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！

龙图腾网获悉中山大学·深圳;中山大学申请的专利一种在隐空间中学习中间表示的模仿学习训练方法及装置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：CN120014297B 。

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：202510091754.0，技术领域涉及：G06V10/62；该发明授权一种在隐空间中学习中间表示的模仿学习训练方法及装置是由刘万泉;张嘉晟设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种在隐空间中学习中间表示的模仿学习训练方法及装置在说明书摘要公布了：本发明公开了一种在隐空间中学习中间表示的模仿学习训练方法及装置，本发明应用于机器人语言条件模仿学习的端到端训练，通过将轨迹指导与可供性指导相结合，提出了一种新的中间表示形式，同时，本发明将训练过程划分为两个阶段：第一阶段，使用原始图像与中间表示进行CVAE生成式预训练，将中间表示带来的额外先验信息提取到隐空间中，第二阶段，冻结编码器参数，使用扩散策略结合隐向量进行交叉注意力以生成动作，进行端到端模仿学习的训练。这样的做法能够在隐空间上对中间表示的指导信息进行学习，同时在推理时无需显示地生成中间表示，减少了复合误差对模型推理的影响，可广泛应用于数据处理技术领域。

本发明授权一种在隐空间中学习中间表示的模仿学习训练方法及装置在权利要求书中公布了：1.一种在隐空间中学习中间表示的模仿学习训练方法，其特征在于，所述方法包括以下步骤： 获取专家演示数据集；所述专家演示数据集包括机器人的动作控制的多段演示数据；所述机器人上设置有末端执行器和夹持器；所述演示数据包括所述动作控制对应的语言指令、每个时刻的末端执行器位姿、夹持器状态和图像观察以及每个时间步间隔下的位姿变化量； 其中，所述获取专家演示数据集，包括以下步骤： 响应于远程控制指令，控制所述机器人执行所述动作控制； 在所述机器人执行所述动作控制的过程中，基于固定频率进行数据收集并整理得到所述演示数据；其中，所述数据收集包括： 收集所述固定频率对应时刻所述机器人的图像数据作为所述图像观察； 收集所述固定频率对应时刻所述机器人的所述末端执行器在世界坐标系下的位姿作为所述末端执行器位姿； 根据相邻时刻的所述末端执行器位姿的变化量确定每个时间步间隔下的所述位姿变化量； 收集所述固定频率对应时刻所述机器人的所述夹持器的开关状态作为所述夹持器状态； 根据所述远程控制指令对所述动作控制的任务描述记录为所述语言指令； 对每一段所述演示数据中所述夹持器状态发生变化的时刻进行捕捉，提取得到关键时间步； 根据所述关键时间步对应的所述末端执行器位姿进行坐标映射，得到图像可供性表示； 基于所述关键时间步划分得到关键时间区间，根据所述关键时间区间每个时间点对应的所述末端执行器位姿进行所述坐标映射，得到图像轨迹表示； 其中，所述末端执行器上设有多个夹指；所述基于所述关键时间步划分得到关键时间区间，根据所述关键时间区间每个时间点对应的所述末端执行器位姿进行所述坐标映射，得到图像轨迹表示，包括以下步骤： 将所述关键时间步结合其前后第一数量的时间步划分为包含第二数量的所述时间点的所述关键时间区间； 根据所述关键时间区间中每个所述时间点对应的所述末端执行器位姿，通过正向运动学建模得到所述末端执行器上每个所述夹指的尖端在世界坐标系下的第二坐标； 根据所述第二坐标，通过采集所述图像观察的相机的参数进行内外参转化，得到所述图像轨迹表示； 将所述图像可供性表示和所述图像轨迹表示叠加到初始状态的所述图像观察，得到中间表示图像；将所述初始状态的所述图像观察和所述语言指令作为图像和条件输入映射到隐空间，以所述中间表示图像作为条件生成目标，对条件变分自编码器进行预训练，得到初始编码器； 将所述图像观察和所述语言指令作为输入，将所述位姿变化量作为输出，对所述初始编码器进行模型学习训练，得到目标编码器。

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中山大学·深圳;中山大学，其通讯地址为：518107 广东省深圳市光明区中山大学深圳校区；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。