-
公开(公告)号：CN117876489B
公开(公告)日：2025-04-15
申请号：CN202410085304.6
申请日：2024-01-22
Applicant: 哈尔滨理工大学
Abstract: 一种用于视觉惯性点云融合SLAM系统的滑动窗口优化方法，属于SLAM技术领域。本发明涉及三种传感器：相机、IMU、LiDAR，设计了多传感器信息融合SLAM系统的局部优化方法，解决了因图像特征点深度不确定而导致的定位精度低的问题。本发明在滑动窗口内构建了三类传感器信息紧耦合的测量约束关系，在窗口滑动时更新观测约束，保证滑窗内信息的时效性和准确性，有助于定位精度的提高；通过LiDAR点云辅助估计图像特征点的深度信息，在滑窗内维护每个特征点的唯一性，消除“重影”特征点对视觉重定位的影响；本方法不改变滑动窗口的大小，能够保证快速的局部优化，保证了SLAM系统的快速定位响应能力。
-
公开(公告)号：CN118578385A
公开(公告)日：2024-09-03
申请号：CN202410743470.0
申请日：2024-06-11
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于元模仿学习的双臂机器人智能搬运方法。该方法包括以下步骤：首先，根据搬运难度进行分级，越光滑、越重的物体等级越高，搬运使用的力越大，由操作者操控双臂机器人执行搬运任务，获取示教数据集，对示教数据集进行预处理，合成专家数据集；其次，运用专家示教数据集进行最大熵逆强化学习训练奖励函数；再次，使用训练出来的奖励函数作为动作指导，采用MAML元强化学习方法，训练出一个泛化能力足够强的双臂搬运策略模型。本发明使双臂机器人可在保持一定效率的情况下，既能成功执行样本之内物块搬运，又能通过少量数据样本的适应，成功执行样本之外物体的搬运任务，相较于传统的双臂机器人搬运规划方法和一般的强化学习机器人搬运算法，提升了双臂机器人在搬运任务上的泛化能力并降低了训练成本。
-
公开(公告)号：CN118349001A
公开(公告)日：2024-07-16
申请号：CN202410619240.3
申请日：2024-05-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种面向非结构化地形的足式移动机器人路径规划方法，属于足式机器人控制技术领域，包括以下步骤：依据地形数据和特征训练决策树模型；针对足式移动机器人运动特点对地形进行分类，建立全局可通过栅格地图；通过决策树模型量化全局可通过栅格地图中每个单位地形的复杂度；最后通过将地形复杂度C与自适应权重系数α引入代价函数后的路径规划算法进行路径规划。本发明通过量化地形复杂度与改进代价函数的方式，解决了传统路径规划方法难以满足足式移动机器人的在复杂非结构化地形下的需求问题，能够同时兼顾地形可通过性与路径距离，提升了路径规划算法收敛速度，进而提高了路径规划效率、机器人的运动安全性与地形适应性。
-
公开(公告)号：CN118051067A
公开(公告)日：2024-05-17
申请号：CN202410006529.8
申请日：2024-01-03
Applicant: 哈尔滨理工大学
IPC: G05D3/12
Abstract: 本发明属于足式机器人人机协同驾驶技术领域。本发明公开了一种考虑操作者视野的六足机器人决策指令人机协商方法，解决在人机协同决策过程中，当远程操作者与机器人发布决策指令不一致的问题。本发明所述的考虑操作者视野的六足机器人决策指令人机协商方法，通过定义远程操作者水平和垂直视野覆盖系数，量化评估操作者对六足机器人所在任务环境的感知水平，并以操作者感知水平和协商消耗时间为内核设计让步系数，通过对机器人在指令数值方面逐次做出合理的让步，最终得到人机一致协商认可的决策指令。本发明可有效提升人机协同决策指令生成的效率，有效提高以远程操作方式对六足机器人进行人机协同驾驶的决策准确度。
-
公开(公告)号：CN116256972B
公开(公告)日：2024-01-23
申请号：CN202211508724.8
申请日：2022-11-29
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明属于足式机器人驾驶操控技术领域。本发明公开了一种六足机器人人机指令组合优选方法，解决了六足机器人驾驶过程中驾驶员和机器人决策指令优选分配的问题。本发明所述的一种六足机器人人机指令组合优选方法，将驾驶员的决策指令和六足机器人的决策指令之间的分配方案作为有限状态机的状态，当六足机器人在行驶过程中稳定裕度、能量消耗和碰撞次数的约束条件超出设定的阈值时会触发状态转移，并对状态转移过程中增加转移概率来提高状态转移的灵活性。本发明能够实时的获取驾驶员与机器人之间的最优驾驶指令组合，有效的提高六足机器人的行驶性能和面对突发状况的适应性。
-
Patent Agency Ranking
公开(公告)号：CN116572249B
公开(公告)日：2024-01-02
申请号：CN202310672505.1
申请日：2023-06-07
Applicant: 哈尔滨理工大学
Abstract: 本发明属于柔性机械臂遥操作技术领域。本发明公开了一种基于三模态切换机制的柔性机械臂遥操作控制方法，解决了柔性机械臂遥操作系统在复杂环境下因环境刚度的变化造成系统的不稳定性和低透明性。本发明所述的一种基于三模态切换机制的柔性机械臂遥操作控制方法，采用单主单从的遥操作系统架构，设计了从端环境刚度估计器，根据环境刚度的大小将遥操作控制分为三种模态，设计了切换控制规则，并设计遥操作系统在三种模态下不同的控制器。本发明能够保证从端环境刚度变化时遥操作系统的稳定性以及提升系统的透明性。
-
公开(公告)号：CN117272036A
公开(公告)日：2023-12-22
申请号：CN202311304347.0
申请日：2023-10-09
Applicant: 哈尔滨理工大学
IPC: G06F18/2136 , G06F18/214 , G06F18/24 , G06N3/049 , G06N3/0499 , G06N3/08 , A61B5/374 , A61B5/00 , G06F123/02
Abstract: 本发明涉及医疗技术领域，公开了棘波识别模型构建方法、棘波识别方法、装置及设备，构建方法包括：获取脑电信号；对脑电信号进行分割，得到棘波脑电信号段；对棘波脑电信号段进行脉冲编码，得到脉冲序列；基于脉冲序列以及神经元动力学机制构建初始神经元模型；基于初始神经元模型，构建前馈脉冲神经网络，前馈脉冲神经网络用于对脉冲序列进行特征映射；基于神经元突触自反馈时延调节机制，对前馈脉冲神经网络进行更新，得到目标棘波识别模型。基于自反馈时延性的神经元突触调节机制，加速前馈脉冲神经网络全局收敛的同时，保证了识别模型高精度识别非侵入可溯型癫痫样棘波。
-
公开(公告)号：CN115857328B
公开(公告)日：2023-10-17
申请号：CN202211382442.8
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明属于足式机器人技术领域。本发明以单腿失效条件下的六足机器人对运动稳定性及运动柔顺性的同步高要求为目标，公开了一种基于力矩平衡点与运动稳定性协同优化的六足机器人容错步态落足点规划方法。本发明所述的一种基于力矩平衡点与运动稳定性协同优化的六足机器人容错步态落足点规划方法包括：(1)基于ZMP稳定裕度优化的六足机器人容错步态落足点规划模块；(2)基于机身力矩平衡点优化的六足机器人容错步态落足点规划模块；(3)稳定性‑力矩平衡点协同优化评价函数模块；本发明既提供了单腿失效条件下六足机器人以容错步态运动时的运动稳定性及力矩平衡点单独优化模块，又协同的对二者进行了有效融合，以同步实现六足机器人在单腿失效条件下的稳定、柔顺运动。
-
公开(公告)号：CN115857328A
公开(公告)日：2023-03-28
申请号：CN202211382442.8
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明属于足式机器人技术领域。本发明以单腿失效条件下的六足机器人对运动稳定性及运动柔顺性的同步高要求为目标，公开了一种基于力矩平衡点与运动稳定性协同优化的六足机器人容错步态落足点规划方法。本发明所述的一种基于力矩平衡点与运动稳定性协同优化的六足机器人容错步态落足点规划方法包括：(1)基于ZMP稳定裕度优化的六足机器人容错步态落足点规划模块；(2)基于机身力矩平衡点优化的六足机器人容错步态落足点规划模块；(3)稳定性‑力矩平衡点协同优化评价函数模块；本发明既提供了单腿失效条件下六足机器人以容错步态运动时的运动稳定性及力矩平衡点单独优化模块，又协同的对二者进行了有效融合，以同步实现六足机器人在单腿失效条件下的稳定、柔顺运动。
-
公开(公告)号：CN115453914A
公开(公告)日：2022-12-09
申请号：CN202211277205.5
申请日：2022-10-19
Applicant: 哈尔滨理工大学
IPC: G05B17/02
Abstract: 本发明公开了一种考虑海浪干扰的无人艇回收分布式决策仿真系统，完成海洋作业中母船对无人艇的自动回收任务。首先，搭建无人艇回收任务所需的仿真环境；基于DuelingNetwork算法设计决策模块，并针对应用场景优化神经网络结构，使决策模块具有短时记忆功能；实现分布式通信机制，将决策模块置于服务器端，环境模块置于客户端；最后，启动服务器与客户端程序，控制无人艇抽象的智能体完成回收任务。该系统针对实际复杂海况，设计模拟物理交互的仿真环境；采用深度强化学习算法，使得AI控制器应对复杂场景时，具有更强的鲁棒性，且让模型具有迁移学习能力；分布式通信机制将训练与控制独立运行，便于实现离线训练，同时可以实现远程控制效果。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.029 seconds)
