-
公开(公告)号：CN119260731A
公开(公告)日：2025-01-07
申请号：CN202411605116.8
申请日：2024-11-11
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 公开了一种基于多通路融合的机器人运动轨迹规划和控制方法及装置、存储介质及程序产品，所述方法包括：根据机器人的机械臂的当前关节角和当前关节角速度、障碍物的当前位置和当前速度、以及碰撞信息，确定情绪信息，其中，情绪信息表示障碍物靠近和碰撞机器人而引起的压力或恐惧情绪的程度；基于情绪信息，选择快通路或慢通路获取机器人的动作信息，其中，快通路模拟纹状体的功能控制机器人实现快速紧急避障，慢通路模拟前额叶的功能实现机器人到目标位置的运动轨迹规划；控制机器人的机械臂按动作信息运动第一预定时长；确定机器人的机械臂是否到达目标位置；响应于机器人的机械臂未到达目标位置，返回确定情绪信息的步骤。
-
公开(公告)号：CN115070760B
公开(公告)日：2024-12-27
申请号：CN202210687339.8
申请日：2022-06-16
Applicant: 中国科学院自动化研究所 , 北京科技大学
IPC: B25J9/16
Abstract: 本发明提供一种肌肉骨骼机械臂控制方法和装置，涉及仿生机器人技术领域，其中方法包括：基于肌肉骨骼机械臂的活动端的目标位置，以及肌肉骨骼机械臂的运动学模型，确定肌肉骨骼机械臂中各个关节模块的目标关节角和各个肌肉模块的肌肉长度；基于各个关节模块的目标关节角，以及肌肉骨骼机械臂的骨骼动力学模型，确定各个肌肉模块的肌肉力；基于各个肌肉模块的肌肉力和肌肉长度，以及肌肉收缩动力学模型，确定肌肉骨骼机械臂中各个肌肉模块的肌肉控制信号，并基于各个肌肉模块的肌肉控制信号，控制肌肉骨骼机械臂的活动端移动至目标位置。本发明提供的方法和装置，具有低控制频率实现高控制精度的效果，且具有较高的环境干扰抵抗能力。
-
公开(公告)号：CN118938645A
公开(公告)日：2024-11-12
申请号：CN202410855321.3
申请日：2024-06-28
Applicant: 中国科学院自动化研究所
IPC: G05B11/42
Abstract: 本发明提供一种基于深度强化学习的多步态双足运动控制方法及装置，其中，上述方法包括：确定当前人形机器人的状态向量，其中，状态向量包括关节参数、髋部参数以及双腿相位参数；在仿真环境中调用预设的控制策略神经网络基于状态向量，确定预设的控制策略神经网络的输出向量；基于输出向量进行线性变换，得到期望关节角角度；基于期望关节角角度调用比例微分控制器，确定输出力矩；基于输出力矩在仿真环境中模拟人形机器人的轨迹运动，得到轨迹数据的样本数据；当样本数据的数目大于预设的最小样本值时，基于轨迹数据对预设的控制策略神经网络的网络权重进行更新，得到更新后的控制策略神经网络，以控制人形机器人进行期望步态运动。
-
公开(公告)号：CN118485124A
公开(公告)日：2024-08-13
申请号：CN202410507986.5
申请日：2024-04-25
Applicant: 中国科学院自动化研究所
IPC: G06N3/082 , G06N3/0464 , G06N3/048 , G06N3/049
Abstract: 本发明提供一种基于脉冲神经网络的模型优化方法、装置及电子设备，属于计算机技术领域。该方法包括：对人工神经网络模型中的至少部分网络层进行修改，得到修改后的人工神经网络模型；将修改后的人工神经网络模型的激活函数替换为目标神经元模型，生成初始脉冲神经网络模型，目标神经元模型用于在每个时间步长内完成目标神经元模型的膜电势的累积和释放；对目标神经元模型的初始膜电势和初始阈值电压进行联合调优，使调优后的初始脉冲神经网络模型达到最优精度，得到目标脉冲神经网络模型，目标脉冲神经网络模型用于部署于无人移动平台。本发明提供的基于脉冲神经网络的模型优化方法，可以对人工神经网络模型完成低延迟和低精度损失的转换。
-
公开(公告)号：CN118456474A
公开(公告)日：2024-08-09
申请号：CN202410911650.5
申请日：2024-07-09
Applicant: 中国科学院自动化研究所
Abstract: 本申请公开了一种机器人致摔因素确定方法、装置、介质、设备及产品，涉及机器人技术领域，该方法包括：基于当前摔倒的机器人各个被控单元的实际运动数据和预期运动数据，得到各个被控单元的误差向量；基于当前设定的摔倒回顾时刻和误差向量构建机器人的当前回顾数据集；基于当前回顾数据集中回顾向量之间的距离构建初始凸顶点集；基于各个回顾向量与初始凸顶点集之间的凸包距离对初始凸顶点集进行更新，得到凸顶点集；基于所述凸顶点集中各个回顾向量对应的被控单元的误差损失分数确定所述机器人的致摔因素。本申请提供的方法和装置，可以确定机器人的致摔因素，提高了致摔因素的确定效率和确定准确度，进而可以优化算法防止机器人摔倒。
-
Patent Agency Ranking
公开(公告)号：CN117921661A
公开(公告)日：2024-04-26
申请号：CN202410101694.1
申请日：2024-01-24
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明提供一种机械臂的避障方法、装置、电子设备和存储介质，其中方法包括：获取机械臂的初始运行轨迹，以及待检测图像；基于注意力机制，以及所述初始运行轨迹中机械臂的各臂端位置和所述待检测图像中各障碍物的障碍物位置，确定在所述初始运行轨迹中的避让障碍物；基于所述避让障碍物，调整所述初始运行轨迹，得到待执行运行轨迹。本发明提供的方法、装置，通过注意力机制在多障碍物的场景下进行在线重新规划机械臂的运行轨迹，实现了在存在突发多个障碍物的情况下，能够实现快速、准确的避障规划，提升了机械臂进行避障规划的通用性。
-
公开(公告)号：CN117733874A
公开(公告)日：2024-03-22
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。
-
公开(公告)号：CN117381844B
公开(公告)日：2024-03-15
申请号：CN202311707609.8
申请日：2023-12-13
Applicant: 中国科学院自动化研究所
IPC: B25J17/00
Abstract: 本发明涉及驱动设备技术领域，公开一种集成一体式关节模组，包括：壳体、减速机构以及驱动机构；壳体内部设有收纳空间，收纳空间内部设有隔板以将收纳空间划分为第一区域和第二区域，隔板设有安装孔，第一区域通过安装孔和第二区域连通，壳体还设有开口，开口与第二区域连通；减速机构包括内齿圈、中心轮、第一转臂、第二转臂以及多个行星轮，驱动机构包括定子和转子，转子能够相对定子发生转动。在本发明的集成一体式关节模组中，第二转臂作为动力输出端，驱动机构直接与减速机构集成在一起，减少了驱动机构与减速机构之间的转接连接器，换言之，整体上减少了安装所需的零件，安装过程更加方便，并且减少了整个设备的重量和体积。
-
公开(公告)号：CN117681192A
公开(公告)日：2024-03-12
申请号：CN202311639359.9
申请日：2023-12-01
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于多脑区融合的肌肉骨骼机器人控制方法和装置，应用于机器人控制技术领域。该方法包括：获取肌肉骨骼机器人的观测状态信息，所述观测状态信息包括：关节角度、关节角速度、肌肉信号能量、末端执行器的当前位置与目标位置；通过网络融合模型将所述观测状态信息生成肌肉控制信号；基于所述肌肉控制信号驱动所述肌肉骨骼机器人执行动作；其中，所述网络融合模型包括基底神经节网络和小脑网络，所述基底神经节网络和所述小脑网络基于脑区通信神经机制实现通信连接，所述脑区通信神经机制通过模拟大脑皮层下两个脑区通信的方式生成。
-
公开(公告)号：CN117635933A
公开(公告)日：2024-03-01
申请号：CN202311541147.7
申请日：2023-11-17
Applicant: 中国科学院自动化研究所
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种主动域适应语义分割模型训练方法及装置，该主动域适应语义分割模型训练方法包括：获取源域样本数据和目标域样本数据；根据域鉴别器和高斯密度函数计算目标域样本数据对应的领域分数，并对目标域样本数据的不确定性进行预测；根据领域分数和不确定性预测结果构建获取函数，根据获取函数计算目标域样本数据的目标区域，并对目标区域进行标注，得到新的样本数据；根据源域样本数据和新的样本数据构建监督损失，并根据监督损失对预训练的语义分割模型进行训练，得到目标语义分割模型。本发明所述方法通过引入领域性分数和预测不确定性设计动态平衡策略，提高了语义分割模型在域适应场景下的语义分割性能。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.043 seconds)
