-
公开(公告)号：CN119347799A
公开(公告)日：2025-01-24
申请号：CN202411928372.0
申请日：2024-12-25
Applicant: 中国科学技术大学
IPC: B25J9/16
Abstract: 本发明公开一种灵巧臂手机器人铰接物体操作性能优化方法、设备及介质，属机器人控制领域。包括：步骤1，构建环境点云数据集，补全机器人手指点云，分割点云；步骤2，任务编码为LTL公式，用LTL级数检查任务进展，用Transformer模型将LTL公式编码为LTL表征；步骤3，建立接触规划器，从分割点云提取点云特征，预测任务最佳接触点，用操作成功率优化接触点预测；步骤4，用在线的扩散决策模型使智能体输出动作与环境交互，用采样数据优化扩散决策模型决策；步骤5，重复步骤1至步骤4完成智能体训练；步骤6，用智能体控制机器人执行铰接任务。本发明在操作能力、泛化性能、迁移推理和鲁棒性方面优于多数现有方法。
-
公开(公告)号：CN114820796B
公开(公告)日：2024-11-05
申请号：CN202210530861.5
申请日：2022-05-16
Applicant: 中国科学技术大学
IPC: G06T7/73 , G06V10/80 , G06V10/82 , G06V10/774 , G06T1/00 , G06N3/0464 , G06N3/084 , G06N3/09 , B25J9/16 , B25J15/08
Abstract: 本发明提供了一种基于自监督表示学习的视觉抓取检测方法及系统，方法包括：步骤1：根据获取到的深度图像，得到有标注图像数据集和无标注图像数据集；步骤2：在编码器中通过孪生网络对无标注图像数据集进行训练，并且通过度量学习损失方法提取相似抓取对象之间的共同特征；步骤3：利用有标注图像数据集对解码器进行微调，得到训练模型；步骤4：通过训练模型进行视觉抓取。与现有技术相比，本发明通过各种数据增强技术，借助度量学习损失，提取相似抓取对象之间的共性，提升了模型的泛化能力，利用已标注的数据对解码器进行微调，从抓取质量图和后续抓取规划生成的抓取位姿中推断出最佳抓取候选，从而提升视觉抓取能力。
-
公开(公告)号：CN116499468B
公开(公告)日：2023-10-20
申请号：CN202310761994.8
申请日：2023-06-27
Applicant: 中国科学技术大学
IPC: G01C21/20 , G06N3/0455 , G06N5/01
Abstract: 本发明提供了一种机器人路径规划方法、电子设备以及存储介质。该方法包括：基于机器人所处的配置空间、初始状态和目的地区域，构建用于解决机器人路径规划问题的任务实例模型；根据任务实例模型，将机器人所处的配置空间编码成二维环境地图，并将机器人的起始坐标和目的地坐标编码成任务点地图；利用训练完成的轻量化预测神经网络处理任务点地图和二维环境地图，得到引导地图；利用混合采样规划器对二维环境地图进行均匀采样，对引导地图进行有偏采样，并基于采样结果执行随机生成树搜索算法，生成机器人的行驶路径。本发明同时还提供了一种轻量化预测神经网络的训练方法。
-
公开(公告)号：CN116841198A
公开(公告)日：2023-10-03
申请号：CN202310721082.8
申请日：2023-06-15
Applicant: 中国科学技术大学
IPC: G05B13/04
Abstract: 本发明涉及非直接物理接触人机交互领域，公开了一种基于微分博弈框架的非直接物理接触人机交互方法。该方法构建人输入模型用以预测人的控制输入；定义求解满足微分博弈均衡的机器人和人的控制输入以达到人机交互系统的最优效率定义为原问题；将机器人动力学模型、代表机器人和人的控制效率的代价函数转化到微分平坦空间得到等价问题；对等价问题进行求解得到机器人的控制输入；通过人的控制输入与机器人的控制输入对非直接物理接触下的人机交互系统进行控制。本发明避免对复杂微分方程的求解；可以减少人类输入不精确和噪声等造成的影响，从而提升交互的效果。
-
公开(公告)号：CN114310957A
公开(公告)日：2022-04-12
申请号：CN202210005213.8
申请日：2022-01-04
Applicant: 中国科学技术大学
Abstract: 本发明提供了一种用于医疗检测的机器人系统及检测方法，包括机器人本体、视觉模块、作业模块、高度调整模块、定位模块以及智能控制器，并分别与所述视觉模块、作业模块以及高度调整模块连接；所述智能控制器获取视觉模块传递的信息，并处理生成控制信号，所述作业模块和高度调整模块二者分别在控制信号的作用下进行作业。通过防人体设计的机器人本体，利用单目摄像头进行人脸识别智能认定身份，进行深度学习网络训练，确定目标位置在图像的位置，之后再利用深度相机获取目标位置的坐标，转化成目的抓取点的世界坐标；机械左臂、机械右臂、机械左腿以及机械右腿联合作业可以适用不同身高的人员检测，有助于提高机器人的适用性。
-
Patent Agency Ranking
公开(公告)号：CN116499468A
公开(公告)日：2023-07-28
申请号：CN202310761994.8
申请日：2023-06-27
Applicant: 中国科学技术大学
IPC: G01C21/20 , G06N3/0455 , G06N5/01
Abstract: 本发明提供了一种机器人路径规划方法、电子设备以及存储介质。该方法包括：基于机器人所处的配置空间、初始状态和目的地区域，构建用于解决机器人路径规划问题的任务实例模型；根据任务实例模型，将机器人所处的配置空间编码成二维环境地图，并将机器人的起始坐标和目的地坐标编码成任务点地图；利用训练完成的轻量化预测神经网络处理任务点地图和二维环境地图，得到引导地图；利用混合采样规划器对二维环境地图进行均匀采样，对引导地图进行有偏采样，并基于采样结果执行随机生成树搜索算法，生成机器人的行驶路径。本发明同时还提供了一种轻量化预测神经网络的训练方法。
-
公开(公告)号：CN116021527A
公开(公告)日：2023-04-28
申请号：CN202310302473.6
申请日：2023-03-27
Applicant: 中国科学技术大学
IPC: B25J9/16
Abstract: 本发明涉及机器人自主学习技术领域，公开了一种任务驱动的机器人操作技能学习方法、介质及设备，方法包括以下步骤：采用线性时序逻辑将机器人的操作技能编码为LTL公式，在抽象层面上分解机器人当前训练任务，并通过LTL进展检测机器人训练任务进展；将机器人训练任务进展和机器人状态作为分层学习模块的输入，输出在环境中采用的动作基元以及基元参数，并执行动作，收集机器人状态‑动作轨迹和获取的奖励；对收集的机器人状态‑动作轨迹和获取的奖励进行采样，通过代价函数计算出的代价更新分层学习模块中的策略网络，直至训练完成。本发明通过将形式化方法和参数化动作空间用于扩展标准的强化学习方法，从而克服探索负担和任务约束。
-
公开(公告)号：CN115356934A
公开(公告)日：2022-11-18
申请号：CN202211115446.X
申请日：2022-09-14
Applicant: 中国科学技术大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于强化学习的机器人导航避障任务实现方法及系统，包括：将导航任务建模为马尔可夫过程，为强化学习方法设计状态空间、动作空间及奖励函数，确定完成任务的指标；分析控制屏障函数的约束条件，调整参数，训练得到参数化的控制屏障函数；利用建模步骤中设计的状态空间、动作空间及奖励函数，并调整强化学习算法中的超参数，训练得到策略网络；根据学习到的控制屏障函数，修改策略网络的输出，同时收集数据，更新控制屏障函数；通过预测屏蔽控制，对危险动作施加噪声，使智能体偏离预定轨迹，使训练过程安全。本发明基于强化学习的框架，整合了可证明的有效控制屏障函数，以确保学习过程中的安全探索。
-
公开(公告)号：CN115390455A
公开(公告)日：2022-11-25
申请号：CN202211121828.3
申请日：2022-09-15
Applicant: 中国科学技术大学
Abstract: 本发明提供一种基于时序逻辑的安全强化学习方法及系统，涉及安全强化学习技术领域，包括：步骤S1：构建马尔可夫决策过程MDP，用LTL描述智能体的复杂任务；步骤S2：构建有多接受集的tLDGBA，并通过接受边界函数构建ctLDGBA；步骤S3：构建乘积MDP用于强化学习搜索最优策略并基于LTL对安全性的描述和MDP的观测函数构建安全博弈，设计安全盾机制保证系统在学习过程中的安全性。本发明能够获得最大化LTL任务完成概率的最优策略且保证学习过程中的安全性。
-
公开(公告)号：CN115327926A
公开(公告)日：2022-11-11
申请号：CN202211121831.5
申请日：2022-09-15
Applicant: 中国科学技术大学
Abstract: 本发明提供了一种基于深度强化学习的多智能体动态覆盖控制方法及系统，用于训练智能体自主学习有效的动态覆盖策略，解决了以往的大部分工作都高度依赖于系统模型的问题。本发明提出了一个基于多智能体深度强化学习的控制框架，使智能体能够直接从与环境的交互中学习控制策略，从而在保持智能体组网络连接性的同时实现动态覆盖控制。所提出的方法是无模型的，采用集中训练、分散执行的框架，其中智能体在执行阶段只使用本地信息进行协调，而不需要知道其他智能体的策略。为了保证智能体网络的连接性，选择代数连通性作为优化目标，确保底层通信网络始终保持连接。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.03 seconds)
