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！

龙图腾网获悉北京人形机器人创新中心有限公司申请的专利机器人动作预测方法、装置、设备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：CN120023835B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202510506659.2，技术领域涉及：B25J9/16；该发明授权机器人动作预测方法、装置、设备及存储介质是由张强;郭宜劼;赵文;韩刚;孙靖恺设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本机器人动作预测方法、装置、设备及存储介质在说明书摘要公布了：本申请提供了一种机器人动作预测方法、装置、设备及存储介质，其中，该方法包括：对动作序列基于强化学习动作预测模型进行全局特征和局部特征的提取，并基于提取到的全局特征和局部特征预测得到预测动作序列。通过对动作序列的全局特征和局部特征分别进行特征提取，可以在关注动作序列局部相关性的同时，也关注到历史动作序列在时间上的连续性。通过曼巴模块进行特征提取，可以进一步增强模型的选择性和上下文感知能力，从而提升模型的性能。此外，由于曼巴模块具有显著的轻量级优势，因此本申请基于曼巴模块改进的动作预测模型还具有轻量级、便于部署的优点。

本发明授权机器人动作预测方法、装置、设备及存储介质在权利要求书中公布了：1.一种机器人动作预测方法，其特征在于，应用于部署有强化学习动作预测模型的目标机器人，所述强化学习动作预测模型用于基于所述目标机器人的历史T0时间步内的动作序列，生成所述目标机器人在未来T时间步内的动作序列，所述强化学习动作预测模型包括：编码器、特征提取器以及解码器，所述特征提取器至少包括：全局特征提取模块、局部特征提取模块以及特征融合模块，所述全局特征提取模块以及所述局部特征提取模块为所述特征提取器中的两个分支，所述全局特征提取模块包括至少一个曼巴模块，所述局部特征提取模块中包括多个曼巴模块，所述曼巴模块中包括：动态卷积方法、通道注意力方法、多尺度特征融合方法以及门控机制，所述动态卷积方法用于根据输入特征动态生成卷积核权重，所述通道注意力方法用于自适应调整通道重要性，所述多尺度特征融合方法用于结合跨尺度自注意力模块，捕捉不同分辨率下的全局上下文信息，所述门控机制用于筛选跨模态相关性特征，抑制噪声信息并在时序维度上双向传递隐藏状态，所述局部特征提取模块中还包括：分割模块以及转换模块；所述方法包括： 检测目标机器人是否启动，若是，则迭代循环执行如下步骤： A、从所述目标机器人的历史动作库获取至少一个历史动作信息，将所述历史动作信息输入所述编码器，得到动作向量序列，所述动作向量序列中包括至少一个动作向量，所述动作向量包括：状态元素、动作元素以及奖励元素； B、将所述动作向量序列输入所述特征提取器，由所述全局特征提取模块中的曼巴模块对动作向量序列整体进行建模，提取得到动作向量序列的全局特征，由所述分割模块在所述动作向量序列的末位填充预设数值，直至所述动作向量序列的长度达到N，得到填充后动作向量序列，其中，N为正整数，N的取值基于过去T0时间步的动作数量的最大值确定；由所述分割模块基于预设分割长度对所述填充后动作向量序列进行分割处理，得到所述动作向量序列的至少一个动作向量子序列；将动作向量子序列分为多个组别，并将各组的动作向量子序列依次输入对应的曼巴模块中，由各曼巴模块对各组的动作向量子序列进行特征提取，得到各动作向量子序列对应的初始特征；由所述转换模块对各所述初始特征进行转换处理，得到至少一个局部特征； C、将所述全局特征和各所述局部特征输入所述特征融合模块，得到目标特征； D、将所述目标特征输入所述解码器，由所述解码器预测得到所述机器人的预测动作序列，根据所述预测动作序列控制所述目标机器人运动，并根据所述目标机器人运动时的实际动作序列确定状态和奖励，并将所述实际动作序列、状态和奖励作为一个历史动作信息添加至所述历史动作库中。

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人形机器人创新中心有限公司，其通讯地址为：101100 北京市通州区北京经济技术开发区(通州)经海五路3号院13号楼6层610；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。