CN110989839B - 人机对战的系统和方法 - Google Patents

人机对战的系统和方法 Download PDF

Info

Publication number
CN110989839B
CN110989839B CN201911218691.1A CN201911218691A CN110989839B CN 110989839 B CN110989839 B CN 110989839B CN 201911218691 A CN201911218691 A CN 201911218691A CN 110989839 B CN110989839 B CN 110989839B
Authority
CN
China
Prior art keywords
robot
motion information
mode
motion
tactical
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
Application number
CN201911218691.1A
Other languages
English (en)
Other versions
CN110989839A (zh
Inventor
刘东琴
赵晓娟
陆海勇
蒙光学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics China R&D Center
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics China R&D Center
Samsung Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Samsung Electronics China R&D Center, Samsung Electronics Co Ltd filed Critical Samsung Electronics China R&D Center
Priority to CN201911218691.1A priority Critical patent/CN110989839B/zh
Publication of CN110989839A publication Critical patent/CN110989839A/zh
Application granted granted Critical
Publication of CN110989839B publication Critical patent/CN110989839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J3/00—Manipulators of master-slave type, i.e. both controlling unit and controlled unit perform corresponding spatial movements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Human Computer Interaction (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Toys (AREA)
  • Manipulator (AREA)

Abstract

本公开的实施例公开了人机对战的系统和方法。该系统的一具体实施方式包括：至少一套智能穿戴设备，被配置成通过传感技术和肌电技术探测穿戴者和球拍的运动信息；位于智能穿戴设备上的发送模块，被配置成将运动信息编码后发送给位于机器人上的通信模块；位于机器人上的接收模块，被配置成接收发送模块发送的信息并解码得到运动信息；至少一个机器人，被配置成根据运动信息和预设的运动模式生成相应的指令并执行。该实施方式实现了两个用户在不同场地的远程对战，并由深度学习训练模型输出战术方面的建议。用户也可以设置机器人为独立模式，使机器人模拟特定运动员的比赛风格，与用户进行对打。

Description

人机对战的系统和方法
技术领域
本公开的实施例涉及计算机技术领域，具体涉及人机对战的系统和方法。
背景技术
现有的球类训练过程中有几种常见的机器人。
第一类，只能做简单的发球训练，而不能实现回球等动作的互动。
第二类，通过图像识别算法对图像中的乒乓球轨迹进行识别，通过轨迹规划算法对乒乓球落脚点进行预测，并计算出击球点，乒乓球机器人控制各个驱动关节进行运动。不能实现真人远程对战。
第三类，通过运动员握拍上肢上穿戴采集人的运动信息，通过激光雷达采集乒乓球的运动轨迹，结合其他信息分析得出最佳击球位置，实现对乒乓球的回击。仍不能实现真人远程对战。
发明内容
本公开的实施例提出了人机对战的系统和方法。
第一方面，本公开的实施例提供了一种人机对战的系统，包括：至少一套智能穿戴设备，被配置成通过传感技术和肌电技术探测穿戴者和球拍的运动信息；位于智能穿戴设备上的发送模块，被配置成将运动信息编码后发送给位于机器人上的通信模块；位于机器人上的接收模块，被配置成接收发送模块发送的信息并解码得到运动信息；至少一个机器人，被配置成根据运动信息和预设的运动模式生成相应的指令并执行。
在一些实施例中，运动模式包括对战模式，以及机器人进一步被配置成：根据所述运动信息生成模拟所述穿戴者动作的指令，控制机器人的手臂完成与所述穿戴者相同的动作。
在一些实施例中，运动模式包括独立模式，机器人进一步被配置成：通过摄像机探测捕捉对手和球的信息；分析和预判球的运动轨迹；将运动轨迹输入3D卷积神经网络，得到特征向量；将特征向量与预先生成的比赛风格数据库进行匹配，确定击球方式；根据击球方式控制机器人的机器手臂击球。
第二方面，本公开的实施例提供了一种人机对战的方法，应用于智能穿戴设备，包括：通过传感技术和肌电技术探测穿戴者和球拍的运动信息，其中，球拍包括以下至少一种：网球拍、乒乓球拍、羽毛球拍，运动信息包括：位移、速度、角度；将运动信息编码后发送给位于机器人上的接收模块。
第三方面，本公开的实施例提供了一种人机对战的方法，应用于机器人，包括：响应于接收到智能穿戴设备发送的穿戴者和球拍的运动信息，根据运动信息和预设的运动模式生成相应的指令；根据指令控制机器人的机器手臂击球。
在一些实施例中，运动模式包括对战模式，以及根据运动信息和预设的运动模式生成相应的指令，包括：根据运动信息生成模拟穿戴者动作的指令，控制机器人的手臂完成与穿戴者相同的动作。
在一些实施例中，运动模式包括独立模式，以及根据运动信息和预设的运动模式生成相应的指令，包括：通过摄像机探测捕捉对手和球的信息；分析和预判球的运动轨迹；将运动轨迹输入3D卷积神经网络，得到特征向量；将特征向量与预先生成的比赛风格数据库进行匹配，确定击球方式；根据击球方式控制机器人的机器手臂击球。
在一些实施例中，该方法还包括：获取比赛双方的数据；将数据输入3D卷积神经网络，得到特征向量；将特征向量与预先生成的战术数据库进行匹配，得到战术建议并输出。
在一些实施例中，该方法还包括通过以下步骤生成比赛风格数据库：获取指定运动员的比赛视频；将比赛视频输入3D卷积神经网络模型，得到特征向量；通过支持向量机分析特征向量得到各种条件下的击球方式数据；将各种条件下的击球方式数据添加到比赛风格数据库中。
在一些实施例中，该方法还包括通过以下步骤生成战术数据库：获取历史比赛数据；将历史比赛数据输入3D卷积神经网络，得到特征向量；通过支持向量机分析特征向量得到各种条件下的战术建议；将各种条件下的战术建议添加到战术数据库中。
第四方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第二方面或第三方面中任一的方法。
第五方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第二方面或第三方面中任一的方法。
本公开的实施例提供的人机对战的系统和方法，提供了一种人机对战方法使处于不同场地的两个人实现远程比赛。也提供了一种更高效的训练方式。同时提出了一种未来竞技的可能的方向。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的人机对战的系统的架构图；
图2是根据本公开的人机对战方法的一个实施例的流程图；
图3a、3b、3c是根据本公开的人机对战方法的应用场景的示意图；
图4是根据本公开的人机对战方法的生成比赛风格数据库的流程图；
图5是根据本公开的人机对战方法的生成战术数据库的流程图；
图6是适于用来实现本公开的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
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的人机对战系统的架构100。
如图1所示，系统架构100可以包括智能穿戴设备101、通信模块102和机器人103。其中，通信模块可包括位于智能穿戴设备上的发送模块和位于机器人上的接收模块。
智能穿戴设备101：负责感应穿戴者以及球拍的运动信息，包括位移，移动方向，速度，角度等，并做处理。
通信模块102：负责智能穿戴设备和机器人(即智能机器装置)之间的通讯。数据通过5G网络快速的传送，使得机器人能同步快速地处理和执行动作。
机器人103：即智能机器装置，它有一个AI(人工智能)“大脑”用来接收、分析、处理以及发出指令，有两个高速摄像机和传感器设备用来检测和捕捉对手的信息，有一个或者多个机械手臂来执行动作。这个智能机器装置还可以在比赛中途的休息时间输出战术方面的建议。也可以在独立模式下模拟特定的比赛风格和用户对打。
本发明应用范围包括但不限于网球，乒乓球，羽毛球。
应该理解，图1中的智能穿戴设备、通信模块和机器人的数目仅仅是示意性的。根据实现需要，可以具有任意数目的智能穿戴设备、通信模块和机器人。例如在实现2人异地对战时，需要2套智能穿戴设备、通信模块和机器人。如果只是陪练的话，只需要1套穿戴设备、通信模块和机器人。
继续参考图2，示出了根据本公开的人机对战的方法的一个实施例的流程200。该人机对战的方法，包括以下步骤：
步骤201，智能穿戴设备通过传感技术和肌电技术探测穿戴者和球拍的运动信息。
在本实施例中，智能穿戴设备可包括加速度计、陀螺仪等传感器和肌电信号采集套、激光雷达等肌电设备，用于采集运动数据生成运动信息。肌电信号采集套，穿戴在运动员握拍上肢上，用于采集和处理来球的旋转信息；激光雷达，用于实时采集和处理来球的位置信息和速度信息其中，球拍可包括但不限于：网球拍、乒乓球拍、羽毛球拍，运动信息可包括但不限于：位移、速度、角度。
可选地，智能穿戴设备的运行信息还可包括一些分析数据，例如，将来球的旋转信息、位置信息和速度信息，并根据期望回球落点位置计算击球总时间，以及在对应时刻的击球姿态和击球力，再编译回球控制指令，经编码后发送给机器人的控制系统。也可由机器人来分析回球控制指令。
步骤202，智能穿戴设备将运动信息编码后发送给位于机器人上的接收模块。
在本实施例中，可通过智能穿戴设备上的发送模块对运动信息进行编码后发送。无线通信网络可采用高速的5G网络，或者其它适宜远程通信的无线网络。编码方式根据通信方式自适应选择。
步骤203，机器人接收发送模块发送的信息并解码得到运动信息。
在本实施例中，机器人上的接收模块接收智能穿戴设备发送的数据，执行解码步骤得到穿戴者和球拍的运动信息。
步骤204，机器人根据运动信息和预设的运动模式生成相应的指令并执行。
在本实施例中，可根据预设的模式生成运动指令。机器人可作为穿戴者的替身与其它对手进行对战比赛，也可作为对手与穿戴者对战。
在本实施例的一些可选的实现方式中，运动模式包括对战模式，以及根据运动信息和预设的运动模式生成相应的指令，包括：根据运动信息生成模拟穿戴者动作的指令，控制机器人的手臂完成与穿戴者相同的动作。如图3a所示，用户A在东京某乒乓球场馆，对手是一个机器人(即智能机器装置)，由用户B通过智能穿戴设备控制；用户B在上海某体育馆，对手是由用户A控制的机器人。两个场馆的比赛同时开始开赛，用户分别与对方控制的机器人对打。
如图3b所示，先进轻便的智能穿戴设备结合传感技术和肌电技术(EMS/SEMS)，探测穿戴者包括人和球拍的位移、速度，角度等信息。探测的数据经过处理后通过高速的网络(5G)传输给机器人(即智能机器装置)上的接收器，机器人根据这些数据还原动作指令并同步执行。整个处理过程非常快速和连续，达到用户可以同步地控制机器人的效果。
在本实施例的一些可选的实现方式中，运动模式包括独立模式，以及根据运动信息和预设的运动模式生成相应的指令，包括：通过摄像机探测捕捉对手和球的信息；分析和预判球的运动轨迹；将运动轨迹输入3D卷积神经网络，得到特征向量；将特征向量与预先生成的比赛风格数据库进行匹配，确定击球方式。通过3D卷积神经网络可提取对手和球的信息的特征向量，然后与预先建立好的比赛风格数据库进行匹配，找到相似度高于阈值的特征向量对应的击球方式，即，事先存储了某个著名运动员对不同角度、速度的球回球方式，然后机器人可根据采集的数据分析出如果是这个运动员遇到这种球会如何回球，然后按照分析的结果控制机器人按照预测的动作击球。
如图3c所示，用户可以通过语音命令等方式设置机器人(即智能机器装置)为不需要穿戴设备控制的独立模式，并设置让它模仿某个运动员或者其他人的比赛风格，与之对打。
比赛风格数据库存储了许多著名运动员的打法，这个数据库是通过深度学习模型训练而成的。
机器人在和用户对打过程中，可以根据当前捕捉的信息包括人物信息、球的信息等进行分析处理，选择合适的回球方式进行回球。
在本实施例的一些可选的实现方式中，该方法还包括：获取比赛双方的数据；将数据输入3D卷积神经网络，得到特征向量；将特征向量与预先生成的战术数据库进行匹配，得到战术建议并输出。通过3D卷积神经网络可提取运动信息的特征，然后与预先建立好的战术数据库进行匹配，找到相似度高于预定值的特征向量对应的战术建议。
机器人(即智能机器装置)在比赛休息时间输出战术方面的指导建议。机器人通过高速摄像机和传感设备捕捉到对方的信息，结合从智能穿戴设备控制方接收到的我方信息，将这些信息整合，通过已经训练好的战术数据库(深度学习训练模型)，分析得出战术建议。然后通过语音播放或者屏幕显示。
进一步参考图4，其示出了生成比赛风格数据库的流程400。该生成比赛风格数据库的流程400，包括以下步骤：
步骤401，获取指定运动员的比赛视频。
在本实施例中，可由第三方服务器生成比赛风格数据库。第三方服务器接收用户上传的指定运动员的比赛视频。指定运动员可以是一些著名的运动员，例如林丹、马龙等。可获取该运动员跟不同对手的比赛视频。
步骤402，将比赛视频输入3D卷积神经网络模型，得到特征向量。
在本实施例中，比赛视频由大量的图像组成，可通过用于图像识别的3D卷积神经网络模型提取出特征向量，用来表征来球的轨迹与该运动员回球轨迹的对应关系。
步骤403，通过支持向量机分析特征向量得到各种条件下的击球方式数据。
在本实施例中，通过支持向量机将大量的轨迹对应关系进行分类，得到各种条件下的击球方式数据。
步骤404，将各种条件下的击球方式数据添加到比赛风格数据库中。
在本实施例中，经过大量比赛视频分析后的分类结果存储到该运动员的比赛风格数据库中。每个运动员的比赛风格数据库是独立的。
进一步参考图5，其示出了生成战术数据库的流程500。该生成战术数据库的流程500，包括以下步骤：
步骤501，获取历史比赛数据。
在本实施例中，可由第三方服务器生成战术数据库。第三方服务器可接收用户上传的各种历史比赛数据，包括比赛双方的数据。还可根据运动员和输赢进行分类。比如马龙赢了比赛数据、林丹输了比赛数据等。比赛数据可以是视频资料。
步骤502，将历史比赛数据输入3D卷积神经网络，得到特征向量。
在本实施例中，比赛视频由大量的图像组成，可通过用于图像识别的3D卷积神经网络模型提取出特征向量，用来表征来球的轨迹与该运动员回球轨迹的对应关系。还可表征战况与相应调整的发球方式等战术数据的对应关系。
步骤503，通过支持向量机分析特征向量得到各种条件下的战术建议。
在本实施例中，通过支持向量机将大量的战况与相应调整的发球方式等战术数据的对应关系和来球的轨迹与该运动员回球轨迹的对应关系进行分类，得到各种条件下的战术建议。
步骤504，将各种条件下的战术建议添加到战术数据库中。
在本实施例中，经过大量比赛视频分析后的分类结果存储到战术数据库中。可按运动员进行建库，从而方便比赛时对对手进行分析，通过战术数据库预先判断对手会采取的战术，然后分析出可以克制的方法。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的机器人)600的结构示意图。图6示出的机器人仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器、机器手臂等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述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。在本公开的实施例中，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。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述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该电子设备执行时，使得该电子设备：响应于接收到智能穿戴设备发送的穿戴者和球拍的运动信息，根据运动信息和预设的运动模式生成相应的指令；根据指令控制机器人的机器手臂击球。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种人机对战的系统，包括：
至少一套智能穿戴设备，被配置成通过传感技术和肌电技术探测穿戴者和球拍的运动信息；
位于智能穿戴设备上的发送模块，被配置成将所述运动信息编码后发送给位于机器人上的接收模块；
位于机器人上的接收模块，被配置成接收发送模块发送的信息并解码得到运动信息；
至少一个机器人，被配置成根据所述运动信息和预设的运动模式生成相应的指令并执行，其中，所述运动模式包括独立模式；
所述机器人进一步被配置成：
通过摄像机探测捕捉对手和球的信息；
分析和预判球的运动轨迹；
将所述运动轨迹输入3D卷积神经网络，得到特征向量；
将所述特征向量与预先生成的比赛风格数据库进行匹配，确定击球方式；
根据所述击球方式控制所述机器人的机器手臂击球。
2.根据权利要求1所述的系统，其中，所述运动模式包括对战模式，以及
所述机器人进一步被配置成：
根据所述运动信息生成模拟所述穿戴者动作的指令，控制机器人的手臂完成与所述穿戴者相同的动作。
3.根据权利要求2所述的系统，其中，所述机器人进一步被配置成：
获取比赛双方的数据；
将所述数据输入3D卷积神经网络，得到特征向量；
将所述特征向量与预先生成的战术数据库进行匹配，得到战术建议并输出。
4.一种人机对战的方法，应用于智能穿戴设备，包括：
通过传感技术和肌电技术探测穿戴者和球拍的运动信息，其中，球拍包括以下至少一种：网球拍、乒乓球拍、羽毛球拍，运动信息包括：位移、速度、角度；
将所述运动信息编码后发送给位于机器人上的接收模块，使得机器人执行如下步骤：
通过摄像机探测捕捉对手和球的信息；
分析和预判球的运动轨迹；
将所述运动轨迹输入3D卷积神经网络，得到特征向量；
将所述特征向量与预先生成的比赛风格数据库进行匹配，确定击球方式；
根据所述击球方式控制所述机器人的机器手臂击球。
5.一种人机对战的方法，应用于机器人，包括：
响应于接收到智能穿戴设备发送的穿戴者和球拍的运动信息，根据所述运动信息和预设的运动模式生成相应的指令，其中，所述运动模式包括独立模式；
根据所述指令控制所述机器人的机器手臂击球；
所述根据所述运动信息和预设的运动模式生成相应的指令，包括：
通过摄像机探测捕捉对手和球的信息；
分析和预判球的运动轨迹；
将所述运动轨迹输入3D卷积神经网络，得到特征向量；
将所述特征向量与预先生成的比赛风格数据库进行匹配，确定击球方式。
6.根据权利要求5所述的方法，其中，所述运动模式包括对战模式，以及
所述根据所述运动信息和预设的运动模式生成相应的指令，包括：
根据所述运动信息生成模拟所述穿戴者动作的指令，控制机器人的手臂完成与所述穿戴者相同的动作。
7.根据权利要求6所述的方法，其中，所述方法还包括：
获取比赛双方的数据；
将所述数据输入3D卷积神经网络，得到特征向量；
将所述特征向量与预先生成的战术数据库进行匹配，得到战术建议并输出。
8.根据权利要求5所述的方法，其中，所述方法还包括通过以下步骤生成比赛风格数据库：
获取指定运动员的比赛视频；
将所述比赛视频输入3D卷积神经网络模型，得到特征向量；
通过支持向量机分析所述特征向量得到各种条件下的击球方式数据；
将所述各种条件下的击球方式数据添加到比赛风格数据库中。
9.根据权利要求7所述的方法，其中，所述方法还包括通过以下步骤生成战术数据库：
获取历史比赛数据；
将所述历史比赛数据输入3D卷积神经网络，得到特征向量；
通过支持向量机分析所述特征向量得到各种条件下的战术建议；
将所述各种条件下的战术建议添加到战术数据库中。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求4-9中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求4-9中任一所述的方法。
CN201911218691.1A 2019-12-03 2019-12-03 人机对战的系统和方法 Active CN110989839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911218691.1A CN110989839B (zh) 2019-12-03 2019-12-03 人机对战的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911218691.1A CN110989839B (zh) 2019-12-03 2019-12-03 人机对战的系统和方法

Publications (2)

Publication Number Publication Date
CN110989839A CN110989839A (zh) 2020-04-10
CN110989839B true CN110989839B (zh) 2023-02-24

Family

ID=70089514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911218691.1A Active CN110989839B (zh) 2019-12-03 2019-12-03 人机对战的系统和方法

Country Status (1)

Country Link
CN (1) CN110989839B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111478975A (zh) * 2020-05-06 2020-07-31 徐航 一种利用仿生机器人实现远程竞技互动的方法
CN111782457A (zh) * 2020-06-30 2020-10-16 北京小米移动软件有限公司 机械运动模块的控制方法及装置、存储介质
CN112621773A (zh) * 2020-12-07 2021-04-09 陈贺龄 陪练机器人控制方法、系统、设备及存储介质
CN116933138B (zh) * 2023-07-26 2024-03-19 广州淦源智能科技有限公司 一种基于智能竞速产品的竞技控制系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106341460A (zh) * 2016-08-26 2017-01-18 宇龙计算机通信科技(深圳)有限公司 一种锻炼实现方法、客户端以及服务端
CN106669125A (zh) * 2016-12-31 2017-05-17 安徽工业大学 基于肌电信号的陪练乒乓球机器人回球方式的预测系统及方法
CN107598923A (zh) * 2017-09-01 2018-01-19 世优（北京）科技有限公司 可穿戴设备、机器人系统以及控制机器人的方法和装置
CN110068250A (zh) * 2019-03-21 2019-07-30 南京砺剑光电技术研究院有限公司 轻武器射击训练智慧靶场系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106341460A (zh) * 2016-08-26 2017-01-18 宇龙计算机通信科技(深圳)有限公司 一种锻炼实现方法、客户端以及服务端
CN106669125A (zh) * 2016-12-31 2017-05-17 安徽工业大学 基于肌电信号的陪练乒乓球机器人回球方式的预测系统及方法
CN107598923A (zh) * 2017-09-01 2018-01-19 世优（北京）科技有限公司 可穿戴设备、机器人系统以及控制机器人的方法和装置
CN110068250A (zh) * 2019-03-21 2019-07-30 南京砺剑光电技术研究院有限公司 轻武器射击训练智慧靶场系统

Also Published As

Publication number Publication date
CN110989839A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN110989839B (zh) 人机对战的系统和方法
US11321894B2 (en) Motion control via an article of clothing
US10755466B2 (en) Method and apparatus for comparing two motions
US11182946B2 (en) Motion management via conductive threads embedded in clothing material
US11210834B1 (en) Article of clothing facilitating capture of motions
JP2019535347A (ja) ゲームの制御のために制御機器のセンサを用いる方法及びシステム
US11801446B2 (en) Systems and methods for training an artificial intelligence model for competition matches
CN113709411B (zh) 一种mr智能眼镜基于眼动追踪技术的体育辅助训练系统
US11798216B2 (en) Motion detection method and system
US11615648B2 (en) Practice drill-related features using quantitative, biomechanical-based analysis
US12062123B2 (en) 3D avatar generation using biomechanical analysis
Yeo et al. Augmented learning for sports using wearable head-worn and wrist-worn devices
CN111184994B (zh) 击球训练方法、终端设备及存储介质
CN109407826B (zh) 球类运动模拟方法、装置、存储介质及电子设备
KR20070061256A (ko) 트래커를 활용한 온라인 네트워크 대전 게임 시스템 및 그방법
Nabil et al. Usability study of a comprehensive table tennis ar-based training system with the focus on players’ strokes
Malawski Real-time first person perspective tracking and feedback system for weapon practice support in fencing
Malawski et al. Automatic analysis of techniques and body motion patterns in sport
Poussard et al. 3DLive: A multi-modal sensing platform allowing tele-immersive sports applications
Ciliberto et al. Complex human gestures encoding from wearable inertial sensors for activity recognition.
CN108765492A (zh) 一种二十四式太极拳三维互动展示方法
JP7502957B2 (ja) 触覚メタデータ生成装置、映像触覚連動システム、及びプログラム
US20230140611A1 (en) Methods, systems, apparatuses, and devices for facilitating simulating golf play on golf courses
Sugawara et al. A New Step toward Mastering Double-Under Skill with Supporting Application of Image Processing
Hiramoto et al. Design and Implementation of a Virtual Reality Tennis Serve Practice System for Creative Tennis Serve Practice

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