Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏智慧工场技术研究院有限公司王培栋获国家专利权

江苏智慧工场技术研究院有限公司王培栋获国家专利权

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!

龙图腾网获悉江苏智慧工场技术研究院有限公司申请的专利基于深度学习的多机器人协作的交互控制方法与系统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:CN120791800B

龙图腾网通过国家知识产权局官网在2025-11-28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:202511284520.4,技术领域涉及:B25J9/16;该发明授权基于深度学习的多机器人协作的交互控制方法与系统是由王培栋;王俊;曹斌设计研发完成,并于2025-09-10向国家知识产权局提交的专利申请。

基于深度学习的多机器人协作的交互控制方法与系统在说明书摘要公布了:本发明公开了一种基于深度学习的多机器人协作的交互控制方法与系统,所述方法包括:获取历史交互数据,进行环境状态编码与特征提取并进行相关性得分矩阵计算,得到动态交互权重系数;根据态势表征向量和交互权重系数,进行未来行为预测,得到意图概率分布数据;根据历史交互数据,对敏感信息进行加密处理,得到加密共享数据并结合预训练的决策模型参数,进行加权平均聚合生成全局协同决策模型,将加密共享数据输入到全局协同决策模型,得到协同行动方案;根据协同行动方案和意图概率分布数据,进行多约束任务分配优化,得到最优任务分配方案并进行自适应路径规划,得到最终行动路径。本方法能够实现在高动态复杂环境中进行实时高效协同决策。

本发明授权基于深度学习的多机器人协作的交互控制方法与系统在权利要求书中公布了:1.一种基于深度学习的多机器人协作的交互控制方法,其特征在于,包括: 获取历史交互数据,进行环境状态编码与特征提取,得到态势表征向量; 根据所述态势表征向量,进行相关性得分矩阵计算,得到动态交互权重系数; 根据所述态势表征向量和所述动态交互权重系数,进行未来行为预测,得到意图概率分布数据; 根据所述历史交互数据,对敏感信息进行加密处理,得到加密共享数据; 根据预训练的决策模型参数,进行加权平均聚合生成全局协同决策模型,将所述加密共享数据输入到全局协同决策模型,输出得到协同行动方案; 根据所述协同行动方案和所述意图概率分布数据,进行多约束任务分配优化,得到最优任务分配方案; 根据所述最优任务分配方案,进行自适应路径规划,得到最终行动路径; 其中,所述获取历史交互数据,进行环境状态编码与特征提取,得到态势表征向量,包括: 获取历史交互数据,进行交互关系图结构构建,得到交互关系图结构数据; 根据所述交互关系图结构数据,进行特征编码处理,得到节点级的中间特征表示; 根据所述中间特征表示,进行节点状态预测误差最小化训练,得到态势表征向量,态势表征向量包括每个节点在时刻t的128维特征,能够描述该节点在当前时刻状态和未来短期变化趋势的表征; 其中,所述根据所述态势表征向量,进行相关性得分矩阵计算,得到动态交互权重系数,包括: 根据所述态势表征向量,进行线性变换处理,得到查询向量和键值向量; 根据所述查询向量和所述键值向量,进行点积相似度计算处理,得到初始相关性得分矩阵; 根据所述初始相关性得分矩阵,进行归一化处理,得到标准化的注意力权重矩阵; 根据所述注意力权重矩阵和所述键值向量,进行加权聚合处理,得到动态交互权重系数,动态交互权重系数为128维向量,通过Sigmoid函数约束值域在[0,1]范围内,表征智能体间的交互强度。

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江苏智慧工场技术研究院有限公司,其通讯地址为:214000 江苏省无锡市滨湖区金融八街1-2201-2;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。