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！

龙图腾网获悉北京理工大学申请的专利一种基于深度学习和人机交互的机械臂控制方法和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：CN119077737B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411353138.X，技术领域涉及：B25J9/16；该发明授权一种基于深度学习和人机交互的机械臂控制方法和系统是由闫天翼;刘思宇;赵岩;明致远;刘梦真;刘紫玉;宋依凡;陈启明;吴景龙;刘田田;裴广盈;王丽;张健;叶初阳;李玮;索鼎杰设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种基于深度学习和人机交互的机械臂控制方法和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和人机交互的机械臂控制方法和系统，包括：采集智能制造场景中的画面，识别画面中每个靶目标的位姿，并对画面进行渲染，生成使用者的操作界面；基于使用者产生的对靶目标的控制意图，并通过注视场景中的所述靶目标诱发脑电波，对脑电波进行解码，获得使用者的操作意图；通过机械臂控制器接收使用者的操作意图，基于运动规划方法获得机械臂的运行轨迹，根据运行轨迹，使用动力学模型驱动机械臂的各个关节执行抓取和放置任务。本发明通过融合脑机接口技术和深度学习算法，提供了全新的机械臂控制解决方案。

本发明授权一种基于深度学习和人机交互的机械臂控制方法和系统在权利要求书中公布了：1.一种基于深度学习和人机交互的机械臂控制方法，其特征在于，包括： 采集智能制造场景中的画面，识别画面中每个靶目标的位姿，并对画面进行渲染，生成使用者的操作界面； 基于使用者产生的对靶目标的控制意图，并通过注视场景中的所述靶目标诱发脑电波，对所述脑电波进行解码，获得使用者的操作意图； 通过机械臂控制器接收所述使用者的操作意图，基于运动规划方法获得机械臂的运行轨迹，根据所述运行轨迹，使用动力学模型驱动机械臂的各个关节执行抓取和放置任务； 生成所述使用者的操作界面，包括： 使用摄像头以使用者第一人称视角采集智能制造场景中的画面，通过深度学习算法识别出画面中的每个靶目标的位姿，为场景中的每一个靶目标叠加正弦波编码的透明度效果，并对画面进行渲染，将叠加正弦波编码的透明度效果的智能制造场景中的画面实时呈现给使用者，生成所述使用者的操作界面； 所述深度学习算法为基于迁移学习方法实现的神经网络模型，所述神经网络模型接收所述智能制造场景中的画面，通过VGG16提取特征后，分别通过平移分支和旋转分支进行姿态估计，识别所述靶目标的位姿； 其中，所述平移分支用于位置估计，输出三维向量表示物体在三维空间中的位置；所述旋转分支用于姿态估计，输出四维向量表示物体的四元数旋转；所述平移分支由三层全连接层组成，分别将特征向量映射到256维、64维，最终输出3维位置向量；所述旋转分支由三层全连接层组成，输出4维四元数向量，并通过自定义的归一化层对四元数进行归一化处理； 获得所述使用者的操作意图，包括： 收集使用者产生的脑电波数据，当每种靶目标上的正弦波编码的频率所对应的数据数量均超过谐波数量M时，则获得一个批次的用户特异性模板，使用所述用户特异性模版生成新的相关值，表示为其中，当每次收集到新的用户特异性模板时，则丢弃上一个用户特异性模版； 最终，得到S种靶目标上的正弦波编码的刺激频率对应的S个加权相关值取其中最大的对应的靶目标，即为识别的所述使用者的操作意图； 用户特异性模板定义为： 其中，M1为一个批次用户特异性模板收集的数据数量；C为一个脑电信号通道数量，为用户特异性模板，为单试次单通道的脑电数据； 优化后的相关值为： 其中，α为更新权重参数，为最优化相关值； 所述使用者的操作意图为： 其中，为预设阈值，ftarget为识别的靶目标ID，为第S个靶目标对应的最优化相关值。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；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。