CN117827014A - 一种基于元宇宙的数字孪生模型多人交互协作系统 - Google Patents

一种基于元宇宙的数字孪生模型多人交互协作系统 Download PDF

Info

Publication number
CN117827014A
CN117827014A CN202410246606.7A CN202410246606A CN117827014A CN 117827014 A CN117827014 A CN 117827014A CN 202410246606 A CN202410246606 A CN 202410246606A CN 117827014 A CN117827014 A CN 117827014A
Authority
CN
China
Prior art keywords
task
interaction
execution
training
time
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
Application number
CN202410246606.7A
Other languages
English (en)
Other versions
CN117827014B (zh
Inventor
罗翼鹏
易洁
袁梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Wutong Technology Co ltd
Original Assignee
Sichuan Wutong Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Wutong Technology Co ltd filed Critical Sichuan Wutong Technology Co ltd
Priority to CN202410246606.7A priority Critical patent/CN117827014B/zh
Publication of CN117827014A publication Critical patent/CN117827014A/zh
Application granted granted Critical
Publication of CN117827014B publication Critical patent/CN117827014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于元宇宙的数字孪生模型多人交互协作系统，涉及数字孪生技术领域，包括控制中心，所述控制中心连接有数据采集模块、数据处理模块、协作分析模块以及交互模拟模块；所述数据采集模块用于采集多人交互过程的交互数据；所述数据处理模块对获得的交互数据进行处理，获得任务执行策略，并构建交互孪生空间；所述协作分析模块根据所获得的交互孪生空间对获得的任务执行策略进行分析，获得训练集合和测试集合；所述交互模拟模块在交互孪生空间中对获得的训练集合和测试集合进行模拟交互，获得最优任务排序；实现在多人交互过程中对任务执行顺序的实时优化，大大提高团队协作效率和灵活性，有助于提高团队工作效率。

Description

一种基于元宇宙的数字孪生模型多人交互协作系统
技术领域
本发明涉及数字孪生技术领域，具体是一种基于元宇宙的数字孪生模型多人交互协作系统。
背景技术
元宇宙是由虚拟现实、增强现实、人工智能、区块链等技术构建而成，以模拟现实世界或创造全新的虚拟世界。
数字孪生模型是指利用数字化技术对现实世界的物理实体、系统或过程进行建模和仿真，以实现实时的、高度精细的虚拟模拟。数字孪生模型将物理世界的实体、设备、工艺等进行数字化描述，通过模拟和分析，可以实现对这些实体的监测、优化、预测和决策支持。
多人交互协作系统指的是一个可以让多人同时在一个平台上合作、交流、分享资源和信息的系统。随着交互增多，也会出现一些问题，包括交互人数增多后沟通不畅、交互过程中的协作难度大、交互信息的安全漏洞大、交互协作过程中的效率低下；因此，基于元宇宙数字孪生模型的基础上对多人交互协作的任务执行顺序进行判定，具有重要的理论和现实意义。
如何利用数字孪生技术对多人交互过程的交互数据进行采集和处理，获得任务执行策略，并构建交互孪生空间，通过交互孪生空间对任务执行策略进行分析，获得训练集合和测试集合，再通过交互孪生空间对获得的训练集合和测试集合进行模拟交互，获得最优任务排序，是我们需要解决的问题；为此，现提供一种基于元宇宙的数字孪生模型多人交互协作系统。
发明内容
本发明的目的可以通过以下技术方案实现：
一种基于元宇宙的数字孪生模型多人交互协作系统，包括控制中心，所述控制中心连接有数据采集模块、数据处理模块、协作分析模块以及交互模拟模块；
所述数据采集模块采集交互数据的过程包括：
设置交互单元，所述交互单元连接有若干分组采集端口，通过分组采集端口采集用户的输出数据；
将分组采集端口采集的输出数据上传至交互单元，通过交互单元对输出数据进行捕捉，获得交互数据；
所述交互数据包括交流任务以及任务时间，所述任务时间包括任务开始时间以及任务时限。
所述数据处理模块对交互数据进行处理的过程包括：
根据所获得的任务开始时间和任务时限获得任务结束时间；
对获得的交互数据中的交流任务进行分类，获得任务执行策略和任务资源成本；
根据所获得的任务执行策略，对任务执行策略进行拆分，获得执行指令，所述任务执行策略是包括若干执行指令的执行指令集合。
获得交互孪生空间的过程包括：
根据任务执行策略对应的执行指令集合生成执行流程图；
根据所获得的任务时间构建任务时间轴，将任务执行策略对应的任务开始时间、任务时限以及任务结束时间标记在任务时间轴对应位置处；
根据所获得的任务执行策略以及任务时间构建交互孪生空间，将获得的执行流程图上传至交互孪生空间，并将任务时间轴与交互孪生空间相关联。
所述协作分析模块根据所获得的交互孪生空间对任务执行策略进行分析的过程包括：
根据所获得的任务执行策略对应的执行流程图获得任务执行关键词，对任务执行关键词的数目进行统计，获得任务关键词数目；
根据所获得的任务执行关键词、任务关键词数目以及执行指令集合获得任务相似度；
对获得的任务相似度进行排序，并根据所获得的前若干位任务相似度获得前部相似均值；
根据所获得的任务相似度以及前部相似均值设置相似度阈值，将获得的任务相似度与相似度阈值进行比对，获得前部任务策略。
获得训练集合和测试集合的过程包括：
将获得的前部任务策略标记在任务时间轴上，对获得的任务时间轴进行重合比对，并标记交点时间；
根据所获得的任务时间轴以及交点时间获得重合时间占比，根据所获得的重合时间占比和任务相似度获得分类综合度；
根据所获得的分类综合度对任务执行策略进行分类筛选，获得任务策略类型，将获得的任务策略类型进行分组，获得训练集合和测试集合。
所述交互模拟模块在交互孪生空间中对获得的训练集合和测试集合进行模拟交互的过程包括：
获取训练集合内的任务策略类型中任务执行策略对应的执行流程图，对执行流程图进行训练替换，并将替换后的执行流程图标记为交换训练任务，将进行训练替换的执行流程图标记为原训练任务；
根据所获得的任务资源成本获得交换资源成本，记录交换训练任务的训练开始时间、训练结束时间；
根据所获得的交换资源成本、训练开始时间以及训练结束时间获得交换训练分析度；
获取测试集合内的任务策略类型对应的执行流程图，根据所获得的任务资源成本、任务开始时间和任务结束时间获得原测试分析度。
获得最优任务排序的过程包括：
将测试集合内的执行流程图和训练集合内的交换训练任务的执行流程图进行比对，获得同源任务流程；
对同源任务流程的原测试分析度和交换训练分析度进行排序，获得初始任务排序，若测试集合中执行流程图在初始任务排序中的排序大于训练集合中的交换训练任务，则对测试集合进行训练替换，获得交换测试分析度，根据交换测试分析度与初始任务排序中对应执行流程图的交换训练分析度的对比结果，对初始任务排序中的执行流程图进行替换，获得最优任务排序。
与现有技术相比，本发明的有益效果是：对采集的交互数据进行处理，获得任务执行策略和执行指令，构建交互孪生空间，根据所获得的任务执行策略生成执行流程图，并上传至交互孪生空间，根据所获得的任务时间获得任务时间轴，并将任务时间轴与交互孪生空间相关联；
通过交互孪生空间对任务执行策略进行分析，获得任务相似度和重合时间占比，并根据重合时间占比和任务相似度获得分类综合度，通过分类综合度对任务执行策略进行分类筛选，获得任务策略类型，将获得的任务策略类型进行分组，获得训练集合和测试集合；
在交互孪生空间中对训练集合和测试集合进行模拟交互，获得交换训练分析度，根据交换训练分析度的排序获得初始任务排序，若初始任务排序中测试集合的原测试分析度大于训练集合的交换训练分析度，则对测试集合进行训练替换，获得最优任务排序；实现多人在虚拟空间中的实时协作，大大提高团队协作效率和灵活性，有助于提高团队工作效率。
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为本发明的原理图；
图2为本发明的执行流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
如图1所示，一种基于元宇宙的数字孪生模型多人交互协作系统，包括控制中心，所述控制中心连接有数据采集模块、数据处理模块、协作分析模块以及交互模拟模块；
所述数据采集模块用于采集多人交互过程的交互数据，具体过程包括：
设置交互单元，所述交互单元连接有若干分组采集端口，通过分组采集端口采集用户的输出数据，需要进一步说明的是，在具体实施过程中，所述用户为进行多人交互的对象，并将用户标记为i，其中，i=1，2，3，……，u1，u1为正整数；
将分组采集端口采集的输出数据上传至交互单元，通过交互单元对输出数据进行捕捉，获得交互数据；
所述交互数据包括交流任务以及任务时间，将所获得的交流任务标记为j，其中j=1，2，3，……，u2，u2为正整数；
所述任务时间包括任务开始时间以及任务时限，将所获得的任务开始时间以及任务时限标记为taj以及t0j；
所述数据处理模块用于对获得的交互数据进行处理，获得任务执行策略和任务指令，根据所获得的任务指令构建交互孪生空间，具体过程包括：
对获得的交互数据中的交流任务进行分类，获得任务执行策略和任务记录，所述任务记录包括任务资源成本以及任务分配信息，将所获得的任务资源成本标记为RBj；
根据所获得的任务执行策略，对获得的任务执行策略进行拆分，获得执行指令，所述任务执行策略是包括若干执行指令的执行指令集合，将所获得的执行指令集合标记为Z1～ZM，其中，ZM={dM，n}，dM，n是第M执行指令集合中的第n执行指令，n是执行指令的编号；
根据所获得的任务执行策略、任务时间以及任务记录构建交互孪生空间，所述交互孪生空间连接有若干交互虚拟子空间，所述交互虚拟子空间用于存储用户的交互数据；
如图2，将获得的任务执行策略上传至交互孪生空间，根据任务执行策略对应的执行指令集合生成执行流程图；
需要进一步说明的是，在具体实施过程中，在相邻两个执行指令之间设置流程节点，并将获得的流程节点标记为g，其中g=1，2，3，……，u3，u3为正整数，所述任务执行策略与对应生成的执行流程图相关联；
根据所获得的任务时间构建任务时间轴；
需要进一步说明的是，在具体实施过程中，所述任务时间轴是以时间为横轴、任务执行策略为纵轴的平面直角坐标系；
将任务执行策略对应的任务开始时间和任务时限标记在任务时间轴对应位置处，并根据任务开始时间和任务时限获得任务结束时间，将所获得的任务结束时间标记为tbj，并将获得的任务结束时间标记在任务时间轴对应位置；
需要进一步说明的是，在具体实施过程中，将任务时间轴上任务开始时间和任务结束时间之间的范围标记上颜色，用于区分不同任务执行策略不同的任务开始时间、任务结束时间以及获得任务时限；
将获得的任务时间轴与交互孪生空间相关联。
所述协作分析模块用于根据所获得的交互孪生空间对任务执行策略进行分析，获得训练集合和测试集合，具体过程包括：
根据所获得的任务执行策略对应的执行流程图获得任务执行关键词，将所获得的任务执行关键词标记为RSj；
对获得的任务执行关键词的数目进行统计，获得任务关键词数目，将所获得的任务关键词数目标记为Sj；
根据所获得的任务执行关键词、任务关键词数目以及执行指令集合获得任务相似度，将所获得的任务相似度标记为RXj，其中，/>表示执行指令集合中的执行指令数目均值，/>表示任务关键词数目均值；
将获得的任务相似度按照由大到小的顺序进行排序，获取排序前e位任务相似度对应的任务执行策略，根据所获得的前e位任务相似度获得前部相似均值，将所获得的前部相似均值标记为，其中/>，e表示统计的任务相似度的数目，α1为比例因子；
根据所获得的任务相似度以及前部相似均值设置相似度阈值，将所获得的相似度阈值标记为X0，其中，α2和α3为影响因子；
根据所获得的相似度阈值，将获得的任务相似度与相似度阈值进行比对，获得任务相似度大于等于相似度阈值的任务执行策略，并将所获得的任务相似度大于等于相似度阈值的任务执行策略标记为前部任务策略；
将获得的前部任务策略标记在任务时间轴上，对获得的任务时间轴进行重合比对；
需要进一步说明的是，在具体实施过程中，所述重合比对是指将前部任务策略的任务开始时间和任务结束时间分别用对应的时间线标记出来，并将不同前部任务策略的任务开始时间和任务结束时间对应的时间线与其他前部任务策略的交点标记为p，将交点对应的时间标记为交点时间，记作tp；
根据所获得的任务时间轴以及交点时间获得重合时间占比，将所获得的重合时间占比标记为，其中/>；
根据所获得的重合时间占比和任务相似度获得分类综合度，将所获得的分类综合度标记为ZD，其中，β1和β2为相似因子，且β1+β2=1；
根据所获得的分类综合度对任务执行策略进行分类筛选，获得任务策略类型，将所获得的任务策略类型标记为L1，L2，L3，……Lv，其中，Lv={Cv，y}，Cv，y表示第v任务策略类型的第y 个任务执行策略，y表示任务策略类型中的任务执行策略的编号；
需要进一步说明的是，在具体实施过程中，所述分类筛选是根据获得的分类综合度进行分类，设置第一综合阈值和第二综合阈值，将所获得的第一综合阈值和第二综合阈值分别标记为F1和F2，获取分类综合度，将满足F1≤ZD≤F2范围内的任务执行策略划分为同一任务策略类型；
将获得的任务策略类型进行分组，获得训练集合和测试集合，将训练结合内任务策略类型的任务执行策略标记为Cv1，y，将测试集合内任务策略类型的任务执行策略标记为Cv2，y；
需要进一步说明的是，在具体实施过程中，所述分组是将同一任务策略类型随机分成两组，且两组内的任务执行策略的数目是相等或相差一个，将两组分别标记为训练集合和测试集合，依次将剩余任务策略类型随机分组，分别上传至训练集合和测试集合。
所述交互模拟模块用于在交互孪生空间中对获得的训练集合和测试集合进行模拟交互，获得最优任务排序，具体过程包括：
获取训练集合内的任务策略类型，根所获得的任务策略类型获取对应的执行流程图，对任务策略类型对应的执行流程图进行训练替换；
在执行流程图的第一个流程节点处设置训练节点，在剩余执行流程图的第一个流程节点中任选一个执行指令与训练节点的执行指令进行交换，并将交换后的执行流程图标记为交换训练任务，将进行训练替换的执行流程图标记为原训练任务；
根据所获得的任务记录中的任务资源成本获得交换训练任务的交换资源成本，将所获得的交换训练任务的交换资源成本标记为CBv1-y，k=1，2，3，……，u4，u4为正整数，k表示交换训练任务的编号；
并记录交换训练任务的训练开始时间、训练结束时间，将所获得的训练开始时间和训练结束时间分别标记为taj＇和tbj＇；
根据所获得的交换资源成本、训练开始时间以及训练结束时间获得交换训练分析度，将所获得的交换训练分析度标记为，其中/>，/>为分析因子，/>为交换资源成本均值；
获取原训练任务的第二个流程节点，并将第二个流程节点设置为训练节点，在剩余执行流程图的第二个流程节点的执行指令中任选一个与训练节点的执行指令进行交换，获得交换训练任务，同时获取交换训练任务的交换资源成本、训练开始时间以及训练结束时间，并根据交换资源成本、训练开始时间以及训练结束时间获得交换训练分析度；
直至原训练任务的所有流程节点均被设置成训练节点，并与剩余的执行流程图均完成节点替换，获得原训练任务的所有交换训练任务，以及交换训练任务所对应的交换训练分析度；
获取测试集合内任务策略类型对应的执行流程图，根据所获得的任务记录中的任务资源成本、任务开始时间和任务结束时间获得原测试分析度，将所获得的原测试分析度标记为，其中/>，/>为分析因子，/>为任务资源成本均值；
将测试集合内任务策略类型的执行流程图的第一个执行指令与训练集合内的交换训练任务的执行流程图的第一个执行指令进行匹配对应，获得第一个执行指令相同的执行流程图，并将获得的第一个执行指令相同的执行流程图标记为同源任务流程；
根据所获得的同源任务流程构建类比流程集合，对类比流程集合中的同源任务流程的原测试分析度和交换训练分析度按照由大到小的顺序进行排序，获得初始任务排序；
对获得的初始任务排序中的测试集合的执行流程图进行标记，若有测试集合的执行流程图在初始任务排序中的排名次序大于训练集合中的交换训练任务，则对测试集合进行训练替换；
将执行流程图中的第一个任务指令保持不变，依次将流程节点设置为训练节点，在训练节点处与剩余对应流程节点处的执行指令进行替换，直至所有的流程节点均完成训练替换，获得交换测试任务；
根据所获得的交换测试任务获得任务资源成本、任务开始时间、任务结束时间以及交换测试分析度，将获得的交换测试分析度与初始任务排序中对应的执行流程图进行比对，若交换测试分析度高于初始任务排序中执行流程图的交换训练分析度，则将交换测试分析度对应的执行流程图与初始任务排序中交换训练分析度对应的执行流程图的进行替换；
若交换测试分析度不高于初始任务排序中执行流程图的交换训练分析度，则将初始任务排序中的执行流程图保持不动，并标记为暂定流程任务，将暂定流程任务与训练集合中的任一执行流程图进行替换，并重复训练替换过程，获得交换训练分析度，并与获得的高于初始任务排序中的执行流程图进行替换；
直至所有的初始任务排序中的执行流程图均完成训练替换或交流替换，获得最优任务排序。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.一种基于元宇宙的数字孪生模型多人交互协作系统，包括控制中心，其特征在于，所述控制中心连接有数据采集模块、数据处理模块、协作分析模块以及交互模拟模块；
所述数据采集模块用于采集多人交互过程的交互数据；
所述数据处理模块用于对获得的交互数据进行处理，获得任务执行策略，并构建交互孪生空间；
所述协作分析模块用于根据所获得的交互孪生空间对获得的任务执行策略进行分析，获得训练集合和测试集合；
所述交互模拟模块用于在交互孪生空间中对获得的训练集合和测试集合进行模拟交互，获得最优任务排序。
2.根据权利要求1所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，所述数据采集模块采集交互数据的过程包括：
设置交互单元，所述交互单元连接有若干分组采集端口，通过分组采集端口采集用户的输出数据；
将分组采集端口采集的输出数据上传至交互单元，通过交互单元对输出数据进行捕捉，获得交互数据；
所述交互数据包括交流任务以及任务时间，所述任务时间包括任务开始时间以及任务时限。
3.根据权利要求2所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，所述数据处理模块对交互数据进行处理的过程包括：
根据所获得的任务开始时间和任务时限获得任务结束时间；
对获得的交互数据中的交流任务进行分类，获得任务执行策略和任务资源成本；
根据所获得的任务执行策略，对任务执行策略进行拆分，获得执行指令，所述任务执行策略是包括若干执行指令的执行指令集合。
4.根据权利要求3所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，获得交互孪生空间的过程包括：
根据任务执行策略对应的执行指令集合生成执行流程图；
根据所获得的任务时间构建任务时间轴，将任务执行策略对应的任务开始时间、任务时限以及任务结束时间标记在任务时间轴对应位置处；
根据所获得的任务执行策略以及任务时间构建交互孪生空间，将获得的执行流程图上传至交互孪生空间，并将任务时间轴与交互孪生空间相关联。
5.根据权利要求4所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，所述协作分析模块根据所获得的交互孪生空间对任务执行策略进行分析的过程包括：
根据所获得的任务执行策略对应的执行流程图获得任务执行关键词，对任务执行关键词的数目进行统计，获得任务关键词数目；
根据所获得的任务执行关键词、任务关键词数目以及执行指令集合获得任务相似度；
对获得的任务相似度进行排序，并根据所获得的前若干位任务相似度获得前部相似均值；
根据所获得的任务相似度以及前部相似均值设置相似度阈值，将获得的任务相似度与相似度阈值进行比对，获得前部任务策略。
6.根据权利要求5所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，获得训练集合和测试集合的过程包括：
将获得的前部任务策略标记在任务时间轴上，对获得的任务时间轴进行重合比对，并标记交点时间；
根据所获得的任务时间轴以及交点时间获得重合时间占比，根据所获得的重合时间占比和任务相似度获得分类综合度；
根据所获得的分类综合度对任务执行策略进行分类筛选，获得任务策略类型，将获得的任务策略类型进行分组，获得训练集合和测试集合。
7.根据权利要求6所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，所述交互模拟模块在交互孪生空间中对获得的训练集合和测试集合进行模拟交互的过程包括：
获取训练集合内的任务策略类型中任务执行策略对应的执行流程图，对执行流程图进行训练替换，并将替换后的执行流程图标记为交换训练任务，将进行训练替换的执行流程图标记为原训练任务；
根据所获得的任务资源成本获得交换资源成本，记录交换训练任务的训练开始时间、训练结束时间；
根据所获得的交换资源成本、训练开始时间以及训练结束时间获得交换训练分析度；
获取测试集合内的任务策略类型对应的执行流程图，根据所获得的任务资源成本、任务开始时间和任务结束时间获得原测试分析度。
8.根据权利要求7所述的一种基于元宇宙的数字孪生模型多人交互协作系统，其特征在于，获得最优任务排序的过程包括：
将测试集合内的执行流程图和训练集合内的交换训练任务的执行流程图进行比对，获得同源任务流程；
对同源任务流程的原测试分析度和交换训练分析度进行排序，获得初始任务排序，若测试集合中执行流程图在初始任务排序中的排序大于训练集合中的交换训练任务，则对测试集合进行训练替换，获得交换测试分析度，根据交换测试分析度与初始任务排序中对应执行流程图的交换训练分析度的对比结果，对初始任务排序中的执行流程图进行替换，获得最优任务排序。
CN202410246606.7A 2024-03-05 2024-03-05 一种基于元宇宙的数字孪生模型多人交互协作系统 Active CN117827014B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410246606.7A CN117827014B (zh) 2024-03-05 2024-03-05 一种基于元宇宙的数字孪生模型多人交互协作系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410246606.7A CN117827014B (zh) 2024-03-05 2024-03-05 一种基于元宇宙的数字孪生模型多人交互协作系统

Publications (2)

Publication Number Publication Date
CN117827014A true CN117827014A (zh) 2024-04-05
CN117827014B CN117827014B (zh) 2024-06-04

Family

ID=90519490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410246606.7A Active CN117827014B (zh) 2024-03-05 2024-03-05 一种基于元宇宙的数字孪生模型多人交互协作系统

Country Status (1)

Country Link
CN (1) CN117827014B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599126A (zh) * 2009-04-22 2009-12-09 哈尔滨工业大学 利用全局互信息加权的支持向量机分类器
CN108958917A (zh) * 2018-07-02 2018-12-07 芜湖智权大数据运营有限公司 云计算的任务调度方法及系统
CN110175228A (zh) * 2019-05-27 2019-08-27 苏州课得乐教育科技有限公司 基于基础模块和机器学习的循环嵌入对话训练方法及系统
CN112800777A (zh) * 2021-04-14 2021-05-14 北京育学园健康管理中心有限公司 语义确定方法
CN112860416A (zh) * 2021-04-25 2021-05-28 城云科技（中国）有限公司 标注任务分派策略方法、装置
CN113867295A (zh) * 2021-10-11 2021-12-31 西安交通大学 一种基于数字孪生的制造车间agv动态调度方法、系统、设备及存储介质
CN114707640A (zh) * 2022-03-04 2022-07-05 深圳市笈简科技有限公司 一种应用于元宇宙的数字孪生联动方法及系统
CN114945044A (zh) * 2022-07-25 2022-08-26 北京智芯微电子科技有限公司 基于联邦学习的数字孪生平台构建方法、装置及设备
CN114942633A (zh) * 2022-04-28 2022-08-26 华南农业大学 基于数字孪生和强化学习的多智能体协同避碰采摘方法
CN115002156A (zh) * 2022-05-26 2022-09-02 广东工业大学 一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统
WO2023006848A1 (en) * 2021-07-27 2023-02-02 Deepmind Technologies Limited Training agent neural networks through open-ended learning
CN116638528A (zh) * 2023-07-26 2023-08-25 深圳墨影科技有限公司 一种机器人移动协作系统的混合调度方法
CN116719997A (zh) * 2023-06-13 2023-09-08 深圳中科闻歌科技有限公司 政策信息推送方法、装置及电子设备
CN116859850A (zh) * 2023-07-14 2023-10-10 浙江工业大学 一种模块化的工业数字孪生系统
CN116991976A (zh) * 2023-09-07 2023-11-03 北京中关村科金技术有限公司 模型训练方法、装置、电子设备及可读存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599126A (zh) * 2009-04-22 2009-12-09 哈尔滨工业大学 利用全局互信息加权的支持向量机分类器
CN108958917A (zh) * 2018-07-02 2018-12-07 芜湖智权大数据运营有限公司 云计算的任务调度方法及系统
CN110175228A (zh) * 2019-05-27 2019-08-27 苏州课得乐教育科技有限公司 基于基础模块和机器学习的循环嵌入对话训练方法及系统
CN112800777A (zh) * 2021-04-14 2021-05-14 北京育学园健康管理中心有限公司 语义确定方法
CN112860416A (zh) * 2021-04-25 2021-05-28 城云科技（中国）有限公司 标注任务分派策略方法、装置
WO2023006848A1 (en) * 2021-07-27 2023-02-02 Deepmind Technologies Limited Training agent neural networks through open-ended learning
CN113867295A (zh) * 2021-10-11 2021-12-31 西安交通大学 一种基于数字孪生的制造车间agv动态调度方法、系统、设备及存储介质
CN114707640A (zh) * 2022-03-04 2022-07-05 深圳市笈简科技有限公司 一种应用于元宇宙的数字孪生联动方法及系统
CN114942633A (zh) * 2022-04-28 2022-08-26 华南农业大学 基于数字孪生和强化学习的多智能体协同避碰采摘方法
CN115002156A (zh) * 2022-05-26 2022-09-02 广东工业大学 一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统
CN114945044A (zh) * 2022-07-25 2022-08-26 北京智芯微电子科技有限公司 基于联邦学习的数字孪生平台构建方法、装置及设备
CN116719997A (zh) * 2023-06-13 2023-09-08 深圳中科闻歌科技有限公司 政策信息推送方法、装置及电子设备
CN116859850A (zh) * 2023-07-14 2023-10-10 浙江工业大学 一种模块化的工业数字孪生系统
CN116638528A (zh) * 2023-07-26 2023-08-25 深圳墨影科技有限公司 一种机器人移动协作系统的混合调度方法
CN116991976A (zh) * 2023-09-07 2023-11-03 北京中关村科金技术有限公司 模型训练方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN117827014B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
Sener et al. Unsupervised learning and segmentation of complex activities from video
CN110221965A (zh) 测试用例生成、测试方法、装置、设备及系统
Narayan et al. Discriminative region-based multi-label zero-shot learning
CN110488975A (zh) 一种基于人工智能的数据处理方法及相关装置
CN106407369A (zh) 一种基于深度学习人脸识别的照片管理方法和系统
CN112256755A (zh) 一种基于深度学习的学生异常行为分析方法
CN112256981A (zh) 一种基于线性和非线性传播的谣言检测方法
CN111126464A (zh) 一种基于无监督域对抗领域适应的图像分类方法
CN108829776A (zh) 一种基于梯度提升树的慕课论坛主题分类方法
Gul et al. A systematic analysis of link prediction in complex network
CN108830478A (zh) 一种面向众包任务处理的团队推荐方法
CN107506362A (zh) 基于用户群优化的图像分类仿脑存储方法
CN110889335B (zh) 基于多通道时空融合网络人体骨架双人交互行为识别方法
CN114491078B (zh) 基于知识图谱的社区项目人员落脚点和同行人员分析方法
CN117827014B (zh) 一种基于元宇宙的数字孪生模型多人交互协作系统
CN113761975B (zh) 一种基于多模态特征融合的人体骨架动作识别方法
CN113705301A (zh) 图像处理方法及装置
CN117112648A (zh) 一种基于智慧教育数据的高校学生学习画像生成系统及方法
Zhang et al. A machine learning paradigm for Studying Pictorial realism: are constable's clouds more real than his contemporaries?
Frowd et al. Evolving the face of a criminal: how to search a face space more effectively
CN111125395B (zh) 一种基于双分支深度学习的cad图纸检索方法及系统
Fan et al. Smoothing Graphons for Modelling Exchangeable Relational Data
Savva et al. Real-Time Emotional Analysis
Rodriguez et al. Advanced Clustering Techniques for Emotional Grouping in Learning Environments Using an AR-Sandbox
Ruta Learned representations of artistic style for image retrieval, description, and stylization

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