-
公开(公告)号：CN116347524A
公开(公告)日：2023-06-27
申请号：CN202310158808.1
申请日：2023-02-20
Applicant: 中国科学院计算技术研究所
IPC: H04W28/084 , H04W28/08 , H04W28/14 , H04L67/10 , H04L67/568
Abstract: 本发明提出一种边缘网络中终端设备的低时延任务执行方法和系统。本发明目的降低集中式移动边缘网络中多终端业务请求导致任务高时延的问题，针对该问题本发明综合考虑计算、通信以及存储三者间关系，并基于凸优化理论、松弛以及梯度下降等理论构建了时延最小化模型，提出了一种基于服务缓存与资源分配联合优化算法，该算法将非凸优化问题转变为凸优化问题，然后通过松弛、凸优化等理论对偶法上述问题进行求解。
-
公开(公告)号：CN114689035B
公开(公告)日：2025-02-28
申请号：CN202210307473.0
申请日：2022-03-25
Applicant: 中国科学院计算技术研究所
IPC: G01C21/00 , G01C21/16 , G01S17/86 , G01S17/89 , G06V20/10 , G06V10/34 , G06V10/26 , G06V10/74 , G06V10/762 , G06V10/764 , G06T7/521 , G06T5/70 , G06T7/11 , H03H17/02
Abstract: 一种基于多传感器融合的长航程农田地图构建方法和系统，包括：机器人通过GPS模块，连续获取定位数据，并在接收两帧定位数据之间的时间段，机器人使用其惯性传感器对定位数据进行更新，以得到包含机器人实时位置与航向的状态变量；机器人通过其激光雷达实时扫描外界环境信息并转换为当前点云数据，同时机器人通过视觉传感器实时扫描外界环境的RGB信息，将RGB信息和历史采集的历史RGB信息相比较，将相似度大于阈值的历史RGB信息对应的历史点云数据和当前点云数据反馈给激光雷达的建图模块，得到当前状态变量下的增强点云数据；机器人走完农田地图构建任务中的预设路线后，融合各个状态变量下的点云数据得到点云地图，作为农田地图构建任务的执行结果。
-
公开(公告)号：CN114326717B
公开(公告)日：2024-08-09
申请号：CN202111520657.7
申请日：2021-12-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种智能农机转场与作业的融合路径规划方法及系统，包括：根据农机位姿信息，全局搜索栅格地图，以规划一条从起点位置到作业区域的转场路径；以作业区域最短的一条边作为目标边，以目标边的边长和方向，生多条平行的线段路径，线段间隔为作业耕宽，并根据最小转弯半径，在每条线段路径的末端添加转弯路径，得到作业路径；以目标边中距离转场路径末端最近的点为作业起点，添加一段连接转场路径终点和作业起点的平滑路径，并在作业路径的末端添加一段与线段路径平行等长的退出路径，全局搜索栅格地图，以规划从退出路径末端到起点位置的离场路径；连接转场路径、作业路径、离场路径和退出路径，作为农机最终的行驶与作业路径。
-
公开(公告)号：CN115696445A
公开(公告)日：2023-02-03
申请号：CN202211215377.X
申请日：2022-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种基于ADMM的服务缓存与资源优化方法，包括：网络模型建模与任务描述步骤：基于多点协作的分布式移动边缘网络，建立针对终端、基站及边缘服务器的通信模型、服务缓存与任务卸载模型及任务计算模型，并基于各模型完成边缘网络优化目标问题形式化描述；联合优化步骤：将边缘网络优化目标问题转换为凸优化问题，并将凸优化问题分解得到多个子问题，每个子问题在对应的基站中并行执行，采用ADMM方法，通过全局更新与局部更新交替迭代的方式对凸优化问题进行求解，得到服务缓存与资源分配联合优化策略，以实现边缘网络的负载均衡。本发明还提供了一种基于ADMM的服务缓存与资源优化系统。
-
公开(公告)号：CN120069407A
公开(公告)日：2025-05-30
申请号：CN202510117544.4
申请日：2025-01-24
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/02 , G06N20/00 , G06N3/008 , G06N3/042 , G06N3/092
Abstract: 本申请公开了一种基于强化学习的农业多机器人任务分配方法，方法包括：针对待分配的多个农田任务地块，基于农田任务的路径规划算法，计算农田任务的路径成本，并根据路径规划结果，以任务分配的工作量均衡及总路径代价最小作为约束，建立农用车集群的任务分配目标函数；基于强化学习的注意力机制策略优化网络，确定节点和车辆间的分配概率，根据目标函数制定带有节点工作量均衡及总路径代价最小约束的奖励函数，并使用策略梯度法完成任务分配模型训练，输出农用车集群的任务分配方案；农用车集群的每辆车按照给定的任务分配方案，在任务地块上遍历并执行农业操作。本发明方法及其系统用于农业多机器人、多任务的作业调度需求场景，提供即时、合理的机器人与任务分配方案。
-
Patent Agency Ranking
公开(公告)号：CN115407656B
公开(公告)日：2024-11-19
申请号：CN202211029530.X
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G05B13/04
Abstract: 本发明提出一种基于动态自适应LQR的智能农机自主作业控制方法，包括：建立智能农机的运动模型，并基于LQR算法生成该运动模型的目标函数，建立关于该目标函数的状态权重矩阵和控制权重矩阵的动态调整模型；在该智能农机的工作过程中，获取该智能农机于当前时刻的位姿态信息，根据该位姿态信息以该动态调整模型调整该状态权重矩阵和该控制权重矩阵；以调整后的目标函数解算出当前时刻的航向偏差控制量，并以该航向偏差控制量对该智能农机进行运行控制。本发明还提出一种基于动态自适应LQR的智能农机自主作业控制系统，以及一种用于智能农机自主作业控制的数据处理装置。
-
公开(公告)号：CN117444959A
公开(公告)日：2024-01-26
申请号：CN202311377067.2
申请日：2023-10-23
Applicant: 中国科学院计算技术研究所
IPC: B25J9/16
Abstract: 本发明为一种扩展灵活的农用机器人架构构建方法与装置，包括以下步骤：构建感知层步骤，用于接收传感器数据，获取机器人内部与外部环境信息；构建规划层步骤，用于导航路径规划、避障检测控制和导航地图建模；构建决策层步骤，进一步包括：构建高速传输通道步骤，用于构建公告板；对农用机器人的功能进行封装步骤，得到行为节点；根据公告板，对行为节点进行可灵活扩展的执行与控制步骤。
-
公开(公告)号：CN114326717A
公开(公告)日：2022-04-12
申请号：CN202111520657.7
申请日：2021-12-13
Applicant: 中国科学院计算技术研究所
IPC: G05D1/02
Abstract: 本发明提出一种智能农机转场与作业的融合路径规划方法及系统，包括：根据农机位姿信息，全局搜索栅格地图，以规划一条从起点位置到作业区域的转场路径；以作业区域最短的一条边作为目标边，以目标边的边长和方向，生多条平行的线段路径，线段间隔为作业耕宽，并根据最小转弯半径，在每条线段路径的末端添加转弯路径，得到作业路径；以目标边中距离转场路径末端最近的点为作业起点，添加一段连接转场路径终点和作业起点的平滑路径，并在作业路径的末端添加一段与线段路径平行等长的退出路径，全局搜索栅格地图，以规划从退出路径末端到起点位置的离场路径；连接转场路径、作业路径、离场路径和退出路径，作为农机最终的行驶与作业路径。
-
公开(公告)号：CN119168321A
公开(公告)日：2024-12-20
申请号：CN202411333338.9
申请日：2024-09-24
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/02 , G06N5/01
Abstract: 本发明提出一种基于联合优化的播种作业农机调度方法和装置，包括：根据收获作业中的农场总面积、农机具宽幅，构建农机配置模型N；根据标准播期的产量、早播面积，构建播期影响下的实际产量模型Yac；根据燃油价格、播种作业天数，构建播种农机作业的油耗成本模型Cs；根据单位时间的人工成本，构建人工成本模型Cc；根据农机配置模型N、实际产量模型Yac、油耗成本模型Cs、人工成本模型Cc，构建表示播种所需的各类农机资源、作业时间与利润之间关系的目标模型；根据农机作业时间上限、农机总数上限、农场总面积上限，构建目标模型的限制约束，在限制约束下，求解目标模型输出利润最大时的农机调度策略；以农机调度策略执行作物的播种作业任务。
-
公开(公告)号：CN119168136A
公开(公告)日：2024-12-20
申请号：CN202411206650.1
申请日：2024-08-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于生产规划联合优化的农机调度方法和装置，本发明根据播种时间、植保时间、收获时间、作物含水量以及作业相关成本如：油耗、人工、种子、农药等因素，提出针对玉米作物的全周期农机播种、植保、收获计划的、以最大化企业利润为目标的数学模型，然后将该数学模型转换为强化学习的模型，通过深度强化学习的方法对其进行求解，给出农机调度策略。具体来说本发明基于农场实际数据及外界因素影响构建以最大化企业利润为目标的全周期农机资源调度模型；并基于深度确定性策略梯度模型获得近似最优的农机调度策略。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
