CN117032262B - 机器控制方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种机器控制方法、装置、电子设备及存储介质。包括：在使用目标机器对目标场景中多个待控制物体进行控制时，获取目标场景的当前环境状态数据和目标环境状态数据；将当前环境状态数据和目标环境状态数据输入至任务规划器，得到多个待控制物体中目标物体的坐标索引数据；将坐标索引数据和当前环境状态数据输入至任务执行器，得到目标机器中各部件的部件执行动作信息；控制目标机器的各部件，按照各部件的部件执行动作信息执行相应的动作，以对目标物体进行控制。本发明实施例的技术方案，实现了使用目标机器对目标场景中多个待控制物体进行有效的控制，提升了机器控制的通用性和灵活性，进一步提升机器控制的控制效果。

Description

机器控制方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及自动化控制技术领域，尤其涉及一种机器控制方法、装置、电子设备及存储介质。

背景技术

自动化是机器在没有或较少人为直接参与的情况下，根据人的要求，通过自动检测、信息处理、分析判断以及操纵控制，实现预期目标的过程。目前，自动化被广泛应用于工业、农业、军事、科学研究、交通运输、商业、医疗、服务和家庭等领域。

现有的机器控制方法，往往需要针对具体的控制任务设计特定的宏动作集合及规划机制。宏动作通常是由一系列机器各部件的运转(如，力或角度的变化)构成，一般采用传统控制算法(如，PID控制、自适应控制和模糊控制等)实现。此外，规划机制通常与具体的控制任务相关。因此，现有的机器控制方法往往需要对具体的控制任务进行非常精细化的设计，并且其工作流程通常是预先设定好的。

基于此，现有技术控制方法存在如下缺陷：(1)不同控制任务的规划机制需要进行“量身定制”，通用性较差；(2)基于规则实现的宏动作在很大程度上限制了机器操作的灵活性，并且难以适应新的工作场景；(3)预先设定好的工作流程难以应对复杂多变的工作场景，一旦场景发生突变，往往使得控制效果不佳。

发明内容

本发明提供了一种机器控制方法、装置、电子设备及存储介质，以实现使用目标机器对目标场景中多个待控制物体进行有效的控制，提升了机器控制的通用性和灵活性，进一步提升机器控制的控制效果。

根据本发明的一方面，提供了一种机器控制方法，该方法包括：

在使用目标机器对目标场景中多个待控制物体进行控制时，获取所述目标场景的当前环境状态数据和目标环境状态数据；

将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，其中，所述目标物品的坐标索引数据用于确定所述多个待控制物体中的目标物体；

将所述坐标索引数据和所述当前环境状态数据输入至预先训练完成的任务执行器中，得到所述目标机器中各部件的部件执行动作信息；

控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，以对所述目标物体进行控制。

根据本发明的另一方面，提供了一种机器控制装置。该装置包括：

环境状态获取模块，用于在使用目标机器对目标场景中多个待控制物体进行控制时，获取所述目标场景的当前环境状态数据和目标环境状态数据；

坐标索引得到模块，用于将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，其中，所述目标物品的坐标索引数据用于确定所述多个待控制物体中的目标物体；

动作信息得到模块，用于将所述坐标索引数据和所述当前环境状态数据输入至预先训练完成的任务执行器中，得到所述目标机器中各部件的部件执行动作信息；

机器部件控制模块，用于控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，以对所述目标物体进行控制。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的机器控制方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机器控制方法。

本发明实施例的技术方案，在使用目标机器对目标场景中多个待控制物体进行控制时，通过获取目标场景的当前环境状态数据和目标环境状态数据。将当前环境状态数据和目标环境状态数据输入至预先训练完成的任务规划器中，得到多个待控制物体中目标物体的坐标索引数据，其中，目标物品的坐标索引数据用于确定多个待控制物体中的目标物体。进而将坐标索引数据和当前环境状态数据输入至预先训练完成的任务执行器中，得到目标机器中各部件的部件执行动作信息。从而控制目标机器的各部件，按照各部件的部件执行动作信息执行相应的动作，以对目标物体进行控制。本发明实施例的技术方案，实现了使用目标机器对目标场景中多个待控制物体进行有效的控制，提升了机器控制的通用性和灵活性，进一步提升机器控制的控制效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种机器控制方法的流程示意图；

图2为本发明实施例一提供的适用于机器控制方法的任务规划的流程示意图；

图3为本发明实施例二提供的一种机器控制装置的结构示意图；

图4为本发明实施例三提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。

实施例一

图1为本发明实施例一提供的一种机器控制方法的流程示意图，本实施例可适用于使用目标机器对目标场景中多个待控制物体进行控制的情况，该方法可以由机器控制装置来执行，该机器控制装置可以采用硬件和/或软件的形式实现，该机器控制装置可配置于诸如计算机或者服务器等的电子设备中。

如图1所示，本实施例的方法包括：

S110、在使用目标机器对目标场景中多个待控制物体进行控制时，获取所述目标场景的当前环境状态数据和目标环境状态数据。

其中，目标机器可以理解为用于在目标场景中对多个待控制物体进行控制的机器。例如，目标机器可以为具有预设数量个可活动关节的机器臂，其中，预设数量可以根据实际需求设置，在此不做具体限定，例如，3、4或5等。在本发明实施例中，目标场景为三维空间场景。目标场景可以理解为需要进行物体控制的场景。可选地，目标场景可以为包括有需要控制的成堆物体的场景。待控制物体可以理解为在目标场景中需要进行控制的物体。在本发明实施例中，当前环境状态数据可以包括但不限于当前时刻下待控制物体在目标场景中的状态数据以及目标机器在当前时刻下的状态数据。

在本发明实施例中，获取当前时刻下待控制物体在目标场景中的状态数据的方式，具体可以为，通过安装在目标机器上的传感器采集或摄像机拍摄得到的。示例性的，例如：当前环境状态数据可以为机器臂各个关节的角度和桌面物品摆放情况的实时照片。目标环境状态数据可以包括但不限于待控制物体在目标场景中需要达到的状态数据以及目标机器控制待控制物体需要达到的状态。

在本发明实施例中，所述获取所述目标场景的当前环境状态数据，可以包括：获取针对所述多个待控制物体在所述目标场景的彩色图像和深度图像；基于所述彩色图像和所述深度图像，得到所述目标场景的当前环境状态数据。

其中，彩色图像可以是使用彩色相机对存在有待控制物体的目标场景以及目标机器进行拍摄后得到的图像。深度图像可以是使用深度相机对存在有待控制物体的目标场景以及目标机器进行拍摄后得到的图像。

在本方发明实施例中，基于所述彩色图像和所述深度图像，得到所述目标场景的当前环境状态数据，可以包括：可以对所述彩色图像进行信息提取，得到各待控制物体的二维平面坐标集。基于深度图像得到各像素点距摄像头的距离。进而可以基于所述二维平面坐标集和各像素点距摄像头的距离，得到彩色图像中各待控制物体的三维空间坐标集。

在本发明实施例中，获取目标场景的目标环境状态数据，具体可以为，获取针对所述目标场景的任务需求，其中，所述任务需求包括目标场景的目标环境状态数据。

S120、将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据。

其中，任务规划器可以理解为用于基于当前环境状态数据和目标环境状态数据，得到所述多个待控制物体中目标物体的坐标索引数据。所述目标物品的坐标索引数据用于确定所述多个待控制物体中的目标物体。

在本发明实施例中，目标物体的坐标索引数据可以包括第一子坐标索引数据和第二子坐标索引数据。其中，所述第一子坐标索引数据可以用于确定当前环境状态下的目标物体。也就是说，第一子坐标索引可以用于表征在当前环境状态下多个待控制物体中目标物体的状态信息(如，位置和角度)。所述第二子坐标索引数据可以用于确定目标环境状态下所述目标物体的目标物体状态，所述目标物体状态包括所述目标物体的坐标。也就是说，第二子坐标索引可以表征在目标环境状态下目标物体需要达到的状态信息。

具体的，在得到当前环境状态数据和目标环境状态数据后，可以将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中。从而可以基于所述任务规划器，确定所述多个待控制物体中的目标物体，并得到所述目标物体的坐标索引数据。

在本发明实施例中，所述将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，可以包括：将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中。从而可以确定在所述目标场景中目标位置点的坐标索引。进而可以根据目标位置点和各所述待控制物体之间的位置关系，基于目标位置点的坐标索引，确定距离所述目标位置点最近的待控制物体的坐标索引，以作为所述多个待控制物体中目标物体的坐标索引数据。其中，目标位置点可以为距离需要控制的目标物体最近的位置点。

可选地，参见图2，所述将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，可以包括：可以将所述当前环境状态数据(图2中的当前环境状态)和所述目标环境状态数据(图2中的目标环境状态)进行拼接处理。从而得到拼接后的环境状态数据(图2中的环境状态)。进而可以将所述拼接后的环境状态数据输入至预先训练完成的任务规划器(图2中的神经网络)中。从而可以得到所述多个待控制物体中目标物体的坐标索引数据(图2中的坐标索引)。在得到所述坐标索引数据后，可以将所述坐标索引数据按照预设组成规则进行划分，从而可以得到第一子坐标索引数据(图2中的目标物坐标索引)和第二子坐标索引数据(图2中的目标状态坐标索引)。

示例性的，坐标索引数据为一个三维的实数向量，各位维度的取值范围均为[-1，1]。示例性的，某一待控制物体在空间三个维度的分布范围分别为目标机器在该空间的三个维度的可到达范围分别为当目标物坐标索引数据的取值为[-1,-1,-1]时，则表明当前选中的目标物体为距离/>这个坐标最近的一个物体。当目标物坐标索引取值为[1,1,1]时，表明当前选中的目标物体为距离/>这个坐标最近的一个物体。当目标状态坐标索引取值为[-1,-1,-1]时，则表明当前目标物需要被移动到/>这个位置。当目标状态坐标索引取值为[1,1,1]时，表明当前目标物需要被移动到这个位置。

在本发明实施例中，所述方法还包括：获取第一样本数据。其中，所述第一样本数据可以包括当前环境状态数据和与所述当前环境状态数据对应的期望环境状态数据，当前环境状态数据为在某一业务场景中多个参考物体在当前时刻下的环境状态数据，期望环境状态数据为在所述某一业务场景中所述多个参考物体在成功满足业务需求时环境状态数据。

在上述基础上，在得到第一样本数据后，可以将所述第一样本数据输入至第一初始网络模型中，得到所述第一样本数据的第一实际输出结果。之后便能够获取与所述第一样本数据以及所述第一实际输出结果对应的第一期望数据；其中，所述第一期望数据可以是基于所述第一样本数据以及所述第一实际输出结果计算得到的奖赏数据。进而可以根据所述第一样本数据、所述第一期望数据以及所述第一实际输出结果，使用强化学习的方法对所述第一初始网络模型的网络参数进行调整，以得到所述训练完成的任务规划器。其中，第一初始网络模型可以理解为预先构建的用于训练任务规划器的网络模型。需要说明的是，基于所述第一样本数据以及所述第一实际输出结果计算得到的奖赏数据可以理解为用于定量地描述所述某一业务场景中业务需求的满足程度，即业务执行结果的好坏的数据。

S130、将所述坐标索引数据和所述当前环境状态数据输入至预先训练完成的任务执行器中，得到所述目标机器中各部件的部件执行动作信息。

其中，部件执行动作信息可以理解为目标机器中各部件需要执行的动作信息。

具体的，在得到目标物体的坐标索引数据后，可以将目标物体的坐标索引数据和当前环境状态数据输入至预先训练完成的任务执行器中。从而可以基于所述任务执行器对目标机器中各部件的执行工作进行规划，从而得到所述目标机器中各部件的部件执行动作信息。

在本发明实施例中，所述方法还包括：获取第二样本数据。其中，所述第二样本数据包括所述多个参考物体中目标物体的坐标索引数据和当前环境状态数据。

在得到第二样本数据后，可以将所述第二样本数据输入至第二初始网络模型中，得到所述第二样本数据的第二实际输出结果。之后便能够获取与所述第二样本数据以及所述第二实际输出结果对应的第二期望数据；其中所述第二期望数据可以是基于所述第二样本数据以及所述第二实际输出结果计算得到的奖赏数据。进而可以根据所述第二样本数据、所述第二期望数据以及所述第二实际输出结果，使用强化学习的方法对所述第二初始网络模型的网络参数进行调整，以得到所述训练完成的任务执行器。其中，第二初始网络模型可以理解为预先构建的用于训练任务执行器的网络模型。需要说明的是，基于所述第二样本数据以及所述第二实际输出结果计算得到的奖赏数据可以理解为用于定量地描述所述目标机器对于所述目标物体的控制效果，即当前环境状态下的目标物体距离目标环境状态下的目标物体状态的远近的数据。

在本发明实施例中，训练任务执行器和任务规划器的前后顺序，可以是先训练任务执行器，在得到一个具有足够性能的任务执行器后，可以在此基础上训练任务规划器。

S140、控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，以对所述目标物体进行控制。

具体的，在得到各所述部件的部件执行动作信息后，可以控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，从而实现对所述目标物体进行控制。

在本发明实施例中，在按照各所述部件的部件执行动作信息执行相应的动作后，判断任务规划器的工作流程是否结束，即是否完成了任务规划所设定的任务或者是否达到任务规划的预设终止条件。若是，则判断任务执行器的工作流程是否结束，即是否完成任务执行器所输出的目标任务状态或者是否达到了任务执行器的预设终止条件。

本发明实施例的技术方案，在使用目标机器对目标场景中多个待控制物体进行控制时，通过获取目标场景的当前环境状态数据和目标环境状态数据。将当前环境状态数据和目标环境状态数据输入至预先训练完成的任务规划器中，得到多个待控制物体中目标物体的坐标索引数据，其中，目标物品的坐标索引数据用于确定多个待控制物体中的目标物体。进而将坐标索引数据和当前环境状态数据输入至预先训练完成的任务执行器中，得到目标机器中各部件的部件执行动作信息。从而控制目标机器的各部件，按照各部件的部件执行动作信息执行相应的动作，以对目标物体进行控制。本发明实施例的技术方案，实现了使用目标机器对目标场景中多个待控制物体进行有效的控制，提升了机器控制的通用性和灵活性，进一步提升机器控制的控制效果。

实施例二

图3为本发明实施例二提供的一种机器控制装置的结构示意图。如图3所示，该装置包括：环境状态获取模块210、坐标索引得到模块220、动作信息得到模块230和机器部件控制模块240。

其中，环境状态获取模块210，用于在使用目标机器对目标场景中多个待控制物体进行控制时，获取所述目标场景的当前环境状态数据和目标环境状态数据；坐标索引得到模块220，用于将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，其中，所述目标物品的坐标索引数据用于确定所述多个待控制物体中的目标物体；动作信息得到模块230，用于将所述坐标索引数据和所述当前环境状态数据输入至预先训练完成的任务执行器中，得到所述目标机器中各部件的部件执行动作信息；机器部件控制模块240，用于控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，以对所述目标物体进行控制。

本发明实施例的技术方案，在使用目标机器对目标场景中多个待控制物体进行控制时，通过获取目标场景的当前环境状态数据和目标环境状态数据。将当前环境状态数据和目标环境状态数据输入至预先训练完成的任务规划器中，得到多个待控制物体中目标物体的坐标索引数据，其中，目标物品的坐标索引数据用于确定多个待控制物体中的目标物体。进而将坐标索引数据和当前环境状态数据输入至预先训练完成的任务执行器中，得到目标机器中各部件的部件执行动作信息。从而控制目标机器的各部件，按照各部件的部件执行动作信息执行相应的动作，以对目标物体进行控制。本发明实施例的技术方案，实现了使用目标机器对目标场景中多个待控制物体进行有效的控制，提升了机器控制的通用性和灵活性，进一步提升机器控制的控制效果。

可选地，环境状态获取模块210包括当前环境状态获取单元；其中，当前环境状态获取单元，用于：

获取针对所述多个待控制物体在所述目标场景的彩色图像和深度图像；

基于所述彩色图像和所述深度图像，得到所述目标场景的当前环境状态数据。

可选地，该装置还包括任务规划器训练模块；其中，任务规划器训练模块，用于：

获取第一样本数据；其中，所述第一样本数据包括当前环境状态数据和与所述当前环境状态数据对应的期望环境状态数据，当前环境状态数据为在某一业务场景中多个参考物体在当前时刻下的环境状态数据，期望环境状态数据为在所述某一业务场景中所述多个参考物体在成功满足业务需求时的环境状态数据；

将所述第一样本数据输入至第一初始网络模型中，得到所述第一样本数据的第一实际输出结果；

获取与所述第一样本数据以及所述第一实际输出结果对应的第一期望数据；其中，所述第一期望数据是基于所述第一样本数据以及所述第一实际输出结果计算得到的奖赏数据；

根据所述第一样本数据、所述第一期望数据以及所述第一实际输出结果，使用强化学习的方法对所述第一初始网络模型的网络参数进行调整，以得到所述训练完成的任务规划器。

可选地，该装置还包括任务执行器训练模块；其中，任务执行器训练模块，用于：

获取第二样本数据；其中，所述第二样本数据包括所述多个参考物体中目标物体的坐标索引数据和当前环境状态数据；

将所述第二样本数据输入至第二初始网络模型中，得到所述第二样本数据的第二实际输出结果；

获取与所述第二样本数据以及所述第二实际输出结果对应的第二期望数据；其中，所述第二期望数据是基于所述第二样本数据以及所述第二实际输出结果计算得到的奖赏数据；

根据所述第二样本数据、所述第二期望数据以及所述第二实际输出结果，使用强化学习的方法对所述第二初始网络模型的网络参数进行调整，以得到所述训练完成的任务执行器。

可选地，坐标索引得到模块220，具体用于：

将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，确定在所述目标场景中目标位置点的坐标索引；

根据目标位置点和各所述待控制物体之间的位置关系，基于目标位置点的坐标索引，确定距离所述目标位置点最近的待控制物体的坐标索引，以作为所述多个待控制物体中目标物体的坐标索引数据。

可选地，坐标索引得到模块220包括环境状态数据处理单元，其中，环境状态数据处理单元，用于：

将所述当前环境状态数据和所述目标环境状态数据进行拼接处理，得到拼接后的环境状态数据，将所述拼接后的环境状态数据输入至预先训练完成的任务规划器中。

可选地，所述目标物体的坐标索引数据包括第一子坐标索引数据和第二子坐标索引数据，其中，所述第一子坐标索引数据用于确定当前环境状态下的目标物体，所述第二子坐标索引数据用于确定目标环境状态下所述目标物体的目标物体状态，所述目标物体状态包括所述目标物体的坐标。

本发明实施例所提供的机器控制装置可执行本发明任意实施例所提供的机器控制方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述机器控制装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例三

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如机器控制方法。

在一些实施例中，机器控制方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的机器控制方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行机器控制方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种机器控制方法，其特征在于，包括：

在使用目标机器对目标场景中多个待控制物体进行控制时，获取所述目标场景的当前环境状态数据和目标环境状态数据，其中，所述当前环境状态数据包括当前时刻下所述待控制物体在所述目标场景中的状态数据，所述目标环境状态数据包括所述待控制物体在所述目标场景中需要达到的状态数据以及所述目标机器控制所述待控制物体需要达到的状态；

将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，其中，所述目标物品的坐标索引数据用于确定所述多个待控制物体中的目标物体，所述目标物体的坐标索引数据包括第一子坐标索引数据和第二子坐标索引数据，所述第一子坐标索引数据用于确定当前环境状态下的目标物体；所述第二子坐标索引数据用于确定目标环境状态下所述目标物体的目标物体状态，所述目标物体状态包括所述目标物体的坐标；

将所述坐标索引数据和所述当前环境状态数据输入至预先训练完成的任务执行器中，得到所述目标机器中各部件的部件执行动作信息；

控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，以对所述目标物体进行控制。

2.根据权利要求1所述的方法，其特征在于，所述获取所述目标场景的当前环境状态数据，包括：

获取针对所述多个待控制物体在所述目标场景的彩色图像和深度图像；

基于所述彩色图像和所述深度图像，得到所述目标场景的当前环境状态数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取第一样本数据；其中，所述第一样本数据包括当前环境状态数据和与所述当前环境状态数据对应的期望环境状态数据，当前环境状态数据为在某一业务场景中多个参考物体在当前时刻下的环境状态数据，期望环境状态数据为在所述某一业务场景中所述多个参考物体在成功满足业务需求时的环境状态数据；

将所述第一样本数据输入至第一初始网络模型中，得到所述第一样本数据的第一实际输出结果；

获取与所述第一样本数据以及所述第一实际输出结果对应的第一期望数据；其中，所述第一期望数据是基于所述第一样本数据以及所述第一实际输出结果计算得到的奖赏数据；

根据所述第一样本数据、所述第一期望数据以及所述第一实际输出结果，使用强化学习的方法对所述第一初始网络模型的网络参数进行调整，以得到所述训练完成的任务规划器。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取第二样本数据；其中，所述第二样本数据包括所述多个参考物体中目标物体的坐标索引数据和当前环境状态数据；

将所述第二样本数据输入至第二初始网络模型中，得到所述第二样本数据的第二实际输出结果；

获取与所述第二样本数据以及所述第二实际输出结果对应的第二期望数据；其中，所述第二期望数据是基于所述第二样本数据以及所述第二实际输出结果计算得到的奖赏数据；

根据所述第二样本数据、所述第二期望数据以及所述第二实际输出结果，使用强化学习的方法对所述第二初始网络模型的网络参数进行调整，以得到所述训练完成的任务执行器。

5.根据权利要求1所述的方法，其特征在于，所述将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，包括：

将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，确定在所述目标场景中目标位置点的坐标索引；

根据目标位置点和各所述待控制物体之间的位置关系，基于目标位置点的坐标索引，确定距离所述目标位置点最近的待控制物体的坐标索引，以作为所述多个待控制物体中目标物体的坐标索引数据。

6.根据权利要求1所述的方法，其特征在于，所述将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，包括：

将所述当前环境状态数据和所述目标环境状态数据进行拼接处理，得到拼接后的环境状态数据，将所述拼接后的环境状态数据输入至预先训练完成的任务规划器中。

7.根据权利要求1所述的方法，其特征在于，所述目标物体的坐标索引数据包括第一子坐标索引数据和第二子坐标索引数据，其中，所述第一子坐标索引数据用于确定当前环境状态下的目标物体，所述第二子坐标索引数据用于确定目标环境状态下所述目标物体的目标物体状态，所述目标物体状态包括所述目标物体的坐标。

8.一种机器控制装置，其特征在于，包括：

环境状态获取模块，用于在使用目标机器对目标场景中多个待控制物体进行控制时，获取所述目标场景的当前环境状态数据和目标环境状态数据，其中，所述当前环境状态数据包括当前时刻下所述待控制物体在所述目标场景中的状态数据，所述目标环境状态数据包括所述待控制物体在所述目标场景中需要达到的状态数据以及所述目标机器控制所述待控制物体需要达到的状态；

坐标索引得到模块，用于将所述当前环境状态数据和所述目标环境状态数据输入至预先训练完成的任务规划器中，得到所述多个待控制物体中目标物体的坐标索引数据，其中，所述目标物品的坐标索引数据用于确定所述多个待控制物体中的目标物体，所述目标物体的坐标索引数据包括第一子坐标索引数据和第二子坐标索引数据，所述第一子坐标索引数据用于确定当前环境状态下的目标物体；所述第二子坐标索引数据用于确定目标环境状态下所述目标物体的目标物体状态，所述目标物体状态包括所述目标物体的坐标；

动作信息得到模块，用于将所述坐标索引数据和所述当前环境状态数据输入至预先训练完成的任务执行器中，得到所述目标机器中各部件的部件执行动作信息；

机器部件控制模块，用于控制所述目标机器的各所述部件，按照各所述部件的部件执行动作信息执行相应的动作，以对所述目标物体进行控制。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的机器控制方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的机器控制方法。