CN110216675B - 智能机器人的控制方法、装置、智能机器人及计算机设备 - Google Patents
智能机器人的控制方法、装置、智能机器人及计算机设备 Download PDFInfo
- Publication number
- CN110216675B CN110216675B CN201910537809.0A CN201910537809A CN110216675B CN 110216675 B CN110216675 B CN 110216675B CN 201910537809 A CN201910537809 A CN 201910537809A CN 110216675 B CN110216675 B CN 110216675B
- Authority
- CN
- China
- Prior art keywords
- intelligent robot
- curve
- graph
- preset
- target control
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请提出一种智能机器人的控制方法、装置、智能机器人及计算机设备,该智能机器人的控制方法包括在所述智能机器人移动过程中,获取所述智能机器人的传感器的感应信号;分析所述感应信号得到对应的第一曲线图,所述第一曲线图用于拟合所述感应信号与时间的函数关系;根据所述第一曲线图,对所述智能机器人进行目标控制。通过本申请能够提升智能机器人的风险控制的精准度,且不会带来额外的制造成本,风险控制较为便捷。
Description
技术领域
本申请涉及智能机器人技术领域,尤其涉及一种智能机器人的控制方法、装置、智能机器人及计算机设备。
背景技术
随着人工智能(Artificial Intelligence,AI)技术的发展,智能机器人应运而生,智能机器人给人们的日常生活带来了极大的便利。智能机器人具有许多可活动部件,例如,底盘、云台、手臂等。可活动部件可能会对周围环境,产生碰撞风险。因此,有必要在智能机器人移动过程中进行相应的风险控制以避免一些危险的事件。
相关技术中,通常是采用在可活动部件上配置柔性关节、电子皮肤等进行相应的风险控制,或者,在底盘前侧方向安装雷达以及超声传感器进行相应的风险控制。
这种方式下,采用在可活动部件上配置柔性关节、电子皮肤等进行相应的风险控制时所耗费的成本较高,设计难度大,采用在底盘前侧方向安装雷达以及超声传感器进行相应的风险控制时,覆盖区域不全,风险控制效果不佳。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的目的在于提出一种智能机器人的控制方法、装置、智能机器人及计算机设备,由于是根据感应信号结合相应的数学分析算法得出的曲线图对智能机器人进行控制,因而,能够提升智能机器人的风险控制的精准度,且由于是直接利用了传感器的感应信号,因而,不会带来额外的制造成本,风险控制较为便捷。
为达到上述目的,本申请第一方面实施例提出的智能机器人的控制方法,应用于智能机器人中,包括:在所述智能机器人移动过程中,获取所述智能机器人的传感器的感应信号;分析所述感应信号得到对应的第一曲线图,所述第一曲线图用于拟合所述感应信号与时间的函数关系;根据所述第一曲线图,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述根据所述第一曲线图,对所述智能机器人进行目标控制,包括:
确定所述第一曲线图的第一曲线特征;
将所述第一曲线特征与预设的第二曲线特征进行匹配,所述第二曲线特征属于第二曲线图,所述第二曲线图用于拟合样本感应信号与时间的函数关系,所述样本感应信号为所述智能机器人发生预设事件时传感器检测到的感应信号;
根据匹配的结果,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述感应信号包括:对应于不同方向上的感应子信号,所述分析所述感应信号得到对应的第一曲线图,包括:
确定所述感应子信号的持续时间;
根据所述感应子信号以及所述感应子信号的持续时间,得到所述感应子信号对应的第一曲线图。
在本发明的一个实施例中,所述根据匹配的结果,对所述智能机器人进行目标控制,包括:
若所述第一曲线特征与任一第二曲线特征满足预设的匹配条件,根据所匹配的第二曲线特征对应的预设事件,确定对应的目标控制策略;
根据所述目标控制策略,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述根据所述第一曲线图,对所述智能机器人进行目标控制,包括:
依次将所述第一曲线图中各时间点的曲线值输入预设模型中;
根据所述预设模型的输出结果,确定对应的目标预设事件,所述输出结果中包括与输入的曲线值对应的目标预设事件,所述预设模型是基于样本曲线图中各时间点的样本曲线值与对应的预设事件训练得到的;
根据所述目标预设事件,确定对应的目标控制策略;
根据所述目标控制策略,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述第一曲线特征包括以下至少一种数据:所述第一曲线图中任一时间点前后的第一时间阈值内的曲线变化情况,所述第一时间阈值内各时间点的曲线值,以及各时间点的曲线值;
所述第二曲线特征包括以下至少一种数据:所述第二曲线图中第二时间阈值内的曲线变化情况,所述第二时间阈值内各时间点的曲线值,以及各时间点的曲线值。
在本发明的一个实施例中,所述传感器包括:三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计。
在本发明的一个实施例中,所述根据所述感应子信号以及所述感应子信号的持续时间,得到所述感应子信号对应的第一曲线图,包括:
根据各所述方向上的加速度感应信号,以及所述持续时间得到与各所述方向对应的第一加速度曲线图;
根据各所述方向上的旋转速率感应信号,以及所述持续时间得到与各所述方向对应的第一旋转速度曲线图;
根据各所述方向上的角速度感应信号,以及所述持续时间得到与各所述方向对应的第一角速度曲线图。
在本发明的一个实施例中,所述根据所述目标控制策略,对所述智能机器人进行目标控制,包括:
若所述预设事件为第一风险的事件,控制所述智能机器人停止移动;或者
若所述预设事件为第二风险的事件,控制所述智能机器人降速、避让障碍物、或者输出警示信息,所述第一风险高于所述第二风险。
本申请第一方面实施例提出的智能机器人的控制方法,通过在智能机器人移动过程中,获取智能机器人的传感器的感应信号,并分析感应信号得到对应的第一曲线图,第一曲线图用于拟合感应信号与时间的函数关系,以及根据第一曲线图,对智能机器人进行目标控制,由于是根据感应信号结合相应的数学分析算法得出的曲线图对智能机器人进行控制,因而,能够提升智能机器人的风险控制的精准度,且由于是直接利用了传感器的感应信号,因而,不会带来额外的制造成本,风险控制较为便捷。本发明实施例中通过传感器采集道德感应信号对智能机器人进行控制,相比于柔性关节等方案,成本更低,并且本发明实施例中对传感器的安装位置也没有特殊要求,设计难度低。
为达到上述目的,本申请第二方面实施例提出的智能机器人的控制装置,应用于智能机器人中,包括:获取模块,用于在所述智能机器人移动过程中,获取所述智能机器人的传感器的感应信号;分析模块,用于分析所述感应信号得到对应的第一曲线图,所述第一曲线图用于拟合所述感应信号与时间的函数关系;控制模块,用于根据所述第一曲线图,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述控制模块,具体用于:
确定所述第一曲线图的第一曲线特征;将所述第一曲线特征与预设的第二曲线特征进行匹配,所述第二曲线特征属于第二曲线图,所述第二曲线图用于拟合样本感应信号与时间的函数关系,所述样本感应信号为所述智能机器人发生预设事件时传感器检测到的感应信号;根据匹配的结果,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述感应信号包括:对应于不同方向上的感应子信号,所述分析模块,具体用于:
确定所述感应子信号的持续时间;
根据所述感应子信号以及所述感应子信号的持续时间,得到所述感应子信号对应的第一曲线图。
进一步的,在本发明的一个实施例中,所述控制模块,具体用于:
若所述第一曲线特征与任一第二曲线特征满足预设的匹配条件,根据所匹配的第二曲线特征对应的预设事件,确定对应的目标控制策略;根据所述目标控制策略,对所述智能机器人进行目标控制。
在本发明的另一个实施例中,所述控制模块,具体用于:
依次将所述第一曲线图中各时间点的曲线值输入预设模型中;根据所述预设模型的输出结果,确定对应的目标预设事件,所述输出结果中包括与输入的曲线值对应的目标预设事件,所述预设模型是基于样本曲线图中各时间点的样本曲线值与对应的预设事件训练得到的;根据所述目标预设事件,确定对应的目标控制策略,并根据所述目标控制策略,对所述智能机器人进行目标控制。
在本发明的一个实施例中,所述第一曲线特征包括以下至少一种数据:所述第一曲线图中任一时间点前后的第一时间阈值内的曲线变化情况,所述第一时间阈值内各时间点的曲线值,以及各时间点的曲线值;
所述第二曲线特征包括以下至少一种数据:所述第二曲线图中第二时间阈值内的曲线变化情况,所述第二时间阈值内各时间点的曲线值,以及各时间点的曲线值。
在本发明的一个实施例中,所述传感器包括:三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计。
在本发明的一个实施例中,所述分析模块,具体用于:
根据各所述方向上的加速度感应信号,以及所述持续时间得到与各所述方向对应的第一加速度曲线图;
根据各所述方向上的旋转速率感应信号,以及所述持续时间得到与各所述方向对应的第一旋转速度曲线图;
根据各所述方向上的角速度感应信号,以及所述持续时间得到与各所述方向对应的第一角速度曲线图。
在本发明的一个实施例中,所述控制模块,具体用于:
若所述预设事件为第一风险的事件,控制所述智能机器人停止移动;或者
若所述预设事件为第二风险的事件,控制所述智能机器人降速、避让障碍物、或者输出警示信息,所述第一风险高于所述第二风险。
本申请第二方面实施例提出的智能机器人的控制装置,通过在智能机器人移动过程中,获取智能机器人的传感器的感应信号,并分析感应信号得到对应的第一曲线图,第一曲线图用于拟合感应信号与时间的函数关系,以及根据第一曲线图,对智能机器人进行目标控制,由于是根据感应信号结合相应的数学分析算法得出的曲线图对智能机器人进行控制,因而,能够提升智能机器人的风险控制的精准度,且由于是直接利用了传感器的感应信号,因而,不会带来额外的制造成本,风险控制较为便捷。本发明实施例中通过传感器采集道德感应信号对智能机器人进行控制,相比于柔性关节等方案,成本更低,并且本发明实施例中对传感器的安装位置也没有特殊要求,设计难度低。
为达到上述目的,本申请第三方面实施例提出的智能机器人,包括:本体;可活动部件;以及本申请第二方面实施例提出的智能机器人的控制装置。
为达上述目的,本申请第四方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的智能机器人的控制方法。
为了实现上述目的,本申请第五方面实施例提出了一种计算机可读存储介质,当所述存储介质中的指令被处理器执行时,实现如上所述的智能机器人的控制方法。
为了实现上述目的,本申请第六方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例描述的智能机器人的控制方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请一实施例提出的智能机器人的控制方法的流程示意图;
图2是本申请另一实施例提出的智能机器人的控制方法的流程示意图;
图3为本申请实施例中第二曲线图示意图;
图4是本申请一实施例提出的智能机器人的控制装置的结构示意图;
图5是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。相反,本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本申请一实施例提出的智能机器人的控制方法的流程示意图。
本实施例以智能机器人的控制方法被配置为智能机器人的控制装置中来举例说明。
本实施例中智能机器人的控制方法可以被配置在智能机器人的控制装置中,智能机器人的控制装置可以设置在服务器中,或者也可以设置在智能机器人中,本申请实施例对此不作限制。
本实施例以智能机器人的控制方法被配置在智能机器人中为例。
需要说明的是,本申请实施例的执行主体,在硬件上可以例如为服务器或者智能机器人中的中央处理器(Central Processing Unit,CPU),在软件上可以例如为服务器或者智能机器人中的相关的后台服务,对此不作限制。
本申请实施例应用于智能机器人中,智能机器人包括多个可活动部件,在各可活动部件中设置传感器,以在智能机器人移动过程中,经由传感器感应得到感应信号,该感应信号用于进行相应的风险控制。
参见图1,该方法包括:
S101:在智能机器人移动过程中,获取智能机器人的传感器的感应信号。
一些实施例中,传感器可以例如为,惯性测量单元(Inertial measurement unit,IMU)传感器,该IMU传感器是测量物体三轴姿态角(或角速率)以及加速度的装置。
其中,IMU传感器包括三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计。
其中三轴的加速度计可以实时获得智能机器人各方向的加速度,三轴的陀螺仪可以实时获得智能机器人各方向的旋转速率等。
本申请实施例中,可以将IMU传感器设置在智能机器人的各可活动部件中,能够实现对各可活动部件均进行精准的风险控制。
在具体执行的过程中,可以控制智能机器人移动,并在移动过程中,控制各可活动部件内预置的IMU传感器实时地感应,得到相应的感应信号,并同步将感应得到的感应信号发送至智能机器人的中央处理器,由中央处理器进行后续相应的风险控制。
S102:分析感应信号得到对应的第一曲线图,第一曲线图用于拟合感应信号与时间的函数关系。
在具体执行的过程中,由于智能机器人在空间中移动的过程中,其上设置的各可活动部件可能会在空间的各个方向上产生位移,因此,本申请实施例中的感应信号可以包括对应于不同方向(该方向为空间中的方向)上的感应子信号,实现基于感应子信号对空间中可能来自各个方向上的风险进行检测,能够全方位地保障风险检测效果。
可选地,可以是在获取智能机器人的传感器的感应信号的同时,确定感应子信号的持续时间,并根据感应子信号以及感应子信号的持续时间,得到感应子信号对应的第一曲线图。
其中,可以在智能机器人中预设计时装置,在获取智能机器人的传感器的感应信号的同时,由智能机器人的中央处理器控制计时装置进行计时,确定感应子信号的持续时间。
以传感器为IMU传感器进行示例,由于IMU传感器包括三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计,因此,可以感测到各方向上的加速度感应信号,各方向上的旋转速率感应信号,以及各方向上的角速度感应信号。
而后,在根据感应子信号以及感应子信号的持续时间,得到感应子信号对应的第一曲线图时,可以根据各方向上的加速度感应信号,以及持续时间得到与各方向对应的第一加速度曲线图;根据各方向上的旋转速率感应信号,以及持续时间得到与各方向对应的第一旋转速度曲线图;根据各方向上的角速度感应信号,以及持续时间得到与各方向对应的第一角速度曲线图。
作为一种示例,中央处理器可以确定一个时间段,并结合智能机器人各方向的加速度感应信号分别生成X轴向的加速度曲线图,Y轴向的加速度曲线图,以及Z轴向的加速度曲线图,并将X轴向的加速度曲线图,Y轴向的加速度曲线图,以及Z轴向的加速度曲线图作为第一加速度曲线图,其中第一加速度曲线图拟合时间段与对应方向的加速度感应信号之间的函数关系。
具体地,可以将各方向的加速度感应信号基于时间段进行积分,将积分得到的曲线图作为各方向上的加速度曲线图,对此不作限制。
另一些实施例中,中央处理器可以确定一个时间段,并结合智能机器人各方向的旋转速率感应信号分别生成X轴向的旋转速度曲线图,Y轴向的旋转速度曲线图,以及Z轴向的旋转速度曲线图,并将X轴向的旋转速度曲线图,Y轴向的旋转速度曲线图,以及Z轴向的旋转速度曲线图作为第一旋转速度曲线图,其中第一旋转速度曲线图拟合时间段与对应方向的旋转速率感应信号之间的函数关系。
另一些实施例中,中央处理器可以确定一个时间段,并结合智能机器人各方向的角速度感应信号分别生成X轴向的角速度曲线图,Y轴向的角速度曲线图,以及Z轴向的角速度曲线图,并将X轴向的角速度曲线图,Y轴向的角速度曲线图,以及Z轴向的角速度曲线图作为第一角速度曲线图,其中第一角速度曲线图拟合时间段与对应方向的角速度感应信号之间的函数关系。
S103:根据第一曲线图,对智能机器人进行目标控制。
本申请实施例中,可以根据第一曲线图确定对应的预设事件,预设事件例如为,过水泥缝、过地标、过斜坡、智能机器人与人或物体产生碰撞、智能机器人被推动等,而后,根据所确定的预设事件对应的风险,对智能机器人进行目标控制。
在具体执行的过程中,可以在预设事件为第一风险的事件,控制智能机器人停止移动;或者在预设事件为第二风险的事件,控制智能机器人降速、避让障碍物、或者输出警示信息,第一风险高于第二风险。
作为一种示例,在预设事件为第一风险的事件,控制智能机器人停止移动的同时,还可以在智能机器人的显示屏上显示风险信息,进一步还可以生成相应的提示信息以对智能机器人的管理员进行提示,响应于管理员解除目标控制的指令,以对目标控制进行解除处理,即在目标控制为控制智能机器人停止移动,则对目标控制进行解除处理时,即是控制智能机器人开始移动。
第一风险的事件例如为,智能机器人与人或物体产生碰撞、智能机器人被推动等。其中,第一风险的事件可以根据场景需求、智能机器人实际工作的环境、或企业需求等因素进行预先配置,也可以根据场景的变化、实际工作环境的变化、或企业需求等进行更新。
作为另一种示例,在预设事件为第二风险的事件,控制智能机器人降速、避让障碍物、或者输出警示信息时,还可以向智能机器人的管理员侧的设备发送远程控制请求,以及响应于管理员对远程控制请求的确认,以使管理员采用设备对智能机器人进行远程控制。
第二风险的事件例如为,过水泥缝、过地标、过斜坡等。其中,第二风险的事件可以根据场景需求、智能机器人实际工作的环境、或企业需求等因素进行预先配置,也可以根据场景的变化、实际工作环境的变化、或企业需求等进行更新。
本发明实施例中,考虑到不同的事件的风险程度可能不相同,因此,可以针对不同的事件的具体情况配置对应的风险等级,即,在预设事件为第一风险的事件,控制智能机器人停止移动;或者在预设事件为第二风险的事件,控制智能机器人降速、避让障碍物、或者输出警示信息,能够实现针对性的控制,优化智能机器人的调度配置,合理地利用智能机器人所能够接入的资源,全方位的提升智能机器人的智能化程度。
上述对智能机器人所进行的相应的控制步骤,均可以被称为目标控制。
本申请实施例中,可以预先结合实际的风险处理规则,确定各预设事件对应的响应策略,而后,在确定对应的预设事件时,可以确定与该预设事件对应的目标响应策略,以根据目标响应策略对碰撞事件进行预警,使得风险响应更为有效,更具有针对性。
下面举例说明根据第一曲线图,对智能机器人进行目标控制的步骤,参见图2,S103包括:
S201:确定第一曲线图的第一曲线特征。
可选地,第一曲线特征包括以下至少一种数据:第一曲线图中任一时间点前后的第一时间阈值内的曲线变化情况,第一时间阈值内各时间点的曲线值,以及各时间点的曲线值。
其中的第一时间阈值可以是预先设定的,该第一时间阈值可以由智能机器人的出厂程序预先设定,或者,也可以由智能机器人的使用用户根据实际的使用需求进行设定,对此不作限制。
S202:将第一曲线特征与预设的第二曲线特征进行匹配,第二曲线特征属于第二曲线图,第二曲线图用于拟合样本感应信号与时间的函数关系,样本感应信号为智能机器人发生预设事件时传感器检测到的感应信号。
可选地,第二曲线特征包括以下至少一种数据:第二曲线图中第二时间阈值内的曲线变化情况,第二时间阈值内各时间点的曲线值,以及各时间点的曲线值。
其中的第二时间阈值可以是预先设定的,该第二时间阈值可以由智能机器人的出厂程序预先设定,或者,也可以由智能机器人的使用用户根据实际的使用需求进行设定,对此不作限制。
其中的第一时间阈值可以是与第二时间阈值相同,或者,也可以不相同。
一些实施例中,在将第一曲线特征与预设的第二曲线特征进行比对,可以确定第一曲线特征和第二曲线特征之间的相似度值,将该相似度值作为匹配的结果,或者,也可以将相似度值与预设值之间的匹配情况作为匹配的结果,对此不作限制。
一些实施例中,第二曲线特征为第二曲线图中的特征,第二曲线特征为多个,第二曲线图与样本感应信号相对应,样本感应信号为采用预设事件对智能机器人进行测试的过程中,传感器检测得到的。
通过对智能机器人进行测试的过程中,传感器检测到的样本感应信号确定第二曲线图,以及确定第二曲线图中的多个第二曲线特征,且,各第二曲线特征均描述产生预设事件时,样本感应信号的特征,能够标记出多种类型的预设事件,有效保障风险控制的全面性,使得智能机器人能够精准对各种类型的风险进行高效地检测。
一些实施例中,预设事件包括多种,各预设事件具有不同的、或者相同的类别,通过对智能机器人产生不同类别的预设事件时所感应得到的样本感应信号进行建模,确定智能机器人在产生多种预设事件时的样本感应信号对应曲线图的特征,使得智能机器人能够对各类型的预设事件进行精准地区分,进而保障能够确定出具有针对性的响应策略。
作为一种示例,在对智能机器人进行测试,根据传感器检测到的样本感应信号确定第二曲线图的过程中,可以将水泥缝、地标等布置在智能机器人的移动路径上,或者,也可以通过一些人为的操作(例如,轻推智能机器人、前方拍打智能机器人等),而后检测智能机器人感应上述预设障碍物,以及人为的操作得到的样本感应信号,而后,可以根据上述拟合各轴向曲线的方式,拟合第二曲线图,第二曲线图用于拟合样本感应信号与时间的函数关系。
一些实施例中,可以通过人工监测的方式,确定智能机器人产生预设事件的实际时间点,或者,也可以由智能机器人自动记录的方式,在产生各种预设事件时,记录下此时的实际时间点,以便于后续基于实际的时间点确定相应的曲线特征。
一些实施例中,在上述确定第二曲线图,并确定智能机器人产生各种预设事件的实际时间点,可以基于实际的时间点提取第二曲线图中的曲线特征,由此,确定出了产生预设事件时对应的曲线特征并作为第二曲线特征。
参见图3,图3为本申请实施例中第二曲线图示意图,其中呈现出了多个第二曲线特征31,以及包含第二曲线图32、预设事件33,以及智能机器人产生预设事件的实际时间点34。
可以理解的是,智能机器人在平地上行进、在不平坦的地面上行进、被推动、撞到预设障碍物等,均会使得上述第二曲线图呈现出相应的第二曲线特征。
例如,智能机器人在被侧向推动时,会产生一个侧向加速度,对应的侧向速度会有一个陡然的变化,该陡然的变化能够在第二曲线图上有所呈现,智能机器人在撞击到障碍物时,会检测当前的实际速度和输出速度产生偏差,该产生偏差也能够在第二曲线图上有所呈现。
因此,本申请实施例中通过将可能产生预设事件的曲线特征作为第二曲线特征提炼总结并存储,由此实现在智能机器人再次遇到相似的事件时能够及时地响应,以减小风险事件带来的影响。
在实际执行过程中,也可以是在测试过程中感应到样本感应信号之后,采用人工智能相关的神经网络模型训练确定样本感应信号对应的特征,或者,也可以采用其它任意可能的方法确定样本感应信号对应的特征,比如,还可以采用传统的编程技术(比如模拟法和工程学方法)确定样本感应信号对应的特征,又比如,还可以遗传学算法和人工神经网络的方法确定样本感应信号对应的特征,对此不作限制。
作为一种示例,在根据第一曲线图,对智能机器人进行目标控制,还可以依次将第一曲线图中各时间点的曲线值输入预设模型中,根据预设模型的输出结果,确定对应的目标预设事件,输出结果中包括与输入的曲线值对应的目标预设事件,预设模型是基于样本曲线图中各时间点的样本曲线值与对应的预设事件训练得到的,以及根据所述目标预设事件,确定对应的目标控制策略;根据所述目标控制策略,对所述智能机器人进行目标控制。
通过直接将第一曲线图中各时间点的曲线值输入预设模型中,根据预设模型的输出结果,确定对应的目标预设事件,能够较为快速地确定出目标预设事件,保障较好的风险控制效率,并且,风险控制的方式较为灵活,能够适用于不同的使用场景需求,拓宽了智能机器人的应用功能,提升用户使用体验度。
本申请实施例在具体执行的过程中,还可以在测试得到第二曲线特征的过程中,对测试时预先模拟的预设事件的风险级别进行标定,该标定的风险级别用于确定后续进行目标控制的控制策略。
其中的风险级别可以经由智能机器人的实际使用经验进行标定,或者,也可以由智能机器人的出厂程序预先设定。
S203:根据匹配的结果,对智能机器人进行目标控制。
可选地,若第一曲线特征与任一第二曲线特征满足预设的匹配条件,根据所匹配的第二曲线特征对应的预设事件,确定对应的目标控制策略,则根据目标控制策略,对智能机器人进行目标控制。
具体执行的过程中,若第一曲线特征与任一第二曲线特征满足预设的匹配条件,则可以根据所匹配的第二曲线特征对应的预设事件的风险级别,确定对应的目标控制策略进行目标控制,对此不作限制。
其中的风险级别即上述的第一风险和第二风险,第一风险高于第二风险,在此不再赘述。
通过上述预先标定各预设事件的风险级别,能够在实际风险控制的过程中,及时地呈现出预设事件的风险级别,有助于智能机器人采取针对性的响应措施,实现智能化的风险控制。
本实施例中,通过在智能机器人移动过程中,获取智能机器人的传感器的感应信号,并分析感应信号得到对应的第一曲线图,第一曲线图用于拟合感应信号与时间的函数关系,以及根据第一曲线图,对智能机器人进行目标控制,由于是根据感应信号结合相应的数学分析算法得出的曲线图对智能机器人进行控制,因而,能够提升智能机器人的风险控制的精准度,且由于是直接利用了传感器的感应信号,因而,不会带来额外的制造成本,风险控制较为便捷。
图4是本申请一实施例提出的智能机器人的控制装置的结构示意图。
应用于智能机器人中。
参见图4,该装置400包括:
获取模块401,用于在智能机器人移动过程中,获取智能机器人的传感器的感应信号;
分析模块402,用于分析感应信号得到对应的第一曲线图,第一曲线图用于拟合感应信号与时间的函数关系;
控制模块403,用于根据第一曲线图,对智能机器人进行目标控制。
可选地,一些实施例中,控制模块403在根据第一曲线图,对智能机器人进行目标控制,具体用于:
确定第一曲线图的第一曲线特征;将第一曲线特征与预设的第二曲线特征进行匹配,第二曲线特征属于第二曲线图,第二曲线图用于拟合样本感应信号与时间的函数关系,样本感应信号为智能机器人发生预设事件时传感器检测到的感应信号;根据匹配的结果,对智能机器人进行目标控制。
可选地,一些实施例中,感应信号包括:对应于不同方向上的感应子信号,分析模块402,具体用于:
确定感应子信号的持续时间;根据感应子信号以及感应子信号的持续时间,得到感应子信号对应的第一曲线图。
可选地,一些实施例中,控制模块403在根据匹配的结果,对智能机器人进行目标控制,具体用于:
若第一曲线特征与任一第二曲线特征满足预设的匹配条件,根据所匹配的第二曲线特征对应的预设事件,确定对应的目标控制策略;根据目标控制策略,对智能机器人进行目标控制。
可选地,一些实施例中,控制模块403根据第一曲线图,对智能机器人进行目标控制,具体用于:
依次将第一曲线图中各时间点的曲线值输入预设模型中;根据预设模型的输出结果,确定对应的目标预设事件,输出结果中包括与输入的曲线值对应的目标预设事件,预设模型是基于样本曲线图中各时间点的样本曲线值与对应的预设事件训练得到的;根据所述目标预设事件,确定对应的目标控制策略,并根据所述目标控制策略,对所述智能机器人进行目标控制。
可选地,一些实施例中,第一曲线特征包括以下至少一种数据:第一曲线图中任一时间点前后的第一时间阈值内的曲线变化情况,第一时间阈值内各时间点的曲线值,以及各时间点的曲线值;第二曲线特征包括以下至少一种数据:第二曲线图中第二时间阈值内的曲线变化情况,第二时间阈值内各时间点的曲线值,以及各时间点的曲线值。
可选地,一些实施例中,传感器包括:三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计。
可选地,一些实施例中,分析模块402,还具体用于:
根据各方向上的加速度感应信号,以及持续时间得到与各方向对应的第一加速度曲线图;根据各方向上的旋转速率感应信号,以及持续时间得到与各方向对应的第一旋转速度曲线图;根据各方向上的角速度感应信号,以及持续时间得到与各方向对应的第一角速度曲线图。
可选地,一些实施例中,控制模块403,具体用于:
若预设事件为第一风险的事件,控制智能机器人停止移动;或者
若预设事件为第二风险的事件,控制智能机器人降速、避让障碍物、或者输出警示信息,第一风险高于第二风险。
需要说明的是,前述对智能机器人的控制方法实施例的解释说明也适用于该实施例的智能机器人的控制装置,此处不再赘述。
本实施例中,通过在智能机器人移动过程中,获取智能机器人的传感器的感应信号,并分析感应信号得到对应的第一曲线图,第一曲线图用于拟合感应信号与时间的函数关系,以及根据第一曲线图,对智能机器人进行目标控制,由于是根据感应信号结合相应的数学分析算法得出的曲线图对智能机器人进行控制,因而,能够提升智能机器人的风险控制的精准度,且由于是直接利用了传感器的感应信号,因而,不会带来额外的制造成本,风险控制较为便捷。
图5为本申请实施例提供的一种计算机设备的结构示意图。
该计算机设备包括:
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的智能机器人的控制方法。
在一种可能的实现方式中,计算机设备还包括:
通信接口603,用于存储器601和处理器602之间的通信。
存储器601,用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器602,用于执行程序时实现上述实施例的智能机器人的控制方法。
如果存储器601、处理器602和通信接口603独立实现,则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器601、处理器602及通信接口603,集成在一块芯片上实现,则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上的智能机器人的控制方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行上述实施例示出的智能机器人的控制方法。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (17)
1.一种智能机器人的控制方法,其特征在于,应用于智能机器人中,所述方法包括以下步骤:
在所述智能机器人移动过程中,获取所述智能机器人的传感器的感应信号;
分析所述感应信号得到对应的第一曲线图,所述第一曲线图用于拟合所述感应信号与时间的函数关系;
根据所述第一曲线图,对所述智能机器人进行目标控制;
所述根据所述第一曲线图,对所述智能机器人进行目标控制,包括:
确定所述第一曲线图的第一曲线特征;
将所述第一曲线特征与预设的第二曲线特征进行匹配,所述第二曲线特征属于第二曲线图,所述第二曲线图用于拟合样本感应信号与时间的函数关系,所述样本感应信号为所述智能机器人发生预设事件时传感器检测到的感应信号;
根据匹配的结果,对所述智能机器人进行目标控制;
或者,所述根据所述第一曲线图,对所述智能机器人进行目标控制,包括:
依次将所述第一曲线图中各时间点的曲线值输入预设模型中;
根据所述预设模型的输出结果,确定对应的目标预设事件,所述输出结果中包括与输入的曲线值对应的目标预设事件,所述预设模型是基于样本曲线图中各时间点的样本曲线值与对应的预设事件训练得到的;
根据所述目标预设事件,确定对应的目标控制策略;
根据所述目标控制策略,对所述智能机器人进行目标控制。
2.如权利要求1所述的智能机器人的控制方法,其特征在于,所述感应信号包括:对应于不同方向上的感应子信号,所述分析所述感应信号得到对应的第一曲线图,包括:
确定所述感应子信号的持续时间;
根据所述感应子信号以及所述感应子信号的持续时间,得到所述感应子信号对应的第一曲线图。
3.如权利要求1所述的智能机器人的控制方法,其特征在于,所述根据匹配的结果,对所述智能机器人进行目标控制,包括:
若所述第一曲线特征与任一第二曲线特征满足预设的匹配条件,根据所匹配的第二曲线特征对应的预设事件,确定对应的目标控制策略;
根据所述目标控制策略,对所述智能机器人进行目标控制。
4.如权利要求1所述的智能机器人的控制方法,其特征在于,所述第一曲线特征包括以下至少一种数据:所述第一曲线图中任一时间点前后的第一时间阈值内的曲线变化情况,所述第一时间阈值内各时间点的曲线值,以及各时间点的曲线值;
所述第二曲线特征包括以下至少一种数据:所述第二曲线图中第二时间阈值内的曲线变化情况,所述第二时间阈值内各时间点的曲线值,以及各时间点的曲线值。
5.如权利要求2-4任一项所述的智能机器人的控制方法,其特征在于,所述传感器包括:三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计。
6.如权利要求2所述的智能机器人的控制方法,其特征在于,所述根据所述感应子信号以及所述感应子信号的持续时间,得到所述感应子信号对应的第一曲线图,包括:
根据各所述方向上的加速度感应信号,以及所述持续时间得到与各所述方向对应的第一加速度曲线图;
根据各所述方向上的旋转速率感应信号,以及所述持续时间得到与各所述方向对应的第一旋转速度曲线图;
根据各所述方向上的角速度感应信号,以及所述持续时间得到与各所述方向对应的第一角速度曲线图。
7.如权利要求1或4所述的智能机器人的控制方法,其特征在于,所述根据所述目标控制策略,对所述智能机器人进行目标控制,包括:
若所述预设事件为第一风险的事件,控制所述智能机器人停止移动;或者
若所述预设事件为第二风险的事件,控制所述智能机器人降速、避让障碍物、或者输出警示信息,所述第一风险高于所述第二风险。
8.一种智能机器人的控制装置,其特征在于,应用于智能机器人中,所述装置包括:
获取模块,用于在所述智能机器人移动过程中,获取所述智能机器人的传感器的感应信号;
分析模块,用于分析所述感应信号得到对应的第一曲线图,所述第一曲线图用于拟合所述感应信号与时间的函数关系;
控制模块,用于根据所述第一曲线图,对所述智能机器人进行目标控制;
所述控制模块,具体用于:
确定所述第一曲线图的第一曲线特征;将所述第一曲线特征与预设的第二曲线特征进行匹配,所述第二曲线特征属于第二曲线图,所述第二曲线图用于拟合样本感应信号与时间的函数关系,所述样本感应信号为所述智能机器人发生预设事件时传感器检测到的感应信号;根据匹配的结果,对所述智能机器人进行目标控制;
或者,所述控制模块,具体用于:
依次将所述第一曲线图中各时间点的曲线值输入预设模型中;根据所述预设模型的输出结果,确定对应的目标预设事件,所述输出结果中包括与输入的曲线值对应的目标预设事件,所述预设模型是基于样本曲线图中各时间点的样本曲线值与对应的预设事件训练得到的;根据所述目标预设事件,确定对应的目标控制策略,并根据所述目标控制策略,对所述智能机器人进行目标控制。
9.如权利要求8所述的智能机器人的控制装置,其特征在于,所述感应信号包括:对应于不同方向上的感应子信号,所述分析模块,具体用于:
确定所述感应子信号的持续时间;根据所述感应子信号以及所述感应子信号的持续时间,得到所述感应子信号对应的第一曲线图。
10.如权利要求8所述的智能机器人的控制装置,其特征在于,所述控制模块,具体用于:
若所述第一曲线特征与任一第二曲线特征满足预设的匹配条件,根据所匹配的第二曲线特征对应的预设事件,确定对应的目标控制策略;根据所述目标控制策略,对所述智能机器人进行目标控制。
11.如权利要求8所述的智能机器人的控制装置,其特征在于,所述第一曲线特征包括以下至少一种数据:所述第一曲线图中任一时间点前后的第一时间阈值内的曲线变化情况,所述第一时间阈值内各时间点的曲线值,以及各时间点的曲线值;
所述第二曲线特征包括以下至少一种数据:所述第二曲线图中第二时间阈值内的曲线变化情况,所述第二时间阈值内各时间点的曲线值,以及各时间点的曲线值。
12.如权利要求9-11任一项所述的智能机器人的控制装置,其特征在于,所述传感器包括:三轴的加速度计、三轴的陀螺仪,以及三轴的磁力计。
13.如权利要求9所述的智能机器人的控制装置,其特征在于,所述分析模块,具体用于:
根据各所述方向上的加速度感应信号,以及所述持续时间得到与各所述方向对应的第一加速度曲线图;
根据各所述方向上的旋转速率感应信号,以及所述持续时间得到与各所述方向对应的第一旋转速度曲线图;
根据各所述方向上的角速度感应信号,以及所述持续时间得到与各所述方向对应的第一角速度曲线图。
14.如权利要求8或10所述的智能机器人的控制装置,其特征在于,所述控制模块,具体用于:
若所述预设事件为第一风险的事件,控制所述智能机器人停止移动;或者
若所述预设事件为第二风险的事件,控制所述智能机器人降速、避让障碍物、或者输出警示信息,所述第一风险高于所述第二风险。
15.一种智能机器人,其特征在于,包括:
本体;
可活动部件;以及
如上述权利要求8-14任一项所述的智能机器人的控制装置。
16.一种计算机设备,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的智能机器人的控制方法。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的智能机器人的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537809.0A CN110216675B (zh) | 2019-06-20 | 2019-06-20 | 智能机器人的控制方法、装置、智能机器人及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537809.0A CN110216675B (zh) | 2019-06-20 | 2019-06-20 | 智能机器人的控制方法、装置、智能机器人及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110216675A CN110216675A (zh) | 2019-09-10 |
CN110216675B true CN110216675B (zh) | 2021-04-06 |
Family
ID=67814054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910537809.0A Active CN110216675B (zh) | 2019-06-20 | 2019-06-20 | 智能机器人的控制方法、装置、智能机器人及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110216675B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114734454B (zh) * | 2022-03-18 | 2024-02-02 | 北京航空航天大学 | 一种软体机器手臂运动方法、装置及软体机器人 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3907649B2 (ja) * | 2004-09-02 | 2007-04-18 | ファナック株式会社 | ロボット間の干渉防止制御装置 |
CN102707305B (zh) * | 2012-06-06 | 2014-07-16 | 山东大学 | 摔倒检测定位系统的工作方法 |
US11020023B2 (en) * | 2012-11-30 | 2021-06-01 | Koninklijke Philips N.V. | Method and apparatus for estimating the fall risk of a user |
DE102014114234B4 (de) * | 2014-09-30 | 2020-06-25 | Kastanienbaum GmbH | Verfahren und Vorrichtung zur Steuerung/Regelung eines Roboter-Manipulators |
CN107962569B (zh) * | 2017-11-23 | 2019-12-10 | 珠海格力电器股份有限公司 | 一种机器人的碰撞检测方法、装置及智能机器人 |
CN109366501A (zh) * | 2018-12-13 | 2019-02-22 | 中国石油大学(华东) | 气冰球机器人控制方法、装置及气冰球运动设备 |
-
2019
- 2019-06-20 CN CN201910537809.0A patent/CN110216675B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110216675A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673115B (zh) | 雷达与组合导航系统的联合标定方法、装置、设备及介质 | |
US10902165B2 (en) | Deployable development platform for autonomous vehicle (DDPAV) | |
US20190195631A1 (en) | Positioning method, positioning device, and robot | |
CN106104203B (zh) | 一种移动物体的距离检测方法、装置及飞行器 | |
CN111580493B (zh) | 一种自动驾驶仿真方法、系统及介质 | |
WO2018098658A1 (zh) | 对象测试方法、装置及系统 | |
US10564640B2 (en) | System and method for sensing the driving environment of a motor vehicle | |
CN109885080A (zh) | 自主控制系统及自主控制方法 | |
CN105892461A (zh) | 一种机器人所处环境与地图的匹配识别方法及系统 | |
Tully et al. | Leap-frog path design for multi-robot cooperative localization | |
CN111182174B (zh) | 一种扫地机器人补光的方法及装置 | |
CN111947644B (zh) | 一种室外移动机器人定位方法、系统及其电子设备 | |
CN109737971A (zh) | 车载辅助导航定位系统、方法、设备及存储介质 | |
US20200401152A1 (en) | Self-location estimation method | |
Aini et al. | A study of Monte Carlo localization on robot operating system | |
CN110216675B (zh) | 智能机器人的控制方法、装置、智能机器人及计算机设备 | |
KR20190081334A (ko) | 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치 | |
EP3088983B1 (en) | Moving object controller and program | |
Tippetts et al. | An on-board vision sensor system for small unmanned vehicle applications | |
CN111113430B (zh) | 一种机器人及其末端控制方法和装置 | |
US20200258379A1 (en) | Determination of movement information with surroundings sensors | |
CN111812668B (zh) | 绕机检查装置及其定位方法、存储介质 | |
KR20230123060A (ko) | 로봇 감시 장치 및 로봇 감시 방법 | |
CN106940208A (zh) | 机器人目标标定和自身状态监控功能的系统 | |
Lu et al. | Parity relation based fault detection, isolation and reconfiguration for autonomous ground vehicle localization sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |