-
公开(公告)号：CN118928737A
公开(公告)日：2024-11-12
申请号：CN202410851965.5
申请日：2024-06-28
Applicant: 同济大学
IPC: B63H23/02 , B64D35/021 , B64C37/00
Abstract: 本发明涉及一种速比连续可调的水空两用推进器，包括：主动力输入装置；辅助动力输入装置；转速连续变换输出装置，输入端分别连接主动力输入装置和辅助动力输入装置；依次连接的输出转接盘、叶片自适应转动装置和桨叶，输出转接盘的输入端连接至转速连续变换输出装置的输出端。与现有技术相比，本发明在采用可变半径的桨叶的基础上，通过主动力输入装置、辅助动力输入装置和转速连续变换输出装置，推进器的速比连续可调，可以提供比一般动力机构更宽的扭矩范围，能够快速的切换两种状态。
-
公开(公告)号：CN118916698A
公开(公告)日：2024-11-08
申请号：CN202411112403.5
申请日：2024-08-14
Applicant: 同济大学
IPC: G06F18/214 , G06N3/092 , G06F3/01
Abstract: 本发明涉及一种人机交互闭环反馈的具身大模型训练方法及系统，该训练方法涉及到3个跨时空的运动作业空间，包括第一物理空间、第二物理空间、虚拟空间。第一物理空间用于机器人具身智能模型训练，包括具身传感反馈系统、全域动作捕捉系统以及机器人本体；第二物理空间用于人类行为数据采集及认知分析，包括可穿戴多模传感器、全域动作捕捉系统以及自然人实验对象。虚拟空间用于将第一物理空间与第二物理空间进行虚实时空对齐融合，实现作业场景构建渲染，实现人机交互反馈具身模型训练。与现有技术相比，本发明具有通过人与机器人跨时空交互学习训练，避免人机交互训练过程中的安全问题等优点。
-
公开(公告)号：CN118789551A
公开(公告)日：2024-10-18
申请号：CN202411122553.4
申请日：2024-08-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于多模态大模型的人机共融机械臂自适应抓取方法及系统，其中方法包括以下步骤：获取任务区域的多模态传感数据，所述多模态传感数据包括视觉数据、触觉数据和描述任务的语言指令，其中，所述视觉数据包括RGB信息和深度信息；将多模态传感数据转换为描述文本；将描述文本输入大模型，由大模型进行语义规划，生成机械臂动作策略，所述机械臂动作策略包括路径规划策略和抓取策略；基于运动规划器控制机械臂按照机械臂动作策略进行动作，并通过人类反馈调整抓取策略，完成抓取任务。与现有技术相比，本发明具有能够实现形状、大小、质地各异的物体的精确抓取等优点。
-
公开(公告)号：CN118264995A
公开(公告)日：2024-06-28
申请号：CN202410357823.3
申请日：2024-03-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于分布式多模态传感器阵列的信息编码与通信方法及装置。其中的方法首先获取感知数据，将分布式传感器阵列组划分为多个感知簇，利用每个感知簇内的有线通信传输感知数据，每个传感器阵列包括多种模态的传感器；其次，对当前的感知数据进行预处理后，将预处理后的感知数据以统一格式编码，并打包各感知簇内的编码后的多模态数据，得到与多个感知簇对应的多个数据包；最后，利用无线通信协议和技术分布式传输多个数据包。与现有技术相比，本发明具有有效适用于复杂环境和资源受限的应用场景，同时具备高效率、快速度、低成本等优点。
-
公开(公告)号：CN118124764A
公开(公告)日：2024-06-04
申请号：CN202410335554.0
申请日：2024-03-22
Applicant: 同济大学
Abstract: 本发明涉及一种水下机器人关节，旨在提升水下机器人在多变环境中的操作灵活性和可靠性。水下机器人关节包括密封盖、舱体、外部浮体、橡胶波纹管、控制电路板、内部端侧浮体、轴臂、内部中心浮体、电机、力矩传感器和舵机中心连接板等结构。两个正交安装的电机和力矩传感器提供精准的动力和测量，橡胶波纹管增强外部灵活性，内外环结构保证稳定性。集成的传感器和电路板通过精细的控制流程，实现高效关节运动控制。该设计采用硫化胶或环氧树脂密封，提高防水性，内置传感器和控制程序确保控制精度和响应速度。与现有技术相比，本发明的关节设计显著提升了水下多关节机器人在海洋勘探、水下建设和巡检任务中的运动灵活性和精确控制。
-
Patent Agency Ranking
公开(公告)号：CN118092215A
公开(公告)日：2024-05-28
申请号：CN202410034361.1
申请日：2024-01-10
Applicant: 同济大学
Abstract: 本发明公开了一种基于虚实融合的边端仿真方法及系统，涉及虚实融合技术领域，包括搭建仿真设备，建立仿真模型；根据仿真模型需要通过虚拟串口进行数据采集，进行虚拟仿真，形成虚拟智能体；进行虚拟智能体和实际智能体的虚实融合。减小基于数学建模与物理规律构建数字孪生平台的误差，保证虚拟空间与物理空间的模型一致性；边端分离，主服务器用于渲染环境和虚拟智能体，计算模块用于任务相关算法的运行和计算，能够保证整个系统最大程度的流畅运行，减弱系统硬件耦合性；采用了虚拟串口的方式，仿真的程序可以在不需要做很大改动的情况下便可以放入真实智能体中，有利于降低时间成本，同时对虚实融合程度进行考察，使虚实融合程度更高。
-
公开(公告)号：CN118031931A
公开(公告)日：2024-05-14
申请号：CN202410025792.1
申请日：2024-01-08
Applicant: 同济大学
Abstract: 本发明公开了面向地下恶劣环境的多模融合鲁棒感知定位方法及系统，涉及感知定位技术领域，包括：布置传感器，实时获取传感器采集的数据；基于水雾条件感知模块对传感器采集的数据进行硬件置信度检测；基于传感器采集的数据完成视觉惯性里程计、红外惯性里程计估计；基于传感器集成模块评估非激光雷达源的初始变换里程计的健康状况；针对激光雷达采集的点云数据进行预处理；通过扫描匹配模块输出弹性里程计。本发明可以在不同水雾条件的地下环境中保证感知定位的准确性、效率以及对传感器故障的卓越鲁棒性。
-
公开(公告)号：CN117959046A
公开(公告)日：2024-05-03
申请号：CN202410135393.0
申请日：2024-01-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于触觉反馈与肌电分析的假肢手双向控制方法。通过表面肌电信号传感器接收肌肉运动信息，并传递给假肢手，以此指令假肢手抓取或接触物体；当假肢手抓取或接触物体后，压力传感器受到压力作用，将受力信息映射到皮肤拉伸执行器上；皮肤拉伸执行器对反馈的触觉信息进行拉伸执行，通过改变前臂肌肉动作，优化抓取或接触决策，实现基于模拟触觉的假肢手双向控制。与现有技术相比，本发明中的皮肤拉伸执行器的可执行性高，且结构简单，使用者可以根据拉伸程度感知假肢手施加的力的大小。此外，通过双向控制系统通过皮肤拉伸执行器模拟触觉，向使用者提供抓取力的反馈，并在抓握过程中近似模拟原始的触觉。
-
公开(公告)号：CN117934724A
公开(公告)日：2024-04-26
申请号：CN202410135400.7
申请日：2024-01-31
Applicant: 同济大学
IPC: G06T17/00 , G06V10/42 , G06V10/77 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于机器人触觉感知的物体形状重建方法，包括以下步骤：步骤1、利用触觉传感器接触未知物体，记录接触点的空间位置，将空间位置作为感知的点云数据；步骤2、将所述感知的点云数据输入到编码器网络中，进行特征提取处理操作，得到点云的全局特征；步骤3、利用解码器网络对所述点云的全局特征进行补齐操作，得到预测的点云数据；步骤4、将感知的点云数据和预测的点云数据输入物体重建网络进行物体形状重建。与现有技术相比，本发明具有利用已知的部分数据，先进行一步预测，补齐部分缺失数据，能够减少主动探索次数，提高物体形状重建的效率等优点。
-
公开(公告)号：CN111915632B
公开(公告)日：2024-04-26
申请号：CN202010726969.2
申请日：2020-07-26
Applicant: 同济大学
IPC: G06T7/13 , G06T7/20 , G06T7/90 , G06T7/70 , G06T17/00 , G06V10/764 , G06V10/774 , G06T5/70
Abstract: 本发明涉及一种基于机器学习的贫纹理目标物体真值数据库构建方法，包括步骤1：获取贫纹理目标物体的图像数据集以及目标物体的三维模型；步骤2：提取图像数据集中各图像的图像边缘以及三维模型中的边缘光栅点；步骤3：计算图像数据集中各图像的DCM张量，并构建方向倒角距离误差函数；步骤4：获得粗分类初始位姿；步骤5：使用目标追踪子方法获得优化后的初始位姿；步骤6：使用优化后的初始位姿以及相机投影模型，使用目标追踪子方法获得图像数据集中各图像的优化位姿；步骤7：获取目标物体的真值；步骤8：使用目标物体的真值构建真值数据库。与现有技术相比，本发明具有精度高、速度快、目标物体数据更加全面以及目标数据库制作灵活等优点。
-
-
-
-
-
-
-
-
-
Search Results
489
records
(took 0.056 seconds)
