CN112549020A - 一种用于带电作业机器人的管控***及方法 - Google Patents
一种用于带电作业机器人的管控***及方法 Download PDFInfo
- Publication number
- CN112549020A CN112549020A CN202011263353.2A CN202011263353A CN112549020A CN 112549020 A CN112549020 A CN 112549020A CN 202011263353 A CN202011263353 A CN 202011263353A CN 112549020 A CN112549020 A CN 112549020A
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- intelligence algorithm
- live working
- module
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 88
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 76
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种用于带电作业机器人的管控***及方法,属于带电作业机器人管控技术领域。本发明***包括:传感器模块,所述传感器模块采集目标带电作业机器人带电作业所需的基础信息;边缘计算终端模块,所述边缘计算终端模块配置有人工智能算法,接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数;云端模块,使用状态信息及人工智能算法更新参数对人工智能算法进行更新。本发明相比于以往采用传统处理器的带电作业机器人单机工作模式,本发明能够满足人工智能深度学习、神经网络协调控制、识别与控制模型自学习、自更新等高精度算法的算力要求,能够适用于环境复杂或者大量机器人同时作业产生海量数据管控的场景。
Description
技术领域
本发明涉及带电作业机器人管控技术领域,具体涉及一种用于带电作业机器人的管控***及方法。
背景技术
带电作业是减少停电时间、提高电网供电可靠性的核心手段。以往人工带电作业存在劳动强度大、作业风险高、工作效率较低等问题,因此,国内外开展了大量带电作业机器人研发以及产品实用化工作,希望能够在部分场景中实现机器人替代人工作业。
当前电网中带电作业机器人的技术处于试点应用阶段,主要应用于输电线路、配电线路、变电站、配电站等场景。当前带电作业机器人的主要工作模式为:前置传感器获取作业信息,发送给工控机,工控机按照预编译程序或者由人工判断来操作机器人作业,有人机交互半自主作业和全自主作业两种模式,该模式存在以下问题:
1)用于运行相关视觉、感知、操作程序的工控机,其核心采用中央处理器CPU(Central Processing Unit)、单片机、数字信号处理器DSP(Digital SignalProcessing)、ARM(Advanced RISC Machines)处理器等,这些核心都是传统处理器,只能满足传统图像处理、机器学习、多模态融合、主从控制与协调控制等计算量较小的算法,无法满足人工智能深度学习、神经网络协调控制、识别与控制模型自学习、自更新等高精度算法的算力要求,难以适应复杂的工作场景。
2)随着带电作业机器人产品实用化程度不断提高,使用数量也会大幅增加,必然需要统一的管控,当前带电作业机器人都是单机工作模式,无法适用于大量机器人同时作业产生海量数据管控的场景。
现有技术中,都是采用传统处理器的带电作业机器人单机工作模式,无法满足人工智能高精度算法的算力要求,难以适应复杂的工作场景,无法适用于大量机器人同时作业产生海量数据管控的场景。
发明内容
针对上述问题,本发明提出了一种用于带电作业机器人的管控***,包括:
传感器模块,所述传感器模块采集目标带电作业机器人带电作业所需的基础信息,并将基础信息传输至边缘计算终端模块;
边缘计算终端模块,所述边缘计算终端模块配置有人工智能算法,接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数,所述操作指令传输至带电作业机器人主体,根据操作指令控制带电作业机器人主体带电作业,针对云端模块更新后的人工智能算法进行自我学习及更新原有配置的人工智能算法;
云端模块,所述云端模块调用边缘计算终端模块生成的状态信息及人工智能算法更新参数,使用状态信息在展示终端上展示带电作业机器人相关情况,使用人工智能算法更新参数对人工智能算法进行更新。
可选的,传感器模块,包括:单目摄像头、双目摄像头、红外摄像头、紫外摄像头、全景摄像头、超声波传感器、激光雷达、深度传感器、温度传感器、湿度传感器、光电传感器或力学传感器,所述传感器模块还用于感知带电作业环境、作业目标和作业动作。
可选的,边缘计算终端模块和云端模块包括处理器。
可选的,人工智能算法,用于对信息预处理、检测和推断/识别计算,及信息特征提取和训练计算。
可选的,传感器模块、边缘计算终端模块和云端模块间的数据传输使用4G/5G、Wifi、蓝牙或信息光缆/电缆进行通讯传输。
本发明还提出了一种用于带电作业机器人的管控方法,包括:
采集目标带电作业机器人带电作业所需的基础信息;
接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数,所述操作指令传输至带电作业机器人主体,根据操作指令控制带电作业机器人主体带电作业;
调用状态信息及人工智能算法更新参数,人工智能算法更新参数对人工智能算法进行更新并学习。
可选的,人工智能算法,用于对信息预处理、检测和推断/识别计算,及信息特征提取和训练计算。
相比于以往采用传统处理器的带电作业机器人单机工作模式,本发明能够满足人工智能深度学习、神经网络协调控制、识别与控制模型自学习、自更新等高精度算法的算力要求,能够适用于环境复杂或者大量机器人同时作业产生海量数据管控的场景。
附图说明
图1为本发明一种用于带电作业机器人的管控***结构图;
图2为本发明一种用于带电作业机器人的管控***实施例实施流程图;
图3为本发明一种用于带电作业机器人的管控方法流程图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用于带电作业机器人的管控***,如图1所示,包括:
传感器模块,所述传感器模块采集目标带电作业机器人带电作业所需的基础信息,并将基础信息传输至边缘计算终端模块;
边缘计算终端模块,所述边缘计算终端模块配置有操作***、人工智能算法,接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数,所述操作指令传输至带电作业机器人主体,根据操作指令控制带电作业机器人主体带电作业,针对云端模块更新后的人工智能算法进行自我学习及更新原有配置的人工智能算法;
云端模块,所述云端模块配置有操作***、人工智能算法,调用边缘计算终端模块生成的状态信息及人工智能算法更新参数,使用状态信息在展示终端上展示带电作业机器人相关情况,使用人工智能算法更新参数对人工智能算法进行更新。
传感器模块,包括:单目摄像头、双目摄像头、红外摄像头、紫外摄像头、全景摄像头、超声波传感器、激光雷达、深度传感器、温度传感器、湿度传感器、光电传感器或力学传感器,所述传感器模块还用于感知带电作业环境、作业目标和作业动作。
边缘计算终端模块和云端模块包括处理器。
人工智能算法,用于对信息预处理、检测和推断/识别计算,及信息特征提取和训练计算。
传感器模块、边缘计算终端模块和云端模块间的数据传输使用4G/5G、Wifi、蓝牙或信息光缆/电缆进行通讯传输。
如图1所示,本发明还包括信息传输模块1、信息传输模块2;
传感器模块采集带电作业所需信息,通过信息传输模块1发送给边缘计算终端模块,配置人工智能算法的边缘计算终端模块处理信息传输模块1发送的带电作业所需信息后,产生操作指令、筛选后的状态信息以及人工智能算法更新需要的参数。
其中,操作指令通过信息传输模块1发送给带电作业机器人主体模块,带电作业机器人主体模块依据操作指令开展带电作业工作;
筛选后的状态信息以及人工智能算法更新需要的参数通过信息传输模块2发送给云端模块。
云端模块展示或存储筛选后的状态信息,依据人工智能算法更新需要的参数训练来更新人工智能算法,将训练更新的人工智能算法通过信息传输模块2发送给边缘计算终端模块,边缘计算终端模块接受到训练更新的人工智能算法后,对原有人工智能算法能够自学习、自更新。
传输模块1,包括但不限于4G/5G通信、Wifi通信、蓝牙、信息光缆/电缆等,用于将传感器模块获取的信息传输给边缘计算终端模块,将边缘计算终端模块生成的操作指令传输给带电作业机器人主体模块。
边缘计算终端模块,包括但不限于用于轻量化移动端边缘计算的图像处理器GPU(Graphics Processing Unit)、神经网络处理器NPU(Neural network Processing Unit)、张量处理器TPU(Tensor Processing Unit)、加速处理器APU(Accelerated ProcessingUnit)、全息图像处理器HPU(Holographics Processing Unit)、深度学习处理器DPU(Deeplearning Processing Unit)、FPGA器件(Field Programmable Gate Array)、特殊应用集成电路ASIC(Application Specific Integrated Circuit)、中央处理器CPU(CentralProcessing Unit)、单片机、数字信号处理器DSP(Digital Signal Processing)、ARM(Advanced RISC Machines)处理器等,用于部署操作***、人工智能算法,处理传感器模块采集带电作业所需信息,产生操作指令、筛选后的状态信息以及人工智能算法更新需要的参数,接受云端模块训练更新的人工智能算法,其中,部署的人工智能算法主要是信息预处理、检测、推断/识别等计算量小的部分。
信息传输模块2,包括但不限于4G/5G通信、Wifi通信、蓝牙、信息光缆/电缆等,用于将边缘计算终端模块产生的筛选后的状态信息以及人工智能算法更新需要的参数传输给云端模块,将云端模块训练更新的人工智能算法传输给边缘计算终端模块。
云端模块,包括但不限于配置有展示终端的公共云端或自建私有云端,云端模块的计算核心需配置高计算能力的图像处理器GPU(Graphics Processing Unit)、神经网络处理器NPU(Neural network Processing Unit)、张量处理器TPU(Tensor ProcessingUnit)、加速处理器APU(Accelerated Processing Unit)、全息图像处理器HPU(Holographics Processing Unit)、深度学习处理器DPU(Deep learning ProcessingUnit)、FPGA器件(Field Programmable Gate Array)、特殊应用集成电路ASIC(Application Specific Integrated Circuit)、中央处理器CPU(Central ProcessingUnit)、单片机、数字信号处理器DSP(Digital Signal Processing)、ARM(Advanced RISCMachines)处理器等,用于部署操作***、人工智能算法,接受边缘计算终端模块产生的筛选后的状态信息以及人工智能算法更新需要的参数,将筛选后的状态信息在展示终端上展示,使用人工智能算法更新需要的参数训练、更新人工智能算法,将训练、更新人工智能算法发送给边缘计算终端模块,其中,部署的人工智能算法主要是信息特征提取、训练等计算量大的部分。
本发明还包括:带电作业机器人主体模块,包括但不限于机械臂、工具箱、带电作业工具、机器人平台、绝缘斗臂车、绝缘升降机构等,用于执行边缘计算终端模块发送的操作指令,完成具体带电作业任务。
人工智能算法,分为信息预处理、检测、推断/识别等计算量小的部分和信息特征提取、训练等计算量大的部分,包括但不限于用于机器视觉、作业目标辨识、机器人本体模块定位、多模态信息融合、机器人多臂协同动态规划与避碰感知、机器人多臂协同作业力反馈控制等的神经网络深度学习、强化学习人工智能算法。
下面结合实施例对本发明进行进一步说明:
如图2所示,包括:
步骤一,根据预先采集好的信息,建立人工智能算法,其中,人工智能算法包括用于机器视觉、作业目标辨识、机器人本体模块定位、多模态信息融合、机器人多臂协同动态规划与避碰感知、机器人多臂协同作业力反馈控制的神经网络深度学习算法。
步骤二,在云端模块上部署人工智能算法信息特征提取、训练等计算量大的部分,在3台边缘计算终端模块部署人工智能算法信息预处理、检测、推断/识别等计算量小的部分。其中云端模块为配置图像处理器GPU(Graphics Processing Unit)的私有云端服务器,3台边缘计算终端模块采用轻量化移动端边缘计算的图像处理器GPU(GraphicsProcessing Unit)。
步骤三,3套传感器模块分别采集各自场景中带电作业所需信息,其中,每套传感器模块包括双目摄像头、红外摄像头、全景摄像头、超声波传感器、激光雷达、温度传感器、湿度传感器、力学传感器。
步骤四,3套传感器模块采集的带电作业所需信息通过对应的3套信息传输模块1分别发送给对应的边缘计算终端模块,其中,每套信息传输模块1采用4G结合信息光缆通信。
步骤五,3台边缘计算终端模块运行人工智能算法,产生操作指令、筛选后的状态信息以及人工智能算法更新需要的参数。
步骤六,3台边缘计算终端模块产生的操作指令通过对应的信息传输模块1传输到对应的带电作业机器人主体模块,3台带电作业机器人主体模块分别执行各自的操作指令,其中,每台带电作业机器人主体模块包括机械臂、带电作业工具、绝缘斗臂车。
步骤七,云端模块接受3台边缘计算终端模块产生的筛选后的状态信息以及人工智能算法更新需要的参数,将筛选后的状态信息在展示终端上展示,使用人工智能算法更新需要的参数训练、更新人工智能算法。
步骤八,3台边缘计算终端模块接受由云端模块训练、更新的人工智能算法,更新人工智能算法,完成人工智能算法的自学习、自更新。
本发明还提出了一种用于带电作业机器人的管控方法,如图3所示,包括:
采集目标带电作业机器人带电作业所需的基础信息;
接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数,所述操作指令传输至带电作业机器人主体,根据操作指令控制带电作业机器人主体带电作业;
调用状态信息及人工智能算法更新参数,使用状态信息在展示终端上展示带电作业机器人相关情况,使用人工智能算法更新参数对人工智能算法进行更新并学习。
其中,人工智能算法,用于对信息预处理、检测和推断/识别计算,及信息特征提取和训练计算。
本发明相比于以往采用传统处理器的带电作业机器人单机工作模式,本发明能够满足人工智能深度学习、神经网络协调控制、识别与控制模型自学习、自更新等高精度算法的算力要求,能够适用于环境复杂或者大量机器人同时作业产生海量数据管控的场景。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种用于带电作业机器人的管控***,所述***包括:
传感器模块,所述传感器模块采集目标带电作业机器人带电作业所需的基础信息,并将基础信息传输至边缘计算终端模块;
边缘计算终端模块,所述边缘计算终端模块配置有人工智能算法,接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数,所述操作指令传输至带电作业机器人主体,根据操作指令控制带电作业机器人主体带电作业,针对云端模块更新后的人工智能算法进行自我学习及更新原有配置的人工智能算法;
云端模块,所述云端模块调用边缘计算终端模块生成的状态信息及人工智能算法更新参数,使用状态信息在展示终端上展示带电作业机器人相关情况,使用人工智能算法更新参数对人工智能算法进行更新。
2.根据权利要求1所述的***,所述传感器模块,包括:单目摄像头、双目摄像头、红外摄像头、紫外摄像头、全景摄像头、超声波传感器、激光雷达、深度传感器、温度传感器、湿度传感器、光电传感器或力学传感器,所述传感器模块还用于感知带电作业环境、作业目标和作业动作。
3.根据权利要求1所述的***,所述边缘计算终端模块和云端模块包括处理器。
4.根据权利要求1所述的***,所述人工智能算法,用于对信息预处理、检测和推断/识别计算,及信息特征提取和训练计算。
5.根据权利要求1所述的***,所述传感器模块、边缘计算终端模块和云端模块间的数据传输使用4G/5G、Wifi、蓝牙或信息光缆/电缆进行通讯传输。
6.一种用于带电作业机器人的管控方法,所述方法包括:
采集目标带电作业机器人带电作业所需的基础信息;
接收基础信息,根据基础信息生成操作指令、状态信息及人工智能算法的更新参数,所述操作指令传输至带电作业机器人主体,根据操作指令控制带电作业机器人主体带电作业;
调用状态信息及人工智能算法更新参数,使用状态信息在展示终端上展示带电作业机器人相关情况,使用人工智能算法更新参数对人工智能算法进行更新并学习。
7.根据权利要求6所述的方法,所述人工智能算法,用于对信息预处理、检测和推断/识别计算,及信息特征提取和训练计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263353.2A CN112549020A (zh) | 2020-11-12 | 2020-11-12 | 一种用于带电作业机器人的管控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263353.2A CN112549020A (zh) | 2020-11-12 | 2020-11-12 | 一种用于带电作业机器人的管控***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112549020A true CN112549020A (zh) | 2021-03-26 |
Family
ID=75042158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011263353.2A Pending CN112549020A (zh) | 2020-11-12 | 2020-11-12 | 一种用于带电作业机器人的管控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112549020A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110308753A (zh) * | 2019-06-06 | 2019-10-08 | 上海交通大学 | 一种智能农业机器人云控制***及方法 |
CN110524531A (zh) * | 2019-08-12 | 2019-12-03 | 智动时代(北京)科技有限公司 | 一种基于物联网云服务的机器人控制***及其工作流程 |
CN111273892A (zh) * | 2020-02-13 | 2020-06-12 | 济南浪潮高新科技投资发展有限公司 | 一种基于云端技术和边缘计算实现智能机器人的方法 |
CN111421554A (zh) * | 2020-05-22 | 2020-07-17 | 中国科学院自动化研究所 | 基于边缘计算的机械臂智能控制***、方法、装置 |
US20210232136A1 (en) * | 2018-10-16 | 2021-07-29 | Brain Corporation | Systems and methods for cloud edge task performance and computing using robots |
US20210323167A1 (en) * | 2018-08-27 | 2021-10-21 | 3M Innovative Properties Company | Learning framework for robotic paint repair |
-
2020
- 2020-11-12 CN CN202011263353.2A patent/CN112549020A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210323167A1 (en) * | 2018-08-27 | 2021-10-21 | 3M Innovative Properties Company | Learning framework for robotic paint repair |
US20210232136A1 (en) * | 2018-10-16 | 2021-07-29 | Brain Corporation | Systems and methods for cloud edge task performance and computing using robots |
CN110308753A (zh) * | 2019-06-06 | 2019-10-08 | 上海交通大学 | 一种智能农业机器人云控制***及方法 |
CN110524531A (zh) * | 2019-08-12 | 2019-12-03 | 智动时代(北京)科技有限公司 | 一种基于物联网云服务的机器人控制***及其工作流程 |
CN111273892A (zh) * | 2020-02-13 | 2020-06-12 | 济南浪潮高新科技投资发展有限公司 | 一种基于云端技术和边缘计算实现智能机器人的方法 |
CN111421554A (zh) * | 2020-05-22 | 2020-07-17 | 中国科学院自动化研究所 | 基于边缘计算的机械臂智能控制***、方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tai et al. | Socially compliant navigation through raw depth inputs with generative adversarial imitation learning | |
CN110084307B (zh) | 一种基于深度强化学习的移动机器人视觉跟随方法 | |
CN112419775B (zh) | 基于强化学习的数字孪生智慧停车方法及*** | |
CN114442510A (zh) | 数字孪生闭环控制方法、***、计算机设备及存储介质 | |
CN107193371A (zh) | 一种基于虚拟现实的实时人机交互***及方法 | |
CN103679203A (zh) | 机器人的人脸检测与情感识别***及方法 | |
Papadopoulos et al. | Towards open and expandable cognitive AI architectures for large-scale multi-agent human-robot collaborative learning | |
KR20170101455A (ko) | 빅데이터 플랫폼 기반의 인공지능 딥러닝 네트워크 구축을 활용한 3d 카메라를 장착한 로봇의 트레이닝 방법 | |
CN103705352A (zh) | 基于脑-机接口的智能轮椅及其控制***和控制方法 | |
CN112123338A (zh) | 一种支持深度学习加速的变电站智能巡检机器人*** | |
CN112549020A (zh) | 一种用于带电作业机器人的管控***及方法 | |
Tian et al. | Fruit Picking Robot Arm Training Solution Based on Reinforcement Learning in Digital Twin | |
CN109977884B (zh) | 目标跟随方法和装置 | |
KR20190099169A (ko) | 인공지능 기반의 기상 및 취침 시간 정보 제공 장치 및 방법 | |
EP4199498A1 (en) | Site model updating method and system | |
Li et al. | Intelligent control method of live working robot based on cloud and edge computing terminal | |
CN111830971B (zh) | 一种用于在稀疏奖励信号下学习多机器人编队导航策略的课程学习方法 | |
CN117218171A (zh) | 深度估计模型优化与物体距离检测方法及相关设备 | |
KR102138006B1 (ko) | 보안 로봇 제어 방법 및 그 방법을 지원하는 장치 | |
CN117697769B (zh) | 一种基于深度学习的机器人控制***和方法 | |
CN118170156B (zh) | 基于飞行动态规划的无人机清除杆塔鸟窝的方法及装置 | |
CN113867147B (zh) | 训练及控制方法、装置、计算设备和介质 | |
WO2023068062A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
Panagou et al. | Human gesture system in Human Robot Interaction for reliability analysis | |
CN113515050A (zh) | 一种设备控制方法、装置及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |