-
公开(公告)号：CN117744707A
公开(公告)日：2024-03-22
申请号：CN202311222429.0
申请日：2023-09-21
Applicant: 罗伯特·博世有限公司
IPC: G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 用于训练变分自编码器的设备和方法。用于训练机器学习系统(60)的计算机实施的方法，机器学习系统(60)被配置用于异常检测和/或对交通参与者的轨迹采样和/或对传感器信号采样和/或用于确定表征输入信号相对于训练数据集的可能性的值，训练包括：由机器学习系统(60)的编码器(61)并基于训练输入信号(xi)确定表征隐空间(l)的隐分布的均值的第一中间表示(r1)和表征隐分布的方差和/或协方差的第二中间表示(r2)；基于第一中间表示(r1)和第二中间表示(r2)确定关于隐分布的多个sigma点(σ)；确定输出信号(yi)，通过向机器学习系统(60)的解码器(62)提供多个sigma点(σ)中随机采样的sigma点(σ)来确定输出信号(yi)；基于损失值适配机器学习系统(60)，损失值表征训练输入信号(xi)和输出信号(yi)之间的差异。
-
公开(公告)号：CN117289223A
公开(公告)日：2023-12-26
申请号：CN202310753087.9
申请日：2023-06-25
Applicant: 罗伯特·博世有限公司
IPC: G01S7/40 , G06N3/0464 , G06N3/09 , G06N3/084 , G01S7/41 , G01S7/48 , G01S7/497 , G01S7/52 , G01S7/539
Abstract: 用于对多模态数据进行时间校正的方法具有步骤：接收到参考传感器的第一数据记录，该第一数据记录具有在不同测量时间点的测量；接收到第二传感器的第二数据记录，该第二数据记录具有在不同的、与参考传感器的测量时间点不是确切一致的测量时间点的测量；通过神经网络读入第一和第二数据记录；并对于第一和第二数据记录在相应测量时间点分别确定多个特征向量；通过神经网络合并和比较第一和第二特征向量，使得确定时间校正的参数，所述第一和第二特征向量与彼此对应的、不是确切一致的测量时间点有关；并且确定在参考传感器和第二传感器的相应测量时间点之间的时间偏移，和/或确定第二传感器的与参考传感器的测量时间点有关的经过修正的数据记录。
-
公开(公告)号：CN114202007A
公开(公告)日：2022-03-18
申请号：CN202111079702.X
申请日：2021-09-15
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及用于从测量数据、尤其从时间序列测量数据中为人工智能模块、特别是回归系统创建训练、验证或测试数据集的方法（100），具有如下步骤：将测量数据划分（101）、特别是按照时间部段进行划分；将数学函数应用（102）于测量数据的划分的部分，以便获得代表测量数据的相应划分的部分的签名；确定（103）相应签名出现的频率的度量；根据所确定的频率的度量从测量数据中创建（104）训练、验证或测试数据集。
-
公开(公告)号：CN117268413A
公开(公告)日：2023-12-22
申请号：CN202310728297.2
申请日：2023-06-19
Applicant: 罗伯特·博世有限公司
Abstract: 学习从传感器数据中提取运动信息以后续应用于对检测到的对象的速度进行确定的方法，包括：提供通过物理观察对象所记录的传感器数据帧时间序列；提供在传感器数据帧中分别界定对象的对象边界框时间序列；向针对时间点t+k预测对象边界框演化的可训练机器学习模型提供时间点t的对象边界框和时间点t前的时间序列中的传感器数据历史和/或时间序列中的对象边界框历史；将如此预测的对象边界框与对象边界框时间序列中得到的相同时间点t+k的比较框比较；使用预给定成本函数评估在所预测对象边界框和比较框之间的偏差；和以如下目标优化表征可训练机器学习模型行为的参数：在对象边界框的进一步预测中通过成本函数进行的评估预计得到改善。
-
公开(公告)号：CN116472563A
公开(公告)日：2023-07-21
申请号：CN202180075978.2
申请日：2021-11-03
Applicant: 罗伯特·博世有限公司
IPC: G06V20/56
Abstract: 提出一种用于检测第一传感器系统的环境的方法，所述方法具有下述步骤：提供用于检测该环境的、该第一传感器系统的数据的时间序列；使用该第一传感器系统的数据的该时间序列为经训练的神经网络生成输入张量，其中，该神经网络已被设置和训练用于基于该输入张量来辨识该环境的至少一个部分区域以借助第二传感器系统来改善该环境的检测；借助该经训练的神经网络的输出信号为该第二传感器系统生成控制信号，以便在所述至少一个部分区域中改善该环境的检测。
-
Patent Agency Ranking
公开(公告)号：CN119884816A
公开(公告)日：2025-04-25
申请号：CN202411911585.2
申请日：2024-12-24
Applicant: 罗伯特·博世有限公司
Inventor： F·鲁佩尔 , F·德鲁斯 , J·里氏 , J·韦尔滕斯 , D·尼恩休瑟 , E·德本尼迪克蒂斯 , F·法永 , L·罗森鲍姆 , R·E·萨尔加多梅希亚 , T·纽恩贝格 , T·贝尔 , Y·米隆
Abstract: 本发明涉及用于使用基于传感器融合的方法和数据驱动模型对车辆环境中的至少一个对象进行分类的计算机实现方法，包括以下步骤：‑在第一数据收集帧内从第一传感器收集第一数据；‑在第二数据收集帧内从至少第二传感器收集第二数据；‑使用第一数据确定第一对象表示；‑使用第二数据确定第二对象表示；‑取决于来自至少第二传感器的第三数据的到达来更新第一对象表示和/或第二对象表示，第三数据已经在第一数据收集帧之后的第三数据收集帧中被收集；‑融合第一表示和至少第二表示以基于接收的数据确定对象的已更新表示；‑应用用于训练数据驱动模型的已更新表示作为用于数据驱动模型的输入数据，以获得包含关于所检测对象的分类的信息的输出数据。
-
公开(公告)号：CN119213463A
公开(公告)日：2024-12-27
申请号：CN202380040906.3
申请日：2023-04-26
Applicant: 罗伯特·博世有限公司
IPC: G06T7/30
Abstract: 按照各种实施方式，描述了一种用于控制机器人装置的方法，该方法具有：从多个传感器中的每个传感器，接收该传感器的相应的传感器数据集；针对包含至少一个对象的对象集合的每个对象，为传感器数据集的多个不同组合中的每个组合，通过按照这些传感器数据集的组合来对这些传感器数据集进行传感器数据融合，确定该对象的位置预测；针对该对象集合的每个对象，为多对组合中的每对组合，确定按照该对组合为该对象确定的位置预测之间的距离；将所确定的距离输送到神经网络，该神经网络被训练为：根据针对这些对组合的位置预测之间的距离，确定这些位置预测的置信信息；而且在考虑该置信信息的情况下，使用这些位置预测中的一个或多个来控制机器人装置。
-
公开(公告)号：CN118742926A
公开(公告)日：2024-10-01
申请号：CN202380021846.0
申请日：2023-02-13
Applicant: 罗伯特·博世有限公司
Abstract: 用于处理与至少一个空间区域关联的第一数据的方法，该方法具有：将所述第一数据划分成与该空间区域的第一部分关联的至少一个第一子数据组和与该空间区域的第二部分关联的第二子数据组，其中，该空间区域的第二部分至少区域式地与该空间区域的第一部分不同；例如基于该空间区域的第二部分与该空间区域的第一部分之间的相关关系来变换该第二子数据组，其中，获得经变换的第二子数据组；借助用于对象探测的探测器分析处理该第一子数据组和该经变换的第二子数据组。
-
公开(公告)号：CN116486350A
公开(公告)日：2023-07-25
申请号：CN202310107011.9
申请日：2023-01-19
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于训练对象检测器的方法，其中该对象检测器被设计成，检测传感器的传感器数据中的对象，并且该方法(1、20)具有以下步骤：提供传感器的第一传感器数据(3、22)；提供被分配给第一传感器数据的对象表示(4、23)；将对象表示传输到传感器模型，该传感器模型被设计成，将对象表示映射到传感器的传感器数据(5、24)；通过传感器模型将对象表示分配到第二传感器数据(6、25)；和基于第二传感器数据训练对象检测器(7、26)。
-
公开(公告)号：CN112287961A
公开(公告)日：2021-01-29
申请号：CN202010709336.0
申请日：2020-07-22
Applicant: 罗伯特·博世有限公司
Abstract: 一种用于根据传感器信号来探测车辆的周围环境中的对象的方法，其中，所述传感器信号代表所述车辆的周围环境，所述方法包括以下步骤：借助区域候选网络处理所述传感器信号，以得到每个锚点至少一个对象假设，其中，所述对象假设包括对象概率和边界框；借助质量模型选择最佳的对象假设，其中，所述质量模型取决于所述对象假设的所述锚点和所述边界框；辨识相对于所选择的对象假设冗余的对象假设，其中，根据所述冗余的对象假设的锚点借助配属给所述区域候选网络的目标函数来辨识所述冗余的对象假设；将所选择的对象假设与所辨识的冗余对象假设相融合，用于对象探测。本发明还涉及一种相应地设置的设备、一种相应地设置的计算机程序以及一种机器可读的存储介质。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
