CN109702768A - 学习型机器人动作数据采集方法 - Google Patents
学习型机器人动作数据采集方法 Download PDFInfo
- Publication number
- CN109702768A CN109702768A CN201811175071.XA CN201811175071A CN109702768A CN 109702768 A CN109702768 A CN 109702768A CN 201811175071 A CN201811175071 A CN 201811175071A CN 109702768 A CN109702768 A CN 109702768A
- Authority
- CN
- China
- Prior art keywords
- sphere
- people
- movement
- main body
- learning robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Manipulator (AREA)
Abstract
学习型机器人动作数据采集,是人工智能领域机器人学习外在动作技能的关键因素之一。本发明提出了一种基于学习型机器人数据采集方法:就是主体学习机器人通过其预先设定的并已经储存于其数据库的球体人,学习外在的示教者的动作。包括:预先设定的球体人及球体数据;依据各种自然人的动作预先设定的各种球体人的动作数据;主体学习机器人与其球体人外形差异化的调整。再由主体学习机器人选取与示教者相吻合的球体人,通过学习示教者的所有动作过程,录取其动作数据,再进一步转化为其主体学习机器人的动作数据,通过主体学习机器人的动作数据经过电脑程序化编程,转化为主体学习机器人的动作。
Description
技术领域
本发明涉及一种基于人工智能方面:学习型机器人动作数据采集方法。
背景技术
学习型机器人在学习外界的知识,技能过程中,肢体动作是关键因素之一。基于目前学习型机器人的动作数据采集方面的狭窄性、固定场景的局限性的不足,本发明的目的在于提供了一种较全面,较为捷径的机器人动作数据采集方法,可以有效的突破目前学习型机器人在动作数据采集方法的局限性,打破固定场景模式。
发明内容
本发明目的旨在解决学习型机器人在学习中的动作数据采集的局限性的技术缺陷之一。为了实现这一的目的,本发明提供了一种基于学习型机器人动作数据采集方法,包括如下步骤:
步骤① 球体人的设定
一个自然人的所有动作(无论是走、跑、跳.......)都必定在一个以自然人立正姿势的高度为直径线,以大于自然人最大动作范围和距离为半径的球体内,据此设计在其球体内的自然人形的人,称为球体人。因为社会自然人的外形特征千差万别,所以球体人具有不同外形特征的多样性。球体随着球体人的运动而等比例地相应的运动,(好比人体与其衣服)。
步骤② 学习型机器人与球体人的关系
学习型机器人是外形特征已经固定的,而球体人是机器人为了便于学习外界动作技能而采取的一种技术方法。球体人是依据不同的自然人外形特征而预先设定好的;球体人和球体人的动作是依据不同的自然人的几乎所有能做出的各种动作而预先设定好的,都储存于学习机器人内的数据库中。学习型机器人是其球体人的主体,学习机器人是通过球体人学习外界的技能动作。相对于其球体人,学习型机器人可以称着主体学习机器人。球体人和球体人的动作是储存于其学习机器人内部的形象、数据等。设计其球体人的位置时,必须保证与主体学习机器人的位置一致,主体机器人的位置怎样变化,其球体人的位置也随之相应的变化。即主体机器人的位置就是其球体人的位置。
步骤③ 球体数据的设定;
把不同类型的球体人所在的球体空间网格化、点状化,并用数字将每个点编号,进行数字化。相应的球体人所有部位和动作都变成是由点组成(也就是网格化、点状化球体人),并做记录作为数据,称之为球体数据。将球体数据储存于主体学习机器人的数据库中。
步骤④ 依据球体数据;设计出与社会中各种外形特征的自然人所能做出各自的一切动作一模一样的且一一对应的球体人的所有动作,并转化为数据记录,储存于主体机器人数据库。如此,社会中的各种不同的自然人的任何一个动作均可以在球体人动作数据库里找到一个球体人的动作与之相对应的。在设计过程中,越细仔、越周到、越精确越好。一个自然人的外形特征必须和一个与之对应的球体人的外形特征相一致,两者所做出的各自所有的动作也是一模一样,一一对应。在不影响两者动作特征的前提下,在误差允许的范围内,两者的体形特征可以有差异。
步骤⑤ 设计:调整后的主体学习机器人的动作数据
主体学习机器人与其球体人外形特征的差异而导致的两者动作差异的调整:依据其球体人动作,设计主体学习机器人的动作。不同类型的球体人动作是依据与之一一对应不同类型的自然人的一模一样的动作做出的,具有类型多样性,而主体学习机器人的外形已经固定,具有单一性。在将球体人的动作转化为主体学习机器人的动作编制过程中,必须考虑两者的差异。因为两者的差异,无法实现主体学习机器人能够学会外在自然人示教者的一模一样的动作、一模一样的相似的动作(可以完成该动作的目的)或完成其某动作的目的。本发明就是通过调整主体学习机器人相应的肢体动作特征(如其的位移、转向、躯体和膝盖的弯曲、以及借助外在工具。。。。。。等等),以适合主体学习机器人能实现与之对应的预先设计好的球体人的一模一样的动作或一模一样相似的动作(可以完成该动作的目的)及其某动作目的。(比如:一个动作涉及到两者的臂长臂短的差异,可以通过调整主体机器人的位移、转向、肢体的弯曲。。。。。。。方法,达到加长或缩短臂的长度,实现其与球体人的动作的完全一致性或动作目的)。如果主体学习机器人的外形、肢体动作特征能够实现其与预先设计的对应的球体人的一模一样的动作、一模一样相似的动作(可以最终完成该动作目的)或某动作目的,则可以不作调整。在设计中,通过调整主体学习机器人相应的肢体的动作特征,达到满足主体机器人能够做出与其球体人相应的动作一一对应的一模一样、一模一样相似的或能完成其动作目的的动作情况下,再一一调整主体机器人的肢体动作特征,从而满足进一步将预先设定的其球体人的所有动作一一转化为与其球体人动作一一对应的主体学习机器人的动作,并作记录作为主体机器人的动作数据,并在此称为调整后主体学习机器人的动作数据。全部储存于主体学习机器人的数据库。某些情况下,也可以调整球体人自身的外形和肢体动作特征。
步骤⑥ 将调整后的主体机器人的动作数据全部电脑程序化编程,转化为主体学习机器人的动作,并储存于主体学习机器人的数据库。这样为学习机器人通过其球体人学会外在的动作技能,做好了准备。在编制过程中,越周到,越细致,越精确越好。
步骤⑦:确定示教者:
示教者是社会中的自然人,是主体学习机器人的老师。
步骤⑧ 设计:球体人学习后的动作数据
主体学习机器人在学习时,首先由主体学习机器人将学习机器人位置与示教者的位置定位,通过摄像、定位、计算等方法将主体学习机器人与示教者同向前后、正对站立。再将示教者以其立正姿势的高度为直径画球体并将其球体空间网络化、点状数字化。再将据此录取到的示教者的外形特征的形象和数据,储存于主体学习机器人的数据库中,并与储存于主体学习机器人内的球体人比对,选取出与示教者一模一样的球体人。所选取的球体人就是和示教者学习的对像。再进一步将示教者所在的球体空间调整到与所选取的球体人的球体空间一模一样的大小,并将示教者的球体空间网络化、点状化、将每个点数字编号,即点状化数字化球体示教者的球体空间。示教者的球体空间的每个数字化的点和数字均与所选取的球体人的球体空间的每个数字化的点和数字一一对应。这样示教者就编变成了球体示教者。球体示教者为了完成示教内容而选取相应合适的位置。再进一步将主体学习机器人的位置调整到和示教者同样的或相应的位置。如此,所选取的主体学习机器人内的球体人的位置也相应地调整到和示教者相应的或同样的位置。调整两者的位置是为更方便更容易学习示教者的动作。这样,示教者进行示教,球体人学习录取示教者的动作数据,并进行与预先设定的球体人的动作比对,选取与其球体人动作一一对应,一模一样的动作,将球体人学习选择录取到的与示教者一一对应的一模一样的动作记录成为球体人学习后的动作数据,在此称为球体人学习后的动作数据。且将这部份数据储存于主体学习机器人的数据库。
步骤⑨:将主体学习机器人的球体人学习录取到的与示教者所示教的所有动作一模一样的且一一对应的球体人学习后的动作数据,与调整后的主体学习机器人的动作数据一一进行比对,录取与其球体人学习后的动作数据一一对应的调整后主体机器人的动作数据,再进一步将录取后的调整后的主体学习机器人的动作数据的这部分动作数据转化为主体学习机器人的动作。
以上各步骤到此,便可以将自然人示教者的动作通过主体学习机器人内部的球体人的动作数据的转化,成为主体学习机器人的动作。
备注:根据学习机器人需要完成的动作,设计相应的机器人外形特征;主体机器人因为材料和硬件及环境限制原因,无法学会与示教者的示教动作的一致性的除外。
根据智能机器的需要,也可以适合设计成类“飞禽走兽、游鱼洞物“型的学习型智能机器动物外形特征。
附图说明
图1说明一个自然人的所有动作都在以这个自然人立正姿势高度为直径线,以大于自然人的最大动作范围和距离为半径的求体内。
图2说明:①,是自然人示教者;②,是球体人。
图2:表示球体人的球体随着球体人运动而作相应的等比例相应的运动;球体人随着自然人示教者同等比例的位移运动。
图3说明:①,是自然人示教者;②,是球体人;③,是主体学习机器人。
图3:所表示的是经过比对后,球体人与示教者外形特征相同。球体人通过学习示教者的动作,转化为主体学习机器人动作。
图1、图2、图3中的“H”的高度以容纳球体人最多动作的数和量为准则。
图4:流程图
具体实施方式
步骤S1:通过设计,确定主体学习机器人为自然人外形特征,高度依据其功能性质和范围而定。
步骤S2:设定球体人
一个自然人的所有动作必定在以这个自然人立正姿势高度为直径线的,以大于自然人所有动作最大范围和距离为半径的球体内,据此设计其球体内这个自然人形为球体人。建议设定第一个类型的球体人的外形特征与主体机器人外形特征一样,其余类型的球体人依据社会中的各色各样的自然人外形特征而定。所以设计球体人外形特征时必须将所有自然人的外形特征都设计到。
步骤S3:设定球体人的球体数据
将球体人所在的空间网格化、点状化,并将每个点用数字编号,这样这个球体人各个部位均是由数字化的点组成的,球体人的所有动作便是由点组成的运动轨迹,且记录这些数字作为球体人数据。在此称为球体人的球体数据
步骤S4:依据球体数据,设计球体人的动作
设计做出与所有不同自然人所能做出的一切动作的一模一样的球体人的动作并做记录,作为数据储存与主体机器人的数据库。在社会中的各种不同的自然人中,任何一个自然人的任何一个动作都可以找到一个主体学习机器人内储存的球体人的动作一模一样的与之相对应。
步骤S5:设计调整后的主体学习机器人
调整主体学习机器人与其球体人因外形特征而形成的动作差异。依据其球体人动作,设计主体学习机器人的动作。不同类型的球体人动作是依据与之一一对应不同类型的自然人的一模一样的动作做出的,具有类型多样性,而主体学习机器人的外形已经固定,具有单一性。在将球体人的动作转化为主体学习机器人的动作编制过程中,必须考虑两者的差异。因为两者的差异,无法实现主体学习机器人能够学会外在自然人示教者的一模一样的动作、一模一样的相似的动作(可以完成该动作的目的)或完成某动作的目的。本发明就是通过调整主体学习机器人相应的肢体动作特征(如其的位移、转向、躯体和膝盖的弯曲、以及借助外在工具。。。。。。等等),以适合主体学习机器人能实现做出与之对应的预先设计好的球体人的一模一样的动作或一模一样相似的动作(可以完成该动作的目的)及其某动作目的。(比如:一个动作涉及到两者的臂长臂短的差异,可以通过调整主体机器人的位移、转向、肢体的弯曲......方法,达到加长或缩短臂的长度,实现其与其球体人的动作的完全一致性或动作目的)。如果主体学习机器人的外形、肢体动作特征能够实现其与预先设计的对应的其球体人的一模一样的动作、一模一样相似的动作(可以最终完成该动作目的)或某动作目的,则可以不作调整。在设计中,通过调整主体学习机器人相应的肢体的动作特征,达到满足主体机器人能够做出与其球体人相应的动作一一对应的一模一样、一模一样相似的或能完成其某动作目的的动作情况下,再一一调整主体机器人的肢体动作特征,从而满足进一步将预先设定的其球体人的所有动作一一转化为与其球体人动作一一对应的,一模一样的、一模一样相似的及可以实现其某动作目的主体学习机器人的动作,并作相应的数字记录作为主体机器人的动作数据,并在此称为调整后主体学习机器人的动作数据。全部储存于主体学习机器人的数据库。再将调整后的与其球体人动作一模一样的、一模一样相似的或能实现其某动作目的主体学习机器人的动作数据通过电脑程序化编制转化为主体机器人的动作。某些情况下,也可以调整球体人自身的外形和肢体动作调整。
步骤S6:主体学习机器人学习时,通过摄像、计算等先将主体学习机器人和示教者同时定位,通过摄像、定位、计算等方法将主体学习机器人与示教者同向、前后、正对站立。再将示教者以其立正姿势的高度为直径画球体,并将其球体空间网络化、点状数字化。再将据此录取到的示教者的外形特征的形象和数据,储存于主体学习机器人的数据库中,并与储存于主体学习机器人内的球体人比对,选取出与示教者一模一样的球体人。所选取的球体人就是和示教者学习的对像。再进一步将示教者所在的球体空间调整到与所选取的球体人的球体空间一模一样的大小,并将示教者的球体空间网络化、点状化、将每个点数字编号,即点状化数字化球体示教者的球体空间,示教者的球体空间的每个数字化的点与所选取的球体人的球体空间的每个数字化的点一一对应且每个点的编号数字性质也一样。这样,球体示教者的每个部位都与选取的球体人的每个部位一一相对应。如此示教者也就转换成球体示教者。球体示教者为了完成示教内容选取相应合适的位置后,依据各自的球体数据,再进一步将主体学习机器人(实际上也是依据并参考其球体人的球体数据)的位置调整到和示教者同样的或相应的位置。如此,所选取的主体学习机器人内的球体人的位置也相应地调整到和示教者相应的或同样的位置。调整两者的位置是为更方便更容易学习示教者的动作。示教者将所要示教的动作内容示教一遍,通过摄像、定位、计算......球体人将学习录取到的示教者示教的每个动作与之前预先设定好的这个球体人的所有动作一一比对,必定能录取到与示教者示教的一模一样且一一相对应的其球体人的动作,将其球体人学习录取到的与示教者一一对应的且一模一样的动作作记录成为其球体人学习后的动作数据,且将这部份数据储存于主体机器人的数据库中。
步骤S7:将其球体人学习所录取的与示教者一一对应的一模一样的动作,与调整后的主体学习机器人的动作进行一一比对,录取主体学习机器人能够实现其球体人学习所录取的与示教者一模一的动作的一模一样、一模一样相似的或能够完成其某动作目的的调整后的主体机器人的动作(即动作数据),这样示教者的示教动作数据就转化成为主体机器人的动作数据。再将这部分调整后的主体机器人的动作数据转化为主体学习机器人的实际动作。
Claims (9)
1.本发明是基于学习型机器人学习社会自然人动作数据采集的一种方法。本发明的特征是:主体学习机器人通过其预先设定的已经储存于其内部数据库的球体人,学会社会自然人的动作。
2.本发明是基于学习型机器人学习社会自然人动作数据采集的一种方法。
3.学习型机器人的球体人的设计:依据任一个自然人的所有动作都是在以这个自然人立正姿势的高度为直径线,以大于这个自然人的动作最大动作范围和距离为半径的球体内,设计这个在其球体内的自然人形的人为球体人。
4.球体数据的设计:将球体人所在的球体空间网络化、点状化,并将每个点用数字编号,这样球体人的各个部位和所能做出的动作均由数字化的点组成。
5.主体学习型机器人和其内部已经预先设计好的球体人的外形特征的差异性导致两者动作差异的调整。通过调整主体学习机器人的肢体动作运动特征,达到主体学习机器人能够做出与预先核对的其球体人的动作的一模一样、一模一样相似或完成其某动作目的,进而实现主体学习机器人学会与示教者一模一样的、一模一样相似的动作,或完成示教者的某动作目的。
6.将主体学习机器人的位置,也就是其球体人的位置和示教者的位置相互调整到相同或相应的位置。
7.本发明所设计的球体人的外形球体,也可以设计成各种立体外形,包括正方体、长方体……一切能容纳类球体人的所有动作空间外形。这一技术方法。
8.依据球体人的设计原理,还可以依据自然界的动物设计成球体动物,主体学习机器人同时可以设计成学习型智能机器动物。
9.本发明所设计的球体人的外形球体,也可以设计成各种立体外形,包括正方体、长方体......一切能容纳类球体人的所有动作空间外形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811175071.XA CN109702768A (zh) | 2018-10-10 | 2018-10-10 | 学习型机器人动作数据采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811175071.XA CN109702768A (zh) | 2018-10-10 | 2018-10-10 | 学习型机器人动作数据采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109702768A true CN109702768A (zh) | 2019-05-03 |
Family
ID=66254145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811175071.XA Pending CN109702768A (zh) | 2018-10-10 | 2018-10-10 | 学习型机器人动作数据采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109702768A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102317977A (zh) * | 2009-02-17 | 2012-01-11 | 奥美可互动有限责任公司 | 用于姿势识别的方法和系统 |
CN106022305A (zh) * | 2016-06-07 | 2016-10-12 | 北京光年无限科技有限公司 | 一种用于智能机器人的动作对比方法以及机器人 |
DE102017010799A1 (de) * | 2016-11-29 | 2018-05-30 | Fanuc Corporation | Maschinenlernvorrichtung und Robotersystem zum Lernen einer Bearbeitungsreihenfolge eines Laserbearbeitungsroboters und Maschinenlernverfahren dafür |
CN108214485A (zh) * | 2016-12-13 | 2018-06-29 | 发那科株式会社 | 机器人控制装置、以及机器人控制方法 |
WO2018143003A1 (ja) * | 2017-01-31 | 2018-08-09 | 株式会社安川電機 | ロボットパス生成装置及びロボットシステム |
CN108621164A (zh) * | 2018-05-10 | 2018-10-09 | 山东大学 | 基于深度相机的太极推手机器人 |
-
2018
- 2018-10-10 CN CN201811175071.XA patent/CN109702768A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102317977A (zh) * | 2009-02-17 | 2012-01-11 | 奥美可互动有限责任公司 | 用于姿势识别的方法和系统 |
CN106022305A (zh) * | 2016-06-07 | 2016-10-12 | 北京光年无限科技有限公司 | 一种用于智能机器人的动作对比方法以及机器人 |
DE102017010799A1 (de) * | 2016-11-29 | 2018-05-30 | Fanuc Corporation | Maschinenlernvorrichtung und Robotersystem zum Lernen einer Bearbeitungsreihenfolge eines Laserbearbeitungsroboters und Maschinenlernverfahren dafür |
CN108214485A (zh) * | 2016-12-13 | 2018-06-29 | 发那科株式会社 | 机器人控制装置、以及机器人控制方法 |
WO2018143003A1 (ja) * | 2017-01-31 | 2018-08-09 | 株式会社安川電機 | ロボットパス生成装置及びロボットシステム |
CN108621164A (zh) * | 2018-05-10 | 2018-10-09 | 山东大学 | 基于深度相机的太极推手机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460873B (zh) | 图像处理方法及装置、图像设备及存储介质 | |
US11586276B2 (en) | Systems and methods for generating complementary data for visual display | |
Matarić | Sensory-motor primitives as a basis for imitation: Linking perception to action and biology to robotics | |
CN105512621B (zh) | 一种基于Kinect的羽毛球动作指导系统 | |
Begum et al. | Visual attention for robotic cognition: A survey | |
CN106951858A (zh) | 一种基于深度卷积网络的人物亲缘关系识别方法与装置 | |
CN106709482A (zh) | 基于自编码器的人物亲缘关系识别方法 | |
Chinellato et al. | The visual neuroscience of robotic grasping | |
CN109635820A (zh) | 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法 | |
CN109960962A (zh) | 图像识别方法、装置、电子设备以及可读存储介质 | |
CN106980830A (zh) | 一种基于深度卷积网络自亲缘关系识别方法与装置 | |
Di Nuovo et al. | Grounding fingers, words and numbers in a cognitive developmental robot | |
CN108372506B (zh) | 一种基于cpg模型的人形机器人自适应行走框架实现方法 | |
CN116594289A (zh) | 机器人姿态预适应控制方法、装置、电子设备及存储介质 | |
Sutro et al. | Assembly of computers to command and control a robot | |
CN109702768A (zh) | 学习型机器人动作数据采集方法 | |
Barraza-Madrigal et al. | A virtual upper limb prosthesis as a training system | |
Hoshino et al. | Copycat hand—robot hand imitating human motions at high speed and with high accuracy | |
Barakova et al. | Timing sensory integration | |
Sidher | Prosthesis Design and Object Recognition Based Grasping of a 3D Printed Anthropomorphic Artificial Hand | |
Aguirre et al. | Imitation for motor learning on humanoid robots | |
Ghosh et al. | Bio-inspired networks of visual sensors, neurons, and oscillators | |
Kaltenberger et al. | Binding dancers into attractors | |
Rubenstein et al. | A scalable and distributed model for self-organization and self-healing | |
Sidher et al. | Improving a 3D-printed artificial anthropomorphic hand using the human hand model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
DD01 | Delivery of document by public notice |
Addressee: Li Qiang Document name: Notification to Make Rectification |
|
DD01 | Delivery of document by public notice | ||
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |