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！

龙图腾网获悉中科南京软件技术研究院;南京航空航天大学申请的专利基于Kolmogorov-Arnold网络的机器人轨迹生成方法与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：CN120106146B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510588478.9，技术领域涉及：G06N3/0475；该发明授权基于Kolmogorov-Arnold网络的机器人轨迹生成方法与系统是由陈子康;余子丫;高飞;叶发萍;李鹏;郭宇设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本基于Kolmogorov-Arnold网络的机器人轨迹生成方法与系统在说明书摘要公布了：本发明公开了一种基于Kolmogorov‑Arnold网络的机器人轨迹生成方法与系统。所述方法包括：从存储机器人运动轨迹的数据源文件中提取出观察数据和对应的动作数据；将动作数据作为扩散模型加噪的对象，并以观察数据作为条件训练KAN策略网络，所述KAN策略网络是将Kolmogorov‑Arnold网络以模块化的形式融入扩散策略的基本网络架构中形成的，用于预测要加噪的噪音；根据现场任务场景要求选择训练好的KAN策略网络，根据机器人的实际观察数据和动作数据生成预测的噪音，通过扩散模型的逆扩散公式使用预测的噪音生成下一步动作。本发明不仅能够生成有效且平滑的轨迹，还显著提升了整体性能。

本发明授权基于Kolmogorov-Arnold网络的机器人轨迹生成方法与系统在权利要求书中公布了：1.一种基于Kolmogorov-Arnold网络的机器人轨迹生成方法，其特征在于，包括以下步骤： 从存储机器人运动轨迹的数据源文件中提取出观察数据和对应的动作数据，观察数据包括机器人感知到的环境与自身状态信息，动作数据是机器人在每个时间步执行的具体控制指令； 将动作数据作为扩散模型加噪的对象，并以观察数据作为条件训练KAN策略网络，所述KAN策略网络是将Kolmogorov-Arnold网络以模块化的形式融入扩散策略的基本网络架构中形成的，包括基于卷积神经网络的KAN策略网络和基于Transformer的KAN策略网络，用于预测要加噪的噪音；其中基于卷积神经网络的KAN策略网络包括三个部分，第一部分是下采样层，根据动作数据生成嵌入输入，同时使用跳跃连接将下采样特征传递给第三部分；第二部分是嵌入层，根据下采样特征，以观察数据作为条件，使用嵌入KAN模块提取中间嵌入，所述嵌入KAN模块包括标记化层、归一化层和线性层，标记化层通过预设卷积参数对输入序列进行卷积操作，归一化层对标记化层卷积结果和线性层加权和进行归一化处理，线性层对经过不同函数处理的卷积归一化结果进行加权和；第三部分是上采样层，根据前面两个部分的特征生成最终输出；基于Transformer的KAN策略网络包括编码器、解码器和GR-KAN模块，编码器对观察数据和时间步的组合生成条件嵌入，编码后的隐藏变量和动作数据一起输入解码器，解码器输出的特征通过GR-KAN模块进行非线性变换得到最终的结果，所述GR-KAN模块计算公式为；其中，w1、w2和b1、b2是由两个线性层生成的权重和偏置，K是有理函数，K的上标表示分组KAT的不同初始化模式，分组KAT是指对同一组的输入特征共享参数； 根据现场任务场景要求选择训练好的KAN策略网络，根据机器人的实际观察数据和动作数据生成预测的噪音，通过扩散模型的逆扩散公式使用预测的噪音生成下一步动作；其中基于卷积神经网络的KAN策略网络的处理过程如下：动作数据通过下采样层生成嵌入输入，同时通过跳跃连接将下采样特征传递给上采样层；嵌入输入然后通过嵌入KAN模块提取高维的中间嵌入，以观察数据和时间步作为约束或前提条件来指导网络学习过程，时间步通过正弦余弦处理转换为向量，拼接在观察数据序列之后；最后上采样层整合前两部分的特征信息，生成最终的预测噪音；基于Transformer的KAN策略网络的处理过程如下：将观察数据和时间步组合生成条件嵌入，经过编码器编码后与动作噪音一齐输入解码器，输出的特征经过GR-KAN模块非线性变换后得到预测结果。

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中科南京软件技术研究院;南京航空航天大学，其通讯地址为：211135 江苏省南京市麒麟科创园创研路266号人工智能产业园4号楼11楼；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”。