SCI發(fā)布!三一無人挖掘技術(shù)最新研究成果

Applied Sciences

是一本國際性同行評審開放獲取期刊，專注于應(yīng)用自然科學領(lǐng)域。由MDPI在線出版，每月發(fā)行兩次。在工程學（多學科）和一般工程學中均被JCR評為Q1級別。

2024年8月8日，由三一重機小挖研究院副院長高樂博士團隊與上海交通大學胡潔教授團隊合作研究的，題為《E-GTN: Advanced Terrain Sensing Framework for Enhancing Intelligent Decision Making of Excavators》的論文正式發(fā)布。

論文介紹

面對復雜多變的挖掘環(huán)境，一項多模態(tài)大模型技術(shù)——E-GTN框架，由高樂博士團隊與上海交通大學胡潔教授團隊聯(lián)合研發(fā)，為無人挖掘的現(xiàn)有挑戰(zhàn)提供了一種理論的解決方案。

傳統(tǒng)的無人挖掘技術(shù)依賴于專家經(jīng)驗和動態(tài)規(guī)劃，但在效率和泛化性上存在局限。E-GTN框架通過地形特征提取和多模態(tài)融合技術(shù)，基于強化學習和大模型架構(gòu)，顯著提升了無人挖掘的決策能力和環(huán)境適應(yīng)性。該框架包括地形信息處理、地形特征提取和決策三部分。

E-GTN框架集成了多模態(tài)融合技術(shù)，通過結(jié)合多種傳感器數(shù)據(jù)，實現(xiàn)了對挖掘環(huán)境的高精度三維重建，為無人挖掘機提供了更為豐富和準確的地形信息。此外，研究團隊提出了基于卷積網(wǎng)絡(luò)的網(wǎng)格化挖掘環(huán)境感知技術(shù)，定制設(shè)計的模型GridNet能夠提取顯著的地形特征。

決策過程被建模為基于大模型的深度強化學習（DRL）算法用于挖掘任務(wù)。這項技術(shù)不僅能夠?qū)崟r響應(yīng)環(huán)境變化，還具備智能決策能力，使得無人挖掘機在各種地形條件下都能做出高效、精準的挖掘操作。

E-GTN框架的推出，為挖掘行業(yè)的自動化和智能化發(fā)展提供了一種新的技術(shù)探索。隨著大模型技術(shù)的不斷成熟和應(yīng)用范圍的擴大，將帶來更加精準、安全和高效的無人作業(yè)方式。

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。