执行序列获取模块，用于使用向量内积分别计算当前观测特征向量和各预选动作特征向量的特征相似度，选择特征相似度最高的预选动作特征向量对应的动作序列，作为执行动作序列；控制模块，用于将执行动作序列输入至机器人控制器中，用于控制机器人执行相应动作；其中，观测编码器和动作编码器的训练方法，包括：获取多个历史观测和历史动作序列；利用观测和动作序列之间组成数据对的成对关系，分别使用观测编码器和动作编码器，从各历史观测和各历史动作序列中提取特征，对应得到历史观测特征向量和历史动作序列特征向量；计算每两个历史动作序列之间的相似度，得到历史动作序列的相似度矩阵，并结合设定的阈值系数，得到对应的掩码矩阵；分别对历史观测特征向量和历史动作序列特征向量做向量内积计算，得到对应的观测-动作相似度矩阵；结合掩码矩阵和观测-动作相似度矩阵，以单位矩阵作为标签，对观测编码器和动作编码器进行训练；其中，训练目标为最大化来自相同的观测和动作序列数据对的特征向量间距离，并最小化来自相同的观测和动作序列数据对的特征向量间距离。 8.根据权利要求7所述基于对比学习的机器人视觉导航系统，其特征在于，所述对观测编码器和动作编码器进行训练时，使用的损失函数包括：其中， 表示损失函数， 表示观测-动作损失的权重， 表示观测-动作损失， 表示动作-观测损失的权重， 表示动作-观测损失。 9.根据权利要求8所述基于对比学习的机器人视觉导航系统，其特征在于，所述观测-动作损失 和所述动作-观测损失 ，包括：其中：其中， 表示， 表示单位矩阵的维数， 表示单位矩阵的行号， 表示单位矩阵的列号， 表示 维单位矩阵 中第 行第 列元素， 表示观测-动作序列相似度矩阵的每一行先经过掩码矩阵掩码，再使用softmax操作的输出， 表示观测-动作相似度矩阵中第 行第 列元素， 表示观测-动作相似度矩阵中第 行元素；其中， 中 表示自然常数， 表示观测-动作相似度矩阵中第 行第 列元素， 表示掩码矩阵 中第 行第 列元素。 10.一种电子设备，其特征在于，包括：存储器、一个或多个处理器；所述存储器与所述处理器耦合；其中，所述存储器中存储有计算机程序代码，所述计算机程序代码包括计算机指令，当所述计算机指令被所述处理器执行时，所述电子设备执行如权利要求1至6任一所述基于对比学习的机器人视觉导航方法的步骤。 11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一所述基于对比学习的机器人视觉导航方法的步骤。