[發明專利]模型低算力需求的機器人控制方法及裝置

有效

• 申請號: 202210578143.5
• 申請日: 2022-05-26
• 公開（公告）號: CN114700957B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 張衛芳;支濤
• 申請（專利權）人: 北京云跡科技股份有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 張艷

1.一種模型低算力需求的機器人控制方法，其特征在于，包括：

確定運行目標模型所需要的第一算力；

當所述第一算力大于目標機器人對應的第二算力時，獲取所述目標機器人所屬局域網下的每個其他設備對應的第三算力；

依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型進行分割，得到所述第二算力對應的第一網絡模塊和每個所述第三算力對應的第二網絡模塊；

將所述第一網絡模塊發送給所述目標機器人，依據所述第三算力將所述第二網絡模塊發送給所述其他設備，其中，一個所述其他設備對應一個所述第二網絡模塊；

通過所述目標機器人運行所述第一網絡模塊，得到第一計算結果，通過每個所述其他設備運行每個所述其他設備對應的第二網絡模塊，得到每個所述其他設備對應的第二計算結果；

聚合所述第一計算結果和多個所述第二計算結果，得到所述目標模型對應的第三計算結果，并依據所述第三計算結果控制所述目標機器人；

其中，依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型進行分割，得到所述第二算力對應的第一網絡模塊和每個所述第三算力對應的第二網絡模塊，包括：以一個神經元為最小分割單位，依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型的輸入層進行分割，得到所述第二算力對應的第一神經元組和每個所述第三算力對應的第二神經元組，其中，所述第一神經元組和所述第二神經元組均包括一個或多個神經元；按照所述目標模型中每兩層臨近的網絡的神經元的連接關系，并依據所述輸入層分割的神經元組，對所述目標模型的其他層進行分割，得到所述第二算力對應的第一網絡模塊和每個所述第三算力對應的第二網絡模塊，其中，所述第一網絡模塊和所述第二網絡模塊均包括一層或多層網絡；

其中，確定運行目標模型所需要的第一算力之后，所述方法還包括：確定所述目標模型的第一模型規模；當所述第一算力大于目標機器人對應的第二算力時，依據所述第一算力、所述第二算力和所述第一模型規模確定所述目標機器人對應的第二模型規模，其中，所述第二模型規模是剪枝模型的模型規模；利用最小絕對值偏差函數，計算所述目標模型中每層網絡中每個卷積核的權重的第二損失值，得到所述目標模型中每層網絡對應的多個第二損失值；對所述目標模型中每層網絡對應的多個第二損失值按照值的大小進行升序排列，得到所述目標模型中每層網絡對應的第一結果列表；剪掉所述目標模型中每層網絡對應的第一結果列表中前百分之p個卷積核，得到所述目標模型中每層網絡對應的第二結果列表，p為預設剪枝率；根據所述目標模型中每層網絡對應的第二結果列表和所述目標模型，確定所述目標模型中每層網絡對應的剪枝網絡；根據所述目標模型中每層網絡對應的剪枝網絡，確定所述剪枝模型；利用所述剪枝模型控制所述目標機器人。

2.根據權利要求1所述的方法，其特征在于，所述依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型進行分割，得到所述第二算力對應的第一網絡模塊和每個所述第三算力對應的第二網絡模塊，包括：

以一層網絡為最小分割單位，依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型進行分割，得到所述第二算力對應的第一網絡模塊和每個所述第三算力對應的第二網絡模塊；

其中，所述第一網絡模塊和所述第二網絡模塊均包括一層或多層網絡。

3.根據權利要求1所述的方法，其特征在于，所述依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型進行分割，得到所述第二算力對應的第一網絡模塊和每個所述第三算力對應的第二網絡模塊，包括：

依據所述第一算力和所述第二算力，確定所述目標模型對應的骨架網絡，其中，運行所述骨架網絡所需要的算力小于等于所述第二算力；

依據所述第一算力、所述第二算力和多個所述第三算力對所述目標模型進行分割，得到所述第二算力對應的骨架網絡和每個所述第三算力對應的其他網絡；

將所述骨架網絡作為所述第一網絡模塊，將每個所述第三算力對應的所述其他網絡作為每個所述第三算力對應的第二網絡模塊。