一种基于撞击预测和主动顺应的机器人跌倒保护方法及系统

    公开(公告)号:CN112025698B

    公开(公告)日:2021-11-23

    申请号:CN202010670711.5

    申请日:2020-07-13

    Applicant: 北京大学

    Abstract: 本发明涉及一种基于撞击预测和主动顺应的机器人跌倒保护方法及系统。该方法包括:在机器人受到推力后,应用预先训练完成的跌倒保护控制模型计算得到机器人的运动控制参数;根据机器人的运动控制参数进行撞击预测,得到预测的机器人撞击地面的时刻;根据机器人的运动控制参数和预测的机器人撞击地面的时刻,对机器人进行主动顺应,实现机器人跌倒保护。该系统包括跌倒检测模块、跌倒保护模块。本发明对机器人触地的时刻进行预测,并依据预测结果提前执行主动顺应,减小了传感器延迟带来的干扰,减小了冲击力,可用于仿人机器人的跌倒保护,为机器人在复杂环境中的研究和应用提供了帮助,减少了机器人可能受到的伤害。

    一种融入语义信息的中文句法分析方法

    公开(公告)号:CN101520775A

    公开(公告)日:2009-09-02

    申请号:CN200910131827.5

    申请日:2009-04-08

    Applicant: 北京大学

    Abstract: 本发明公开了一种结合语义信息的中文句法分析方法,属于自然语言处理技术领域。本发明的方法为:1)按照知网的上下位关系抽取出词的不同层次的语义类别,得到由词到语义类的索引;2)以句法树中的词作为键值对知网进行查询得到该词的语义类,并将语义类添加到句法树的某一层上;3)将步骤2)处理后的句法树作为训练数据,进行文法训练,得到文法模型;4)利用步骤3)训练后的文法模型对待分析的句子进行解码。与现有技术相比,本发明采用语义信息帮助句法分析消歧,使句法分析效果有显著提升。

    基于内部预演的机械手臂趋近规划方法及装置

    公开(公告)号:CN116038708A

    公开(公告)日:2023-05-02

    申请号:CN202310045314.2

    申请日:2023-01-30

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于内部预演的机械手臂趋近规划方法及装置,所述方法包括:定义目标位姿附近的采样点集合,所述采样点集合中的任一点与所述目标位姿的距离小于设定值;快速移动机器手臂,且当机械手臂末端的附近位姿点进入所述采样点集合的情况下,停止所述机器手臂的快速移动;对机器手臂的后续移动轨迹进行内部预演,以得到所述机器手臂中各关节的角变化向量;基于所述各关节的角变化向量,将所述机器手臂的末端移动至所述目标位姿。本发明可以有效提高机械臂在趋近过程中的位置、姿态准确度以及减少实体机械臂在空间中采样的次数。

    一种提升机器人手臂操纵精度的多关节联动方法及系统

    公开(公告)号:CN112077841B

    公开(公告)日:2022-02-11

    申请号:CN202010795671.7

    申请日:2020-08-10

    Applicant: 北京大学

    Abstract: 本发明提出一种提升机器人手臂操纵精度的多关节联动方法及系统,属于信息科学技术与机器人领域,构建并训练基于神经网络的内模型,该内模型包括正向模型和反向模型,该正向模型含有机器人手臂关节角度到笛卡尔空间中方向的映射关系,该反向模型含有笛卡尔空间中方向到机器人手臂关节角度的映射关系;机器人手臂基于训练好的内模型,根据获取的目标相对位置来生成控制指令,根据控制指令来预测手臂的运动方向,由此可以提升机器人手臂的精度。

    基于音频的隐藏通信系统和通信方法

    公开(公告)号:CN1863039B

    公开(公告)日:2012-03-21

    申请号:CN200510069126.5

    申请日:2005-05-11

    Applicant: 北京大学

    Abstract: 本发明提供一种以音频信号为载体,以模拟音频通道为信道的隐藏通信系统。本发明的系统是以在模拟音频通道中传输隐藏信息为目的,并具体解决了系统对载体噪声干扰的抵抗和信息传输的接收同步等技术关键。在发送子系统中,系统通过改进的扩展谱方法,即“双相调制”扩展谱技术,将隐藏信息嵌入到普通的音频信号中。该技术的采用能够有效地减小音频载体信号对隐藏信息解调的干扰。同时针对隐藏信息的编码方式,系统引用了RS信道编码方案,以增强对噪声干扰的鲁棒性。另外,利用上述改进的扩展谱技术,系统在载体的高频段中嵌入信号帧同步信息,并在接收方子系统中对其进行相关提取,并通过同步信号的相位调整信号帧同步点来实现信息的接收同步。

    针对老年性聋的数字助听器语音时长拉伸方法

    公开(公告)号:CN1870134A

    公开(公告)日:2006-11-29

    申请号:CN200510011781.5

    申请日:2005-05-24

    Abstract: 本发明提出了一种语音时长拉伸方法,它应用在数字助听器中,解决了老年性聋患者由于感知能力缓慢,导致语音可懂度下降的问题。本发明采用语音时长拉伸方法,在不改变采样率和基音周期的情况下,通过复制、插入整周期的基音信号,扩展浊音信号的波形,以降低输入语音的速率,提高老年性聋患者的语音可懂度。具体技术包括:能量比较,基音周期检测,波形扩展等。本发明中采用的方法有效的解决了老年性聋患者感知能力缓慢,在语音速率较快时,语音可懂度明显下降的问题。其优点体现在拉长了语音信号的持续时间,降低了语音的速率,这些都是在不改变采样率和基音周期的情况下完成的,因而引入的失真较小。

    结合语义和声纹信息的说话人身份确认系统

    公开(公告)号:CN1547191A

    公开(公告)日:2004-11-17

    申请号:CN200310118507.9

    申请日:2003-12-12

    Abstract: 本发明涉及一种语音识别系统,尤其是利用说话人声音的独特生物测定学特征来识别说话人身份的系统。我们的目的在于用语义信息确认来替代基于声纹确认的训练过程,在基于声纹确认的准备工作还没有完成之前来进行识别工作。同时语义信息确认还可以帮助声纹确认搜集所需的训练语料,等基于声纹识别的准备工作完成之后,我们可以把二者结合起来,进一步增强系统的安全性。本发明采取的技术方案是根据说话人的声纹特征通过GMM模型(高斯混合模型)建立声纹模型;通过电话等语音输入设备录入语音,对声音进行预处理;对处理后的声音根据一定的声纹模型进行声纹特征提取;同时进行文本判断;用声纹特征和文本判断来识别说话人身份。本发明包括如下几个子系统:特征提取、声学模型建模、基于语义的说话人确认VIV(语义信息确认)系统、文本有关和文本无关的声纹确认系统。各子系统在特征、统计模型的选择、目标模型和背景模型的建模以及统计确认都有其各自的特点达到本发明的目的。

    一种机器人手臂多关节的运动规划方法及系统

    公开(公告)号:CN118789545A

    公开(公告)日:2024-10-18

    申请号:CN202410900560.6

    申请日:2024-07-05

    Applicant: 北京大学

    Abstract: 本发明公开了一种机器人手臂多关节的运动规划方法及系统,属于认知发展与机器人运动控制交叉领域。本发明针对机械臂建立正向模型和对应各个关节的多个反向模型,正向模型用于建立机械臂的各关节的角度到机械臂末端位姿的映射,每个反向模型用于建立机械臂末端位姿到对应关节的角度的映射,通过借鉴人的手臂运动规划机理,机械臂在远距离趋近的时以靠近肩关节的关节为主,在近距离趋近时以肘部关节为主,并通过贪心策略和优化的辅助损失函数对模型进行优化。本发明可以根据机械臂的末端在笛卡尔空间中移动的位移大小,选择合适的关节指令来执行,以实现更有效的运动规划。

    结合双机械臂可抓握性的接触点选择方法及装置

    公开(公告)号:CN116175562A

    公开(公告)日:2023-05-30

    申请号:CN202310045310.4

    申请日:2023-01-30

    Applicant: 北京大学

    Abstract: 本发明公开了一种结合双机械臂可抓握性的接触点选择方法及装置,所述方法包括根据双机械臂的末端夹爪宽度,对目标操作区域网格化;结合网格中机械臂B的可抓握性和机械臂A的当前抓握点位置,更新机械臂B的价值函数VB与最终价值函数并基于价值函数VB,计算械臂B更新后的抓握点位置;结合网格中机械臂A的可抓握性和机械臂B的更新后的抓握点位置,更新机械臂A的价值函数VA与最终价值函数并基于价值函数VA,计算机械臂A更新后的抓握点位置;基于价值函数VA、最终价值函数价值函数VB与最终价值函数判断机械臂A和机械臂B更新后的抓握点位置是否为最优位置。本发明可以发挥出双臂的优势,从而更省力地转动阀门。

    一种提升机器人手臂操纵精度的多关节联动方法及系统

    公开(公告)号:CN112077841A

    公开(公告)日:2020-12-15

    申请号:CN202010795671.7

    申请日:2020-08-10

    Applicant: 北京大学

    Abstract: 本发明提出一种提升机器人手臂操纵精度的多关节联动方法及系统,属于信息科学技术与机器人领域,构建并训练基于神经网络的内模型,该内模型包括正向模型和反向模型,该正向模型含有机器人手臂关节角度到笛卡尔空间中方向的映射关系,该反向模型含有笛卡尔空间中方向到机器人手臂关节角度的映射关系;机器人手臂基于训练好的内模型,根据获取的目标相对位置来生成控制指令,根据控制指令来预测手臂的运动方向,由此可以提升机器人手臂的精度。

Patent Agency Ranking