-
公开(公告)号：CN101285871B
公开(公告)日：2010-07-28
申请号：CN200810106261.6
申请日：2008-05-09
Applicant: 中国科学院计算技术研究所
IPC: G01R31/3185
Abstract: 本发明提供一种扫描链诊断向量生成方法和装置及扫描链诊断方法。所述诊断向量生成方法，包括如下步骤：确定扫描链的故障类型；根据扫描链的故障类型设定约束条件；在约束条件下，使扫描单元的逻辑状态通过组合逻辑形成的路径传播到的输出或伪输出数目最大，生成扫描链诊断向量。所述诊断向量生成装置，包括如下部件：故障类型判别单元，用于判别扫描链的故障类型；约束条件单元，用于根据故障类型设定约束条件；诊断向量生成单元，用于在所述约束条件下，使扫描单元的逻辑状态通过组合逻辑形成的路径传播到的原始输出或伪输出数目最大，生成扫描链诊断向量。本发明能够有效地容忍组合逻辑中的故障，且不会给电路带来硬件开销。
-
公开(公告)号：CN119830978A
公开(公告)日：2025-04-15
申请号：CN202510019544.0
申请日：2025-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于预训练大模型的适配器搜索方法，包括：根据目标数据集选取预训练大模型；构建对适配器深度、宽度和通道组合的搜索空间；基于该搜索空间，构建包含所有可学习的低秩矩阵的网络为超网，对该超网进行采样预训练；使用进化算法基于该超网的预训练权重搜索匹配该目标数据集的最终适配器。本发明设计了一个层次化的适配器搜索空间，使得适配器在各种下游任务均具有良好的泛化能力，并采用了一种基于探索和利用的超网采样训练机制，来平衡不同通道的训练，从而确保通道间的公平对比并实现更快的收敛速度，改善了通道收敛性，更好地平衡了通道的探索和利用并成功搜索到了能适应不同下游任务的适配器结构。
-
公开(公告)号：CN119239616A
公开(公告)日：2025-01-03
申请号：CN202411394850.4
申请日：2024-10-08
Applicant: 中国科学院计算技术研究所
IPC: B60W40/105 , B60W50/00 , B60W60/00
Abstract: 本申请公开了一种基于道路风险动态优化感知模型推理速度的方法，包括：根据自动驾驶下道路不同风险等级，轻量化处理预构建对应不同运算速度的环境感知模型；采集道路环境信息，并基于道路环境信息实时计算道路环境风险值，根据道路风险值的范围确定当前道路环境安全等级；基于环境安全等级，选择不同运行速度对应的环境感知模型，输出感知结果，并动态调整行驶速度上限，实现自动驾驶感知系统运行速度的智能调控。本发明能够根据道路风险等级动态选择不同运行速度的感知模型并调整规划速度上限，实现感知系统运行速度智能调控，保障自动驾驶安全。
-
公开(公告)号：CN119164403A
公开(公告)日：2024-12-20
申请号：CN202411400588.X
申请日：2024-10-09
Applicant: 中国科学院计算技术研究所
IPC: G01C21/20
Abstract: 本发明提出一种面向非结构化环境可通行区域的路径规划方法及装置，该方法包含：输入可通行区域的二维栅格地图，其中栅格地图以像素表示可通行区域和障碍物，提取可通行区域边界；从轨迹点集中获取与运动体的当前位置满足第一条件的第一轨迹点，依据该可通行区域边界，调整该第一轨迹点，得到目标轨迹点；计算从该当前位置到该目标轨迹点的最优路径作为候选轨迹；将该当前位置、该目标轨迹点、该候选轨迹及该可通行区域边界加入超图，利用可通行区域边界约束、动力学约束和运动学约束建立目标约束，优化得到从该当前位置到该目标轨迹点的优化轨迹。该方法提高了非结构化环境场景下，路径规划的安全性和实时性，进而提高了路径规划的精确度。
-
公开(公告)号：CN118991775B
公开(公告)日：2024-12-20
申请号：CN202411475303.9
申请日：2024-10-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种智能车辆的倒车控制方法、装置、存储介质，该方法包含：获取智能车辆的当前状态和倒车参考路径；建立刚体六轮车模型，将倒车参考路径转化为基于虚拟车辆上的正向参考路径；将该倒车参考路径的参考航向角全部反向，得到正向参考航向角；根据该正向参考路径、该正向参考航向角、虚拟车辆的当前状态，计算虚拟车辆的前轮转向角控制量；依据虚拟车辆的前轮转向角控制量，计算智能车辆的前轮转向角控制量；计算智能车辆的转向动力学补偿角，并将该转向动力学补偿角叠加至该智能车辆的前轮转向角控制量得到最终前轮转向角控制量。该方法提高了智能车辆倒车控制的精度与实时性。
-
Patent Agency Ranking
公开(公告)号：CN119148711A
公开(公告)日：2024-12-17
申请号：CN202411290060.1
申请日：2024-09-14
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种混合地形轨迹规划系统，用于在混合地形环境下为行进目标规划行进路径，所述系统包括：感知处理模块，其配置有预训练语义分割网络和编码器；其中，所述预训练语义分割网络用于对行进目标采集的多个时刻连续的RGB地形图像进行语义特征提取以得到每个时刻的多标签地形特征图；所述编码器用于对每个时刻的多标签地形特征图进行编码处理以得到每个时刻的混合地形语义特征图；轨迹规划模块，用于基于其上配置的策略网络对行进目标采集的多个时刻连续的行进目标的行进状态、地形深度图以及感知处理模块传递的与之对应的多个时刻连续的混合地形语义特征图进行处理以获取目标规划轨迹。
-
公开(公告)号：CN119007159A
公开(公告)日：2024-11-22
申请号：CN202410405638.7
申请日：2024-04-03
Applicant: 中国科学院计算技术研究所
IPC: G06V20/58 , G06V10/44 , G06V10/22 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种基于视觉模型SAM的停车区域检测方法，包括：通过视觉模型SAM将车辆周边的俯视环视图像分割为具有多个掩码的分割结果；对该分割结果进行过滤，筛选出包含停车区域信息的有效掩码；使用预定义规则获取该有效掩码中的标记点，根据该标记点获取该停车区域信息。本发明还提出一种基于视觉模型SAM的停车区域检测装置，以及一种计算机可读存储介质和一种电子设备。本发明的停车区域检测方法，通过利用SAM模型的强大零样本迁移能力，在多样化的环境和复杂的背景条件下，对环视图像进行智能分析与处理，无需特定的停车区域标注数据和额外的训练数据，即可实现对停车区域的有效检测与定位，适用于自动驾驶系统中的泊车辅助功能。
-
公开(公告)号：CN118991775A
公开(公告)日：2024-11-22
申请号：CN202411475303.9
申请日：2024-10-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种智能车辆的倒车控制方法、装置、存储介质，该方法包含：获取智能车辆的当前状态和倒车参考路径；建立刚体六轮车模型，将倒车参考路径转化为基于虚拟车辆上的正向参考路径；将该倒车参考路径的参考航向角全部反向，得到正向参考航向角；根据该正向参考路径、该正向参考航向角、虚拟车辆的当前状态，计算虚拟车辆的前轮转向角控制量；依据虚拟车辆的前轮转向角控制量，计算智能车辆的前轮转向角控制量；计算智能车辆的转向动力学补偿角，并将该转向动力学补偿角叠加至该智能车辆的前轮转向角控制量得到最终前轮转向角控制量。该方法提高了智能车辆倒车控制的精度与实时性。
-
公开(公告)号：CN118316337A
公开(公告)日：2024-07-09
申请号：CN202410446733.1
申请日：2024-04-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开一种轴向径向耦合磁通电机及控制方法、动力控制系统及车辆，控制方法包括如下步骤：至少一个轴向磁通电机与至少一个径向磁通电机分立并同轴设置于壳体内的转轴上；转轴的实际转速为n，获取工作转速分界点nc以及过渡转速nt；当n≤nc‑nt时，设置轴向磁通电机处于主驱动模式，径向磁通电机处于驱动模式、空转模式或者发电模式而提供该实际转速下负载所需的足够扭矩，使轴向磁通电机始终保持在高效率区间内；当n≥nc+nt时，设置径向磁通电机处于主驱动模式，轴向磁通电机处于驱动模式、空转模式或者发电模式而提供该实际转速下负载所需的足够扭矩，使径向磁通电机始终保持在高效率区间内。本发明转动惯量小，动力强，具有一定的容错能力。
-
公开(公告)号：CN112381208B
公开(公告)日：2023-10-31
申请号：CN202011268902.5
申请日：2020-11-13
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/084
Abstract: 本发明提出一种深度渐进且逐步寻优的神经网络架构搜索方法与系统，包括：步骤1、构建包含和不包含下采样操作的第一搜索单元和第二搜索单元，堆叠第一搜索单元和第二搜索单元，形成超网；步骤2、通过梯度下降法搜索得到超网的有向无环图中每个边的每个操作的权重系数，每条边通过选择边对应操作中权重系数最大的操作，得到每条边最终搜得的操作结果，以操作结果分别更新第一搜索单元和第二搜索单元，得到第一更新单元和第二更新单元，堆叠第一更新单元和第二更新单元，得到单模型；步骤3、判断单模型深度是否小于目标模型深度，若是，将预设递增数量的第一搜索单元堆叠至单模型，形成超网，再次执行步骤2，否则将单模型作为神经网络搜索结果。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.037 seconds)
