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！

龙图腾网获悉电子科技大学申请的专利一种基于时间尺度的多模态语义拓扑与约束推理CAD序列生成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：CN121787291B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610264389.3，技术领域涉及：G06F30/27；该发明授权一种基于时间尺度的多模态语义拓扑与约束推理CAD序列生成方法是由王向向;秦升宇;于永斌;范满平;李臣波;刘骏;薛凯一;王靖雅;韩欣佚设计研发完成，并于2026-03-05向国家知识产权局提交的专利申请。

本一种基于时间尺度的多模态语义拓扑与约束推理CAD序列生成方法在说明书摘要公布了：一种基于时间尺度的多模态语义拓扑与约束推理CAD序列生成方法，属于计算机辅助设计与人工智能交叉技术领域。本方法构建了从多模态输入到可编辑参数化CAD模型的端到端自动生成框架，显著提升了生成序列的语义一致性、结构合理性与逻辑正确性；能够深度融合图像、草图与点云等多源数据，并利用时间尺度感知的特征提取与动态拓扑图演化精准捕捉设计意图，同时通过语法与几何约束引导的序列合成机制有效克服了传统自回归模型中的错误累积与逻辑漂移问题，结合几何反馈驱动优化引擎实现了参数化模型的高效、稳健生成，从而在生成质量、自动化程度与跨场景适用性方面实现了系统性突破，为智能制造与智能设计提供了关键技术支撑。

本发明授权一种基于时间尺度的多模态语义拓扑与约束推理CAD序列生成方法在权利要求书中公布了：1.一种基于时间尺度的多模态语义拓扑与约束推理CAD序列生成方法，其特征在于，包括以下步骤： 步骤A．同一部件的图像、草图、点云数据分别经模态特异性编码器编码后投影至统一语义空间，得到统一语义特征，并进行协同对齐损失优化； 步骤B．将统一语义特征转化为语义拓扑图，显式表征实体、操作与约束关系，语义拓扑图结构的演化定义为时间尺度上的节点操作预测和连接预测；并且基于时空同步的几何语义链接器在语义拓扑图中嵌入感知上下文的几何语义关系； 步骤C．将自然语言输入指令分解为结构化命令三元组并生成对应的嵌入向量，得到命令序列，三元组包括操作类型、参数列表、参数类型；语义拓扑图输入至Transformer解码器，得到候选令牌及其概率分布；生成的候选令牌加入命令序列中并进行实时语法检查与几何可行性判别，验证通过后，由时间尺度自适应调度器控制的动态束搜索算法负责路径选择与序列扩展； 步骤D.将生成的CAD命令序列与语义拓扑图转化为CAD-CL中间表示，然后基于几何代数与时态状态依赖图进行全局优化与代码变换，最后根据内核能力认知图谱生成并验证最终的目标代码； 所述步骤A具体如下： 步骤A1.对输入图像并行使用三个不同空洞率的可变形卷积层，得到一组特征图，这组特征图进行拼接得到融合特征张量；然后对融合特征张量进行全局平均池化，得到通道描述符；通过两个全连接层学习通道描述符每个通道的权重，最后融合特征张量基于权重进行加权，得到最终的图像特征； 步骤A2.对于输入点云，基于局部邻域构建每个点的局部动态图；然后对局部动态图进行关系动力学习与图信号演化；局部动态图里的节点间的几何差异信息经过多层感知机映射为高维势能特征；邻域节点的高维势能特征经对称最大池化后，驱动节点在微观时间尺度上的更新；局部动态图更新收敛后，得到稳态邻域特征集合，然后并行进行最大池化和平均池化，两路结果拼接后得到点的最终局部几何语义特征； 步骤A3.系统处理草图序列，其中为包含连续绘制阶段和离散事件的混合时间尺度，表示在混合时间尺度上、时刻的草图状态向量；将草图序列解析为拓扑图，其节点集包括草图基元，边集包括拓扑连接边和空间邻近边；拓扑图经异质图卷积与注意力机制得到拓扑增强特征；然后与草图的笔触的时间动态特征进行拼接，得到拓扑图节点的特征表示；所有节点的特征进行聚合，得到草图特征；所述笔触的时间动态特征包括连续绘制阶段的速度和加速度，离散事件特征向量； 步骤A4.三个模态的特征分别送入一个共享的语义投影器，得到统一语义特征； 步骤A5.对统一语义特征进行L2归一化，然后经过跨模态对比损失、对抗性模态对齐损失以及时间尺度平滑性损失进行训练优化。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。