[發(fā)明專利]基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911382275.5
• 申請(qǐng)日: 2019-12-27
• 公開（公告）號(hào): CN111216126B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 吳鴻敏;鄢武;徐智浩;蘇澤榮;唐觀榮;周雪峰
• 申請(qǐng)（專利權(quán)）人: 廣東省智能制造研究所
• 主分類號(hào): B25J9/16
• 分類號(hào): B25J9/16
• 代理公司: 廣東廣盈專利商標(biāo)事務(wù)所(普通合伙) 44339
• 代理人: 李俊

1.一種基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法，其特征在于，所述方法包括：

基于多種類型的傳感器采集足式機(jī)器人在不同類型地面上重復(fù)行走預(yù)設(shè)距離所產(chǎn)生的多模態(tài)傳感數(shù)據(jù)信息；

對(duì)所述多模態(tài)傳感數(shù)據(jù)信息按照不同類型地面進(jìn)行數(shù)據(jù)集劃分，得到不同地面類型的多模態(tài)傳感數(shù)據(jù)集，所述不同地面類型的多模態(tài)傳感數(shù)據(jù)集包括訓(xùn)練集和測(cè)試集；

基于所述不同地面類型的多模態(tài)傳感數(shù)據(jù)集對(duì)粘性層次狄利克雷過程隱馬爾科夫模型進(jìn)行學(xué)習(xí)訓(xùn)練，獲得最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型；

將待識(shí)別樣本信息輸入所述最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型進(jìn)行對(duì)數(shù)似然函數(shù)值之和的計(jì)算；

基于對(duì)數(shù)似然函數(shù)值之和的計(jì)算結(jié)果進(jìn)行足式機(jī)器人運(yùn)動(dòng)行為識(shí)別；

所述粘性層次狄利克雷過程隱馬爾科夫模型的構(gòu)建過程，包括：

獲得層次狄利克雷過程，并定義所述層次狄利克雷過程如下：

則，利用層次狄利克雷過程對(duì)隱馬爾科夫模型的隱形狀態(tài)轉(zhuǎn)換概率π_j進(jìn)行一般性描述如下：

即可獲得層次狄利克雷過程隱馬爾科夫模型如公式(2)所示；

對(duì)所述層次狄利克雷過程隱馬爾科夫模型增加隱性狀態(tài)轉(zhuǎn)換概率的先驗(yàn)超參數(shù)κ，獲得粘性層次狄利克雷過程隱馬爾科夫模型；

其中，H表示任意的基分布；γ表示集中系數(shù)；集中系數(shù)γ決定了β的相對(duì)離散比例，當(dāng)γ越大表示數(shù)據(jù)越離散，反之，越集中；DP表示為狄利克雷過程；G表示一個(gè)對(duì)數(shù)據(jù)聚類的過程，在狄利克雷過程中，G～DP(γ,H)，G₀,G_j∈G；GEM表示折棍子的生成過程；α表示DP過程的集中系數(shù)；v_k表示第k個(gè)隱性狀態(tài)的中間變量，有γ決定；β_k表示第k個(gè)隱性狀態(tài)的轉(zhuǎn)移概率；l＝1,2,3,…,k-1；k＝1,2,3,4,…；θ_k表示第k個(gè)隱性狀態(tài)的未知參數(shù)；表示取值只為0或1的邏輯函數(shù)；γ～Beta(1,γ)表示γ服從貝塔分布；

所述對(duì)所述層次狄利克雷過程隱馬爾科夫模型增加隱性狀態(tài)轉(zhuǎn)換概率的先驗(yàn)超參數(shù)κ，獲得粘性層次狄利克雷過程隱馬爾科夫模型，包括：

所述層次狄利克雷過程隱馬爾科夫模型中公式(2)中給定β的情況下轉(zhuǎn)換概率的期望值轉(zhuǎn)換概率值本身，并沒有考慮到隱性狀態(tài)間的自轉(zhuǎn)換，即：

E[π_jk|β]＝β_k； (3)

參照公式(2)的描述，以增加自轉(zhuǎn)換概率的方式來對(duì)隱性狀態(tài)轉(zhuǎn)換的概率分布作出以下的調(diào)整：

在公式(4)中，(αβ+κδ_j)項(xiàng)表示在αβ和第j個(gè)元素中增加一個(gè)常量值κ0，使得轉(zhuǎn)換概率π_jk的期望自轉(zhuǎn)換概率與常量值κ成正比，κ越大，表示模型對(duì)觀察值的“粘性”越高；從而增加“粘性”后轉(zhuǎn)換概率的期望值為：

其中，定義為模型的自轉(zhuǎn)換的比例系數(shù)；GEM表示折棍子的生成過程；γ表示集中系數(shù)；α表示DP過程的集中系數(shù)；β_k表示第k個(gè)隱性狀態(tài)的轉(zhuǎn)移概率；δ_j表示第j個(gè)隱性狀態(tài)的邏輯函數(shù)；β表示轉(zhuǎn)移概率先驗(yàn)分布的參數(shù)；δ(j,k)表示隱性狀態(tài)j和隱性狀態(tài)k之間轉(zhuǎn)移的邏輯函數(shù)；

所述基于所述不同地面類型的多模態(tài)傳感數(shù)據(jù)集對(duì)粘性層次狄利克雷過程隱馬爾科夫模型進(jìn)行訓(xùn)練，獲得最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型，包括：

對(duì)所述粘性層次狄利克雷過程隱馬爾科夫模型設(shè)置需要學(xué)習(xí)的均值和協(xié)方差兩個(gè)參數(shù)；

設(shè)置均值服從高斯分布，協(xié)方差服從逆威沙特分布；

假設(shè)所述同地面類型的多模態(tài)傳感數(shù)據(jù)集中包含有N個(gè)維度D的樣本，每個(gè)樣本的數(shù)據(jù)長(zhǎng)度為T_n，逆威沙特分布中協(xié)方差的對(duì)稱正定比例矩陣Δ和自由度參數(shù)v設(shè)置如下：

其中，y_t表示各時(shí)刻的觀察值；S_F表示均值矩陣的比例系數(shù)，其中，S_F＝1；

由公式(7)完成參數(shù)學(xué)習(xí)；

層次狄利克雷過程的集中系數(shù)γ和α+κ的先驗(yàn)?zāi)Ｐ途鶠镚amma(a,b)分布，自轉(zhuǎn)換系數(shù)ρ的先驗(yàn)?zāi)Ｐ蜑锽eta(c,d)分布，其中設(shè)置兩個(gè)先驗(yàn)?zāi)Ｐ偷某瑓?shù)為a＝0.5,b＝5,c＝10,d＝1，對(duì)粘性層次狄利克雷過程設(shè)置截?cái)嚯[性狀態(tài)數(shù)量為K＝5，定義粘性參數(shù)κ＝50；

利用所述同地面類型的多模態(tài)傳感數(shù)據(jù)集基于優(yōu)化的變分推斷法對(duì)后驗(yàn)分布進(jìn)行學(xué)習(xí)，獲得學(xué)習(xí)后的粘性層次狄利克雷過程隱馬爾科夫模型；

基于學(xué)習(xí)后的粘性層次狄利克雷過程隱馬爾科夫模型獲得最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型。