公开(公告)号：CN119206538A

公开(公告)日：2024-12-27

申请号：CN202411717218.9

申请日：2024-11-27

Applicant: 之江实验室

Inventor： 黄琛 ,  俞菲 ,  李月华 ,  薛均晓 ,  俞志成 ,  喻源

IPC: G06V20/13 ,  G06V10/22 ,  B64G1/24 ,  B64G1/10

Abstract: 本说明书提供的一种任务执行方法、装置、存储介质以及电子设备，可以获取目标卫星连续拍摄得到的待检测图像序列，将其输入到目标检测模型中，目标检测模型针对待检测图像序列包含的每个图像，从中检测各目标物体，并确定各目标物体的属性信息，针对每个目标物体，根据目标卫星的位置信息、待检测图像序列中各图像中该目标物体的位置信息，确定该目标物体的行为信息，基于目标卫星的位置信息，构建第一节点，针对每个目标物体，基于该目标物体的属性信息，构建第二节点，根据该目标物体的行为信息，确定该目标物体所对应的边的类型，并按照该目标物体所对应的边的类型构建第二节点与第一节点之间的边，以得到目标图，并根据目标图执行避让任务。

公开(公告)号：CN118409869B

公开(公告)日：2024-10-18

申请号：CN202410872322.9

申请日：2024-07-01

Applicant: 之江实验室

Inventor： 薛均晓 ,  李超 ,  陈金浦 ,  张辉

IPC: G06F9/50 ,  G06N3/0464 ,  G06N3/092 ,  G06N5/04

Abstract: 本申请涉及一种星云运算资源分配方法、装置、计算机设备及存储介质。方法包括：获取目标运算任务和实时资源状态；将目标运算任务和实时资源状态输入资源分配模型，经资源分配模型输出星云资源分配策略，其中，资源分配模型包括资源预估模块和资源优化模块，资源预估模块用于确定目标运算任务的预占用资源；资源优化模块用于根据实时资源状态以及预占用资源确定星云资源分配策略。本申请将目标运算任务和实时资源状态输入资源分配模型，通过资源预估模块确定预占用资源，以及在充分考虑动态资源环境的情况下，通过资源优化模块根据实时资源状态和预占用资源输出星云资源分配策略，能够有效提高运算资源利用率。

公开(公告)号：CN118197636A

公开(公告)日：2024-06-14

申请号：CN202410319916.7

申请日：2024-03-20

Applicant: 之江实验室 ,  上海人工智能创新中心

Inventor： 彭臣 ,  林峰 ,  马萧 ,  张晴 ,  薛均晓 ,  沈白桦 ,  林富明 ,  王君

IPC: G16H50/50

Abstract: 本申请涉及一种基于多模态生物力学的腹主动脉瘤生长预测方法和装置，该方法包括计算腹主动脉瘤血管壁的个体化初始材料参数；基于个体化初始材料参数，分析血液‑血管壁的瞬态双向耦合作用；基于个体化初始材料参数，构建随时间和空间演变的血管壁的组织成分的应变能函；基于组织成分的应变能函数，分析腹主动脉瘤的生长与重塑过程；基于血液‑血管壁的瞬态双向耦合作用和腹主动脉瘤的生长与重塑过程，分析大时间尺度下的血液‑血管壁‑组织成分耦合作用；基于血液‑血管壁‑组织成分耦合作用预测腹主动脉瘤的生长过程，解决了预测结果与实际情况往差异较大的问题，极大程度地提高预测动脉瘤生长过程的精度。

公开(公告)号：CN118155280A

公开(公告)日：2024-06-07

申请号：CN202410271438.7

申请日：2024-03-11

Applicant: 之江实验室

Inventor： 李帅龙 ,  林峰 ,  薛均晓 ,  严笑然 ,  马萧 ,  张晴 ,  陆亚飞

IPC: G06V40/20 ,  G06V10/46 ,  G06V10/80

Abstract: 本发明公开了一种基于多模态数据频域融合的人体行为预测方法，包括：获取多模态数据并清洗数据，其中所述多模态数据包括光学运动捕捉数据、文本数据和视频数据；利用傅里叶变换把各模态的数据分别转换到频域中，得到各模态数据对应的一维频域向量；对得到的一维频域向量进行预处理，拼接为一个一维向量；利用人体行为预测模型对预处理后的一维频域向量进行处理，得到下一预测状态的融合频域信息；对所述融合频域信息进行后处理，并将得到的各模态频域预测信息利用傅里叶逆变换技术转换为各模态对应的时域预测数据。

公开(公告)号：CN117953351A

公开(公告)日：2024-04-30

申请号：CN202410355666.2

申请日：2024-03-27

Applicant: 之江实验室

Inventor： 李帅龙 ,  林峰 ,  张晴 ,  严笑然 ,  薛均晓 ,  马萧 ,  陆亚飞

IPC: G06V10/82 ,  G06V10/44 ,  G06V10/77 ,  G06N3/092 ,  G06N3/0895 ,  G06N3/0985 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了一种基于模型强化学习的决策方法，包括：获取高维图像数据集；利用自监督学习方法从所述高维图像数据集中学习对应的低维特征；在低维特征空间中，利用Transformer架构构建强化学习的世界模型；利用构建的世界模型向前想象若干步，根据想象轨迹的回报进行前向搜索，得出最优策略。与随机决策相比，这种方法减少决策的随机性，可以提高决策效率，根据智能体现有的决策能力进行决策，克服了样本效率过低、增加了处理动态环境中不确定性的能力，进而达到更优且稳健的策略。