[发明专利]直觉物理的机器学习方法、装置及计算机可读存储介质在审
| 申请号： | 201910365831.1 | 申请日： | 2019-04-30 |
| 公开（公告）号： | CN110070542A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 王智华 | 申请（专利权）人： | 王智华 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T1/00 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国 |
| 地址： | 450000 河南省郑州市*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种直觉物理的机器学习方法，通过获取目标物体的深度图像，将所述深度图像和基于目标物体特性生成的第一条件向量输入生成网络，得到目标物体的预测变形量；然后获取目标物体的真实变形量，将所述预测变形量作为判别网络的输入值，结合真实变形量，确定生成网络输出的预测变形量是否符合期望；之后在所述预测变形量符合期望时，基于所述预测变形量执行任务。本发明还公开了一种直觉物理的机器学习装置及计算机可读存储介质。本发明方法预测出三维物体在受到外力时的实时变形情况，将该物体的材料特性和受力情况作为条件向量，附加给深度变分自动编码器和对抗性训练网络，实现了实时的变形预测。 | ||
| 搜索关键词： | 变形量 预测 计算机可读存储介质 获取目标 机器学习 目标物体 深度图像 变形 机器学习装置 对抗性训练 自动编码器 材料特性 第一条件 三维物体 输入生成 条件向量 网络输出 网络 期望 受力 向量 | ||
【主权项】：
1.一种直觉物理的机器学习方法，应用于直觉物理的机器学习系统，其特征在于，所述直觉物理的机器学习系统包括生成网络和判别网络，所述直觉物理的机器学习方法包括以下步骤：获取目标物体的深度图像，将所述目标物体的深度图像和基于目标物体特性生成的第一条件向量输入生成网络，得到目标物体的预测变形量；获取目标物体的真实变形量，将所述生成网络输出的预测变形量作为判别网络的输入值，结合所述真实变形量，确定生成网络输出的预测变形量是否符合期望；在所述生成网络输出的预测变形量符合期望时，基于所述预测变形量执行任务。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于王智华，未经王智华许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910365831.1/，转载请声明来源钻瓜专利网。
