-
公开(公告)号：CN112115607B
公开(公告)日：2024-04-26
申请号：CN202010970455.1
申请日：2020-09-16
Applicant: 同济大学
IPC: G06F30/20 , G06T17/05 , G06T19/00 , G06F111/18
Abstract: 本发明涉及一种基于多维赛博空间的移动智能体数字孪生系统，具体包括以下结构：物理空间试验场，为移动智能体测试提供运动空间作为简易物理测试环境；赛博空间运维系统，根据物理空间试验场，进行数据采集融合处理，利用VR技术、集合实体建模技术和多学科联合仿真技术构建的多维映射赛博空间的运行载体；高通量数据传输信道，为赛博空间运维系统与物理空间试验场的信息流交互提供多输入多输出数据传输通道；虚实多维空间可视化系统，提供移动智能体试验测试过程的可视化推演及人机交互。与现有技术相比，本发明具有多对一的虚实交互孪生测试能力，提升了移动智能体试验的泛化能力、强化了试验测试结果的同时降低了试验研发成本等优点。
-
公开(公告)号：CN117788837A
公开(公告)日：2024-03-29
申请号：CN202311708794.2
申请日：2023-12-13
Applicant: 同济大学
Abstract: 本发明涉及一种基于平行对称视触觉传感器的触觉特征提取方法及装置，其中，该方法包括：获取视触觉传感器输出的一对触觉图像；对所述一对触觉图像进行空畸变校正和空间一致性标定；分别采用高效滤波算法、采用分层Canny边缘检测算法、采用Poisson法对校正后的触觉图像进行特征提取，分别得到触觉特征光流场、得到触觉特征边缘场、得到触觉特征深度场；根据接触表面压力与触觉特征深度场间的非线性对应关系曲线，建立触觉特征接触力场；将触觉特征光流场、边缘场、深度场以及接触力场线性叠加，构建四维度的触觉特征。与现有技术相比，本发明的方法具有计算速度快，满足快速实时性的需要，还能够解决超分辨率、高精度、多维度触觉特征提取，提取的触觉特征具有更全面的触觉特征表示，本发明的装置采用了一体式模块化，具有体积小等优点。
-
公开(公告)号：CN114489338B
公开(公告)日：2024-03-29
申请号：CN202210086737.4
申请日：2022-01-25
Applicant: 同济大学
Abstract: 本发明涉及一种多层电子皮肤结构，包括若干个皮肤单元，每个皮肤单元包括拉伸感知层、静电感知层、振动感知层和压力感知层，在接触物体时，拉伸感知层用于获取接触物的表面属性，静电感知层用于获取接触物的静电属性和三维力，振动感知层用于获取接触力的振动属性，压力感知层用于获取接触点的位置信息。与现有技术相比，本发明具有检测内容丰富等优点。
-
公开(公告)号：CN117656039A
公开(公告)日：2024-03-08
申请号：CN202311505097.7
申请日：2023-11-13
Applicant: 同济大学
Abstract: 本发明提出了基于触觉反馈的二指夹具可变形物体精细抓取系统。该系统基于可变形物体抓取平台，集成了运动控制模块、触觉感知模块、数据处理模块。所述可变形物体抓取平台，包括六自由度协作机械臂、二自由度移动平台、PC上位机、机械臂控制柜、自适应电动夹爪、视触觉传感器；所述运动控制模块为数据处理模块提供机械臂当前状态和需要执行的动作信息输入，所述触觉感知模块为数据处理模块提供触觉信息输入，所述数据处理模块的数据处理流程处理以上输入后输出机械臂动作，并输入到所述运动控制模块中，控制六自由度协作机械臂的下一步动作，形成闭环控制。本发明系统具有运行速度快、抓取过程稳定、精细控制抓取过程等优点。
-
公开(公告)号：CN113780560B
公开(公告)日：2024-02-27
申请号：CN202111009277.7
申请日：2021-08-31
Applicant: 同济大学
IPC: G06N5/025 , G06N3/008 , G06N7/01 , G06F18/241 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于虚拟演示的机器人任务知识自生成系统，包括抽象语义规则生成模块和在线动作分割识别模块。抽象语义规则生成模块包括虚拟演示单元、抽象语义提取单元和人类活动语义规则生成单元，将人类在虚拟空间中的动作转换为任务数据，根据任务数据提取语义信息，根据语义信息结合动作类型生成任务语义规则模型，在线动作分割识别模块包括知识库单元、有向概率任务图单元和动作处理单元，根据任务语义规则模型将动作进行分割及识别，根据识别结果生成任务图。与现有技术相比，本发明具有解释性强、通用性广和信息全面等优点。
-
Patent Agency Ranking
公开(公告)号：CN117182908A
公开(公告)日：2023-12-08
申请号：CN202311245109.7
申请日：2023-09-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于强化学习的感驱一体软体机器人自主变形系统及方法，其中方法包括以下步骤：调整气动软体机械手初始位姿；软体机械手轻触待夹取物体，自感知模块收集待夹取物体形状特征信息；形状判别模块根据形状特征信息判别物体形状；强化学习训练模块根据物体形状判别信息和形状特征信息，训练强化学习模型，确定软体机械手的位姿并提供相应变形指令；自主驱动变形模块根据变形指令改变气动软体机械手形状；软体机械手使用调整后的位姿和形状重新完成物体夹取动作，若成功抓取则流程结束；若未成功抓取，则更新形状特征信息，进行位姿修正。与现有技术相比，本发明具有学习物体形状特点而实现自适应变形以提高抓取效率等优点。
-
公开(公告)号：CN116723141A
公开(公告)日：2023-09-08
申请号：CN202310784240.4
申请日：2023-06-29
Applicant: 同济大学
IPC: H04L45/00 , H04L41/0823 , H04L41/0659
Abstract: 本发明提供一种基于区块链的多节点跳变路径循迹与测试方法及装置，所述方法包括：在区块链网络中选取出一个父节点，剩下的所有节点作为子节点，所有子节点订阅父节点从而获得所需信息；所有子节点一方面维护自身节点的信息，另一方面还维护与之相邻的子节点的信息，并将自身所拥有的全部信息发布至父节点进行注册；在区块链网络中，确定起始节点与终端节点，针对中间节点进行节点间的跳变路径循迹规划；在各个中间节点部署网关模组，对经过该节点的输入信号、输出信号进行记录，从而针对所选择的节点路径进行分析，保证多节点跳变路径循迹的可靠性。本发明可实现多节点跳变路径循迹规划，并可保证多节点跳变路径循迹的可靠性。
-
公开(公告)号：CN116682005A
公开(公告)日：2023-09-01
申请号：CN202310601790.8
申请日：2023-05-25
Applicant: 同济大学
Abstract: 本发明提供一种面向地下快速目标探测的多智能体分布式感知融合系统，属于多智能体分布式感知融合领域。所述系统包括：类复眼数据采集模块，用于利用搭载多类传感器并模仿昆虫视觉系统的多智能体，迅速感知地下空间数据；其中，所述多类传感器包括：惯性传感器、具有复眼镜头的视觉传感器和具有复眼透镜的红外传感器，获取的地下空间数据包括：多智能体的状态以及地下快速目标图像；分布式感知数据融合模块，用于利用分布式感知数据融合策略对类复眼数据采集模块感知的地下空间数据进行空间维度和时间维度的融合，得到地下快速目标探测的全局信息地图。采用本发明，能够很大程度上提高地下快速目标探测效率。
-
公开(公告)号：CN115204500B
公开(公告)日：2023-08-22
申请号：CN202210860240.3
申请日：2022-07-21
Applicant: 同济大学
IPC: G06Q10/047 , G06Q10/0633 , G06Q50/02 , G01N33/00 , G06N20/00
Abstract: 本发明公开了一种面向虫害监测的多检测机器人数字孪生管理系统及方法，涉及数字孪生及森林管理技术领域。包括：异构多检测机器人模块用于获取待检测森林的初始化感知数据以及实时更新的传感器数据；数字孪生模型构建模块用于基于初始化感知数据建立数字孪生模型；智能管理模块用于基于实时更新的传感器数据对数字孪生模型进行实时更新；根据实时更新后的数字孪生模型对异构多检测机器人模块的协同策略进行更新，并建立森林虫害的评估预警方法。本发明提出的系统具有效率高、智能决策等优点，不仅能实时评估预警森林虫害，而且能为异构多检测机器人提供协同覆盖策略的智能决策，对促进森林精准管理、提高异构检测机器人的协同能力具有重要意义。
-
公开(公告)号：CN116542304A
公开(公告)日：2023-08-04
申请号：CN202310470881.2
申请日：2023-04-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于多模态类脑主动感知的边缘计算装置，包括：感知神经元模块，用于获取不同模态的感知信息，并将所述感知信息预处理编码为具有设定格式的脉冲序列；传递神经模块，用于对不同模态的所述脉冲序列进行并行存储和处理，提取相应模态的特征向量；类脑多模处理模块，用于对不同模态的所述特征向量进行选择调配，并进行信息融合与场景理解处理，获取决策信息。与现有技术相比，本发明具有运算效率高、多模信息融合准确性高等优点，进而实现更加可靠的场景理解。
-
-
-
-
-
-
-
-
-
Search Results
235
records
(took 0.024 seconds)
