-
公开(公告)号：CN110370295B
公开(公告)日：2020-12-18
申请号：CN201910589424.9
申请日：2019-07-02
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度强化学习的小型足球机器人主动控制吸球方法，包括步骤：S1：为小型足球机器人主动控制吸球任务定义深度强化学习框架；S2：机器人在实际或者仿真的条件下，不断与环境交互，把与环境交互获得的数据存放在经验池中；S3：每次采样经验池中的一小批样本，使用深度强化学习的方法对深度神经网络进行学习训练；S4：据训练好的深度神经网络模型，使小型足球机器人完成主动控制吸球任务。本发明使用深度强化学习来对小型足球机器人吸球过程进行控制，从而使机器人能够通过与环境交互来自主调节，不断提高吸球的效果。本发明可以提高机器人吸球的稳定性与成功率，同时防止因为电机输出力矩过大而造成电机过热损坏。
-
公开(公告)号：CN116880218B
公开(公告)日：2023-12-19
申请号：CN202311141653.7
申请日：2023-09-06
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于驾驶风格误解的鲁棒驾驶策略生成方法及系统，属于人工智能和自动驾驶领域。本发明首先利用背景策略网络与自动驾驶仿真器不断进行交互，采集智能体的样本对对背景评价函数网络和背景策略网络进行参数更新，直至完成背景策略网络的训练；然后固定训练完毕的背景策略网络，再结合自车驾驶策略网络以及误解策略网络与自动驾驶仿真器不断进行交互，采集自车的样本用于对自车评价函数网络、误解评价函数网络、自车驾驶策略网络与误解策略网络进行参数更新，直至完成自车驾驶策略网络的训练。本发明为自车策略网络提供了多样的对抗训练数据，提升了自车驾驶策略对于交通流行为变化的鲁棒性。
-
公开(公告)号：CN107232899B
公开(公告)日：2018-06-15
申请号：CN201710439319.8
申请日：2017-06-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于蓝牙通讯和无线充电技术的智能交互花瓶及建议推送方法。该智能交互花瓶中设有多个传感器，用于检测环境的各种物理量信息。时钟模块与单片机模块连接，传感器模块的输出端与单片机模块连接，单片机模块经蓝牙通信模块与手机终端无线连接，LED灯引脚与单片机连接。本发明可通过手机显示实时与历史的环境的温度、湿度、光照强度、声音、二氧化碳浓度、PM2.5浓度，并能够根据这些参数判断出环境的模式，并给用户一定的生活建议，同时根据当天的日期定向提供用户养花建议。本发明成本低，功耗小，体积小，外形美观，便于推广使用。
-
公开(公告)号：CN110377033A
公开(公告)日：2019-10-25
申请号：CN201910610432.7
申请日：2019-07-08
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于RGBD信息的小型足球机器人识别与追踪抓取方法，属于视觉感知伺服移动技术领域。现有的小型足球机器人的一切移动以及信息来源都要依托于高处的全区摄像头，自身并不具备独立视觉以及独立运算处理系统，需要通过执行电脑端发来的指令进行运动。当全局摄像头失效以后，小型足球机器人将完全致盲，进而导致完全失效。而本发明通过在小型足球机器人上配置深度相机作为感知元件，同时配合相应的控制算法，使得其具备了独立视觉。当机器人具有独立视觉以后，机器人便具备了自助感知能力，使小型足球机器人可以发挥更大的作用。这种小型足球机器人尤其适合作为守门员进行使用，能够根据球的运动轨迹对其进行拦截。
-
公开(公告)号：CN110370295A
公开(公告)日：2019-10-25
申请号：CN201910589424.9
申请日：2019-07-02
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度强化学习的小型足球机器人主动控制吸球方法，包括步骤：S1：为小型足球机器人主动控制吸球任务定义深度强化学习框架；S2：机器人在实际或者仿真的条件下，不断与环境交互，把与环境交互获得的数据存放在经验池中；S3：每次采样经验池中的一小批样本，使用深度强化学习的方法对深度神经网络进行学习训练；S4：据训练好的深度神经网络模型，使小型足球机器人完成主动控制吸球任务。本发明使用深度强化学习来对小型足球机器人吸球过程进行控制，从而使机器人能够通过与环境交互来自主调节，不断提高吸球的效果。本发明可以提高机器人吸球的稳定性与成功率，同时防止因为电机输出力矩过大而造成电机过热损坏。
-
Patent Agency Ranking
公开(公告)号：CN116578088B
公开(公告)日：2024-02-09
申请号：CN202310490781.6
申请日：2023-05-04
Applicant: 浙江大学
Abstract: 本发明公开了一种室外自主移动机器人连续轨迹生成方法，属于机器人智能控制领域。本发明首先利用多帧激光雷达点云，利用神经网络提取点云中的障碍物信息，用于学习生成避障轨迹；其次，利用定位和离线规划好的地图生成当前局部拓扑地图，利用神经网络提取驾驶意图，用于在路口等情况下生成正确驾驶意图的轨迹；上述特征融合后，根据机器人当前动力学参数，利用轨迹生成网络生成轨迹参数，最后结合查询时间序列得到完整轨迹。本发明提出的方法基于数据驱动生产轨迹，且相对于传统轨迹生成方法(56)对比文件Vinicio Rosas-Cervantes 等.Mobilerobot 3D trajectory estimation on amultilevel surface with multimodal fusionof 2D camera features and a 3D lightdetection and ranging point cloud《.web ofscience》.2022,全文.Yue-Jiao Wang 等.Autonomous ObstacleAvoidance Algorithm of UAVs for AutomaticTerrain Following Application《.IEEE》.2020,全文.
-
公开(公告)号：CN116978119A
公开(公告)日：2023-10-31
申请号：CN202310867252.3
申请日：2023-07-14
Applicant: 浙江大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F3/01
Abstract: 本发明公开了一种基于深度神经网络和混合高斯模型的手势识别交互方法及装置，该手势识别交互系统，能够基于深度视频对用户的手势进行识别，并下发对应的任务指令。整个系统由数据采集模块、数据预处理模块、深度神经网络模块、混合高斯模型模块、可视化模块和任务模块组成，其中深度神经网络模块采用三维卷积神经网络，同时提取手势动作的空间特征和时序特征。混合高斯模型模块通过多个高斯分布建模不同手势类别的特征分布，并根据输入特征在分布中的概率进行识别分类。本发明可以帮助用户通过静态或动态手势进行人机交互，下发任务指令，并能够适用于多个不同用户。本发明可解释性强，可拓展性强，实用性强，便于推广应用。
-
公开(公告)号：CN116880218A
公开(公告)日：2023-10-13
申请号：CN202311141653.7
申请日：2023-09-06
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于驾驶风格误解的鲁棒驾驶策略生成方法及系统，属于人工智能和自动驾驶领域。本发明首先利用背景策略网络与自动驾驶仿真器不断进行交互，采集智能体的样本对对背景评价函数网络和背景策略网络进行参数更新，直至完成背景策略网络的训练；然后固定训练完毕的背景策略网络，再结合自车驾驶策略网络以及误解策略网络与自动驾驶仿真器不断进行交互，采集自车的样本用于对自车评价函数网络、误解评价函数网络、自车驾驶策略网络与误解策略网络进行参数更新，直至完成自车驾驶策略网络的训练。本发明为自车策略网络提供了多样的对抗训练数据，提升了自车驾驶策略对于交通流行为变化的鲁棒性。
-
公开(公告)号：CN116578088A
公开(公告)日：2023-08-11
申请号：CN202310490781.6
申请日：2023-05-04
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明公开了一种室外自主移动机器人连续轨迹生成方法，属于机器人智能控制领域。本发明首先利用多帧激光雷达点云，利用神经网络提取点云中的障碍物信息，用于学习生成避障轨迹；其次，利用定位和离线规划好的地图生成当前局部拓扑地图，利用神经网络提取驾驶意图，用于在路口等情况下生成正确驾驶意图的轨迹；上述特征融合后，根据机器人当前动力学参数，利用轨迹生成网络生成轨迹参数，最后结合查询时间序列得到完整轨迹。本发明提出的方法基于数据驱动生产轨迹，且相对于传统轨迹生成方法而言，所生成的轨迹更加光滑，精度更高。
-
公开(公告)号：CN113538218B
公开(公告)日：2023-04-07
申请号：CN202110796509.1
申请日：2021-07-14
Applicant: 浙江大学
Abstract: 本发明公开了一种基于位姿自监督对抗生成网络的弱配对图像风格迁移方法，属于图像处理领域。本发明适用于弱配对图像的风格迁移，其利用有一定重叠的不同风格图片进行对抗神经网络的模型训练，使其对位姿不敏感并专注于风格的学习，由此在实际应用过程中可以将源风格转换为目标风格但保持位姿不变。另外在上述对抗神经网络的模型训练过程中，本发明引入了一种能够对任意两张图像的相对位姿进行估计的可微分的位姿求解器，将相位相关算法优化为可微分，并将其嵌入到端到端学习网络框架中实现位姿估计。本发明能够实现弱配对数据的风格迁移，为机器人自定位技术提供支撑。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
