[發(fā)明專利]直覺物理的機器學習方法、裝置及計算機可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910365831.1
• 申請日: 2019-04-30
• 公開（公告）號: CN110070542A
• 公開（公告）日: 2019-07-30
• 發(fā)明（設計）人: 王智華
• 申請（專利權）人: 王智華
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T1/00
• 代理公司: 深圳市世紀恒程知識產(chǎn)權代理事務所 44287
• 代理人: 胡海國

1.一種直覺物理的機器學習方法，應用于直覺物理的機器學習系統(tǒng)，其特征在于，所述直覺物理的機器學習系統(tǒng)包括生成網(wǎng)絡和判別網(wǎng)絡，所述直覺物理的機器學習方法包括以下步驟：

獲取目標物體的深度圖像，將所述目標物體的深度圖像和基于目標物體特性生成的第一條件向量輸入生成網(wǎng)絡，得到目標物體的預測變形量；

獲取目標物體的真實變形量，將所述生成網(wǎng)絡輸出的預測變形量作為判別網(wǎng)絡的輸入值，結(jié)合所述真實變形量，確定生成網(wǎng)絡輸出的預測變形量是否符合期望；

在所述生成網(wǎng)絡輸出的預測變形量符合期望時，基于所述預測變形量執(zhí)行任務。

2.如權利要求1所述的直覺物理的機器學習方法，其特征在于，所述獲取目標物體的深度圖像，將所述目標物體的深度圖像和基于目標物體特性生成的第一條件向量輸入生成網(wǎng)絡，得到目標物體的預測變形量的步驟包括：

獲取目標物體的深度圖像，根據(jù)所述目標物體的深度圖像得到對應的體素網(wǎng)格；

基于目標物體特性生成第一條件向量；

在生成網(wǎng)絡中將所述體素網(wǎng)格轉(zhuǎn)化為一維向量，合并所述一維向量與第一條件向量，通過生成網(wǎng)絡生成目標物體的預測變形量并輸出。

3.如權利要求2所述的直覺物理的機器學習方法，其特征在于，所述獲取目標物體的深度圖像，根據(jù)所述目標物體的深度圖像得到對應的體素網(wǎng)格的步驟包括：

獲取目標物體的2.5D深度圖像；

對所述2.5D深度圖像進行體素化處理，得到對應的體素網(wǎng)格。

4.如權利要求2所述的直覺物理的機器學習方法，其特征在于，所述基于目標物體特性生成第一條件向量的步驟包括：

確定目標物體的材料特性，以及目標物體的受力情況；

基于所述材料特性和受力情況生成第一條件向量。

5.如權利要求1所述的直覺物理的機器學習方法，其特征在于，所述獲取目標物體的真實變形量，將所述生成網(wǎng)絡輸出的預測變形量作為判別網(wǎng)絡的輸入值，結(jié)合所述真實變形量，確定生成網(wǎng)絡輸出的預測變形量是否符合期望的步驟包括：

獲取物理模擬器生成的真實變形量；

將所述生成網(wǎng)絡輸出的預測變形量輸入判別網(wǎng)絡，結(jié)合所述真實變形量和基于目標物體特性生成的第二條件向量，確定所述預測變形量是否符合期望。

6.如權利要求1所述的直覺物理的機器學習方法，其特征在于，所述獲取目標物體的深度圖像，將所述目標物體的深度圖像和基于目標物體特性生成的第一條件向量輸入生成網(wǎng)絡，得到目標物體的預測變形量的步驟之前，所述方法還包括：

收集若干真實物體變形圖像，建立對應的圖像數(shù)據(jù)庫；

基于所述圖像數(shù)據(jù)庫對生成網(wǎng)絡進行訓練，以使所述生成網(wǎng)絡的預測能力逐漸增強。

7.如權利要求6所述的直覺物理的機器學習方法，其特征在于，所述基于所述圖像數(shù)據(jù)庫對生成網(wǎng)絡進行訓練，以使所述生成網(wǎng)絡的預測能力逐漸增強的步驟包括：

基于圖像數(shù)據(jù)庫獲取若干個體素網(wǎng)格和條件向量，通過物理模擬器生成由所述若干個體素網(wǎng)格和條件向量組成的若干個地面真值對；

用所述若干個地面真值對與判別網(wǎng)絡共同訓練生成網(wǎng)絡，不斷優(yōu)化生成網(wǎng)絡的相關參數(shù)，以使所述生成網(wǎng)絡的預測能力逐漸增強。

8.如權利要求1所述的直覺物理的機器學習方法，其特征在于，所述判別網(wǎng)絡依次包括五個反卷積層，其中，每個反卷積層都包括一個激活函數(shù)；

所述生成網(wǎng)絡包括變分自動編碼器和解碼器；

所述變分自動編碼器依次包括五個卷積層，一個全連接層，以及兩個μ和σ層，其中，每個反卷積層都包括一個激活函數(shù)；

所述解碼器依次包括五個反卷積層，其中，每個反卷積層都包括一個激活函數(shù)。

9.一種直覺物理的機器學習裝置，其特征在于，所述直覺物理的機器學習裝置包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的直覺物理的機器學習程序，所述直覺物理的機器學習程序被所述處理器執(zhí)行時實現(xiàn)如權利要求1至8中任一項所述的直覺物理的機器學習方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有直覺物理的機器學習程序，所述直覺物理的機器學習程序被處理器執(zhí)行時實現(xiàn)如權利要求1至8中任一項所述的直覺物理的機器學習方法的步驟。