公开(公告)号：CN117207186A

公开(公告)日：2023-12-12

申请号：CN202311264662.5

申请日：2023-09-27

Applicant: 东北大学

Inventor： 任涛 ,  周思齐 ,  罗悉梦 ,  沈蓉

IPC: B25J9/16

Abstract: 本发明提供一种基于强化学习的流水线双机械臂协同抓取方法，涉及机械臂控制技术领域。该方法具体包括：搭建流水线双臂机器人的双机械臂协同操作模型，并为模型中的每一条机械臂分配一个智能体代表该机械臂，从而将该双机械臂协同操作模型视为一个双智能体协同操作模型；获取该双机械臂协同操作模型中机械臂的观测信息，并根据获取到的观测信息设计机械臂的状态空间和机械臂的动作空间；对于双机械臂协同操作模型中的每一个机械臂，构建机械臂的奖励函数；采用MADDPG算法训练双机械臂协同操作模型，采用经验回放算法HER对训练好的双机械臂协同操作模型进行优化，得到最终的双机械臂协同操作模型；提高了双机械臂之间的协作效率。

公开(公告)号：CN117055623A

公开(公告)日：2023-11-14

申请号：CN202311164810.6

申请日：2023-09-08

Applicant: 东北大学

Inventor： 任涛 ,  罗悉梦 ,  沈蓉 ,  周思齐

IPC: G05D1/10

Abstract: 本发明提供一种基于多智能体强化学习的无人机群协同作战方法，涉及无人机的强化学习技术领域。该方法包括：搭建无人机群系统，初始化该系统中的无人机，并获取无人机的局部观测值；根据无人机群系统构建无向图；利用图注意力网络GAT处理无人机的局部观测值，得到无人机的新局部观测值；获取所有无人机的联合观测值、联合动作、联合奖励、下一时间步联合观测值，并存储到经验回放池中；利用MADDPG算法训练由Actor‑Critic网络架构搭建的无人机群协同作战策略模型，得到训练好的无人机群协同作战策略模型；调用训练好的无人机群协同作战策略模型解决无人机群协同作战问题。本发明提升了每个无人机对环境中其他无人机的观测效果，促进了多个无人机之间信息的交互。

公开(公告)号：CN116859459A

公开(公告)日：2023-10-10

申请号：CN202310826422.3

申请日：2023-07-06

Applicant: 东北大学

Inventor： 任涛 ,  沈蓉 ,  罗悉梦 ,  周思齐

IPC: G01V1/30 ,  G01V1/28 ,  G06F18/214 ,  G06F18/25 ,  G06N20/00

Abstract: 本发明提供一种基于深度学习的多特征融合的地震震级检测方法及系统，涉及深度学习技术领域。系统包括数据预处理模块和地震震级检测模块。方法包括：采集原始地震三分量波形数据；对原始地震三分量波形数据进行数据预处理，得到预处理好的地震三分量波形数据；从预处理好的地震三分量波形数据中获取训练集；搭建震级检测模型；对模型进行训练，直到达到设定的训练轮次，保存已训练的轮次中效果最好的模型作为最终的震级检测模型；将待检测的地震三分量波形数据进行数据预处理后，输入最终的震级检测模型获得震级检测结果。本发明能够一次性计算出震级大小，不需要经过多次修订以及人工的干预，并且提高了计算精度。