[發(fā)明專利]編碼場景和任務相關學習信息及傳輸?shù)娇蓚鬏斏窠浘W(wǎng)絡層

在審

• 申請?zhí)枺?/td>: 202010090238.3
• 申請日: 2020-02-13
• 公開（公告）號: CN111563588A
• 公開（公告）日: 2020-08-21
• 發(fā)明（設計）人: H.克勞森;J.L.阿帕里西奧奧吉亞;M.瑟爾;E.索洛霍;C.溫
• 申請（專利權）人: 西門子股份公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 陳曦

一種系統(tǒng)包括機器人裝置，該機器人裝置包括非暫時性計算機可讀介質和機器人控制器。該非暫時性計算機可讀介質存儲包括基礎神經網(wǎng)絡層的一個或多個機器專用模塊。該機器人控制器接收任務專用模塊，該任務專用模塊包括與使任務能夠執(zhí)行的一個或多個任務專用的神經網(wǎng)絡層相對應的信息。該機器人控制器從操作環(huán)境收集一個或多個值，并使用這些值作為到包括基礎神經網(wǎng)絡層和任務專用神經網(wǎng)絡層的完整神經網(wǎng)絡的輸入，從而生成輸出值。該機器人控制器繼而可以基于該輸出值執(zhí)行任務。

技術領域

本發(fā)明總體上涉及與將與場景和任務相關的學習信息編碼和傳輸?shù)娇蓚鬏數(shù)纳窠浘W(wǎng)絡層中有關的方法、系統(tǒng)和裝置。所公開的技術可以應用于例如在工廠設置中增強后勤和任務執(zhí)行。

背景技術

機器學習的最新進展引發(fā)了大量研究和實踐開發(fā)，從而導致了從門戶網(wǎng)站到工業(yè)自動化的各種技術領域的廣泛應用。在采用新穎的學習算法方面，尤其是工業(yè)自動化領域已被證明既充滿希望，又具有挑戰(zhàn)性，例如在使用通用物理硬件智能地抓取各種對象的分類任務中可以看到。雖然廣義上的機器學習和人工智能(AI)技術為工業(yè)自動化帶來了革命性的機遇——特別是在工業(yè)4.0的杰出愿景的推動下，旨在實現(xiàn)生產線的大規(guī)模定制，但這一領域也凸顯了專家將要解決當前最先進的學習算法的缺點，以實現(xiàn)廣泛應用。在未來幾十年中，能夠快速可靠地彌合工業(yè)自動化中AI技術的潛力與實現(xiàn)之間的鴻溝很可能會成為制造業(yè)自動化市場中的關鍵區(qū)別因素之一。

減慢當前最先進學習算法的采用的一個方面是將學習到的策略和決策結構轉移到不同的代理甚至部署到不同環(huán)境的代理。我們當前的發(fā)明解決了裝置暴露于各種不同環(huán)境和相關任務的后一問題。特別是，如果可能的環(huán)境和任務的數(shù)量很大，那么訓練單個算法來捕獲代理可能面臨的所有可能的場景可能會變得令人望而卻步。例如，當使用神經網(wǎng)絡時，隨著將節(jié)點添加到給定網(wǎng)絡中，可能的神經元連接呈指數(shù)增長。計算時間取決于節(jié)點及其連接的數(shù)量。增加可能會對處理時間造成嚴重影響。尤其是當學習算法在嵌入式裝置上運行時，而不是在配備GPU的普通計算PC上，這種尺寸問題尤其突出。同時，行業(yè)正朝著邊緣自動化的方向發(fā)展，它在流程附近提供了更多的智能。在這些邊緣裝置上，可用的計算資源相當有限，并且在內存，速度和占用空間方面都有一些限制。因此，將大型通用網(wǎng)絡部署到支持AI的邊緣裝置通常是不可行的。

發(fā)明內容

本發(fā)明的實施例通過提供與將與場景和任務相關的學習信息編碼和傳輸?shù)娇蓚鬏數(shù)纳窠浘W(wǎng)絡層中有關的方法、系統(tǒng)和裝置，解決并克服了上述缺點和短處中的一個或多個。

根據(jù)一些實施例，一種系統(tǒng)包括機器人裝置，機器人裝置包括非暫時性計算機可讀介質和機器人控制器。非暫時性計算機可讀介質存儲包括基礎神經網(wǎng)絡層的一個或多個機器專用模塊。機器人控制器接收任務專用模塊，所述任務專用模塊包括與使任務能夠執(zhí)行的一個或多個任務專用的神經網(wǎng)絡層相對應的信息。機器人控制器從操作環(huán)境收集一個或多個值，并使用這些值作為到包括基礎神經網(wǎng)絡層和任務專用神經網(wǎng)絡層的完整神經網(wǎng)絡的輸入，以生成輸出值。機器人控制器然后可以基于輸出值執(zhí)行任務。

根據(jù)其他實施例，一種系統(tǒng)包括對象，對象包括非暫時性計算機可讀介質和網(wǎng)絡組件。非暫時性計算機可讀介質存儲多個任務專用模塊。每個任務專用模塊包括與任務專用的神經網(wǎng)絡層相對應的信息，使得能夠執(zhí)行涉及對象的任務。網(wǎng)絡組件根據(jù)請求將一個或多個任務專用模塊傳輸?shù)綑C器人裝置。機器人裝置將所傳輸?shù)娜蝿諏Ｓ媚K與機器專用模塊進行組合，以形成用于執(zhí)行涉及對象的分配任務的完整神經網(wǎng)絡。

根據(jù)其他實施例，一種方法包括一種機器人裝置，該機器人裝置存儲包括基礎神經網(wǎng)絡層的一個或多個機器專用模塊。機器人裝置接收任務專用模塊，該任務專用模塊包括與使得能夠執(zhí)行任務的一個或多個任務專用的神經網(wǎng)絡層相對應的信息，并且機器人裝置從操作環(huán)境中收集一個或多個值。機器人裝置然后使用這些值作為到包括基礎神經網(wǎng)絡層和任務專用神經網(wǎng)絡層的神經網(wǎng)絡的輸入，以生成輸出值。機器人裝置然后可以基于輸出值執(zhí)行任務。

通過以下參考附圖進行的說明性實施例的詳細描述，本發(fā)明的其他特征和優(yōu)點將變得顯而易見。