公开(公告)号：CN115862632A

公开(公告)日：2023-03-28

申请号：CN202211689410.2

申请日：2022-12-27

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽

IPC: G10L15/26 ,  G10L15/06 ,  G10L21/0216

Abstract: 本发明提供一种语音识别方法、装置、电子设备和存储介质，其中方法包括：获取麦克风信号；基于所述麦克风信号中各波束之间的相关度，确定所述麦克风信号的目标波束，基于所述麦克风信号中的噪声信号，对所述目标波束进行降噪，得到增强目标信号；对所述增强目标信号进行语音识别。本发明提供的方法、装置、电子设备和存储介质，基于麦克风信号中各波束之间的相关度，确定麦克风信号的目标波束，并应用降噪后的目标波束进行语音识别，由于波束成形时充分参考了各波束之间共性和差异性，由此获取到更加准确可靠的目标波束，进而保证基于此实现的语音识别的准确性和可靠性。

公开(公告)号：CN117572877A

公开(公告)日：2024-02-20

申请号：CN202410061297.6

申请日：2024-01-16

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽 ,  刘迪源 ,  潘嘉 ,  高建清

IPC: G05D1/43 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D109/12

Abstract: 本申请公开了一种双足机器人步态控制方法、装置、存储介质及设备，该方法包括：首先获取目标双足机器人的本体信息；并响应于目标用户对目标双足机器人的触发操作，生成用户输入的任务标签和速度指令，然后将本体信息、任务标签和速度指令输入至预先构建的步态控制模型，预测得到目标双足机器人的步态动作轨迹；接着利用该步态动作轨迹，对目标双足机器人进行步态运动控制，以实现其各种步态间的平稳切换。由于本申请是先利用双足机器人的仿真本体信息，通过深度强化学习和模仿学习联合训练的方式训练得到了步态控制模型，从而保证了该步态控制模型能够实现对多样步态动作轨迹的控制生成，进而能够用以控制目标双足机器人各种步态间的平稳切换。

公开(公告)号：CN116312426A

公开(公告)日：2023-06-23

申请号：CN202211689904.0

申请日：2022-12-27

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽 ,  潘嘉

IPC: G10H1/00

Abstract: 本发明提供一种旋律生成方法、装置、电子设备和存储介质，其中方法包括：对歌词文本进行歌词特征编码，得到歌词特征；基于所述歌词特征，以及各待解码音符在所述歌词文本中对应的歌词句和/或歌词字，对所述各待解码音符进行音符解码，得到所述歌词文本对应的音符序列。本发明提供的方法、装置、电子设备和存储介质，基于各待解码音符在所述歌词文本中对应的歌词句和/或歌词字，对各待解码音符进行音符解码，由于在解码过程中参照了音符和歌词字句的对应关系，解码所得的音符序列中各音符均能与歌词中的字严格对齐，由此保证基于歌词生成的旋律能够更加贴合歌词本身，提高了旋律生成的可靠性。

公开(公告)号：CN117572877B

公开(公告)日：2024-05-31

申请号：CN202410061297.6

申请日：2024-01-16

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽 ,  刘迪源 ,  潘嘉 ,  高建清

IPC: G05D1/43 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D109/12

Abstract: 本申请公开了一种双足机器人步态控制方法、装置、存储介质及设备，该方法包括：首先获取目标双足机器人的本体信息；并响应于目标用户对目标双足机器人的触发操作，生成用户输入的任务标签和速度指令，然后将本体信息、任务标签和速度指令输入至预先构建的步态控制模型，预测得到目标双足机器人的步态动作轨迹；接着利用该步态动作轨迹，对目标双足机器人进行步态运动控制，以实现其各种步态间的平稳切换。由于本申请是先利用双足机器人的仿真本体信息，通过深度强化学习和模仿学习联合训练的方式训练得到了步态控制模型，从而保证了该步态控制模型能够实现对多样步态动作轨迹的控制生成，进而能够用以控制目标双足机器人各种步态间的平稳切换。

公开(公告)号：CN117555339B

公开(公告)日：2024-04-26

申请号：CN202410040335.X

申请日：2024-01-11

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽 ,  刘迪源 ,  潘嘉 ,  高建清

IPC: G05D1/43 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D109/12

Abstract: 本发明涉及机器人自动化技术领域，提供一种策略网络训练方法及人形双足机器人步态控制方法，该训练方法采用深度强化学习方法得到目标策略网络，无需构建复杂的步态库，不需要增加额外的数据收集成本和计算代价，在不借助任何步态先验知识引导的情况下，通过引入包含有周期步态奖励、膝关节位置跟踪奖励和上肢关节位置跟踪奖励中的至少一个的步态奖励，可以使目标策略网络具有控制人形双足机器人实现自然、平稳、对称、协调的行走步态的功能，提升了目标策略网络的鲁棒性和抗干扰性。

公开(公告)号：CN117555339A

公开(公告)日：2024-02-13

申请号：CN202410040335.X

申请日：2024-01-11

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽 ,  刘迪源 ,  潘嘉 ,  高建清

IPC: G05D1/43 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D109/12

Abstract: 本发明涉及机器人自动化技术领域，提供一种策略网络训练方法及人形双足机器人步态控制方法，该训练方法采用深度强化学习方法得到目标策略网络，无需构建复杂的步态库，不需要增加额外的数据收集成本和计算代价，在不借助任何步态先验知识引导的情况下，通过引入包含有周期步态奖励、膝关节位置跟踪奖励和上肢关节位置跟踪奖励中的至少一个的步态奖励，可以使目标策略网络具有控制人形双足机器人实现自然、平稳、对称、协调的行走步态的功能，提升了目标策略网络的鲁棒性和抗干扰性。

公开(公告)号：CN116619382A

公开(公告)日：2023-08-22

申请号：CN202310731380.5

申请日：2023-06-16

Applicant: 科大讯飞股份有限公司

Inventor： 柴丽 ,  刘迪源 ,  潘嘉

IPC: B25J9/16

Abstract: 本申请公开了一种机器人运动控制方法、系统及电子设备，应用于机器人端，方法包括：接收控制指令并根据控制指令获取本体感知数据；将本体感知数据和控制指令输入至已训练好的神经网络模型中，以生成控制动作；根据控制动作控制机器人在预构建的训练场景中运动，以优化神经网络模型；其中，本体感知数据根据机器人的惯性测量单元获取得到，已训练好的神经网络模型包括策略网络，策略网络用于根据机器人当前状态选择合适的控制动作。本申请的方法通过机器人本身的惯性测量单元获得本体感知数据，减少了外部传感器的使用，提高了仿真环境与现实环境中机器人的契合程度，加快了机器人的训练效率，同时提高训练后机器人的鲁棒性。