多车干扰场景下行为认知驱动的周围车辆轨迹预测方法

    公开(公告)号:CN118701099A

    公开(公告)日:2024-09-27

    申请号:CN202410176584.1

    申请日:2024-02-08

    Abstract: 本发明涉及智能驾驶技术领域,公开了多车干扰场景下行为认知驱动的周围车辆轨迹预测方法,多车干扰场景下行为认知驱动的周围车辆轨迹预测方法包括:根据获取到的城市道路驾驶数据,确定自车的周围车辆中具有主干扰因素的目标车辆、第一及第二行为特性;根据环境信息和目标车辆的驾驶人状态监测信息,确定目标情绪特征;根据第一行为特性、第二行为特性、目标车辆驾驶行为对应的目标情绪特征以及道路几何特征得到目标车辆的行为意图;根据获取到的道路几何特征、道路动态要素、多车交互干扰运动特性以及多车干扰交互意图信息,确定目标路况信息;根据行为意图以及目标路况信息得到轨迹预测结果。本发明实现周围车辆的运行轨迹的准确预测。

    一种管道清洗机器人
    2.
    发明授权

    公开(公告)号:CN115780428B

    公开(公告)日:2023-10-27

    申请号:CN202310028434.1

    申请日:2023-01-09

    Abstract: 本发明涉及管道清洗技术领域,特别是指一种管道清洗机器人,包括:机器人机体,环绕机器人机体外周,等间距布置的至少三组变径行走机构,以及在机器人机体后端安装的清洗机构;清洗机构被配置为:环绕机器人机体轴线的方向旋转;变径行走机构至少包括一根行走腿,行走腿包括自适应变径组件、可拆卸变径杆和行走轮组件,自适应变径组件包括变径过渡板,所述变径过渡板一侧与可拆卸变径杆的一端以可拆卸的方式连接,可拆卸变径杆的另一端以可拆卸的方式连接行走轮组件。本发明提能够适应较大范围变径管道环境、有较好的清洗能力、能够实现在管道中较长距离运行。

    一种依托强化学习的PID轨迹跟踪控制方法及装置

    公开(公告)号:CN118818957A

    公开(公告)日:2024-10-22

    申请号:CN202411073119.1

    申请日:2024-08-06

    Abstract: 本发明涉及自动驾驶领域,特别是指一种依托强化学习的PID轨迹跟踪控制方法及装置,方法包括:获取待控制自动驾驶车辆的当前状态、参考轨迹和实际运行误差;构建车辆轨迹跟踪控制的策略模型;将当前状态和参考轨迹输入至车辆轨迹跟踪控制的策略模型,得到PID控制参数;将PID控制参数和实际运行误差输入至PID控制器,得到自动驾驶车辆的控制量,根据自动驾驶车辆的控制量,完成自动驾驶车辆轨迹跟踪控制。本发明利用强化学习强大的学习能力结合PID本身的稳定性以及强鲁棒性,实现车辆轨迹跟踪控制的高实时、高稳定和高精度在线计算。解决当前车辆轨迹跟踪控制的计算实时性差、应用可靠性弱和依赖复杂动态模型等问题。

    一种依托强化学习的铰接车轨迹跟踪控制方法及装置

    公开(公告)号:CN116300977B

    公开(公告)日:2023-07-21

    申请号:CN202310572466.8

    申请日:2023-05-22

    Abstract: 本发明公开了一种依托强化学习的铰接车轨迹跟踪控制方法及装置,涉及自动驾驶技术领域。包括:获取待控制铰接车的车辆状态以及环境观测量;将车辆状态以及环境观测量输入到构建好的铰接车轨迹跟踪最优控制模型;根据车辆状态、环境观测量以及铰接车轨迹跟踪最优控制模型,得到每个时间步的车辆状态,实现铰接车轨迹跟踪控制。本发明提供了一种依托强化学习的铰接车轨迹跟踪控制方法的构建及求解方法,以实现铰接车轨迹跟踪控制高实时、高精度的在线计算。

    自动驾驶车辆的权重系数和控制策略自学习方法及装置

    公开(公告)号:CN115626184B

    公开(公告)日:2023-07-21

    申请号:CN202211629437.2

    申请日:2022-12-19

    Abstract: 本发明公开了一种自动驾驶车辆的权重系数和控制策略自学习方法及装置,涉及车辆自动驾驶控制技术领域。包括:获取待优化的控制策略;将待优化的控制策略输入到构建好的控制策略双层优化模型;其中,控制策略双层优化模型包括权重系数优化层以及控制策略优化层;根据待优化的控制策略、权重系数优化层以及控制策略优化层,得到优化后的控制策略,基于优化后的控制策略对自动驾驶车辆进行控制。本发明基于给定的专家驾驶策略,通过模仿该目标控制策略实现控制代价函数权重系数和控制策略的自学习。本发明能够解决在控制自动驾驶车辆时,为了实现良好的控制性能而面临的不断调整代价函数的权重系数,且该方法能够实现控制策略的自提升。

    自动驾驶车辆前向避撞场景下干预型共享控制方法及装置

    公开(公告)号:CN115923845A

    公开(公告)日:2023-04-07

    申请号:CN202310029817.0

    申请日:2023-01-09

    Abstract: 本发明公开了一种自动驾驶车辆前向避撞场景下干预型共享控制方法及装置,涉及自动驾驶车辆的控制技术领域。包括:获取车辆状态数据输入到前向避撞控制模型,得到自动驾驶车辆的最优名义避撞轨迹;获取驾驶员转向输入数据,得到自动驾驶车辆前向避撞场景下的共享控制方法。本发明提出了在高速前向避撞场景下控制求解与风险预测的车辆模型解耦方法,兼顾了线性模型的求解效率与非线性模型的预测准确性,完成了前向避撞场景中的风险提前预估,解决了临界避撞干预时机的判定问题,并同时考虑驾驶人的实时输入,将驾驶人的方向盘转角输入信息纳入前向避撞共享控制中,实现了人机共驾在高速前向避撞场景下“碰撞‑失稳”双重安全保障。

    一种强化学习型液压机械臂集成控制方法及装置

    公开(公告)号:CN115781696A

    公开(公告)日:2023-03-14

    申请号:CN202310063392.5

    申请日:2023-01-18

    Abstract: 本发明公开了一种强化学习型液压机械臂集成控制方法及装置,涉及工业机械臂控制技术领域。包括:获取待控制的液压机械臂的当前位姿与目标位姿;根据当前位姿与目标位姿,计算得到位姿差距;将位姿差距输入到构建好的基于强化学习的控制策略模型;根据位姿差距以及基于强化学习的控制策略模型,完成液压机械臂的控制任务。本发明基于约束型强化学习,在液压机械臂与环境交互的过程中,通过探索试错的方式实现机械臂控制策略的自学习。本发明适用于液压机械臂智能作业过程,通过控制各个关节同时执行动作,实现了一种集成式控制的功能,在保证作业安全性的前提下有效提升了液压机械臂的工作效率。

    一种管道清洗机器人
    8.
    发明公开

    公开(公告)号:CN115780428A

    公开(公告)日:2023-03-14

    申请号:CN202310028434.1

    申请日:2023-01-09

    Abstract: 本发明涉及管道清洗技术领域,特别是指一种管道清洗机器人,包括:机器人机体,环绕机器人机体外周,等间距布置的至少三组变径行走机构,以及在机器人机体后端安装的清洗机构;清洗机构被配置为:环绕机器人机体轴线的方向旋转;变径行走机构至少包括一根行走腿,行走腿包括自适应变径组件、可拆卸变径杆和行走轮组件,自适应变径组件包括变径过渡板,所述变径过渡板一侧与可拆卸变径杆的一端以可拆卸的方式连接,可拆卸变径杆的另一端以可拆卸的方式连接行走轮组件。本发明提能够适应较大范围变径管道环境、有较好的清洗能力、能够实现在管道中较长距离运行。

    一种面向机器人智能控制的平滑强化学习方法及装置

    公开(公告)号:CN119512079A

    公开(公告)日:2025-02-25

    申请号:CN202411494398.9

    申请日:2024-10-24

    Abstract: 本发明提供一种面向机器人智能控制的平滑强化学习方法及装置,涉及机器人智能控制技术领域。该方法包括:获取当前时刻机器人的环境观测样本信息;根据当样本信息,构建平滑强化学习控制模型;根据样本信息,构建控制模型的奖励函数;采用机器人的离散时间运动学方程,构建控制模型的约束条件;将样本信息、奖励函数以及约束条件输入控制模型中进行在线训练,获得当前时刻机器人的平滑控制动作;构造控制模型的目标函数;根据目标函数对控制模型进更新,获得更新后的控制模型;根据平滑控制动作,获得下一时刻的观测样本信息,输入更新后的控制模型中,获得下一时刻机器人平滑控制动作。采用本发明可使机器人完成高实时且高精度的平滑控制任务。

    一种基于扩散模型的机械臂逆解控制方法及装置

    公开(公告)号:CN118163112B

    公开(公告)日:2024-09-10

    申请号:CN202410470434.1

    申请日:2024-04-18

    Abstract: 本发明涉及机械臂控制领域,特别是指一种基于扩散模型的机械臂逆解控制方法及装置,方法包括:获取待控制的凿岩台车钻臂的目标孔位数据,输入至训练好的凿岩台车钻臂逆解控制模型,得到钻臂的各个关节变量;根据各个关节变量,得到轨迹规划结果,完成凿岩台车钻臂控制。本发明具有应用范围广(数据来源真实环境,无需构造其余标签数据)、精度高(寻孔目标函数不断逼近实际孔位坐标)、可选性多(多组不同的关节位姿均可对应同一目标孔位)、计算效率高(对比传统数值法求逆解,神经网络求解速度可到毫秒级别)的优点,突破了现有无人凿岩台车钻臂控制逆运动学求解方面精度低、高维求解困难、运动速度突变的瓶颈。

Patent Agency Ranking