公开(公告)号：CN116533251A

公开(公告)日：2023-08-04

申请号：CN202310724213.8

申请日：2023-06-19

Applicant: 杭州电子科技大学

Inventor： 邵逸凡 ,  陈德潮 ,  马晨聪

IPC: B25J9/16

Abstract: 本发明公开了基于雅可比矩阵估计的机械臂视觉检测深度保持控制方法，该方法首先进行雅可比矩阵估计模型初始化，并实时通过双目摄像机获取深度值作为轨迹控制输入参数以获得期望路径和期望速度。其次获取机械臂末端实时位置、实时速度和实时关节角度，计算得到末端实时加速度以及关节加速度。然后使用基于雅可比估计的控制算法，通过实时数据计算关节角以及雅可比矩阵的更新信号。最后使用更新信号迭代更新关节角度及雅可比矩阵，实时完成机械臂视觉检测深度保持控制。本发明利用实时获取得到的深度值作为输入并利用带有不确定性机械臂的实时状态和数据，实现机械臂深度保持的精准跟踪控制。

公开(公告)号：CN110717100B

公开(公告)日：2021-09-28

申请号：CN201910940873.3

申请日：2019-09-30

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  张新 ,  俞东进 ,  邵逸凡

IPC: G06F16/9535

Abstract: 本发明公开了一种基于高斯嵌入表示技术的上下文感知推荐方法。本发明包括以下步骤：收集用户的上下文感知行为记录以及物品的属性，然后利用高斯嵌入表示技术从收集的数据中学习用户的兴趣向量表示、物品的特征向量表示等，最后基于学习得到的特征向量实施推荐。本发明主要是利用高斯嵌入表示技术对用户兴趣的动态性和物品特征的多模态性进行准确建模，并充分利用用户的上下信息和物品的属性，提高推荐的准确率，进而提升用户满意度。

公开(公告)号：CN110717100A

公开(公告)日：2020-01-21

申请号：CN201910940873.3

申请日：2019-09-30

Applicant: 杭州电子科技大学

Inventor： 王东京 ,  张新 ,  俞东进 ,  邵逸凡

IPC: G06F16/9535

Abstract: 本发明公开了一种基于高斯嵌入表示技术的上下文感知推荐方法。本发明包括以下步骤：收集用户的上下文感知行为记录以及物品的属性，然后利用高斯嵌入表示技术从收集的数据中学习用户的兴趣向量表示、物品的特征向量表示等，最后基于学习得到的特征向量实施推荐。本发明主要是利用高斯嵌入表示技术对用户兴趣的动态性和物品特征的多模态性进行准确建模，并充分利用用户的上下信息和物品的属性，提高推荐的准确率，进而提升用户满意度。