摘要
本发明公开了一种基于形态统计建模的体素机器人结构优化设计方法,包括:构建并训练深度概率生成模型,生成模型基于多层次的表征方式,包括任务嵌入层、形态潜变量生成层和体素分布生成层;利用生成模型对目标任务进行形态设计,包括:输入任务编码,生成形态潜变量,并基于形态潜变量生成体素机器人形态;在生成过程中,使用形态池存储代际采样的形态样本及其适应度,基于连续自然选择抽样技术对形态样本进行筛选与优化,优化结果反馈到生成模型中;面向不同任务目标,通过迭代优化生成模型及样本选择策略,实现多任务适应性设计。本方法通过生成模型生成形态样本,引入形态池存储样本及其适应度,保持描述的广泛适用性,有效提高样本利用率。
技术关键词
优化设计方法
机器人结构
形态
概率生成模型
样本
抽样技术
多层感知机
变量
平衡技术
编码器模块
多任务
多层次
协方差矩阵
超参数
策略
控制器
动态
系统为您推荐了相关专利信息
遥感影像分类方法
多任务
多分类器
标签
样本分类方法
场景管理系统
随机森林模型
元素
预测误差
初始聚类中心
气象预测方法
历史气象数据
气象预测装置
模拟电力系统
模型误差
图像生成模型
标签文本
图像生成方法
样本
微调方法