专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果8个,建议您升级VIP下载更多相关专利
  • [发明专利]任务调度方法及装置-CN202310485524.3在审
  • 许鹏飞;李鹤;房子韩;徐宇澄;李忠 - 阿里巴巴(中国)有限公司
  • 2023-04-27 - 2023-08-15 - H04L67/10
  • 本申请实施例提供了一种任务调度方法及装置,包括:在服务任务的第一需求资源量大于或等于预设的资源量阈值的情况下,将服务任务切分为多个分片任务,并将分片任务确定为待调度任务;将待调度任务调度至资源节点进行执行。本申请对较大的服务任务进行切分,对切分后的分片任务进行调度,从而降低了后续调度任务的难度,也就降低了后续任务执行时出现资源量溢出的情况的几率,提高了服务任务的执行成功率。
  • 任务调度方法装置
  • [发明专利]工作流处理方法、装置、设备和存储介质-CN202310110009.7在审
  • 周桂鑫;房子韩 - 阿里巴巴(中国)有限公司
  • 2023-02-08 - 2023-06-27 - H04L41/14
  • 本申请提供一种工作流处理方法、装置、设备和存储介质,该方法包括:根据工作流模型中多个功能节点配置的回调信息数量和功能节点的执行顺序,确定将要执行的第一功能节点的节点类型。若第一功能节点属于第一节点类型或第二节点类型,则在获取前一个第二功能节点的目标第一执行结果时将目标第一执行结果发送至第一功能节点,在获取第一功能节点输出的与目标第一执行结果对应的目标第二执行结果时将目标第二执行结果发送至下一个第三功能节点。其中,首个配置有多个回调信息的功能节点所对应的节点类型为第一节点类型,执行顺序位于第一节点类型的功能节点之后的功能节点属于第二节点类型。通过本方案可以提高工作流模型的执行效率。
  • 工作流处理方法装置设备存储介质
  • [发明专利]剪辑方法、设备及存储介质-CN202211585965.2在审
  • 邹娟;房子韩;周桂鑫;杨子萱 - 阿里巴巴(中国)有限公司
  • 2022-12-09 - 2023-04-04 - H04N21/44
  • 本申请实施例提供一种剪辑方法、设备及存储介质。在剪辑方法中,接收到目标对象的剪辑任务以及剪辑类型时,可按照目标对象的剪辑类型对目标对象的时间线进行分割,从而将目标对象的剪辑任务切分成多个子剪辑任务,并利用多个剪辑资源并行执行多个子剪辑任务。一方面,基于剪辑类型对目标对象的时间线进行分割,有利于合理地将剪辑任务分割成子剪辑任务,降低同一剪辑类型的时间戳被打乱从而影响子剪辑结果合并效果的风险,另一方面可基于并行切片剪辑的方式,能够充分利用剪辑资源,大幅度提高剪辑速度。
  • 剪辑方法设备存储介质
  • [发明专利]基于深度强化学习的机器人搅动-抓取组合方法-CN202010870698.8有效
  • 李俊;贺笑;房子韩;侯言旭 - 东南大学
  • 2020-08-26 - 2022-11-15 - G06T7/73
  • 本发明公开了一种基于深度强化学习的机器人搅动‑抓取组合方法,包括以下步骤:首先分别搭建一个真实环境下和仿真环境下的机器人搅动‑抓取执行平台;将机器人的搅动‑抓取过程建模为马尔科夫过程,构建状态空间、动作空间及奖励函数;再构建基于深度强化学习的机器人搅动‑抓取学习框架和深度强化学习网络;然后在仿真平台上重复进行搅动‑抓取动作尝试,采集经验样本数据,并按照马尔科夫过程,对深度强化学习网络进行自监督训练;最后将训练好的网络模型迁移到真实环境中,并对真实环境下的机器人进行实际训练。本发明在面对随机的抓取场景和新颖的抓取物体时,能够感知和分析场景,决策执行搅动或抓取动作、动作位置以及动作方向。
  • 基于深度强化学习机器人搅动抓取组合方法
  • [发明专利]一种基于深度强化学习的机器人抓取-抛掷方法-CN202110941149.X在审
  • 李俊;房子韩;冯超 - 东南大学
  • 2021-08-17 - 2021-11-19 - B25J9/16
  • 本发明公开一种基于深度强化学习的机器人抓取‑抛掷方法。首先利用抓取端相机获取抓取工作空间场景的图像信息,并转换为深度俯视图和彩色俯视图,接着输入到深度Q网络中,输出抓取示力图筛选得到抓取位置;然后机器人在目标抓取位置处执行抓取动作,并根据手爪闭合情况来判断物体抓取是否成功;若抓取成功则根据抓取位置提取目标物体的局部深度和彩色图像输入至抛掷网络,根据该物体对应的落点目标框,得到物体所需的抛出速度;机器人以该速度执行抛掷动作,根据物体实际落点位置,判定被抛掷体是否落入目标框的内部,以此作为抛掷动作的奖励。循环训练以上步骤得到抓取‑抛掷网络模型。本发明能够在非结构化环境下执行抓取‑抛掷任务。
  • 一种基于深度强化学习机器人抓取抛掷方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top