CN115525045A - 机器人及其控制方法、控制装置、电子设备和存储介质 - Google Patents
机器人及其控制方法、控制装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115525045A CN115525045A CN202110644450.4A CN202110644450A CN115525045A CN 115525045 A CN115525045 A CN 115525045A CN 202110644450 A CN202110644450 A CN 202110644450A CN 115525045 A CN115525045 A CN 115525045A
- Authority
- CN
- China
- Prior art keywords
- robot
- matrixes
- vectors
- distance
- row
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000013598 vector Substances 0.000 claims abstract description 350
- 239000011159 matrix material Substances 0.000 claims abstract description 163
- 230000008859 change Effects 0.000 claims abstract description 102
- 230000009471 action Effects 0.000 claims abstract description 93
- 230000000875 corresponding effect Effects 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 230000001276 controlling effect Effects 0.000 claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本公开关于一种机器人及其控制方法、控制装置、电子设备和存储介质，所述控制方法，包括：在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵；获取多个距离矩阵的行向量和/或列向量的变化轨迹；根据多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令；根据动作指令，控制机器人执行相应的动作。由此，本公开通过距离矩阵实现对机器人的隔空操作，提高了用户体验感。
Description
技术领域
本公开涉及机器人技术领域，尤其涉及一种机器人及其控制方法、控制装置、电子设备和存储介质。
背景技术
机器人是自动执行工作的机器装置，包括一切模拟人类行为或思想与模拟其他生物的机器(如机器狗、机器猫等)，它即可以接受人类指挥，又可以运行预先编排的程序。
随着社会的进步和科技的发展，越来越多的机器人应用于人们的工作和生活中，它们能够代替人们做许多工作，甚至胜任人类无法胜任的工作。但是，由于一些机器人(如机器狗、机器猫等)上没有设置显示设备或者设置了很小的显示设备，所以人们只能通过语音信息实现与机器人的交互，这样就使得人们与机器人的交互方式较单一，影响交互体验感。因此，人们与机器人的交互方式还有待改进和发展。
发明内容
本公开提供一种机器人及其控制方法、控制装置、电子设备和存储介质，以至少解决相关技术中人们与机器人的交互方式单一的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提出一种机器人的控制方法，包括：在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成所述机器人与所述目标用户之间的多个距离矩阵；获取所述多个距离矩阵的行向量和/或列向量的变化轨迹；根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令；根据所述动作指令，控制所述机器人执行相应的动作。
在本公开的一个实施例之中，所述机器人的检测矩阵为红外检测矩阵。
在本公开的一个实施例之中，所述获取所述多个距离矩阵的行向量和/或列向量的变化轨迹，包括：分别对所述多个距离矩阵中相邻的两个距离矩阵进行矩阵减法运算，以得到多个差值矩阵；根据所述多个差值矩阵的行向量和/或列向量，获取对应的所述多个距离矩阵的行向量和/列向量的变化轨迹。
在本公开的一个实施例之中，所述动作指令包括卧倒指令、站起来指令、翻跟头指令、右转指令、右扭头指令、左转指令、左扭头指令、机器人移动速度增大指令和机器人移动速度减小指令中的至少一种。
在本公开的一个实施例之中，所述根据所述多个距离矩阵的行向量的变化轨迹，生成动作指令，包括：如果所述多个差值矩阵之间的行向量的变化满足第一预设条件，则生成所述卧倒指令；或，如果所述多个差值矩阵之间的行向量的变化满足第二预设条件，则生成所述站起来指令；或，如果所述多个差值矩阵之间的行向量的变化满足第三预设条件，则生成所述翻跟头指令。
在本公开的一个实施例之中，所述根据所述多个距离矩阵的列向量的变化轨迹，生成动作指令，包括：如果所述多个差值矩阵之间的列向量的变化满足第四预设条件，则生成所述右转指令或右扭头指令；或，如果所述多个差值矩阵之间的列向量的变化满足第五预设条件，则生成所述左转指令或左扭头指令。
在本公开的一个实施例之中，所述根据所述多个距离矩阵的行向量和列向量的变化轨迹，生成动作指令，包括：如果所述多个差值矩阵之间的行向量和列向量的变化满足第六预设条件，则生成所述机器人移动速度增大指令；或，如果所述多个差值矩阵之间的行向量和列向量的变化满足第七预设条件，则生成所述机器人移动速度减小指令。
在本公开的一个实施例之中，上述的机器人的控制方法，还包括：学习并训练所述多个距离矩阵的行向量和/或列向量的变化轨迹与所述动作指令之间的对应关系；根据所述对应关系，生成动作记忆库。
在本公开的一个实施例之中，所述获取所述多个距离矩阵的行向量和/或列向量的变化轨迹，包括：获取预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹。
在本公开的一个实施例之中，所述根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，包括：计算所述预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹，与所述动作记忆库中所述多个距离矩阵对应的行向量和/或列向量的变化轨迹的匹配度；如果所述匹配度超过匹配阈值，则生成与所述动作记忆库中所述距离矩阵的行向量和/或列向量的变化轨迹对应的动作指令。
在本公开的一个实施例之中，上述的机器人的控制方法，还包括：获取所述目标用户的语音信息和/或图像信息。
在本公开的一个实施例之中，所述根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，包括：根据所述多个距离矩阵的行向量和/或列向量的变化轨迹、所述语音信息和/或图像信息，生成动作指令。
根据本公开实施例的第二方面，提出了一种机器人的控制装置，包括：第一生成模块，用于在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成所述机器人与所述目标用户之间的多个距离矩阵；第一获取模块，用于获取所述多个距离矩阵的行向量和/或列向量的变化轨迹；第二生成模块，用于根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令；控制模块，用于根据所述动作指令，控制所述机器人执行相应的动作。
在本公开的一个实施例之中，所述机器人的检测矩阵为红外检测矩阵。
在本公开的一个实施例之中，所述第一获取模块，具体用于：分别对所述多个距离矩阵中相邻的两个距离矩阵进行矩阵减法运算，以得到多个差值矩阵，并根据所述多个差值矩阵的行向量和/或列向量，获取对应的所述多个距离矩阵的行向量和/列向量的变化轨迹。
在本公开的一个实施例之中，所述动作指令包括卧倒指令、站起来指令、翻跟头指令、右转指令、右扭头指令、左转指令、左扭头指令、机器人移动速度增大指令和机器人移动速度减小指令中的至少一种。
在本公开的一个实施例之中，所述第二生成模块，具体用于：当所述多个差值矩阵之间的行向量的变化满足第一预设条件时，生成所述卧倒指令；或，当所述多个差值矩阵之间的行向量的变化满足第二预设条件时，生成所述站起来指令；或，当所述多个差值矩阵之间的行向量的变化满足第三预设条件时，生成所述翻跟头指令。
在本公开的一个实施例之中，所述第二生成模块，具体用于：当所述多个差值矩阵之间的列向量的变化满足第四预设条件时，生成所述右转指令或右扭头指令；或，当所述多个差值矩阵之间的列向量的变化满足第五预设条件时，生成所述左转指令或左扭头指令。
在本公开的一个实施例之中，所述第二生成模块，具体用于：当所述多个差值矩阵之间的行向量和列向量的变化满足第六预设条件时，生成所述机器人移动速度增大指令；或，当所述多个差值矩阵之间的行向量和列向量的变化满足第七预设条件时，生成所述机器人移动速度减小指令。
在本公开的一个实施例之中，上述的机器人的控制装置，还包括：学习及训练模块，用于学习并训练所述多个距离矩阵的行向量和/或列向量的变化轨迹与所述动作指令之间的对应关系；第三生成模块，用于根据所述对应关系，生成动作记忆库。
在本公开的一个实施例之中，所述第一获取模块，具体用于获取预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹。
在本公开的一个实施例之中，所述第二生成模块，具体用于：计算所述预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹，与所述动作记忆库中所述多个距离矩阵对应的行向量和/或列向量的变化轨迹的匹配度，并当所述匹配度超过匹配阈值时，生成与所述动作记忆库中所述距离矩阵的行向量和/或列向量的变化轨迹对应的动作指令。
在本公开的一个实施例之中，上述的机器人的控制装置，还包括：第二获取模块，用于获取所述目标用户的语音信息和/或图像信息。
在本公开的一个实施例之中，所述第二生成模块，具体用于：根据所述多个距离矩阵的行向量和/或列向量的变化轨迹、所述语音信息和/或图像信息，生成动作指令。
根据本公开实施例的第三方面，提出了一种机器人，包括上述的机器人的控制装置。
根据本公开实施例的第四方面，提出了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述的机器人的控制方法。
根据本公开实施例的第五方面，提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述的机器人的控制方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
通过本公开的实施例，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵，并获取多个距离矩阵的行向量和/或列向量的变化轨迹，根据多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，根据动作指令控制机器人执行相应的动作。由此，本公开通过距离矩阵实现对机器人的隔空操作，提高了用户体验感。
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，并不构成对本公开的不当限定。
图1是根据本公开实施例的机器人的控制方法的流程图；
图2是根据本公开一个实施例的机器人的控制方法的流程图；
图3是根据本公开另一个实施例的机器人的控制方法的流程图；
图4是根据本公开又一个实施例的机器人的控制方法的流程图；
图5是根据本公开实施例的机器人的控制装置的方框示意图；
图6是根据本公开实施例的机器人的方框示意图；
图7是根据本公开实施例的电子设备的结构框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面参考附图描述本公开实施例的机器人的控制方法、机器人的控制装置、机器人、电子设备和非临时性计算机可读存储介质。
图1是根据本公开实施例的机器人的控制方法的流程图。
如图1所示，本公开实施例的机器人的控制方法，包括以下步骤：
在步骤S101中，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵。
其中，第一预设时间和第二预设时间均可根据实际需要进行设置，第一预设时间大于第二预设时间，可以是第二预设时间的倍数，例如，第一预设时间可以为2s，第二预设时间可以为10ms。
在该实施例中，机器人上需要设置有矩阵式距离检测设备，该矩阵式距离检测设备设置有矩阵式n*m个检测单元，例如，该检测单元可以基于vscel(Vertical CavitySurface Emitting Lase，垂直腔面发射激光器)发射和spad(Single Photon AvalancheDiode，单光子雪崩二极管)接收；又如，该检测单元可以基于红外发射和接收。通过该矩阵式距离检测设备检测目标用户，以生成机器人与目标用户之间的多个n*m的距离矩阵，其中，n、m为正整数。
在步骤S102中，获取多个距离矩阵的行向量和/或列向量的变化轨迹。
其中，该多个距离矩阵的行向量和/或列向量的变化轨迹，用于表征目标用户手势变化轨迹或用户运动轨迹。
作为一种可选的实现方式，在获取到机器人与目标用户之间的多个n*m的距离矩阵之后，可直接根据获取到的多个n*m的距离矩阵中相邻的两个n*m的距离矩阵的行向量和/或列向量的变化趋势，生成多个n*m的距离矩阵的行向量和/或列向量的变化轨迹。具体可先统计第二距离矩阵相较于第一距离矩阵具体是哪个行向量和/或列向量变化，统计第三距离矩阵相较于第二距离矩阵具体是哪个行向量和/或列向量变化，统计第四距离矩阵相较于第三距离矩阵具体是哪个行向量和/或列向量变化，…。之后，根据这些变化得到变化趋势，即可获取到多个n*m的距离矩阵的行向量和/或列向量的变化轨迹。
作为另一种可选的实现方式，在获取到机器人与目标用户之间的多个n*m的距离矩阵之后，分别对多个n*m的距离矩阵中相邻的两个n*m的距离矩阵进行矩阵减法运算，以得到多个n*m的差值矩阵，并根据多个n*m的差值矩阵的行向量和/或列向量，获取对应的多个n*m的距离矩阵的行向量和/列向量的变化轨迹。具体可先用第二距离矩阵减去第一距离矩阵得到第一差值矩阵，用第三距离矩阵减去第二距离矩阵得到第二差值矩阵，用第四距离矩阵减去第三距离矩阵得到第三差值矩阵，…。之后，统计第一差值矩阵、第二差值矩阵、第三差值矩阵、…的行向量和/或列向量的变化，即可获取到多个n*m的距离矩阵的行向量和/或列向量的变化轨迹。
在步骤S103中，根据多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令。
在该实施例中，在得到多个n*m的距离矩阵的行向量的变化轨迹之后，判断多个距离矩阵的行向量的变化轨迹是否满足对应的预设条件，若满足对应的预设条件，则生成相应的动作指令。
作为一种可选的实现方式，当第二距离矩阵相较于第一距离矩阵的第x(x＜n)行行向量发生变化、第三距离矩阵相较于第二距离矩阵的第x+1行行向量发生变化，…，第N距离矩阵相较于第N-1距离矩阵的第x+N-2行行向量发生变化时，如果在第一预设时间内，该变化存在一次，则生成卧倒指令。
当第二距离矩阵相较于第一距离矩阵的第x+N-2行行向量发生变化、第三距离矩阵相较于第二距离矩阵的第x+N-3行行向量发生变化，…，第N距离矩阵相较于第N-1距离矩阵的第x+1行行向量发生变化时，如果在第一预设时间内，随着时间的推移，该变化存在一次，则生成站起来指令；如果在第一预设时间内，随着时间的推移，该变化存在两次，则生成翻跟头指令。
当第二距离矩阵相较于第一距离矩阵的第y(y＜m)列列向量发生变化、第三距离矩阵相较于第二距离矩阵的第y+1列列向量发生变化，…，第N距离矩阵相较于第N-1距离矩阵的第y+N-2列列向量发生变化时，如果在第一预设时间内，该变化存在一次，则生成右转指令或右转头指令。
当第二距离矩阵相较于第一距离矩阵的第y+N-2列列向量发生变化、第三距离矩阵相较于第二距离矩阵的第y+N-3列列向量发生变化，…，第N距离矩阵相较于第N-1距离矩阵的第y+1列列向量发生变化时，如果在第一预设时间内，随着时间的推移，该变化存在一次，则生成左转指令或左扭头指令。
当第二距离矩阵相较于第一距离矩阵的所有行行向量和所有列列向量均增大、第三距离矩阵相较于第二距离矩阵的所有行行向量和所有列列向量均增大，…，第N距离矩阵相较于第N-1距离矩阵的所有行行向量和所有列列向量均增大时，生成机器人移动速度增大指令。
当第二距离矩阵相较于第一距离矩阵的所有行行向量和所有列列向量均减小、第三距离矩阵相较于第二距离矩阵的所有行行向量和所有列列向量均减小，…，第N距离矩阵相较于第N-1距离矩阵的所有行行向量和所有列列向量均减小时，生成机器人移动速度减小指令。
作为另一种可选的实现方式，当第一差值矩阵的第x行行向量的数值不等于0，第二差值矩阵的第x+1行行向量的数值不等于0，第三差值矩阵的第x+2行行向量的数值不等于0，…，第N-1差值矩阵的第x+N-2行行向量的数值不等于0时，如果在第一预设时间内，该变化存在一次，则生成卧倒指令。
当第一差值矩阵的第x+N-2行行向量的数值不等于0，第二差值矩阵的第x+N-3行行向量的数值不等于0，第三差值矩阵的第x+N-4行行向量的数值不等于0，…，第N-1差值矩阵的第x+1行行向量的数值不等于0时，如果在第一预设时间内，随着时间的推移，该变化存在一次，则生成站起来指令；如果在第一预设时间内，随着时间的推移，该变化存在两次，则生成翻跟头指令。
当第一差值矩阵的第y列列向量的数值不等于0，第二差值矩阵的第y+1列列向量的数值不等于0，第三差值矩阵的第y+3列列向量的数值不等于0，…，第N-1差值矩阵的第y+N-2列列向量的数值不等于0时，如果在第一预设时间内，该变化存在一次，则生成右转指令或右转头指令。
当第一差值矩阵的第y+N-2列列向量的数值不等于0，第二差值矩阵的第y+N-3列列向量的数值不等于0，第三差值矩阵的第y+N-4列列向量的数值不等于0，…，第N-1差值矩阵的第y+1列列向量的数值不等于0时，如果在第一预设时间内，该变化存在一次，则生成左转指令或左扭头指令。
当第一差值矩阵的所有行行向量和所有列列向量均大于0，第二差值矩阵的所有行行向量和所有列列向量均大于0，…，当第N-1差值矩阵的所有行行向量和所有列列向量均大于0时，说明目标用户在远离机器人，此时生成机器人移动速度增大指令。
当第一差值矩阵的所有行行向量和所有列列向量均小于0，第二差值矩阵的所有行行向量和所有列列向量均小于0，…，当第N-1差值矩阵的所有行行向量和所有列列向量均小于0时，说明目标用户在离机器人越来越近，此时生成机器人移动速度减小指令。
需要说明的是，在本公开的实施例中除了上述罗列的情况以外，还可包括很多种情况，具体这里不再详述，其他未列出的情况也在本公开的保护范围之中。
在步骤S104中，根据动作指令，控制机器人执行相应的动作。
在该实施例中，当需要对机器人进行控制时，目标用户开启机器人的电源。
机器人实时对目标用户进行检测，如果检测到目标用户有动作，则在第一预设时间内，每隔第二预设时间通过其上的矩阵式距离检测设备对目标用户进行检测，以生成机器人与目标用户之间的多个n*m的距离矩阵。然后，获取用于表征目标用户的手势或运动轨迹的多个n*m的距离矩阵的行向量和/或列向量的变化轨迹，并判断多个n*m的距离矩阵的行向量和/或列向量的变化轨迹是否符合对应的预设条件，并在符合预设条件时，生成对应的动作指令。最终，机器人根据动作指令控制相应执行机构执行该动作，其中，执行机构包括多个驱动结构，不同的动作对于多个驱动结构的操作是不同的，才能完成不同的动作。
综上，本公开的机器人的控制方法，通过机器人的检测矩阵检测目标用户的手势或运动轨迹，并根据目标用户的手势或运动轨迹生成相应的动作指令，根据动作指令控制机器人的执行机构执行相应的动作。由此，该方法通过隔空操作的方式优化了用户与机器人的交互方式，提升了用户体验感。
图2是根据本公开一个实施例的机器人的控制方法的流程图。
如图2所示，本公开实施例的机器人的控制方法，包括以下步骤：
在步骤S201中，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵。
其中，第一预设时间和第二预设时间均可根据实际需要进行设置，第一预设时间大于第二预设时间，可以是第二预设时间的倍数，例如，第一预设时间可以为2s，第二预设时间可以为10ms。
在该实施例中，机器人上需要设置有矩阵式距离检测设备，该矩阵式距离检测设备设置有矩阵式n*m个检测单元，例如，该检测单元可以基于vscel发射和spad接收；又如，该检测单元可以基于红外发射和接收。通过该矩阵式距离检测设备检测目标用户，以生成机器人与目标用户之间的多个n*m的距离矩阵，其中，n、m为正整数。
在步骤S202中，分别对多个距离矩阵中相邻的两个距离矩阵进行矩阵减法运算，以得到多个差值矩阵。
具体可先用第二距离矩阵减去第一距离矩阵得到第一差值矩阵，用第三距离矩阵减去第二距离矩阵得到第二差值矩阵，用第四距离矩阵减去第三距离矩阵得到第三差值矩阵，…，用第N距离矩阵减去第N-1距离矩阵得到第N-1差值矩阵。
在步骤S203中，根据多个差值矩阵的行向量和/或列向量，获取对应的多个距离矩阵的行向量和/或列向量的变化轨迹。
其中，该多个距离矩阵的行向量和/或列向量的变化轨迹，用于表征目标用户手势变化轨迹或用户运动轨迹。
需要说明的是，在执行完步骤S203之后，执行步骤S204，其中，步骤S204包括步骤S2041至步骤S2047。
在步骤S2041中，如果多个差值矩阵之间的行向量的变化满足第一预设条件，则生成卧倒指令。
在该实施例中，当第一差值矩阵的第x行行向量的数值不等于0，第二差值矩阵的第x+1行行向量的数值不等于0，第三差值矩阵的第x+2行行向量的数值不等于0，…，第N-1差值矩阵的第x+N-2行行向量的数值不等于0时，如果在第一预设时间内，该变化存在一次，则生成卧倒指令。
在步骤S2042中，如果多个差值矩阵之间的行向量的变化满足第二预设条件，则生成站起来指令。
在该实施例中，当第一差值矩阵的第x+N-2行行向量的数值不等于0，第二差值矩阵的第x+N-3行行向量的数值不等于0，第三差值矩阵的第x+N-4行行向量的数值不等于0，…，第N-1差值矩阵的第x+1行行向量的数值不等于0时，如果在第一预设时间内，随着时间的推移，该变化存在一次，则生成站起来指令。
在步骤S2043中，如果多个差值矩阵之间的行向量的变化满足第三预设条件，则生成翻跟头指令。
在该实施例中，当第一差值矩阵的第x+N-2行行向量的数值不等于0，第二差值矩阵的第x+N-3行行向量的数值不等于0，第三差值矩阵的第x+N-4行行向量的数值不等于0，…，第N-1差值矩阵的第x+1行行向量的数值不等于0时，如果在第一预设时间内，随着时间的推移，该变化存在两次，则生成翻跟头指令。
在步骤S2044中，如果多个差值矩阵之间的列向量的变化满足第四预设条件，则生成右转指令或右扭头指令。
在该实施例中，当第一差值矩阵的第y列列向量的数值不等于0，第二差值矩阵的第y+1列列向量的数值不等于0，第三差值矩阵的第y+3列列向量的数值不等于0，…，第N-1差值矩阵的第y+N-2列列向量的数值不等于0时，如果在第一预设时间内，该变化存在一次，则生成右转指令或右转头指令。
在步骤S2045中，如果多个差值矩阵之间的列向量的变化满足第五预设条件，则生成左转指令或左扭头指令。
在该实施例中，当第一差值矩阵的第y+N-2列列向量的数值不等于0，第二差值矩阵的第y+N-3列列向量的数值不等于0，第三差值矩阵的第y+N-4列列向量的数值不等于0，…，第N-1差值矩阵的第y+1列列向量的数值不等于0时，如果在第一预设时间内，该变化存在一次，则生成左转指令或左扭头指令。
在步骤S2046中，如果多个差值矩阵之间的行向量和列向量的变化满足第六预设条件，则生成机器人移动速度增大指令。
在该实施例中，当第一差值矩阵的所有行行向量和所有列列向量均大于0，第二差值矩阵的所有行行向量和所有列列向量均大于0，…，当第N-1差值矩阵的所有行行向量和所有列列向量均大于0时，说明目标用户在远离机器人，此时生成机器人移动速度增大指令。
在步骤S2047中，如果多个差值矩阵之间的行向量和列向量的变化满足第七预设条件，则生成机器人移动速度减小指令。
在该实施例中，当第一差值矩阵的所有行行向量和所有列列向量均小于0，第二差值矩阵的所有行行向量和所有列列向量均小于0，…，当第N-1差值矩阵的所有行行向量和所有列列向量均小于0时，说明目标用户在离机器人越来越近，此时生成机器人移动速度减小指令。
在步骤S205中，根据动作指令，控制机器人执行相应的动作。
在该实施例中，当需要对机器人进行控制时，目标用户开启机器人的电源。
机器人实时对目标用户进行检测，如果检测到目标用户有动作，则在第一预设时间内，每隔第二预设时间通过其上的矩阵式距离检测设备对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵。然后，分别对多个距离矩阵中相邻的两个距离矩阵进行减法运算，以得到多个差值矩阵，并根据多个差值矩阵的行向量和/或列向量，获取对应的多个距离矩阵的行向量和/或列向量的变化轨迹，并判断多个距离矩阵的行向量和/或列向量的变化轨迹是否符合对应的预设条件，并在符合对应的预设条件时，生成对应的动作指令。最终，机器人根据动作指令控制相应机构执行该动作。由此，该方法通过隔空操作的方式优化了用户与机器人的交互方式，提升了用户体验感。
为了提高距离的检测精度，可以将几个接收单元合而为一，如将n*m个检测单元改为a*b(n＞a，m＞b)个检测单元，使得接收性能提高，以便检测更远的距离，同时也降低了机器人的功耗，上述对行向量和列向量基于距离改变的轨迹产生的动作定义同样适用于a行和b列的矩阵。
图3是根据本公开一个实施例的机器人的控制方法的流程图。
如图3所示，本公开实施例的机器人的控制方法，包括以下步骤：
在步骤S301中，学习并训练多个距离矩阵的行向量和/或列向量的变化轨迹与动作指令之间的对应关系。
在步骤S302中，根据对应关系，生成动作记忆库。
在该实施例中，目标用户可预先对机器人进行训练，使机器人学习多个距离矩阵的行向量和/或列向量的变化轨迹与动作指令之间的对应关系，并根据对应关系生成动作记忆库，存储在机器人的存储器或者云端。
在步骤S303中，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵。
其中，第一预设时间和第二预设时间均可根据实际需要进行设置，第一预设时间大于第二预设时间，可以是第二预设时间的倍数，例如，第一预设时间可以为2s，第二预设时间可以为10ms。
在该实施例中，机器人上需要设置有矩阵式距离检测设备，该矩阵式距离检测设备设置有矩阵式n*m个检测单元，例如，该检测单元可以基于vscel发射和spad接收；又如，该检测单元可以基于红外发射和接收。通过该矩阵式距离检测设备检测目标用户，以生成机器人与目标用户之间的多个n*m的距离矩阵，其中，n、m为正整数。
在步骤S304中，获取预设数量的多个距离矩阵的行向量和/或列向量的变化轨迹。
其中，预设数量为距离矩阵行向量和/或列向量的一半及以上，具体可根据实际情况进行设置，这里不进行具体限值。
在步骤S305中，计算预设数量的多个距离矩阵的行向量和/或列向量的变化轨迹，与动作记忆库中多个距离矩阵对应的行向量和/或列向量的变化轨迹的匹配度。
在步骤S306中，如果匹配度超过匹配阈值，则生成与动作记忆库中距离矩阵的行向量和/或列向量的变化轨迹对应的动作指令。
其中，匹配阈值可以根据实际需要进行设置，例如可以为80％。
在步骤S307中，根据动作指令，控制机器人执行相应的动作。
在该实施例中，机器人学习重复的动作，对于一个特定的动作做得次数越多，其记忆能力越强，反应的速度越快，例如，对于行向量距离向下变化的数量超过n/2行时，机器人判断此种动作的变化轨迹与动作记忆库中的一种动作变化轨迹匹配度较高，如超过匹配阈值后，可生成为卧倒指令。机器人根据卧倒指令控制相应机构执行卧倒动作。由此，这样在用户还未完全完成动作时，机器人便可根据当前动作实现动作指令的获取，以便提前完成动作，进而能够进一步提升用户体验感。
图4是根据本公开一个实施例的机器人的控制方法的流程图。
如图4所示，本公开实施例的机器人的控制方法，包括以下步骤：
在步骤S401中，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵。
在步骤S402中，获取多个距离矩阵的行向量和/或列向量的变化轨迹、目标用户的语音信息和/或图像信息。
在该实施例中，通过设置在机器人上的语音采集器获取目标用户的语音信息；通过设置在机器人上的相机拍摄目标用户的图像信息。
在步骤S403中，根据多个距离矩阵的行向量和/或列向量的变化轨迹、语音信息和/或图像信息，生成动作指令。
在步骤S404中，根据动作指令，控制机器人执行相应的动作。
在该实施例中，机器人还可通过矩阵式距离检测设备基于n*m个检测单元可绘制出目标用户的轮廓，并直接从轮廓中识别目标用户的手势，根据手势识别目标用户的动作，以便机器人执行相应的动作，例如，通过几千甚至几万个距离测试点能够完整的将轮廓绘制出来，然后识别手势，并根据手势控制执行机构执行与手势相应的动作。
机器人通过相机绘制出目标用户的真实3d图像信息，根据3d图像信息识别目标用户的手势，根据手势识别目标用户的动作，例如，真实3d图像信息为用户手势，可以直接解析用户手势的语音，如用户的手指头周期性朝向用户运动，表示“过来靠近”的意思；用户的手和胳膊挥动起来向外，表示为“出发，走吧”的意思。
机器人通过语音采集器采集目标用户的语音信息，根据语音信息识别目标用户发出的指令，直接根据语音指令控制执行机构执行相应的动作。
在该实施例中，可通过下述四种方式生成动作指令：
第一种，根据多个距离矩阵的行向量和/或列向量的变化轨迹生成动作指令；
第二种，根据多个距离矩阵绘制出的目标用户的轮廓，从轮廓中识别目标用户的手势，根据手势生成动作指令；
第三种，根据相机绘制出的目标用户的真实3d图像信息，识别目标用户的手势，根据手势生成动作指令；
第四种，根据目标用户的语音信息，识别目标用户发出的指令。
具体可选择四种方式中的至少一种来实现动作指令的生成，并根据生成的动作指令控制机器人执行相应的动作。
需要说明的是，当动作指令的生成过程中包含第四种方式时，可不需要定义动作的库操作，例如，目标用户挥动手向自己，并且语音是“过来”，机器人直接走向目标用户；目标用户挥动胳膊，并且语音是“跑过来”，机器人直接控制执行机构加速向目标用户跑过来，等等。
综上，本公开的机器人的控制方法，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵，并获取多个距离矩阵的行向量和/或列向量的变化轨迹、目标用户的语音信息和/或图像信息，并根据多个距离矩阵的行向量和/或列向量的变化轨迹、语音信息和/或图像信息，生成动作指令，并根据动作指令，控制机器人执行相应的动作。由此，可以通过多种不同的方式来实现对机器人的控制，进而进一步提高了用户体验感。
图5是根据本公开实施例的机器人的控制装置的方框示意图，如图5所示，本公开实施例的机器人的控制装置500，包括：第一生成模块510、第一获取模块520、第二生成模块530和控制模块540。
其中，第一生成模块510用于在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵。第一获取模块520用于获取多个距离矩阵的行向量和/或列向量的变化轨迹。第二生成模块530用于根据多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令。控制模块540用于根据动作指令，控制机器人执行相应的动作。
在本公开的一个实施例之中，机器人的检测矩阵为红外检测矩阵。
在本公开的一个实施例之中，第一获取模块520具体用于：分别对多个距离矩阵中相邻的两个距离矩阵进行矩阵减法运算，以得到多个差值矩阵，并根据多个差值矩阵的行向量和/或列向量，获取对应的多个距离矩阵的行向量和/列向量的变化轨迹。
在本公开的一个实施例之中，动作指令包括卧倒指令、站起来指令、翻跟头指令、右转指令、右扭头指令、左转指令、左扭头指令、机器人移动速度增大指令和机器人移动速度减小指令中的至少一种。
在本公开的一个实施例之中，第二生成模块530，具体用于：当多个差值矩阵之间的行向量的变化满足第一预设条件时，生成卧倒指令；或，当多个差值矩阵之间的行向量的变化满足第二预设条件时，生成站起来指令；或，当多个差值矩阵之间的行向量的变化满足第三预设条件时，生成翻跟头指令。
在本公开的一个实施例之中，第二生成模块530，具体用于：当多个差值矩阵之间的列向量的变化满足第四预设条件时，生成右转指令或右扭头指令；或，当多个差值矩阵之间的列向量的变化满足第五预设条件时，生成左转指令或左扭头指令。
在本公开的一个实施例之中，第二生成模块530，具体用于：当多个差值矩阵之间的行向量和列向量的变化满足第六预设条件时，生成机器人移动速度增大指令；或，当多个差值矩阵之间的行向量和列向量的变化满足第七预设条件时，生成机器人移动速度减小指令。
在本公开的一个实施例之中，上述的机器人的控制装置，还包括：学习及训练模块，用于学习并训练多个距离矩阵的行向量和/或列向量的变化轨迹与动作指令之间的对应关系；第三生成模块，用于根据对应关系，生成动作记忆库。
在本公开的一个实施例之中，第一获取模块520，具体用于获取预设数量的多个距离矩阵的行向量和/或列向量的变化轨迹。
在本公开的一个实施例之中，第二生成模块530，具体用于：计算预设数量的多个距离矩阵的行向量和/或列向量的变化轨迹，与动作记忆库中多个距离矩阵对应的行向量和/或列向量的变化轨迹的匹配度，并当匹配度超过匹配阈值时，生成与动作记忆库中距离矩阵的行向量和/或列向量的变化轨迹对应的动作指令。
在本公开的一个实施例之中，上述的机器人的控制装置，还包括：第二获取模块，用于获取目标用户的语音信息和/或图像信息。
在本公开的一个实施例之中，第二生成模块530，具体用于：根据多个距离矩阵的行向量和/或列向量的变化轨迹、语音信息和/或图像信息，生成动作指令。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
根据本公开实施例的机器人的控制装置，通过第一生成模块在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵，通过第一获取模块获取多个距离矩阵的行向量和/或列向量的变化轨迹，通过第二生成模块根据多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，以便控制模块根据动作指令，控制机器人执行相应的动作。由此，本公开通过距离矩阵实现对机器人的隔空操作，提高了用户体验感。
为实现上述目的，本公开还提出了一种机器人，包括上述的机器人的控制装置。
图6是根据本公开实施例的机器人的方框示意图。
如图6所示，该机器人600包括：上述的机器人的控制装置500。
需要说明的是，本公开实施例的机器人的实施过程参见前述对本公开实施例的装置的解释说明，此处不再赘述。
本公开实施例的机器人，通过上述的机器人的控制装置，能够提高用户体验感。
为实现上述目的，本公开还提出了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述的机器人的控制方法。
图7是根据本公开实施例的电子设备的结构框图。
如图7所示，该电子设备700包括：存储器710和处理器720，连接不同组件(包括存储器710和处理器720)的总线730。
其中，存储器710用于存储处理器720的可执行指令；处理器701被配置为调用并执行存储器702存储的可执行指令，以实现本公开上述实施例提出的机器人的控制方法。
总线730表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备700典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备700访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器710还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)740和/或高速缓存存储器750。电子设备700可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统760可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线730相连。存储器710可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块770的程序/实用工具780，可以存储在例如存储器710中，这样的程序模块770包括——但不限于——操作系统、一个或者多个功能、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块770通常执行本公开所描述的实施例中的功能和/或方法。
电子设备700也可以与一个或多个外部设备790(例如键盘、指向设备、显示器791等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口792进行。并且，电子设备700还可以通过网络适配器793与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器793通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器720通过运行存储在存储器710中的程序，从而执行各种功能应用以及数据处理。
需要说明的是，本公开实施例的电子设备的实施过程参见前述对本公开实施例的方法的解释说明，此处不再赘述。
为了实现上述目的，本公开还提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述的机器人的控制方法。
为了实现上述实施例，本公开实施例还提供一种计算机程序产品，该计算机程序由电子设备的处理器执行时，使得电子设备能够执行如上所述的机器人的控制方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
通过本公开的实施例，在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成机器人与目标用户之间的多个距离矩阵，并获取多个距离矩阵的行向量和/或列向量的变化轨迹，根据多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，根据动作指令控制机器人执行相应的动作。由此，本公开通过距离矩阵实现对机器人的隔空操作，提高了用户体验感。
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。本公开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 (27)
1.一种机器人的控制方法，其特征在于，包括：
在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成所述机器人与所述目标用户之间的多个距离矩阵；
获取所述多个距离矩阵的行向量和/或列向量的变化轨迹；
根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令；
根据所述动作指令，控制所述机器人执行相应的动作。
2.如权利要求1所述的机器人的控制方法，其特征在于，所述机器人的检测矩阵为红外检测矩阵。
3.如权利要求1或2所述的机器人的控制方法，其特征在于，所述获取所述多个距离矩阵的行向量和/或列向量的变化轨迹，包括：
分别对所述多个距离矩阵中相邻的两个距离矩阵进行矩阵减法运算，以得到多个差值矩阵；
根据所述多个差值矩阵的行向量和/或列向量，获取对应的所述多个距离矩阵的行向量和/列向量的变化轨迹。
4.如权利要求3所述的机器人的控制方法，其特征在于，所述动作指令包括卧倒指令、站起来指令、翻跟头指令、右转指令、右扭头指令、左转指令、左扭头指令、机器人移动速度增大指令和机器人移动速度减小指令中的至少一种。
5.如权利要求4所述的机器人的控制方法，其特征在于，所述根据所述多个距离矩阵的行向量的变化轨迹，生成动作指令，包括：
如果所述多个差值矩阵之间的行向量的变化满足第一预设条件，则生成所述卧倒指令；或，
如果所述多个差值矩阵之间的行向量的变化满足第二预设条件，则生成所述站起来指令；或，
如果所述多个差值矩阵之间的行向量的变化满足第三预设条件，则生成所述翻跟头指令。
6.如权利要求4所述的机器人的控制方法，其特征在于，所述根据所述多个距离矩阵的列向量的变化轨迹，生成动作指令，包括：
如果所述多个差值矩阵之间的列向量的变化满足第四预设条件，则生成所述右转指令或右扭头指令；或，
如果所述多个差值矩阵之间的列向量的变化满足第五预设条件，则生成所述左转指令或左扭头指令。
7.如权利要求4所述的机器人的控制方法，其特征在于，所述根据所述多个距离矩阵的行向量和列向量的变化轨迹，生成动作指令，包括：
如果所述多个差值矩阵之间的行向量和列向量的变化满足第六预设条件，则生成所述机器人移动速度增大指令；或，
如果所述多个差值矩阵之间的行向量和列向量的变化满足第七预设条件，则生成所述机器人移动速度减小指令。
8.如权利要求1或2所述的机器人的控制方法，其特征在于，还包括：
学习并训练所述多个距离矩阵的行向量和/或列向量的变化轨迹与所述动作指令之间的对应关系；
根据所述对应关系，生成动作记忆库。
9.如权利要求8所述的机器人的控制方法，其特征在于，所述获取所述多个距离矩阵的行向量和/或列向量的变化轨迹，包括：
获取预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹。
10.如权利要求9所述的机器人的控制方法，其特征在于，所述根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，包括：
计算所述预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹，与所述动作记忆库中所述多个距离矩阵对应的行向量和/或列向量的变化轨迹的匹配度；
如果所述匹配度超过匹配阈值，则生成与所述动作记忆库中所述距离矩阵的行向量和/或列向量的变化轨迹对应的动作指令。
11.如权利要求1或2所述的机器人的控制方法，其特征在于，还包括：
获取所述目标用户的语音信息和/或图像信息。
12.如权利要求11所述的机器人的控制方法，其特征在于，所述根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令，包括：
根据所述多个距离矩阵的行向量和/或列向量的变化轨迹、所述语音信息和/或图像信息，生成动作指令。
13.一种机器人的控制装置，其特征在于，包括：
第一生成模块，用于在第一预设时间内，每隔第二预设时间通过机器人的检测矩阵对目标用户进行检测，以生成所述机器人与所述目标用户之间的多个距离矩阵；
第一获取模块，用于获取所述多个距离矩阵的行向量和/或列向量的变化轨迹；
第二生成模块，用于根据所述多个距离矩阵的行向量和/或列向量的变化轨迹，生成动作指令；
控制模块，用于根据所述动作指令，控制所述机器人执行相应的动作。
14.如权利要求13所述的机器人的控制装置，其特征在于，所述机器人的检测矩阵为红外检测矩阵。
15.如权利要求13或14所述的机器人的控制装置，其特征在于，所述第一获取模块，具体用于：分别对所述多个距离矩阵中相邻的两个距离矩阵进行矩阵减法运算，以得到多个差值矩阵，并根据所述多个差值矩阵的行向量和/或列向量，获取对应的所述多个距离矩阵的行向量和/列向量的变化轨迹。
16.如权利要求15所述的机器人的控制装置，其特征在于，所述动作指令包括卧倒指令、站起来指令、翻跟头指令、右转指令、右扭头指令、左转指令、左扭头指令、机器人移动速度增大指令和机器人移动速度减小指令中的至少一种。
17.如权利要求16所述的机器人的控制装置，其特征在于，所述第二生成模块，具体用于：
当所述多个差值矩阵之间的行向量的变化满足第一预设条件时，生成所述卧倒指令；或，
当所述多个差值矩阵之间的行向量的变化满足第二预设条件时，生成所述站起来指令；或，
当所述多个差值矩阵之间的行向量的变化满足第三预设条件时，生成所述翻跟头指令。
18.如权利要求16所述的机器人的控制装置，其特征在于，所述第二生成模块，具体用于：
当所述多个差值矩阵之间的列向量的变化满足第四预设条件时，生成所述右转指令或右扭头指令；或，
当所述多个差值矩阵之间的列向量的变化满足第五预设条件时，生成所述左转指令或左扭头指令。
19.如权利要求16所述的机器人的控制装置，其特征在于，所述第二生成模块，具体用于：
当所述多个差值矩阵之间的行向量和列向量的变化满足第六预设条件时，生成所述机器人移动速度增大指令；或，
当所述多个差值矩阵之间的行向量和列向量的变化满足第七预设条件时，生成所述机器人移动速度减小指令。
20.如权利要求13或14所述的机器人的控制装置，其特征在于，还包括：
学习及训练模块，用于学习并训练所述多个距离矩阵的行向量和/或列向量的变化轨迹与所述动作指令之间的对应关系；
第三生成模块，用于根据所述对应关系，生成动作记忆库。
21.如权利要求20所述的机器人的控制装置，其特征在于，所述第一获取模块，具体用于获取预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹。
22.如权利要求21所述的机器人的控制装置，其特征在于，所述第二生成模块，具体用于：计算所述预设数量的所述多个距离矩阵的行向量和/或列向量的变化轨迹，与所述动作记忆库中所述多个距离矩阵对应的行向量和/或列向量的变化轨迹的匹配度，并当所述匹配度超过匹配阈值时，生成与所述动作记忆库中所述距离矩阵的行向量和/或列向量的变化轨迹对应的动作指令。
23.如权利要求13或14所述的机器人的控制装置，其特征在于，还包括：
第二获取模块，用于获取所述目标用户的语音信息和/或图像信息。
24.如权利要求23所述的机器人的控制装置，其特征在于，所述第二生成模块，具体用于：根据所述多个距离矩阵的行向量和/或列向量的变化轨迹、所述语音信息和/或图像信息，生成动作指令。
25.一种机器人，其特征在于，包括如权利要求13-24中任一项所述的机器人的控制装置。
26.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1-12中任一项所述的机器人的控制方法。
27.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-12中任一项所述的机器人的控制方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311687959.2A CN117784779A (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
| CN202110644450.4A CN115525045B (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110644450.4A CN115525045B (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311687959.2A Division CN117784779A (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115525045A true CN115525045A (zh) | 2022-12-27 |
| CN115525045B CN115525045B (zh) | 2024-01-16 |
Family
ID=84694426
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110644450.4A Active CN115525045B (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
| CN202311687959.2A Pending CN117784779A (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311687959.2A Pending CN117784779A (zh) | 2021-06-09 | 2021-06-09 | 机器人及其控制方法、控制装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN115525045B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120158179A1 (en) * | 2010-12-20 | 2012-06-21 | Kabushiki Kaisha Toshiba | Robot control apparatus |
| CN103345258A (zh) * | 2013-06-16 | 2013-10-09 | 西安科技大学 | 一种足球机器人目标追踪方法及系统 |
| CN110653826A (zh) * | 2019-10-23 | 2020-01-07 | 苏州艾利特机器人有限公司 | 一种面向传送带目标跟随的机器人实时轨迹规划方法 |
| CN111230860A (zh) * | 2020-01-02 | 2020-06-05 | 腾讯科技（深圳）有限公司 | 机器人控制方法、装置、计算机设备及存储介质 |
| CN112702570A (zh) * | 2020-12-18 | 2021-04-23 | 中国南方电网有限责任公司超高压输电公司柳州局 | 一种基于多维行为识别的安防管理系统 |
-
2021
- 2021-06-09 CN CN202110644450.4A patent/CN115525045B/zh active Active
- 2021-06-09 CN CN202311687959.2A patent/CN117784779A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120158179A1 (en) * | 2010-12-20 | 2012-06-21 | Kabushiki Kaisha Toshiba | Robot control apparatus |
| CN103345258A (zh) * | 2013-06-16 | 2013-10-09 | 西安科技大学 | 一种足球机器人目标追踪方法及系统 |
| CN110653826A (zh) * | 2019-10-23 | 2020-01-07 | 苏州艾利特机器人有限公司 | 一种面向传送带目标跟随的机器人实时轨迹规划方法 |
| CN111230860A (zh) * | 2020-01-02 | 2020-06-05 | 腾讯科技（深圳）有限公司 | 机器人控制方法、装置、计算机设备及存储介质 |
| CN112702570A (zh) * | 2020-12-18 | 2021-04-23 | 中国南方电网有限责任公司超高压输电公司柳州局 | 一种基于多维行为识别的安防管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117784779A (zh) | 2024-03-29 |
| CN115525045B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11941719B2 (en) | Learning robotic tasks using one or more neural networks | |
| CN107403426B (zh) | 一种目标物体检测方法及设备 | |
| US9792546B2 (en) | Hierarchical robotic controller apparatus and methods | |
| CN116476044A (zh) | 使用神经网络和几何感知对象表示的机器人抓取预测 | |
| US20080009957A1 (en) | Controlling the Interactive Behavior of a Robot | |
| CN111144580A (zh) | 一种基于模仿学习的层级强化学习训练方法和装置 | |
| US20200257963A1 (en) | Recursive learning for artificial intelligent agents | |
| US20230419113A1 (en) | Attention-based deep reinforcement learning for autonomous agents | |
| WO2014201422A2 (en) | Apparatus and methods for hierarchical robotic control and robotic training | |
| CN113657573A (zh) | 一种情景记忆引导下基于元学习的机器人技能获取方法 | |
| KR20180047391A (ko) | 학습 로봇, 그리고 이를 이용한 작업 솜씨 학습 방법 | |
| Gutzeit et al. | The besman learning platform for automated robot skill learning | |
| Iovino et al. | Interactive disambiguation for behavior tree execution | |
| US20220305647A1 (en) | Future prediction, using stochastic adversarial based sampling, for robotic control and/or other purpose(s) | |
| CN115525045B (zh) | 机器人及其控制方法、控制装置、电子设备和存储介质 | |
| Sheldon et al. | PSchema: A developmental schema learning framework for embodied agents | |
| CN117112742A (zh) | 一种对话模型优化方法、装置、计算机设备和存储介质 | |
| Brooks et al. | Towards state summarization for autonomous robots | |
| CN115527083A (zh) | 图像标注方法、装置和电子设备 | |
| CN114529010A (zh) | 一种机器人自主学习方法、装置、设备及存储介质 | |
| KR101676541B1 (ko) | 작업 솜씨를 학습하는 방법 및 이를 이용하는 로봇 | |
| JP2006285898A (ja) | 制御装置および方法、並びにプログラム | |
| Demiris et al. | Content-based control of goal-directed attention during human action perception | |
| Zhang et al. | Good Time to Ask: A Learning Framework for Asking for Help in Embodied Visual Navigation | |
| US20240100693A1 (en) | Using embeddings, generated using robot action models, in controlling robot to perform robotic task |
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 |