买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于任务参数化与核化运动基元的技能轨迹泛化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118682751B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410753032.2，技术领域涉及：B25J9/16；该发明授权基于任务参数化与核化运动基元的技能轨迹泛化方法是由王进;刘华雨;张海运;陆国栋设计研发完成，并于2024-06-12向国家知识产权局提交的专利申请。

本基于任务参数化与核化运动基元的技能轨迹泛化方法在说明书摘要公布了：本发明公开了基于任务参数化与核化运动基元的技能轨迹泛化方法，首先通过动觉示教采集多组机器人末端位姿轨迹用以表征技能，将四元数表示的姿态轨迹基于黎曼流形重新表示，然后使用动态时间规整算法将所有演示轨迹进行时间对齐完成预处理。将演示轨迹的起止位姿设置为任务参数，并将所有轨迹分别投影变换至各任务参数中表示，在每个任务参数下使用高斯混合模型与高斯混合回归生成新的概率分布作为技能参考轨迹分布。使用核化运动基元算法对技能参考轨迹重新建模，对核化运动基元算法的超参数进行优化，并通过局部采样参考轨迹的方式来修正原始核化运动基元的建模结果，实现轨迹的局部特征增强，最后给定新任务参数，实现新场景下的技能轨迹泛化。

本发明授权基于任务参数化与核化运动基元的技能轨迹泛化方法在权利要求书中公布了：1.基于任务参数化与核化运动基元的技能轨迹泛化方法，其特征在于包括如下步骤： 步骤1：采集多组机器人末端位姿轨迹作为演示轨迹；将末端姿态轨迹以流形数据表示，进行基于流形的切空间映射；并将所有演示轨迹进行时间对齐； 步骤2：设置演示轨迹的起止位姿为任务参数，并将所有演示轨迹分别投影变换至各任务参数中，以任务参数进行表示；包括如下步骤： 步骤2.1：定义P个任务参数为P＝2，表示局部坐标系相对于全局坐标系的变换，表示对包含时间维度的完整演示数据的旋转变换，Aξp表示旋转矩阵，bp＝[0bξp]T表示对包含时间维度的完整演示数据的平移变换，bξp表示平移向量； 步骤2.2：将位置轨迹和姿态轨迹分别变换至所有任务参数中表示： 其中，st和qt分别表示在t时刻下的演示轨迹点的位置与姿态，e0＝[1000]T表示流形原点；是旋转矩阵Aξp的单位四元数表示，stp表示投影在任务参数p下t时刻的演示轨迹点的位置，qtp表示投影在任务参数p下t时刻的演示轨迹点的姿态； 步骤3：在各任务参数下，使用高斯混合模型对所有时间对齐的演示轨迹进行编码，基于输入的时间与输出的位置与姿态进行建模，并迭代计算模型参数；在各任务参数下，基于高斯混合模型的所述模型参数，进行高斯混合回归，再将切空间映射回流形空间，得到技能参考轨迹； 步骤4：使用核化运动基元算法对技能参考轨迹重新建模； 步骤5：在各任务参数下，对技能参考轨迹进行局部轨迹点采样，并设置采样点的概率分布，用局部轨迹点的概率分布修正核化运动基元的建模结果，增强核化运动基元的局部特征；在每个任务参数下对技能参考轨迹进行局部轨迹点采样，采样结果作为期望轨迹点，用以修正泛化轨迹的概率分布，包括如下步骤： 步骤5.1：从任务参数p的技能参考轨迹的原点处开始采样轨迹点； 步骤5.2：将采样的轨迹点与步骤3中生成的参考轨迹合并拓展为一条新的参考轨迹，并使用核化运动基元重新预测均值与协方差；合并时，若期望轨迹点输入与原始参考轨迹点的输入相近但输出不同，则用期望轨迹点替换原始参考轨迹点； 步骤5.3：最终在任务参数p下得到局部特征增强后的核化运动基元概率分布结果为： 其中，分别表示任务参数p在新的时间序列值t*下局部特征增强后的位置与姿态，分别表示分别对应的技能参考轨迹的位置数据均值、位置数据方差、姿态数据均值、姿态数据方差； 步骤6：给定新任务参数，通过概率分布线性变换，将上述任务参数下的局部特征增强后的核化运动基元概率分布结果，变换至对应的新任务参数下，再将所有新任务参数下的结果融合，生成全局坐标系下的技能轨迹。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：315400 浙江省宁波市余姚市凤山街道冶山路479号科创大厦12楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。