-
公开(公告)号：CN113763548A
公开(公告)日：2021-12-07
申请号：CN202110939893.6
申请日：2021-08-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于视觉‑激光雷达耦合的贫纹理隧洞建模方法及系统，包括以下步骤：获取深度相机采集的点云信息、激光雷达采集的激光信息以及无人机的运动信息；基于激光信息生成栅格地图，基于运动信息得到无人机的位姿信息；采用贝叶斯融合方法将点云信息、栅格地图和位姿信息进行融合，得到地图模型；基于上一时刻的地图模型，通过特征匹配对最新的地图模型进行修正。与现有技术相比，本发明融合深度相机和激光雷达进行SLAM建图，充分利用激光雷达较大的范围信息和深度相机较为丰富的局部信息，互补提高了信息的精确度，使地图模型的建立更加接近于真实隧洞环境。
-
公开(公告)号：CN119204148B
公开(公告)日：2025-04-01
申请号：CN202411316397.5
申请日：2024-09-20
Applicant: 同济大学
IPC: G06N3/0895 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种面向具身智能机器人的跨模态自监督学习的感知预测方法，获取机器人的运动输入向量和感知输入向量并利用认知模型学习二者相关性，学习过程包括：获取机器人行为相关的运动输入向量和感知输入向量，通过分别进行自编码和解码，计算运动输入向量和感知输入向量对应的重构损失；基于自编码后的运动、感知输入向量，通过跨模态查询计算跨模态映射损失；基于运动感知输入向量对应的重构损失，以及跨模态映射损失，加权得到总损失，基于总损失对认知模型的参数进行更新，实现基于自监督学习的模态内隐式表达和模态间联系的建模。与现有技术相比，本发明可以有效提升具身智能机器人行为的自适应水平，具有自主发育和持续学习等优点。
-
公开(公告)号：CN114924596B
公开(公告)日：2025-02-18
申请号：CN202210583505.X
申请日：2022-05-25
Applicant: 同济大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种基于子母无人机的复杂场景目标自主搜寻方法，包括：母机接受搜索任务后判断是否能够独自完成搜索，若否时，分析目标搜寻所需子机数量并且指定子机脱离规则；被选定的子机收到对应搜索任务后脱离母机，子机单独或者和母机协同进行目标搜索；在目标搜索过程中，子机通过制定的多机移动自组网机制与母机保持通信；在子机单独或者和母机协同进行目标搜索时，采用Voronoi图将待搜索区域划分为与无人机数量一致的区域，然后利用粒子群算法更新每架无人机的运动速度和位置。与现有技术相比，本发明实现子母无人机在复杂场景下的目标搜索，还可以用于多目标跟踪等任务，提高搜索效率。
-
公开(公告)号：CN119045379A
公开(公告)日：2024-11-29
申请号：CN202411190886.0
申请日：2024-08-28
Applicant: 同济大学
IPC: G05B19/042
Abstract: 本发明涉及一种基于物理智能主动感知的具身智能体及其控制方法，该方法基于多模态具身大模型控制具身智能体，所述多模态具身大模型包括数据处理模块、感知规划模块、物理智能模块、信息输送模块、环境交互模块和运动控制执行模块；该方法包括：所述感知规划模块接收数据处理模块处理后的数据，依据该数据输出感知信息和任务规划指令；物理智能模块接收所述感知信息和任务规划指令并输出运动动作规划指令，环境交互模块实时采集环境信息并与感知信息进行比对，运动控制模块接收运动动作规划指令，结合比对结果进行动作校正，实现具身智能体控制。与现有技术相比，本发明具有泛化性能高以及执行任务准确性更高等优点。
-
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。
-
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：CN115633129B
公开(公告)日：2024-03-05
申请号：CN202211252929.4
申请日：2022-10-13
Applicant: 同济大学
IPC: H04N1/32 , H04L9/00 , G06N3/0464 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种堆栈式稀疏自编码器和GAN的混沌序列图像加密方法及装置，涉及图像加密技术领域。包括：获取待加密的原始图像；获取原始图像的混沌序列；将混沌序列输入到训练好的基于堆栈稀疏自编码器和生成对抗网络GAN的深度学习网络加密模型；根据混沌序列以及深度学习网络加密模型，得到待加密的原始图像的密文图像。本发明通过堆栈式稀疏自编码器学习图像中复杂的内在特征，堆栈式稀疏自编码不仅具有多层网络结构，而且具有稀疏编码器的约束能力，使得模型能够在复杂环境下学习更加有效的图像特征。堆栈稀疏自编码器和GAN生成对抗网络相结合的加密模型，能够消除混沌序列的周期性，进一步提高加密模型的安全性。
-
公开(公告)号：CN116756944A
公开(公告)日：2023-09-15
申请号：CN202310642530.5
申请日：2023-06-01
Applicant: 同济大学
Abstract: 本发明提供一种陆空协同感知的数字孪生精细建模方法，所述方法基于陆空协同无人系统以及数字孪生构建系统，包括：陆空协同无人系统在服务器的指引下实现协同引导功能和区域探索功能，协同完成对目标区域的感知任务，并将获取的感知信息传递至基于陆空协同无人系统的数字孪生构建系统；数字孪生构建系统与陆空协同无人系统双向交互，对获取的感知信息进行感知融合，并且通过盲区检测的方式寻找缺失信息，引导陆空协同无人系统对盲区的感知信息进行补充，实现对目标区域的精细数字孪生建模。本发明将陆空协同无人系统与数字孪生构建系统相结合，能够实现陆空协同感知并完成对应的数字孪生系统的精细建模。
-
公开(公告)号：CN116634368A
公开(公告)日：2023-08-22
申请号：CN202310694346.5
申请日：2023-06-12
Applicant: 同济大学
Abstract: 本发明提供一种传感器网络的节点故障控制方法及装置，在该方法中，包括：根据预设的子网划分条件，将传感器网络中处于运行状态的各个传感器节点分组至多个传感器子网络；获取对应各个传感器子网络的子网节点表；根据子网节点表，确定各个传感器子网络中对应相邻的传感器子网络的节点插补位置；在确定传感器网络存在节点故障的情况下，控制携带有应急传感器节点的移动机器人移动至节点插补位置，使得传感器网络基于应急传感器节点重新组网。由此，充分发挥移动机器人自主导航的优势，在移动机器人上安装传感器节点，实现传感器网络的自动故障应急插补。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.01 seconds)
