-
公开(公告)号：CN112906046B
公开(公告)日：2024-04-19
申请号：CN202110122202.3
申请日：2021-01-27
Applicant: 清华大学 , 中国人民解放军海军航空大学
Abstract: 本申请提供了一种利用单比特压缩感知技术的模型训练方法和装置，涉及分布式学习技术领域。具体在发送模型更新量之前，利用压缩感知技术对模型更新量进行压缩，并将压缩结果进行单比特量化，将单比特量化的结果发送到中心服务器，中心服务器采用投票的方式融合不同设备对模型更新量的压缩以及单比特量化结果，得到单比特形式的融合结果。压缩感知技术和单比特量化减小了模型更新量的数据量，即使被训练的神经网络模型包含大量权重参数(比如卷积神经网络等)，经过压缩后的单比特量化结果相较于模型更新量的数据量大幅度减小，实现了对模型更新量的有效压缩，缓解了物联网的通信负担。
-
公开(公告)号：CN108972566B
公开(公告)日：2024-04-19
申请号：CN201811185455.X
申请日：2018-10-11
Applicant: 清华大学深圳研究生院
IPC: B25J9/16
Abstract: 一种机器人手爪模组运动控制系统，包括电源模块、主控模块、CAN通讯模块、手爪模组电机主驱动模块以及手爪电机，电源模块连接主控模块、CAN通讯模块和手爪模组电机主驱动模块，CAN通讯模块连接主控模块，将上位机指令发送给主控模块，主控模块连接手爪模组电机主驱动模块，手爪模组电机主驱动模块包括第一驱动单元和第二驱动单元，第一驱动单元用于执行对手抓电机的步进角度进行相对低细分、并进行相对大电流输出驱动的第一驱动模式，第二驱动单元用于执行对手抓电机的步进角度进行相对高细分、并进行相对小电流输出驱动的第二驱动模式。本发明能够根据场景选择最佳的驱动模式来实现类人手爪取物体动作，从而适配不同的应用场景。
-
公开(公告)号：CN113591933B
公开(公告)日：2024-04-09
申请号：CN202110767137.X
申请日：2021-07-07
Applicant: 中国人民解放军海军航空大学 , 清华大学
Abstract: 本发明涉及一种基于相关性度量的遥感图像变化检测方法及系统，该方法包括：分别获取第一遥感图像和第二遥感图像；对第一遥感图像和第二遥感图像进行特征提取得到第一特征图和第二特征图；根据第一特征图和第二特征图的各像素特征向量之间的欧氏距离对应计算第一特征图和第二特征图的像素之间的亲和性，进而计算跨域像素之间的距离；根据跨域像素之间的距离计算第一特征图和第二特征图的相关性矩阵；根据相关性矩阵得到第一特征图和第二特征图的相关性图像；根据相关性图像得到变化检测的结果。本发明能克服不同传感器来源的遥感图像各自底层数据分布不同带来的度量偏差，以图像内部亲和性为基础，提高了异源图像相关性度量的稳定性和鲁棒性。
-
公开(公告)号：CN117726806A
公开(公告)日：2024-03-19
申请号：CN202311865186.2
申请日：2023-12-29
Applicant: 清华大学
IPC: G06V10/25 , G06V20/10 , G06V10/762 , G06V10/34
Abstract: 本申请实施例提供了一种基于邻域显著性的异质遥感图像海面目标检测方法及装置，所述方法包括：分别对前时相异质遥感图像和后时相异质遥感图像进行海陆分割，得到前时相异质海面域遥感图像和后时相异质海面域遥感图像；对前时相异质海面域遥感图像进行目标检测，得到第一目标检测结果，以及对后时相异质海面域遥感图像进行目标检测，得到第二目标检测结果；基于第一目标检测结果，从后时相异质海面域遥感图像中获取邻域子图集；对邻域子图集中的每个邻域子图进行显著性目标检测，得到第三目标检测结果；根据第二目标检测结果和第三目标检测结果，得到最终的目标检测结果。如此，实现高准确性的异质遥感图像海面目标检测。
-
公开(公告)号：CN117669689A
公开(公告)日：2024-03-08
申请号：CN202311688339.0
申请日：2023-12-11
Applicant: 清华大学深圳国际研究生院
IPC: G06N3/092
Abstract: 一种基于扩散模型的离线强化学习方法，用于进行机器人或自动驾驶控制，包括如下步骤：准备机器人或自动驾驶控制的数据集；初始化扩散模型参数；定义优势加权回归AWR的优化目标，该目标旨在最大化策略的累计奖励；利用扩散模型的性质，将AWR问题建模为一个强对偶成立的优化问题；使用拉格朗日对偶法求解所述优化问题，以得到最优的策略参数，以得到最优的机器人或自动驾驶控制策略参数；使用学习到的最优策略进行决策，以在离线环境下进行机器人或自动驾驶的强化学习任务。本发明极大地减少了处理器训练开销和推理成本，具有极大的应用潜力，其可以将大规模的数据集变为强大的决策工具，将包含机器人控制的数据集使用本发明训练从而得到强大的机器人控制器。
-
Patent Agency Ranking
公开(公告)号：CN117168464A
公开(公告)日：2023-12-05
申请号：CN202311184293.9
申请日：2023-09-14
Applicant: 武汉华柔机器人技术有限公司 , 清华大学深圳国际研究生院
Abstract: 本发明涉及自主导航技术领域，具体涉及一种应用在植被环境下自主导航中的地形估计的方法，包括本体感知支撑平面估计、外部感知支撑平面估计、参数估计以及平面融合，所述本体感知支撑平面估计采用FAST‑LIO2.0作为里程计，其中融合了IMU和激光雷达LiDAR的信息以提高定位精度，所述外部感知支撑平面估计采用外部感知依赖于激光雷达生成的点云地图，为了得到一个新的EP‑Plane，首先拟合对应于2D节点的Surf‑Plane，与PF‑RRT*中使用的SVD方法相比，我们采用RANSAC方法来拟合平面，可以避免高大的刚性障碍物(例如高大的树木、大石头)对拟合的坡度的影响，所述参数估计为了保证MV‑GPR的精度。本发明通过对地形参数平面中心的位置和平面方向的整体估计，获得了更加精确的支撑地面的估计。
-
公开(公告)号：CN116821407A
公开(公告)日：2023-09-29
申请号：CN202310803124.2
申请日：2023-06-30
Applicant: 清华大学
IPC: G06F16/583 , G06F16/538 , G06F16/55 , G06V10/82 , G06V10/74 , G06V10/40 , G06V10/764 , G06N3/0464
Abstract: 本申请中提供了一种基于HGR最大相关性的跨模态遥感图像检索方法及装置，所述方法包括：对查询遥感图像进行特征提取，得到查询欧式距离特征和查询HGR特征；计算查询欧式距离特征与检索特征集中每个检索欧氏距离特征之间的欧式距离得分，计算查询HGR特征与检索特征集中每个检索HGR特征之间的HGR最大相关性得分；基于DS证据理论，将欧式距离得分和HGR最大相关性得分进行融合得到融合质量函数；按照融合质量函数的从大到小顺序对检索遥感图像排序，得到最终检索结果。利用不同模态之间的HGR最大相关性来更好地消除模态差异造成的异质性差距，将不同模态遥感图像之间的欧式距离特征和HGR特征结合，增强了检索结果的可靠性。
-
公开(公告)号：CN111766885B
公开(公告)日：2023-08-11
申请号：CN202010653618.3
申请日：2020-07-08
Applicant: 清华大学深圳国际研究生院
IPC: G05D1/02
Abstract: 本发明提供一种四足机器人的静步态规划方法及计算机可读存储介质，方法包括：预先选定多组沿“S”形分布的位于同一水平面的不规则落足点；确定四足机器人的重心调整的目标区域，目标区域满足两个约束条件：稳定性约束和足端工作空间约束；在重心调整阶段，从重心调整的目标区域中选择一个距离重心初始投影位置最近的点作为重心调整目标点，采用重心轨迹优化算法确定最短重心移动轨迹；采用速度优化算法获取在关节角速度约束条件下的最大身体和足端移动速度；四足机器人以最大身体和足端移动速度按照所述落足点行走。使四足机器人在移动过程中可以保持稳定，且足端可以摆动到期望落足点，提高了四足机器人的行走速度。
-
公开(公告)号：CN116184399A
公开(公告)日：2023-05-30
申请号：CN202211640721.X
申请日：2022-12-20
Applicant: 清华大学
Abstract: 本发明实施例提供了一种基于可学习权重的低频雷达超分辨成像方法和装置，所述方法包括：将雷达观测的窄带观测频谱数据输入预先训练好的频带插值网络；利用所述训练好的频带插值网络和训练得到的最优可学习权重对所述窄带观测频谱数据进行插值处理，得到宽带插值频谱数据；基于所述宽带插值频谱数据进行计算，得到超分辨雷达图像。本发明实施例中，由于用于差值处理的频带插值网络引入了可学习权重，可以平衡不同频率依赖因子对频带插值的影响，提高了频带插值精度，进而提高雷达成像分辨率。
-
公开(公告)号：CN116160478A
公开(公告)日：2023-05-26
申请号：CN202310232921.X
申请日：2023-03-13
Applicant: 清华大学深圳国际研究生院
IPC: B25J19/00
Abstract: 一种工业机械臂关节故障检测方法和系统，该方法包括：进行工业机械臂的建模与仿真；设置其关节故障模式，进行故障仿真并构造故障模式数据集；通过故障检测网络进行关节故障检测；故障检测网络包括针对各个关节建立的故障检测器，故障检测器包括特征提取器和异常检测器；特征提取器包括基于全连接层的多层感知机，使用多维尺度放缩损失函数，对对应于关节状态的原始数据进行降维，提取深度特征；异常检测器使用自编码器对原始数据降维后的特征进行特征数据重构，利用特征提取器所提取到的特征与重构的特征数据之间的误差来判断关节状态数据正常与否。本发明可有效降低信号中的噪声干扰，提高故障检测精度，保障机械臂故障检测时的泛化性。
-
-
-
-
-
-
-
-
-
Search Results
524
records
(took 0.034 seconds)
