仿生机器金枪鱼
    3.
    发明公开

    公开(公告)号:CN112937820A

    公开(公告)日:2021-06-11

    申请号:CN202110462144.9

    申请日:2021-04-27

    Abstract: 本发明属于水下机器人技术领域,具体涉及一种仿生机器金枪鱼,旨在解决现有技术中仿生机器鱼能耗大、游速慢且转弯半径大的问题。本发明提供的仿生机器金枪鱼摆动机构的驱动舵机可以控制后段壳体摆动以控制仿生机器金枪鱼转向,摆动机构的旋翼电机能够通过齿轮传动和变速控制尾鳍摆动以控制仿生机器金枪鱼前向游动。通过该设置,仿生机器金枪鱼既能够通过旋翼电机单向转动实现尾部高频摆动,从而实现其高速游动,又能够通过驱动舵机实现尾部单向偏置,从而实现小半径转向。本申请的仿生机器金枪鱼结构简单、重量轻、体积小有利于同时实现高速游动和小半径转向运动。

    水下探索策略模型的训练方法及仿生机器鱼水下探索方法

    公开(公告)号:CN114609925A

    公开(公告)日:2022-06-10

    申请号:CN202210043511.6

    申请日:2022-01-14

    Abstract: 本发明提供一种水下探索策略模型的训练方法及仿生机器鱼水下探索方法,本发明的水下探索策略模型的训练方法包括:通过第一样本集对仿生机器鱼的初始探索策略模型进行训练,得到第一探索策略模型;从所述第一样本集中确定第二样本集;以第二样本集中的所述第一状态信息为样本,以与所述第一状态信息对应的第一动作信息为标签,训练所述第一探索策略模型,得到第二探索策略模型。本发明的水下探索策略模型的训练方法通过利用仿生机器鱼的历史经验中的较优动作所对应的第一状态信息与第一动作信息对第一探索策略模型进行训练,能降低较为失败的动作对模型的影响,避免模型的参数陷入局部最优,从而增强了模型在实际环境中运用的鲁棒性与稳定性。

    仿生机器金枪鱼
    5.
    发明授权

    公开(公告)号:CN112937820B

    公开(公告)日:2021-09-28

    申请号:CN202110462144.9

    申请日:2021-04-27

    Abstract: 本发明属于水下机器人技术领域,具体涉及一种仿生机器金枪鱼,旨在解决现有技术中仿生机器鱼能耗大、游速慢且转弯半径大的问题。本发明提供的仿生机器金枪鱼摆动机构的驱动舵机可以控制后段壳体摆动以控制仿生机器金枪鱼转向,摆动机构的旋翼电机能够通过齿轮传动和变速控制尾鳍摆动以控制仿生机器金枪鱼前向游动。通过该设置,仿生机器金枪鱼既能够通过旋翼电机单向转动实现尾部高频摆动,从而实现其高速游动,又能够通过驱动舵机实现尾部单向偏置,从而实现小半径转向。本申请的仿生机器金枪鱼结构简单、重量轻、体积小有利于同时实现高速游动和小半径转向运动。

    水下机器人的定位方法、装置
    6.
    发明公开

    公开(公告)号:CN118548888A

    公开(公告)日:2024-08-27

    申请号:CN202410476258.2

    申请日:2024-04-19

    Abstract: 本发明提供一种水下机器人的定位方法、装置,该方法包括:获取水下机器人的图像、惯性数据、深度数据;在图像为当前关键帧的情况下,基于当前关键帧更新关键帧集合;构建相邻关键帧的深度残差,融合各相邻关键帧对应的深度数据和惯性数据,以基于深度残差,逐步优化得到当前关键帧的轨迹尺度;基于轨迹尺度进行校准,得到校准关键帧和校准惯性数据;构建联合残差,基于联合残差,对校准关键帧和校准惯性数据进行联合优化,以确定水下机器人的定位信息。本发明提供的方法,通过紧密耦合惯性深度残差构造,实现更加精准的轨迹尺度估计;并构建不包含轨迹尺度的联合残差,以基于联合残差进行联合优化,进一步提升水下机器人的定位精度。

    水下探索策略模型的训练方法及仿生机器鱼水下探索方法

    公开(公告)号:CN114609925B

    公开(公告)日:2022-12-06

    申请号:CN202210043511.6

    申请日:2022-01-14

    Abstract: 本发明提供一种水下探索策略模型的训练方法及仿生机器鱼水下探索方法,本发明的水下探索策略模型的训练方法包括:通过第一样本集对仿生机器鱼的初始探索策略模型进行训练,得到第一探索策略模型;从所述第一样本集中确定第二样本集;以第二样本集中的所述第一状态信息为样本,以与所述第一状态信息对应的第一动作信息为标签,训练所述第一探索策略模型,得到第二探索策略模型。本发明的水下探索策略模型的训练方法通过利用仿生机器鱼的历史经验中的较优动作所对应的第一状态信息与第一动作信息对第一探索策略模型进行训练,能降低较为失败的动作对模型的影响,避免模型的参数陷入局部最优,从而增强了模型在实际环境中运用的鲁棒性与稳定性。

Patent Agency Ranking