CN110457808A - 机械手设计方法、装置、介质及电子设备 - Google Patents

Abstract

本公开实施例提供了一种机械手设计方法、装置、介质及电子设备，该方法包括：获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；根据所述机器学习模型及其模型参数构建目标函数；根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。本公开实施例的技术方案能够基于历史机械手信息辅助当前机械手的设计。

Description

机械手设计方法、装置、介质及电子设备

技术领域

本公开涉及电数据处理技术领域，具体而言，涉及一种机械手设计方法、装置、介质及电子设备。

背景技术

随着世界上越来越多的国家步入老龄化社会，人口基数庞大的老年人随着身体机能的退化，需要机械手来辅助其日常生活，而相关技术中通常是批量生产某一种或者几种机械手来实现某些特定功能，目前并没有一种很好的能够提供满足每个老年人的个性化需求的机械手的自动设计方法。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种机械手设计方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中存在的机械手个性化程度不足的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种机械手设计方法，包括：获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；根据所述机器学习模型及其模型参数构建目标函数；根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

在本公开的一种示例性实施例中，所述机器学习模型为线性回归模型；所述方法还包括：构建所述线性回归模型；根据所述历史特征信息获得所述历史机械手的历史特征向量；将所述历史特征向量作为所述线性回归模型的自变量，将所述历史反馈信息作为所述线性回归模型的因变量，计算所述线性回归模型的模型参数。

在本公开的一种示例性实施例中，根据所述目标函数和所述约束条件获得所述当前机械手的设计信息，包括：在满足所述当前特征信息的约束条件的情况下，根据所述机器学习模型的模型参数，计算使得所述线性回归模型的因变量最大的自变量的值；根据计算获得的自变量的值确定所述当前机械手的设计信息。

在本公开的一种示例性实施例中，所述历史特征信息包括所述历史机械手的功能特征、材质特征、颜色特征和可操作选项特征中的任意一种或者多种。

在本公开的一种示例性实施例中，所述历史特征信息包括所述历史机械手的功能特征和可操作选项特征；其中，所述机械手的功能特征包括洗澡功能、喂饭功能、辅助行走功能、按摩功能中的任意一种或者多种；所述可操作选项特征包括力度特征和/或手指弯曲程度特征。

在本公开的一种示例性实施例中，所述方法还包括：在区块链中存储历史机械手信息；从所述区块链中存储的所述历史机械手信息中，获得所述历史机械手的历史特征信息及其历史反馈信息。

在本公开的一种示例性实施例中，所述历史机械手信息包括所述历史机械手的种类和功能说明信息、投诉信息、控制交互界面设计和说明信息、认证信息中的任意一种或者多种；所述方法还包括：将所述目标对象对所述当前机械手的需求信息和/或所述当前机械手的设计信息存储至所述区块链。

根据本公开的一个方面，提供一种机械手设计装置，包括：模型参数获取模块，用于获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；目标函数构建模块，用于根据所述机器学习模型及其模型参数构建目标函数；约束条件确定模块，用于根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；设计信息获得模块，用于根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

根据本公开的一个方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的机械手设计方法。

根据本公开的一个方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任一实施例所述的机械手设计方法。

本公开实施例提供的技术方案可以包括以下有益效果：

在本公开的一些实施例所提供的技术方案中，可以根据历史机械手的历史特征信息和历史反馈信息训练获得机器学习模型的模型参数，从而可以利用该机器学习模型及其模型参数构建目标函数，并可以根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件，进而可以根据所述目标函数和所述约束条件获得所述当前机械手的设计信息，利用上述获得的当前机械手的设计信息，可以实现针对所述目标对象的个性化的机械手的制作，实现了个性化机械手的自动设计。

另一方面，相关技术中还是利用数据库来存储老年人的相关数据，现有的中心化的存储方式容易被攻击，且数据存储结构简单，容易被篡改，容易信息泄露，导致用户信息被篡改。在本公开的另一些实施例所提供的技术方案中，还可以通过利用区块链技术来存储历史机械手信息，可以实现去中心化的存储方式，具有隐私保护、可追溯、防篡改等特点，保证了存储的数据的安全性和可靠性，从而可以防止机械手设计过程中用户数据的信息泄露，提高了机械手设计的安全性和准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了根据本公开的一个实施例的机械手设计方法的流程图；

图2示意性示出了根据本公开的另一个实施例的机械手设计方法的流程图；

图3示意性示出了根据本公开的一个实施例的机械手设计装置的框图；

图4示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示意性示出了根据本公开的一个实施例的机械手设计方法的流程图，该机械手设计方法的执行主体可以是具有计算处理功能的设备，如服务器和/或移动终端等。

如图1所示，本公开实施方式提供的机械手设计方法可以包括以下步骤。

在步骤S110中，获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的。

在示例性实施例中，所述方法还可以包括：在区块链中存储历史机械手信息；从所述区块链中存储的所述历史机械手信息中，获得所述历史机械手的历史特征信息及其历史反馈信息。

在示例性实施例中，所述历史机械手信息可以包括所述历史机械手的种类和功能说明信息、投诉信息、控制交互界面设计和说明信息、认证信息等中的任意一种或者多种。

在示例性实施例中，所述历史特征信息可以包括所述历史机械手的功能特征x1、材质特征x2、颜色特征x3和可操作选项特征x4等中的任意一种或者多种。

在示例性实施例中，所述历史特征信息可以包括所述历史机械手的功能特征和可操作选项特征；其中，所述机械手的功能特征可以包括洗澡功能、喂饭功能、辅助行走功能、按摩功能等中的任意一种或者多种；所述可操作选项特征可以包括力度特征和/或手指弯曲程度特征等。

本公开实施例中，所述方法还可以包括区块链节点及区块链网络的构建步骤，用于负责区块链节点以及区块链网络的构建、更新和维护。例如，以各个公司的基层营业机构为最小节点，一个或多个集团/公司参与共享旅居养老互助联盟机械手设计与体验信息共享和管理交易区块链网络构建。

本公开实施例中，所述方法还可以包括预先定义信息存储和信息认证数据格式，即按照本公开实施例定义的数据结构方式、信息存储方式和协议来存储和认证共享信息等，以保证信息存储和信息处理的高效率。

本公开实施例中，历史机械手是指物理上已经制作完工的机械手，当前机械手是指目前用户有需求需要制作、但尚未在物理上制作完工的机械手，还处于设计阶段。

本公开实施例中，假设使用历史机械手的历史对象和需要制作当前机械手的目标对象均是养老互助联盟机构的老年人，养老互助联盟机构在老年人旅居养老方面互相提供居住、护理医疗、饮食、娱乐、健康管理等服务，但本公开并不限定于此。在系统中注册的企业或个人可以将相关共享旅居养老互助联盟机械手设计与体验信息共享和管理案例、用于帮助老年人的机械手的设计信息、老年人对机械手的体验反馈信息(例如，操作便利程度、功能满意度等)、机械手的种类和功能说明信息(名称、材料、颜色、可操作选项等)、机械手服务的投诉问题信息、机械手的控制交互界面设计和说明信息、机械手的安全认证和相关国家标准认证信息等共享旅居养老互助联盟机械手设计与体验信息共享和管理更新信息上传到区块链，可以证明相关材料的音频、视频、图像等相关材料也可以上传至区块链，从而使得区块链存储的信息具有隐私保护(例如可以通过权限管理、图片或视频加水印、加密等技术手段)、公开透明、可追溯、不易篡改等特点。

本公开实施例中，通过采集所述区块链中存储的历史机械手信息，可以从中提取出各历史机械手(假设区块链中存储有n个历史机械手的历史机械手信息，n为大于等于1的正整数)的历史特征信息及其历史反馈信息。这里的历史反馈信息是指购买或者使用过某一历史机械手的历史对象例如某位老年人对该历史机械手的反馈信息，例如反馈评分等信息。

区块链(Blockchain)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

区块链本质上是一个去中心化的数据库。区块链是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一次比特币网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。

狭义来讲，区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，并以密码学方式保证的不可篡改和不可伪造的分布式账本。

广义来讲，区块链技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。

一般说来，区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中，数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法；网络层则包括分布式组网机制、数据传播机制和数据验证机制等；共识层主要封装网络节点的各类共识算法；激励层将经济因素集成到区块链技术体系中来，主要包括经济激励的发行机制和分配机制等；合约层主要封装各类脚本、算法和智能合约，是区块链可编程特性的基础；应用层则封装了区块链的各种应用场景和案例。该模型中，基于时间戳的链式区块结构、分布式节点的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术最具代表性的创新点。

本公开实施例提出的一种机械手设计方法，可以在区块链网络中有效实现个性化的机械手设计。其可以利用区块链哈希指针的交易链数据结构和加密学的哈希计算和加密学数字签字的机制，实现交易过程中的多层次证据确认，从而来实现不同个体交易方之间的信任问题。同时，利用区块链存储机械手信息，还可以具有隐私保护、可追溯和防篡改等特点。

本公开实施例中，以所述历史特征信息包括所述历史机械手的功能特征x1、材质特征x2、颜色特征x3和可操作选项特征x4为例进行举例说明，建立线性回归模型作为所述机器学习模型。但可以理解的是，历史特征信息的具体内容并不限定于此，当历史特征信息发生变化时，可以相应的设计合适的机器学习模型。

这里假设建立的线性回归模型为：

z＝a1*x1+a2*x2+a3*x3+a4*x4 (1)

上述公式(1)中，z为因变量，x1-x4为自变量，a1、a2、a3和a4为模型参数。

本公开实施例中，可以利用所述历史机械手的历史特征信息和历史反馈信息训练所述线性回归模型，其中历史特征信息作为自变量，历史反馈信息作为因变量，获得上述模型参数。

在步骤S120中，根据所述机器学习模型及其模型参数构建目标函数。

在步骤S130中，根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件。

在步骤S140中，根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

在示例性实施例中，根据所述目标函数和所述约束条件获得所述当前机械手的设计信息，可以包括：在满足所述当前特征信息的约束条件的情况下，根据所述机器学习模型的模型参数，计算使得所述线性回归模型的因变量最大的自变量的值；根据计算获得的自变量的值确定所述当前机械手的设计信息。

例如，可以在预先构建的线性回归模型z＝a1*x1+a2*x2+a3*x3+a4*x4的基础上建立整数规划模型：目标函数可以为：

max(z)＝a1*x1+a2*x2+a3*x3+a4 (2)

在上述公式(2)中，x1，x2，x3，x4满足目标对象例如某个老年人客户对当前机械手的各个特征的约束条件。其中假设z为用户体验值，即目标对象对当前机械手的当前反馈信息，a1、a2、a3和a4为与线性回归模型相对应的各自变量的系数。通过对该整数规划模型的求解，计算出使得用户体验值z最大的各自变量的值，即求得满足目标对象对当前机械手设计需求的最优匹配结果，并可以据此制作出相应的个性化机械手。

关于对当前机械手的各个特征的约束条件，例如，对于功能特征x1可取值假设为洗澡功能＝0、喂饭功能＝1、辅助行走功能＝2，按摩功能＝3等等，若目标对象对当前机械手功能的需求为辅助行走，则约束条件为x1＝2。又例如，对于颜色特征x3可取值假设为白色＝0，黄色＝1，黑色＝2，蓝色＝3等，若目标对象对于颜色的需求为白色或蓝色，则约束条件为x3＝0或x3＝3。再例如，对于可操作选项特征x4中的力度，可取值范围为0<x4<5，即力度值由弱到强，目标对象可根据对力度的需求确定该特征值的约束条件，如可以为3<x4<5。

在示例性实施例中，所述方法还可以包括：将所述目标对象对所述当前机械手的需求信息和/或所述当前机械手的设计信息存储至所述区块链。

在示例性实施例中，所述方法还可以包括：根据所述当前机械手的设计信息制作针对所述目标对象的当前机械手。

在示例性实施例中，区块链中的一个高权限节点的后端服务器从区块链中采集信息和案例，并训练存储于其中的线性回归模型。得到线性回归模型的系数之后，该高权限节点将其构建的整数规划模型上传到区块链，并根据需要对整数规划模型进行更新。

需要说明的是，本实施例中的整数规划模型是可更新的，例如，当区块链中机械手信息等更新时，可以定期或根据数据更新程度重新训练线性回归模型并对整数规划模型进行更新。另外，更新后的整数规划模型也可以存储于区块链中。

按照本公开实施例定义的数据结构方式、信息存储方式和协议来存储和认证共享信息等，以保证信息存储和信息处理的高效率。本公开实施例提出了一种在区块链网络中有效实现共享旅居养老互助联盟机械手设计与体验信息共享和管理的系统，下表1给出了一个基于区块链技术的数据结构方式来存储共享旅居养老互助联盟机械手设计与体验信息共享和管理信息的示例：

表1

下表2给出了共享旅居养老互助联盟智能机械手模型(即整数规划模型)存储在区块链中的数据结构示例如下表2所示：

表2

本公开实施例中，所述方法还可以包括：评估共享旅居养老互助联盟机械手设计与体验信息共享和管理系统的及时性、有效性和准确性，基于老年人对机械手设计、功能和体验的反馈信息智能组合优化方法，系统自动智能识别相关客户的个性化设计和功能需求并制作出相应的个性化机械手，不断调整和优化系统参数，以期通过在区块链网络中有效实现共享旅居养老互助联盟机械手设计与体验信息共享和管理，从而有力促进区块链技术应用在共享旅居养老互助联盟机械手设计与体验信息共享和管理方面的有效推广。

本公开实施方式提供的机械手设计方法，可以根据历史机械手的历史特征信息和历史反馈信息训练获得机器学习模型的模型参数，从而可以利用该机器学习模型及其模型参数构建目标函数，并可以根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件，进而可以根据所述目标函数和所述约束条件获得所述当前机械手的设计信息，利用上述获得的当前机械手的设计信息，可以实现针对所述目标对象的个性化的机械手的制作，实现了个性化机械手的自动设计。

在另一些实施方式中，还可以通过利用区块链技术来存储历史机械手信息，可以实现去中心化的存储方式，具有隐私保护、可追溯、防篡改等特点，保证了存储的数据的安全性和可靠性，从而可以防止机械手设计过程中用户数据的信息泄露，提高了机械手设计的安全性和准确性。

图2示意性示出了根据本公开的另一个实施例的机械手设计方法的流程图。本公开实施例中，假设所述机器学习模型为线性回归模型。

如图2所示，与上述图1所示实施例的不同之处在于，本公开实施例提供的机械手设计方法还可以包括以下步骤。

在步骤S210中，构建所述线性回归模型。

例如，建立线性回归模型z＝a1*x1+a2*x2+a3*x3+a4*x4。

在步骤S220中，根据所述历史特征信息获得所述历史机械手的历史特征向量。

例如，从区块链中采集所有老年人客户对机械手的体验反馈信息，从每个案例中提取机械手功能(如洗澡、喂饭、辅助行走，按摩等)x1、材质x2、颜色x3、可操作选项(如力度，手指弯曲程度等)x4等特征。分别对上述四个特征的各种类别进行编码并标签化，形成特征向量X＝[x1,x2,x3,x4]。n个机械手设计管理案例的特征向量组成特征矩阵M＝[X1；X2；...；Xn]。

在步骤S230中，将所述历史特征向量作为所述线性回归模型的自变量，将所述历史反馈信息作为所述线性回归模型的因变量，计算所述线性回归模型的模型参数。

例如，对于每一个机械手设计案例，采集老年人客户的机械手体验值z，即老人对机械手设计的满意程度，假设z的取值范围为[0,10]，其中0表示最不满意，10表示最满意。n个机械手设计的体验值形成目标向量Z＝[z1,z2,...,zn]。

将特征矩阵M作为上述线性回归模型的输入，目标向量Z作为上述线性回归模型的输出，对线性回归模型进行训练，通过拟合算法，计算模型参数a1、a2、a3、a4。

例如，假设给定一组数据(xi,zi),i＝1,...,n，可以通过最小二乘法求线性回归模型z＝a1*x1+a2*x2+a3*x3+a4*x4的系数矩阵A＝[a1,a2,a3,a4]，其中xi＝[xi1,xi2,xi3,xi4]。

本公开实施方式提供的机械手设计方法，提出了一种在区块链网络中有效实现共享旅居养老互助联盟机械手设计与体验信息共享和管理的系统，在系统中注册的企业或个人将相关共享旅居养老互助联盟机械手设计与体验信息共享和管理案例、帮助老年人的机械手的设计信息、老年人客户对机械手的体验反馈信息(操作便利程度、功能满意度等)、机械手的种类和功能说明信息(名称、材料、颜色、可操作选项等)，机械手服务的投诉问题信息，机械手的控制交互界面设计和说明信息、机械手的安全认证和相关国家标准认证信息等共享旅居养老互助联盟机械手设计与体验信息共享和管理更新信息上传到区块链，可以证明相关材料的音频、视频、图像等相关材料也可以上传至区块链，根据区块链存储的共享旅居养老互助联盟机械手设计与体验信息共享和管理信息等隐私保护(权限管理、加水印、加密等)、公开透明、可追溯、不易篡改等特点，基于老年人对机械手设计、功能和体验的反馈信息智能组合优化方法，系统自动智能识别相关客户的个性化设计和功能需求并制作出相应的个性化机械手，有力促进区块链技术应用在共享旅居养老互助联盟机械手设计与体验信息共享和管理方面。随着区块链技术在共享旅居养老互助联盟机械手设计与体验信息共享和管理、医疗、养老、保险、金融、物流等多个领域的广泛应用，该方案将可以带来可观的经济效益和社会效益。

以下介绍本公开的装置实施例，可以用于执行本公开上述的机械手设计方法。

图3示意性示出了根据本公开的一个实施例的机械手设计装置的框图。

如图3所示，本公开实施方式提供的机械手设计装置300可以包括模型参数获取模块310、目标函数构建模块320、约束条件确定模块330以及设计信息获得模块340。

其中，模型参数获取模块310可以用于获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的。

目标函数构建模块320可以用于根据所述机器学习模型及其模型参数构建目标函数。

约束条件确定模块330可以用于根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件。

设计信息获得模块340可以用于根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

在示例性实施例中，所述机器学习模型可以为线性回归模型。其中，机械手设计装置300还可以包括：模型构建模块，可以用于构建所述线性回归模型；特征向量获得模块，可以用于根据所述历史特征信息获得所述历史机械手的历史特征向量；模型参数计算模块，可以用于将所述历史特征向量作为所述线性回归模型的自变量，将所述历史反馈信息作为所述线性回归模型的因变量，计算所述线性回归模型的模型参数。

在示例性实施例中，设计信息获得模块350可以包括：自变量计算单元，可以用于在满足所述当前特征信息的约束条件的情况下，根据所述机器学习模型的模型参数，计算使得所述线性回归模型的因变量最大的自变量的值；设计信息确定单元，可以用于根据计算获得的自变量的值确定所述当前机械手的设计信息。

在示例性实施例中，所述历史特征信息可以包括所述历史机械手的功能特征、材质特征、颜色特征和可操作选项特征等中的任意一种或者多种。

在示例性实施例中，所述历史特征信息可以包括所述历史机械手的功能特征和可操作选项特征。其中，所述机械手的功能特征可以包括洗澡功能、喂饭功能、辅助行走功能、按摩功能等中的任意一种或者多种。所述可操作选项特征可以包括力度特征和/或手指弯曲程度特征。

在示例性实施例中，机械手设计装置300还可以包括：历史信息存储模块，可以用于在区块链中存储历史机械手信息；历史信息提取模块，可以用于从所述区块链中存储的所述历史机械手信息中，获得所述历史机械手的历史特征信息及其历史反馈信息。

在示例性实施例中，所述历史机械手信息可以包括所述历史机械手的种类和功能说明信息、投诉信息、控制交互界面设计和说明信息、认证信息等中的任意一种或者多种。其中，机械手设计装置300还可以包括：设计信息存储模块，可以用于将所述目标对象对所述当前机械手的需求信息和/或所述当前机械手的设计信息存储至所述区块链。

由于本公开的示例实施例的机械手设计装置的各个功能模块和单元与上述机械手设计方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的机械手设计方法的实施例。

下面参考图4，其示出了适于用来实现本公开实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备的计算机系统400仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分407加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分407。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块和单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的模块和单元也可以设置在处理器中。其中，这些模块和单元的名称在某种情况下并不构成对该模块和单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的机械手设计方法。

例如，所述的电子设备可以实现如图1中所示的：步骤S110，获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；步骤S120，根据所述机器学习模型及其模型参数构建目标函数；步骤S130，根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；步骤S140，根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

又如，所述的电子设备可以实现如图2所示的各个步骤。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种机械手设计方法，其特征在于，包括：

获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；

根据所述机器学习模型及其模型参数构建目标函数；

根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；

根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

2.根据权利要求1所述的方法，其特征在于，所述机器学习模型为线性回归模型；所述方法还包括：

构建所述线性回归模型；

根据所述历史特征信息获得所述历史机械手的历史特征向量；

将所述历史特征向量作为所述线性回归模型的自变量，将所述历史反馈信息作为所述线性回归模型的因变量，计算所述线性回归模型的模型参数。

3.根据权利要求2所述的方法，其特征在于，根据所述目标函数和所述约束条件获得所述当前机械手的设计信息，包括：

在满足所述当前特征信息的约束条件的情况下，根据所述机器学习模型的模型参数，计算使得所述线性回归模型的因变量最大的自变量的值；

根据计算获得的自变量的值确定所述当前机械手的设计信息。

4.根据权利要求1所述的方法，其特征在于，所述历史特征信息包括所述历史机械手的功能特征、材质特征、颜色特征和可操作选项特征中的任意一种或者多种。

5.根据权利要求4所述的方法，其特征在于，所述历史特征信息包括所述历史机械手的功能特征和可操作选项特征；其中，

所述机械手的功能特征包括洗澡功能、喂饭功能、辅助行走功能、按摩功能中的任意一种或者多种；

所述可操作选项特征包括力度特征和/或手指弯曲程度特征。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在区块链中存储历史机械手信息；

从所述区块链中存储的所述历史机械手信息中，获得所述历史机械手的历史特征信息及其历史反馈信息。

7.根据权利要求6所述的方法，其特征在于，所述历史机械手信息包括所述历史机械手的种类和功能说明信息、投诉信息、控制交互界面设计和说明信息、认证信息中的任意一种或者多种；所述方法还包括：

将所述目标对象对所述当前机械手的需求信息和/或所述当前机械手的设计信息存储至所述区块链。

8.一种机械手设计装置，其特征在于，包括：

模型参数获取模块，用于获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；

目标函数构建模块，用于根据所述机器学习模型及其模型参数构建目标函数；

约束条件确定模块，用于根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；

设计信息获得模块，用于根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的机械手设计方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的机械手设计方法。