“H·齐舍”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]训练条件神经过程来根据图像数据确定对象的位置的方法-CN202310191384.9在审
发明人：高宁;A·V·吴;G·纽曼;H·齐舍;M·沃尔普 -专利权人：罗伯特·博世有限公司
申请日： 2023-02-24 - 公布日： 2023-08-29 - 主分类号： G06V10/22 文献下载
摘要：本发明涉及一种用于训练条件神经过程来根据图像数据确定对象的位置的方法，其中所述方法(1)具有如下步骤：提供用于训练所述条件神经过程的训练数据，其中所述训练数据具有显示特定对象的经标记的图像数据和关于所述特定对象的经标记的比较图像数据(2)；而且基于所提供的训练数据来训练所述条件神经过程(3)，其中对所述条件神经过程的训练包括应用功能对比学习，而且其中对所述条件神经过程的训练包括应用端到端学习方法。
训练条件神经过程根据图像数据确定对象位置方法

[发明专利]用于确定对象的6D姿态的方法-CN202310177545.9在审
发明人：高宁;李雨蒙;G·纽曼;H·齐舍 -专利权人：罗伯特·博世有限公司
申请日： 2023-02-17 - 公布日： 2023-08-22 - 主分类号： G06T7/73 文献下载
摘要：用于确定对象的6D姿态的方法。本发明涉及一种用于确定对象的6D姿态的方法，其中所述方法(1)具有如下步骤：提供图像数据，其中所述图像数据包括显示所述对象的目标图像数据和关于所述对象的经标记的比较图像数据(2)；而且基于所提供的图像数据通过元学习算法来确定所述对象的6D姿态(3)。
用于确定对象姿态方法

[发明专利]机器人装置及其控制方法以及训练机器人控制模型的方法-CN202211062321.5在审
发明人： A·V·吴;A·库斯;H·齐舍;M·加布里埃尔;P·C·席林格;Z·费尔德曼 -专利权人：罗伯特·博世有限公司
申请日： 2022-09-01 - 公布日： 2023-03-07 - 主分类号： B25J9/16 文献下载
摘要：公开了机器人装置及其控制方法和机器人控制模型训练方法，训练方法包括：将显示一个或多个对象的图像输送到第一预测模型以生成第一拾取预测，其对于图像的每个像素具有第一拾取机器人配置向量与所分配的第一成功概率；将图像输送到第二预测模型以生成第二拾取预测，其对于图像的每个像素具有第二拾取机器人配置向量与所分配的第二成功概率；将第一拾取预测和第二拾取预测输送到机器人控制模型的混合模型以生成第三拾取预测，其对于图像的每个像素具有：第三拾取机器人配置向量，其是第一和第二拾取机器人配置向量的所加权的组合；和第三成功概率，其是第一和第二成功概率的所加权的组合；并且通过适配第一和第二权重因子训练机器人控制模型。
机器人装置及其控制方法以及训练模型

[发明专利]用于控制机器人装置的方法-CN202210508385.7在审
发明人： A·V·午;H·齐舍;Z·费尔德曼;D·迪卡斯特罗 -专利权人：罗伯特·博世有限公司
申请日： 2022-05-11 - 公布日： 2022-11-15 - 主分类号： B25J9/16 文献下载
摘要：用于控制机器人装置的方法。根据不同的实施方式，描述一种用于控制机器人装置的方法，包括：获取机器人装置的环境的图像；借助于卷积神经网络处理图像，卷积神经网络从图像中产生特征空间中的图像，其中特征空间中的图像对于图像的像素的至少一个子集合中的每个像素具有特征空间中的向量；将特征空间中的图像输送给演员神经网络，其从特征空间中的图像中产生动作参数图像，其中动作参数图像对于像素中的每个像素具有用于机器人装置的动作的动作参数值集；将特征空间中的图像和动作参数图像输送给评论家神经网络，其产生评价图像，所述评价图像对于每个像素具有用于通过像素的动作参数值集定义的动作的评价。
用于控制机器人装置方法

[发明专利]用于训练受控系统的控制装置的方法-CN202210497269.X在审
发明人： A·兰杰巴尔;G·纽曼;A·V·吴;H·齐舍 -专利权人：罗伯特·博世有限公司
申请日： 2022-05-09 - 公布日： 2022-11-11 - 主分类号： B25J9/16 文献下载
摘要：按照各种实施方式，描述了一种用于训练受控系统的控制装置的方法，其中该控制装置具有调节装置和按照控制策略来工作的执行器。该方法具有：通过该调节装置来产生控制行动，其中每个控制行动都通过如下方式来被产生：检测说明受控系统的状态的测量参量，按照该控制策略来确定执行器的针对所检测到的测量参量的修正项，使用针对所检测到的测量参量的修正项来使所检测到的测量参量适配，并且通过将经适配的测量参量作为实际值输送给该调节装置来产生该控制行动。该方法还具有：通过强化学习来训练该控制策略，以使通过所产生的控制行动来实现的收益最大化。
用于训练受控系统控制装置方法