[發(fā)明專利]直覺物理的機(jī)器學(xué)習(xí)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910365831.1
• 申請(qǐng)日: 2019-04-30
• 公開（公告）號(hào): CN110070542A
• 公開（公告）日: 2019-07-30
• 發(fā)明（設(shè)計(jì)）人: 王智華
• 申請(qǐng)（專利權(quán)）人: 王智華
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T1/00
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 胡海國

本發(fā)明公開了一種直覺物理的機(jī)器學(xué)習(xí)方法，通過獲取目標(biāo)物體的深度圖像，將所述深度圖像和基于目標(biāo)物體特性生成的第一條件向量輸入生成網(wǎng)絡(luò)，得到目標(biāo)物體的預(yù)測變形量；然后獲取目標(biāo)物體的真實(shí)變形量，將所述預(yù)測變形量作為判別網(wǎng)絡(luò)的輸入值，結(jié)合真實(shí)變形量，確定生成網(wǎng)絡(luò)輸出的預(yù)測變形量是否符合期望；之后在所述預(yù)測變形量符合期望時(shí)，基于所述預(yù)測變形量執(zhí)行任務(wù)。本發(fā)明還公開了一種直覺物理的機(jī)器學(xué)習(xí)裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本發(fā)明方法預(yù)測出三維物體在受到外力時(shí)的實(shí)時(shí)變形情況，將該物體的材料特性和受力情況作為條件向量，附加給深度變分自動(dòng)編碼器和對(duì)抗性訓(xùn)練網(wǎng)絡(luò)，實(shí)現(xiàn)了實(shí)時(shí)的變形預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種直覺物理的機(jī)器學(xué)習(xí)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

深度學(xué)習(xí)作為目前機(jī)器學(xué)習(xí)的重要領(lǐng)域，在圖像識(shí)別、語音分析等方向都有著重要應(yīng)用。深度學(xué)習(xí)由神經(jīng)網(wǎng)絡(luò)演化而來，深度學(xué)習(xí)本質(zhì)上是深層的人工神經(jīng)網(wǎng)絡(luò)，它不是一項(xiàng)孤立的技術(shù)，而是數(shù)學(xué)、統(tǒng)計(jì)機(jī)器學(xué)習(xí)、計(jì)算機(jī)科學(xué)和人工神經(jīng)網(wǎng)絡(luò)等多個(gè)領(lǐng)域的綜合。到目前為止，人們己經(jīng)針對(duì)分類、檢測、識(shí)別等各類不同的問題設(shè)計(jì)了多種行之有效的網(wǎng)絡(luò)結(jié)構(gòu)。由于現(xiàn)實(shí)中的問題往往比簡單的識(shí)別和線性預(yù)測更加復(fù)雜，例如，立體圖像重建需要輸出完整的3D模型，智能排版需要輸出完整的排版方案，這些是現(xiàn)有神經(jīng)網(wǎng)絡(luò)所不能做的。在高維度、高復(fù)雜度的生成模型上，仍然非常欠缺。作為近兩年人工智能領(lǐng)域的里程碑式的工作，生成對(duì)抗網(wǎng)絡(luò)和德雷斯登生成對(duì)抗網(wǎng)絡(luò)(Wasserstein GAN)為高維生成模型奠定了基礎(chǔ)，其中一項(xiàng)應(yīng)用就是計(jì)算機(jī)視覺預(yù)測物理形變的高緯度模型，使機(jī)器人像人一樣，對(duì)重力、摩擦力、張力等現(xiàn)實(shí)世界的理解變?yōu)榭赡堋?/p>

對(duì)周圍環(huán)境進(jìn)行了解和交互，是機(jī)器人需要擁有的重要能力之一，也是包括機(jī)器人技術(shù)和增強(qiáng)現(xiàn)實(shí)技術(shù)在內(nèi)的許多應(yīng)用技術(shù)得以實(shí)現(xiàn)的前提條件，尤其是在預(yù)測目標(biāo)物體在受外力作用下的實(shí)時(shí)變形情況時(shí)。然而，在實(shí)際中常常遇到目標(biāo)物體被遮擋，出現(xiàn)干擾物，以及局部缺失等狀況，上述情況都會(huì)導(dǎo)致對(duì)目標(biāo)物體的變形進(jìn)行實(shí)時(shí)預(yù)測時(shí)難度增加，例如機(jī)器人在操縱一個(gè)物體時(shí)只能觀察到目標(biāo)對(duì)象的局部而非整體。

同時(shí)，傳統(tǒng)的機(jī)器人抓取方式將所有目標(biāo)物體看作是靜止且堅(jiān)硬的不變形剛體，因此在抓取物體的過程中，并沒有考慮到物體本身的變形，這明顯有違于物理規(guī)律，因?yàn)楝F(xiàn)實(shí)世界中的大部分物體在受到外力時(shí)都會(huì)產(chǎn)生形變。另一方面，基于有限元技術(shù)的形變分析方法雖然具有較高精度，卻無法通過一定的深度圖來實(shí)現(xiàn)且需要花費(fèi)高昂的運(yùn)算成本，難以完成實(shí)時(shí)預(yù)測。因此有必要提出一種直覺物理的機(jī)器學(xué)習(xí)方法。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種直覺物理的機(jī)器學(xué)習(xí)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在解決對(duì)非剛性物體變形情況進(jìn)行實(shí)時(shí)預(yù)測的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種直覺物理的機(jī)器學(xué)習(xí)方法，應(yīng)用于直覺物理的機(jī)器學(xué)習(xí)系統(tǒng)，所述直覺物理的機(jī)器學(xué)習(xí)系統(tǒng)包括生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，所述直覺物理的機(jī)器學(xué)習(xí)方法包括以下步驟：

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

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

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

優(yōu)選地，所述獲取目標(biāo)物體的深度圖像，將所述目標(biāo)物體的深度圖像和基于目標(biāo)物體特性生成的第一條件向量輸入生成網(wǎng)絡(luò)，得到目標(biāo)物體的預(yù)測變形量的步驟包括：

獲取目標(biāo)物體的深度圖像，根據(jù)所述目標(biāo)物體的深度圖像得到對(duì)應(yīng)的體素網(wǎng)格；

基于目標(biāo)物體特性生成第一條件向量；