-
公开(公告)号：CN119369408A
公开(公告)日：2025-01-28
申请号：CN202411754450.X
申请日：2024-12-02
Applicant: 东南大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于分层蒙特卡洛树搜索的工业机器人路径规划与执行方法。通过将全局性的复杂线性时序逻辑任务转化为有限状态自动机，实现了对任务的简化和清晰表示，使工业机器人能够更容易地理解和执行。在此基础上，进一步构建了有限状态自动机和多智能体马尔科夫决策过程的交叉乘积模型，以更有效地处理多个工业机器人之间的协同问题。进一步地，为了压缩历史状态空间，提出包含任务选择和任务分配的分层蒙特卡洛树搜索(MCTS)算法，该算法包含任务选择和任务分配两个层次，能够显著降低算法复杂度并提高搜索效率。综上所述，本发明为工业机器人提供了一种高效、准确且灵活的在线路径规划与执行解决方案，特别适用于各种具有时序逻辑特性的长程任务。
-
公开(公告)号：CN116090333A
公开(公告)日：2023-05-09
申请号：CN202211609912.X
申请日：2022-12-14
Applicant: 东南大学
Abstract: 本发明提供了一种基于感知盲区估计的城市公共空间灾害建模与预防系统，包括局部信息表征、社会力模型仿真器构建、局部信息融合、全局轨迹恢复、多任务联合异常事件预测六个部分。本发明通过基于多源异构数据获取传感器感知范围内的局部信息表征，获取片段轨迹并结合社会力模型仿真器，提出了一种适用于城市公共空间多传感器的轨迹融合方法，基于方向和时间两种因素，通过求解最优匹配问题得出融合结果，并基于社会力模型仿真器，恢复城市公共空间内的完整感知，解决了感知盲区信息难以获取的问题；最后，基于多个不同异常事件之间发生关系的相关性，进行对多个异常事件检测或预测任务的联合训练，实现基于盲区感知的灾害建模与预防。
-
公开(公告)号：CN113361789A
公开(公告)日：2021-09-07
申请号：CN202110668534.1
申请日：2021-06-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于层次化博弈的充电站服务定价方法。该方法首先基于层次化的斯塔克伯格博弈构建电动汽车充电与充电站定价的博弈模型，其中包括充运营公司的充电站的定价影响电动汽车决策、电动汽车的决策相互影响、电动汽车的决策影响充电站定价的博弈特性。然后根据电动汽车的优化目标定义其充电成本优化问题，以及根据充电运营公司的优化目标定义其收益优化问题。之后再基于最优化理论对问题的收敛性进行分析，并基于优化算法对电动汽车以及运营公司的优化问题进行求解，最后将求解出的定价结果作为充电运营公司对其所运营的充电站的定价策略。该方法在考虑了电动汽车充电的理性决策，可以很大程度地提升充电运营公司的收益。
-
公开(公告)号：CN109614198A
公开(公告)日：2019-04-12
申请号：CN201811415468.1
申请日：2018-11-26
Applicant: 东南大学
Abstract: 本发明公开了一种电价动态变化环境下的虚拟机整合调度算法，包括如下步骤：(1)VM分组，保证同一组中的VM之间执行时长关系不超过两倍；(2)构造虚拟VM，针对每一组中的任务重新构造对应的虚拟VM并且使得同一组中的虚拟VM具有相同的执行时长；(3)任务分配，针对每组具有相同执行时长的虚拟VM使用NEXT-FIT算法进行PM(Physical Machine，物理机)分配；(4)映射分配，将原VM放置在其对应虚拟VM安排的PM上执行。本发明在电价动态变化的情况下，考虑VM时间敏感性和PM资源容量限制，同时在侧重动态适应电价变化的前提下兼顾执行时间限制和服务质量，发明了一种近似度为对数的在线近似算法，达到最小化数据中心成本的目标。
-
公开(公告)号：CN114943757A
公开(公告)日：2022-08-26
申请号：CN202210622959.3
申请日：2022-06-02
IPC: G06T7/50 , G06V20/17 , G06V40/10 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06F30/27 , G05D1/10 , G06F111/04
Abstract: 本发明提供了一种基于单目景深预测和深度增强学习的无人机森林探索系统。本发明逻辑上主要包括四个部分，景深预测识别优化、增强学习规则避障、目标检测以及以RESTful服务形式组建可扩展的感知、计算、控制无人机链路。流程上首先建立了针对森林场景的单目景深预测模型，并根据一种整图不确定度估计方法，通过对方差进行估计来表示景深预测模型结果的不确定度，解决了无人机飞行样例中景深预测失效的问题；然后构建在单目前向无人机硬件约束下的以森林场景下的小型障碍物规避为规划目标的避障模式；最后使用PPO深度增强学习算法来实现无人机避障及导航，解决了策略训练后可能出现的陷入局部最优区域的问题，并通过部署轻量级目标检测网络实现人员搜寻。
-
Patent Agency Ranking
公开(公告)号：CN114676909A
公开(公告)日：2022-06-28
申请号：CN202210302308.6
申请日：2022-03-25
Applicant: 东南大学
Abstract: 本发明设计了一种利用深度强化学习模型Graph Attention based Pointer Network（GAPN）为无线传感器网络中的无人车向传感器节点进行充电的路径规划方法。流程包括如下步骤：（1）收集无线传感网络中每个节点的位置坐标信息及其电量状况（2）根据收集的数据生成与其位置信息相同分布的训练数据集和测试数据集；（3）将制作好的数据集用于GAPN模型训练；（4）将收集到的节点信息输入到完成训练的GAPN模型中，通过模型的处理，输出最终的访问节点序列。本发明基于深度强化学习和图神经网络的方法提出了一种解决无人充电车路径规划的策略，提高了无线传感网络的工作效率，延长了网络的生命周期。
-
公开(公告)号：CN113344085A
公开(公告)日：2021-09-03
申请号：CN202110667243.0
申请日：2021-06-16
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种平衡偏置的多源数据协同优选与融合方法和装置，方法包括如下步骤：(1)收集每个数据提供者的数据si及其包含的数据种类信息，以及数据si的成本信息bi；(2)对收集的数据采用多属性联合的真值发现算法；(3)根据数据si包含的数据种类信息的不同对所有数据si∈S进行分组；(4)使用数据优选BPMG‑M算法决定选择的数据集合(5)将选择的数据Sw输入到数据融合模块进行数据融合。装置包括主控调度模块、数据信息存储模块和数据融合参数存储模块等。本发明利用组合优化和机器学习方法提出了一种平衡偏置的多源数据协同优选与融合方法以及一种数据协同优选与融合装置，实现了平衡偏置数据的优选目标及多源优质数据的数据融合。
-
公开(公告)号：CN115016534B
公开(公告)日：2025-04-25
申请号：CN202210620004.4
申请日：2022-06-02
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于记忆增强学习的无人机自主避障导航方法，克服了传统深度强化学习导航方法在部分可测环境中极易陷入局部困境的问题。首先把无人机自主避障导航问题建模为目标驱动的马尔可夫决策过程，提出动态相对目标的目标特征提取方法，引导无人机学习导航问题的本质特征；然后考虑到传统导航方法由于没有保存历史信息，导致无人机在部分可测环境中极易陷入局部困境，本发明设计了一种保存动作记忆和空间信息的记忆增强模块，在决策时额外考虑历史的观测以及动作序列，使无人机更易脱离困境；最后本发明提出基于高斯分布探索增强的深度强化学习算法，使其能够在提高算法收敛速度的前提下保持并提高无人机避障导航的成功率。
-
公开(公告)号：CN118225082A
公开(公告)日：2024-06-21
申请号：CN202410361792.9
申请日：2024-03-28
Applicant: 东南大学
Abstract: 本发明提供一种基于视觉定位与UWB辅助的多机协同定位系统及方法，引入了UWB测距技术。通过在无人机系统中融合UWB测距信息，系统能够准确测量无人机之间的距离，从而缓解累积误差并实现局部地图的融合。本发明结合了视觉回环检测技术，通过实时捕捉环境特征和检测回环，系统能够更及时地校正可能发生的累积误差，保持多无人机系统的长时间飞行中的高精度导航信息。本发明采用集中式的框架，实现了多机相对位姿估计，该框架的引入有效协调了多个无人机之间的位置关系，使得整个系统能够更加高效地执行导航和任务。本发明提出的融合UWB的多机视觉定位系统及方法在各类应用场景中定位精度均较高，有效地弥补了现有定位方法中存在的问题。
-
公开(公告)号：CN113344085B
公开(公告)日：2024-04-26
申请号：CN202110667243.0
申请日：2021-06-16
Applicant: 东南大学
IPC: G06F18/25
Abstract: 本发明公开了一种平衡偏置的多源数据协同优选与融合方法和装置，方法包括如下步骤：(1)收集每个数据提供者的数据si及其包含的数据种类信息，以及数据si的成本信息bi；(2)对收集的数据采用多属性联合的真值发现算法；(3)根据数据si包含的数据种类信息的不同对所有数据si∈S进行分组；(4)使用数据优选BPMG‑M算法决定选择的数据集合#imgabs0#(5)将选择的数据Sw输入到数据融合模块进行数据融合。装置包括主控调度模块、数据信息存储模块和数据融合参数存储模块等。本发明利用组合优化和机器学习方法提出了一种平衡偏置的多源数据协同优选与融合方法以及一种数据协同优选与融合装置，实现了平衡偏置数据的优选目标及多源优质数据的数据融合。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.017 seconds)
