CN115577318A - 基于半实物的数据融合评估方法、系统、设备及储存介质 - Google Patents
基于半实物的数据融合评估方法、系统、设备及储存介质 Download PDFInfo
- Publication number
- CN115577318A CN115577318A CN202211211208.9A CN202211211208A CN115577318A CN 115577318 A CN115577318 A CN 115577318A CN 202211211208 A CN202211211208 A CN 202211211208A CN 115577318 A CN115577318 A CN 115577318A
- Authority
- CN
- China
- Prior art keywords
- data
- fusion
- task
- platform
- data fusion
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45562—Creating, deleting, cloning virtual machine instances
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提供了一种基于半实物的数据融合评估方法、系统、设备及储存介质,涉及计算机技术领域。包括:首先,接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据,并根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台。然后,接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数。最后,根据任务评估分数,对数据融合平台进行模型参数调整。在本发明中,采用半虚拟的方式,使用微服务方式搭建数据融合平台,并用于无人终端的控制的决策,通过任务执行情况对数据融合模块进行优化和调整,大大降低了测试成本,提高了数据融合平台的模型准确度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于半实物的数据融合评估方法、系统、设备及储存介质。
背景技术
随着社会智能化的不断增强,无人平台呈井喷式出现,广泛应用于各个领域,为人们生活提供了极大的便利。现有的无人设备平台,如无人机、无人车等,在具体的任务场景中执行各种复杂任务时,通过其上承载的摄像头、红外探测器、激光雷达等传感器获取的外部探测数据,以及内部的运动控制器、陀螺仪、加速度计等获得的姿态、运动数据等,一般很少进行系统的数据融合。因此大部分无人设备平台的测试只能依靠经验或者纯模拟场景下的数据进行优化,导致优化的效果非常依赖于经验的准确性和模拟场景对现实的拟合情况。
相关技术中,无人设备平台在进行测试时,通常采用两种方法,一种是完全基于实物进行测试,另一种是完全基于仿真进行测试,但是完全依赖实物会导致高成本的问题,完全使用仿真会导致的数据不可靠。
发明内容
本发明实施例提供一种基于半实物的数据融合评估方法、系统、设备及储存介质,旨在解决或者部分解决上述背景技术中存在的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种基于半实物的数据融合评估方法,方法包括:
接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据;
根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台;
接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数;
根据任务评估分数,对数据融合平台进行模型参数调整。
可选地,根据多模融合数据,生成设备控制指令的步骤,包括:
根据多模融合数据,确定设备控制策略;
根据设备控制策略,生成设备控制指令。
可选地,任务评价参数包括任务完成度评价参数和运行评价参数;根据任务完成参数和任务评价标准的匹配度,确定任务评估分数的步骤,包括:
根据任务完成度评价参数与任务评价标准的匹配度,计算第一任务评估分数;
根据运行评价参数与任务评价标准的匹配度,计算第二任务评估分数;
根据第一任务评估分数和第二任务评估分数,计算任务评估分数。
可选地,根据任务评估分数,对数据融合平台进行模型参数调整的步骤,包括:
在任务评估分数大于或等于预设阈值的情况下,将数据融合平台当前的模型参数,确定为目标模型参数;
在评估分数小于阈值的情况下,根据任务评价标准与数据融合平台模型参数的映射关系,将数据融合平台当前的模型参数,调整为修正模型参数,并继续执行根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台的步骤。
可选地,并对传感器仿真数据进行数据融合,生成多模融合数据的步骤,包括:
根据预设的数据分发关系,将传感器数据分发给每个微服务;
每个微服务根据传感器数据,生成多模融合数据的中间数据;
通过数据融合程序流水线,按照次序调用每个微服务,并根据多模融合数据的中间数据,生成多模融合数据。
可选地,数据融合程序流水线是通过以下步骤获得的:
确定每个微服务的执行次数和执行次序;
根据执行次数,确定子数据融合程序流水线的数量;
确定每个微服务的调用接口;
根据执行次序,对每个微服务的调用接口进行排序,生成子数据融合程序流水线;
将子数据融合程序流水线进行组合,生成由微服务组成的数据融合程序流水线。
可选地,方法还包括:
确定目标任务场景,并根据目标任务场景确定任务评价标准;
数据仿真平台根据目标任务场景,搭建虚拟任务环境和虚拟执行设备;
将虚拟执行设备在虚拟任务环境中采集的传感器数据发送给数据融合平台;
接收设备控制指令,并根据设备控制指令控制虚拟执行设备;
采集任务评价参数并发送给数据融合平台。
本发明实施例第二方面提出一种基于半实物的数据融合评估系统,系统包括:
第一接收单元,用于接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据;
指令生成单元,用于根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台;
第二接收单元,用于接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数;
调整单元,用于根据任务评估分数,对数据融合平台进行模型参数调整。
可选地,指令生成单元,包括:
策略确定子单元,用于根据多模融合数据,确定设备控制策略;
指令确定子单元,用于根据设备控制策略,生成设备控制指令。
可选地,第二接收单元,包括:
第一计算子单元,用于根据任务完成度评价参数与任务评价标准的匹配度,计算第一任务评估分数;
第二计算子单元,用于根据运行评价参数与任务评价标准的匹配度,计算第二任务评估分数;
第三计算子单元,用于根据第一任务评估分数和第二任务评估分数,计算任务评估分数。
可选地,调整单元,包括:
第一执行子单元,用于在任务评估分数大于或等于预设阈值的情况下,将数据融合平台当前的模型参数,确定为目标模型参数;
第二执行子单元,用于在评估分数小于阈值的情况下,根据任务评价标准与数据融合平台模型参数的映射关系,将数据融合平台当前的模型参数,调整为修正模型参数,并继续执行根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台的步骤。
可选地,第一接收单元包括:
数据分发子单元,用于根据预设的数据分发关系,将传感器数据分发给每个微服务;
数据计算子单元,用于每个微服务根据传感器数据,生成多模融合数据的中间数据;
数据融合子单元,用于通过数据融合程序流水线,按照次序调用每个微服务,并根据多模融合数据的中间数据,生成多模融合数据。
可选地,数据融合子单元包括:
第一确定模块,用于确定每个微服务的执行次数和执行次序;
第二确定模块,用于根据执行次数,确定子数据融合程序流水线的数量;
第三确定模块,用于确定每个微服务的调用接口;
排序模块,用于根据执行次序,对每个微服务的调用接口进行排序,生成子数据融合程序流水线;
组合模块,用于将子数据融合程序流水线进行组合,生成由微服务组成的数据融合程序流水线。
可选地,系统还包括:数据准备单元,数据准备单元包括:
场景确定子单元,用于确定目标任务场景,并根据目标任务场景确定任务评价标准;
仿真子单元,用于数据仿真平台根据目标任务场景,搭建虚拟任务环境和虚拟执行设备;
第一数据传输子单元,用于将虚拟执行设备在虚拟任务环境中采集的传感器数据发送给数据融合平台;
数据接收子单元,用于接收设备控制指令,并根据设备控制指令控制虚拟执行设备;
第二数据传输子单元,用于采集任务评价参数并发送给数据融合平台。
本发明实施例第三方面提出一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本发明实施例第一方面提出方法步骤。
本发明实施例第四方面提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例第一方面提出方法。
本发明实施例包括以下优点:首先,接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据,并根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台。然后,接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数。最后,根据任务评估分数,对数据融合平台进行模型参数调整。在本发明中通过半虚拟方式,使用微服务方式搭建数据融合模块,并将多模融合数据用于无人终端在具体任务中的控制的决策,并通过任务执行情况对数据融合模块进行优化和调整,从而大大降低了测试成本,提高了融合模型的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中一种基于半实物的数据融合评估方法的步骤流程图;
图2是本发明实施例中一种基于半实物的数据融合评估系统的单元示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中,同时对于任务场景的测试,如果全部使用无人设备平台实物进行测试,获取数据进行融合,场景恢复、无人终端维护等代价大,成本高;如果全部使用仿真获取数据进行融合,由于仿真环境过于理想,无法很好的拟合真实环境,导致仿真获取的数据可靠性不高。而无人设备平台实际任务产生的大量数据被浪费,无法根据这些已有数据对之后的任务执行进行优化。而整体的无人设备平台操控以及任务中所涉及的运动算法、寻路算法等,大部分只能依靠经验或者纯模拟场景下的数据进行优化,导致优化的效果非常依赖于经验的准确性和模拟场景对现实的拟合情况。
基于此,发明人提出了本申请的技术构思:通过半虚拟方式,使用微服务方式在数据融合平台的无人终端搭建数据融合流水线,对仿真平台的数据进行数据融合,并将融合结果用于数据融合平台的无人终端在具体任务中的控制的决策,通过一系列的指标对数据融合获得的决策结果进行评价并反馈给数据融合模块用于优化决策及数据融合。
下面对本申请的基于半实物的数据融合评估方法进行说明,如图1所示,图1示出了本申请的一种基于半实物的数据融合评估方法的流程示意图。
而在接收数据仿真平台发送的传感器数据之前,还包括一些准备步骤,具体包括:
S100-1:确定目标任务场景,并根据目标任务场景确定任务评价标准。
在本实施方式中,目标任务场景是指用户想对数据融合平台的数据融合能力测试的环境,任务评价标准是指在目标任务场景下,用于评价数据融合平台的数据融合能力的参考指标。
作为示例的,若用户想测试民用无人机对目标的跟踪能力,则目标任务场景至少包含以下元素:路面、被跟踪的目标、无人机以及供无人机飞行的地域空间。而如果搭建上述元素构成的任务场景,即被跟踪的目标为设置为车辆,让车辆在路面上行驶,然后再控制无人机对车辆进行跟踪,并进行测试任务,而对于同一目标任务场景的测试,通常需要高次数的测试,已提供足够的数据支撑,如果采用上述方案,则会导致测试周期非常长,效率较低并且成本非常高。若是对民用无人机对目标的跟踪能力的测试,则任务评价标准可以是对民用无人机对目标跟踪能力的评价。
作为示例的,任务评价标准可以分为两个类别的评价,一个类别是对无人机测试任务的完成情况评价,另一个类别是对无人机测试任务中无人机自身运行状况的评价。对无人机测试任务的完成情况评价可以为无人机丢失目标的时间、无人机采集的目标图像的清晰度、无人机采集的目标图像中目标所处的位置等等。对无人机测试任务中无人机自身运行状况的评价可以为无人机偏离预设航线的情况、无人机的续航状况、无人机的异常飞行时间等等。
目标任务场景的选择和对应的任务评价标准是可以根据用户的需求来进行调整的,本申请对此不进行限定。
S100-2:数据仿真平台根据目标任务场景,搭建虚拟任务环境和虚拟执行设备。
S100-3:将虚拟执行设备在虚拟任务环境中采集的传感器数据发送给数据融合平台。
在S100-2至S100-3的实施方式中,继续以上述测试民用无人机对目标的跟踪能力为例,基于上述实物测试存在的问题,在确定目标任务场景之后,根据目标任务场景所需的元素,仿真平台可以通过数字孪生,对目标任务场景进行数据建模,即搭建由路面、被跟踪的目标、无人机以及供无人机飞行的地域空间等多种元素构成的虚拟目标任务场景,即虚拟任务环境,由于执行的任务是对民用无人机对目标的跟踪能力的测试,因此对应的虚拟执行设备即为虚拟无人机。而在搭建虚拟任务环境和虚拟执行设备之后,则将虚拟执行设备采集的传感器参数发给实物数据融合平台,通过将数据融合平台的信号接口连接,从而实现将虚拟执行设备采集的传感器参数发送给实物数据融合平台。这里的传感器数据可以为高度数据、图像数据、音频数据、速度数据、坐标数据等。
S101:接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据。
在本实施方式中,数据融合平台为真实存在的物理设备平台,数据融合平台可以包括:真实的无人终端、数据融合模块和评价模块。数据融合平台的数据接口与数据仿真平台连接,用于接收数据仿真平台发送的传感器数据,需要说明的是仿真平台发送的传感器数据为虚拟的传感器数据,而不是由传感器实际采集的真实数据。多模融合数据是指不同模态的传感器的融合数据。
而在获得数据仿真平台发送的多模传感器信号之后,需要在数据融合平台中根据多模传感器信号进行数据融合,其具体的步骤可以为:
S101-1:根据预设的数据分发关系,将传感器数据分发给每个微服务。
在本实施方式中,数据分发关系是指对于任意一个微服务来说,需要确定其从哪些地方获取传感器数据,又要向那些地方发送数据,其具体包括两种层级的数据分发关系,其具体的步骤包括:
S101-1-1:建立每个微服务与传感器数据源之间的数据分发关系。
在本实施方式中,第一层级的数据分发关系是指每个微服务与外部数据仿真平台发送的传感器数据的分发关系,即首先需要确定的是外部的传感器数据输入之后,输入到那些微服务之中,其具体的步骤可以包括:
S101-1-1-1:数据分发服务根据传感器数据源,发布第一数据流主题。
在本实施方式中,可以理解的是数据分发服务首先需要根据传感器数据的类型和连接情况,来确定其发布的数据流主题。
作为示例的,若数据分发服务接收到了为A、B、C、D四种类型的数据源,其中A类型的数据源代表高度数据,B类型的数据源代表图像数据,其中C类型的数据源代表音频数据,D类型的数据源代表坐标数据,则数据分发服务则会发布对应的数据流主题来表征建立了对应的数据流。
S101-1-1-2:微服务向数据分发服务,订阅第二数据流主题。
在本实施方式中,微服务由于无法获取到数据分发服务中具体有哪些数据流主题,并且其只能知晓其本身需要什么样的数据,因此微服务会根据其所需的数据向数据分发服务,订阅第二数据流主题,其第二数据流主题对应的数据是微服务所需的数据。
作为示例的,对于任意一个的微服务,其需要从传感器数据源获取的数据可以为一种,也可以为零种,还可以为多种,若其需要的数据为图像数据,则可以向数据分发服务,订阅图像数据流主题。
S101-1-1-3:在第一数据流主题和第二数据流主题匹配的情况下,建立传感器数据源和微服务的第一数据频道。
在本实施方式中,数据分发服务会检查每个微服务是否发送了订阅请求,如果微服务发送了订阅请求,并且第二数据流主题与数据分发服务发布的第一数据流主题存在匹配的情况,则建立传感器数据源和微服务之间的第一数据频道。
S101-1-1-4:通过第一数据频道,向微服务发送第一目标数据。
在本实施方式中,第一目标数据是指传感器数据源与微服务之间传输的实时数据,当微服务启动时,数据分发服务则会通过第一数据频道向微服务发送传感器数据源产生的实时目标数据,并将实时目标数据存储在微服务的本地储存空间内。
S101-1-2:建立每个微服务之间的数据分发关系。
在本实施方式中,除了每个微服务与外部的传感器数据源之间的第一层数据分发关系之外,任意一个微服务与其他微服务之间相互的数据分发关系也是要确定的,其具体的步骤可以为:
S101-1-2-1:第一微服务向数据分发服务,发布第三数据流主题。
在本实施方式中,对于任意一个微服务来说,其可以是发布者,也可以说订阅者,订阅者和发布者通过数据流主题产生关联。因此,第一微服务是一个发布者。
作为示例的,对于编号为M的微服务,在其对传感器数据源产生的实时图像数据进行处理,并完成之后,向数据分发服务,发布第三数据流主题,第三数据流主题为编号为M的微服务处理后的数据流主题,即处理后的图像数据对应的数据流主题,则第三数据流主题为:经过编号为M的微服务处理后的图像数据流主题。
S101-1-2-2:第二微服务向数据分发服务,订阅第四数据流主题。
在本实施方式中,第二微服务是订阅者,其根据其需要的数据的具体类型向分发服务发送订阅请求,即第四数据流主题对应的传感器数据类型是指作为订阅者的微服务所需的传感器数据类型。
作为示例的,对于编号为N的微服务,其用于对编号为M的微服务产生的数据做进一步的计算和优化,则其需要的传感器数据则为经过编号为M的微服务处理后的图像数据,因此第四数据流主题:经过编号为M的微服务处理后的图像数据流主题。
S101-1-2-3:在第三数据流主题和第四数据流主题匹配的情况下,建立第一微服务和第二微服务之间的第二数据频道。
在本实施方式中,数据分发服务会检查其接收到的第三数据流主题和第四数据流主题是否匹配,如果不匹配,则订阅者不会接收到数据,若匹配,则会建立第一微服务和第二微服务之间的第二数据频道,第二数据频道用于传输作为发布者的第一微服务和作为订阅者的第二微服务之间的数据。不同微服务之间建立的第二数据频道不同。
作为示例的,由于编号为M的微服务发布的第三数据流主题与编号为N的微服务订阅的第四数据流主题匹配,则会建立用于传输编号为M的微服务与编号为N的微服务之间数据的第二数据频道。
S101-1-2-4:第一微服务通过第二数据频道,向第二微服务发送第二目标数据。
在本实施方式中,第二实时目标数据是指不同的微服务之间的实时数据,在第二微服务启动时,第一微服务则会通过第二数据频道向第二微服务发送第二实时目标数据。
作为示例的,当编号为N的微服务启动时,编号为M的微服务会通过第二数据频道将经过编号为M的微服务处理后的图像数据,即第二目标数据,发送给编号为N的微服务。然后编号为1的微服务,会根据其内置的算法对经过编号为M的微服务处理后的图像数据进行相应的计算和处理,从而得到经过编号为N的微服务处理后的图像数据,然后进行发布,并发送给订阅了编号为N的微服务的其他微服务。
S101-2:每个微服务根据传感器数据,生成多模融合数据的中间数据。
在本实施方式中,在数据融合模块中,每个微服务会独立地去获取订阅的数据源,然后根据获取的数据源以及微服务中预先设置的算法,计算出本微服务的多模融合数据的中间数据,然后又将本微服务的多模融合数据的中间数据作为数据源发送给订阅了本微服务的其他微服务。
S101-3:通过数据融合程序流水线,按照次序调用每个微服务,并根据多模融合数据的中间数据,生成多模融合数据。
在本实施方式中,数据融合程序流水线是指将微服务按照一定的顺序,像流水线一样组合起来,按照数据融合程序流水线的顺序,依次启动并调用每个微服务,使得每个微服务能够计算出本微服务的多模融合数据的中间数据,直至最后一个微服务完成计算,生成多模融合数据。而数据融合程序流水线是通过以下步骤获得的:
S101-3-1:确定每个微服务的执行次数和执行次序;
S101-3-2:根据执行次数,确定子数据融合程序流水线的数量;
S101-3-3:确定每个微服务的调用接口;
S101-3-4:根据执行次序,对每个微服务的调用接口进行排序,生成子数据融合程序流水线;
S101-3-5:将子数据融合程序流水线进行组合,生成由微服务组成的数据融合程序流水线。
在S101-3-1至S101-3-5的实施方式中,在建立每个微服务的数据分发关系之后,在搭建数据融合程序流水线时,需要确定每个微服务的执行次序和执行次数。
作为示例的,若确定的微服务为编号为A的微服务、与编号为a的微服务,编号为B的微服务、与编号为b的微服务、编号为C的微服务、与编号为c的微服务。而根据用户的需要,编号为A的微服务的执行次数为一次,则两次的执行次序为第一位,而编号为a的微服务需要执行两次,则两次的执行次序分别为第二位和第四位,编号为B的微服务的执行次数为两次,执行次序为第三和第五位,编号为b的微服务的执行次数为一次,执行次序为第六位,编号为C的微服务的执行次数为一次,执行次序为第七位,号为c的微服务的执行次数为一次,执行次序为第八位。当确定出每个微服务的执行次序和执行次数之后,则需要将不同的微服务作为不同的工序,添加到流水线中,从而生成数据融合程序流水线。
由于不同的微服务之间相互组合可以得到不同的子流水线,而不同的子流水线最终组合起来才能得到数据融合程序流水线。
作为示例的,继续以上述实施例进行说明,由于执行次数的最大值为两次,则确定子数据融合程序流水线的数量为两条,API调用接口(Application ProgrammingInterface应用程序接口),API调用接口是提供给外部使用微服务的接入点,即通过API调用接口即可对微服务进行调用。由于子数据融合程序流水线的数量为两条,则其中一条的子数据融合程序流水线的次序可以为:编号为A的微服务-编号为a的微服务-编号为B的微服务-编号为b的微服务-编号为C的微服务-编号为c的微服务,而另一条子数据融合程序流水线的次序可以为:编号为a的微服务-编号为B的微服务。然后按照上述次序对每个API调用接口进行排布,从而生成两条子数据融合程序流水线,然后将两条子数据融合程序流水线进行整合,就能得到总的数据融合程序流水线。然后在执行总的数据融合程序流水线时,就会按照对应的次序,通过API调用接口去调用微服务,从而通过数据分发服务的方式分发得到多模融合数据的中间数据及最终的多模融合数据的数据。由于可以通过不同线程负责不同的子数据融合程序流水线,因此可以在一定程度上实现并发,提高吞吐量。
S102:根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台。
在本实施方式中,当数据融合模块生成多模融合数据之后,将其发送给真实的无人终端,使得无人终端能够根据多模融合数据生成对应的控制指令,其具体的步骤可以为:
S102-1:根据多模融合数据,确定设备控制策略;
S102-2:根据设备控制策略,生成设备控制指令。
在S102-1至S102-2的实施方式中,无人终端的决策模块会根据多模融合数据重构目标任务场景,然后决策模块通过对数据融合结果进行处理,提出决策方案,并将对应的决策方案传递给控制模块,控制模块根据决策模块提出的决策,转化为实际无人终端的控制策略,并下发给无人终端的实际操控模块,操控模块对控制策略进行解析,并使用合适的算法,从而生成无人终端的设备控制指令,并将该控制指令发送给数据仿真平台。
S102-3:接收设备控制指令,并根据设备控制指令控制虚拟执行设备;
在本实施方式中,数据仿真平台接收到设备控制指令之后,将其转化成对虚拟执行设备的控制指令,从而实现对虚拟执行设备的控制。
作为示例的,设备控制指令包含2个层级的控制指令,以虚拟执行设备为虚拟无人机进行说明,第一个层级的控制指令可以为设备层级的控制指令,例如控制虚拟无人机的飞行方向、飞行速度、飞行姿态等等,第一个层级的控制指令可以为任务执行层级的控制指令,例如控制虚拟无人机对被跟踪目标进行拍照,控制无人机进行定位等等,具体的控制指令由真实无人机的主控端,根据获取的多模融合数据计算评估得到。因此使得虚拟无人机能够根据真实无人机下发的控制指令做出相应的响应动作。
S102-4:采集任务评价参数并发送给数据融合平台。
在本实施方式中,任务评价参数是指虚拟执行设备在按照控制指令执行任务的过程中的参数,其与任务评价标准对应,包括表征虚拟执行设备测试任务的完成情况的参数,另一个类别表征对虚拟执行设备测试任务中虚拟执行设备自身运行状况的参数。
作为示例的,以测试民用无人机对目标的跟踪能力进行说明,则任务完成度评价参数可以为无人机丢失目标的时间、无人机采集的目标图像的清晰度,而运行评价参数可以为无人机偏离预设航线的角度、无人机的电池电量、无人机的异常飞行时间等等。
S103:接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数。
在本实施方式中,在接收到数据仿真平台反馈的任务评价参数之后,将任务评价参数发送给评估模块,评估模块根据任务评价参数和任务评价标准的匹配度,确定用于表征本次任务完成情况的任务评估分数,其具体的步骤可以为:
S103-1:根据任务完成度评价参数与任务评价标准的匹配度,计算第一任务评估分数。
在本实施方式中,以无人机丢失目标的时间进行说明,若任务评价标准规定无人机不能丢失目标,而任务完成度评价参数中无人机丢失目标的时间占整个跟踪时间的百分比为百分之五,则可以确定第一任务评估分数为95分。对于第一任务评估分数的计算,应该计算每种任务完成度评价参数各自的评估分数,然后按照预设的权重,进行加权求和,得到最终的第一任务评估分数。
S103-2:根据运行评价参数与任务评价标准的匹配度,计算第二任务评估分数。
在本实施方式中,以无人机偏离预设航线的角度进行说明,若任务评价标准规定无人机不能存在航线偏离,而运行评价参数中无人机偏离预设航线的角度百分比为百分之二,则可以确定第二任务评估分数为98分。对于第二任务评估分数的计算,应该计算每种运行评价参数各自的评估分数,然后按照预设的权重,进行加权求和,得到最终的第二任务评估分数。
S102-5-3:根据第一任务评估分数和第二任务评估分数,计算任务评估分数。
在本实施方式中,在获得第一任务评估分数和第二任务评估分数之后,根据第一任务评估分数和第二任务评估分数各自对应的权重比,权重比反映了任务的侧重点,若任务侧重点在于任务完成度,则第一任务评估分数对应的权重高于第二任务评估分数对应的权重,任务侧重点在于无人机的运行稳定性,则第一任务评估分数对应的权重低于第二任务评估分数对应的权重。
S104:根据任务评估分数,对数据融合平台进行模型参数调整。
在本实施方式中,在获得本次任务的评估分数之后,则需要根据评估分数与预设的分数阈值的关系,来确定是否对数据融合平台进行模型参数调整,其具体的步骤可以为:
S104-1:在任务评估分数大于或等于预设阈值的情况下,将数据融合平台当前的模型参数,确定为目标模型参数;
S104-2:在评估分数小于阈值的情况下,根据任务评价标准与数据融合平台模型参数的映射关系,将数据融合平台当前的模型参数,调整为修正模型参数,并继续执行根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台的步骤。
在S104-1至S104-2的实施方式中,若任务评估分数大于或等于预设阈值,则说明基于数据融合平台中数据融合模块采用的模型参数,能够实现对目标任务环境较良好的完成任务,因此可以不需要进行修改,将数据融合平台当前的模型参数,确定为目标模型参数,并进行参数固化,得到目标融合模块,并将目标数据融合模块搭载与无人平台上,使得无人平台在面对真实的目标任务场景时,能够较为优秀的完成任务,从而大大地提高了测试效率,降低了测试的成本。而在估分数小于预设阈值的情况下,则说明当前无人平台无法成功完成任务,因此需要对数据融合模块进行参数调整,然后根据任务评价标准与数据融合平台模型参数的映射关系,对数据融合平台当前的模型参数进行修改。
作为示例的,若发现评估分数小于阈值,具体分析之后,确定其原因是任务完成度评价参数中的无人机丢失目标的时间这一项没达到要求,则可以根据无人机丢失目标的时间参数与数据融合平台模型参数的映射关系,确定出待修改的模型参数L,则调整模型参数L,并继续执行上述步骤,直至任务评估分数大于或等于预设阈值。
本发明实施例还提供了一种基于半实物的数据融合评估系统,参照图2,示出了本发明一种基于半实物的数据融合评估系统实施例第一方面的功能单元图,系统包括:
第一接收单元201,用于接收数据仿真平台发送的传感器数据,并对传感器数据进行数据融合,生成多模融合数据;
指令生成单元202,用于根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台;
第二接收单元203,用于接收数据仿真平台反馈的任务评价参数,并根据任务评价参数和任务评价标准的匹配度,确定任务评估分数;
调整单元204,用于根据任务评估分数,对数据融合平台进行模型参数调整。
在一种可行的实施方式中,指令生成单元,包括:
策略确定子单元,用于根据多模融合数据,确定设备控制策略;
指令确定子单元,用于根据设备控制策略,生成设备控制指令。
在一种可行的实施方式中,第二接收单元,包括:
第一计算子单元,用于根据任务完成度评价参数与任务评价标准的匹配度,计算第一任务评估分数;
第二计算子单元,用于根据运行评价参数与任务评价标准的匹配度,计算第二任务评估分数;
第三计算子单元,用于根据第一任务评估分数和第二任务评估分数,计算任务评估分数。
在一种可行的实施方式中,调整单元,包括:
第一执行子单元,用于在任务评估分数大于或等于预设阈值的情况下,将数据融合平台当前的模型参数,确定为目标模型参数;
第二执行子单元,用于在评估分数小于阈值的情况下,根据任务评价标准与数据融合平台模型参数的映射关系,将数据融合平台当前的模型参数,调整为修正模型参数,并继续执行根据多模融合数据,生成设备控制指令,并将设备控制指令发送至数据仿真平台的步骤。
在一种可行的实施方式中,第一接收单元包括:
数据分发子单元,用于根据预设的数据分发关系,将传感器数据分发给每个微服务;
数据计算子单元,用于每个微服务根据传感器数据,生成多模融合数据的中间数据;
数据融合子单元,用于通过数据融合程序流水线,按照次序调用每个微服务,并根据多模融合数据的中间数据,生成多模融合数据。
在一种可行的实施方式中,数据融合子单元包括:
第一确定模块,用于确定每个微服务的执行次数和执行次序;
第二确定模块,用于根据执行次数,确定子数据融合程序流水线的数量;
第三确定模块,用于确定每个微服务的调用接口;
排序模块,用于根据执行次序,对每个微服务的调用接口进行排序,生成子数据融合程序流水线;
组合模块,用于将子数据融合程序流水线进行组合,生成由微服务组成的数据融合程序流水线。
在一种可行的实施方式中,系统还包括:数据准备单元,数据准备单元包括:
场景确定子单元,用于确定目标任务场景,并根据目标任务场景确定任务评价标准;
仿真子单元,用于数据仿真平台根据目标任务场景,搭建虚拟任务环境和虚拟执行设备;
第一数据传输子单元,用于将虚拟执行设备在虚拟任务环境中采集的传感器数据发送给数据融合平台;
数据接收子单元,用于接收设备控制指令,并根据设备控制指令控制虚拟执行设备;
第二数据传输子单元,用于采集任务评价参数并发送给数据融合平台。
基于同一发明构思,本申请的实施例还提出了一种电子设备,电子设备包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请实施例的基于半实物的数据融合评估方法。
此外,为实现上述目的,本申请的实施例还提出了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现本申请实施例的基于半实物的数据融合评估方法。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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储存介质(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。
本发明实施例是参照根据本发明实施例的方法、终端设备(装置)、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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。“和/或”表示可以选择两者之中的任意一个,也可以两者都选择。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于半实物的数据融合评估方法、系统、设备及储存介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于半实物的数据融合评估方法,用于数据融合平台,其特征在于,方法包括:
接收数据仿真平台发送的传感器数据,并对所述传感器数据进行数据融合,生成多模融合数据;
根据所述多模融合数据,生成设备控制指令,并将所述设备控制指令发送至所述数据仿真平台;
接收数据仿真平台反馈的任务评价参数,并根据所述任务评价参数和任务评价标准的匹配度,确定任务评估分数;
根据所述任务评估分数,对所述数据融合平台进行模型参数调整。
2.根据权利要求1所述的基于半实物的数据融合评估方法,其特征在于,根据所述多模融合数据,生成设备控制指令的步骤,包括:
根据所述多模融合数据,确定设备控制策略;
根据所述设备控制策略,生成设备控制指令。
3.根据权利要求1所述的基于半实物的数据融合评估方法,其特征在于,所述任务评价参数包括任务完成度评价参数和运行评价参数;根据所述任务完成参数和任务评价标准的匹配度,确定任务评估分数的步骤,包括:
根据所述任务完成度评价参数与所述任务评价标准的匹配度,计算第一任务评估分数;
根据所述运行评价参数与所述任务评价标准的匹配度,计算第二任务评估分数;
根据所述第一任务评估分数和所述第二任务评估分数,计算所述任务评估分数。
4.根据权利要求1所述的基于半实物的数据融合评估方法,其特征在于,根据所述任务评估分数,对所述数据融合平台进行模型参数调整的步骤,包括:
在所述任务评估分数大于或等于预设阈值的情况下,将所述数据融合平台当前的模型参数,确定为目标模型参数;
在所述评估分数小于阈值的情况下,根据所述任务评价标准与数据融合平台模型参数的映射关系,将所述数据融合平台当前的模型参数,调整为修正模型参数,并继续执行根据所述多模融合数据,生成设备控制指令,并将所述设备控制指令发送至所述数据仿真平台的步骤。
5.根据权利要求1所述的基于半实物的数据融合评估方法,其特征在于,并对所述传感器仿真数据进行数据融合,生成多模融合数据的步骤,包括:
根据预设的数据分发关系,将所述传感器数据分发给每个微服务;
每个所述微服务根据所述传感器数据,生成多模融合数据的中间数据;
通过数据融合程序流水线,按照次序调用每个所述微服务,并根据所述多模融合数据的中间数据,生成多模融合数据。
6.根据权利要求5所述的基于半实物的数据融合评估方法,其特征在于,所述数据融合程序流水线是通过以下步骤获得的:
确定所述每个微服务的执行次数和执行次序;
根据所述执行次数,确定子数据融合程序流水线的数量;
确定每个所述微服务的调用接口;
根据所述执行次序,对每个所述微服务的调用接口进行排序,生成所述子数据融合程序流水线;
将所述子数据融合程序流水线进行组合,生成由所述微服务组成的数据融合程序流水线。
7.根据权利要求6所述的基于半实物的数据融合评估方法,其特征在于,所述方法还包括:
确定目标任务场景,并根据所述目标任务场景确定任务评价标准;
所述数据仿真平台根据所述目标任务场景,搭建虚拟任务环境和虚拟执行设备;
将所述虚拟执行设备在所述虚拟任务环境中采集的传感器数据发送给所述数据融合平台;
接收所述设备控制指令,并根据所述设备控制指令控制所述虚拟执行设备;
采集任务评价参数并发送给所述数据融合平台。
8.一种基于半实物的数据融合评估系统,其特征在于,系统包括:
第一接收单元,用于接收数据仿真平台发送的传感器数据,并对所述传感器数据进行数据融合,生成多模融合数据;
指令生成单元,用于根据所述多模融合数据,生成设备控制指令,并将所述设备控制指令发送至所述数据仿真平台;
第二接收单元,用于接收数据仿真平台反馈的任务评价参数,并根据所述任务评价参数和任务评价标准的匹配度,确定任务评估分数;
调整单元,用于根据所述任务评估分数,对所述数据融合平台进行模型参数调整。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如权利要求1-7任意一项所述的基于半实物的数据融合评估方法。
10.一种储存介质,其特征在于,所述储存介质存储有计算机指令,所述计算机指令被处理器执行时实现上述权利要求1-7任意一项所述的基于半实物的数据融合评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211211208.9A CN115577318B (zh) | 2022-09-30 | 2022-09-30 | 基于半实物的数据融合评估方法、系统、设备及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211211208.9A CN115577318B (zh) | 2022-09-30 | 2022-09-30 | 基于半实物的数据融合评估方法、系统、设备及储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115577318A true CN115577318A (zh) | 2023-01-06 |
CN115577318B CN115577318B (zh) | 2023-07-21 |
Family
ID=84582981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211211208.9A Active CN115577318B (zh) | 2022-09-30 | 2022-09-30 | 基于半实物的数据融合评估方法、系统、设备及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115577318B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107678307A (zh) * | 2017-11-09 | 2018-02-09 | 重庆鲁班机器人技术研究院有限公司 | 半实物仿真测试方法、装置及系统 |
WO2018176373A1 (zh) * | 2017-03-31 | 2018-10-04 | 深圳市大疆创新科技有限公司 | 基于多传感器数据融合的飞行模拟方法、装置及设备 |
CN109145390A (zh) * | 2018-07-26 | 2019-01-04 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 卫星信息应用终端效能评估的半实物仿真系统 |
CN109241617A (zh) * | 2018-09-03 | 2019-01-18 | 哈尔滨工业大学 | 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 |
CN109739939A (zh) * | 2018-12-29 | 2019-05-10 | 颖投信息科技(上海)有限公司 | 知识图谱的数据融合方法和装置 |
CN111061164A (zh) * | 2019-12-06 | 2020-04-24 | 上海航天控制技术研究所 | 一种无人机半实物仿真系统与仿真方法 |
WO2020173020A1 (zh) * | 2019-02-26 | 2020-09-03 | 北京控制工程研究所 | 航天器交会对接飞行控制智能数据分析与决策支持系统 |
CN112965399A (zh) * | 2021-03-24 | 2021-06-15 | 中国人民解放军63653部队 | 一种面向工程机械设备的半实物仿真试验方法及装置 |
CN113326018A (zh) * | 2021-06-04 | 2021-08-31 | 上海传英信息技术有限公司 | 处理方法、终端设备及存储介质 |
CN113722912A (zh) * | 2021-08-31 | 2021-11-30 | 中国电子科技集团公司第五十四研究所 | 一种虚实融合的无人集群协同验证系统 |
WO2021258327A1 (zh) * | 2020-06-22 | 2021-12-30 | 拓攻(南京)机器人有限公司 | 一种无人机可视化半实物仿真系统及其仿真方法 |
CN114446106A (zh) * | 2022-01-20 | 2022-05-06 | 大连海事大学 | 无人船艇自主航行能力虚实融合测试评估方法、实训教学平台 |
-
2022
- 2022-09-30 CN CN202211211208.9A patent/CN115577318B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018176373A1 (zh) * | 2017-03-31 | 2018-10-04 | 深圳市大疆创新科技有限公司 | 基于多传感器数据融合的飞行模拟方法、装置及设备 |
CN107678307A (zh) * | 2017-11-09 | 2018-02-09 | 重庆鲁班机器人技术研究院有限公司 | 半实物仿真测试方法、装置及系统 |
CN109145390A (zh) * | 2018-07-26 | 2019-01-04 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 卫星信息应用终端效能评估的半实物仿真系统 |
CN109241617A (zh) * | 2018-09-03 | 2019-01-18 | 哈尔滨工业大学 | 一种基于系统分类的制导控制半实物仿真系统可信度评估方法 |
CN109739939A (zh) * | 2018-12-29 | 2019-05-10 | 颖投信息科技(上海)有限公司 | 知识图谱的数据融合方法和装置 |
WO2020173020A1 (zh) * | 2019-02-26 | 2020-09-03 | 北京控制工程研究所 | 航天器交会对接飞行控制智能数据分析与决策支持系统 |
CN111061164A (zh) * | 2019-12-06 | 2020-04-24 | 上海航天控制技术研究所 | 一种无人机半实物仿真系统与仿真方法 |
WO2021258327A1 (zh) * | 2020-06-22 | 2021-12-30 | 拓攻(南京)机器人有限公司 | 一种无人机可视化半实物仿真系统及其仿真方法 |
CN112965399A (zh) * | 2021-03-24 | 2021-06-15 | 中国人民解放军63653部队 | 一种面向工程机械设备的半实物仿真试验方法及装置 |
CN113326018A (zh) * | 2021-06-04 | 2021-08-31 | 上海传英信息技术有限公司 | 处理方法、终端设备及存储介质 |
CN113722912A (zh) * | 2021-08-31 | 2021-11-30 | 中国电子科技集团公司第五十四研究所 | 一种虚实融合的无人集群协同验证系统 |
CN114446106A (zh) * | 2022-01-20 | 2022-05-06 | 大连海事大学 | 无人船艇自主航行能力虚实融合测试评估方法、实训教学平台 |
Non-Patent Citations (4)
Title |
---|
LAURENT BOURGOIS 等: "Semi-physical neural modeling for linear signal restoration", 《NEURAL NETWORKS》, vol. 38, pages 90 - 101 * |
徐蓓蓓: "微小型无人飞行器视觉辅助导航姿态信息提取方法", no. 07, pages 138 - 890 * |
李娟;严永锋;王小军;: "编队作战指挥信息系统半实物仿真测试平台构建", vol. 33, no. 12, pages 98 - 100 * |
王健 等: "基于半实物仿真飞行平台的飞行记录系统设计", vol. 45, no. 02, pages 410 - 416 * |
Also Published As
Publication number | Publication date |
---|---|
CN115577318B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110209146B (zh) | 自动驾驶车辆的测试方法、装置、设备及可读存储介质 | |
KR102414901B1 (ko) | 인공지능 모듈 맵 기반 이용 목적에 따른 인공지능 모듈 추천 방법 | |
KR102658966B1 (ko) | 공기 조화기의 센서 데이터를 보정하는 인공 지능 공기 조화기 및 그 방법 | |
CN107885871A (zh) | 基于云计算的同步定位与地图构建方法、系统、交互系统 | |
CN113342704B (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
CN112580582B (zh) | 动作学习方法、装置、介质及电子设备 | |
US11514212B2 (en) | Method of simulating autonomous vehicle in virtual environment | |
US11762352B2 (en) | Edge computing device for controlling electromechanical system or electronic device with local and remote task distribution control | |
CN114779806A (zh) | 一种分布式协同的任务处理方法、装置、设备及存储介质 | |
CN114217303A (zh) | 目标定位跟踪方法及装置、水下机器人和存储介质 | |
CN111966111B (zh) | 基于自动配电的移动充电设备编队控制方法、系统、装置 | |
CN115577318B (zh) | 基于半实物的数据融合评估方法、系统、设备及储存介质 | |
CN116361130B (zh) | 基于虚拟现实人机交互系统的评价方法 | |
CN112994980A (zh) | 时延测试方法、装置、电子设备和存储介质 | |
CN115167178A (zh) | 自动驾驶算法的远程控制仿真方法、装置及存储介质 | |
GB2603241A (en) | Latency determinations for human interface devices | |
CN113836425A (zh) | 基于异构图注意力网络的电影推荐方法、装置及设备 | |
KR102224693B1 (ko) | 제어 명령에 따른 이동체의 이동결과 추정을 위한 인공지능 모델 학습방법, 장치 및 프로그램 | |
CN114852098A (zh) | 一种用于自动驾驶算法评价的系统、方法及存储介质 | |
CN114743379B (zh) | 基于北斗的城市大面积路网交通感知方法、系统及云平台 | |
CN115577317B (zh) | 数据融合效果评估方法、系统、电子设备及储存介质 | |
CN116483310B (zh) | 车内音量调节方法、装置、设备及介质 | |
CN112289023B (zh) | 用于自动驾驶的停车仿真测试方法、装置及相关设备 | |
WO2023207360A1 (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN117058729A (zh) | 一种人脸识别模型的隐私测评方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |