CN114330755B - 数据集的生成方法、装置、机器人和存储介质 - Google Patents
数据集的生成方法、装置、机器人和存储介质 Download PDFInfo
- Publication number
- CN114330755B CN114330755B CN202210236973.XA CN202210236973A CN114330755B CN 114330755 B CN114330755 B CN 114330755B CN 202210236973 A CN202210236973 A CN 202210236973A CN 114330755 B CN114330755 B CN 114330755B
- Authority
- CN
- China
- Prior art keywords
- task
- data
- data structure
- level
- level data
- 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
Landscapes
- Manipulator (AREA)
Abstract
本申请公开了一种数据集的生成方法、数据集的生成装置、机器人和计算机可读存储介质。数据集的生成方法包括:设定任务属性数据以及任务技术分解数据;根据任务属性数据以及任务技术分解数据,获得对应的任务实现流程数据;将任务属性数据、任务技术分解数据以及对应的任务实现流程数据存入数据集中。如此,将数据集设置任务属性数据、任务技术分解数据以及相应的执行策略数据,生成了面向任务的数据集,节约数据集的存储空间,降低数据集存储成本。
Description
技术领域
本申请涉及机器人控制技术领域,更具体而言,特别涉及一种数据集的生成方法、数据集的生成装置、机器人和计算机可读存储介质。
背景技术
随着社会不断发展,机器人越来越多的应用于生产、家用等领域。
为了实现机器人能够根据环境和指令准确地完成操作,通常采用机器学习的方法对机器人进行训练,机器学习过程中,数据集作为机器学习的基础尤为重要。在现有的机器学习中,数据集通常只包括目标物的相关信息,而缺少有关机器人操作策略的内容。
发明内容
本申请实施方式提供一种数据集的生成方法、数据集的生成装置、机器人和存储介质。
本申请实施方式的数据集的生成方法包括:设定任务属性数据以及任务技术分解数据;
根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据;
将所述任务属性数据、所述任务技术分解数据以及对应的所述任务实现流程数据存入所述数据集中;
其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应。
本申请实施方式的数据集的生成方法包括:接收外力,并记录由外力引导的运行轨迹,作为任务实现流程数据;
将任务属性数据、任务技术分解数据以及所述任务实现流程数据存入所述数据集中;
其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应;
所述数据集包括第一级数据结构、第二级数据结构和第三级数据结构,所述第一级数据结构包括任务属性数据,所述第二级数据结构包括任务分解数据,所述第三级数据结构包括任务实现流程数据,若所述第一级数据结构为空集,则与所述第一级数据结构对应的所述第二级数据结构以及与所述第二级数据结构对应的第三级数据结构均标记为空集;若所述第一级数据结构为非空集,所述第二级数据结构为空集,则与所述第二级数据结构对应的第三级数据结构标记为空集;若识别到所述第一级数据结构为空集,则不给为空集的所述第一级数据结构、对应的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到所述第二级数据结构为空集,则不给为空集的所述第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到所述第三级数据结构为空集,则不给为空集的所述第三级数据结构分配存储空间或者压缩相应的存储空间。
本申请实施方式的数据集的生成装置包括:设定模块,所述设定模块用于设定任务属性数据以及任务技术分解数据;
获得模块,所述获得模块用于根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据;
存入模块,所述存入模块用于将所述任务属性数据、所述任务技术分解数据以及对应的所述任务实现流程数据存入所述数据集中;其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应。
本申请实施方式的机器人,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施方式所述的数据集的生成方法。
本申请实施方式的计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施方式的数据集的生成方法。
本申请实施方式的数据集的生成方法、数据集的生成装置、机器人和计算机可读存储介质,将数据集设置任务属性数据、任务技术分解数据以及相应的执行策略数据,生成了面向任务的数据集,节约数据集的存储空间,降低数据集存储成本。
本申请的附加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
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本申请实施方式的数据集的生成方法的流程示意图;
图2是本申请实施方式的数据集的生成装置的模块示意图;
图3是本申请实施方式的机器人的模块示意图;
图4是本申请实施方式的多足机器人的硬件结构示意图;
图5是本申请实施方式的多足机器人的结构示意图;
图6是本申请实施方式的数据集的生成方法的方案示意图;
图7是本申请实施方式的数据集的生成方法的又一流程示意图;
图8是本申请实施方式的数据集的生成装置的又一模块示意图;
图9是本申请实施方式的数据集的生成方法的再一流程示意图;
图10是本申请实施方式的数据集的生成方法的再一流程示意图。
主要元件符号说明:
数据集的生成装置100、设定模块10、获得模块20、轨迹单元21、迭代单元22、筛选单元23、存入模块30、机器人1000、处理器300、存储器200、多足机器人400、机械单元401、驱动板4011、电机4012、机械结构4013、机身主体4014、可伸展的腿部4015、足部4016、可转动的头部结构4017、可摇动的尾巴结构4018、载物结构4019、鞍座结构4020、摄像头结构4021、通讯单元402、传感单元403、接口单元404、存储单元405、显示单元406、显示面板4061、输入单元407、触控面板4071、输入设备4072、触摸检测装置4073、触摸控制器4074、机器控制模块410、电源411。
具体实施方式
下面详细描述本申请的实施方式,所述实施方式的实施方式在附图中示出,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方式是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示部件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
请参阅图1,本申请实施方式的数据集的生成方法包括步骤:
S10:设定任务属性数据以及任务技术分解数据;
S20:根据任务属性数据以及任务技术分解数据,获得对应的任务实现流程数据;
S30:将任务属性数据、任务技术分解数据以及对应的任务实现流程数据存入数据集中;
其中,任务属性数据包括任务本身属性数据和/或任务对象属性数据,任务技术分解数据包括任务信息输入数据以及任务技术点数据,任务实现流程数据包括执行步骤数据和具体输入属性数据,执行步骤数据用于表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人运行的具体参数,具体输入属性数据与执行步骤数据对应。
请参阅图2,本申请实施方式的数据集的生成装置100包括设定模块10、获得模块20以及存入模块30。步骤S10可由设定模块10实现,步骤S20可由获得模块20实现,步骤S30可由存入模块30实现。也即是说,设定模块10可用于设定任务属性数据以及任务技术分解数据,获得模块20可用于根据任务属性数据以及任务技术分解数据,获得对应的任务实现流程数据,存入模块30可用于将任务属性数据、任务技术分解数据以及对应的任务实现流程数据存入数据集中;其中,任务属性数据包括任务本身属性数据和/或任务对象属性数据,任务技术分解数据包括任务信息输入数据以及任务技术点数据,任务实现流程数据包括执行步骤数据和具体输入属性数据,执行步骤数据用于表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人运行的具体参数,具体输入属性数据与执行步骤数据对应。
请参阅图3,本申请实施方式的机器人1000包括存储器200、处理器300及存储在存储器200上并可在处理器300上运行的计算机程序,处理器300执行计算机程序时实现本申请实施方式的数据集的生成方法。如此,本申请实施方式的数据集的生成方法可以由本申请实施方式的机器人1000实现,其中,步骤S10、步骤S20、步骤S30均可以由处理器300实现,也即是说,处理器300执行计算机程序时实现:设定任务属性数据以及任务技术分解数据;根据任务属性数据以及任务技术分解数据,获得对应的任务实现流程数据;将任务属性数据、任务技术分解数据以及对应的任务实现流程数据存入数据集中;其中,任务属性数据包括任务本身属性数据和/或任务对象属性数据,任务技术分解数据包括任务信息输入数据以及任务技术点数据,任务实现流程数据包括执行步骤数据和具体输入属性数据,执行步骤数据用于表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人运行的具体参数,具体输入属性数据与执行步骤数据对应。
处理器300可以是指驱动板。驱动板可以是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器300、数字信号处理器300(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field- Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
需要说明的是,机器人1000可以包括能够移动的双足机器人或多足机器人400,如人形机器人、机器狗、机器马等,也可以包括机械臂、机械腿等,如用于调酒的机器人、用于焊接的机器人等,在此不做具体限制。
具体的,请参阅图4和图5,图4为本发明其中一个实施方式的多足机器人400的硬件结构示意图,图5为多足机器人400的结构示意图。在图4所示的实施方式中,多足机器人400包括机械单元401、通讯单元402、传感单元403、接口单元404、存储单元405、机器控制模块410、电源411。多足机器人400的各种部件可以以任何方式连接,包括有线或无线连接等。本领域技术人员可以理解,图4中示出的多足机器人400的具体结构并不构成对多足机器人400的限定,多足机器人400可以包括比图示更多或更少的部件,某些部件也并不属于多足机器人400的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略,或者组合某些部件。
下面结合图4和图5对多足机器人400的各个部件进行具体的介绍:
机械单元401为多足机器人400的硬件。如图4所示,机械单元401可包括驱动板4011、电机4012、机械结构4013,如图5所示,机械结构4013可包括机身主体4014、可伸展的腿部4015、足部4016,在其他实施方式中,机械结构4013还可包括可伸展的机械臂(图未示)、可转动的头部结构4017、可摇动的尾巴结构4018、载物结构4019、鞍座结构4020、摄像头结构4021等。需要说明的是,机械单元401的各个部件模块可以为一个也可以为多个,可根据具体情况设置,比如腿部4015可为4个,每个腿部4015可配置3个电机4012,对应的电机4012为12个。可以理解的,可伸展的机械臂或可伸展的腿部结构可以安装于多足机器人400的背部、尾部等位置,其可以根据多足机器人400的用途、生产成本等因素进行调整,在此不做具体限制。
通讯单元402可用于信号的接收和发送,还可以通过与网络和其他设备通信,比如,接收遥控器或其他多足机器人400发送的按照特定步态以特定速度值向特定方向移动的指令信息后,传输给机器控制模块410处理。通讯单元402包括如WiFi模块、4G模块、5G模块、蓝牙模块、红外模块等。
传感单元403用于获取多足机器人400周围环境的信息数据以及监控多足机器人400内部各部件的参数数据,并发送给机器控制模块410。传感单元403包括多种传感器,如获取周围环境信息的传感器:激光雷达(用于远程物体检测、距离确定和/或速度值确定)、毫米波雷达(用于短程物体检测、距离确定和/或速度值确定)、摄像头、红外摄像头、全球导航卫星系统(GNSS,Global Navigation Satellite System)等。如监控多足机器人400内部各部件的传感器:惯性测量单元(IMU,Inertial Measurement Unit)(用于测量速度值、加速度值和角速度值的值),足底传感器(用于监测足底着力点位置、足底姿态、触地力大小和方向)、温度传感器(用于检测部件温度)。至于多足机器人400还可配置的载荷传感器、触摸传感器、电机角度传感器、扭矩传感器等其他传感器,在此不再赘述。
接口单元404可以用于接收来自外部装置的输入(例如,数据信息、电力等)并且将接收到的输入传输到多足机器人400内的一个或多个部件,或者可以用于向外部装置输出(例如,数据信息、电力等)。接口单元404可包括电源端口、数据端口(如USB端口)、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口等。
存储单元405用于存储软件程序以及各种数据。存储单元405可主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统程序、运动控制程序、应用程序(比如文本编辑器)等;数据存储区可存储多足机器人400在使用中所生成的数据(比如传感单元403获取的各种传感数据,日志文件数据)等。此外,存储单元405可以包括高速随机存取存储器,还可以包括非易失性存储器,例如磁盘存储器、闪存器、或其他易失性固态存储器。可以理解的,存储器200可以实现存储单元405的一部分或全部功能。
显示单元406用于显示由用户输入的信息或提供给用户的信息。显示单元406可包括显示面板4061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode, OLED)等形式来配置显示面板1061。
输入单元407可用于接收输入的数字或字符信息。具体地,输入单元407可包括触控面板4071以及其他输入设备4072。触控面板4071,也称为触摸屏,可收集用户的触摸操作(比如用户使用手掌、手指或适合的附件在触控面板4071上或在触控面板4071附近的操作),并根据预先设定的程式驱动相应的连接装置。触控面板4071可包括触摸检测装置4073和触摸控制器4074两个部分。其中,触摸检测装置4073检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器4074;触摸控制器4074从触摸检测装置4073上接收触摸信息,并将它转换成触点坐标,再送给机器控制模块410,并能接收机器控制模块410发来的命令并加以执行。除了触控面板4071,输入单元407还可以包括其他输入设备4072。具体地,其他输入设备4072可以包括但不限于遥控操作手柄等中的一种或多种,具体此处不做限定。
进一步的,触控面板4071可覆盖显示面板4061,当触控面板4071检测到在其上或附近的触摸操作后,传送给机器控制模块410以确定触摸事件的类型,随后机器控制模块410根据触摸事件的类型在显示面板4061上提供相应的视觉输出。虽然在图4中,触控面板4071与显示面板4061是作为两个独立的部件来分别实现输入和输出功能,但是在某些实施例中,可以将触控面板4071与显示面板4061集成而实现输入和输出功能,具体此处不做限定。
机器控制模块410是多足机器人400的控制中心,利用各种接口和线路连接整个多足机器人400的各个部件,通过运行或执行存储在存储单元405内的软件程序,以及调用存储在存储单元405内的数据,从而对多足机器人400进行整体控制。可以理解的,处理器300可以实现机器控制模块410的一部分或全部功能。
电源411用于给各个部件供电,电源411可包括电池和电源控制板,电源控制板用于控制电池充电、放电、以及功耗管理等功能。在图4所示的实施方式中,电源411电连接机器控制模块410,在其它的实施方式中,电源411还可以分别与传感单元403(比如摄像头、雷达、音箱等)、电机4012电性连接。需要说明的是,各个部件可以各自连接到不同的电源411,或者由相同的电源411供电。
在上述实施方式的基础上,具体地,在一些实施方式中,可以通过终端设备来与多足机器人400进行通信连接,在终端设备与多足机器人400进行通信时,可以通过终端设备来向多足机器人400发送指令信息,多足机器人400可通过通讯单元402来接收指令信息,并可在接收到指令信息的情况下,将指令信息传输至机器控制模块410,使得机器控制模块410可根据指令信息来处理得到目标速度值。终端设备包括但不限于:具备图像拍摄功能的手机、平板电脑、服务器、个人计算机、可穿戴智能设备、其它电器设备。
指令信息可以根据预设条件来确定。在一个实施方式中,多足机器人400可以包括传感单元403,传感单元403可根据多足机器人400所在的当前环境可生成指令信息。机器控制模块410可根据指令信息来判断多足机器人400的当前速度值是否满足对应的预设条件。若满足,则会保持多足机器人400的当前速度值和当前步态移动;若不满足,则会根据对应的预设条件来确定目标速度值和相应的目标步态,从而可控制多足机器人400以目标速度值和相应的目标步态移动。环境传感器可以包括温度传感器、气压传感器、视觉传感器、声音传感器。指令信息可以包括温度信息、气压信息、图像信息、声音信息。环境传感器与机器控制模块410之间的通信方式可以为有线通信,也可以为无线通信。无线通信的方式包括但不限于:无线网络、移动通信网络(3G、4G、5G等)、蓝牙、红外。
可以理解,随着社会不断发展,机器人1000越来越多的应用于生产、家用等领域。为了实现机器人1000能够根据环境和指令准确地完成操作,通常采用机器学习的方法对机器人1000进行训练,机器学习过程中,数据集作为机器学习的基础尤为重要。在现有的机器学习中,数据集通常只包括目标物的相关信息,而缺少有关机器人1000操作策略的内容。
在本申请实施方式的数据集的生成方法、数据集的生成装置100以及机器人1000,将数据集设置任务属性数据、任务技术分解数据以及相应的执行策略数据,生成了面向任务的数据集,节约数据集的存储空间,降低数据集存储成本。
具体地,在本申请的实施方式中,数据集包括任务属性数据、任务技术分解数据以及任务实现流程数据,具体的,任务属性数据用于表示有关于任务指令的属性,例如,任务属性数据可以包括任务本身的属性,如是否需要与环境交互、任务是否需要人为协助,任务属性数据也可以包括任务对象的属性,具体的,任务对象可以是任务指令所指向的操作物,例如任务指令为拿起杯子,则操作物为杯子,任务对象也可以是任务指令所需的环境物体,例如,任务指令为拿起杯子,在机器人1000拿起杯子的过程中,需要越过一个障碍物,则该障碍物可以是环境物体,因而任务对象的属性可以包括环境物体是否存在,目标物体是否存在,物体是何材质,物体是否是刚体,物体应采用何种操作方式等内容。任务技术分解数据用于表示在完成任务指令的过程中所需要的技术点以及所需的输入数据,例如,任务指令为拿取杯子,则完成任务指令的过程中,需要视觉信息输入,以便于确定杯子与机器人1000的位姿关系,需要力传感器信息输入,以便于机器人1000根据是否有反作用力判断是否抓取到杯子。任务实现流程数据用于表示实现任务指令所需的流程,例如,任务指令为拿取杯子,则实现流程数据可以包括机器人1000的机械臂向前移动60厘米后,机器人1000的机械臂再向下移动30厘米,最后机械臂的夹爪开合,抓取杯子。
值得说明的是,本申请实施方式的数据集包括任务属性数据、任务技术分解数据以及任务实现流程数据,使得能够根据不同的任务属性数据,对任务技术分解数据以及任务实现流程数据进行分类,方便在训练数据集得到目标网络参数的过程中,能够高效的通过任务属性数据对不同的任务指令进行分类。
任务属性数据可以包括任务本身属性数据,任务属性数据可以包括任务对象属性数据,任务属性数据还可以既包括任务本身属性数据,又包括任务对象数据,任务属性数据包括的内容可以根据任务指令的内容进行调整,例如,任务指令为将抓取有杯子的机械臂收缩至收纳状态,此时,完成任务指令无需与环境交互、无需人为协助等有关于任务本身属性数据,则任务属性数据可以仅包括有关于杯子的任务对象属性数据而不包括任务本身属性数据。
任务信息输入数据用于表示完成任务指令所需的的输入,例如是否需要视觉信息输入、是否需要力传感器信息输入等,任务技术点数据用于表示任务实现需要的视觉识别,机器人1000的柔顺操作等。任务实现流程数据用于表示完成任务指令所需的流程,其中,执行步骤数据表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人1000运行的具体参数,例如,任务指令为打开门,则执行步骤数据可以包括机器人1000移动至门附近以及转动门把手两个步骤,具体输入属性数据可以包括机器人1000移动的距离,如,机器人1000向前移动十米,以及转动门把手的转动角度,如,机器人1000将门把手转动90°。
值得说明的是,任务技术分解数据和任务实现流程数据与任务属性数据具有对应关系,具体的,任务技术分解数据和任务实现流程数据可以与任务本身属性数据具有对应关系,任务技术分解数据和任务实现流程数据也可以与任务对象属性数据具有对应关系。可以理解的,任务本身属性需要与环境交互的情况下,任务技术分解数据应当包括与环境交互有关的所需输入以及与环境交互有关的任务技术点数据,任务实现流程数据也应包括与环境交互有关的执行步骤数据以及具体输入属性数据。任务实现流程数据与任务技术分解数据也具有对应关系。可以理解的,任务信息输入数据包括视觉信息输入,任务技术点数据包括有关于视觉识别的技术点时,自然会生成与视觉信息输入有关的任务实现流程数据。
在某些实施方式中,请参阅图6,数据集包括第一级数据结构、第二级数据结构和第三级数据结构,第一级数据结构包括任务属性数据,第二级数据结构包括任务分解数据,第三级数据结构包括任务实现流程数据,若第一级数据结构为空集,则与第一级数据结构对应的第二级数据结构以及与第二级数据结构对应的第三级数据结构均标记为空集;若第一级数据结构为非空集,第二级数据结构为空集,则与第二级数据结构对应的第三级数据结构标记为空集;若识别到第一级数据结构为空集,则不给为空集的第一级数据结构、对应的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到第二级数据结构为空集,则不给为空集的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到第三级数据结构为空集,则不给为空集的第三级数据结构分配存储空间或者压缩相应的存储空间。
如此,能够在第一级数据结构为空集时,标记对应的第二级数据结构和对应的第三级数据结构为空集,在第一级数据结构为非空集,第二级数据结构为空集时,将对应的第三级数据结构标记为空集,有效的节约了存储空间。
具体的,请参阅图6,图6中所示的Dtask用于表述本申请中的数据集,P用于表述本申请中的任务属性数据,I用于表述本申请中的任务本身属性数据,O用于表述本申请中的任务对象属性数据,R用于表述本申请中的任务技术分解数据,E用于表述本申请中的任务信息输入数据,A用于表述本申请中的任务技术点数据,S用于表述本申请中的任务实现流程数据,N用于表述本申请中的执行步骤数据,T用于表述本申请中的具体输入属性数据。例如,在某个任务中无需人为协助,无需与环境进行交互等情况下,任务本身属性数据I可以为空集,此时,与任务本身属性数据I对应的任务信息输入数据E和任务技术点数据A也无需考虑,以此类推,可以大大降低数据存储的成本,同时提高数据调用的效率。
请参阅图7,在某些实施方式中,步骤S20包括:
S21,将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹;
S23,通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群;
S25,在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。
在某些实施方式中,请参阅图8,获得模块20可以包括轨迹单元21、迭代单元22以及筛选单元23。步骤S21可以由轨迹单元21实现,步骤S23可以由迭代单元22实现,步骤S25可以由筛选单元23实现。也即是说,轨迹单元21可用于将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹,迭代单元22可用于通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群,筛选单元23可用于在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。
在某些实施方式中,机器人1000包括处理器300。步骤S21、步骤S23和步骤S25均可以由处理器300实现,也即是说,处理器300执行所述计算机程序时实现将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹,通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群,在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。
如此,将间隔一定数量的运行轨迹作为一个群,可以较为方便地筛选任务完成度较高的运行轨迹,筛选每个群任务完成度排名超过阈值的运行轨迹,能够对运行轨迹进行筛选,避免任务实现流程数据中过多任务完成度低的运行轨迹,加快后续使用数据集进行机器学习训练的效率。
具体地,仿真软件输出若干运行轨迹,将每间隔一定数量的运行轨迹作为一个群。间隔数量可以是10个、100个、1000个等数量,间隔数量可以根据仿真速度、所需数据集的丰富度等因素进行调整,在此不做具体限制。在间隔数量为100个时,则每100个运行轨迹作为一个群。如此,可以在仿真软件不断输出若干运行轨迹的同时,将仿真软件先前输出的运行轨迹作为一个群并进行筛选,无需仿真软件输出完成后再进行筛选,加快筛选速度,也降低了对筛选单元23的数据处理能力的要求。例如,在某个实施方式中,每间隔100个运行轨迹作为一个群,则可以在仿真软件输出100个运行轨迹后,步骤S21与步骤S25同时进行,即仿真软件输出运行轨迹的过程中,对已经获得的群比较任务完成度排名超过阈值的运行轨迹。
可以理解的,若干运行轨迹中会具有任务完成度很低的运行轨迹,也具有虽然未完成任务但是任务完成度较高的运行轨迹。例如,任务指令为拿取杯子,运行轨迹中具有能够拿取杯子的运行轨迹,此时,运行轨迹的任务完成度高;运行轨迹中也具有抓住杯子,但是杯子滑落使得未能成功拿取杯子的运行轨迹,此时,运行轨迹的任务完成度较高;运行轨迹中还具有未碰到杯子的运行轨迹,此时,运行轨迹的任务完成度很低。为了方便后续通过数据集进行机器学习,可以对运行轨迹进行筛选,筛去很多任务完成度很低的运行轨迹,如根本碰不到杯子的运行轨迹,从而加快机器学习的效率。
为方便理解,下面进行举例说明。在某个实施方式中,任务指令为按开关,在任务属性数据中描述按开关需要与环境交互、无需人为协助以及任务对象属性为环境中存在的各种开关,且开关为刚体。任务技术分解数据的任务信息输入数据描述按开关的任务需要视觉输入用于定位门与门把手的位置,需要力传感器信息输入用于与环境的柔顺交互,任务技术点数据描述任务中涉及的相关技术点,包括上述的视觉识别与定位、柔顺操作与安全交互;运行轨迹描述机器人1000按开关的步骤,第一步抬手定位,第二步按住开关,第三步松手放下以及上述步骤中的具体轨迹,包括机器人1000各关节的运动角度、角速度等。通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群。在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。具体的,采用仿真软件获得运行轨迹并进行筛选,可以不用关注机械臂的损耗与规划失败时的风险,同时可以导入不同的开关模型以丰富数据集。
可以理解的,任务实现流程数据是与任务属性数据以及任务技术分解数据对应的,即在判断运行轨迹的任务完成度时,应该将任务实现流程数据以及任务属性数据的具体内容一同考虑,在不同的任务指令下,相当于在不同的任务属性数据情况下,以及不同的环境情况,相当于在不同的任务技术分解数据情况下,机器人1000完成任务所需的操作是不同的,即所需运行轨迹是不同的。
值得说明的是,阈值的具体值可以根据对任务完成度的要求、数据集所需丰富程度等因素进行设定,在此不做具体限制。
进一步的,步骤S25包括:
筛选出每个群任务完成度排名第一的运行轨迹,作为对应的任务实现流程数据。
在某些实施方式中,上述步骤可以由筛选单元23实现,也即是说,筛选单元23用于筛选出每个群任务完成度排名第一的运行轨迹,作为对应的任务实现流程数据。
在某些实施方式中,机器人1000包括处理器300。上述步骤可以由处理器300实现,也即是说,处理器300执行所述计算机程序时实现筛选出每个群任务完成度排名第一的运行轨迹,作为对应的任务实现流程数据。
如此,能够更好的筛选出来每个群中任务完成度最高的运行轨迹作为对应的任务实现流程数据,保证后续使用数据集进行训练的效率,此外,即使筛选每个群中任务完成度最高的运行轨迹,由于各个群内运行轨迹的任务完成度的分布情况不同,仍然可以筛选出未完成任务,但是任务完成度较高的运行轨迹作为干扰项,增加数据集内容的丰富度。
请参阅图9,在某些实施方式中,S20包括步骤:
S21:将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹;
S27:获取任务完成度高于第一完成度阈值的运行轨迹,作为对应的任务实现流程数据。
在某些实施方式中,获得模块20可以包括阈值单元,步骤S21可以由轨迹单元21实现,步骤S27可以由阈值单元实现。也即是说,轨迹单元21可用于将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹;阈值单元可用于获取任务完成度高于第一完成度阈值的运行轨迹,作为对应的任务实现流程数据。
在某些实施方式中,机器人1000包括处理器300。步骤S21和步骤S27均可以由处理器300实现,也即是说,处理器300执行所述计算机程序时实现将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹;获取任务完成度高于第一完成度阈值的运行轨迹,作为对应的任务实现流程数据。
如此,能够对若干运行轨迹统一进行筛选,避免任务实现流程数据内存入低于第一完成度阈值的运行轨迹,降低数据集内干扰数据的数量,保证后续使用数据集进行训练的效率。
请参阅图10,本申请实施方式的数据集的生产方法包括步骤:
S70:接收外力,并记录由外力引导的运行轨迹,作为任务实现流程数据;
S80:将任务属性数据、任务技术分解数据以及任务实现流程数据存入数据集中;其中,任务属性数据包括任务本身属性数据和/或任务对象属性数据,任务技术分解数据包括任务信息输入数据以及任务技术点数据,任务实现流程数据包括执行步骤数据和具体输入属性数据,执行步骤数据用于表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人运行的具体参数,具体输入属性数据与执行步骤数据对应;
数据集包括第一级数据结构、第二级数据结构和第三级数据结构,第一级数据结构包括任务属性数据,第二级数据结构包括任务分解数据,第三级数据结构包括任务实现流程数据,若第一级数据结构为空集,则与第一级数据结构对应的第二级数据结构以及与第二级数据结构对应的第三级数据结构均标记为空集;若第一级数据结构为非空集,第二级数据结构为空集,则与第二级数据结构对应的第三级数据结构标记为空集;若识别到第一级数据结构为空集,则不给为空集的第一级数据结构、对应的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到第二级数据结构为空集,则不给为空集的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到第三级数据结构为空集,则不给为空集的第三级数据结构分配存储空间或者压缩相应的存储空间。
在某些实施方式中,数据集的生成装置100可以包括记录模块以及存入模块,上述步骤S70可由记录模块实现,步骤S80可由存入模块实现,也即是说,记录模块可用于接收外力,并记录由外力引导的运行轨迹,作为任务实现流程数据;存入模块可用于将任务属性数据、任务技术分解数据以及所述任务实现流程数据存入所述数据集中;其中,任务属性数据包括任务本身属性数据和/或任务对象属性数据,任务技术分解数据包括任务信息输入数据以及任务技术点数据,任务实现流程数据包括执行步骤数据和具体输入属性数据,执行步骤数据用于表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人运行的具体参数,具体输入属性数据与执行步骤数据对应;
数据集包括第一级数据结构、第二级数据结构和第三级数据结构,第一级数据结构包括任务属性数据,第二级数据结构包括任务分解数据,第三级数据结构包括任务实现流程数据,若第一级数据结构为空集,则与第一级数据结构对应的第二级数据结构以及与第二级数据结构对应的第三级数据结构均标记为空集;若第一级数据结构为非空集,第二级数据结构为空集,则与第二级数据结构对应的第三级数据结构标记为空集;若识别到数据结构为空集,则不分配存储空间或者压缩相应的存储空间。
在某些实施方式中,机器人1000包括处理器300。步骤S70和步骤S80均可以由处理器300实现,也即是说,处理器300执行计算机程序时实现:接收外力,并记录由外力引导的运行轨迹,作为任务实现流程数据;将任务属性数据、任务技术分解数据以及任务实现流程数据存入数据集中;其中,任务属性数据包括任务本身属性数据和/或任务对象属性数据,任务技术分解数据包括任务信息输入数据以及任务技术点数据,任务实现流程数据包括执行步骤数据和具体输入属性数据,执行步骤数据用于表述完成任务所需的各步骤,具体输入属性数据用于表述完成任务机器人运行的具体参数,具体输入属性数据与执行步骤数据对应;
数据集包括第一级数据结构、第二级数据结构和第三级数据结构,第一级数据结构包括任务属性数据,第二级数据结构包括任务分解数据,第三级数据结构包括任务实现流程数据,若第一级数据结构为空集,则与第一级数据结构对应的第二级数据结构以及与第二级数据结构对应的第三级数据结构均标记为空集;若第一级数据结构为非空集,第二级数据结构为空集,则与第二级数据结构对应的第三级数据结构标记为空集;若识别到数据结构为空集,则不分配存储空间或者压缩相应的存储空间。
如此,能够通过人为示教学习获得与任务属性数据以及任务技术分解数据对应的任务实现流程数据。
为方便理解,下面进行举例说明。对于机器人开门的任务,任务本身属性数据表示开门需要与环境交互且无需认为协助,任务对象属性数据表示环境物体存在门把手与门,且门是刚体、门把手依靠转动操作。任务信息输入数据描述开门的任务需要视觉输入用于定位门与门把手的位置,需要力传感器信息输入用于与环境的柔顺交互,任务技术点数据描述任务中涉及的相关技术点,包括上述的视觉识别与定位、柔顺操作与安全交互。对机器人施力,使得机器人产生与上述任务属性数据以及任务技术分解数据对应的操作,从而获得对应的任务实现流程数据,具体的,执行步骤数据可以包括第一步抬手定位,第二步抓住门把手,第三步转动门把手,第四步绕门轴拉动,第五步拨开门至完全打开,具体输入属性数据包括上述步骤中的具体轨迹,包括机器人各关节的运动角度、角速度等。
本申请实施方式还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器300执行时实现上述任一实施方式的数据集的生成方法。例如,请结合图1,计算机可读指令被处理器300执行时,使得处理器300执行以下数据集的生成方法的步骤:
S10:设定任务属性数据以及任务技术分解数据;
S20:根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据;
S30:将所述任务属性数据、所述任务技术分解数据以及对应的所述任务实现流程数据存入所述数据集中;
其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式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方式或示例中。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方式或示例。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方式或示例中以合适的方式结合。
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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
处理器300可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
应当理解,本申请的实施方式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,在本申请的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。
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方式进行变化、修改、替换和变型。
Claims (11)
1.一种数据集的生成方法,用于机器人,其特征在于,所述数据集的生成方法包括:
设定任务属性数据以及任务技术分解数据;
根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据;
将所述任务属性数据、所述任务技术分解数据以及对应的所述任务实现流程数据存入所述数据集中;
其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应;
其中,所述根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据,包括:
将所述任务属性数据和所述任务技术分解数据输入仿真软件,获得若干运行轨迹;
通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群;
在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。
2.根据权利要求1所述的数据集的生成方法,其特征在于,所述数据集包括第一级数据结构、第二级数据结构和第三级数据结构,所述第一级数据结构包括任务属性数据,所述第二级数据结构包括任务分解数据,所述第三级数据结构包括任务实现流程数据,若所述第一级数据结构为空集,则与所述第一级数据结构对应的所述第二级数据结构以及与所述第二级数据结构对应的第三级数据结构均标记为空集;若所述第一级数据结构为非空集,所述第二级数据结构为空集,则与所述第二级数据结构对应的第三级数据结构标记为空集;若识别到所述第一级数据结构为空集,则不给为空集的所述第一级数据结构、对应的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到所述第二级数据结构为空集,则不给为空集的所述第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到所述第三级数据结构为空集,则不给为空集的所述第三级数据结构分配存储空间或者压缩相应的存储空间。
3.根据权利要求1所述的数据集的生成方法,其特征在于,所述筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据,包括:筛选出每个群任务完成度排名第一的运行轨迹,作为对应的任务实现流程数据。
4.根据权利要求1所述的数据集的生成方法,其特征在于,所述根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据,包括:
将所述任务属性数据和所述任务技术分解数据输入仿真软件,获得若干运行轨迹;
获取任务完成度高于第一完成度阈值的所述运行轨迹,作为对应的任务实现流程数据。
5.一种数据集的生成方法,用于机器人,其特征在于,所述数据集的生成方法包括:
接收外力,并记录由外力引导的运行轨迹,作为任务实现流程数据;
将任务属性数据、任务技术分解数据以及所述任务实现流程数据存入所述数据集中;
其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应;
所述数据集包括第一级数据结构、第二级数据结构和第三级数据结构,所述第一级数据结构包括任务属性数据,所述第二级数据结构包括任务分解数据,所述第三级数据结构包括任务实现流程数据,若所述第一级数据结构为空集,则与所述第一级数据结构对应的所述第二级数据结构以及与所述第二级数据结构对应的第三级数据结构均标记为空集;若所述第一级数据结构为非空集,所述第二级数据结构为空集,则与所述第二级数据结构对应的第三级数据结构标记为空集;若识别到所述第一级数据结构为空集,则不给为空集的所述第一级数据结构、对应的第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到所述第二级数据结构为空集,则不给为空集的所述第二级数据结构以及对应的第三级数据结构分配存储空间或者压缩相应的存储空间,若识别到所述第三级数据结构为空集,则不给为空集的所述第三级数据结构分配存储空间或者压缩相应的存储空间。
6.一种数据集的生成装置,其特征在于,所述数据集的生成装置包括:
设定模块,所述设定模块用于设定任务属性数据以及任务技术分解数据;
获得模块,所述获得模块用于根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据;
存入模块,所述存入模块用于将所述任务属性数据、所述任务技术分解数据以及对应的所述任务实现流程数据存入所述数据集中;其中,所述任务属性数据包括任务本身属性数据和/或任务对象属性数据,所述任务技术分解数据包括任务信息输入数据以及任务技术点数据,所述任务实现流程数据包括执行步骤数据和具体输入属性数据,所述执行步骤数据用于表述完成任务所需的各步骤,所述具体输入属性数据用于表述完成任务机器人运行的具体参数,所述具体输入属性数据与所述执行步骤数据对应;
其中,所述根据所述任务属性数据以及所述任务技术分解数据,获得对应的任务实现流程数据,包括:
将所述任务属性数据和所述任务技术分解数据输入仿真软件,获得若干运行轨迹;
通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群;
在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。
7.根据权利要求6所述的数据集的生成装置,其特征在于,所述获得模块还包括轨迹单元、迭代单元以及筛选单元,所述轨迹单元用于将所述任务属性数据和所述任务技术分解数据输入仿真软件,获得若干运行轨迹;所述迭代单元用于通过迭代的方式,将每间隔一定数量的运行轨迹作为一个群;所述筛选单元用于在每个群中比较运行轨迹的任务完成度,筛选出每个群任务完成度排名超过阈值的运行轨迹,作为对应的任务实现流程数据。
8.根据权利要求7所述的数据集的生成装置,其特征在于,所述筛选单元还用于筛选出每个群任务完成度排名第一的运行轨迹,作为对应的任务实现流程数据。
9.根据权利要求6所述的数据集的生成装置,其特征在于,所述获得模块包括轨迹单元和阈值单元,所述轨迹单元用于将任务属性数据和任务技术分解数据输入仿真软件,获得若干运行轨迹;所述阈值单元用于获取任务完成度高于第一完成度阈值的运行轨迹,作为对应的任务实现流程数据。
10.一种机器人,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的数据集的生成方法。
11.一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,所述程序被处理器执行时,实现权利要求1-5任一项所述的数据集的生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210236973.XA CN114330755B (zh) | 2022-03-11 | 2022-03-11 | 数据集的生成方法、装置、机器人和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210236973.XA CN114330755B (zh) | 2022-03-11 | 2022-03-11 | 数据集的生成方法、装置、机器人和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114330755A CN114330755A (zh) | 2022-04-12 |
CN114330755B true CN114330755B (zh) | 2022-06-21 |
Family
ID=81033204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210236973.XA Active CN114330755B (zh) | 2022-03-11 | 2022-03-11 | 数据集的生成方法、装置、机器人和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114330755B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151359B (zh) * | 2022-11-29 | 2023-09-29 | 哈尔滨理工大学 | 一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH096434A (ja) * | 1995-06-02 | 1997-01-10 | Samsung Electron Co Ltd | ロボットの自動走行制御装置およびその方法 |
CN113378893A (zh) * | 2021-05-21 | 2021-09-10 | 商汤集团有限公司 | 数据管理方法及装置、电子设备和存储介质 |
CN113459102A (zh) * | 2021-07-09 | 2021-10-01 | 郑州大学 | 一种基于投影重构的人体上肢意图识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377342B (zh) * | 2019-06-10 | 2022-08-30 | 平安科技(深圳)有限公司 | 基于卷积神经网络的显存处理方法、装置及存储介质 |
EP4099880A1 (en) * | 2020-02-06 | 2022-12-14 | Mark Oleynik | Robotic kitchen hub systems and methods for minimanipulation library |
US20220048186A1 (en) * | 2020-08-15 | 2022-02-17 | Rapyuta Robotics Co., Ltd. | Dynamically generating solutions for updating plans and task allocation strategies |
CN112052082B (zh) * | 2020-09-01 | 2024-04-19 | 深圳市卡数科技有限公司 | 任务属性优化方法、装置、服务器及存储介质 |
CN112632626A (zh) * | 2020-12-30 | 2021-04-09 | 平安证券股份有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112817442B (zh) * | 2021-01-20 | 2023-07-25 | 北京理工大学 | 基于ffm的多任务情况下态势信息分类推荐系统及方法 |
-
2022
- 2022-03-11 CN CN202210236973.XA patent/CN114330755B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH096434A (ja) * | 1995-06-02 | 1997-01-10 | Samsung Electron Co Ltd | ロボットの自動走行制御装置およびその方法 |
CN113378893A (zh) * | 2021-05-21 | 2021-09-10 | 商汤集团有限公司 | 数据管理方法及装置、电子设备和存储介质 |
CN113459102A (zh) * | 2021-07-09 | 2021-10-01 | 郑州大学 | 一种基于投影重构的人体上肢意图识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114330755A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114728417B (zh) | 由远程操作员触发的机器人自主对象学习的方法及设备 | |
CN114080583B (zh) | 视觉教导和重复移动操纵系统 | |
US20160346921A1 (en) | Portable apparatus for controlling robot and method thereof | |
CN110997248B (zh) | 用于物品抓握的系统和用于物品抓握的系统操作的方法 | |
US11154985B1 (en) | Null space jog control for robotic arm | |
US10514687B2 (en) | Hybrid training with collaborative and conventional robots | |
CN114330755B (zh) | 数据集的生成方法、装置、机器人和存储介质 | |
JP2023554250A (ja) | クラッターをクリアするロボットシステム | |
CN108415675B (zh) | 信息处理设备、信息处理系统和信息处理方法 | |
CN112543960A (zh) | 信息处理装置、中介装置、模拟系统以及信息处理方法 | |
CN114800535B (zh) | 机器人的控制方法、机械臂控制方法、机器人及控制终端 | |
CN114740835A (zh) | 路径规划方法、路径规划装置、机器人和存储介质 | |
CN114454176B (zh) | 机器人的控制方法、控制装置、机器人和存储介质 | |
CN114253281A (zh) | 一种四足机器人运动控制方法、相关装置及存储介质 | |
US11967245B2 (en) | Training processing device, intermediation device, training system, and training processing method | |
Bonaiuto et al. | Tele-operation of robot teams: a comparison of gamepad-, mobile device and hand tracking-based user interfaces | |
Sultana et al. | A review on smart iot based gesture controlled grass cutting vehicle | |
Bao et al. | A multi-agent based robot telesupervision architecture for hazardous materials detection | |
JP4023614B2 (ja) | 把持装置、把持制御方法及び把持制御プログラム並びに記録媒体 | |
US11731278B1 (en) | Robot teleoperation using mobile device motion sensors and web standards | |
US20230084774A1 (en) | Learning from Demonstration for Determining Robot Perception Motion | |
CN115446844B (zh) | 机器人的控制方法、机器人及控制终端 | |
CN117021106A (zh) | 机器人的步态控制方法和机器人 | |
Nath | A Project Report | |
CN114578823A (zh) | 机器人动作仿生规划方法、电子设备及存储介质 |
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 |