【技术实现步骤摘要】
基于多模态事件的感知方法、系统以及机器人
[0001]本申请涉及人工智能
,特别地,涉及一种基于多模态事件的感知方法
、
系统以及机器人
。
技术介绍
[0002]目前主流的机器人感知与交互技术普遍采用传统数据流形式,依赖于此形式下的传输方法和传感器设计具有诸多弊端,例如,较高的数据量
、
低时间分辨率以及高延迟等,这极大地限制了机器人自主能力的提升和产业化应用的发展
。
[0003]此外,随着人们对机器人感知交互能力的要求不断提高,单一模态下的数据处理与信息识别已不能满足社会发展的需要,具有多模态感知能力机器人的研究成为未来技术的前进方向
。
[0004]应当理解,该
技术介绍
部分描述的内容仅用于帮助理解本申请公开的技术方案,而并非一定属于本申请的申请日之前的现有技术
。
技术实现思路
[0005]本申请一方面提供了一种基于多模态事件的感知方法,包括:采用事件传感器进行数据采集获得第一事件流;基于事件特征的提取方法对多通道事件传感层采集的数据进行统一化处理获得第二事件流;采用注意力机制对所述第一事件流和所述第二事件流进行交叉融合获得交叉事件流;以及训练结合后的图经网络和脉冲神经网络形成神经网络混合模型,并基于所述神经网络混合模型对所述交叉事件流进行分析处理,以实现对目标的跟踪
、
检测和感知定位中的至少一种
。
[0006]在一个实施方式中,所述多通道事件传感层包括深度传感器
【技术保护点】
【技术特征摘要】
1.
一种基于多模态事件的感知方法,其特征在于,所述方法包括:采用事件传感器进行数据采集获得第一事件流;基于事件特征的提取方法对多通道事件传感层采集的数据进行统一化处理获得第二事件流;采用注意力机制对所述第一事件流和所述第二事件流进行交叉融合获得交叉事件流;以及训练结合后的图经网络和脉冲神经网络形成神经网络混合模型,并基于所述神经网络混合模型对所述交叉事件流进行分析处理,以实现对目标的跟踪
、
检测和感知定位中的至少一种
。2.
根据权利要求1所述的感知方法,其特征在于,所述多通道事件传感层包括深度传感器
、
嗅觉传感器以及音频传感器中的至少一种
。3.
根据权利要求1所述的感知方法,其特征在于,所述神经网络混合模型满足:,其中,
AGG
为所述图神经网络采用的聚合函数,为所述脉冲神经网络采用的函数,为节点
v
在
t
时刻第
k
层输出的表征向量,
W
为学习权重矩阵,为节点
v
在
t
时刻采样的邻居集合
。4.
根据权利要求2所述的感知方法,其特征在于,所述多通道事件传感层包括所述深度传感器,以及经由所述统一化处理获得所述第二事件流的方法包括:将与所述深度传感器对应的点云数据进行预处理操作以提高所述点云数据质量及减少噪声;提取所述预处理操作后的点云数据中的第一特征;使用聚类和
/
或分割算法将所述第一特征分割成独立的部分;根据所需的特定事件定义,设计相应的算法以检测所述特定事件的发生;以及对检测到的所述特定事件进行分类
、
跟踪和时序建模
。5.
根据权利要求2所述的感知方法,其特征在于,所述多通道事件传感层包括所述嗅觉传感器,以及经由所述统一化处理获得所述第二事件流的方法包括:从所述嗅觉传感器采集的数字信号中提取出电压变化信息;以及对所述电压变化信息进行事件流化分析和处理,其中,所...
【专利技术属性】
技术研发人员:陈震,叶鲁斌,
申请(专利权)人:享刻智能技术北京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。