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！

龙图腾网获悉山东大学申请的专利面向非结构化环境的机器人抓取少样本学习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：CN120269572B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510683333.7，技术领域涉及：B25J9/16；该发明授权面向非结构化环境的机器人抓取少样本学习方法及系统是由李可;王小雨;李光林;魏娜设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本面向非结构化环境的机器人抓取少样本学习方法及系统在说明书摘要公布了：本发明公开了一种面向非结构化环境的机器人抓取少样本学习方法及系统，涉及机器人抓取技术领域。该方法包括步骤：获取机器人抓取物体的触觉信息和视觉信息，获取受试者抓取物体的参考触觉信息和参考视觉信息；根据触觉信息设置奖励函数；利用行为克隆技术根据参考视觉信息训练关节动作模型，得到机器人的初始策略；利用深度学习强化模型以机器人的初始策略和参考触觉信息为参考对机器人抓取物体的触觉信息和视觉信息进行融合分析，得到抓取策略。本发明克服了少样本的问题，在无需人工干预的条件下显著提升了机器人系统的鲁棒性和自主性，使其在复杂和未知环境中表现出更强的适应性和泛化能力。

本发明授权面向非结构化环境的机器人抓取少样本学习方法及系统在权利要求书中公布了：1.一种面向非结构化环境的机器人抓取少样本学习方法，其特征在于，包括以下步骤： 获取机器人抓取物体的触觉信息和视觉信息，获取受试者抓取物体的参考触觉信息和参考视觉信息； 根据触觉信息设置奖励函数； 根据触觉信息设置奖励函数的具体步骤为： 根据参考触觉信息设置分段奖励的阈值作为期望力； 按照分段奖励的分段方式对触觉信息进行分段标注，与期望力的插值奖励结合形成内在奖励； 根据机械手的成功抓取率设置外在奖励； 利用行为克隆技术根据参考视觉信息训练关节动作模型，得到机器人的初始策略； 利用深度学习强化模型以机器人的初始策略和参考触觉信息为参考对机器人抓取物体的触觉信息和视觉信息进行融合分析，得到抓取策略； 利用深度学习强化模型根据机器人的初始策略和奖励函数进行视觉信息和触觉信息的融合分析的具体步骤为： 深度学习强化模型利用深度确定性策略梯度算法在机器人的初始策略的基础上，以视觉信息作为状态输入，结合奖励函数进行训练迭代，得到最优抓取策略； 利用MER机制代替深度确定性策略梯度算法原有的经典经验回放机制，MER机制基于元学习策略，通过将过去的经验进行加权，优先采样对于当前学习任务更有价值的经验，帮助算法更快地收敛到最优抓取策略。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。