买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京科技大学申请的专利一种具备水空两用尾鳍的机器人运动模态控制方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119937606B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411988615.X，技术领域涉及：G05D1/49；该发明授权一种具备水空两用尾鳍的机器人运动模态控制方法及系统是由陈迪;喻俊志;熊严;仝茹;王喻;莘展骅设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种具备水空两用尾鳍的机器人运动模态控制方法及系统在说明书摘要公布了：本发明提供了一种具备水空两用尾鳍的机器人运动模态控制方法及系统，属于水空两栖跨介质机器人技术领域，该发明通过传感器系统和反馈系统收集数据，利用基于强化学习的模态选择器进行模态选择和控制，实现了水下模态、水入空模态、空中模态和空入水模态的平稳切换，改善了多模态运动兼容性不足的问题，同时，通过设计水空两用尾鳍系统，采用尾鳍上舵面的V型调整和尾鳍下舵面的运动，实现了高效、高机动的姿态调节，改善了机器人系统的整体性能不平衡的问题，提高了机器人系统在复杂环境下的作业效率和适应性。

本发明授权一种具备水空两用尾鳍的机器人运动模态控制方法及系统在权利要求书中公布了：1.一种具备水空两用尾鳍的机器人运动模态控制方法，其特征在于，所述方法包括： S1、通过传感器系统，采集数据，得到当前状态的数据集； S2、根据所述当前状态的数据集，采用基于强化学习的模态选择器进行模态的选择，得到当前环境模态； S3、根据所述当前环境模态，通过控制器系统控制机器人，得到机器人的当前形态； S4、根据所述机器人的当前形态，通过机器人的反馈系统，得到机器人的实际状态； S5、根据所述机器人的实际状态，通过控制器系统调节，得到机器人的稳定形态； 所述基于强化学习的模态选择器的训练方法，包括： S21、通过设置初始化强化学习环境，得到初始化的Q网络； S22、将训练数据集输入到所述Q网络中，采用贪婪策略，得到训练数据集状态下的机器人模态； S23、根据所述训练数据集状态下的机器人模态，通过控制器系统控制机器人，得到机器人的当前训练形态和机器人的动作； S24、根据所述机器人的当前训练形态，通过机器人的反馈系统，得到机器人的实际训练状态； S25、根据所述机器人的实际训练状态与所述机器人的当前训练形态，通过所述控制器系统调整并进行对比分析，通过公式1，得到模态的正确性奖励函数和调整后的机器人训练状态， rt＝Rcorrect-Rincorrect-Rswitch_cost+Refficiency1 式中，rt为模态的正确性奖励函数，Rcorrect为选择正确模态的奖励，Rincorrect为选择错误模态的惩罚，Rswitch_cost为频繁切换模态的惩罚，Refficiency为能源效率的奖励； S26、重复步骤S22～S25，将所述机器人的当前训练形态、所述机器人的动作、所述模态的正确性奖励函数、所述调整后的机器人训练状态存储到经验回放池中，得到训练经验回放池； S27、将所述训练经验回放池输入到所述Q网络中，通过公式2，更新Q网络的参数，得到最终的Q网络的参数， 式中，Qst,at为当前训练形态的动作质量函数，st为机器人的当前训练形态，at为机器人的动作，a′为任意一个机器人的动作，rt为模态的正确性奖励函数，st+1为调整后的机器人训练状态，γ是折扣因子，α是学习率； S28、将所述最终的Q网络的参数输入到Q网络中，得到基于强化学习的模态选择器； 所述贪婪策略，包括： 策略1：以概率∈选择一个随机的机器人的动作指令； 策略2：以概率1-∈选择一个当前训练形态的动作质量函数最大值的机器人的动作指令。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。