检索结果-内蒙古大学图书馆

机器人 2025年第2期47卷 249-258页

作者：赵峥韬赵文涛孙朝阳王瑾万兵中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院大学北京100049

无人帆船作为一种新兴的海洋观测平台,能够执行长时间、大范围和高时空分辨率的海洋观测任务。然而,由于海洋环境复杂多变且无人帆船的工作时空跨度较大,其行驶轨迹难以通过固定模型进行准确预报。针对这一现象,本文提出了一种基于VFOSE... 详细信息

无人帆船作为一种新兴的海洋观测平台,能够执行长时间、大范围和高时空分辨率的海洋观测任务。然而,由于海洋环境复杂多变且无人帆船的工作时空跨度较大,其行驶轨迹难以通过固定模型进行准确预报。针对这一现象,本文提出了一种基于VFOSELM-SRP(基于可变遗忘因子的在线顺序极限学习机-流式随机补丁)模型的路径预测方法,旨在解决“海鸥号”自主导航无人帆船的路径预测难题。该方法利用VFOSELM对无人帆船的坐标点进行实时预测,并采用SRP对预测误差进行补偿。为验证算法的有效性,在中国南海开展了“海鸥号”的实船实验并进行了数据采集。采集到的数据以流式形式输入模型,并对模型的预测性能进行了评估。实验结果表明,与固定遗忘机制的在线顺序极限学习机相比,本文提出的算法将平均距离误差减小了77.4%,均方根误差减小了78.3%,预测性能得到了显著提升。此外,为全面评估本文VFOSELM-SRP模型的预测效果,将其与其他先进的轨迹预测算法在训练时间和预测精度2个方面进行了比较,结果显示VFOSELM-SRP模型在训练时间与精度两方面均具有显著优势。

关键词：无人帆船可变遗忘因子极限学习机流式随机补丁误差补偿

来源：评论

学校读者我要写书评

暂无评论

“伏羲农场”:智慧农业技术集成创新的实践探索与思考

引用

中国科学院院刊 2025年第2期40卷 301-309页

作者：张玉成张晓博高树琴郑聪聪张景尧文亚李禄军王卓李铁赵洪龙中国科学院计算技术研究所北京100190 中国科学院大学北京100049 中国科学院可持续发展研究局北京100864 中国科学院东北地理与农业生态研究所长春130102 中国科学院沈阳自动化研究所沈阳110016 中国科学院上海微系统与信息技术研究所上海200050

将人工智能技术深度融入农业生产实践,是提高农业生产效率、保障国家粮食安全的有效途径,也是给农业生产插上科技翅膀的重要举措。为了实现人工智能技术和产品落地应用,并形成智慧农业生产体系,最有效的方式是在不同类型农业生态区建立... 详细信息

将人工智能技术深度融入农业生产实践,是提高农业生产效率、保障国家粮食安全的有效途径,也是给农业生产插上科技翅膀的重要举措。为了实现人工智能技术和产品落地应用,并形成智慧农业生产体系,最有效的方式是在不同类型农业生态区建立具有一定种植规模的智慧农场示范样板,形成成套的技术体系和可复制的推广范式,这也是检验并优化人工智能赋能农业生产效果的最高效的方式。文章分析了发达国家典型智慧农场的建设经验,以及我国智慧农场发展的现状,着重探讨了我国“伏羲农场”智慧农业生产体系构建的内容、实施路径和应用实践;最后,对进一步高质量构建以“伏羲农场”为代表的我国特色智慧农场生产体系提出建议。

关键词：人工智能智慧农场大模型大数据新农人

来源：评论

学校读者我要写书评

暂无评论

面向工业场景的增强现实区域识别方法

引用

计算机辅助设计与图形学学报 2025年

作者：龙晋仪里鹏于慧东胡国良李帅中国科学院网络化控制系统重点实验室中国科学院沈阳自动化研究所中国科学院大学

目前，工业场景中存在多相似目标同时出现在相机视野的情况. 针对现有增强现实方法无法区分多相似目标的问题，提出面向工业场景的增强现实区域识别方法. 首先利用深度相机完成工厂区域的三维注册，构建包含物体自然特征和背景特征... 详细信息

目前，工业场景中存在多相似目标同时出现在相机视野的情况. 针对现有增强现实方法无法区分多相似目标的问题，提出面向工业场景的增强现实区域识别方法. 首先利用深度相机完成工厂区域的三维注册，构建包含物体自然特征和背景特征的区域目标; 然后设计基于双地图重加载策略的增强现实系统框架，实现虚拟物体的位姿设定与跨平台可视化; 最后结合位姿图优化和词袋法实现双线程计算的强鲁棒性重定位算法，完成对区域目标的识别与当前相机位姿的计算. 在TUM数据集和搭建的真实工业场景下的实验结果表明，重定位位姿均方根绝对轨迹误差平均值为0.076，帧率超过60 帧/s，并区别出同视野下的多相似目标; 所提方法精确度高、鲁棒性强、实时性好，可有效地扩展增强现实应用场景.

关键词：增强现实深度相机三维注册多相似目标区域识别

来源：评论

学校读者我要写书评

暂无评论

基于多策略融合蜣螂优化算法的工业机器人运动学参数辨识方法

引用

中国机械工程 2025年第2期36卷 294-304页

作者：许佳璐刘笑楠李朋超刘振宇沈阳工业大学信息科学与工程学院沈阳110870 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016

针对蜣螂优化(DBO)算法在工业机器人运动学参数标定过程中存在的全局探索和局部开发能力不平衡、求解精度低等问题,提出了一种基于局部指数积(LPOE)运动学模型的多策略融合蜣螂优化算法(MSFDBO)。首先建立基于LPOE模型的运动学参数辨识... 详细信息

针对蜣螂优化(DBO)算法在工业机器人运动学参数标定过程中存在的全局探索和局部开发能力不平衡、求解精度低等问题,提出了一种基于局部指数积(LPOE)运动学模型的多策略融合蜣螂优化算法(MSFDBO)。首先建立基于LPOE模型的运动学参数辨识模型;然后采用Piecewise混沌映射和精英反向学习策略进行种群初始化,得到分布更加均匀的种群;融入鱼鹰探索行为,提高DBO算法的全局探索能力,通过随机扰动机制扩大搜索范围,减少DBO算法陷入局部最优的可能性。为测试算法性能,使用12个基准测试函数对MSFDBO算法的搜索性能进行实验评估,结果表明该算法具有良好的寻优性能。对4台T6A-19型工业机器人的运动学参数进行辨识并补偿验证,实验结果表明,绝对位置平均误差、均方根平均误差分别降低了85.47%、83.92%。

关键词：运动学参数标定蜣螂优化算法精英反向学习鱼鹰探索行为随机扰动机制

来源：评论

学校读者我要写书评

暂无评论

基于对手池的两人格斗游戏深度强化学习

引用

控制理论与应用 2025年第2期42卷 226-234页

作者：梁荣钦朱圆恒赵冬斌中国科学院大学人工智能学院北京100049 中国科学院自动化研究所多模态人工智能系统全国重点实验室北京100190

双人游戏在游戏人工智能领域是一个基本且重要的问题,其中一对一零和格斗游戏是最为典型的双人游戏之一.本文基于深度强化学习对格斗游戏博弈对抗策略进行研究.首先建模格斗游戏环境,设计可用于格斗游戏决策的状态、动作以及奖赏函数,... 详细信息

双人游戏在游戏人工智能领域是一个基本且重要的问题,其中一对一零和格斗游戏是最为典型的双人游戏之一.本文基于深度强化学习对格斗游戏博弈对抗策略进行研究.首先建模格斗游戏环境,设计可用于格斗游戏决策的状态、动作以及奖赏函数,并将阶段策略梯度算法应用于对抗策略的学习.为了尽可能学到纳什均衡策略实现战胜任意对手的目标,本文设计了基于历年参赛的智能体构造对手池用于智能体训练,并探索对手选择机制对于训练过程的影响.最后在固定对手池的基础上,设计了自增长对手池算法,以提升对手策略的完备性和训练智能体的鲁棒性.为了提高环境采样速度,本文从传统并行框架出发,设计了可用于双人游戏的多服务器分布式并行采样框架.通过实验对比发现,基于自增长对手池方法所学的智能体能以96.6%的胜率击败固定对手池中的智能体,并且在与3个仅用于测试的智能体对战时,也表现出了72.2%的胜率.

关键词：实时格斗游戏深度强化学习两人零和博弈对手策略池

来源：评论

学校读者我要写书评

暂无评论

航空发动机叶片机器人磨削颤振半主动抑制研究

引用

机械工程学报 2025年第5期61卷 228-238页

作者：祁若龙王杰李论赵吉宾沈阳建筑大学机械工程学院沈阳110168 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110169

为降低机器人磨削加工颤振对航空发动机叶片表面质量和光整特性的负面影响,基于磁流变液不同磁场条件下的变阻尼特性,提出一种半主动振动抑制方法,消除主颤振频域下的振动峰值,抑制磨削颤振,提高加工质量。以航空发动机叶片机器人砂带... 详细信息

为降低机器人磨削加工颤振对航空发动机叶片表面质量和光整特性的负面影响,基于磁流变液不同磁场条件下的变阻尼特性,提出一种半主动振动抑制方法,消除主颤振频域下的振动峰值,抑制磨削颤振,提高加工质量。以航空发动机叶片机器人砂带磨削加工系统为研究对象,建立两自由度再生颤振模型,发现叶片刚度是影响磨削系统稳定性的重要因素。通过有限元分析软件对磨削系统开展进一步分析,发现通过辅助支撑调节磨削系统刚度与阻尼是实现颤振抑制的可行策略。由此,为使振动抑制器的系统特性覆盖叶片类零件机器人磨削振动的频域范围,设计并验证了一款磁流体减振器,通过磁场控制减振器的刚度阻尼,从而有效减小颤振能量。最后,通过试验得到叶片磨削系统振动信号与叶片表面粗糙度结果,研究结果表明,减振后叶片磨削振幅峰值降低约45%,表面粗糙度可达0.17μm,实现了叶片磨削系统颤振的半主动抑制,叶片表面加工质量得到明显改善。

关键词：机器人加工动力学建模颤振抑制磁流体减振器再生颤振

来源：评论

学校读者我要写书评

暂无评论

面向目标检测的视点规划方法综述

引用

中国图象图形学报 2025年第3期30卷 641-659页

作者：王健宇朱枫郝颖明王群赵鹏飞孙海波东北大学机器人科学与工程学院沈阳110169 中国科学院光电信息处理重点实验室沈阳110016 中国科学院沈阳自动化研究所沈阳110016 中国科学院大学北京100049 中国科学院上海微系统与信息技术研究所上海200050

目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的... 详细信息

目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的视点规划这一智能感知方法应运而生,其可自主分析当前条件下影响检测任务的因素,调整相机的位姿参数规避影响,实现目标物准确检测。面向目标检测的视点规划方法不仅可以辅助计算机视觉的其他领域,也会为未来的智能化生活提供便利。为了反映其研究现状和最新进展,本文梳理了2007年以来的文献,对国内外的研究方法做出概括性总结。首先,以算法应用的场景维度和调整参数作为分类依据,将面向目标检测的视点规划方法分为二维像素调整的规划方法、三维空间移动的规划方法以及两者结合的规划方法3类,本文重点对前两类方法进行分析与总结。其次,解析每类方法的基本思想,并指出各类方法需解决的关键问题,然后对解决问题的主要研究方法进行归纳和分析,并总结各自的优点和局限性。除此之外,本文也对各类场景下可使用的数据集和评价指标进行简要介绍。最后,在目前方法的分析基础上,探讨面向目标检测的视点规划领域所面临的挑战,并对未来研究方法进行展望。

关键词：目标检测主动视觉参数调整视点规划智能感知

来源：评论

学校读者我要写书评

暂无评论

基于多源数据与丰度信息融合的森林生物量估算研究

引用

农业机械学报 2025年第1期56卷 65-73页

作者：林洁雯陈建中国农业大学工学院北京100083 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016

森林是维持碳平衡的重要组成部分,精确的森林生物量探测对环境改善和相关政策制定均有重要的推动作用。本文探索了将多源数据及丰度信息融合分析实现森林生物量反演。首先,采用MOPSOSCD获取研究区域的端元束,并获得每组树木端元的丰度信... 详细信息

森林是维持碳平衡的重要组成部分,精确的森林生物量探测对环境改善和相关政策制定均有重要的推动作用。本文探索了将多源数据及丰度信息融合分析实现森林生物量反演。首先,采用MOPSOSCD获取研究区域的端元束,并获得每组树木端元的丰度信息,然后在Landsat 8 OLI及ASTGTM DEM中提取单波段因子、植被指数、地形因子、纹理特征等46个指标,测试融合丰度前后模型拟合效果。通过多元线性回归和BP神经网络模型进行生物量反演试验发现,采用多元线性回归模型时,优化前生物量均方根误差(RMSE)和决定系数(R^(2))分别为41.09 mg/hm^(2)、0.40,优化后最优RMSE和R^(2)分别为38.66 mg/hm^(2)、0.44。采用BP神经网络模型时,优化前生物量RMSE和R^(2)分别为32.73 mg/hm^(2)、0.56,最优RMSE和R^(2)分别为32.07 mg/hm^(2)、0.57。添加丰度后BP神经网络模型具有最优反演效果。通过试验验证了MOPSOSCD算法提取端元束对应的丰度在提升模型生物量反演精度的有效性。同时,试验证明端元的提取精度越高,对应模型生物量反演效果越好。

关键词：多源数据融合森林生物量端元束混合像元分解反演

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的状态−动作−奖赏预测表征学习

引用

自动化学报 2025年第1期51卷 117-132页

作者：刘民颂朱圆恒赵冬斌中国科学院自动化研究所多模态人工智能系统全国重点实验室北京100190 中国科学院大学人工智能学院北京100049

为了提升具有高维动作空间的复杂连续控制任务的性能和样本效率,提出一种基于Transformer的状态−动作−奖赏预测表征学习框架(Transformer-based state-action-reward prediction representation learning framework,TSAR).具体来说,TSAR提出一种基于Transformer的融合状态−动作−奖赏信息的序列预测任务.该预测任务采用随机掩码技术对序列数据进行预处理,通过最大化掩码序列的预测状态特征与实际目标状态特征间的互信息,同时学习状态与动作表征.为进一步强化状态和动作表征与强化学习(Reinforcement learning,RL)策略的相关性,TSAR引入动作预测学习和奖赏预测学习作为附加的学习约束以指导状态和动作表征学习.TSAR同时将状态表征和动作表征显式地纳入到强化学习策略的优化中,显著提高了表征对策略学习的促进作用.实验结果表明,在DMControl的9个具有挑战性的困难环境中,TSAR的性能和样本效率超越了现有最先进的方法.

关键词：深度强化学习表征学习自监督对比学习 Transformer

来源：评论

学校读者我要写书评

暂无评论

两团队零和博弈下熵引导的极小极大值分解强化学习方法

引用

自动化学报 2025年第4期51卷 875-889页

作者：胡光政朱圆恒赵冬斌中国科学院大学人工智能学院北京100049 中国科学院自动化研究所多模态人工智能系统全国重点实验室北京100190

在两团队零和马尔科夫博弈中,一组玩家通过合作与另一组玩家进行对抗.由于对手行为的不确定性和复杂的团队内部合作关系,在高采样成本的任务中快速识别优势的分布式策略仍然具有挑战性.鉴于此,提出一种熵引导的极小极大值分解(Entropy-g... 详细信息

在两团队零和马尔科夫博弈中,一组玩家通过合作与另一组玩家进行对抗.由于对手行为的不确定性和复杂的团队内部合作关系,在高采样成本的任务中快速识别优势的分布式策略仍然具有挑战性.鉴于此,提出一种熵引导的极小极大值分解(Entropy-guided minimax factorization,EGMF)强化学习方法,在线学习队内合作和队间对抗的策略.首先,提出基于极小极大值分解的多智能体执行器−评估器框架,在高采样成本的、不限动作空间的任务中,提升优化效率和博弈性能;其次,引入最大熵使智能体可以更充分地探索状态空间,避免在线学习过程收敛到局部最优;此外,策略在时间域累加的熵值用于评估策略的熵,并将其与分解的个体独立Q函数结合用于策略改进;最后,在多种博弈仿真场景和一个实体机器人任务平台上进行方法验证,并与其他基线方法进行比较.结果显示EGMF可以在更少样本下学到更具有对抗性能的两团队博弈策略.

关键词：多智能体深度强化学习两团队零和马尔科夫博弈最大熵值分解

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：