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！

龙图腾网获悉中信重工机械股份有限公司申请的专利基于Transformer强化学习架构的四足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：CN121115515B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511620827.7，技术领域涉及：G05B13/04；该发明授权基于Transformer强化学习架构的四足机器人控制方法及系统是由张志勇;李帅龙;曹志斌;程佳萌;符祖赫;杨国韬;张磊;王鹏帅设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本基于Transformer强化学习架构的四足机器人控制方法及系统在说明书摘要公布了：基于Transformer强化学习架构的四足机器人控制方法及系统。涉及机器人智能控制技术领域，该方法通过多模态传感器实时获取四足机器人的本体状态与环境信息；将当前及历史时刻的信息构建为时序状态序列；对序列进行特征嵌入与时间位置编码，形成输入令牌序列；将令牌序列输入以Transformer编码器为核心、经强化学习预训练的策略网络；该网络利用自注意力机制捕捉状态间的长程全局依赖关系，输出关节层面的连续动作指令；最终通过底层控制器驱动机器人各关节执行相应运动。该系统包含相应的传感、计算和执行模块。本发明有效解决了传统循环神经网络在长序列决策中的梯度消失和记忆衰减问题，显著提升了四足机器人在复杂、非结构化环境中的运动智能、鲁棒性及能量效率。

本发明授权基于Transformer强化学习架构的四足机器人控制方法及系统在权利要求书中公布了：1.基于Transformer强化学习架构的四足机器人控制方法，其特征在于：包括以下步骤： S1、通过传感模块实时获取四足机器人的本体状态信息与环境感知信息； S2、将当前时刻及之前连续N个历史时刻的所获取的本体状态信息与环境感知信息按时间顺序构建成时序状态序列；所述时序状态序列长度N为50，其中，时序状态序列的每帧状态数据，包括由本体状态信息构成的数据部分、由环境感知信息构成的数据部分以及指令数据部分；所述时序状态序列还融合了用于指示机器人运动意图的指令信息，所述指令信息至少包括期望的前进速度、横向速度和绕垂直轴的旋转速度； S3、对步骤S2所得到的时序状态序列中的每一帧状态数据进行特征嵌入，并引入位置编码以注入时序信息，共同形成输入令牌序列；所述位置编码采用基于正弦余弦函数的固定位置编码，用于明确表示每个状态在序列中的绝对或相对时间位置； S4、将步骤S3所得到的输入令牌序列输入至预先训练好的Transformer强化学习策略模型中；所述Transformer强化学习策略模型以其内部的自注意力机制为核心，自注意力机制头数为8，计算序列中所有元素间的全局依赖关系，并输出当前时刻四足机器人各关节的目标动作向量；该步骤中，所述Transformer强化学习策略模型以多层Transformer编码器为核心架构，所述Transformer编码器层数为6，其输出端连接一个动作头网络，所述动作头网络为多层感知机，用于将编码器输出的上下文向量映射为关节空间中的连续动作值，所述动作值表示为扭矩；Transformer强化学习策略模型的训练过程如下： S4.1、环境初始化：创建并行仿真环境并初始化网络结构； S4.2、数据收集循环：在多个仿真环境中同时运行策略网络，收集状态-动作-奖励经验数据； S4.3、网络更新：当达到指定批次大小时，使用PPO算法更新网络参数； S44、域随机化：随机改变环境参数，增强模型的泛化能力； S4.5、收敛判断：持续训练直至模型性能达到收敛标准，训练周期为总计训练2亿环境步数，保存最终模型； S5、将步骤S4所得到的目标动作向量转换为电机驱动信号，通过底层控制器控制四足机器人各关节执行相应运动。

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中信重工机械股份有限公司，其通讯地址为：471039 河南省洛阳市涧西区建设路206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。