[發明專利]機器人的控制方法及裝置、計算機設備、存儲介質

有效

• 申請號: 202010090743.8
• 申請日: 2020-02-13
• 公開（公告）號: CN111360819B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 喻凌威;賈懷禮;周寶;陳遠旭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

本發明提供了一種機器人的控制方法及裝置、計算機設備、存儲介質，該方法包括：當控制對象呈現行為動作時，獲取所述控制對象的關節位置信息，以及識別所述控制對象的面部特征；根據所述關節位置和所述面部特征計算機器人的控制力矩；根據所述控制力矩計算所述機器人的控制參數，其中，所述控制參數用于控制所述機器人模仿所述行為動作。通過本發明，解決了相關技術中機器人模仿的動作有限、控制機器人不便等技術問題。

技術領域

本發明涉及計算機領域，具體而言，涉及一種機器人的控制方法及裝置、計算機設備、存儲介質。

背景技術

相關技術中，機器學習能讓機器人學會許多不同復雜的技能，例如機械臂的pickand place(拾放)以及motion planning(運動規劃)，然而學習這些技能通常需要人工編寫獎勵函數(reward function)，才能讓機器人在此基礎上做優化。相比之下，人類可以通過觀察別人的做法來理解任務的目標，或被告知目標是什么，就可以完成任務。人類之所以可以這樣做，是因為人類利用了自己對世界的先驗知識，然而讓機器人理解這種復雜的語義信息，對于學術界和工業界都是一件相當復雜的任務。

模仿學習不同于傳統的機器學習或者強化學習，它是指從示教者提供的范例中學習，范例中通常包含狀態和動作序列，抽取出來再做進一步的行為分析，從而達到模仿的效果。目前世面上已經有基于模仿學習的產品，例如擬人機器人SEER(賽爾號)可以捕捉并模仿人類面部細節的微表情，但僅限眉毛和眼睛；再比如第三代仿人形機器人T-HR3可以實時模仿人類的動作，甚至是一些高難度動作，但目前，控制者還需要穿上一套機械衣和VR(全稱為Virtual Reality，虛擬現實)設備來同步控制機器人。

針對相關技術中存在的上述問題，目前尚未發現有效的解決方案。

發明內容

本發明實施例提供了一種機器人的控制方法及裝置、計算機設備、存儲介質，以至少解決相關技術中機器人模仿的動作有限、控制機器人不便等技術問題。

根據本發明的一個實施例，提供了一種機器人的控制方法，包括：當控制對象呈現行為動作時，獲取所述控制對象的關節位置信息，以及識別所述控制對象的面部特征；根據所述關節位置和所述面部特征計算機器人的控制力矩；根據所述控制力矩計算所述機器人的控制參數，其中，所述控制參數用于控制所述機器人模仿所述行為動作。

可選的，獲取所述控制對象的關節位置信息，以及識別所述控制對象的面部特征包括：通過深度攝像頭捕捉所述控制對象的三維動作圖像；基于所述控制對象的軀干中心構建第一坐標系；基于所述第一坐標系，從所述三維動作圖像中提取所述關節位置信息，根據對所述三維動作圖像進行圖像分割獲得所述面部特征。

可選的，從所述三維動作圖像中提取所述關節位置信息包括：向視覺定位PoseNet模型中輸入所述三維動作圖像；通過調用所述PoseNet模型的估計單姿態函數estimateSinglePose()解析所述三維動作圖像，得到多個關節的多組三維位置坐標。

可選的，根據對所述三維動作圖像進行圖像分割獲得所述面部特征包括：獲取所述三維動作圖像中的點云數據；對所述點云數據進行體素化處理，得到所述三維動作圖像的平面圖像；對所述平面圖像進行圖像分割，以確定所述控制對象的面部區域；識別所述面部區域中的多個關鍵點特征，其中，所述多個關鍵點特征包括所述多個關鍵點的位置坐標、所述多個關鍵點的狀態以及所述多個關鍵點的動作時間序列對，用于識別所述控制對象的面部表情。

可選的，根據所述關節位置和所述面部特征計算機器人的控制力矩包括：以所述機器人的指定位置為中心構建第二坐標系；根據所述第二坐標系和第一坐標系之間的映射關系將所述關節位置信息和所述面部特征映射到所述機器人身上對應的目標位置；基于所述指定位置計算所述目標位置的旋轉角度θ；根據所述旋轉角度計算所述控制力矩。