公开(公告)号：CN108665414A

公开(公告)日：2018-10-16

申请号：CN201810441445.1

申请日：2018-05-10

Applicant: 上海交通大学

Inventor： 倪冰冰 ,  张文冬 ,  徐奕 ,  杨小康

IPC: G06T3/40

Abstract: 本发明提供了一种自然场景图片生成方法，包括：根据图片中不同视觉元素或者不同图层之间的依赖关系，基于Hawkes过程建立自然场景生成模型；其中，所述自然场景生成模型包括：异步层生成网络和对抗生成网络；所述异步层生成网络用于生成标签序列；所述对抗生成网络用于根据所述标签序列生成对应的图层，并将生成的图层进行叠加处理后得到合成的自然场景图片；通过所述自然场景生成模型生成合成的自然场景图片。本发明中的方法充分考虑了图片中视觉元素的景深上的结构，使得生成的自然场景图片更加真实清晰。

公开(公告)号：CN117584127A

公开(公告)日：2024-02-23

申请号：CN202311639982.4

申请日：2023-12-04

Applicant: 上海交通大学

Inventor： 杨小康 ,  王韫博 ,  王琦 ,  张文冬

IPC: B25J9/16

Abstract: 本公开提供一种面向机械臂多任务长程决策的强化学习系统，其包括：混合世界模型模块，将当前时刻的视觉观测、执行的动作以及当前任务的第一分类任务变量作为输入，采用高斯混合变量获取隐空间中输入量的空间外观的多模态分布，输出重建的图像；预测性经验回放模块，将第二分类任务变量作为输入，采用上一任务的生成模型副本、世界模型副本以及动作模型副本进行轨迹重演，并采用重演轨迹和当前轨迹对当前任务的生成器和机械臂进行训练，确定训练完成的机械臂和智能体。通过本公开，控制机械臂实现高效记忆的数据重演，克服世界模型的灾难性遗忘，在机械臂多任务长程决策场景中面对多个任务时，能够灵活地做出决策，提高机械臂的自主性和适应性。