-
公开(公告)号：CN119501977A
公开(公告)日：2025-02-25
申请号：CN202411651235.7
申请日：2024-11-19
Applicant: 同济大学
Abstract: 本发明涉及一种仿生多指水下机械手装置、控制系统、抓取策略和目标识别方法，机械手主要由法兰盘和七连杆机构的欠驱动机械手指组成，机械手指包括基座、三角件、指尖件和滑块，三角件的其中两个角分别通过连杆机构与指尖件、滑块相连，第三个角通过梯形连接件与基座相连，滑块通过螺纹直线长轴电机驱动，指尖内设有磁触觉传感器，磁触觉传感器通过磁粉硅胶混合体制成的指尖感受器单元接收指尖触觉信息。装置通过包含微处理器的控制系统进行控制，通过制定相应的自适应力抓取策略自然适应不同形状和大小的物体，并通过深度学习算法对水下物体进行分类识别。与现有技术相比，本发明具有高灵敏、抗干扰等优点，并具有触觉感知识别和自适应抓取能力。
-
公开(公告)号：CN119501933A
公开(公告)日：2025-02-25
申请号：CN202411640054.4
申请日：2024-11-18
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种基于视觉和语言模型的可形变物体操纵方法和装置，方法包括：对可形变物体搭建操作环境，该操作环境包括用于采集可形变物体视觉数据的摄像头和用于操纵可形变物体的机械臂；在操作环境下对可形变物体进行视觉信息捕捉，得到图像数据，并记录对应的语言指令；通过语言模型根据语言指令，提取出关键动作和目标对象，生成操作指令；通过视觉处理模型根据图像数据提取出空间特征；将空间特征和操作指令融合，通过机器学习算法，生成最终的操作策略；将操作策略转化为机械臂的执行指令，以操纵可形变物体；与现有技术相比，本发明显著提高了机器人处理柔性物体的精度与效率，为智能制造、家居和服务等领域的应用提供了有效的技术支持。
-
公开(公告)号：CN115625707B
公开(公告)日：2025-01-24
申请号：CN202211262473.X
申请日：2022-10-14
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种人机安全交互控制方法，包括：获得接近觉数据和加速度数据；对障碍物进行定位，获得障碍物静态特征值；判断是否会发生触碰；构建虚拟斥力场，划定虚拟斥力场所在区域为危险作业区域；通过关节力矩控制方法调控速度在安全阈值内；检测是否与障碍物触碰；对触碰的障碍物进行身份识别，判断障碍物是否是人且接触力超过人机安全阈值，若是，进行急停并且原路返回，否则，基于虚拟斥力场重新规划路径。与现有技术相比，本发明提出了针对电子皮肤多模动态异构感知信息的融合算法，包括多源异构信息融合的虚拟力场构建、障碍物身份识别等，提高了电子皮肤信息的利用效率和感知精度。
-
公开(公告)号：CN119089978A
公开(公告)日：2024-12-06
申请号：CN202411204561.3
申请日：2024-08-30
Applicant: 同济大学
IPC: G06N3/096 , B23P21/00 , G06N3/0455 , G06F18/214
Abstract: 本发明涉及一种面向电子设备装配场景多模态大模型训练方法及系统，所述方法包括以下步骤：采集电子设备装配过程所需数据，构建流程指导数据集；获取实际装配过程中的实物图像，构建关联信息数据集；将流程指导数据集和关联信息数据集输入基于Transformer的预训练模型进行训练，初步得到多模态大模型；获取同任务中人工执行装配任务的动作信息，构建人工指导多模态数据集；传入多模态大模型中，对大模型进行微调，更新装配细节提升模型性能，得到面向电子设备装配场景多模态大模型；针对未学习到的零件或装配细节，通过物理示教的交互式学习，提升模型的泛化性。与现有技术相比，本发明提高了多模态大模型的泛化性能，节约装配时间，提升了装配任务的效率。
-
公开(公告)号：CN115502973B
公开(公告)日：2024-11-26
申请号：CN202211164823.9
申请日：2022-09-23
Applicant: 同济大学
IPC: B25J9/16 , G06F30/20 , G06F119/14
Abstract: 本发明涉及基于磁场的微纳米机器人集群多模态行为调控方法及系统，所述的方法包括以下步骤：S1、判断微纳米机器人集群是执行单步简单任务还是多步复杂任务，若为单步简单任务则进入S3，若为多步复杂任务则进入S2；S2、根据微纳米机器人集群执行动作和模态行为的顺序，确定调控的时序组合方案；S3、确定集群每一步的动作和模态实现所需的磁场维度和类型；S4、建立多维度磁感应强度表达式，实现微纳米机器人集群多模态行为调控；S5、实时获取微纳米机器人集群的位置及状态并实现集群的有效跟踪及信息反馈。与现有技术相比，本发明方法泛化通用、鲁棒性强、适应多类型场景和高精度调控需求等优点。
-
Patent Agency Ranking
公开(公告)号：CN116587276B
公开(公告)日：2024-08-27
申请号：CN202310622993.5
申请日：2023-05-30
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种基于大模型的机器人线缆操作方法、装置及存储介质，其中方法包括：在虚拟环境中创建场景，通过移动线缆两端生成运动学数据；在离线阶段，利用生成的运动学数据对大模型进行微调，训练得到基于超大参数量模型的线缆运动学模型；在真实线缆上，对多个关键点进行标记，基于卡尔曼滤波，利用RGB相机感知关键点状态；基于关键点状态，构建神经网络模型并进行在线学习，得到线缆运动学模型的修正函数；基于修正后的线缆运动学模型求解优化后的控制输入，真实机器人根据优化后的控制输入对真实线缆进行控制，将真实线缆变形为目标形状。与现有技术相比，本发明可以有效拟合线缆运动学规律，具有线缆操作精确等优点。
-
公开(公告)号：CN117182908B
公开(公告)日：2024-07-23
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：CN118246525A
公开(公告)日：2024-06-25
申请号：CN202410357836.0
申请日：2024-03-27
Applicant: 同济大学
IPC: G06N3/0985 , G01D18/00 , G06N3/084 , G06N3/045
Abstract: 本发明涉及一种可增长学习的多边缘感知器件自标定方法、装置及存储介质。该方法首先基于当前的标定环境，获取环境感知标定数据；其次基于当前的应用环境，获取各边缘感知器件的实时输出响应值；最后基于环境感知标定数据和实时上传的输出响应值，利用基于元学习和增量学习的标定模型将边缘感知器件的输出响应值转化为相应的感知物理量，完成自标定；标定模型的获取过程包括基于元学习的离线训练和基于增量学习的云服务器优化。与现有技术相比，本发明具有显著提升大量传感器标定的效率，具有自适应和持续优化等优点。
-
公开(公告)号：CN118155288A
公开(公告)日：2024-06-07
申请号：CN202410368409.2
申请日：2024-03-28
Applicant: 同济大学
IPC: G06V40/20 , G06V10/26 , G06V10/764
Abstract: 本发明涉及一种多模态数据采集、存储标注系统，所述系统包括：前端数据采集模块，用于采集多模态数据，所述多模态数据包括动捕、音视频、触觉动力学、眼动注意力以及肌电数据；传感器同步模块，用于对多模态数据进行时间与空间维度上的对齐；数据存储及标注模块，对采集的原始数据的存储，并进行动作分割，行为标定、语义分割、手部动作分类以及感兴趣区域标注；后端管理模块，包括对标注数据进行跨模态统计与分析，分析各模态数据之间的关系。与现有技术相比，本发明可以完善现有模态数据的采集、存储以及标注方案，可实现多模态可视化，为更多的研究学者展开模仿学习、目标检测、手势分类等技术研究提供了数据支撑。
-
公开(公告)号：CN115515144B
公开(公告)日：2024-06-04
申请号：CN202211246972.X
申请日：2022-10-12
Applicant: 同济大学
Abstract: 本发明公开了一种异构AIoT自组网信号全覆盖方法及装置，涉及人工智能物联网技术领域。包括：基于随机分布的方式，将静态传感节点固定到待检测区域；基于覆盖优化算法，将移动传感节点部署到待检测区域；获取静态传感节点以及移动传感节点的工作状态，基于工作状态以及移动节点智能调度算法，对移动传感节点进行智能调度，得到待检测区域的信号全覆盖方法。本发明针对异构传感节点在环境中随机部署时出现覆盖漏洞和覆盖重复导致覆盖率低和能量浪费的问题，提出一种基于粒子群优化帝王蝶算法和极限学习机的异构AIOT组网节点部署与覆盖优化方法。能够在保证网络覆盖率的前提下降低节点成本和网络能耗。
-
-
-
-
-
-
-
-
-
Search Results
235
records
(took 0.026 seconds)
