[发明专利]基于多模态融合的多脑区协同自主决策方法有效
| 申请号： | 201711325022.5 | 申请日： | 2017-12-13 |
| 公开（公告）号： | CN108197698B | 公开（公告）日： | 2022-10-14 |
| 发明（设计）人： | 赵菲菲;梁倩;王桂香;曾毅 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06V10/764;G06V10/82 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于认知神经技术领域，具体涉及一种基于多模态融合的多脑区协同自主决策方法。旨在解决现有无人机避障技术成本较高、不够机动灵活以及现有的强化学习方法要求控制对象具有强烈的容错能力的问题。本发明提供一种基于多模态融合的多脑区协同自主决策方法，包括获取障碍物的空间位置信息，将其输入预先构建的多脑区协同强化学习模型；根据环境反馈的奖励信息，通过多巴胺调控和突触可塑性机制，更新所述多脑区协同强化学习模型，实现无人机自主避障。本发明能够准确地评估场景中障碍物的危险程度，并且模拟人脑自主学习过程，让无人机快速准确地学习到避障策略，实现自主躲避障碍物，完成任务。 | ||
| 搜索关键词： | 基于 多模态 融合 多脑区 协同 自主 决策 方法 | ||
【主权项】：
1.一种基于多模态融合的多脑区协同自主决策方法，其特征在于，所述方法包括：通过超声波传感器和双目摄像头获取障碍物的空间位置信息，将其输入预先构建的多脑区协同强化学习模型；基于所述障碍物的空间位置信息，基于障碍物的空间位置信息，使用尖峰时序神经网络构建多脑区协同强化学习模型；根据环境反馈的奖励信息，通过多巴胺调控和突触可塑性机制，更新所述多脑区协同强化学习模型，实现无人机自主避障。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711325022.5/，转载请声明来源钻瓜专利网。
