CN114740886A - 一种面向无人机巡逻的类脑自主化作业方法 - Google Patents
一种面向无人机巡逻的类脑自主化作业方法 Download PDFInfo
- Publication number
- CN114740886A CN114740886A CN202210318763.5A CN202210318763A CN114740886A CN 114740886 A CN114740886 A CN 114740886A CN 202210318763 A CN202210318763 A CN 202210318763A CN 114740886 A CN114740886 A CN 114740886A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- brain
- patrol
- load
- 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 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 42
- 210000004556 brain Anatomy 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000011217 control strategy Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 239000011521 glass Substances 0.000 claims abstract description 16
- 238000007654 immersion Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000010391 action planning Effects 0.000 claims description 6
- 210000005036 nerve Anatomy 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 210000003710 cerebral cortex Anatomy 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000001020 rhythmical effect Effects 0.000 claims description 3
- 210000004761 scalp Anatomy 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- User Interface Of Digital Computer (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种面向无人机巡逻的类脑自主化作业方法,属于无人机巡逻领域。本发明分为训练阶段和作业阶段。在训练阶段时,专家通过佩戴沉浸式眼镜接收无人机平台的载荷图像,并根据巡逻任务在大脑中产生控制策略,脑机接口模块通过脑电采集仪和脑电信号转换算法将专家大脑中的控制策略转化为指令来控制无人机,同时将脑电信号作为训练数据传输给脉冲神经网络。在作业阶段时,脉冲神经网络在神经形态芯片上运行并接收载荷图像,可输出类脑的巡逻控制指令来操纵无人机。本发明可使无人机学习专家在多种巡逻任务时的控制方法,当无人机不被人为控制时,能够实现类脑的自主化作业。
Description
技术领域
本发明涉及无人机巡逻领域,特别是指一种面向无人机巡逻的类脑自主化作业方法。
背景技术
目前,在无人机巡逻领域,一般是通过有人参与控制的方法进行可疑目标识别。然而,这种作业方法不仅造成较多的人力负担,而且在通信不良好的情况下可能会导致作业失败。
近年来,出现使用自动化处理、类脑化作业等无人参与的控制方式进行作业的方法,但是系统设计存在无人机自主化程度低、不能完全脱离通信等缺点。
发明内容
有鉴于此,本发明提供一种面向无人机巡逻的类脑自主化作业方法,本发明基于脑机接口、脉冲神经网络、神经形态芯片等技术,实现了无人机在无通信、无人控制时的类脑自主化巡逻作业。
为了实现上述目的,本发明采用的技术方案为:
一种面向无人机巡逻的类脑自主化作业方法,包括以下步骤:
(1)搭建作业系统,所述作业系统包括无人机平台、脑机接口模块、巡逻模块、自主化作业模块;其中,无人机平台用于实现无人机路径规划、载荷动作规划和载荷图像获取,脑机接口模块包括沉浸式眼镜、脑电采集仪、脑电信号转换模块,巡逻模块包括巡逻任务生成模块、巡逻任务执行模块、巡逻任务评价模块,自主化作业模块包括脉冲神经网络、神经形态芯片,并输出巡逻控制指令;
(2)在训练阶段,专家通过佩戴沉浸式眼镜接收无人机平台的载荷图像,并根据巡逻任务在大脑中产生控制策略,脑机接口模块通过脑电采集仪和脑电信号转换模块将专家大脑中的控制策略转化为指令来控制无人机,同时将脑电信号作为训练数据传输给脉冲神经网络;
(3)在作业阶段,脉冲神经网络在神经形态芯片上运行并接收载荷图像,输出类脑的巡逻控制指令来操纵无人机。
进一步的,所述无人机路径规划,指的是根据地形为无人机寻找一条遍历经过所有地面范围的规划航线;所述载荷动作规划,指的是载荷在无人机上进行方位角、俯仰角、焦距的调整;所述载荷图像获取,指的是将载荷所接收到的图像传输到指定设备中;所述沉浸式眼镜,指的是一种将真实环境传递给使用者显示装置,用于产生具备真实感的立体视景;所述脑电采集仪,指的是一种可以感应头皮或者大脑皮层的节律性电位变化的仪器;所述脑电信号转换模块,用于将脑电信号转化为控制无人机路径和载荷动作指令信号;巡逻任务,指的是无人机在空中对地面上的情况进行巡查,以达到发现并识别地面目标的过程;所述脉冲神经网络,指的是一种模仿人脑神经元工作机制,基于脉冲信号编码的神经动力学网络;所述神经形态芯片,指的是一种以脉冲方式实现信息传递,面向脉冲神经网络的专用硬件计算平台。
进一步的,步骤(2)中,通过巡逻模块生成巡逻任务,无人机起飞后,将载荷图像传输给沉浸式眼镜;专家知晓巡逻任务并实时接收载荷图像,在大脑中产生无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化的控制策略;脑电采集仪对专家大脑的信号进行采集,传输给脑电信号转换模块;脑电信号转换模块将专家大脑的信号转换为无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化的控制指令,传输给巡逻任务执行模块,同时将原信号传输给脉冲神经网络。
进一步的,所述脉冲神经网络运行在神经形态芯片上;所述神经形态芯片安装在无人机上;无人机起飞后,将载荷获取到的图像传输给脉冲神经网络;脉冲神经网络知晓巡逻任务并实时处理载荷图像,产生无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化的控制指令;无人机执行脉冲神经网络产生的巡逻控制指令,完成巡逻任务。
进一步的,所述巡逻任务评价模块,用于在训练阶段和作业阶段,对巡逻任务的执行情况进行评价,专家根据评价情况进行控制策略的调整,脉冲神经网络根据评价情况进行控制指令的调整。
本发明的有益效果在于:
1、本发明综合使用脑机接口、脉冲神经网络、神经形态芯片等多种技术,使无人机达到类脑自主化巡逻的能力。
2、本发明设计的系统能够在通过训练阶段使无人机学会专家的控制策略,实现无人机在不被控制或无通信情况下的巡逻作业。
附图说明
图1为本发明实施例中系统组成示意图;
图2为本发明实施例中无人机巡逻示意图。
具体实施方式
下面,结合附图对本发明的技术方案做进一步说明。显然,这些内容仅是本发明的一部分实施例,而不是全部的实施例。基于以下实施例,本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本发明的保护范围。
一种面向无人机巡逻的类脑自主化作业方法,属于无人机巡逻领域。该方法分为训练阶段和作业阶段。在训练阶段时,专家通过佩戴沉浸式眼镜接收无人机平台的载荷图像,并根据巡逻任务在大脑中产生控制策略,脑机接口模块通过脑电采集仪和脑电信号转换算法将专家大脑中的控制策略转化为指令来控制无人机,同时将脑电信号作为训练数据传输给脉冲神经网络。在作业阶段时,脉冲神经网络在神经形态芯片上运行并接收载荷图像,可输出类脑的巡逻控制指令来操纵无人机。本发明可使无人机学习专家在多种巡逻任务时的控制方法,当无人机不被人为控制时,能够实现类脑的自主化作业。
该方法的具体实现方式如下所示:
(1)在训练阶段时,专家通过佩戴沉浸式眼镜接收无人机平台的载荷图像,并根据巡逻任务在大脑中产生控制策略,脑机接口模块通过脑电采集仪和脑电信号转换算法将专家大脑中的控制策略转化为指令来控制无人机,同时将脑电信号作为训练数据传输给脉冲神经网络;
(2)在作业阶段时,脉冲神经网络在神经形态芯片上运行并接收载荷图像,可输出类脑的巡逻控制指令来操纵无人机。
在步骤(1)中,系统组成如附图1所示,无人机平台包括无人机路径规划、载荷动作规划和载荷图像获取,脑机接口模块包括沉浸式眼镜、脑电采集仪、脑电信号转换,巡逻模块包括巡逻任务生成、巡逻任务执行、巡逻任务评价,自主化作业模块包括脉冲神经网络、神经形态芯片、巡逻控制指令。
无人机路径规划指的是根据地形为无人机寻找一条遍历经过所有地面范围的规划航线;载荷动作规划指的是载荷在无人机上进行方位角、俯仰角、焦距等可变参数的调整;载荷图像获取指的是将载荷所接收到的图像传输到指定设备中;沉浸式眼镜指的是一种将真实环境传递给使用者显示装置,可为左、右眼提供两个包含平行视差的独立图像,可产生具备真实感的立体视景;脑电采集仪指的是一种可以感应头皮或者大脑皮层的节律性电位变化的仪器;脑电信号转换指的是可以将脑电信号转化为控制无人机路径和载荷动作指令信号的算法;巡逻任务指的是无人机在空中对地面上的情况进行巡查,以达到发现并识别地面目标的过程;脉冲神经网络指的是一种模仿人脑神经元工作机制,基于脉冲信号编码的神经动力学网络;神经形态芯片指的是一种以脉冲方式实现信息传递,面向脉冲神经网络的专用硬件计算平台。
在步骤(1)中,无人机巡逻示意如附图2所示,巡逻模块首先生成巡逻任务(如在区域S中巡逻);无人机起飞后,将载荷图像传输给沉浸式眼镜(如大疆飞行眼镜);专家知晓巡逻任务并实时接收载荷图像,可在大脑中产生无人机航线变化(如从A点飞到B点)、载荷方位角变化(如+15度)、载荷俯仰角变化(如+15度)、载荷焦距变化(如放大5倍)等多种控制策略;脑电采集仪对专家大脑的信号进行采集,传输给脑电信号转换子模块;脑电信号转换子模块将专家大脑的信号转换为无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化等多种控制指令,传输给巡逻任务执行子模块,同时将原信号传输给脉冲神经网络(如Spike-based BP)子模块。
在步骤(2)中,脉冲神经网络运行在神经形态芯片上;神经形态芯片安装在无人机上;无人机起飞后,将载荷获取到的图像传输给脉冲神经网络;脉冲神经网络知晓巡逻任务并实时处理载荷图像,可产生无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化等多种控制指令;无人机执行脉冲神经网络产生的控制指令,完成巡逻任务。
巡逻任务评价子模块,可在训练阶段和作业阶段时,对巡逻任务的执行情况进行评价。例如,在训练阶段时,专家做出控制策略后,评价情况为不合理,专家随即转变控制测量;在作业阶段时,脉冲神经网络做出控制指令后,评价情况为不合理,脉冲神经网络随即将该情况记录为负样本,在下次训练中纠正。
总之,该方法主要分为训练阶段和作业阶段。在训练阶段时,专家通过佩戴沉浸式眼镜接收无人机平台的载荷图像,并根据巡逻任务在大脑中产生控制策略,脑机接口模块通过脑电采集仪和脑电信号转换算法将专家大脑中的控制策略转化为指令来控制无人机,同时将脑电信号作为训练数据传输给脉冲神经网络。在作业阶段时,脉冲神经网络在神经形态芯片上运行并接收载荷图像,可输出类脑的巡逻控制指令来操纵无人机。本发明可使无人机学习专家在多种巡逻任务时的控制方法,当无人机不被人为控制时,能够实现类脑的自主化作业。
本发明适用于多种无人机平台,通过人在环路混合增强的方法,实现了无人机巡逻过程中,对目标快速准确全面的识别。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种面向无人机巡逻的类脑自主化作业方法,其特征在于,包括以下步骤:
(1)搭建作业系统,所述作业系统包括无人机平台、脑机接口模块、巡逻模块、自主化作业模块;其中,无人机平台用于实现无人机路径规划、载荷动作规划和载荷图像获取,脑机接口模块包括沉浸式眼镜、脑电采集仪、脑电信号转换模块,巡逻模块包括巡逻任务生成模块、巡逻任务执行模块、巡逻任务评价模块,自主化作业模块包括脉冲神经网络、神经形态芯片,并输出巡逻控制指令;
(2)在训练阶段,专家通过佩戴沉浸式眼镜接收无人机平台的载荷图像,并根据巡逻任务在大脑中产生控制策略,脑机接口模块通过脑电采集仪和脑电信号转换模块将专家大脑中的控制策略转化为指令来控制无人机,同时将脑电信号作为训练数据传输给脉冲神经网络;
(3)在作业阶段,脉冲神经网络在神经形态芯片上运行并接收载荷图像,输出类脑的巡逻控制指令来操纵无人机。
2.根据权利要求1所述的一种面向无人机巡逻的类脑自主化作业方法,其特征在于,所述无人机路径规划,指的是根据地形为无人机寻找一条遍历经过所有地面范围的规划航线;所述载荷动作规划,指的是载荷在无人机上进行方位角、俯仰角、焦距的调整;所述载荷图像获取,指的是将载荷所接收到的图像传输到指定设备中;所述沉浸式眼镜,指的是一种将真实环境传递给使用者显示装置,用于产生具备真实感的立体视景;所述脑电采集仪,指的是一种可以感应头皮或者大脑皮层的节律性电位变化的仪器;所述脑电信号转换模块,用于将脑电信号转化为控制无人机路径和载荷动作指令信号;巡逻任务,指的是无人机在空中对地面上的情况进行巡查,以达到发现并识别地面目标的过程;所述脉冲神经网络,指的是一种模仿人脑神经元工作机制,基于脉冲信号编码的神经动力学网络;所述神经形态芯片,指的是一种以脉冲方式实现信息传递,面向脉冲神经网络的专用硬件计算平台。
3.根据权利要求1所述的一种面向无人机巡逻的类脑自主化作业方法,其特征在于,步骤(2)中,通过巡逻模块生成巡逻任务,无人机起飞后,将载荷图像传输给沉浸式眼镜;专家知晓巡逻任务并实时接收载荷图像,在大脑中产生无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化的控制策略;脑电采集仪对专家大脑的信号进行采集,传输给脑电信号转换模块;脑电信号转换模块将专家大脑的信号转换为无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化的控制指令,传输给巡逻任务执行模块,同时将原信号传输给脉冲神经网络。
4.根据权利要求1所述的一种面向无人机巡逻的类脑自主化作业方法,其特征在于,所述脉冲神经网络运行在神经形态芯片上;所述神经形态芯片安装在无人机上;无人机起飞后,将载荷获取到的图像传输给脉冲神经网络;脉冲神经网络知晓巡逻任务并实时处理载荷图像,产生无人机航线变化、载荷方位角变化、载荷俯仰角变化、载荷焦距变化的控制指令;无人机执行脉冲神经网络产生的巡逻控制指令,完成巡逻任务。
5.根据权利要求1所述的一种面向无人机巡逻的类脑自主化作业方法,其特征在于,所述巡逻任务评价模块,用于在训练阶段和作业阶段,对巡逻任务的执行情况进行评价,专家根据评价情况进行控制策略的调整,脉冲神经网络根据评价情况进行控制指令的调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210318763.5A CN114740886A (zh) | 2022-03-29 | 2022-03-29 | 一种面向无人机巡逻的类脑自主化作业方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210318763.5A CN114740886A (zh) | 2022-03-29 | 2022-03-29 | 一种面向无人机巡逻的类脑自主化作业方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114740886A true CN114740886A (zh) | 2022-07-12 |
Family
ID=82276860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210318763.5A Pending CN114740886A (zh) | 2022-03-29 | 2022-03-29 | 一种面向无人机巡逻的类脑自主化作业方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114740886A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106292705A (zh) * | 2016-09-14 | 2017-01-04 | 东南大学 | 基于蓝牙脑电耳机的多旋翼无人机意念遥操作系统及操作方法 |
US20170135621A1 (en) * | 2015-11-16 | 2017-05-18 | Samsung Electronics Co., Ltd. | Apparatus and method to train autonomous driving model, and autonomous driving apparatus |
CN108836365A (zh) * | 2018-05-14 | 2018-11-20 | 中国人民解放军第四军医大学 | 基于vr和脑电信号采集的决策风格测评装置及其测评方法 |
CN110362085A (zh) * | 2019-07-22 | 2019-10-22 | 合肥小步智能科技有限公司 | 一种用于特种巡检机器人的类脑平台 |
CN110658851A (zh) * | 2019-08-27 | 2020-01-07 | 北京航空航天大学 | 一种基于脑电信号的无人机航迹规划系统 |
CN114169366A (zh) * | 2021-11-19 | 2022-03-11 | 北京师范大学 | 神经反馈训练系统和方法 |
CN114238707A (zh) * | 2021-11-30 | 2022-03-25 | 中国电子科技集团公司第十五研究所 | 一种基于类脑技术的数据处理系统 |
-
2022
- 2022-03-29 CN CN202210318763.5A patent/CN114740886A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170135621A1 (en) * | 2015-11-16 | 2017-05-18 | Samsung Electronics Co., Ltd. | Apparatus and method to train autonomous driving model, and autonomous driving apparatus |
CN106292705A (zh) * | 2016-09-14 | 2017-01-04 | 东南大学 | 基于蓝牙脑电耳机的多旋翼无人机意念遥操作系统及操作方法 |
CN108836365A (zh) * | 2018-05-14 | 2018-11-20 | 中国人民解放军第四军医大学 | 基于vr和脑电信号采集的决策风格测评装置及其测评方法 |
CN110362085A (zh) * | 2019-07-22 | 2019-10-22 | 合肥小步智能科技有限公司 | 一种用于特种巡检机器人的类脑平台 |
CN110658851A (zh) * | 2019-08-27 | 2020-01-07 | 北京航空航天大学 | 一种基于脑电信号的无人机航迹规划系统 |
CN114169366A (zh) * | 2021-11-19 | 2022-03-11 | 北京师范大学 | 神经反馈训练系统和方法 |
CN114238707A (zh) * | 2021-11-30 | 2022-03-25 | 中国电子科技集团公司第十五研究所 | 一种基于类脑技术的数据处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pérez et al. | Ground vehicle detection through aerial images taken by a UAV | |
CN109901595A (zh) | 一种基于单目摄像头和树莓派的自动驾驶系统及方法 | |
CN105912980A (zh) | 无人机以及无人机系统 | |
CN106227341A (zh) | 基于深度学习的无人机手势交互方法及系统 | |
DE102019105363B4 (de) | Verfahren für ein Messsystem im Fahrzeug zur Erkennung und Klassifizierung von Objekten im Umfeld des Fahrzeugs mit Hilfe eines Deep-Learning Verfahrens mit einem selbstlernenden Entscheider | |
CN112171669A (zh) | 一种脑-机协作数字孪生强化学习控制方法及系统 | |
CN110794713A (zh) | 一种侦察型无人机光电载荷仿真训练系统 | |
DE102020133445A1 (de) | Kameraorchestrierungstechnologie zum verbessern von automatischer personenidentifizierung | |
CN106444849A (zh) | 一种基于图像识别的无人机自主飞行系统 | |
CN106027792A (zh) | 基于obd终端的智能辅助学车的系统及方法 | |
Mygapula et al. | Cnn based end to end learning steering angle prediction for autonomous electric vehicle | |
CN114740886A (zh) | 一种面向无人机巡逻的类脑自主化作业方法 | |
Lim et al. | A novel simulation environment for cognitive human factors engineering research | |
CN117150757A (zh) | 一种基于数字孪生的仿真推演系统 | |
DE102020100996A1 (de) | Ultraschallmesssystem mit einer selbstlernenden KI-Steuerung von Mikrobeamformern im Fahrzeug | |
CN116243725A (zh) | 基于视觉导航的变电站无人机巡检方法及系统 | |
CN113589835A (zh) | 一种基于自主感知的智能机器人飞行员飞行方法及装置 | |
CN111832510B (zh) | 一种智能寻找杆塔方法及系统 | |
KR20230023503A (ko) | 레이더 기반 선박의 이/접안 지원 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 | |
CN114326821A (zh) | 基于深度强化学习的无人机自主避障系统及方法 | |
DE102020101036A1 (de) | Selbstlernendes Ultraschallmesssystem im Fahrzeug zur Erkennung und Klassifizierung von Objekten im Umfeld des Fahrzeugs mit einem Volumenrenderer | |
Zheng et al. | An autonomous robot tracking system through fusing vision with sonar measurements | |
CN117137498B (zh) | 基于注意力定向和运动意图脑电的紧急状况检测方法 | |
Li et al. | Intelligent Early Warning Method Based on Drone Inspection | |
CN117697769B (zh) | 一种基于深度学习的机器人控制系统和方法 |
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 |