关于浙江大学4件成果转让的公示 

浙江大学4件成果拟转让，现将相关信息予以公示。

[1]成果名称：基于通用规划器与强化学习的多任务操控方法

完成人：朱世强；钱豪夫；宋伟；张浩阳

权利人：浙江大学

成果类型：发明专利

成果号：ZL202411884182.3

成果简介：本发明提出了一种基于通用规划器与强化学习的多任务操控方法，具体方案包括单任务轨迹样本采集与优先级轨迹回放选择、通用规划器与动作网络的训练优化、规划器与动作网络对强化学习策略网络的动作指导以及多任务环境下强化学习策略网络的共享。本发明通过最小化相邻状态差异训练通用规划器以获取两状态及动作下的可达性信息，通过最小化规划器输出步数距离训练动作网络以获取两状态间的最优动作，再将其结合到强化学习策略网络中进行动作指导并逐步减少指导，最终由策略网络独立决策，并通过共享多任务样本实现高效学习。本发明综合考虑多任务的复杂性和机器人在不同任务中的行为模式，减少任务间的负迁移，显著提高学习效率和成功率，在工业装配、家庭服务、柔性物体操控等多任务机器人应用领域展现出广阔的应用前景。

[2]成果名称：基于异步因果推断反思的持续任务规划系统及方法

完成人：朱世强；张嘉韬；胡拓成；宋雨璠；宋伟

权利人：浙江大学

成果类型：发明专利

成果号：ZL202411849041.8

成果简介：本发明提出了一种基于异步因果推断反思的持续任务规划系统及方法，包括行动者模块、关联推理模块、干预计划生成模块和反事实推理模块。本发明通过基于大语言模型的行动者模块将任务目标和环境观察作为输入并预测下一步行动，通过关联推理模块进行层级因果推断第一层次的关联推理以确定事物之间的关联性，通过干预计划生成模块进行第二层次的干预推理以验证任务失败原因，通过反事实推理模块进行第三层次的最高层次反事实推理以确定前一次尝试失败的根本原因。本发明结合层级因果推断的三个层级进行全面分析，根据干预计划生成优化后的行动方案，显著提高了长期任务规划的决策效果；同时，独立模块可结合到任意反思框架并与各种基础规划方法轻松配对，节省了时间和计算资源，易于实际部署与集成。

[3]成果名称：一种基于深度神经网络的机器人三维轨迹规划方法

完成人：朱世强；范宏博；宋伟

权利人：浙江大学

成果类型：发明专利

成果号：ZL202510259463.8

成果简介：本发明提出了一种基于深度神经网络的机器人三维轨迹规划方法，包括环境地图数字网格编码、深度神经网络轨迹概率分布预测、基于概率分布的非均匀与全局均匀混合采样策略、改进RRT*算法的动态步长调整与重布线轨迹搜索优化，以及实时更新环境信息触发局部轨迹重规划的动态障碍物应对机制。本发明首次将深度神经网络应用于三维轨迹规划的概率建模，结合非均匀采样与RRT*的渐进最优性，平衡探索与利用，减少约90%的冗余节点，并融合机器人安全距离、步长等参数生成符合动力学约束的安全轨迹，实现多目标优化并避免局部最优。本发明缩短轨迹平均长度，降低计算资源消耗，实现了在复杂环境中高效轨迹规划。

[4]成果名称：一种结合抓取网络和抓取位姿选择与调整的机械臂轨迹规划方法

完成人：朱世强；邵珺；宋伟；廖建峰

权利人：浙江大学

成果类型：发明专利

成果号：ZL202210799210.6

成果简介：本发明提出了一种结合抓取网络和抓取位姿选择与调整的机械臂轨迹规划方法，包括轨迹规划优化问题的定义与求解、抓取位姿选择策略设计、抓取位姿调整的无约束多目标优化建模与近似求解，以及抓取位姿选择与调整相融合的机械臂轨迹规划流程。本发明以抓取网络生成对物体的抓取姿态集后，能够借助抓取姿态集，根据场景适时优化轨迹、改变并调整抓取位姿，实现了轨迹平滑和轨迹无碰撞的性能均衡，具有领先的抓取规划成功率；同时，抓取位姿调整的近似求解思路和梯度保存的策略极大降低了计算成本，方法实时性强。

转化方式：转让

定价方式：挂牌交易

转化价格：180万元（150万元首期款+30万元里程碑付款）

关联情况：关联

公示期自2026年10月30日至2026年11月13日。如有异议，请在公示期内向浙江知识产权交易中心提交异议书及有关证据。

浙江知识产权交易中心

2026年10月30日