基于激光雷达的智能网联公交多车编队感知方法及装置

    公开(公告)号:CN118330666B

    公开(公告)日:2024-11-05

    申请号:CN202410433936.7

    申请日:2024-04-11

    Applicant: 清华大学

    Abstract: 本申请涉及自动驾驶技术领域,特别涉及一种基于激光雷达的智能网联公交多车编队感知方法及装置,其中,方法包括:获取智能网联公交的多车编队的激光雷达数据;根据所述激光雷达数据分析得到所述多车编队的车辆周围的环境数据;根据所述车辆周围的环境数据确定前车上目标点位的三维坐标与航向角,生成所述智能网联公交的多车编队感知结果。由此,解决了相关技术中,由于在智能网联公交对接过程中,前车上的目标可能会受到其他车辆或障碍物的遮挡,从而导致目标点位姿的感知不准确或失败,可能会出现错误的目标检测或跟踪,造成对接过程中出现问题或失败等问题。

    智能网联公交多车的编队对接控制方法及装置

    公开(公告)号:CN118377298A

    公开(公告)日:2024-07-23

    申请号:CN202410410294.9

    申请日:2024-04-07

    Applicant: 清华大学

    Abstract: 本申请公开了一种智能网联公交多车的编队对接控制方法及装置,其中,方法包括:在检测到当前车辆处于预设编队对接工况,且当前车辆和目标对接车辆均满足预设对接条件的情况下,获取当前车辆的第一目标位姿和目标对接车辆的第二目标位姿,以得到当前车辆和目标对接车辆之间的相对距离、轴承角和航向角差值,从而确定当前车辆的目标转角和目标速度,根据目标转角和目标速度生成当前车辆的转角控制指令和速度控制指令,进而控制当前车辆和目标对接车辆进行编队对接。由此,解决了相关技术中提前规划车辆的行驶路径和编队,无法有效应对车辆在行进过程中的突发状况,降低了车辆编队控制的适用性,并且降低了车辆编队控制的智能化水平的问题。

    基于激光雷达的智能网联公交多车编队感知方法及装置

    公开(公告)号:CN118330666A

    公开(公告)日:2024-07-12

    申请号:CN202410433936.7

    申请日:2024-04-11

    Applicant: 清华大学

    Abstract: 本申请涉及自动驾驶技术领域,特别涉及一种基于激光雷达的智能网联公交多车编队感知方法及装置,其中,方法包括:获取智能网联公交的多车编队的激光雷达数据;根据所述激光雷达数据分析得到所述多车编队的车辆周围的环境数据;根据所述车辆周围的环境数据确定前车上目标点位的三维坐标与航向角,生成所述智能网联公交的多车编队感知结果。由此,解决了相关技术中,由于在智能网联公交对接过程中,前车上的目标可能会受到其他车辆或障碍物的遮挡,从而导致目标点位姿的感知不准确或失败,可能会出现错误的目标检测或跟踪,造成对接过程中出现问题或失败等问题。

    基于联邦学习的蛋白质-配体亲和力预测方法和装置

    公开(公告)号:CN117558339A

    公开(公告)日:2024-02-13

    申请号:CN202311321162.0

    申请日:2023-10-12

    Abstract: 本发明提供一种基于联邦学习的蛋白质‑配体亲和力预测方法和装置,所述方法包括:获取待预测的蛋白质输入数据和配体输入数据;将所述蛋白质输入数据和配体输入数据输入预先训练的亲和力预测模型中,得到亲和力预测模型输出的预测结果;所述联邦学习框架包括多个用于训练亲和力预测子模型的本地端,以及用于将多个所述亲和力预测子模型进行模型聚合的服务器端;所述亲和力预测子模型是利用本地端预存的样本数据集进行训练得到的,所述亲和力预测模型是在所述服务器端利用各亲和力预测子模型的模型参数进行加权聚合后得到的。解决了现有技术中联邦学习模型预测和训练过程中数据安全性较低的技术问题,在模型训练和使用的过程中降低数据泄漏风险。

    多语种的语句识别方法、装置和设备及计算机存储介质

    公开(公告)号:CN117391065A

    公开(公告)日:2024-01-12

    申请号:CN202310897197.2

    申请日:2023-07-20

    Abstract: 本申请提供了一种多语种的语句识别方法、装置和设备及计算机存储介质,涉及计算机技术领域,用于降低大规模的多语种的语句识别模型的训练成本。该方法包括:基于包含新语种对的平行语料的样本集合,参考基准模型的模型结构,训练获得相应的旁路模型;基于样本集合,对基准模型进行训练,获得目标模型;在每轮训练中:将旁路模型中目标网络层使用的第一转换参数集,与基准模型中对应的目标网络层使用的第二转换参数集进行合并,获得融合转换参数集;基于融合转换参数集以及预设的初始融合权重,对输入至合并后的基准模型的平行语料进行语句转换,并基于获得的预测转换结果与平行语料中的真实转换结果之间的第一损失值,进行模型参数调整。

    基于规则累积的模型推理方法、装置及电子设备

    公开(公告)号:CN117057430B

    公开(公告)日:2024-01-09

    申请号:CN202311289797.7

    申请日:2023-10-08

    Applicant: 清华大学

    Inventor: 杨泽远 李鹏 刘洋

    Abstract: 本发明涉及人工智能领域,提供一种基于规则累积的模型推理方法、装置及电子设备,其中的方法包括:获取目标任务对应的模型推理结果;获取对模型推理结果的用户端反馈,用户端反馈包括模型推理结果对应的推理标签,以及目标任务对应的正确答案;基于用户端反馈,在预设规则库中检索目标任务对应的推理规则;根据推理规则,推理得到目标任务的正确推理结果。该方法通过额外提供规则引导,在无需微调的情况下,引导大语言模型逐渐适应当前场景的特定需求,实现了轻量级的模型优化,克服了现有模型推理方法需要耗费巨大时间/资源成本,且推理结果准确度不高的缺陷,提升了模型推理结果的准确度。

    被测器件的擎住电流和维持电流的测试平台、方法及系统

    公开(公告)号:CN117192316A

    公开(公告)日:2023-12-08

    申请号:CN202310981386.8

    申请日:2023-08-04

    Abstract: 本公开实施例涉及电力电子器件测试技术领域,公开了被测器件的擎住电流和维持电流的测试平台、方法及系统,所述方法包括:设定测试电压信号IDUT*;测量被测器件DUT的电压信号IDUT;对所述测试电压信号IDUT*与电压信号IDUT进行处理;对处理后的测试电压信号IDUT*与电压信号IDUT进行比较,形成比较结果;根据所述比较结果生成控制开关管结构Q1‑D3、开关管结构Q2‑D4和被测器件DUT开通/关断的触发信号;根据所述触发信号控制开关管结构Q1‑D3、开关管结构Q2‑D4和被测器件DUT开通/关断,实现维持电流和擎住电流的测试。本公开的示例性实施例,解决了不易对IGCT器件的维持电流、擎住电流进行测量问题,满足了IGCT器件型式试验的需求。

Patent Agency Ranking