CN116117816A - 一种机器人学习方法、装置、电子设备及存储介质 - Google Patents
一种机器人学习方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116117816A CN116117816A CN202310154309.5A CN202310154309A CN116117816A CN 116117816 A CN116117816 A CN 116117816A CN 202310154309 A CN202310154309 A CN 202310154309A CN 116117816 A CN116117816 A CN 116117816A
- Authority
- CN
- China
- Prior art keywords
- target data
- robot
- data
- screening
- learning
- 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 55
- 238000012216 screening Methods 0.000 claims abstract description 79
- 238000010801 machine learning Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000009471 action Effects 0.000 claims description 55
- 230000003993 interaction Effects 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 9
- 230000015654 memory Effects 0.000 description 14
- 238000012360 testing method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Robotics (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本申请提供了一种机器人学习方法、装置、电子设备及存储介质,该方法包括:通过机器人采集第一目标数据,根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。本申请能够便于对机器人的学习过程及结果进行处理。
Description
技术领域
本申请涉及机器学习技术领域,尤其涉及一种机器人学习方法、装置、电子设备及存储介质。
背景技术
随着经济的高速发展,物联网的发展也愈发成熟,物联网是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物体或过程。
在物联网高速发展的过程中,智能机器人的研发也在不断的提高,自主学习智能机器人在设计制作之后,机器人无需人的干预,能够在各种环境下自动完成各项拟人任务,自主型机器人的本体上具有感知、处理、决策、执行等模块,可以就像一个自主的人一样独立地活动和处理问题。
然而传统的机器人学习系统大多不便于工作人员对机器人学习的内容进行查找和删除的干预,同时不便于工作人员对机器人学习的重复和错误动作进行删除,同时不便于工作人员对机器人进行自主学习动作的调试工作,为此,急需进行技术改进。
发明内容
有鉴于此,本申请实施例提供了一种机器人学习方法、装置、电子设备及存储介质,能够便于对机器人的学习过程及结果进行处理。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种机器人学习方法,包括以下步骤:
通过机器人采集第一目标数据;
根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据;
将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
在一种可能的实施方式中,所述机器人包括视觉摄像机、声音传感器、力学传感器和气体传感器,所述通过机器人采集第一目标数据,包括:
通过所述视觉摄像机对外界环境进行拍摄、通过所述声音传感器对外界环境的声音进行采集、通过所述力学传感器对外界环境的力学传感互动数据进行采集、通过所述气体传感器对外界环境空气质量进行采集。
在一种可能的实施方式中,所述筛选处理包括自动筛选和手动筛选,所述根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,包括:
当所述筛选处理为自动筛选时,通过预设在机器人内部的筛选规则,对所述第一目标数据进行自动筛选,得到第二目标数据;
当所述筛选处理为手动筛选时,响应于针对所述第一目标数据的查看请求,在人机交互界面中显示所述第一目标数据;
响应于针对所述第一目标数据的手动筛选操作,从所述第一目标数据中确定出所述第二目标数据。
在一种可能的实施方式中,所述方法还包括:
响应于针对所述学习结果的查看操作,在人机交互界面中显示已学习的所述学习结果。
在一种可能的实施方式中,所述学习结果包括至少一种动作,所述方法还包括:
对所述至少一种动作进行遍历处理,得到所述至少一种动作中每种动作的相似度值;
将相似度值在波动阈值以内的动作确定为相同动作;
保留相同动作中的任一动作,并对剩余的相同动作进行删除。
在一种可能的实施方式中,,所述方法还包括:
获取所述目标操作的操作数据;
反馈所述操作数据。
在一种可能的实施方式中,所述反馈所述操作数据,包括:
通过人机交互界面反馈所述操作数据,或者,通过所述机器人执行所述操作数据进行反馈。
第二方面,本申请实施例还提供一种机器人学习装置,所述装置包括:
采集模块,用于通过机器人采集第一目标数据;
筛选模块,用于根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据;
学习模块,用于将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行第一方面任一项所述的机器人学习方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述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运行时执行第一方面任一项所述的机器人学习方法。
本申请实施例具有以下有益效果:
通过机器人采集第一目标数据,然后根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,这样,机器人自主学习外界环境中的多种信息,同时可以对所学习的数据进行自动筛选和人手动筛选,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性,最后将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作,也便于工作人员对机器人的操作数据进行查看和测试。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本申请实施例提供的步骤S101-S103的流程示意图;
图2是本申请实施例提供的步骤S201-S203的流程示意图;
图3是本申请实施例提供的步骤S301-S302的流程示意图;
图4是本申请实施例提供的机器人学习装置的结构示意图;
图5是本申请实施例提供的电子设备的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语是为了描述本申请实施例的目的,不是在限制本申请。
参见图1,图1是本申请实施例提供的机器人学习方法步骤S101-S103的流程示意图,将结合图1示出的步骤S101-S103进行说明。
步骤S101,通过机器人采集第一目标数据;
步骤S102,根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据;
步骤S103,将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
上述机器人学习方法,通过机器人采集第一目标数据,然后根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,这样,机器人自主学习外界环境中的多种信息,同时可以对所学习的数据进行自动筛选和人手动筛选,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性,最后将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作,也便于工作人员对机器人的操作数据进行查看和测试。
下面分别对本申请实施例的上述示例性的各步骤进行说明。
在步骤S101中,通过机器人采集第一目标数据。
在步骤S102中,根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据。
在步骤S103中,将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
在一些实施例中,所述机器人包括视觉摄像机、声音传感器、力学传感器和气体传感器,所述通过机器人采集第一目标数据,包括:
通过所述视觉摄像机对外界环境进行拍摄、通过所述声音传感器对外界环境的声音进行采集、通过所述力学传感器对外界环境的力学传感互动数据进行采集、通过所述气体传感器对外界环境空气质量进行采集。
这里,机器人可以携带多种设备,例如视觉摄像机、声音传感器、力学传感器和气体传感器,机器人可以对外界环境的图片和声音进行数据采集,还可以对外界环境的气体和力学传感互动进行数据采集。
需要说明的是,在本申请实施例中,所列举的视觉摄像机、声音传感器、力学传感器和气体传感器仅为一种实施方式,也可以携带其他的传感器。
在一些实施例中,所述筛选处理包括自动筛选和手动筛选,所述根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,包括:
当所述筛选处理为自动筛选时,通过预设在机器人内部的筛选规则,对所述第一目标数据进行自动筛选,得到第二目标数据;
当所述筛选处理为手动筛选时,响应于针对所述第一目标数据的查看请求,在人机交互界面中显示所述第一目标数据;
响应于针对所述第一目标数据的手动筛选操作,从所述第一目标数据中确定出所述第二目标数据。
这里,机器人自主学习外界环境中的多种信息,同时对所学习的数据进行自动筛选和手动(人工)筛选,这样,能够便于工作人员对机器人的决策进行改变,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性。
在一些实施例中,所述方法还包括:
响应于针对所述学习结果的查看操作,在人机交互界面中显示已学习的所述学习结果。
这里,可以通过机器人自带的人机交互界面、或者通过终端设备与机器人进行连接,来显示机器人的学习结果,便于对机器人的学习结果进行查看。
在一些实施例中,参见图2,图2是本申请实施例提供的步骤S201-S203的流程示意图,所述学习结果包括至少一种动作,所述方法还包括步骤S201-S203,将结合具体步骤进行说明。
在步骤S201中,对所述至少一种动作进行遍历处理,得到所述至少一种动作中每种动作的相似度值;
在步骤S202中,将相似度值在波动阈值以内的动作确定为相同动作;
在步骤S203中,保留相同动作中的任一动作,并对剩余的相同动作进行删除。
这里,除了对机器人所自主学习的多种动作进行查阅,同时可以对学习的多余重复动作进行删除,也可以将学习的错误动作进行删除,进而提高机器人自主学习的质量。
作为示例,可以对机器人所学习到的至少一种动作进行遍历,得到所述至少一种动作中每种动作的相似度值,该相似度值为具体的机器人动作数据,通过与其他的机器人动作数据进行比较,可以得到每种动作的相似度,当相似度在波动阈值以内时,可以将这样的动作确定为相同动作,然后在这些相同动作中,选取任一动作作为目标动作,然后将剩余的相同动作删除,从而起到去重的目的。
另一方面,若机器人动作数据出现错误,也可以直接对该动作进行删除,进而提高机器人自主学习的质量。
在一些实施例中,参见图3,图3是本申请实施例提供的步骤S301-S302的流程示意图,将结合各步骤进行说明。
在步骤S301中,获取所述目标操作的操作数据。
在步骤S302中,反馈所述操作数据。
在一些实施例中,所述反馈所述操作数据,包括:
通过人机交互界面反馈所述操作数据,或者,通过所述机器人执行所述操作数据进行反馈。
这里,为了便于工作人员对智能机器人的测试工作,可以获取目标操作的操作数据并进行反馈,从而使工作人员获取到这部分操作数据。
具体的,可以在人机交互界面中显示该操作数据,或者是通过机器人来执行该操作数据,通过机器人的动作或者声音来进行直观地测试。
综上所述,通过本申请实施例具有以下有益效果:
通过机器人采集第一目标数据,然后根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,这样,机器人自主学习外界环境中的多种信息,同时可以对所学习的数据进行自动筛选和人手动筛选,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性,最后将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作,也便于工作人员对机器人的操作数据进行查看和测试。
基于同一发明构思,本申请实施例中还提供了与第一实施例中机器人学习方法对应的机器人学习装置,由于本申请实施例中的装置解决问题的原理与上述机器人学习方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
如图4所示,图4是本申请实施例提供的机器人学习装置400的结构示意图。机器人学习装置400包括:
采集模块401,用于通过机器人采集第一目标数据;
筛选模块402,用于根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据;
学习模块403,用于将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
本领域技术人员应当理解,图4所示的机器人学习装置400中的各单元的实现功能可参照前述机器人学习方法的相关描述而理解。图4所示的机器人学习装置400中的各单元的功能可通过运行于处理器上的程序而实现,也可通过具体的逻辑电路而实现。
在一种可能的实施方式中,所述机器人包括视觉摄像机、声音传感器、力学传感器和气体传感器,采集模块401通过机器人采集第一目标数据,包括:
通过所述视觉摄像机对外界环境进行拍摄、通过所述声音传感器对外界环境的声音进行采集、通过所述力学传感器对外界环境的力学传感互动数据进行采集、通过所述气体传感器对外界环境空气质量进行采集。
在一种可能的实施方式中,所述筛选处理包括自动筛选和手动筛选,筛选模块402根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,包括:
当所述筛选处理为自动筛选时,通过预设在机器人内部的筛选规则,对所述第一目标数据进行自动筛选,得到第二目标数据;
当所述筛选处理为手动筛选时,响应于针对所述第一目标数据的查看请求,在人机交互界面中显示所述第一目标数据;
响应于针对所述第一目标数据的手动筛选操作,从所述第一目标数据中确定出所述第二目标数据。
在一种可能的实施方式中,学习模块403还包括:
响应于针对所述学习结果的查看操作,在人机交互界面中显示已学习的所述学习结果。
在一种可能的实施方式中,所述学习结果包括至少一种动作,学习模块403还包括:
对所述至少一种动作进行遍历处理,得到所述至少一种动作中每种动作的相似度值;
将相似度值在波动阈值以内的动作确定为相同动作;
保留相同动作中的任一动作,并对剩余的相同动作进行删除。
在一种可能的实施方式中,学习模块403还包括:
获取所述目标操作的操作数据;
反馈所述操作数据。
在一种可能的实施方式中,学习模块403反馈所述操作数据,包括:
通过人机交互界面反馈所述操作数据,或者,通过所述机器人执行所述操作数据进行反馈。
上述机器人学习装置通过机器人采集第一目标数据,然后根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,这样,机器人自主学习外界环境中的多种信息,同时可以对所学习的数据进行自动筛选和人手动筛选,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性,最后将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作,也便于工作人员对机器人的操作数据进行查看和测试。
如图5所示,图5为本申请实施例提供的电子设备500的组成结构示意图,所述电子设备500,包括:
处理器501、存储介质502和总线503,所述存储介质502存储有所述处理器501可执行的机器可读指令,当电子设备500运行时,所述处理器501与所述存储介质502之间通过总线503通信,所述处理器501执行所述机器可读指令,以执行本申请实施例所述的机器人学习方法的步骤。
实际应用时,所述电子设备500中的各个组件通过总线503耦合在一起。可理解,总线503用于实现这些组件之间的连接通信。总线503除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图5中将各种总线都标为总线503。
上述电子设备通过机器人采集第一目标数据,然后根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,这样,机器人自主学习外界环境中的多种信息,同时可以对所学习的数据进行自动筛选和人手动筛选,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性,最后将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作,也便于工作人员对机器人的操作数据进行查看和测试。
本申请实施例还提供了一种计算机可读存储介质,所述存储介质存储有可执行指令,当所述可执行指令被至少一个处理器501执行时,实现本申请实施例所述的机器人学习方法。
在一些实施例中,存储介质可以是磁性随机存取存储器(FRAM,FerromagneticRandom Access Memory)、只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read Only Memory)、可擦除可编程只读存储器(EPROM,ErasableProgrammable Read Only Memory)、电可擦除可编程只读存储器(EEPROM,ElectricallyErasable Programmable Read Only Memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD ROM,Compact Disc Read Only Memory)等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,HyperTextMarkupLanguage)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
上述计算机可读存储介质通过机器人采集第一目标数据,然后根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,这样,机器人自主学习外界环境中的多种信息,同时可以对所学习的数据进行自动筛选和人手动筛选,同时便于工作人员对机器人学习的内容进行删除和查找,同时便于工作人员对机器人学习的内容进行声音和动作的调试操作,进而提高了机器人实际使用时自主学习的稳定性,最后将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作,也便于工作人员对机器人的操作数据进行查看和测试。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和电子设备,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,平台服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种机器人学习方法,其特征在于,包括以下步骤:
通过机器人采集第一目标数据;
根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据;
将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
2.根据权利要求1所述的方法,其特征在于,所述机器人包括视觉摄像机、声音传感器、力学传感器和气体传感器,所述通过机器人采集第一目标数据,包括:
通过所述视觉摄像机对外界环境进行拍摄、通过所述声音传感器对外界环境的声音进行采集、通过所述力学传感器对外界环境的力学传感互动数据进行采集、通过所述气体传感器对外界环境空气质量进行采集。
3.根据权利要求1所述的方法,其特征在于,所述筛选处理包括自动筛选和手动筛选,所述根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据,包括:
当所述筛选处理为自动筛选时,通过预设在机器人内部的筛选规则,对所述第一目标数据进行自动筛选,得到第二目标数据;
当所述筛选处理为手动筛选时,响应于针对所述第一目标数据的查看请求,在人机交互界面中显示所述第一目标数据;
响应于针对所述第一目标数据的手动筛选操作,从所述第一目标数据中确定出所述第二目标数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于针对所述学习结果的查看操作,在人机交互界面中显示已学习的所述学习结果。
5.根据权利要求4所述的方法,其特征在于,所述学习结果包括至少一种动作,所述方法还包括:
对所述至少一种动作进行遍历处理,得到所述至少一种动作中每种动作的相似度值;
将相似度值在波动阈值以内的动作确定为相同动作;
保留相同动作中的任一动作,并对剩余的相同动作进行删除。
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:
获取所述目标操作的操作数据;
反馈所述操作数据。
7.根据权利要求6所述的方法,其特征在于,所述反馈所述操作数据,包括:
通过人机交互界面反馈所述操作数据,或者,通过所述机器人执行所述操作数据进行反馈。
8.一种机器人学习装置,其特征在于,所述装置包括:
采集模块,用于通过机器人采集第一目标数据;
筛选模块,用于根据预设的筛选规则,对所述第一目标数据进行筛选处理,得到第二目标数据;
学习模块,用于将所述第二目标数据作为待学习数据,通过机器人对所述待学习数据进行机器学习,并根据机器学习的结果执行目标操作。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至7任一项所述的机器人学习方法。
10.一种计算机可读存储介质,其特征在于,所述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运行时执行如权利要求1至7任一项所述的机器人学习方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310154309.5A CN116117816B (zh) | 2023-02-18 | 2023-02-18 | 一种机器人学习方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310154309.5A CN116117816B (zh) | 2023-02-18 | 2023-02-18 | 一种机器人学习方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116117816A true CN116117816A (zh) | 2023-05-16 |
CN116117816B CN116117816B (zh) | 2024-02-23 |
Family
ID=86302731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310154309.5A Active CN116117816B (zh) | 2023-02-18 | 2023-02-18 | 一种机器人学习方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116117816B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109108978A (zh) * | 2018-09-11 | 2019-01-01 | 武汉科技大学 | 基于学习泛化机制的三自由度空间机械臂运动规划方法 |
CN111352388A (zh) * | 2018-12-21 | 2020-06-30 | 发那科株式会社 | 学习用数据确认辅助装置、机器学习装置、故障预测装置 |
CN113535703A (zh) * | 2021-07-28 | 2021-10-22 | 深圳供电局有限公司 | 一种提升样本数据集数据质量的方法及系统 |
KR20220039205A (ko) * | 2020-09-22 | 2022-03-29 | 한국전기연구원 | 다자유도 로봇 제어방법 및 시스템 |
CN114998679A (zh) * | 2022-05-25 | 2022-09-02 | 河南爬客智能机器人有限公司 | 深度学习模型的在线训练方法、装置、设备及存储介质 |
-
2023
- 2023-02-18 CN CN202310154309.5A patent/CN116117816B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109108978A (zh) * | 2018-09-11 | 2019-01-01 | 武汉科技大学 | 基于学习泛化机制的三自由度空间机械臂运动规划方法 |
CN111352388A (zh) * | 2018-12-21 | 2020-06-30 | 发那科株式会社 | 学习用数据确认辅助装置、机器学习装置、故障预测装置 |
KR20220039205A (ko) * | 2020-09-22 | 2022-03-29 | 한국전기연구원 | 다자유도 로봇 제어방법 및 시스템 |
CN113535703A (zh) * | 2021-07-28 | 2021-10-22 | 深圳供电局有限公司 | 一种提升样本数据集数据质量的方法及系统 |
CN114998679A (zh) * | 2022-05-25 | 2022-09-02 | 河南爬客智能机器人有限公司 | 深度学习模型的在线训练方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116117816B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170068229A1 (en) | Control system, method, program, and information processing device | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
CN109255341B (zh) | 障碍物感知错误数据的提取方法、装置、设备及介质 | |
US9201765B2 (en) | System and method to facilitate a user interface enabled review of static analysis warnings | |
JP2014174701A (ja) | 制御システム、制御装置、画像処理装置、および、制御方法 | |
CN111914667B (zh) | 一种吸烟检测方法及装置 | |
CN106802648B (zh) | 一种火炮控制系统检测记录方法 | |
EP3690583A1 (en) | Trace data acquisition system, trace data acquisition method, and program | |
CN106779092A (zh) | 一种具备行业专家思维模式和操作能力的智能决策引擎 | |
CN113361539A (zh) | 一种井下巡检机器人的仪表读取方法、装置及电子设备 | |
EP3509019A1 (en) | Software product development defect and issue prediction and diagnosis | |
CN110309926A (zh) | 通过飞行器数据自动创建飞行器维护记录的系统和方法 | |
CN104571916A (zh) | 一种执行终端操作信息的方法及装置 | |
CN113532882A (zh) | 一种汽车仪表测试方法、装置、系统及存储介质 | |
CN116117816B (zh) | 一种机器人学习方法、装置、电子设备及存储介质 | |
CN116810783A (zh) | 一种基于人机交互技术的巡检机器人控制办法 | |
CN110737573B (zh) | 用户界面ui自动化测试的方法和装置 | |
CN114386627A (zh) | 一种光伏组件故障维修方法及装置 | |
KR20190110871A (ko) | 목표 신뢰성 지수를 만족하도록 전장용 소프트웨어 안전성을 시뮬레이션하는 방법 및 장치 | |
CN116894317A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN113129340B (zh) | 操作设备的运动轨迹分析方法、装置、介质和计算设备 | |
CN114898174A (zh) | 基于不同识别模型的电缆故障识别系统 | |
CN113703637A (zh) | 巡检任务代码化方法、装置、电子设备和计算机存储介质 | |
CN116050811B (zh) | 工单处理方法、装置、电子设备及存储介质 | |
Nandikolla et al. | Vision based obstacle detection and navigation of an autonomous vehicle |
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 |