-
公开(公告)号：CN118760180A
公开(公告)日：2024-10-11
申请号：CN202410934819.9
申请日：2024-07-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05D1/43 , G05D109/10
Abstract: 本发明涉及基于优先级重规划的通信多智能体路径规划方法及其装置，其中方法包括：初始化平面地图环境，分配不同的起点和终点；获取智能体的感知信息；将障碍物位置信息、其他智能体位置信息、目标点位置信息、未来第一步的位置坐标、未来第二步的位置坐标和未来第三步的位置坐标分别输入到Q网络结构中，提取特征信息#imgabs0#输入到通信网络中，聚合所有邻居智能体加权特征信息得到聚合特征信息，将聚合特征信息通过Q网络结构映射并选取Q值最大的动作作为预测动作；对预测动作进行无效检测。本发明引入了优先级规划和通信策略，增强智能体之间的协调，即使在智能体数量众多的环境中，也能有效地减少冲突和死锁，提高系统的整体性能。
-
公开(公告)号：CN118011826A
公开(公告)日：2024-05-10
申请号：CN202410200544.6
申请日：2024-02-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B13/04
Abstract: 本发明涉及无人机控制策略安全性验证与修正方法及系统，其中方法包括：获取当前无人机系统状态信息、无人机系统的原有无人机飞行控制策略输出的未验证的潜在不安全动作、和无人机自适应调节的安全约束边界；基于优化目标范数，建立并求解带有无人机动力学及安全性约束的有限时域优化问题，得到用于无人机系统飞行控制的安全控制动作；基于无人机自适应调节的安全约束边界，建立并更新无人机状态需要满足的安全性约束；在有限时域范围内迭代计算，得到无人机在未来有限时域范围内的安全状态序列及对应的安全控制动作序列。本发明对潜在的不安全无人机飞行控制策略进行验证与修正，达到对无人机系统既安全又机动的飞行控制目的。
-
公开(公告)号：CN111008627B
公开(公告)日：2023-09-05
申请号：CN201911233398.2
申请日：2019-12-05
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种在边界遮挡状况下检测标记码边框的方法，包括以下步骤:S1、训练数据集的获取；S2、边界遮挡视觉标记码的旋转角度估计；S3、边界遮挡视觉标记码的边框检测。本发明的有益效果是：不同于传统使用图像处理的标记码轮廓提取方法，本发明使用基于目标检测的方法直接提取图像中的标记码，可以应对标记码的边界遮挡情况，使得整个识别方法具有更好的鲁棒性。
-
公开(公告)号：CN115164903A
公开(公告)日：2022-10-11
申请号：CN202210828716.5
申请日：2022-07-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于局部路径点生成的分层无地图导航方法及装置。其中的方法包括：从传感器读取激光雷达数据和目标点相对位置数据；将激光雷达数据转化为局部障碍地图；将局部障碍地图和目标点相对位置输入局部路径点生成模块，得到局部路径点；将该局部路径点输入运动规划模块，输出移动机器人的控制速度；返回执行步骤S10，直至移动机器人到达目标点。其中的装置包括计算机装置，计算机装置包含计算机可读存储介质，其上储存有程序指令，程序指令被处理器执行时实施上述的方法。本发明能够解决“机器人冻结”和“局部极小区域”问题，无需生成、存储和维护高精度地图，可生成更短更优的路径，带来更好的学习性能，并可兼容不同传感器信息。
-
公开(公告)号：CN113110509A
公开(公告)日：2021-07-13
申请号：CN202110535242.0
申请日：2021-05-17
Applicant: 哈尔滨工业大学(深圳)
IPC: G05D1/02
Abstract: 本发明提供了一种基于深度强化学习的仓储系统多机器人路径规划方法，包括如下步骤：步骤S1：定义多机器人路径规划问题中的节点、状态、动作、奖励回报；步骤S2：选择子目标点，中央控制器计算每个机器人的状态；步骤S3：基于深度强化学习方法，设计分布式多机器人路径规划器；步骤S4：计算损失函数，对网络参数进行更新；步骤S5：将训练好的模型应用于多机器人路径规划。本发明的有益效果是：本发明能够解决传统路径规划算法实时性差的问题，并且容易拓展到不同地图规模、不同机器人数量的仓储系统中，具有良好的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN113110509B
公开(公告)日：2023-02-28
申请号：CN202110535242.0
申请日：2021-05-17
Applicant: 哈尔滨工业大学(深圳)
IPC: G05D1/02
Abstract: 本发明提供了一种基于深度强化学习的仓储系统多机器人路径规划方法，包括如下步骤：步骤S1：定义多机器人路径规划问题中的节点、状态、动作、奖励回报；步骤S2：选择子目标点，中央控制器计算每个机器人的状态；步骤S3：基于深度强化学习方法，设计分布式多机器人路径规划器；步骤S4：计算损失函数，对网络参数进行更新；步骤S5：将训练好的模型应用于多机器人路径规划。本发明的有益效果是：本发明能够解决传统路径规划算法实时性差的问题，并且容易拓展到不同地图规模、不同机器人数量的仓储系统中，具有良好的泛化性能。
-
公开(公告)号：CN109079799A
公开(公告)日：2018-12-25
申请号：CN201811236664.2
申请日：2018-10-23
Applicant: 哈尔滨工业大学(深圳)
IPC: B25J9/16
Abstract: 本发明公开了一种基于仿生的机器人感知控制系统及控制方法，包括机器人本体、机械臂和视觉惯性导航模块，机器人本体上设置机械臂底座，机械臂安装于机械臂底座上，机械臂中设置多个旋转关节，每个旋转关节中设置一个舵机，视觉惯性导航模块安装在机械臂的末端，视觉惯性导航模块采用视觉惯性里程计进行实时同步建立云地图。本发明通过视觉惯性导航模块作为仿生机器人的视觉导航定位系统，利用机械臂的多自由度运动使得机器人视觉系统摆脱机器人本体运动的限制，使机器人能够应对复杂多变的动态场景，同时利用视觉惯性SLAM技术实现实时的导航和定位功能，使仿生机器人具有很强的人机交互功能，可以应用在各种动态场景下。
-
公开(公告)号：CN107139178A
公开(公告)日：2017-09-08
申请号：CN201710326701.8
申请日：2017-05-10
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: B25J11/00 , B25J9/1697 , B64D1/22
Abstract: 本发明提供了一种无人机，包括无人机机体、机械臂、舵机控制关节和摄像头，所述机械臂固连于所述无人机机体的下方，所述舵机控制关节连接于所述无人机机体的上方前部，所述舵机控制关节为单自由度，所述舵机控制关节与所述摄像头连接，所述无人机机体上贴有运动捕捉系统的第一定位标签，所述舵机控制关节、摄像头之间贴有运动捕捉系统的第二定位标签。本发明还提供了一种无人机基于视觉的抓取方法。本发明的有益效果是：实现了无人机机械臂的伺服抓取，具有低成本，高精度的特点，极具应用价值。
-
公开(公告)号：CN106899991A
公开(公告)日：2017-06-27
申请号：CN201710133676.1
申请日：2017-03-08
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于多机器人和高斯信号模型的自适应最优自组网方法，包括以下步骤：S1、由主机器人进行整个工作环境的二维地图绘制，采用激光和摄像头绘制环境的二维地图；S2、主机器人在绘制二维地图或者随机游走过程中，采集基站的WiFi信号样本点，然后对WiFi信号进行建模，形成WiFi信号模型；S3、在步骤S2中所建立的WiFi信号模型的基础上，搜寻每个机器人最优的中继位置。本发明的有益效果是：充分考虑了环境对无线信号的影响，能够根据环境中通信网络节点的位置变化，自动实时的调度每个中继机器人的空间位置，使得通信网络快速获得最佳的通信质量。
-
公开(公告)号：CN115164903B
公开(公告)日：2024-11-29
申请号：CN202210828716.5
申请日：2022-07-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于局部路径点生成的分层无地图导航方法及装置。其中的方法包括：从传感器读取激光雷达数据和目标点相对位置数据；将激光雷达数据转化为局部障碍地图；将局部障碍地图和目标点相对位置输入局部路径点生成模块，得到局部路径点；将该局部路径点输入运动规划模块，输出移动机器人的控制速度；返回执行步骤S10，直至移动机器人到达目标点。其中的装置包括计算机装置，计算机装置包含计算机可读存储介质，其上储存有程序指令，程序指令被处理器执行时实施上述的方法。本发明能够解决“机器人冻结”和“局部极小区域”问题，无需生成、存储和维护高精度地图，可生成更短更优的路径，带来更好的学习性能，并可兼容不同传感器信息。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.03 seconds)
