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(xué)領(lǐng)域。由MDPI在線出版，每月發(fā)行兩次。在工程學(xué)（多學(xué)科）和一般工程學(xué)中均被JCR評為Q1級別。

2024年8月8日，由三一重機(jī)小挖研究院副院長高樂博士團(tuán)隊與上海交通大學(xué)胡潔教授團(tuán)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(fù)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(tuán)隊與上海交通大學(xué)胡潔教授團(tuán)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(qiáng)化學(xué)習(xí)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(jī)提供了更為豐富和準(zhǔn)確的地形信息。此外，研究團(tuán)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(qiáng)化學(xué)習(xí)（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(jī)在各種地形條件下都能做出高效、精準(zhǔn)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(kuò)大，將帶來更加精準(zhǔn)、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。