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！

龙图腾网获悉杭州泛嘉科技有限公司申请的专利基于多模态语义对齐的智能体自适应决策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：CN120542470B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202511038552.6，技术领域涉及：G06N3/008；该发明授权基于多模态语义对齐的智能体自适应决策方法及装置是由杨隐峰;朱小芳;何保山设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本基于多模态语义对齐的智能体自适应决策方法及装置在说明书摘要公布了：本申请公开了一种基于多模态语义对齐的智能体自适应决策方法及装置，方法包括：通过多模态传感器阵列采集语音信息、视觉信息和触觉信息进行时间戳同步，得到时间对齐的多模态数据；根据预设分层注意力机制，将多模态数据进行细粒度语义对齐，得到统一语义表示，预设分层注意力机制包括模态内注意力层与跨模态注意力层，模态内注意力层用于捕捉多模态数据的依赖关系并基于依赖关系提取各模态数据内部的关键特征，跨模态注意力层用于根据关键特征对各模态数据进行语义对齐和语义融合；根据统一语义表示和预先训练的生成对抗网络，生成决策结果。因此，采用本申请实施例，智能体在执行任务时不会出现误解或错误操作，从而提升了智能体决策的准确性。

本发明授权基于多模态语义对齐的智能体自适应决策方法及装置在权利要求书中公布了：1.一种基于多模态语义对齐的智能体自适应决策方法，其特征在于，所述方法包括： 通过预先部署在智能体的多模态传感器阵列采集语音信息、视觉信息和触觉信息进行时间戳同步，得到时间对齐的多模态数据； 根据预设分层注意力机制，将所述多模态数据进行细粒度语义对齐，得到统一语义表示，所述预设分层注意力机制包括模态内注意力层与跨模态注意力层，所述模态内注意力层用于捕捉所述多模态数据的依赖关系并基于所述依赖关系提取各模态数据内部的关键特征，所述跨模态注意力层用于根据所述关键特征对所述各模态数据进行语义对齐和语义融合； 预设分层注意力机制是多模态数据处理机制，用于通过分层的方式对不同模态的数据进行注意力计算，以实现细粒度的语义对齐； 所述多模态数据包括视觉序列、语音序列以及触觉序列； 所述捕捉所述多模态数据的依赖关系，包括： 提取所述视觉序列中的每个图像帧的视觉特征，得到视觉特征向量序列； 采用梅尔频率倒谱系数法，处理所述语音序列中的每个音频信号，得到声学特征向量序列； 提取所述触觉序列中的每个触觉信号的压力变化趋势特征，得到触觉特征向量序列； 分别对所述视觉特征向量序列、所述声学特征向量序列以及所述触觉特征向量序列应用自注意力机制，以提取不同序列中各元素间的相互作用，得到上下文向量序列组，作为所述多模态数据对应的依赖关系； 所述关键特征包括视觉关键特征、语音关键特征以及触觉关键特征； 所述根据所述关键特征对所述各模态数据进行语义对齐和语义融合，包括： 将所述语音关键特征作为查询主导模态，并将所述视觉关键特征、所述触觉关键特征作为辅助模态； 根据所述查询主导模态，计算目标查询向量，并根据所述辅助模态分别计算目标键向量、目标值向量； 根据所述目标查询向量、所述目标键向量，计算表征模态间细粒度依赖关系的跨模态注意力矩阵； 根据所述跨模态注意力矩阵、所述目标值向量进行上下文特征提取，得到聚合的与语音指令相关的视觉和触觉关键信息； 将所述语音关键特征与所述聚合的与语音指令相关的视觉和触觉关键信息进行残差连接与标准化，得到以语音指令为锚点的跨模态语义对齐特征； 通过以语音指令为锚点的跨模态语义对齐特征进行语义融合； 根据所述统一语义表示和预先训练的生成对抗网络，生成决策结果。

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杭州泛嘉科技有限公司，其通讯地址为：311200 浙江省杭州市萧山区博学路618号萧山科创中心B座2203-2室；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”。