(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210578143.5 (22)申请日 2022.05.26 (65)同一申请的已公布的文献号 申请公布号 CN 114700957 A (43)申请公布日 2022.07.05 (73)专利权人 北京云迹科技股份有限公司 地址 100089 北京市海淀区北四环西路67 号7层702室 (72)发明人 张卫芳　支涛　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 专利代理师 张艳 (51)Int.Cl. B25J 9/16(2006.01)(56)对比文件 WO 2022001805 A1,202 2.01.06 CN 114282670 A,202 2.04.05 CN 114429208 A,202 2.05.03 CN 111651253 A,2020.09.1 1 WO 2022063247 A1,202 2.03.31 CN 113240108 A,2021.08.10 CN 114186681 A,202 2.03.15 WO 2021164752 A1,2021.08.26 CN 113657483 A,2021.1 1.16 CN 112668716 A,2021.04.16 CN 114492742 A,202 2.05.13 CN 112966565 A,2021.0 6.15 CN 1071695 60 A,2017.09.15 CN 111782401 A,2020.10.16 CN 111782401 A,2020.10.16 审查员 张倩茹 (54)发明名称 模型低算力需求的机 器人控制方法及装置 (57)摘要 本公开涉及机器人控制技术领域， 提供了模 型低算力需求的机器人控制方法及装置。 该方法 包括： 确定运行目标模型所需要的第一算力； 当 第一算力大于目标机器人对应的第二算力时， 获 取目标机器人所属局域网下的每个其他设备对 应的第三算力； 依据第一算力、 第二算力和多个 第三算力对目标模型进行分割， 得到第二算力对 应的第一网络模块和每个第三算力对应的第二 网络模块； 通过目标机器人运行第一网络模块， 得到第一计算结果， 通过每个其他设备运行每个 其他设备对应的第二网络模块， 得到每个其他设 备对应的第二计算结果； 聚合第一计算结果和多 个第二计算结果， 得到目标模型对应的第三计算 结果， 并依据第三计算结果控制目标机 器人。 权利要求书3页 说明书10页 附图3页 CN 114700957 B 2022.08.26 CN 114700957 B 1.一种模型低算力需求的机器人控制方法， 其特 征在于， 包括： 确定运行目标模型 所需要的第一 算力； 当所述第一算力大于目标机器人对应的第 二算力时， 获取所述目标机器人所属局域网 下的每个其他设备对应的第三 算力； 依据所述第一算力、 所述第二算力和多个所述第三算力对所述目标模型进行分割， 得 到所述第二 算力对应的第一网络模块和每 个所述第三 算力对应的第二网络模块； 将所述第一网络模块发送给所述目标机器人， 依据 所述第三算力将所述第 二网络模块 发送给所述其他设备， 其中， 一个所述 其他设备对应一个所述第二网络模块； 通过所述目标机器人运行所述第一网络模块， 得到第一计算结果， 通过每个所述其他 设备运行每个所述其他设备对应的第二网络模块， 得到每个所述其他设备对应的第二计算 结果； 聚合所述第 一计算结果和多个所述第 二计算结果， 得到所述目标模型对应的第 三计算 结果， 并依据所述第三计算结果控制所述目标机器人； 其中， 依据所述第一算力、 所述第二算力和多个所述第三算力对所述目标模型进行分 割， 得到所述第二算力对应的第一网络模块和每个所述第三算力对应的第二网络模块， 包 括： 以一个神经元为最小分割单位， 依据所述第一算力、 所述第二算力和多个所述第三算力 对所述目标模型的输入层进行分割， 得到所述第二算力对应的第一神经元组和每个所述第 三算力对应的第二神经元组， 其中， 所述第一神经元组和所述第二神经元组均包括一个或 多个神经元； 按照所述 目标模型中每两层临近的网络的神经元的连接关系， 并依据所述输 入层分割的神经元组， 对所述 目标模型 的其他层进行分割， 得到所述第二算力对应的第一 网络模块和每个所述第三算力对应的第二网络模块， 其中， 所述第一网络模块和所述第二 网络模块均包括 一层或多层网络； 其中， 确定运行目标模型所需要的第 一算力之后， 所述方法还包括： 确定所述目标模型 的第一模 型规模； 当所述第一算力大于目标机器人对应的第二算力时， 依据所述第一算力、 所述第二算力和所述第一模型规模确定所述 目标机器人对应的第二模型规模， 其中， 所述 第二模型规模是剪枝模型 的模型规模； 利用最小绝对值偏差函数， 计算所述 目标模型中每 层网络中每个卷积核的权重的第二损失值， 得到所述目标模型中每层网络对应的多个第二 损失值； 对所述目标模型中每层网络对应的多个第二损失值按照值的大小进行升序排列， 得到所述目标模型中每层网络对应的第一结果列 表； 剪掉所述目标模型中每层网络对应的 第一结果列 表中前百分之p个卷积核， 得到所述目标模型中每层网络对应的第二结果列 表， p为预设剪枝率； 根据所述目标模型中每层网络对应的第二结果列表和所述目标模型， 确定 所述目标模型中每层网络对应的剪枝网络； 根据所述目标模型中每层网络对应的剪枝网 络， 确定所述剪枝模型； 利用所述剪枝模型控制所述目标机器人。 2.根据权利要求1所述的方法， 其特征在于， 所述依据所述第一算力、 所述第二算力和 多个所述第三算力对所述目标模型进 行分割， 得到所述第二算力对应的第一网络模块和每 个所述第三 算力对应的第二网络模块， 包括： 以一层网络为最小分割单位， 依据所述第一算力、 所述第二算力和多个所述第三算力 对所述目标模型进行分割， 得到所述第二算力对应的第一网络模块和每个所述第三算力对 应的第二网络模块；权　利　要　求　书 1/3 页 2 CN 114700957 B 2其中， 所述第一网络模块和所述第二网络模块均包括 一层或多层网络 。 3.根据权利要求1所述的方法， 其特征在于， 所述依据所述第一算力、 所述第二算力和 多个所述第三算力对所述目标模型进 行分割， 得到所述第二算力对应的第一网络模块和每 个所述第三 算力对应的第二网络模块， 包括： 依据所述第一算力和所述第 二算力， 确定所述目标模型对应的骨架网络， 其中， 运行所 述骨架网络所需要的算力小于等于所述第二 算力； 依据所述第一算力、 所述第二算力和多个所述第三算力对所述目标模型进行分割， 得 到所述第二 算力对应的骨架网络和每 个所述第三 算力对应的其 他网络； 将所述骨架网络作为所述第 一网络模块， 将每个所述第 三算力对应的所述其他网络作 为每个所述第三 算力对应的第二网络模块。 4.根据权利要求1所述的方法， 其特征在于， 所述确定运行目标模型所需要的第 一算力 之后， 所述方法还 包括： 确定所述目标模型的第一模型规模； 当所述第一算力大于目标机器人对应的第二算力时， 依据所述第一算力、 所述第二算 力和所述第一模型规模确定所述目标机器人对应的第二模型规模； 依据所述第一模型规模和所述第二模型规模， 对所述目标模型进行模型蒸馏处理， 得 到蒸馏模型， 利用所述蒸馏模型控制所述目标机器人。 5.根据权利要求4所述的方法， 其特征在于， 所述依据所述第 一模型规模和所述第 二模 型规模， 对所述目标模型进行模型蒸馏处 理， 得到蒸馏模型， 包括： 根据所述目标模型的输出和蒸馏模型的输出， 利用距离交并比函数计算第一损 失值， 其中， 所述蒸馏模型为对所述目标模型进行 所述模型蒸馏处 理后得到的模型； 基于所述第一损失值对所述目标模型进行 所述模型蒸馏处 理。 6.一种模型低算力需求的机器人控制装置， 其特 征在于， 包括： 确定模块， 被 配置为确定运行目标模型 所需要的第一 算力； 获取模块， 被配置为当所述第一算力大于目标机器人对应的第二算力时， 获取所述目 标机器人 所属局域网下的每 个其他设备对应的第三 算力； 分割模块， 被配置为依据所述第一算力、 所述第二算力和多个所述第三算力对所述目 标模型进 行分割， 得到所述第二算力对应的第一网络模块和每个所述第三算力对应的第二 网络模块； 发送模块， 被配置为将所述第一网络模块发送给所述目标机器人， 依据所述第三算力 将所述第二网络模块发送给所述其他设备， 其中， 一个所述其他设备对应一个所述第二网 络模块； 运行模块， 被配置为通过所述目标机器人运行所述第 一网络模块， 得到第 一计算结果， 通过每个所述其他设备运行每个所述其他设备对应的第二网络模块， 得到每个所述其他设 备对应的第二计算结果； 控制模块， 被配置为聚合所述第一计算结果和多个所述第二计算结果， 得到所述目标 模型对应的第三计算结果， 并依据所述第三计算结果控制所述目标机器人； 所述分割模块还被配置为以一个神经元为最小分割单位， 依据所述第一算力、 所述第 二算力和多个所述第三算力对所述目标模型的输入层进行分割， 得到所述第二算力对应的权　利　要　求　书 2/3 页 3 CN 114700957 B 3