-
公开(公告)号：CN118393327A
公开(公告)日：2024-07-26
申请号：CN202410833127.5
申请日：2024-06-26
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请提供了一种元器件缺失检测方法、电子设备及可读存储介质，所述方法包括：对多个待检测电路板进行目标检测获得检测结果；根据各待检测电路板和各元器件的检测信息确定各元器件所在的电路板，获得各元器件的电路板信息；根据各元器件的电路板信息和检测信息确定各待检测电路板的元器件类别、元器件数量以及元器件位置；根据各待检测电路板上各元器件类别的元器件数量确定各元器件类别的未缺失数量；根据各元器件类别的未缺失数量确定缺失电路板和各缺失元器件类别的缺失数量；将基准电路板与各缺失电路板进行比对确定各缺失电路板上各缺失元器件的缺失位置。本申请能够无需使用模板与电路板比对，也可获知电路板的缺失情况，降低检测成本。
-
公开(公告)号：CN117853839A
公开(公告)日：2024-04-09
申请号：CN202311665327.6
申请日：2023-12-06
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: G06V10/774 , G06V10/40 , G06V10/74 , G06N3/006
Abstract: 本申请提供了一种模型训练方法及装置。所述方法包括：获取各摄像设备采集的工作场景的第一图像，并提取各第一图像的第一语义信息；根据各第一图像和对应的第一语义信息、摄像设备的位姿信息，构建工作场景模型；从工作场景模型中获取多个指定视角的第二图像和对应的第二语义信息；针对各第二语义信息，确定第二语义信息与目标物体的文本特征之间的相似度，获得第一相似度信息；利用各第二图像、各第二语义信息和各第一相似度信息，训练动作预测模型，直至动作预测模型输出的针对指令的预测动作与专家动作之间的差异值小于预设阈值，获得已训练的动作预测模型。本申请能够提高模型的泛化能力，模型能够应用于不同的任务中。
-
公开(公告)号：CN117817657A
公开(公告)日：2024-04-05
申请号：CN202311705777.3
申请日：2023-12-12
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: B25J9/16
Abstract: 本申请提供了一种对练机器人训练方法及装置。所述方法包括：将物体的状态和第一期望落点输入至第二预测模型，获得第二预测模型输出的第一击打角度和第一击打速度，并控制对练机器人沿着第一击打轨迹挥动，以在第一击打位置按照第一击打角度和第一击打速度击打物体；获取并存储物体的当前实际落点；在对练机器人工作预设时间后，获取优化数据；利用优化数据，训练第二预测模型，直至对练机器人击打后物体的落点与第一期望落点之间的差异值小于第一阈值，获得优化后第二预测模型。本申请在模仿学习基础上，持续利用物体状态和实际落点训练第二预测模型，使得优化后第二预测模型能够适应不同情况，将物体落入指定点，为用户提供良好的对练效果。
-
公开(公告)号：CN116734834A
公开(公告)日：2023-09-12
申请号：CN202310637010.5
申请日：2023-05-31
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请适用于智能行驶技术领域，提供了一种应用于动态场景的定位建图方法、装置和智能设备，包括：获取目标图像；将目标图像输入至基于预设损失函数训练完成的多任务神经网络模型，获得特征点信息集与语义分割结果集，特征点信息集中包括提取的特征点的方向信息；基于语义分割结果集，对特征点信息集进行第一层离群点剔除，得到目标特征点信息集，第一层离群点剔除用于剔除目标图像中动态物体的特征点信息；基于方向信息，对目标特征点信息集中的特征点进行匹配，得到目标匹配特征对集；基于目标匹配特征对集进行相机位姿估计，并根据位姿估计的结果完成相机的定位及地图构建。本申请可减少定位漂移误差，提高动态场景下定位及建图的准确性。
-
公开(公告)号：CN118393327B
公开(公告)日：2024-09-06
申请号：CN202410833127.5
申请日：2024-06-26
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请提供了一种元器件缺失检测方法、电子设备及可读存储介质，所述方法包括：对多个待检测电路板进行目标检测获得检测结果；根据各待检测电路板和各元器件的检测信息确定各元器件所在的电路板，获得各元器件的电路板信息；根据各元器件的电路板信息和检测信息确定各待检测电路板的元器件类别、元器件数量以及元器件位置；根据各待检测电路板上各元器件类别的元器件数量确定各元器件类别的未缺失数量；根据各元器件类别的未缺失数量确定缺失电路板和各缺失元器件类别的缺失数量；将基准电路板与各缺失电路板进行比对确定各缺失电路板上各缺失元器件的缺失位置。本申请能够无需使用模板与电路板比对，也可获知电路板的缺失情况，降低检测成本。
-
Patent Agency Ranking
公开(公告)号：CN117817658A
公开(公告)日：2024-04-05
申请号：CN202311709295.5
申请日：2023-12-12
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: B25J9/16
Abstract: 本申请提供了一种对练机器人训练方法及装置。所述方法包括：获取第一训练数据，第一训练数据包括表征动作类型的各动作轨迹的轨迹点，动作轨迹的轨迹点是按照时间步长从动作轨迹提取得到的；利用第一训练数据中各轨迹点，训练高斯混合模型，直至高斯混合模型收敛，获得高斯混合模型的最优模型参数；利用高斯混合回归，根据最优模型参数，生成各时间步的最优轨迹点，以获得期望轨迹，期望轨迹用于指示对练机器人沿着期望轨迹挥动以击打球。本申请使得对练机器人基于期望轨迹学习该动作类型，使得对练机器人基于期望轨迹实现使用该动作类型击打球，实现与用户对练，更好协助用户训练以应对不同情况。
-
公开(公告)号：CN117151204A
公开(公告)日：2023-12-01
申请号：CN202310994869.1
申请日：2023-08-08
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请公开了一种基于量子计算的模型训练方法、数据处理方法和装置。该方法应用于包括初始世界模型和初始网络模型的智能体，初始网络模型包括初始策略模型和初始评价模型，初始世界模型和初始网络模型是由量子电路构成的量子神经网络模型，包括：利用第一数据集合对初始世界模型执行训练获得目标世界模型；将第二数据集合输入目标世界模型获得第三数据集合；根据目标数据集合，利用最大熵强化学习SAC算法对初始网络模型执行训练获得目标网络模型，目标数据集合包括第三数据集合中的部分轨迹数据，初始策略模型根据策略将环境的状态映射到动作，初始评价模型评价初始策略模型输出的动作。该方法可提高模型训练的效率和降低模型训练的计算量。
-
公开(公告)号：CN117079249A
公开(公告)日：2023-11-17
申请号：CN202311010528.2
申请日：2023-08-10
Applicant: 深圳元戎启行科技有限公司 , 人工智能与数字经济广东省实验室(深圳)
IPC: G06V20/58 , G06V10/774 , G06V10/98 , G06V10/44
Abstract: 本发明公开了一种基于图表示域适应的目标检测模型训练方法，首先基于源域的数据集预训练目标检测模型，在源域中学习准确预测目标类别和边界框的能力，然后通过将特征图转换为基于图表示的节点群，采用对比分布损失和节点协方差对齐损失对节点进行精练和强化，能够解耦域特征以及类别的不变性特征，选择性地去除域风格的元素，提高目标检测模型的泛化能力。针对图中的异常节点，采用异常节点过滤损失对图进行优化，降低奇怪语义节点所占比例，提高训练后的目标检测模型的检测精度。使得训练后的目标检测模型具有良好鲁棒性和泛化性。
-
公开(公告)号：CN116880269A
公开(公告)日：2023-10-13
申请号：CN202310793705.2
申请日：2023-06-29
Applicant: 人工智能与数字经济广东省实验室(深圳)
IPC: G05B19/042 , G06N3/092 , G06N3/045
Abstract: 本申请提供了一种智能体控制方法、装置、电子设备及可读存储介质。所述方法包括：获取用户命令及外部环境的视觉信息；对视觉信息进行目标检测，获得目标检测信息；将用户命令和目标检测信息进行拼接，获得第一指令；利用第一指令，指示已训练LLM从基元动作集的各个基元动作中选取待执行动作；向智能体发送待执行动作，以使智能体执行待执行动作。本申请实现将视觉信息加入LLM的推理过程中，使得LLM与外部环境进行交互，能够基于环境选取对智能体最有利的决策。
-
公开(公告)号：CN116737361A
公开(公告)日：2023-09-12
申请号：CN202310508254.3
申请日：2023-05-06
Applicant: 人工智能与数字经济广东省实验室(深圳)
Abstract: 本申请提供了一种移动边缘计算的调度方法、装置、系统及存储介质，应用于移动同步定位及建图系统，调度方法包括：获取移动终端的同步定位及建图的请求任务及各移动边缘计算服务器的观测状态，观测状态表征各移动边缘计算服务器对应的剩余资源；基于请求任务和观测状态，采用主动推理模型确定请求任务的目标卸载策略；基于请求任务、观测状态和目标卸载策略，采用无奖励指导模型确定承接请求任务的满足预设条件的移动边缘计算服务器；从所述移动边缘计算服务器的所述剩余资源中调度所述请求任务所需的任务资源，以完成请求任务，与现有技术相比，无需采用奖励函数，降低了使用移动边缘计算的工作量，提高了资源分配的效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.057 seconds)
