-
公开(公告)号：CN107101768A
公开(公告)日：2017-08-29
申请号：CN201710264559.9
申请日：2017-04-21
Applicant: 同济大学
IPC: G01L5/28
CPC classification number: G01L5/28
Abstract: 本发明涉及一种动态闸瓦压力测量装置，包括闸瓦托以及置于闸瓦托内的测力传感器(3)和测力架(6)，测力传感器(3)和测力架(6)连接。列车施加制动时，闸瓦托带动测试装置接触车轮，测力架(6)将车轮受到的制动力的反作用力传递给连接的测力传感器(3)，测力传感器(3)将信号输出到车辆上的数据采集处理系统得到制动力大小。与现有技术相比，本发明只是在现有货车制动梁闸瓦托的内改造加装了一组测力传感器(3)和测力架(6)，实现了铁路货车正常运行与闸瓦压力实时监测两者功能的统一，具有互换性强、测量灵活、使用寿命长等优点。
-
公开(公告)号：CN119295657A
公开(公告)日：2025-01-10
申请号：CN202411350420.2
申请日：2024-09-26
Applicant: 同济大学
IPC: G06T17/00 , G06V20/64 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种仿人类思维过程的点云重建方法，方法具体包括：S1、获取物体单视角三维点云P；S2、对三维点云P进行体素化处理，得到体素网格V；S3、使用编码器对点云P和体素网格V进行编码，得到点云特征Fp和体素特征Fv；S4、使用点‑体素融合模块对点云特征Fp和体素特征Fv进行融合，得到点‑体素融合特征Ff；S5、利用类别解码器对点‑体素融合特征Ff进行类别解码，得到分类结果L；S6、使用类别引导模块对分类结果L和点‑体素融合特征Ff进行融合，得到类别融合特征Fc；S7、使用金字塔解码器对类别融合特征Fc进行解码，得到多尺度完整点云Pc。与现有技术相比，本发明具有提高点云重建精度等优点。
-
公开(公告)号：CN119204148A
公开(公告)日：2024-12-27
申请号：CN202411316397.5
申请日：2024-09-20
Applicant: 同济大学
IPC: G06N3/0895 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种面向具身智能机器人的跨模态自监督学习的感知预测方法，获取机器人的运动输入向量和感知输入向量并利用认知模型学习二者相关性，学习过程包括：获取机器人行为相关的运动输入向量和感知输入向量，通过分别进行自编码和解码，计算运动输入向量和感知输入向量对应的重构损失；基于自编码后的运动、感知输入向量，通过跨模态查询计算跨模态映射损失；基于运动感知输入向量对应的重构损失，以及跨模态映射损失，加权得到总损失，基于总损失对认知模型的参数进行更新，实现基于自监督学习的模态内隐式表达和模态间联系的建模。与现有技术相比，本发明可以有效提升具身智能机器人行为的自适应水平，具有自主发育和持续学习等优点。
-
公开(公告)号：CN119077734A
公开(公告)日：2024-12-06
申请号：CN202411316401.8
申请日：2024-09-20
Applicant: 同济大学
Abstract: 本发明涉及一种面向紧密物理交互的机器人仿人行为规划与控制方法，包括如下步骤：步骤S1，通过动作捕捉获取机器人与人类紧密交互的演示数据；步骤S2，基于演示数据，利用先验知识和聚类分析，得到多个人类行为模式类别；步骤S3，基于人类行为模式类别，通过对演示数据进行分段和标定，得到多组包括类行为模式标签的运动原语序列并构建层次性有向图，通过训练得到机器人行为规划器；步骤S4，构建目标轨迹和动作空间之间的动态一致的映射模型，基于映射模型和规划器，实现机器人仿人行为规划与控制。与现有技术相比，本发明包含了机器人仿人行为实现的全流程，可以有效提升机器人执行紧密物理交互任务的效率，同时具有可解释性等优点。
-
Patent Agency Ranking
公开(公告)号：CN107101768B
公开(公告)日：2019-04-16
申请号：CN201710264559.9
申请日：2017-04-21
Applicant: 同济大学
IPC: G01L5/28
Abstract: 本发明涉及一种动态闸瓦压力测量装置，包括闸瓦托以及置于闸瓦托内的测力传感器(3)和测力架(6)，测力传感器(3)和测力架(6)连接。列车施加制动时，闸瓦托带动测试装置接触车轮，测力架(6)将车轮受到的制动力的反作用力传递给连接的测力传感器(3)，测力传感器(3)将信号输出到车辆上的数据采集处理系统得到制动力大小。与现有技术相比，本发明只是在现有货车制动梁闸瓦托的内改造加装了一组测力传感器(3)和测力架(6)，实现了铁路货车正常运行与闸瓦压力实时监测两者功能的统一，具有互换性强、测量灵活、使用寿命长等优点。
-
公开(公告)号：CN119204148B
公开(公告)日：2025-04-01
申请号：CN202411316397.5
申请日：2024-09-20
Applicant: 同济大学
IPC: G06N3/0895 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种面向具身智能机器人的跨模态自监督学习的感知预测方法，获取机器人的运动输入向量和感知输入向量并利用认知模型学习二者相关性，学习过程包括：获取机器人行为相关的运动输入向量和感知输入向量，通过分别进行自编码和解码，计算运动输入向量和感知输入向量对应的重构损失；基于自编码后的运动、感知输入向量，通过跨模态查询计算跨模态映射损失；基于运动感知输入向量对应的重构损失，以及跨模态映射损失，加权得到总损失，基于总损失对认知模型的参数进行更新，实现基于自监督学习的模态内隐式表达和模态间联系的建模。与现有技术相比，本发明可以有效提升具身智能机器人行为的自适应水平，具有自主发育和持续学习等优点。
-
公开(公告)号：CN119359801A
公开(公告)日：2025-01-24
申请号：CN202411343796.0
申请日：2024-09-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于多模态融合的柔性物体操控策略生成方法，包括：基于人类演示视频，获取目标柔性物体的抓取点二维高斯分布图、三维点云数据和RGB图；基于三维点云数据，获取目标柔性物体的可见性连接图；融合抓取点二维高斯分布图和RGB图，获取融合图；在可见性连接图和融合图中分别提取第一特征和第二特征；融合第一特征和第二特征，获取融合特征；基于融合特征，获取目标柔性物体的最佳抓取点和最佳放置点；基于最佳抓取点和最佳放置点，生成目标柔性物体的操控策略。与现有技术相比，本发明具有改善柔性物体操作的精度、对柔性物体不同状态的适应性强以及减少模拟到现实差距等优点。
-
公开(公告)号：CN118264995A
公开(公告)日：2024-06-28
申请号：CN202410357823.3
申请日：2024-03-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于分布式多模态传感器阵列的信息编码与通信方法及装置。其中的方法首先获取感知数据，将分布式传感器阵列组划分为多个感知簇，利用每个感知簇内的有线通信传输感知数据，每个传感器阵列包括多种模态的传感器；其次，对当前的感知数据进行预处理后，将预处理后的感知数据以统一格式编码，并打包各感知簇内的编码后的多模态数据，得到与多个感知簇对应的多个数据包；最后，利用无线通信协议和技术分布式传输多个数据包。与现有技术相比，本发明具有有效适用于复杂环境和资源受限的应用场景，同时具备高效率、快速度、低成本等优点。
-
公开(公告)号：CN118246525A
公开(公告)日：2024-06-25
申请号：CN202410357836.0
申请日：2024-03-27
Applicant: 同济大学
IPC: G06N3/0985 , G01D18/00 , G06N3/084 , G06N3/045
Abstract: 本发明涉及一种可增长学习的多边缘感知器件自标定方法、装置及存储介质。该方法首先基于当前的标定环境，获取环境感知标定数据；其次基于当前的应用环境，获取各边缘感知器件的实时输出响应值；最后基于环境感知标定数据和实时上传的输出响应值，利用基于元学习和增量学习的标定模型将边缘感知器件的输出响应值转化为相应的感知物理量，完成自标定；标定模型的获取过程包括基于元学习的离线训练和基于增量学习的云服务器优化。与现有技术相比，本发明具有显著提升大量传感器标定的效率，具有自适应和持续优化等优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
