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！

龙图腾网获悉无锡图创智能科技有限公司申请的专利一种基于多模态融合的机器人控制方法及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：CN121061897B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511607338.8，技术领域涉及：B25J9/16；该发明授权一种基于多模态融合的机器人控制方法及系统是由葛继;瞿麟;孟理想;刘国营设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种基于多模态融合的机器人控制方法及系统在说明书摘要公布了：本发明涉及机器人控制技术领域，公开了一种基于多模态融合的机器人控制方法及系统，所述方法包括获取多模态感知数据并提取特征，聚类得到关联信息簇序列；提取簇中心向量并进行量化，得到量化评估矩阵；计算矩阵行向量间的协方差，若大于零，则标记为正相关协调分量，得到协调分量集；对协调分量集进行分组，若组内分量的数量少于阈值，则合并相邻分组；选取中心分组并预测变化趋势，根据变化趋势评估风险值后对机器人参数进行优化；根据多模态感知数据和预设的更新幅度对更新后参数进行优化，若更新前后参数差异超过阈值，则减小更新幅度，重新调整参数，得到最终决策模型。本方法能够解决复杂场景下机器人群体协作效率低下的问题。

本发明授权一种基于多模态融合的机器人控制方法及系统在权利要求书中公布了：1.一种基于多模态融合的机器人控制方法，其特征在于，包括： 获取多模态感知数据，对所述多模态感知数据预处理后提取特征，然后进行聚类，得到关联信息簇序列； 从所述关联信息簇序列中提取簇中心向量，对所述簇中心向量进行量化，得到量化评估矩阵； 根据所述量化评估矩阵计算矩阵行向量间的协方差，若所述协方差大于零，则标记为正相关协调分量，得到协调分量集； 对所述协调分量集进行分组，得到协调分量组，若所述协调分量组内分量的数量少于预设的数量阈值，则合并相邻分组，得到协调分组序列； 选取所述协调分组序列中的中心分组，根据所述中心分组预测组内分量的变化趋势，得到变化趋势向量； 根据所述变化趋势向量进行风险值评估，得到风险评估矩阵，根据所述风险评估矩阵对机器人参数进行优化，得到参数更新基准向量； 根据所述多模态感知数据和预设的更新幅度对所述参数更新基准向量进行更新，得到更新后的参数，若所述更新后的参数与所述参数更新基准向量的差异超过预设的差异阈值，则减小所述更新幅度，重新调整所述参数更新基准向量，得到最终决策模型； 其中，所述获取多模态感知数据，对所述多模态感知数据预处理后提取特征，然后进行聚类，得到关联信息簇序列，包括： 获取多模态感知数据；其中，所述多模态感知数据包括视觉图像序列、听觉信号波形以及触觉压力分布； 对所述多模态感知数据进行预处理，得到多模态数据集合； 从所述多模态数据集合中提取纹理特征、频率特征和空间特征，得到多模态特征向量集合； 对所述多模态特征向量集合计算向量相似度，根据所述向量相似度进行聚类，得到关联信息簇序列； 其中，所述根据所述变化趋势向量进行风险值评估，得到风险评估矩阵，根据所述风险评估矩阵对机器人参数进行优化，得到参数更新基准向量，包括： 根据所述变化趋势向量计算每个特征值的变化速率； 根据预设的映射规则将所述变化速率映射为风险值，若所述风险值超过预设风险值阈值，则标记为高风险特征值，得到风险评估矩阵； 根据所述风险评估矩阵提取所有所述高风险特征值，根据所述高风险特征值计算总偏差值； 根据所述总偏差值对机器人参数进行优化，得到参数更新基准向量； 其中，所述根据所述多模态感知数据和预设的更新幅度对所述参数更新基准向量进行更新，得到更新后的参数，若所述更新后的参数与所述参数更新基准向量的差异超过预设的差异阈值，则减小所述更新幅度，重新调整所述参数更新基准向量，得到最终决策模型，包括： 计算所述多模态感知数据与预设的正常感知数据的偏差值； 根据所述偏差值使用预设的更新幅度对所述参数更新基准向量进行更新，得到更新后的参数； 若所述更新后的参数与所述参数更新基准向量的差异值超过预设的差异阈值，则减小所述更新幅度，得到调整后的更新幅度； 根据所述调整后的更新幅度对所述参数更新基准向量进行调整，得到最终决策模型。

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无锡图创智能科技有限公司，其通讯地址为：214000 江苏省无锡市经济开发区高浪东路999-8-A1-101-101；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。