本申请涉及机器人测试，尤其涉及多场景下的机器人适应性测试方法及平台。
背景技术：
1、随着人工智能、计算机科学、电子技术与控制理论等领域的高水平发展，机器人技术取得了显著的进步。这些技术的融合推动了智能机器人技术的快速发展，使机器人具备了更强的感知能力、决策能力和执行能力。同时，机器人技术不仅在制造业、农业等传统领域得到广泛应用，还在医疗、教育、服务等领域展现出巨大的潜力。在多场景下，机器人的适应性成为衡量其性能的重要指标之一。适应性测试旨在评估机器人在不同环境和条件下的表现，以确保其能够在各种复杂环境中稳定、可靠地运行。通过适应性测试，可以发现机器人设计中存在的问题和不足，进而对其进行优化和改进。这对于提高机器人的整体性能、拓展其应用范围具有重要意义。
2、目前，现有的技术方案在多个方面存在局限性，具体来说，现有技术在处理复杂多变的环境和任务时，往往采用单一的评价标准和方法，缺乏针对性和灵活性。同时，实时监测数据的采集和利用也显得不足，导致对机器人性能的评估不够全面和准确。
3、综上所述，现有技术由于采用单一的评价标准和方法，缺乏对环境和任务多样性的考虑，导致在复杂多变场景下机器人的适应性评价不准确，进一步影响了机器人控制管理和整体性能提升的技术问题。
技术实现思路
1、本申请的目的是提供多场景下的机器人适应性测试方法及平台，用以解决现有技术缺乏对环境和任务多样性的考虑，导致在复杂多变场景下机器人的适应性评价不准确的技术问题，提高了机器人评价的全面性和准确性，增强了机器人的适应性，优化了机器人的控制管理。
2、鉴于上述问题，本申请提供了多场景下的机器人适应性测试方法及平台。
3、第一方面，本申请提供了多场景下的机器人适应性测试方法，所述多场景下的机器人适应性测试方法通过多场景下的机器人适应性测试平台实现，其中，所述多场景下的机器人适应性测试方法包括：建立模拟火灾场景，并获取模拟火灾场景的场景信息，根据所述场景信息进行子场景划分，生成废墟空间子场景、狭窄空间子场景和烟雾环境子场景；基于所述场景信息建立各个子场景的场景复杂度评级，生成基础评级标识；建立各个子场景的映射任务，并依据所述映射任务配置监测传感器组，以所述监测传感器组执行机器人的实时监测，获取机器人的实时数据集；构建评价网络，所述评价网络包括第一评价子网络、第二评价子网络和第三评价子网络，所述第一评价子网络、第二评价子网络和第三评价子网络分别与废墟空间子场景、狭窄空间子场景和烟雾环境子场景映射，且第一评价子网络、第二评价子网络和第三评价子网络设置有不同的偏置权重；将所述实时数据集、基础评级标识、映射任务发送至所述评价网络，通过评价网络内的各个子评价网络进行机器人在多场景下的适应性测试评价，生成适应性评价结果；根据适应性评价结果进行机器人控制管理。
4、第二方面，本申请还提供了多场景下的机器人适应性测试平台，用于执行如第一方面所述的多场景下的机器人适应性测试方法，其中，所述多场景下的机器人适应性测试平台包括：场景建立模块，用于建立模拟火灾场景，并获取模拟火灾场景的场景信息，根据所述场景信息进行子场景划分，生成废墟空间子场景、狭窄空间子场景和烟雾环境子场景；评级标识生成模块，用于基于所述场景信息建立各个子场景的场景复杂度评级，生成基础评级标识；实时数据集获取模块，用于建立各个子场景的映射任务，并依据所述映射任务配置监测传感器组，以所述监测传感器组执行机器人的实时监测，获取机器人的实时数据集；网络构建模块，用于构建评价网络，所述评价网络包括第一评价子网络、第二评价子网络和第三评价子网络，所述第一评价子网络、第二评价子网络和第三评价子网络分别与废墟空间子场景、狭窄空间子场景和烟雾环境子场景映射，且第一评价子网络、第二评价子网络和第三评价子网络设置有不同的偏置权重；适应性评价结果生成模块，用于将所述实时数据集、基础评级标识、映射任务发送至所述评价网络，通过评价网络内的各个子评价网络进行机器人在多场景下的适应性测试评价，生成适应性评价结果；控制管理模块，用于根据适应性评价结果进行机器人控制管理。
5、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
6、通过建立模拟火灾场景，并获取模拟火灾场景的场景信息，根据所述场景信息进行子场景划分，生成废墟空间子场景、狭窄空间子场景和烟雾环境子场景；基于所述场景信息建立各个子场景的场景复杂度评级，生成基础评级标识；建立各个子场景的映射任务，并依据所述映射任务配置监测传感器组，以所述监测传感器组执行机器人的实时监测，获取机器人的实时数据集；构建评价网络，所述评价网络包括第一评价子网络、第二评价子网络和第三评价子网络，所述第一评价子网络、第二评价子网络和第三评价子网络分别与废墟空间子场景、狭窄空间子场景和烟雾环境子场景映射，且第一评价子网络、第二评价子网络和第三评价子网络设置有不同的偏置权重；将所述实时数据集、基础评级标识、映射任务发送至所述评价网络，通过评价网络内的各个子评价网络进行机器人在多场景下的适应性测试评价，生成适应性评价结果；根据适应性评价结果进行机器人控制管理，有效解决了现有技术缺乏对环境和任务多样性的考虑，导致在复杂多变场景下机器人的适应性评价不准确的技术问题，提高了机器人评价的全面性和准确性，增强了机器人的适应性，优化了机器人的控制管理。
7、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。
1.多场景下的机器人适应性测试方法，其特征在于，包括：
2.如权利要求1所述的多场景下的机器人适应性测试方法，其特征在于，所述将所述实时数据集、基础评级标识、映射任务发送至所述评价网络之后，还包括：
3.如权利要求2所述的多场景下的机器人适应性测试方法，其特征在于，所述第一评价子网络的评价特征包括地形适应性评价特征、机动性评价特征、负载能力评价特征、自主决策评价特征、稳定性评价特征，所述第一评价子网络如下：
4.如权利要求2所述的多场景下的机器人适应性测试方法，其特征在于，所述第三评价子网络的评价特征包括视觉清晰度特征、环境感知特征、通信维持特征，所述第三评价子网络如下：
5.如权利要求1所述的多场景下的机器人适应性测试方法，其特征在于，还包括：
6.如权利要求1所述的多场景下的机器人适应性测试方法，其特征在于，还包括：
7.如权利要求6所述的多场景下的机器人适应性测试方法，其特征在于，还包括：
8.多场景下的机器人适应性测试平台，其特征在于，用于实施权利要求1至7中任意一项所述多场景下的机器人适应性测试方法的步骤，所述多场景下的机器人适应性测试平台包括：
