-
公开(公告)号：CN114488804B
公开(公告)日：2024-04-05
申请号：CN202210064143.3
申请日：2022-01-20
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明属于机器人控制领域，并具体公开了一种基于事件触发的机器人变增益超螺旋滑模控制方法及系统，其包括：S1、构建机器人多模式统一运动学误差模型；S2、设计与误差相关的PI滑模面；S3、设计无颤振超螺旋滑模趋近律，并构建增益自适应函数，使滑动变量远离滑模面时采用与时间线性相关的高增益，到达预定邻域时切换至基于势垒函数的变增益；S4、基于机器人多模式统一运动学误差模型和无颤振超螺旋滑模趋近律设计控制器，以控制机器人进行轨迹跟踪；对远离滑模面的滑动变量，采用周期采样的时间触发形式；对于到达预定邻域的滑动变量，采用事件触发形式。本发明能够实现快速收敛，在缺乏扰动导数的边界信息时实现无抖动的跟踪控制。
-
公开(公告)号：CN116700269A
公开(公告)日：2023-09-05
申请号：CN202310749305.1
申请日：2023-06-21
Applicant: 华中科技大学
IPC: G05D1/02
Abstract: 本发明属于无人艇路径规划相关技术领域，其公开了一种考虑环境扰动和多目标约束的无人艇路径规划方法及系统，方法包括S1：构建包括洋流扰动、动态障碍物和目标点的海域环境信息；S2：采用深度强化学习算法中的Actor‑Critic框架，使得无人艇与所述海域环境信息进行交互，获得多个训练用数据四元组 ；S3：构建包括Actor网络、Value网络和Critic网络的深度学习网络架构，以所述四元组 中的局部环境信息s为输入a为输出，对所述Actor网络、Value网络和Critic网络进行训练；S4：采用训练好的深度学习网络架构对无人艇的路径进行规划。本申请解决了现有路径规划算法无法自主探索未知环境、鲁棒性差等缺陷。
-
公开(公告)号：CN114488804A
公开(公告)日：2022-05-13
申请号：CN202210064143.3
申请日：2022-01-20
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明属于机器人控制领域，并具体公开了一种基于事件触发的机器人变增益超螺旋滑模控制方法及系统，其包括：S1、构建机器人多模式统一运动学误差模型；S2、设计与误差相关的PI滑模面；S3、设计无颤振超螺旋滑模趋近律，并构建增益自适应函数，使滑动变量远离滑模面时采用与时间线性相关的高增益，到达预定邻域时切换至基于势垒函数的变增益；S4、基于机器人多模式统一运动学误差模型和无颤振超螺旋滑模趋近律设计控制器，以控制机器人进行轨迹跟踪；对远离滑模面的滑动变量，采用周期采样的时间触发形式；对于到达预定邻域的滑动变量，采用事件触发形式。本发明能够实现快速收敛，在缺乏扰动导数的边界信息时实现无抖动的跟踪控制。
-
公开(公告)号：CN119984267A
公开(公告)日：2025-05-13
申请号：CN202510067667.1
申请日：2025-01-16
Applicant: 华中科技大学
Abstract: 本公开涉及移动机器人自主导航领域，尤其涉及一种跨区域无地图场景的移动机器人自主导航方法及其系统，所述方法通过引入辅助探索任务，结合外在奖励与内在奖励机制，在加速算法训练的同时提升移动机器人在局部最优区域中的探索能力，引导其沿靠近目标点的方向前进并摆脱振荡状态，实现移动机器人在未知环境中的高效探索与路径优化。
-
公开(公告)号：CN117523359A
公开(公告)日：2024-02-06
申请号：CN202311541915.9
申请日：2023-11-16
Applicant: 华中科技大学
IPC: G06V10/82 , G06N3/0464 , G06N3/092 , G06N3/006
Abstract: 本发明属于智能体视觉导航相关技术领域，其公开了一种基于强化学习的图像比对识别方法及设备，包括以下步骤：(1)将目标识别的过程设计成MDP问题；(2)设计融合蓄水池采样方法的域随机化方法，采样得到环境特征域随机化后的多个特征数值；(3)逐步增加环境变量因素和任务难度；(4)采用奖励函数对智能体产生的策略进行评价；(5)设计经验回放机制，并设置一个经验缓存区；(6)利用对动作的随机采样方法使智能体与环境进行交互以获取大量初始经验，同时采用网络损失的经验回放机制筛选经验池中的经验进行学习；(7)动态调节智能体学习过程中的探索欲系数，进而实现图像比对识别。本发明提高了目标识别的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN120063273A
公开(公告)日：2025-05-30
申请号：CN202510171771.5
申请日：2025-02-17
Applicant: 华中科技大学
Abstract: 本公开涉及一种未知环境下移动机器人自主环境探索方法及其系统，所述方法包括：获取机器人当前位置，构建所需环境地图；通过机器人与环境交互对局部环境探索网络进行训练；采用训练好的局部环境探索网络进行局部环境探索，并记录轨迹点，直到局部环境探索结束；使用随机性算法筛选出已探索区域和未探索区域的交界点，并计算得到中心点，从中心点中筛选出候选点；计算与每个候选点距离最小的轨迹点，构成候选点‑轨迹点对；计算候选点的引力和轨迹点的斥力，选出合力最大的候选点‑轨迹点对；机器人沿历史轨迹移动到合力最大的轨迹点，返回局部环境探索过程，直到环境探索完成。本公开方法可以实现机器人在未知复杂环境中快速、高效的自主探索。
-
公开(公告)号：CN114675648B
公开(公告)日：2024-12-10
申请号：CN202210305690.6
申请日：2022-03-25
Applicant: 华中科技大学
Abstract: 本发明属于机器人相关技术领域，其公开了一种基于机器学习的AGV动态避障方法，包括以下步骤：(1)对二维激光雷达点云数据进行动态障碍物划定，标记出动态障碍物的覆盖范围；(2)计算获得动态障碍物的速度向量；(3)计算获得动态障碍物的趋势向量；(4)构建AGV运动引导矩阵和运动引导张量；(5)使用AGV运动引导张量作为深度强化学习的神经网络输入以构建神经网络；(6)对深度强化学习训练引入基于动态障碍物运动状态的多阶动态惩罚机制(7)对深度强化学习训练引入AGV前进奖励机制；(8)进行深度强化学习避障训练，进而控制AGV进行避障。本发明具有较高的避让安全性和避让效率，实施性和适应性较好。
-
公开(公告)号：CN118347502A
公开(公告)日：2024-07-16
申请号：CN202410452086.5
申请日：2024-04-16
Applicant: 华中科技大学
Abstract: 本公开涉及基于自适应熵值的移动机器人无地图导航方法及系统，包括：获取考虑局部最优区域的移动机器人场景环境信息；采用深度强化学习算法，使得移动机器人与场景环境信息进行交互，获得多个五元组；构建包括Actor网络、Value网络和Critic网络的深度学习网络架构，根据多个五元组中移动机器人所获奖励，采用局部最优判定机制判定移动机器人是否陷入局部最优，根据判定结果进行自适应熵值调节机制计算，进一步更新多个五元组中的温度系数，以新的五元组对Actor网络、Value网络和Critic网络进行训练；采用训练好的深度学习网络架构进行移动机器人导航。本公开方法可有效解决现有移动机器人无地图导航方法导航成功率低下的缺陷。
-
公开(公告)号：CN119440002A
公开(公告)日：2025-02-14
申请号：CN202411539955.4
申请日：2024-10-31
Applicant: 华中科技大学
Abstract: 本发明属于自主机器人轨迹规划与决策领域，并具体公开了一种基于序列预测与动态掩膜的机器人动态避障方法及系统，其包括：对动态避障问题本身进行MDP建模并搭建仿真环境；设计基于改进长短时记忆网络的传感器数据预测方法，通过对当前与过去一段时间的传感器数据输入，预测下一段时间的传感器数据；基于空间注意力网络设计传感器动态数据掩膜，并将掩膜数据与原始数据进行数据融合，对传感器数据进行扩充；设计策略函数和奖励函数，基于仿真环境对决策网络进行训练。通过强化学习算法的集成，能够不断优化避障策略，提高机器人在复杂环境中的导航和避障能力。
-
公开(公告)号：CN119270837A
公开(公告)日：2025-01-07
申请号：CN202411294139.1
申请日：2024-09-14
Applicant: 华中科技大学
Abstract: 本发明属于智能机器人环境探索相关技术领域，其公开了一种未知环境下移动机器人自主环境探索方法及系统，所述自主环境探索方法通过逆向回溯轨迹生成新的探索轨迹分支，直至整个环境被完全探索。在局部环境探索过程中引入障碍遮挡地图的概念，通过将机器人传感器感知范围内被障碍物遮挡而无法准确感知的区域设置为障碍遮挡区域，此方式减少了由于障碍物对机器人传感器遮挡而造成的不可知因素所引发的各种逻辑误判，增强了环境探索过程的准确性和对复杂未知环境的适应性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
