-
公开(公告)号：CN110119844A
公开(公告)日：2019-08-13
申请号：CN201910378476.1
申请日：2019-05-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能机器人领域，具体涉及一种引入情绪调控机制的机器人运动决策方法、系统、装置，旨在解决机器人决策速度与学习效率的问题。本系统方法包括利用环境感知模型，根据当前动作变量和状态值生成下一时刻的预测状态值；基于动作变量、状态值、即时奖励，更新状态-动作值函数网络；基于环境感知模型获取预测轨迹，计算预测轨迹局部最优解，并进行微分动态规划，获取基于模型的最优决策；根据当前状态和策略，最小化状态-动作值函数，获取无模型决策；基于状态预测误差、奖励预测误差及平均奖励值，通过情绪加工可计算模型生成情绪响应信号，根据信号的阈值选择路径决策。本发明在保证学习效率同时逐步提高决策速度。
-
公开(公告)号：CN105809201B
公开(公告)日：2019-07-05
申请号：CN201610141197.X
申请日：2016-03-11
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种生物启发式自主提取图像语义概念的识别方法及装置，该方法包括：将带标签的图像数据集作为训练样本，从图形输入层输入模型；利用深度置信卷积神经网络提取图像数据的特征；构造图像特征之间的结构关系，提取语义概念；利用样本图片提取的语义概念特征训练贝叶斯分类器；将测试图像输入训练好的识别模型进行识别分类。本发明在已有的生物启发式神经网络计算模型基础上，模仿人类视觉神经系统的处理机制，构建一种可以自主提取图像语义概念的图像识别模型，从而增强了模型的识别速度和解释能力，提高了图像识别尤其是具有模糊语义的图像识别的鲁棒性。
-
公开(公告)号：CN109895066A
公开(公告)日：2019-06-18
申请号：CN201910330101.8
申请日：2019-04-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于机器人技术领域，具体涉及一种基于肌肉非线性特性的人工肌肉模块，旨在解决现有机器人柔顺性差、无法完成复杂且高精度的装配动作问题，本发明人工肌肉模块包括本体结构件、拉紧单元、伸缩单元、气动肌腱；伸缩单元包括导向装置、弹性部件；导向装置包括固定部和移动部；弹性部件和气动肌腱均与导向装置的移动部相连；拉紧单元包括驱动部件、柔性连接件；本发明主动收缩时气动肌腱与驱动部件可以带动柔性连接件拉动导向装置的移动部移动，被动拉伸时弹性部件提供被动拉力，从而模拟出肌肉工作状态时的非线性特性，本发明的人工肌肉模块具有柔顺性，可使装配本发明的机器人实现复杂且高精度的装配动作。
-
公开(公告)号：CN109176532A
公开(公告)日：2019-01-11
申请号：CN201811333508.8
申请日：2018-11-09
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明属于机器人技术领域，具体涉及一种机械臂路径规划方法、系统及装置，旨在解决从序贯式数据逐步建立序列模型而发生灾难性遗忘的问题。本发明方法包括，从多任务序列R中选取一个未经优化的任务Ri；基于任务Ri的局部策略pi来生成成功抓取的样本轨迹集合Dm；基于Dm拟合线性高斯动力学模型；采用直接优化单一的局部策略的方法优化得到优化后的局部策略p1i；基于p1i生成成功抓取的样本轨迹集合D1m；采用EWC算法，基于D1m优化全局策略πθ；重复上述步骤直至R任务被遍历，输出最后优化的到的全局策略πθ，进行机械臂多任务下的路径规划。通过本发明从序贯式数据逐步建立序列模型而不发生灾难性的遗忘。
-
公开(公告)号：CN105373777B
公开(公告)日：2019-01-08
申请号：CN201510727701.X
申请日：2015-10-30
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明公开了一种用于人脸识别的方法和装置，所述方法包括：对于输入的待识别人脸图片进行人脸关键部件定位，确定人脸关键部件中心位置；根据人脸关键部件中心位置进行人脸图像区域分割，以人脸关键部件的中心为图像中心位置分别分割出人脸关键部件区域；将人脸图像分割为预定数量同样大小的正方形图像区域；基于第一种分割方式得到的人脸关键部件区域对应的图像，利用面部表情识别神经网络进行面部表情识别，得到人脸图像对应的面部表情信息；所述面部表情识别神经网络基于卷积深度信念神经网络构成；基于第二种分割方式得到的预定数量的语义区域对应的图像，提取每一块语义区域图像的局部二值模式直方图，并在所述面部表情信息的调控下，得到人脸识别结果。
-
Patent Agency Ranking
公开(公告)号：CN109101897A
公开(公告)日：2018-12-28
申请号：CN201810806439.1
申请日：2018-07-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及机器人视觉、模式识别与机器学习领域，具体涉及一种水下机器人的目标检测方法、系统及相关设备。旨在提升目标检测技术对水下目标遮挡、变形、光照变化的鲁棒性。本发明的目标检测方法包括：获取原始的待检测图像；对原始的待检测图像进行像素值归一化，得到预处理后的待检图像；将预处理后的待检测图像输入目标检测网络进行检测，得到感兴趣区域的包围框和属于各目标类别的概率；根据感兴趣区域的包围框和属于各目标类别的概率，采用改进的非极大值抑制算法得到目标物体的包围框和所属类别。其中，目标检测网络中采用可变形卷积神经网络提取特征图，基于候选区域法进行目标检测。本发明的检测方法在保证速度的情况下提升了检测的精度。
-
公开(公告)号：CN106585762B
公开(公告)日：2018-11-02
申请号：CN201611202919.4
申请日：2016-12-23
Applicant: 中国科学院自动化研究所
IPC: B62D57/032 , B62D57/028
Abstract: 本发明属于机器人技术领域，具体提供一种仿生机器鼠。本发明旨在解决现有仿生机器鼠灵活性不高和驱动力不足等问题。为此目的，本发明的仿生机器鼠包括鼠头组件、前肢组件、鼠身组件以及后肢组件，所述后肢组件不包括板状底盘，但包括后足驱动组件、与后足驱动组件固定连接的舵机组件以及与舵机组件连接的鼠身安装架，后足驱动组件用于直接驱动仿生机器鼠前后移动和转向，舵机组件用于驱动鼠身安装架相对于舵机组件转动，鼠身安装架与鼠身组件连接，用于在舵机组件的驱动下带动鼠身组件相对于后肢组件转动。由于具有以上结构，所述仿生机器鼠能够解决现有仿生机器鼠灵活性不高以及驱动力不足的问题。
-
公开(公告)号：CN105619408B
公开(公告)日：2017-10-27
申请号：CN201610101992.6
申请日：2016-02-24
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明提出的一种类人机器人上肢运动模型的类神经精准控制方法，包括类人机器人的上肢动力学模型、运动模板库的构建，以及运动模板的选择和控制输出的步骤，还包括参照生物中大脑的群体向量编码机制设计的基于运动结果进行离线修正的权重修正方法，参照小脑在运动控制中的修正作用而提出的实时的权重修正模型以及更新该权重修正模型的方法。该方法避免了实时的逆动力学求解，大幅减少了计算量，加快了反应速度，使类人机器人能同时具备高精度、学习能力和快速反应能力。与已有类神经控制方法相比，该方法可以在不增加模板点数目的情况下通过建立和更新权重修正模型来提高运动精度，而且该权重修正模型具有一定的泛化能力。
-
公开(公告)号：CN104537689B
公开(公告)日：2017-08-25
申请号：CN201410822318.8
申请日：2014-12-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明为一种基于局部对比显著性联合特征的目标跟踪方法。包括步骤：(1)目标跟踪开始初始化选取目标区域和背景区域；(2)提取目标区域和局部背景区域的颜色、纹理、梯度方向直方图特征，进行自下而上显著特征提取；(3)自上而下的特征评估，修正显著性模型；本发明利用显著性特征强区分性、稳健性，作为单一的特征的补充，能够较好的表述目标，可以提高系统在目标与背景具有相似特征分布、局部遮挡、目标自身变化等复杂场景下的跟踪性能，具有较强的鲁棒性。
-
公开(公告)号：CN104463786B
公开(公告)日：2017-06-16
申请号：CN201410727745.8
申请日：2014-12-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种图像拼接方法及装置，适用于双目视觉移动机器人平台，利用图像拼接技术对机器人双目采集的图像进行拼接，可以增大机器人视野，便于机器人更好地完成定位和环境重建。本发明方法包括：采用SURF特征提取图像序列特征点，形成特征向量；搜索特征向量空间，寻找特征匹配点；采用随机采样一致性算法(RANSAC)鲁棒地估计变换模型参数；利用变换模型对待配准图像进行坐标变换，实现图像序列的坐标统一；根据对应匹配点的亮度值，估计出图像序列亮度空间满足的变换关系，实现曝光度补偿；采用像素标签方法确定图像重叠区域像素取值，实现拼接图像去鬼影；根据最优标签值集合生成图像掩膜，对图像进行拉普拉斯金字塔融合。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.04 seconds)
