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！

龙图腾网获悉华南理工大学申请的专利基于高斯世界模型的机械臂自纠正方法、存储介质及计算机设备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：CN120572538B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511006516.1，技术领域涉及：B25J9/16；该发明授权基于高斯世界模型的机械臂自纠正方法、存储介质及计算机设备是由潘绍辉;许勇;许若涛;黄艳设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本基于高斯世界模型的机械臂自纠正方法、存储介质及计算机设备在说明书摘要公布了：本发明公开了一种基于高斯世界模型的机械臂自纠正方法、存储介质和计算机设备，其中，本方法先通过传感器数据采集与预处理，然后编码数据，获取特征，生成动作指令并执行，再重建高斯泼溅场景表示；然后世界模型预测动态高斯泼溅表示，并渲染图像，接着获取真实图像，并计算获取的真实图像和渲染图像的偏差，最后基于偏差进行判定，以是否进行动作回滚。本发明通过高斯泼溅表示技术重建三维场景，利用高斯世界模型预测动作执行后的动态高斯泼溅场景表示，从而检测机械臂在操纵执行中潜在的偏差，并实现动作执行失误后的自纠正策略，弥补行业中无法处理动作执行级失误后自纠正能力，具有提高机械臂在复杂操作任务中的动作成功率的效果。

本发明授权基于高斯世界模型的机械臂自纠正方法、存储介质及计算机设备在权利要求书中公布了：1.基于高斯世界模型的机械臂自纠正方法，其特征在于，包括以下步骤： S1、通过声音传感器获取自然语言指令数据并将此数据编码为文本特征向量，同时将RGB‑D传感器采集的数据重建成包含颜色信息的场景点云数据，再将场景点云数据转换为体素表示，并生成占据掩码矩阵； S2、利用基于深度学习三维卷积神经网络的特征提取器将体素数据编码为三维网格特征，再结合体素占据掩码矩阵将三维网格特征拉平为二维占据特征张量； S3、将文本特征向量和二维占据特征张量进行融合以生成融合特征，再基于融合特征，生成机械臂的动作指令； S4、基于场景点云数据构建当前场景高斯泼溅表示，同时使用属性预测网络以三维网格特征作为输入来输出高斯泼溅表示中每个原子的属性，然后通过可微分渲染器渲染图像并训练优化高斯泼溅表示； 步骤S4包括以下具体步骤： S41、基于场景点云数据的三维空间坐标初始化高斯原子集合的位置坐标uj，其中，Q为高斯原子数量，gj为单个高斯原子，j为下标索引； S42、以三维网格特征为输入，基于深度学习全连接神经网络构建高斯泼溅表示： 其中，r、c、s、α、f、d分别表示高斯原子的旋转矩阵、颜色、缩放尺度、透射度、语义特征和深度值，为深度学习全连接神经网络的属性预测网络，表示三维网格特征； S43、采用可微分渲染法对高斯泼溅表示进行训练优化； 步骤S43中训练优化包括以下具体步骤： S431、使用α‑blend方法进行渲染，将高斯泼溅表示渲染生成图像： 其中，Cs表示渲染的图像，q为渲染中的高斯数，表示溅射过程中高斯点的二维密度，αj是透射度，p是图像像素坐标，表示由高斯参数的旋转矩阵rj和缩放尺度sj计算出的协方差矩阵，cj表示溅射过程中高斯点的颜色； S432、再次使用α‑blend方法进行渲染，得到特征图和深度图： 其中，Ls表示渲染的语义特征图，fj表示溅射过程中高斯点的语义特征，Ds表示渲染的深度信息图，dj表示溅射过程中高斯点的深度值； S433、使用图像、特征图和深度图的联合渲染损失对当前场景高斯泼溅表示进行训练优化： 其中，M表示训练的环境图像数量，表示真实采集的图像，Cm表示渲染图像，Lm表示渲染特征图，表示用图文大模型CLIP的图像特征提取器ψ提取的真实图像的特征图，Dm表示渲染的深度图，表示真实采集的深度图； S5、以动作指令及当前场景高斯泼溅表示作为条件输入高斯世界模型，预测动作执行后的未来场景的高斯泼溅表示的属性差值，并将此差值叠加到当前场景高斯泼溅表示，以得到预测的未来场景高斯泼溅表示，通过可微分渲染器渲染优化预测高斯泼溅表示，生成预期观测图像； S6、执行步骤S3的动作指令，以获取真实观测图像，并计算真实观测图像和预期观测图像之间的偏差d； S7、对偏差d进行判定： 若d大于预设阈值ε时，判定机械臂动作执行失败，并对机械臂原始姿态叠加高斯噪声并进行动作回滚，重复步骤S1～S6； 若d≤ε时，确认动作执行成功。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。