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！

龙图腾网获悉清华大学申请的专利机器人自主超声扫查技能策略生成方法、装置及存储介质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：CN114155940B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202111298599.8，技术领域涉及：G16H30/20；该发明授权机器人自主超声扫查技能策略生成方法、装置及存储介质是由孙富春;刘乃军;宋亦旭设计研发完成，并于2021-11-04向国家知识产权局提交的专利申请。

本机器人自主超声扫查技能策略生成方法、装置及存储介质在说明书摘要公布了：本公开实施例提供的机器人自主超声扫查技能策略生成方法、装置及存储介质，包括：采集机器人超声扫查过程中的多模态数据，输入到多模态特征融合网络进行学习以获取多模态数据的融合特征；构建机器人超声扫查技能的虚拟训练环境，采用自主域随机化方法对虚拟训练环境的纹理渲染以及与超声扫查操作相关的动力学参数进行随机化处理，得到多样化的机器人超声扫查训练环境；构建自主超声扫查技能策略模型，结合模仿学习与强化学习方法并利用融合特征对自主超声扫查技能策略模型进行训练，用于生成自主超声扫查技能策略。本公开可在无人干预的条件下实现准确、高效的超声扫查任务。

本发明授权机器人自主超声扫查技能策略生成方法、装置及存储介质在权利要求书中公布了：1.一种机器人自主超声扫查技能策略生成方法，其特征在于，包括： 采集机器人超声扫查过程中的多模态数据，输入到多模态特征融合网络进行学习以获取所述多模态数据的融合特征； 构建机器人超声扫查技能的虚拟训练环境，采用自主域随机化方法对所述虚拟训练环境的纹理渲染以及与超声扫查操作相关的动力学参数进行随机化处理，得到多样化的机器人超声扫查训练环境；构建自主超声扫查技能策略模型，结合模仿学习与强化学习方法并利用所述融合特征对所述自主超声扫查技能策略模型进行训练，得到训练完毕的自主超声扫查技能策略模型，用于生成自主超声扫查技能策略； 所述多模态数据包括机器人超声扫查过程中的RGB图像、深度图像、触觉图像以及机器人末端超声探头与扫查对象接触时的六维力力矩； 所述多模态特征融合网络包括多模态融合子网络以及与所述多模态融合子网络的输入端并行连接的RGB图像特征提取子网络、深度图像特征提取子网络、触觉特征提取子网络和六维力力矩特征提取子网络； 对所述多模态数据融合网络进行训练时，先在所述多模态融合子网络后并行设置超声探头末端位姿预测子网络、超声探头末端力预测子网络和超声图像成功采集分类子网路，分别用于输出超声探头末端的预测位姿、施加于超声探头末端的预测力和是否成功采集到超声图像的分类结果；然后通过自监督学习形式来预测超声探头末端的位姿和作用力以及超声探头是否成功采集到超声图像的方式来进行学习，即最小化下式： 式中，L为损失函数；D为采集的样本数据集，包含示教操作超声扫查任务过程中采集的示教样本和机器人与环境自主交互产生的交互样本，各样本均分别包括超声探头末端六维位姿数据、六维力力矩、是否成功采集到超声图像分类结果、触觉图像、RGB图像及深度图像，ds表示与所述样本对应的是否成功采集到超声图像的分类结果，dp表示所述样本中超声探头末端的六维位姿，df表示所述样本中超声探头末端的六维力力矩；d's,d'p,d'f分别表示所述超声图像成功采集分类子网路、所述超声探头末端位姿预测子网络和所述超声探头末端力预测子网络的输出；α1,α2,α3分别为权重系数；表示从样本数据集D中采集样本ds,dp,df计算期望值； 所述自主超声扫查技能策略模型包括训练完毕的所述多模态特征融合网络以及并行连接于该多模态特征融合网络中所述多模态融合子网络后的超声探头末端位姿子网络和超声探头末端力子网络；所述超声探头末端位姿子网络和所述超声探头末端力子网络分别输出超声探头的六维位姿和施加到超声探头末端的六维力力矩。

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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”。

以上内容由龙图腾AI智能生成。