公开(公告)号：CN117974776A

公开(公告)日：2024-05-03

申请号：CN202311816962.X

申请日：2023-12-26

Applicant: 西安交通大学

Inventor： 兰旭光 ,  丁梦远 ,  刘亚新 ,  杨辰杰 ,  陈星宇

IPC: G06T7/73 ,  G06N3/0442 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于门控图神经网络的机器人操作关系检测方法及系统，属于机器人控制技术领域，方法包括：从输入图像中提取特征并估计目标类别；利用门控图神经网络GGNN捕获整个场景中对象之间的依赖关系，更新相关特征，并输出抓取序列；通过在成对对象特征中嵌入位置编码，获得上下文信息；更新后的特征将被传递到三个线性层，以确定并输出对象之间的操纵关系。本发明通过组合全局上下文信息和在图形结构中进行长期消息传递来提高关系检测的准确性。此外，在实际机器人上的抓取实验表明，该模型具有较好的扩展性和优越的性能。

公开(公告)号：CN116643499A

公开(公告)日：2023-08-25

申请号：CN202310637164.4

申请日：2023-05-31

Applicant: 西安交通大学 ,  灵动科技(北京)有限公司

Inventor： 兰旭光 ,  刘亚新 ,  王浩宇 ,  陈星宇 ,  田智强 ,  齐欧 ,  刘海进

IPC: G05B13/04

Abstract: 本发明公开一种基于模型强化学习的智能体路径规划方法及系统，属于机器控制技术领域，包括：获取智能体与环境交互的轨迹图像；将轨迹图像中隐状态作为抽象状态，依照样本的回报大小划分正负样本，正负样本之间通过对比学习，使得正样本投影到同一隐状态，负样本投影到不同隐状态，得到投影后的样本；将抽象学习和模型学习相结合构建带约束的智能体路径规划优化目标模型；再基于KKT条件通过引入超参数构建联合损失函数；将投影后的样本输入联合损失函数中进行求解得到智能体路径规划；输出所述智能体路径规划用于智能体根据作出控制决策。该方法在机器人操作任务和自动驾驶任务等复杂任务表明，本发明在收敛后的性能上有着优异的性能。