1.一种机器人路径规划方法,其特征在于,包括:S10:获取训练集中S个人机交互场景及其对应的S条示范路径,基于每条示范路径中的节点得到示范节点集合,并提取所述示范节点集合中每个示范节点的交互特征向量,其具体包括:基于示范节点到示范路径中的目标节点的欧式距离计算所述示范节点的第一特征值,其计算公式为:其中,
基于所述示范节点到最近障碍物的欧式距离计算所述示范节点的第二特征值,其计算公式为:其中,
基于所述示范节点与所述示范节点前方行人的角度和距离计算所述示范节点的第三特征值,其计算公式为:其中,
基于所述示范节点与所述示范节点后方行人的角度和距离计算所述示范节点的第四特征值,其计算公式为:其中,
基于所述示范节点与所述示范节点右侧行人的角度和距离计算所述示范节点的第五特征值,其计算公式为:其中,
基于所述示范节点的第一特征值、所述示范节点的第二特征值、所述示范节点的第三特征值、所述示范节点的第四特征值和所述示范节点的第五特征值得到所述示范节点的交互特征向量;
S20:利用RRT*算法对所述S个人机交互场景中每个人机交互场景生成n条规划路径,基于每条规划路径中的节点得到规划节点子集,并提取所述规划节点子集中每个规划节点的交互特征向量,其具体包括:基于规划节点到规划路径中的目标节点的欧式距离计算所述规划节点的第一特征值,其计算公式为:其中,
基于所述规划节点到最近障碍物的欧式距离计算所述规划节点的第二特征值,其计算公式为:其中,
基于所述规划节点与所述规划节点前方行人的角度和距离计算所述规划节点的第三特征值,其计算公式为:其中,
基于所述规划节点与所述规划节点后方行人的角度和距离计算所述规划节点的第四特征值,其计算公式为:其中,
基于所述规划节点与所述规划节点右侧行人的角度和距离计算所述规划节点的第五特征值,其计算公式为:其中,
基于所述规划节点的第一特征值、所述规划节点的第二特征值、所述规划节点的第三特征值、所述规划节点的第四特征值和所述规划节点的第五特征值得到所述规划节点的交互特征向量;
S30:基于同一人机交互场景对应的示范节点集合中的各个示范节点分别和n个规划节点子集中的各个规划节点生成一组示范节点和规划节点对,分别将每组示范节点和规划节点对输入至生成对抗网络中,输出每组示范节点和规划节点对中示范节点和规划节点的代价值,并基于所述生成对抗网络的输出构建优化函数以对所述生成对抗网络进行迭代训练;
S40:计算S个人机交互场景中每组示范节点和规划节点对的交互特征向量误差,并基于所述每组示范节点和规划节点对的交互特征向量误差计算S个人机交互场景中所有示范路径和所有规划路径之间的路径误差;
S50:将所述路径误差与预设误差阈值进行比较,若所述路径误差大于所述预设误差阈值,则返回执行步骤S10重新获取S个人机交互场景及其对应的S条示范路径,直到所述路径误差小于等于所述预设误差阈值,得到训练好的机器人路径规划模型。
2.根据权利要求1所述的机器人路径规划方法,其特征在于,所述S个人机交互场景均采用二维栅格地图构建;
每个人机交互场景中包含不同的障碍物信息、行人信息、起始节点和目标节点;
所述障碍物信息包括障碍物种类和障碍物坐标,所述行人信息包括行人坐标、运动速度和运动方向。
3.根据权利要求1所述的机器人路径规划方法,其特征在于,步骤S30包括:基于同一人机交互场景对应的示范节点集合中的各个示范节点分别和n个规划节点子集中的各个规划节点生成一组示范节点和规划节点对;
分别将每组示范节点和规划节点对输入至生成对抗网络的生成器中,输出每组示范节点和规划节点对中示范节点和规划节点的代价值;
基于所述生成器输出的规划节点的代价值构建第一优化函数,并对所述生成器进行迭代训练,直到所述第一优化函数最小;
将所述每组示范节点和规划节点对中示范节点和规划节点的代价值输入至所述生成对抗网络的判别器中以对所述规划节点的代价值和所述示范节点的代价值进行判别;
基于所述判别器的输出构建第二优化函数,并对所述判别器进行迭代训练,直到所述第二优化函数最大。
4.根据权利要求3所述的机器人路径规划方法,其特征在于,所述第一优化函数为:其中,G表示生成对抗网络的生成器,D表示生成对抗网络的判别器,p表示一组示范节点和规划节点对中的规划节点,G(p)表示生成器对规划节点p计算的代价值,D(G(p))表示判别器为规划节点p的代价值的判分,所述第二优化函数为:
其中,d表示示范节点和规划节点对中与规划节点p对应的示范节点,D(d)表示判别器为示范节点d的代价值的判分。
5.根据权利要求4所述的机器人路径规划方法,其特征在于,所述生成器的输入层包括五个神经元,输出层包括一个神经元;所述判别器的输入层包括六个神经元,输出层包括一个神经元。
6.根据权利要求1所述的机器人路径规划方法,其特征在于,S个人机交互场景中所有示范路径和所有规划路径之间的路径误差的计算公式为:其中,S表示人机交互场景的数量,error
其中,n表示第i个人机交互场景中的规划路径的数量,error其中,N表示第m条规划路径节点数量,error其中,
7.一种机器人路径规划装置,其特征在于,包括:数据获取模块,用于获取训练集中S个人机交互场景及其对应的S条示范路径,基于每条示范路径中的节点得到示范节点集合,并提取所述示范节点集合中每个示范节点的交互特征向量,其具体包括:基于示范节点到示范路径中的目标节点的欧式距离计算所述示范节点的第一特征值,其计算公式为:其中,
基于所述示范节点到最近障碍物的欧式距离计算所述示范节点的第二特征值,其计算公式为:其中,
基于所述示范节点与所述示范节点前方行人的角度和距离计算所述示范节点的第三特征值,其计算公式为:其中,
基于所述示范节点与所述示范节点后方行人的角度和距离计算所述示范节点的第四特征值,其计算公式为:其中,
基于所述示范节点与所述示范节点右侧行人的角度和距离计算所述示范节点的第五特征值,其计算公式为:其中,
基于所述示范节点的第一特征值、所述示范节点的第二特征值、所述示范节点的第三特征值、所述示范节点的第四特征值和所述示范节点的第五特征值得到所述示范节点的交互特征向量;
路径规划模块,用于利用RRT*算法对所述S个人机交互场景中每个人机交互场景生成n条规划路径,基于每条规划路径中的节点得到规划节点子集,并提取所述规划节点子集中每个规划节点的交互特征向量,其具体包括:基于规划节点到规划路径中的目标节点的欧式距离计算所述规划节点的第一特征值,其计算公式为:其中,
基于所述规划节点到最近障碍物的欧式距离计算所述规划节点的第二特征值,其计算公式为:其中,
基于所述规划节点与所述规划节点前方行人的角度和距离计算所述规划节点的第三特征值,其计算公式为:其中,
基于所述规划节点与所述规划节点后方行人的角度和距离计算所述规划节点的第四特征值,其计算公式为:其中,
基于所述规划节点与所述规划节点右侧行人的角度和距离计算所述规划节点的第五特征值,其计算公式为:其中,
基于所述规划节点的第一特征值、所述规划节点的第二特征值、所述规划节点的第三特征值、所述规划节点的第四特征值和所述规划节点的第五特征值得到所述规划节点的交互特征向量;
代价值计算模块,用于基于同一人机交互场景对应的示范节点集合中的各个示范节点分别和n个规划节点子集中的各个规划节点生成一组示范节点和规划节点对,分别将每组示范节点和规划节点对输入至生成对抗网络中,输出每组示范节点和规划节点对中示范节点和规划节点的代价值,并基于所述生成对抗网络的输出构建优化函数以对所述生成对抗网络进行迭代训练;
路径误差计算模块,用于计算S个人机交互场景中每组示范节点和规划节点对的交互特征向量误差,并基于所述每组示范节点和规划节点对的交互特征向量误差计算S个人机交互场景中所有示范路径和所有规划路径之间的路径误差;
模型获取模块,用于将所述路径误差与预设误差阈值进行比较,若所述路径误差大于所述预设误差阈值,则返回执行所述数据获取模块重新获取S个人机交互场景及其对应的S条示范路径的步骤,直到所述路径误差小于等于所述预设误差阈值,得到训练好的机器人路径规划模型。
8.一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上包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的机器人路径规划方法的步骤。