基于强化学习的双足机器人多模态自适性步态生成方法

    公开(公告)号:CN118672291A

    公开(公告)日:2024-09-20

    申请号:CN202410617290.8

    申请日:2024-05-17

    IPC分类号: G05D1/49 G05D109/12

    摘要: 本发明涉及机器人控制的技术领域,公开了一种基于强化学习的双足机器人多模态自适性步态生成方法,先构建多模态步行任务,包括简单平面任务和复杂非平面任务;然后基于课程学习思想对步态生成器进行策略训练,同时依据不同的多模态步态任务使用不同的奖励函数激励策略训练,以获得步态生成器的最优参数,所述步态生成器设计为使用优势型演员‑评论家框架即AC网络和近端策略优化算法即PPO算法共同构建的强化学习框架;最后依据利用训练好的步态生成器生成满足实际步行任务的双足机器人步态。

    一种基于高级特征聚合机制的灵活抓取姿势估计方法

    公开(公告)号:CN118644774A

    公开(公告)日:2024-09-13

    申请号:CN202410596665.7

    申请日:2024-05-14

    摘要: 本发明涉及机器人抓取技术领域,特别涉及一种基于高级特征聚合机制的灵活抓取姿势估计方法。包括:获取RGB图和深度图,得到点云信息;构建基于高级特征聚合机制的点云特征提取网络,所述基于高级特征聚合机制的点云特征提取网络以PointNet++为基础,包括依次连接的多层感知器MLP、编码器和解码器;将所述点云信息输入所述基于高级特征聚合机制的点云特征提取网络,获得自适应融合不同尺度和上下文信息的特征点云;基于所述特征点云,进行抓取姿势估计。本发明通过高级特征聚合机制,能够自适应地融合不同尺度和上下文信息的特征,用于抓取估计,进而提高了抓取姿势估计的精度和成功率。

    基于注意力特征金字塔机制的小样本钢材缺陷检测方法

    公开(公告)号:CN116958073A

    公开(公告)日:2023-10-27

    申请号:CN202310831199.1

    申请日:2023-07-07

    摘要: 本发明公开一种基于注意力特征金字塔机制的小样本钢材缺陷检测方法,先经由卷积神经网络获得初始多尺度特征图,再采用自上向下和横向连接方式,利用改进的多尺度注意力网络对初始多尺度特征图进行逐一处理,获得中间多尺度特征图,然后采用自下向上和横向连接方式,利用改进的多尺度注意力网络对中间多尺度特征图进行逐一处理,获得最终多尺度特征图,最后输出最终分类结果;采用伪标签半监督学习算法对检测网络模型进行训练,利用局部线性嵌入算法对训练输出的高层特征进行降维与可视化处理,筛选出误标错标的图像去掉标签放入未标记的图像数据,重新训练生成伪标签,以扩充训练集,直至达到训练要求;将待检图像输入训练好的检测网络模型识别。

    一种基于发动机振动信号多模态分析的机械故障检测方法

    公开(公告)号:CN116610935A

    公开(公告)日:2023-08-18

    申请号:CN202310554203.4

    申请日:2023-05-17

    摘要: 本发明涉及一种基于发动机振动信号多模态分析的机械故障检测方法,对于提取到的柴油发动机震动信号,首先采用多模态特征提取网络从一维幅值数据及二维图像数据中提取出关于异常信号的图像特征,之后采用混通道特征融合检测网络将特征图拆分为两组,分别采用空间注意力机制与通道注意力机制对特征图进行空间域与通道域的提权计算,将计算得到的特征图再次分组,并通过合并操作得到多维度提权的特征图,最后采用多尺度检测器同时对三个特征图进行检测,判断在该时段内的信号是否存在有异常状态。与现有技术相比,本发明具有准确率高、抗噪声性能好等优点。

    一种机器人行走的上半身动态稳定方法

    公开(公告)号:CN118625845A

    公开(公告)日:2024-09-10

    申请号:CN202410624980.6

    申请日:2024-05-20

    IPC分类号: G05D1/49

    摘要: 本发明涉及一种机器人行走的上半身动态稳定方法,属于机器人运动控制领域,包括如下步骤:步骤S1:机器人启动并初始化运动参数;步骤S2:机器人开始步行;步骤S3:判断机器人上半身姿态是否达到补偿点,达到则进入S4,否则回到步骤S2;步骤S4:通过上半身姿态补偿模型对机器人进行姿态补偿;步骤S5:更新姿态补偿次数,检测上半身姿态是否恢复垂直,是则进入步骤S6,否则回到S4;步骤S6:对机器人的姿势进行标定,并回到步骤S2。本发明通过策略梯度学习实现对机器人行走时上半身的姿态补偿,具有补偿精准和快速作业的双重优点。

    一种低矮障碍物检测方法
    7.
    发明公开

    公开(公告)号:CN118644671A

    公开(公告)日:2024-09-13

    申请号:CN202410603694.1

    申请日:2024-05-15

    摘要: 本发明涉及移动机器人环境感知技术领域,特别涉及一种低矮障碍物检测方法。包括:获取激光雷达数据以及深度相机数据,针对RGB图像,使用训练好的YOLOv5模型进行实例分割,得到地面分割图以及障碍物分割图;进一步的得到剔除地面掩码图和障碍物掩码图,并与深度图结合得到剔除地面的全景点云和障碍物点云;通过点云转伪雷达数据算法将其转化为剔除地面的全景伪雷达数据和障碍物伪雷达数据;并与激光雷达数据进行融合,并基于融合后的数据进行障碍物检测,得到检测结果。本发明通过视觉分析RGB图像的方式剔除地面点云数据实现低矮障碍物检测算法,即能精准的实现地面点云的剔除又能准确识别低矮障碍物,实现更准确的环境感知。

    一种基于独立搜索孪生神经网络的目标跟踪方法

    公开(公告)号:CN116843719A

    公开(公告)日:2023-10-03

    申请号:CN202310563525.5

    申请日:2023-05-18

    摘要: 本发明涉及图像处理的技术领域,公开了一种基于独立搜索孪生神经网络的目标跟踪方法,包括以下步骤:S1、将目标图像和当前帧搜索图像分别输入训练好的孪生神经网络进行特征提取,获取目标特征图和当前帧搜索特征图;S2、计算目标特征图和当前帧搜索特征图之间的相关性特征图,并生成多个候选区域;S3、对每个候选区域进行分类和编码,获得每个候选区域的得分和位置,选取得分最高的候选区域作为最终的识别结果;S4、重复步骤S1‑S3,对下一帧搜索图像进行目标识别,从而实现目标跟踪。

    一种基于置信区间的深度强化学习动作决策方法

    公开(公告)号:CN116468081A

    公开(公告)日:2023-07-21

    申请号:CN202310471399.0

    申请日:2023-04-27

    IPC分类号: G06N3/0464 G06N3/084

    摘要: 本发明属于人工智能技术领域,公开了一种基于置信区间的深度强化学习动作决策方法,该方法首先提出一种基于深度神经网络的置信区间跨度拟合模型,从根本上解决UCB无法估计高维状态空间下各个动作的置信区间大小的问题;然后提出一种基于目标值原地构建的置信区间跨度平衡模型,利用神经网络反向传播的特性在每次动作决策后更新U网络的参数,从而平衡置信区间跨度;最后引入探索‑利用动态平衡因子α用于平衡训练过程中的探索与利用。该方法应用于解决复杂强化问题,取得了较好的训练效果。

    一种基于全局像素特征融合的物体位姿估计方法

    公开(公告)号:CN118608606A

    公开(公告)日:2024-09-06

    申请号:CN202410624984.4

    申请日:2024-05-20

    摘要: 本发明公开了一种基于全局像素特征融合的物体位姿估计方法,属于机器视觉技术领域。包括:收集RDB‑D图像,建立数据集;构建基于全局像素特征融合的物体位姿估计网络,包括依次连接的实例分割子网络、特征提取子网络、姿态估计子网络以及迭代优化子网络;使用数据集对基于全局像素特征融合的物体位姿估计网络进行训练,得到训练好的网络;获取待估计的RDB‑D图像,使用训练好的基于全局像素特征融合的物体位姿估计网络进行物体位姿估计。本发明采用轻量级实例分割模型,使得计算量更小,检测速度更快;提取颜色特征的同时,对几何信息进一步提取,提高了不同源信息的利用率;又引入全局特征提取,再与像素级融合特征拼接,提高了模型的鲁棒性。