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 > 东华大学刘华山获国家专利权

东华大学刘华山获国家专利权

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!

龙图腾网获悉东华大学申请的专利一种基于深度强化学习的双机械臂协作搬运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:CN118990489B

龙图腾网通过国家知识产权局官网在2025-11-07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:202411240464.X,技术领域涉及:B25J9/16;该发明授权一种基于深度强化学习的双机械臂协作搬运系统是由刘华山;肖新杰;郑逸鉴;梁浩天设计研发完成,并于2024-09-05向国家知识产权局提交的专利申请。

一种基于深度强化学习的双机械臂协作搬运系统在说明书摘要公布了:本发明涉及一种基于深度强化学习的双机械臂协作系统,通过摄像头进行环境感知与目标检测,运用FasterR‑CNN识别抓取点,并采用VGG‑16网络辅助抓取策略决策。系统创新性地使用单个基于Actor‑Critic形式的SAC算法控制两臂协同作业,实现了抓取与搬运任务的智能化。在搬运过程中,领航者与协同者机械臂依据改进的CSAC算法动态调整动作,确保高效路径规划与姿态同步,其中奖励机制促进目标接近同时避免碰撞,维持闭环约束下的协作稳定性。整个系统在CoppeliaSim仿真环境中验证,展现了从物体识别到稳定搬运的全过程自动化处理能力。

本发明授权一种基于深度强化学习的双机械臂协作搬运系统在权利要求书中公布了:1.一种基于深度强化学习的双机械臂协作搬运系统,其特征在于,由以下步骤搭建: 步骤一:状态感知与环境建模,利用摄像头收集周围环境和目标物体的信息,构建场景的数字化表示,供深度强化学习算法做决策依据; 基于CoppeliaSim搭建双机械臂协作搬运系统,该系统包括操作台、领航者机械臂、协作者机械臂、机械手爪、工件及物料盒; 操作台包括两端和中间部位三部分,其中一端上设置有领航者机械臂,另一端上设置有协作者机械臂,中间部位上设置有一定间隔的工件和物料盒,操作台台面正上方有深度相机,收集视觉信息,供视觉算法识别抓取点;领航者机械臂和协作者机械臂的基座均位于操作台两端,两者的末端执行器初始位姿均处于操作台两侧,两机械臂末端均安装有机械手爪,等待抓取工件;当领航者机械臂和协作者机械臂抓住工件后,协作同步移动至物料盒上方,将工件放置于物料盒中; 步骤二:依据摄像头收集的视觉信息,使用视觉算法识别抓取点; 采用经典的FasterR-CNN架构进行目标检测,该架构包括三个部分:特征提取网络、区域提议网络和分类与边框回归层; 摄像头输出的图像为,这是一个三维张量;特征提取网络的输入图像经过卷积层和池化层,输出特征图: 1 其中表示卷积网络的前向传播过程; 使用预先定义大小和纵横比的窗口在特征图上滑动,若窗口滑动到特征图某个位置时包含了检测目标,则将其定义为并添加到候选框集合;在特征图上滑动,生成一系列可能包含目标的候选框集合,为包含检测目标的候选框的索引,在特征图左上角第一个像素位置为原点的坐标系下,每个候选框由其左上角坐标、宽度和高度定义;区域提议网络为每个候选框提供一个对象分数,用于衡量候选框内含目标的概率;将每个包含目标的候选框转换为固定大小的特征向量,之后送入全连接层进行分类和边框微调;设为待检测目标的类别总数,则对于候选框,其属于第类的概率为,修正后的边框坐标为;最终,通过阈值筛选,保留置信度高于设定值的目标框,并将其映射回原图,实现目标的精确定位;其中,待检测目标的类别总数为,候选框对于每一个类别都有一个概率,也就是有个概率,用小写的c表示大写C里的第几个类别; 一旦目标物体被准确检测并定位,下一步是识别合适的抓取点;抓取点识别依赖于对物体表面特征的分析;首先,对目标区域应用VGG-16特征提取网络得到特征图;然后,通过感兴趣区域对齐操作提取候选抓取点周围的特征,形成特征向量集合,其中为候选点的索引,是第个候选抓取点的坐标;为抓取稳定性分数,抓取物体的质心的坐标为,候选抓取点坐标为,抓取稳定性分数的计算公式为: 2 式2中是一个正的常数,决定了对分数影响的速率,是被抓取物体长度的三分之一;较大的值表示随着的增加,分数下降得更快,反映了对靠近质心抓取的偏好;当抓取点紧靠即时,接近于1,稳定性分数较高;随着增加,快速减小,稳定性分数降低; 抓取稳定性分数被用来评估每个候选抓取点的适用性,输入为候选抓取点的坐标,则根据公式2有: 3 通过遍历所有候选点,选择得分最高的点作为最终抓取点: 4 步骤三:根据步骤二识别的抓取点,属于Actor-Critic形式的深度强化学习算法SAC控制双机械臂抓取物体; 步骤四:使用改进的双机械臂协作深度强化学习算法对物体进行搬运至目标点。

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东华大学,其通讯地址为:200051 上海市长宁区延安西路1882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。

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。