是一本国际性同业评审盛开获取期刊，专一于利用天然科学领域

。由MDPI在线出版，每月刊行两次

。在工程学（多学科）和通常工程学中均被JCR评为Q1级别

。

2024年8月8日，由bevictor伟德沉机幼挖钻研院副院长高乐博士团队与上海交通大学胡洁教授团队合作钻研的，题为《E-GTN: Advanced Terrain Sensing Framework for Enhancing Intelligent Decision Making of Excavators》的论文正式颁布

。

 论文介绍

面对复杂多变的挖掘环境，一项多模态大模型技术——E-GTN框架，由高乐博士团队与上海交通大学胡洁教授团队结合研发，为无人挖掘的现有挑战提供了一种理论的解决规划

。

传统的无人挖掘技术依赖于专家经验和动态规划，但在效能和泛化性上存在局限

。E-GTN框架通过地形特点提取和多模态融合技术，基于强化进建和大模型架构，显著提升了无人挖掘的决策能力和环境适应性

。该框架蕴含地形信息处置、地形特点提取和决策三部门

。

E-GTN框架集成了多模态融合技术，通过结合多种传感器数据，实现了对挖掘环境的高精度三维沉建，为无人挖掘机提供了更为丰硕和正确的地形信息

。此表，钻研团队提出了基于卷积网络的网格化挖掘环境感知技术，定造设计的模型GridNet可能提取显著的地形特点

。

决策过程被建模为基于大模型的深度强化进建（DRL）算法用于挖掘工作

。这项技术不仅可能实时响应环境变动，还具备智能决策能力，使得无人挖掘机在各类地形前提下都能做出高效、精准的挖掘操作

。

E-GTN框架的推出，为挖掘行业的自动化和智能化发展提供了一种新的技术索求

。随着大模型技术的不休成熟和利用领域的扩大，将带来越发精准、安全和高效的无人作业方式

。

??