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！

龙图腾网获悉兰州大学申请的专利基于直接偏好优化的NAO机器人物体抓取训练方法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：CN117103255B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311033984.9，技术领域涉及：B25J9/16；该发明授权基于直接偏好优化的NAO机器人物体抓取训练方法是由雍宾宾;蒋远博;王金强;郭岚;周睿;周庆国;张胜杰设计研发完成，并于2023-08-17向国家知识产权局提交的专利申请。

本基于直接偏好优化的NAO机器人物体抓取训练方法在说明书摘要公布了：本发明公开了基于直接偏好优化的NAO机器人物体抓取训练方法，包含以下步骤：1采集并保存人类专家数据、模仿数据和使用强化学习策略在机器人模拟器中交互抓取动作的轨迹数据；2由人类标注员对轨迹数据中的状态动作轨迹序列数据对进行打分，得到基于人类偏好的轨迹数据集；3使用人类偏好数据集设计参考策略网络，设计参数化策略网络，结合参考策略网络构建最大似然目标，对目标函数进行梯度下降以得到最优策略；4训练目标物体识别模型，将物体识别模型和最优策略部署到真实NAO机器人，对机器人的抓取动作进行评估；5迭代训练过程和评估过程，直至机器人能够顺利抓取目标物体。

本发明授权基于直接偏好优化的NAO机器人物体抓取训练方法在权利要求书中公布了：1.基于直接偏好优化的NAO机器人物体抓取训练方法，其特征在于：包括如下内容： 1收集人类专家示范数据，通过python调用NAO机器人模拟器的API接口，对人类专家进行模仿学习，得到NAO机器人各个自由度的状态量和施加给各个自由度的动作量的轨迹数据一，将其存储在缓冲池中； 2设计参数为的策略网络以及参数为的价值网络，其中作为预训练策略网络，定义奖励函数为，在NAO机器人模拟器上使用预训练策略网络进行训练，使用近端策略优化PPO算法对策略网络的参数、价值网络的参数进行更新，并得到机器人训练过程中的状态量和动作量的轨迹数据二，将其存储在缓冲池中； 所述奖励函数包括机器人手部与目标物体的距离变化得到的奖励、机器人手部触摸目标物体得到的奖励、机器人手部抓取得到的奖励；其中，表示机器人手部与目标物体之间的距离；为二元值，当机器人手部触摸到目标物体时为1，否则为0； 3由人类标注员对缓冲池中所有的轨迹数据进行打分，取多个标注员的期望得分，得到一个状态量所对应的动作好坏排名以及每两个动作之间的好坏排名，构建动作偏好数据集其中，为较好动作，为较差动作； 4根据偏好数据集设计参考策略网络，并构建参数化策略网络，结合参考策略网络为构建最大似然目标，在硬件计算资源上训练物体抓取策略模型，通过梯度下降最小化，得到最优的策略网络； 5定义yoloV4目标检测神经网络，使用现实世界的数据集训练出目标物体识别模型，将最优的策略网络和目标物体识别模型部署到真实NAO机器人上，在现实世界里对机器人的抓取动作进行评估； 6迭代训练过程和评估过程，直到NAO机器人能够顺利抓取目标物体。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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。