-
公开(公告)号：CN117516530B
公开(公告)日：2024-12-06
申请号：CN202311280776.9
申请日：2023-09-28
Applicant: 中国科学院自动化研究所
IPC: G01C21/20
Abstract: 本发明提供一种机器人目标导航方法及装置，该方法包括：从待导航机器人在当前时刻之前预设时间段内各时刻的视觉观测数据中提取待导航机器人的视觉特征，并确定待导航机器人在预设时间段内各时刻接收的目标类别的语义嵌入信息，预设时间段包括当前时刻；根据当前时刻对应的语义嵌入信息对演员‑评论员算法中演员策略网络训练后的权重进行偏置，得到演员策略网络的最终权重；根据预设时间段内各时刻对应的视觉特征、语义嵌入信息和待导航机器人在预设时间段内除当前时刻以外各时刻的动作，基于最终权重对应的演员策略网络得到待导航机器人在当前时刻的动作。本发明实现提高机器人对未见类别的目标导航准确性。
-
公开(公告)号：CN119046751A
公开(公告)日：2024-11-29
申请号：CN202411064872.4
申请日：2024-08-05
Applicant: 中国科学院自动化研究所
IPC: G06F18/241 , G06F18/211 , G06F18/2136 , G06F18/15 , G06F18/22 , G06N3/088 , G06N3/0985
Abstract: 本公开提供了一种预测方法、装置、电子设备、存储介质及程序产品。预测方法包括：对当前时刻获取的多个初始样本进行预处理，得到当前时刻的样本集Xt；基于样本集Xt、样本集Xt的投影矩阵Wt、上一时刻的样本集Xt‑1的投影矩阵Wt‑1，计算原型对比损失函数；基于样本集Xt和投影矩阵Wt，计算流形正则化项；基于原型对比损失函数和流形正则化项，计算总损失函数；基于总损失函数和投影矩阵Wt‑1，得到投影矩阵Wt，并基于投影矩阵Wt，从所有特征中选出特征子集；按照所述特征子集，对所述多个初始样本中的每个初始样本进行特征提取，并将提取到的特征值输入机器学习模型，得到针对所述每个初始样本的预测结果。
-
公开(公告)号：CN118363310B
公开(公告)日：2024-10-25
申请号：CN202410791772.5
申请日：2024-06-19
Applicant: 中国科学院自动化研究所
IPC: G05B13/04
Abstract: 本发明提供一种双足机器人爬坡方法、装置、电子设备和存储介质，属于机器人技术领域，其中方法包括：确定双足机器人的动力学模型，基于动力学模型和模型预测控制算法，构建目标函数，确定目标函数对应的约束条件；对目标函数进行求解，得到双足机器人爬坡的脚步位置序列的最优解；基于脚步位置序列的最优解和整体控制算法，确定每一脚步的关节位置期望值，确定期望姿态角，基于期望姿态角，得到每一脚步的关节速度期望值和关节加速度期望值；基于每一脚步的关节位置期望值、关节速度期望值和关节加速度期望值，计算每一脚步的控制力矩，根据每一脚步的控制力矩控制双足机器人爬坡行走。本发明提高了双足机器人在爬坡行走中的适应性和稳定性。
-
公开(公告)号：CN114872042B
公开(公告)日：2024-05-24
申请号：CN202210476308.8
申请日：2022-04-29
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明提供一种基于临界状态循环网络的肌肉骨骼机器人控制方法及装置，方法包括：基于循环网络，得到输入信号对应的控制信号，并基于控制信号控制肌肉骨骼机器人移动至目标位置；循环网络训练步骤包括：基于临界状态权重条件，对初始模型的循环权重和偏置向量进行调整，得到临界网络；将终点时刻的样本目标位置、作为样本反馈信号的样本位置误差以及当前时刻的样本实际位置输入至临界网络，得到样本控制信号；基于样本控制信号对应的样本实际位置、样本控制信号对应的样本目标位置以及循环网络的谱半径，确定样本奖励信号；基于样本奖励信号，更新临界网络的权重，得到循环网络。本发明能够精确控制肌肉骨骼机器人运动至目标位置。
-
公开(公告)号：CN117733874B
公开(公告)日：2024-05-14
申请号：CN202410188144.8
申请日：2024-02-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及机器人状态预测技术领域，提供一种机器人状态预测方法、装置、电子设备及存储介质，其中方法包括：识别遥操作视频中机器人的机器臂，并确定机器臂的关节位置；以遥操作视频的图像帧中所述机器臂的关节位置作为节点，以机器臂的关节位置之间的关系作为节点间的边构建时间图结构；对时间图结构进行卷积，得到机器臂的动态图，将机器臂的动态图输入至机器人状态预测模型中，得到模型输出的机器人的预测轨迹。使用遮挡感知时序图编码构建一个时间图结构，聚合每个节点的邻域信息并更新节点特征，且机器臂的动态图利用时间相关性，捕获机器人关节位置的变化，减轻关节遮挡并减少了预测误差，从而提高后续机器人状态预测的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN114952791A
公开(公告)日：2022-08-30
申请号：CN202210558121.2
申请日：2022-05-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种肌肉骨骼机器人控制方法及装置，该方法包括：获取目标运动参数；将目标运动参数输入至肌肉控制模型中，得到肌肉控制模型输出的肌肉控制信号；其中，肌肉控制模型为基于运动反馈结果和神经流形投影算子训练得到的，运动反馈结果为基于输入至肌肉控制模型的当前运动参数样本确定的，神经流形投影算子为基于输入至肌肉控制模型的当前运动参数样本的前一运动参数样本确定的。本发明的肌肉骨骼机器人控制方法及装置，通过将神经流形投影算子与运动反馈结果结合起来训练肌肉控制模型，得到了精度高一级抗遗忘能力强的肌肉控制模型，产生的肌肉控制信号准确率高，探索能力和抗遗忘能力强，能够满足多任务场景下的控制需求。
-
公开(公告)号：CN114872042A
公开(公告)日：2022-08-09
申请号：CN202210476308.8
申请日：2022-04-29
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明提供一种基于临界状态循环网络的肌肉骨骼机器人控制方法及装置，方法包括：基于循环网络，得到输入信号对应的控制信号，并基于控制信号控制肌肉骨骼机器人移动至目标位置；循环网络训练步骤包括：基于临界状态权重条件，对初始模型的循环权重和偏置向量进行调整，得到临界网络；将终点时刻的样本目标位置、作为样本反馈信号的样本位置误差以及当前时刻的样本实际位置输入至临界网络，得到样本控制信号；基于样本控制信号对应的样本实际位置、样本控制信号对应的样本目标位置以及循环网络的谱半径，确定样本奖励信号；基于样本奖励信号，更新临界网络的权重，得到循环网络。本发明能够精确控制肌肉骨骼机器人运动至目标位置。
-
-
-
公开(公告)号：CN111531543B
公开(公告)日：2021-10-08
申请号：CN202010398615.X
申请日：2020-05-12
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明属于机器人控制和非线性系统领域，具体涉及了一种基于生物启发式神经网络的机器人自适应阻抗控制方法，旨在解决现有技术无法实现复杂非线性系统中机器人的实时精准控制的问题。本发明包括：获取系统的初始控制力矩、期望阻抗、运动轨迹；构建含阻抗的n自由度机械臂系统的动态方程、期望阻抗模型分别获取机器人t时刻系统真实状态和期望状态；基于全状态反馈和生物启发式网络构建自适应控制器并获取t+1时刻控制力矩；循环进行状态获取、自适应阻抗控制、运动控制，直至机器人机械臂完成运动轨迹。本发明结合生物启发式网络结构、时滞反馈，采用了奖励值调节的海扁算法以及网络估计与全状态反馈结合的结构，系统稳定、控制精度高。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.037 seconds)
