龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：清华大学
申请日：2024-05-14
公开（公告）日：2024-07-02
公开（公告）号：CN118269062A
主分类号：B25J9/00
分类号：B25J9/00;B25J9/16
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.19#实质审查的生效;2024.07.02#公开
摘要：本申请涉及一种机械臂模仿学习示教数据的获取方法、装置、设备及介质，其中，方法包括：获取机械臂末端摄像头实时采集的目标物体的图像数据，并生成满足预设条件的图像标准数据；基于图像标准数据和目标检测模型，生成图像特征和目标物体的第一坐标值，结合机械臂实时关节位置计算目标物体的第二坐标值，并生成目标物体在世界坐标系中的轨迹数据；根据轨迹数据得到机械臂控制命令数据，并建立训练数据集以训练多层感知器，生成行为克隆模型，且集成深度确定性策略梯度模型，以获取机械臂模仿学习的示教数据。由此，解决了现有的数据追踪方法难以利用大规模的示教数据进行学习，导致模型学习能力受限，极大影响模型的泛化能力环境适应性等问题。
主权项：1.一种机械臂模仿学习示教数据的获取方法，其特征在于，包括以下步骤：获取机械臂末端摄像头实时采集的目标物体的图像数据，并对所述图像数据进行预处理，生成满足预设条件的图像标准数据；将所述图像标准数据输入至预设的目标检测模型，以生成所述图像标准数据对应的图像特征以及相机坐标系下所述目标物体的第一坐标值，根据所述第一坐标值和预设的机械臂实时关节位置计算所述目标物体在机械臂末端摄像头坐标系中的第二坐标值，并对所述第二坐标值进行世界坐标系转换操作，以生成所述目标物体在世界坐标系中的轨迹数据；根据所述轨迹数据得到机械臂控制命令数据，并基于所述机械臂控制命令数据和所述图像特征，建立训练数据集，以通过所述训练数据集训练预设的多层感知器，生成行为克隆模型，且集成所述行为克隆模型和预设的深度确定性策略梯度模型，构建强化学习模型，以利用所述强化学习模型获取机械臂模仿学习的示教数据。
全文数据：
权利要求：
百度查询： 清华大学 机械臂模仿学习示教数据的获取方法、装置、设备及介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号