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！

龙图腾网获悉天津工业大学申请的专利基于扩散模型的机械手抓取点训练方法、预测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：CN120747232B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511248980.1，技术领域涉及：G06T7/73；该发明授权基于扩散模型的机械手抓取点训练方法、预测方法及装置是由陈瑞娟;李越设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本基于扩散模型的机械手抓取点训练方法、预测方法及装置在说明书摘要公布了：本发明提供了一种基于扩散模型的机械手抓取点训练方法、预测方法及装置，其中训练方法的过程为：获取样本物体点云和打标的标记点云，记为标记数据；将标记数据结合扩散时间及有效点指示输入到扩散模型中，在样本物体点云上生成样本抓取点群；将标记点云作为标记样本，样本物体点云作为当前候选区域，样本抓取点群作为生成样本，输入至对比学习模型，进行标记样本对比和生成样本对比，筛选出优选样本抓取区域；将优选样本抓取区域中与标记样本特征最相似的一组抓取点作为最优样本抓取点。本发明有益效果：有效提高机械手在复杂环境下对同类不同结构、同形不同材质物体的抓取成功率。

本发明授权基于扩散模型的机械手抓取点训练方法、预测方法及装置在权利要求书中公布了：1.基于扩散模型的机械手抓取点训练方法，其特征在于，包括以下步骤： S1.获取训练样本体的样本物体点云，获取在训练样本体上打标的标记点云，并将样本物体点云和标记点云记为标记数据，其中标记点云作为样本抓取点进行抓取时，能够稳定抓取住训练样本体； S2.将标记数据结合扩散时间及有效点指示输入到扩散模型中，经逐步加噪处理后再进行反向去噪处理，在样本物体点云上生成候选样本抓取点的区域集合，记为样本抓取点群； 反向去噪处理过程为，将标记点云和当前标记点云加入噪声后的特征一同输入到扩散预测单元中，其中，扩散预测单元包括多个相同结构的扩散预测模块，每个扩散预测模块均包括两个结构一致的编码层和两个结构一致的解码层， 在同一个扩散预测模块中，标记点云输入到第一个编码层中进行扩散时间感知动态注意力机制处理，第一个编码层的输出数据分别输入至第二个编码层中和第一个解码层中，当前标记点云加入噪声的状态输入至第一个解码层中进行扩散时间感知动态注意力机制处理后再通过跨维度条件交互模块处理，得到的输出数据分别输入到第二个编码层中和第二个解码层中，第一个编码层的输出数据和第一个解码层中跨维度条件交互模块处理后的输出数据融合后在第二个编码层中进行扩散时间感知动态注意力机制处理，第一个编码层的输出数据和第一个解码层中进行扩散时间感知动态注意力机制处理后输出数据融合后在第一个解码层中通过跨维度条件交互模块处理，第一个解码层的输出数据输入到第二个解码层中进行扩散时间感知动态注意力机制处理，得到的输出数据与第二个编码层的输出数据融合后在第二个解码层中通过跨维度条件交互模块处理，第二个解码层的输出数据依次经线性变换和归一化处理后进行数据拆分，形成第一点云特征和第二点云特征， 且每个扩散预测模块中的第一点云特征与下一个扩散时间的特征融合后输入到下一个扩散预测模块中；每个扩散预测模块中的第二点云特征通过skip跳跃连接融合在一起，输出样本抓取点群； 扩散时间感知动态注意力机制通过引入扩散时间嵌入来调节自注意力权重，且扩散时间感知动态注意力机制表达式为， 其中，为扩散编码，γ为可学习权重，Q、K、V分别为注意力机制中的查询、键、值，t为扩散时间，d为特征维度，、W、W分别为Q、K、V相对应的可学习权重矩阵；softmax·为激活函数； 跨维度条件交互模块的表达式为， 其中，在注意力机制中，为抓取数据中的查询、键、值，为当前带噪抓取点状态的查询、键、值，且在标记点云数据和当前带噪抓取点状态之间双向流动； S3.将标记点云作为标记样本，样本物体点云作为当前候选区域，样本抓取点群作为生成样本，输入至对比学习模型，获得相应的样本特征，再进行标记样本对比和生成样本对比，并对标记样本对比结果进行最小化处理，对生成样本对比结果进行最大化处理，筛选出优选样本抓取区域； S4.将优选样本抓取区域中与标记样本特征最相似的一组抓取点作为最优样本抓取点。

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天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399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。