-
公开(公告)号:CN119472652A
公开(公告)日:2025-02-18
申请号:CN202411519216.9
申请日:2024-10-29
Applicant: 南京工程学院
IPC: G05D1/43 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/644 , G05D1/248 , G05D1/247 , G05D1/648 , G05D109/10
Abstract: 本发明公开了一种基于多模态环境注意力调控机制的云机器人SLAM系统,属于云机器人SLAM技术领域,包括:云机器人控制模块、机器人传感器感知模块和云SLAM模块;云机器人控制模块通过嵌入式服务调度模块和机器人通讯模块与云SLAM模块相连;云机器人控制模块通过嵌入式服务调度模块和智能采集转换模块与机器人传感器感知模块相连;云SLAM模块利用环境注意力调控机制,根据计算任务需求动态调度各传感器的数据采集任务,实现复杂环境全天候下的高精度地图建图任务。本发明有效降低云机器人在复杂环境中的感知工作负载,减少不必要的数据传输和处理,还能解决传感器环境局限性问题,提高地图的精度,增强系统的鲁棒性,适应复杂的实际应用场景。
-
公开(公告)号:CN116861974A
公开(公告)日:2023-10-10
申请号:CN202310931988.2
申请日:2023-07-27
Applicant: 南京工程学院
Abstract: 本发明公开了一种模拟混合突触传递的任意连续时间感知模型及训练方法,包括突触前神经元哈密顿演化、连续时间神经网络以及任务适应网络。突触前神经元哈密顿演化通过哈密顿神经网络生成隐性哈密顿量,根据哈密顿正则方程来表示神经元信息的非线性状态变化;连续时间常数神经网络基于Hodgkin‑Huxley神经元计算模型,在哈密顿演化后信息基础上,构建显性时变哈密顿连续深度网络,实现向突触后神经元的信息传递;任务适应网络结合目标时序预测任务,实现输出状态的自适应。本发明能够模拟复杂的混合突触传递过程,提高时序特征学习能力,实现任意连续时间的感知预测任务。
-
公开(公告)号:CN118864530A
公开(公告)日:2024-10-29
申请号:CN202410884787.6
申请日:2024-07-03
Applicant: 南京工程学院
IPC: G06T7/246 , G06T7/73 , G06N3/0464
Abstract: 本发明公开了一种基于物理启发的机器人视觉认知方法、模型、设备及介质,方法包括:获取视觉图像,提取视觉图像的深度卷积特征;将视觉图像的深度卷积特征转换为物理相空间特征;对物理相空间特征进行动力学建模,学习哈密顿量;根据物理相空间特征与哈密顿量,基于哈密顿正则方程,实现相空间位置状态演化;将相空间位置状态转化为高维特征信息,并按维度需要实现目标任务特征输出。本发明能有效提高复杂动态视觉认知任务的模型学习效率,增强训练稳定性,并提升视觉任务预测准确率。
-
-