公开(公告)号：CN114413910B

公开(公告)日：2022-07-12

申请号：CN202210328453.1

申请日：2022-03-31

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  许涛 ,  郑碎武 ,  乔红

IPC: G01C21/20 ,  G06V20/10 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种视觉目标导航方法及装置，所述方法包括：基于目标图像，获取目标层级关系特征表示和第一视觉特征表示；并根据目标类别信息，获取类别编码；根据所述目标层级关系特征表示、所述第一视觉特征表示和所述类别编码，获取预测导航动作。本发明通过编码目标类别，赋予机器人在视觉目标导航中的推理能力，一定程度上弥补了全局信息的缺失；通过“目标‑区域”层级关系使得机器人的推理更为高效，在提高导航成功率的同时大幅减少导航步数和时间，在缺乏全局信息输入的条件下，机器人可以快速且精准的完成导航任务。

公开(公告)号：CN117493889A

公开(公告)日：2024-02-02

申请号：CN202311822336.1

申请日：2023-12-27

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  刘牧潇 ,  许涛 ,  郑碎武 ,  刘智勇

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/23213 ,  G06F18/2415

Abstract: 本发明提出了一种增量式持续学习方法、装置、存储介质和电子设备，涉及机器人环境感知领域。增量式持续学习方法具体包括：获取旧任务数据和当前任务数据；根据K‑means聚类算法确定旧任务数据的样本；将当前任务数据作为当前任务数据的样本；将旧任务数据的样本和当前任务数据的样本整合；根据神经网络对整合后的数据样本进行训练。本发明的增量式持续学习的方法解决了在开放环境下环境感知的灾难性遗忘问题，提高了模型的整体性能。

公开(公告)号：CN114413910A

公开(公告)日：2022-04-29

申请号：CN202210328453.1

申请日：2022-03-31

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  许涛 ,  郑碎武 ,  乔红

IPC: G01C21/20 ,  G06V20/10 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种视觉目标导航方法及装置，所述方法包括：基于目标图像，获取目标层级关系特征表示和第一视觉特征表示；并根据目标类别信息，获取类别编码；根据所述目标层级关系特征表示、所述第一视觉特征表示和所述类别编码，获取预测导航动作。本发明通过编码目标类别，赋予机器人在视觉目标导航中的推理能力，一定程度上弥补了全局信息的缺失；通过“目标‑区域”层级关系使得机器人的推理更为高效，在提高导航成功率的同时大幅减少导航步数和时间，在缺乏全局信息输入的条件下，机器人可以快速且精准的完成导航任务。