-
公开(公告)号：CN113469262A
公开(公告)日：2021-10-01
申请号：CN202110788383.3
申请日：2021-07-13
Applicant: 之江实验室
Abstract: 本发明公开了一种基于Fisher信息矩阵的增量学习方法。该方法通过计算Fisher信息矩阵判定神经网络各层参数的重要性；通过分离层间参数和层内参数，大大提升Fisher信息矩阵的计算效率；通过引入新的车辆增量数据，迭代训练模型，避免了全量数据训练的庞大计算量；对不同重要性的参数设置相应的权重系数，使得先验模型和后验模型具有最大的相似度；将Fisher信息矩阵和经典的KL散度相关联，给予神经网络的流形假设更有力的支撑。本发明的测试结果表明神经网络各层参数之间确实存在不同的重要性，且引入正则项可以有效控制神经网络的先验模型和后验模型之间的距离，使其尽可能小。
-
公开(公告)号：CN113408690A
公开(公告)日：2021-09-17
申请号：CN202110742983.6
申请日：2021-07-01
Applicant: 之江实验室
Abstract: 本发明提出了一种基于多模态知识图谱的机器人个性化情感互动装置及方法，该装置包括多模态知识图谱、用户注册模块、状态识别模块、互动实施模块、知识更新模块。多模态知识图谱存储每个已注册用户的信息；用户注册模块用于为新用户注册；状态识别模块用于识别当前用户的身份和情感；互动实施模块用于生成与当前用户个性化情感互动的实施方案并下发给机器人执行；知识更新模块用于更新已注册用户在多模态知识图谱中的信息。本发明考虑了用多模态知识图谱分别存储每个用户的个性化信息，可以有效地应用于家庭服务机器人，让家庭中的每个用户都能获得个性化的情感互动体验。
-
公开(公告)号：CN117610678A
公开(公告)日：2024-02-27
申请号：CN202311433978.2
申请日：2023-10-31
Applicant: 之江实验室
IPC: G06N20/00 , G06F40/186 , G06F18/22 , G06N5/022 , G06F16/242
Abstract: 本申请涉及一种机器人任务规划方法、装置、电子装置和存储介质，其中，该机器人任务规划方法包括：接收任务指令，并提取任务指令中的目标指令文本；当目标指令文本与预设的知识库中的任务指令文本的相似度未超过预设的相似度阈值时，输入任务指令至大模型中，以生成任务指令的问题描述文件；基于问题描述文件以及领域描述文件，使用规划领域定义语言，生成服务机器人的任务规划；领域描述文件是使用规划领域定义语言生成。通过本申请，提高了机器人任务规划的准确度。
-
公开(公告)号：CN116502633A
公开(公告)日：2023-07-28
申请号：CN202310233068.3
申请日：2023-03-03
Applicant: 之江实验室
IPC: G06F40/279 , G06F40/216 , G06F16/28 , G06F16/36
Abstract: 本说明书公开了一种业务执行的方法、装置、存储介质及电子设备。首先，获取目标业务对应的待扩充知识图谱。其次，将待扩充知识图谱中的目标节点对应的实体名称输入到搜索引擎中，得到目标节点对应的文本数据以及图像数据。而后，将目标节点对应的文本数据输入到预先训练的第一识别模型中，确定文本数据的三元组信息，以及将目标节点对应的图像数据输入到预先训练的第二识别模型中，确定图像数据的三元组信息。最后，基于文本数据的三元组信息以及图像数据的三元组信息，在待扩充知识图谱扩充目标节点与其他节点之间的实体关系，以得到目标知识图谱，并通过目标知识图谱，执行目标业务。本方法可以提高业务执行的准确性。
-
公开(公告)号：CN114723055A
公开(公告)日：2022-07-08
申请号：CN202210201643.7
申请日：2022-03-03
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识图谱推理机器人行为链路的方法，涉及人工智能机器人任务行为规划、知识图谱领域。本发明方法首先构建三元组知识图谱，再构建机器人本体知识图谱；然后根据构建的三元组知识图谱和机器人本体知识图谱规划行为树链路，得到完整的机器人行为目标；再根据行为树链路，获得所有路径；然后根据机器人能够执行的动作进行筛选路径，并对筛选后的链路进行排序；最后利用排序后的链路完成机器人行为链路规划。本发明方法将机器人行为控制问题转化为知识图谱求解问题。
-
Patent Agency Ranking
公开(公告)号：CN113433941A
公开(公告)日：2021-09-24
申请号：CN202110723659.X
申请日：2021-06-29
Applicant: 之江实验室
IPC: G05D1/02
Abstract: 本发明公开了一种基于多模态知识图谱的低层级机器人任务规划方法，结合多模态知识图谱将高层级动作序列进一步分解为低层级动作序列，该方法包括：高层级的任务规划和结合多模态知识图谱的低层级的任务规划。本发明通过构建具有更强的知识表达能力的多模态图谱，对机器人任务规划中难以描述的操作细节使用图文结合的表示方法，将高层级任务进一步分解，从而更好地解决复杂任务下的规划问题，进而提升机器人任务执行的成功率。
-
公开(公告)号：CN117076650B
公开(公告)日：2024-02-23
申请号：CN202311328288.0
申请日：2023-10-13
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06N5/022 , G06N5/04
Abstract: 在本说明书提供的基于大语言模型的智能对话方法，根据用户输入的第一文本的分类结果，确定不同的对话方法，当用户输入的第一文本为非知识类文本时，将第一文本输入第三方大语言模型确定返回用户的目标文本。当用户输入的第一文本为知识类文本时，对第一文本进行本地搜索和线上搜索，再将第一文本和所有的搜索结果输入本地大语言模型，确定返回用户的目标文本，若不存在关联度大于预设值的检索结果，则将第一文本输入第三方大语言模型，将第三方大语言模型的输出结果作为返回用户的目标文本。通过在系统中融合若干个本地模型，减少了对第三方大语言模型的调用，降低了智能对话系统的使用成本的同时，也降低了智能对话过程的时延。
-
公开(公告)号：CN116992008B
公开(公告)日：2024-01-09
申请号：CN202311272187.6
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F16/36 , G06N5/04
Abstract: 本申请涉及一种知识图谱多跳问答推理方法、装置和计算机设备。首先，基于用户查询问题确定语句实体，之后，基于所述语句实体以及知识图谱展开路径，确定关系实体树，之后，基于所述用户查询问题确定问题关注度，之后，基于所述问题关注度确定关系得分，之后，基于所述关系得分和关系实体树确定每一跳实体得分，最后，基于所述每一跳实体得分确定所述用户查询问题的推理答案。也就是说，在知识图谱多跳问答推理的过程中，通过识别和链接问题中的实体和关系，从实体出发，结合问题关注度更新每一步关系得分和每一跳实体得分，确定最终的实体得分，从而确定推理答案，提高了知识图谱多跳
-
公开(公告)号：CN116992008A
公开(公告)日：2023-11-03
申请号：CN202311272187.6
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F16/36 , G06N5/04
Abstract: 本申请涉及一种知识图谱多跳问答推理方法、装置和计算机设备。首先，基于用户查询问题确定语句实体，之后，基于所述语句实体以及知识图谱展开路径，确定关系实体树，之后，基于所述用户查询问题确定问题关注度，之后，基于所述问题关注度确定关系得分，之后，基于所述关系得分和关系实体树确定每一跳实体得分，最后，基于所述每一跳实体得分确定所述用户查询问题的推理答案。也就是说，在知识图谱多跳问答推理的过程中，通过识别和链接问题中的实体和关系，从实体出发，结合问题关注度更新每一步关系得分和每一跳实体得分，确定最终的实体得分，从而确定推理答案，提高了知识图谱多跳问答推理的合理性和准确性。
-
公开(公告)号：CN115328129A
公开(公告)日：2022-11-11
申请号：CN202210961008.9
申请日：2022-08-11
Applicant: 之江实验室
Abstract: 本发明属于人工智能机器人任务行为规划、知识图谱技术领域，一种基于状态知识图谱的机器人自主行为驱动方法，包括如下步骤：步骤1：构建任务组知识图谱；步骤2：构建三元组知识图谱；步骤3：构建状态知识图谱；步骤4：设计决策和驱动方法；步骤5：设计任务决策闭环控制系统。本发明方法使用知识图谱和动态感知系统，生成一种自动的机器人行为驱动方法。使用该方案能够将机器人的任意行为与动态感知系统结合起来，该结合过程不需要过多的人为编辑和干预，作为技术使用方，只需要进行设置状态的阈值和期望附着状态，即可以完成对机器人行为的自主控制。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.047 seconds)
