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！

龙图腾网获悉华中科技大学申请的专利一种面向人机协作场景的开放指令反馈推理与引导优化的机器人操作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：CN121157023B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511387447.3，技术领域涉及：B25J9/16；该发明授权一种面向人机协作场景的开放指令反馈推理与引导优化的机器人操作方法是由高亮;刘辰燚;高艺平;李新宇设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本一种面向人机协作场景的开放指令反馈推理与引导优化的机器人操作方法在说明书摘要公布了：本发明属于协作机器人相关技术领域，并公开了一种面向人机协作场景的开放指令反馈推理与引导优化的机器人操作方法。该方法包括：利用大语言模型将自然语言指令转换为任务执行序列，对该任务执行序列中多步任务对应的目标物体进行筛选，获得当前任务对应的目标物体；将获得的目标物体所处场景的图像输入视觉语言模型中获得目标物体的边界框；视觉语言模型的末端串联有Adapter特征适配器和LoRA低秩适配器；将边界框转化为目标掩码，根据目标物体所处场景的图像和目标掩码求解机器人抓取目标物体的最优位姿，机器人按照该最优姿态抓取目标物体。通过本发明，提升机器人在复杂协作、多目标场景下的识别精度、操作准确性和鲁棒性。

本发明授权一种面向人机协作场景的开放指令反馈推理与引导优化的机器人操作方法在权利要求书中公布了：1.一种面向人机协作场景的开放指令反馈推理与引导优化的机器人操作方法，其特征在于，该方法包括下列步骤： 将自然语言指令转换为任务执行序列，对该任务执行序列中多步任务的目标物体进行筛选，获得当前任务对应的目标物体； 将当前任务的目标物体所处场景的图像输入视觉语言模型中获得目标物体的边界框；所述视觉语言模型的末端串联有Adapter特征适配器和LoRA低秩适配器； 将所述边界框转化为目标掩码，根据目标物体所处场景的图像和目标掩码求解机器人抓取目标物体的最优位姿，机器人按照该最优姿态抓取目标物体； 所述视觉语言模型的训练过程如下： 将标注有目标物体边界框的图像输入初始的视觉语言模型中训练，获得初始的视觉语言模型中各个网络层之间的权重W1； 在初始的视觉语言模型串联1个Adapter特征适配器和多个LoRA低秩适配器，以此改进所述视觉语言模型，保留初始的视觉语言模型的初始权重不变，利用标注有目标物体边界框的图像训练改进后的所述视觉语言模型，获得1个Adapter特征适配器和多个LoRA低秩适配器与初始的视觉语言模型之间的权重W2； 将所述权重W1和权重W2组合获得权重W，该权重W即为训练后所需的视觉语言模型的权重，由此实现视觉语言模型的训练； 求解机器人抓取目标物体的最优位姿采用GraspNet模型，按照下列计算： 目标函数： 约束条件： 其中，是最终选择的最优抓取位置和姿态，是第j个抓取候选的评分，反映抓取的稳定性和可行性，是抓取姿态与重力方向的夹角，，为权重系数，是抓取点的位置X,Y,Z，是抓取姿态旋转矩阵，是候选抓取姿态的得分或置信度，是按照评分从高到低对抓取候选进行排序，G是抓取候选姿态集合，descending=True是按照的值从高到低排序，是将抓取姿态映射为旋转矩阵形式，为末端执行器的主轴方向，g是重力方向，检测候选抓取位姿在场景障碍物V下是否发生碰撞，1表示无碰撞，0表示无效，是所选择的抓取位姿必须在无碰撞的约束下进行优化，保证抓取的可行性与安全性； 所述对该任务执行序列中多步任务对应的目标物体进行筛选采用反推理机制； 所述反推理机制按照下列公式进行： 其中，是候选目标与任务指令之间匹配得分，是当前任务指令，S是任务步骤编号，是根据评分对候选集按匹配度从高到低排序序列，是最终操作目标，是候选目标集合。

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华中科技大学，其通讯地址为：430074 湖北省武汉市珞喻路1037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。