-
公开(公告)号：CN118544375A
公开(公告)日：2024-08-27
申请号：CN202410604362.5
申请日：2024-05-15
Applicant: 山东大学
IPC: B25J13/00 , G06V20/50 , G06V20/64 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/092 , G06N3/048
Abstract: 本发明公开了一种基于深度强化学习和动作协同的目标抓取方法与系统，方法包括：判断出目标物体是否被遮挡住，如果被遮挡住，则将输入图像均输入到移动动作评价网络中，得到移动动作价值；根据移动动作价值，完成对目标物体的移动，直至目标物体不再被遮挡住；将输入图像均输入到抓取动作评价网络中，得到抓取动作价值；根据抓取动作价值，对机器人进行控制，以完成对目标物体的抓取；判断物体抓取是否成功，若抓取失败则将输入图像均输入到推动动作评价网络中，得到推动动作价值，根据推动动作价值，完成对目标物体的推动；将推动后的目标物体图像再次输入到抓取动作评价网络中，得到抓取动作价值，根据抓取动作价值，完成对目标物体的抓取。
-
公开(公告)号：CN114612742B
公开(公告)日：2024-08-02
申请号：CN202210233188.9
申请日：2022-03-09
Applicant: 山东大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种输电线路小目标缺陷检测的方法及系统，包括：获取输电线路图像数据并进行预处理；将预处理后的图像数据输入至训练好的第一阶段目标检测模型，得到包含目标对象的多个关键区域，将得到的关键区域按照设定的原则重新组合排列，形成新的图像；将新的图像输入至训练好的第二阶段目标检测模型，得到目标缺陷识别结果。本发明通过第一阶段目标检测模型先定位到关键区域，并将关键区域按照一定的规律进行重新提取并按比例重新分配位置；由于保留了原始图像的像素信息，因此不存在信息的缺失，为第二阶段的检测提供了非常好的样本。
-
公开(公告)号：CN114740875B
公开(公告)日：2024-08-02
申请号：CN202210334049.5
申请日：2022-03-31
Applicant: 山东大学
IPC: G05D1/49 , G05D109/12
Abstract: 本发明提供了一种基于神经振荡器的机器人节律运动控制方法及系统，包括：获取机器人的当前状态，以及由神经振荡器产生的相位和频率；依据获取的当前状态、相位和频率，以及预设的强化学习网络，得到控制指令，对机器人进行控制；其中，预设的强化学习网络中包括动作空间、模式形成网络和神经振荡器；本发明设计的由神经振荡器和模式形成网络组成的控制结构，能确保期望的节律运动行为的形成；同时，设计的关节位置增量的动作空间能有效加速节律运动强化学习训练进程，解决了现有无模型强化学习学习时，奖励函数设计耗时、困难的问题。
-
公开(公告)号：CN116170638B
公开(公告)日：2024-04-30
申请号：CN202310049872.6
申请日：2023-02-01
Applicant: 山东大学
IPC: H04N21/44 , H04L65/60 , G06V20/40 , G06T3/4038
Abstract: 本发明提出了用于在线动作检测任务的自注意力视频流压缩方法及系统，包括：提取视频流的特征并划分为长期历史特征和短期历史特征；基于自注意力对于长期历史特征进行压缩；对短期历史特征及压缩后的长期历史特征基于注意力进行融合建模；利用所建模型对长视频流数据进行处理输出当前帧的动作预测概率分布。使用基于自注意力机制的关键帧筛选策略，实现了对长视频流数据的有效压缩并保证了在线推理的高效性。
-
公开(公告)号：CN116872971A
公开(公告)日：2023-10-13
申请号：CN202310986664.9
申请日：2023-08-07
Applicant: 山东大学
IPC: B60W60/00
Abstract: 本发明公开一种基于人机协同增强的自动驾驶控制决策方法及系统，包括：获取混合数据；所述混合数据包括驾驶员驾驶演示数据、车辆自行驶数据以及在车辆自行驶时，监督驾驶员接管控制的监督纠正动作；基于监督纠正动作，预测在当前监督纠正动作下的驾驶模拟数据，并对当前监督纠正动作进行评分，以确定以当前监督纠正动作接管控制后的驾驶数据与车辆自行驶数据间的差异在训练控制决策模型时所占的权重；基于混合数据对控制决策模型进行训练，并在有监督驾驶员接管控制时引入对应的权重，从而根据训练后的控制决策模型得到自动驾驶的控制策略。
-
Patent Agency Ranking
公开(公告)号：CN115907248B
公开(公告)日：2023-07-14
申请号：CN202211328724.X
申请日：2022-10-26
Applicant: 山东大学
IPC: G06Q10/047 , G06F16/29 , G06N3/0442 , G06N3/0464 , G06N3/08 , G01C21/20
Abstract: 本发明提出了基于几何图神经网络的多机器人未知环境路径规划方法及系统，涉及人工智能技术领域,通过几何图神经网络的方法，实现机器人之间相对位置的有效编码，并根据位置编码对邻居机器人信息加权，采用深度强化学习的方法实现去中心化的分布控制方式，提高机器人对邻居机器人信息聚合的准确度，提升多机器人路径规划的成功率，具体方案包括：基于机器人当前时刻所在位置周围的地图感知信息，提取机器人地图感知特征；几何图神经网络将机器人地图感知特征和相对位置编码进行加权信息聚合，得到机器人完整状态表征；将机器人完整状态表征输入到长短期记忆力网络中，提取时序特征；计算行为决策，生成机器人当前时刻应执行的动作。
-
公开(公告)号：CN115809751A
公开(公告)日：2023-03-17
申请号：CN202211345844.0
申请日：2022-10-31
Applicant: 山东大学
IPC: G06Q10/047 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于强化学习的两阶段多机器人环境覆盖方法及系统，涉及多机器人协同序列决策领域,检测未被覆盖的主动区域，为每个机器人分配一个规划路径最小且与其余机器人没有冲突的主动区域作为子目标；提取机器人在环境中感知到的局部信息的特征向量；融合邻居的局部感知信息特征向量；融合后的特征向量通过多层感知机映射出动作分布，根据采样到的执行动作，机器人完成覆盖的任务；本发明在较为高层的角度引导机器人规划至未被覆盖区域，基于通信交换和融合邻居的观测丰富机器人的局部感知信息，与此同时考虑机器人子目标之间的冲突问题，使机器人学会分散覆盖，极大地减少重复覆盖率，降低环境完整覆盖的时间成本，并提高覆盖效率。
-
公开(公告)号：CN115709331A
公开(公告)日：2023-02-24
申请号：CN202211475125.0
申请日：2022-11-23
Applicant: 山东大学 , 山东奥太电气有限公司
IPC: B23K26/044 , B23K26/08 , B23K26/70 , B25J9/16 , B25J11/00
Abstract: 本发明公开了一种基于目标检测的焊接机器人全自主视觉引导方法及系统，包括：获取焊接工件RGB图像和深度信息，利用训练好的目标检测模型，得到图片中所有焊缝以及焊点的二维位置信息，结合深度信息，得到图片中所有焊缝以及焊点的三维空间坐标；基于所有焊缝的三维空间坐标计算最优的焊接顺序，并寻找最短的无碰撞路径；基于得到的焊接顺序和路径，结合焊缝的三维空间坐标，进行焊接机器人焊接位姿初步调整；激光焊缝跟踪器找到焊缝后，利用激光焊缝跟踪器上返回的距离信息，对焊接机器人位姿进行精细调整。本发明基于图像识别方法识别所有焊缝的位置，识别准确度提高，保证了焊缝检测结果的可靠性，避免错检、漏检的情况发生。
-
公开(公告)号：CN114740875A
公开(公告)日：2022-07-12
申请号：CN202210334049.5
申请日：2022-03-31
Applicant: 山东大学
IPC: G05D1/08
Abstract: 本发明提供了一种基于神经振荡器的机器人节律运动控制方法及系统，包括：获取机器人的当前状态，以及由神经振荡器产生的相位和频率；依据获取的当前状态、相位和频率，以及预设的强化学习网络，得到控制指令，对机器人进行控制；其中，预设的强化学习网络中包括动作空间、模式形成网络和神经振荡器；本发明设计的由神经振荡器和模式形成网络组成的控制结构，能确保期望的节律运动行为的形成；同时，设计的关节位置增量的动作空间能有效加速节律运动强化学习训练进程，解决了现有无模型强化学习学习时，奖励函数设计耗时、困难的问题。
-
公开(公告)号：CN114612742A
公开(公告)日：2022-06-10
申请号：CN202210233188.9
申请日：2022-03-09
Applicant: 山东大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种输电线路小目标缺陷检测的方法及系统，包括：获取输电线路图像数据并进行预处理；将预处理后的图像数据输入至训练好的第一阶段目标检测模型，得到包含目标对象的多个关键区域，将得到的关键区域按照设定的原则重新组合排列，形成新的图像；将新的图像输入至训练好的第二阶段目标检测模型，得到目标缺陷识别结果。本发明通过第一阶段目标检测模型先定位到关键区域，并将关键区域按照一定的规律进行重新提取并按比例重新分配位置；由于保留了原始图像的像素信息，因此不存在信息的缺失，为第二阶段的检测提供了非常好的样本。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
