基于强化学习动作模仿的四足机器人运动控制方法及系统

    公开(公告)号:CN118012077A

    公开(公告)日:2024-05-10

    申请号:CN202410410625.9

    申请日:2024-04-08

    Abstract: 本公开提供了基于强化学习动作模仿的四足机器人运动控制方法及系统,涉及机器人运动控制技术领域,将参考动作数据作为状态值引入强化学习网络,在动作模仿训练阶段,通过关节跟踪奖励的激励,采用自适应随机初始状态采样的训练技巧,提高训练效率,使机器人从运动示范中获取宝贵的信息,迅速学会模仿参考技能的运动策略。然后,在技能拓展训练阶段,将模仿奖励与任务奖励相结合,形成独特的奖励形式,进一步训练运动策略,最终获得完成运动任务的最佳运动策略。本发明简单高效,效果明显,提升了四足机器人运动策略的学习效率,扩展了模仿学习在机器人运动控制领域的应用范围。

    一种大模型驱动物体自主摆放的机器人控制方法及系统

    公开(公告)号:CN118003333A

    公开(公告)日:2024-05-10

    申请号:CN202410342713.X

    申请日:2024-03-25

    Applicant: 山东大学

    Abstract: 本公开提供了一种大模型驱动物体自主摆放的机器人控制方法及系统,涉及机器人控制技术领域,包括:获取候选物体对象的属性信息以及所述候选物体对象的初始状态;根据选物体对象的初始状态,生成候选物体对象指定摆放偏好的用户指令;将所述属性信息和所述用户指令输入至基于Transformer的扩散模型中,获取预测的以用户指令和初始状态为条件的物体重新摆放的目标状态;将所述目标状态和初始状态输入至基于LLM的轨迹生成器中,确定物体重新摆放到目标状态的顺序,然后采用RRT‑Connect运动规划方法,以递归方式生成用于机器人物体重新摆放物体至目标状态的无碰撞轨迹。

    基于物理模型的水下图像增强方法及系统

    公开(公告)号:CN116863320B

    公开(公告)日:2024-03-29

    申请号:CN202310671497.9

    申请日:2023-06-06

    Applicant: 山东大学

    Abstract: 本发明公开了基于物理模型的水下图像增强方法及系统,属于水下图像处理技术领域。包括将获取的水下图像输入训练好的水下图像增强模型进行处理,以生成并输出增强图像;水下图像增强模型包括由参数估计子网络和双流交互增强子网络组成的生成器和双鉴别器,参数估计子网络用于根据输入的水下图像,确定物理模型的衰减系数、深度图和传输图,并根据衰减系数和传输图,获取颜色增强图像;双流交互增强子网络用于根据颜色增强图像和传输图对输入的水下图像,获取增强图像;双鉴别器用于根据增强图像和深度图,判别增强图像的真伪。能够获取清晰、视觉美观的水下图像,解决了现有技术中通用性不强且图像内容容易被扭曲的问题。

    一种变电站设备指针式仪表的示数识别方法及系统

    公开(公告)号:CN117746025A

    公开(公告)日:2024-03-22

    申请号:CN202311791940.2

    申请日:2023-12-22

    Abstract: 本发明公开了一种变电站设备指针式仪表的示数识别方法及系统,该方法包括:获取变电站巡检机器人拍摄的变电站设备指针式仪表图像;基于SE‑YOLO目标检测模型,提取仪表表盘图像;基于改进的关键点检测模型,获取仪表表盘图像中仪表表盘四个顶点和表盘中指针起点与终点的位置坐标,再结合透视变换,对仪表表盘图像进行图像校正;基于SegFormer模型,对校正后的仪表表盘图像进行图像分割,分割得到仪表指针、长刻度线和仪表数字的区域;采用模板匹配法识别仪表数字,根据识别的仪表数字对长刻度线进行赋值,并通过基于距离的方法计算出仪表的示数。本发明能够实现对变电站设备多种类型的指针式仪表示数的精确识别与读取。

    基于深度补全的多模态3D目标检测方法及系统

    公开(公告)号:CN117351310B

    公开(公告)日:2024-03-12

    申请号:CN202311283502.5

    申请日:2023-09-28

    Applicant: 山东大学

    Abstract: 本发明提出了基于深度补全的多模态3D目标检测方法及系统,涉及目标检测技术领域,获取待检测的RGB图像及对应的3D稀疏深度图;将RGB图像及对应的3D稀疏深度图输入到训练好的3D目标检测网络中,输出目标物的3D检测结果;3D目标检测网络从RGB图像中获取每个像素点的类别标签,基于3D稀疏深度图中像素点的深度信息与类别标签的对应关系,生成稠密深度图,对稠密深度图和RGB图像进行融合预测,得到目标物的3D锚框和类别标签;本发明将单目RGB图像信息和LIDAR深度信息进行结合,利用在图像局部区域同一目标具有相似深度的先验,对LIDAR获取的深度信息进行稠密化,以实现更加精确的3D目标检测效果。

    一种优异电磁波吸收性能的Ni/NiO-rGO纳米复合材料及其制备方法与应用

    公开(公告)号:CN117596858A

    公开(公告)日:2024-02-23

    申请号:CN202311603379.0

    申请日:2023-11-28

    Applicant: 山东大学

    Abstract: 本发明涉及一种优异电磁波吸收性能的Ni/NiO‑rGO纳米复合材料及其制备方法与应用,本发明首先将可溶性镍盐与氧化石墨烯水悬浮液搅拌混合,进行水热反应,然后将生成的黑色水凝胶浸泡在尿素溶液中,干燥后转移至管式炉中,进行高温热碳还原得到Ni/NiO‑rGO纳米复合材料。本发明以石墨烯为载体,在片状石墨烯上原位生长得到Ni/NiO磁性纳米颗粒,既保持了石墨烯的形貌,又使得纳米颗粒均匀分散,克服了磁性金属易于团聚、密度大的问题,具备低填充量、宽吸收频带、强吸收等优点。

Patent Agency Ranking