一种城市交通风险热点识别方法
    1.
    发明公开

    公开(公告)号:CN117115777A

    公开(公告)日:2023-11-24

    申请号:CN202310870497.1

    申请日:2023-07-14

    Applicant: 厦门大学

    Abstract: 本发明公开了一种城市交通风险热点识别方法,属于交通管理领域,一种城市交通风险热点识别方法,包括以下步骤:S1:获取目标城市的三维模型、车辆轨迹数据、以及天气数据进行城市模拟器搭建,S2:在步骤S1搭建的城市模拟器的基础上进行基于目标检测和关系检测的交通违法行为的识别,S3:在步骤S1搭建的城市模拟器的基础上进行停车热点提取,并且对环境特征进行建模得到交通事故热点,S4:对步骤S2识别的交通违法行为和步骤S3得到的交通事故热点基于加权聚类算法计算出交通风险热点。通过城市模拟器来全面的模拟城市中的交通情况,并且通过深度学习等方法来及时地、精确地发现城市交通风险热点区域。

    一种基于深度强化学习的机器人任务管理系统

    公开(公告)号:CN118644055B

    公开(公告)日:2024-11-12

    申请号:CN202411116566.0

    申请日:2024-08-15

    Applicant: 厦门大学

    Abstract: 本申请公开了一种基于深度强化学习的机器人任务管理系统,涉及机器人技术领域,解决了目前存在被限制为单一任务的机器人在没有任务的时候会被闲置,使得机器人利用率较低的问题。该系统包括:任务发布子系统、任务分配子系统和任务调度子系统;任务发布子系统,用于获得任务流,并发送任务流;任务分配子系统,用于为任务流中每个待执行子任务选择目标机器人,并生成每个目标机器人对应的调度信息,将每个调度信息分配至对应目标机器人的任务调度子系统;任务调度子系统,用于基于至少一个调度信息确定对应目标机器人的任务列表,以及对任务列表进行动态优化,以使目标机器人按照更新后的任务列表执行任务。

    一种基于深度强化学习的机器人任务管理系统

    公开(公告)号:CN118644055A

    公开(公告)日:2024-09-13

    申请号:CN202411116566.0

    申请日:2024-08-15

    Applicant: 厦门大学

    Abstract: 本申请公开了一种基于深度强化学习的机器人任务管理系统,涉及机器人技术领域,解决了目前存在被限制为单一任务的机器人在没有任务的时候会被闲置,使得机器人利用率较低的问题。该系统包括:任务发布子系统、任务分配子系统和任务调度子系统;任务发布子系统,用于获得任务流,并发送任务流;任务分配子系统,用于为任务流中每个待执行子任务选择目标机器人,并生成每个目标机器人对应的调度信息,将每个调度信息分配至对应目标机器人的任务调度子系统;任务调度子系统,用于基于至少一个调度信息确定对应目标机器人的任务列表,以及对任务列表进行动态优化,以使目标机器人按照更新后的任务列表执行任务。

    基于大语言模型的机器人任务解析方法、装置及可读介质

    公开(公告)号:CN116861921A

    公开(公告)日:2023-10-10

    申请号:CN202310837554.6

    申请日:2023-07-10

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于大语言模型的机器人任务解析方法、装置及可读介质,通过收集机器人任务相关的数据,对数据进行预处理,得到训练数据,训练数据包括自然语言的任务描述以及对应的任务解析结果;采用P‑tuning‑v2的微调方式对大语言模型进行微调,得到微调后的大语言模型;基于机器人任务的需求和特点构建训练数据对应的提示语,采用思维链和小样本学习对提示语进行优化,得到优化后的提示语,采用优化后的提示语对微调后的大语言模型进行训练,得到机器人任务解析模型;获取实时的自然语言的任务描述,将自然语言的任务描述输入机器人任务解析模型,输出得到任务解析结果。本发明能准确的将自然语言的任务描述解析成机器人能够理解的执行指令。

Patent Agency Ranking