一種運動控制方法和裝置、人工智能設備的制造方法
【技術領域】
[0001] 本發明涉及智能設備技術，特別涉及一種運動控制方法和裝置、人工智能設備。
【背景技術】
[0002] 隨著科技的不斷發展，當前已經可以通過人工智能設備例如機器人來代替人類執 行一些任務，比如機器人可以做飯，或者機器人也可以洗衣服，或者機器人也可以在工廠中 做一些對人類來說具有危險性的動作，以避免人類的危險。因此，機器人對人類生活或工作 具有很大的幫助。
[0003] 但是，目前的技術中，機器人的運動控制方式相對簡單，例如在機器人中嵌入固定 的執行程序，機器人內部的控制器在接收到傳感器采集的外界數據后，將該采集數據與執 行程序中的相關條件做比較，通過簡單的邏輯判斷而得到對應執行的動作，并且該動作的 執行是依據預先存儲在機器人中的動作參數，例如依據存儲的行走步距值來進行行走。可 是機器人依據該參數執行的動作不一定能得到較好的運動效果，例如由于行走步距值不合 適使得機器人正在執行的任務并不能很好的完成。此時可以通過修改機器人的內部程序和 對應的動作參數來優化其動作，使得機器人自身的運動能夠得到完善和提高，但是很顯然 的，這種方式需要進行程序修改和調試，有可能多次的修改和調試才能達到一個較好的運 動效果，繁瑣復雜，使得機器人的動作優化效率很低，影響業務執行。
【發明內容】
[0004] 有鑒于此，本發明提供一種運動控制方法和裝置、人工智能設備，以提高人工智能 設備的優化效率。
[0005] 具體地，本發明是通過如下技術方案實現的：
[0006] 第一方面，提供一種運動控制方法，包括：
[0007] 獲取傳感器采集的多個運動信息，該多個運動信息分別對應多個樣本個體；
[0008] 根據所述多個運動信息，確定用于優化對應運動的目標運動信息；
[0009] 將所述目標運動信息發送至人工智能設備，以使得所述人工智能設備根據所述目 標運動信息執行對應的運動。
[0010] 第二方面，提供一種運動控制方法，包括：
[0011] 獲取目標運動信息，所述目標運動信息是運動控制裝置根據傳感器采集的多個運 動信息得到，所述多個運動信息分別對應多個樣本個體；
[0012] 根據所述目標運動信息執行對應的運動，以通過所述目標運動信息優化所述多個 運動信息對應的運動。
[0013] 第三方面，提供一種運動控制裝置，包括：
[0014] 信息接收模塊，用于接收傳感器采集的多個運動信息，所述多個運動信息分別對 應多個樣本個體；
[0015] 信息處理模塊，用于根據所述多個運動信息，確定用于優化對應運動的目標運動 信息；
[0016] 信息發送模塊，用于將所述目標運動信息發送至人工智能設備，以使得所述人工 智能設備根據所述目標運動信息執行對應的運動。
[0017] 第四方面，提供一種人工智能設備，包括：
[0018] 信息獲取模塊，用于獲取目標運動信息，所述目標運動信息是運動控制裝置根據 傳感器采集的多個運動信息得到，所述多個運動信息分別對應多個樣本個體；
[0019] 運動執行模塊，用于根據所述目標運動信息執行對應的運動，以通過所述目標運 動信息優化所述多個運動信息對應的運動。
[0020] 本發明實施例提供的運動控制方法和裝置、人工智能設備，是根據傳感器采集的 多個樣本個體的運動信息，來得到優化運動的該目標運動信息，由于有了優化的依據，使得 該目標運動信息能夠較快的得到，并且也更加符合樣本個體的運動，相對于現有技術中的 單個設備的不斷修改調試，提高了人工智能設備的優化效率。
【附圖說明】
[0021] 圖1是本發明實施例提供的運動控制方法的應用場景一；
[0022] 圖2是本發明實施例提供的一種運動控制方法的流程圖；
[0023] 圖3是本發明實施例提供的另一種運動控制方法的流程圖；
[0024] 圖4是本發明實施例提供的運動控制方法的應用場景二；
[0025] 圖5是本發明實施例提供的運動控制方法中的數據耦合原理圖；
[0026] 圖6是本發明實施例提供的運動控制裝置的結構示意圖；
[0027] 圖7是本發明實施例提供的人工智能設備的結構示意圖；
[0028] 圖8是本發明實施例提供的運動控制裝置的實體結構示意圖；
[0029] 圖9是本發明實施例提供的人工智能設備的實體結構示意圖。
【具體實施方式】
[0030] 人工智能設備例如機器人，在執行某個動作時，是需要依據一些動作數據的，例 如，假設機器人要將其手臂抬起，需要依據手臂抬起的高度、手臂抬起的角度等參數；假設 機器人要進行行走，需要依據行走的步距、行走的速度等參數。上述的高度、速度等參數是 存儲在機器人內部中，比如存儲在用于控制機器人運動的控制器中的存儲模塊。
[0031] 但是現有的常規技術中，用于控制機器人運動的上述參數是相對固定的，一旦將 該參數設置在機器人中，機器人就需要按照該參數來運動，而且修改參數也比較繁瑣。本申 請實施例的運動控制方式，就是要盡快的得到用于優化機器人運動的上述動作參數，使得 機器人得到快速的提高和完善。需要說明的是，在后續本申請的各個實施例中，人工智能設 備以機器人為例進行說明，實際實施中不局限于此，也可以是其他控制原理類似的人工智 能設備。
[0032] 本申請實施例的運動控制方法，通過采集大量的樣本個體的運動信息，并綜合根 據這些信息來快速得到機器人運動的控制參數。具體的，參見圖1，示出了本實施例的運動 控制方法的一種可選的應用場景，首先簡單說明下該場景。
[0033] 選取用于采集運動信息的樣本個體，該樣本個體例如是人體，例如圖1中所示的 三個人11、12和13。實際實施中，選用哪些人作為樣本個體，可以根據待優化的機器人的運 動為依據。例如，假設要使用機器人進行烹飪，那可以選擇一些廚師作為樣本個體，或者，也 可以是普通人不一定是廚師，但是要選擇普通人在做飯時的運動進行采集（后續將詳述）； 又例如，假設要使用機器人進行工廠的工件搬運，可以選擇一些搬運工人作為樣本個體。 [0034] 此外，所選擇的樣本個體的數量也可以靈活設定，圖1中僅示例性的示出了三個 人，實際上用于選作樣本個體的人的數量可以很多，比如50個人，100個人。通常情況下，樣 本數量越多得到的目標數據就越符合人體實際的運動情況，例如，選取10個搬運工人測試 得到的搬運動作參數，與選取2個搬運工作得到的搬運動作參數相比，將更容易準確的總 結出搬運動作的較好的動作參數。
[0035] 如圖1所示，還設置了服務器14,上述樣本個體采集的數據需要傳送到服務器14， 由服務器14對數據進行處理得到目標數據。例如，上述的例子中，采集的很多搬運工人的 搬運動作數據傳送到服務器14,服務器14根據這些數據進行分析處理，得到這些工人通用 的搬動動作參數，比如大家在搬運時基本上都是將胳膊上揚a角度，并且抬起b高度，甚至 可能還采集到搬運時大家通常所施加的胳膊力量是c牛頓，相當于總結出大多數人運動的 一些共性，作為要得到的目標數據。該目標數據由服務器14傳輸至機器人15,機器人15根 據該目標數據運動時，就可以取得較好的運動效果了，機器人得到快速提高。
[0036] 由上述描述，如圖2所示，服務器14可以執行如下流程：
[0037] 201、接收傳感器采集的分別對應多個樣本個體的多個運動信息；
[0038] 202、根據多個運動信息，得到用于優化運動信息對應運動的目標運動信息；
[0039] 203、將所述目標運動信息發送至人工智能設備，以使得所述人工智能設備根據所 述目標運動信息執行對應的運動。
[0040] 如圖3所示，機器人15可以執行如下流程：
[0041] 301、獲取目標運動信息，所述目標運動信息是運動控制裝置根據傳感器采集的分 別對應多個樣本個體的多個運動信息得到；
[0042] 302、根據所述目標運動信息執行對應的運動，以通過所述目標運動信息優化所述 多個運動信息對應的運動。
[0043] 具體的，如下將結合一些實際的應用場景或者應用方式，對上述服務器和機器人 的處理進行詳細說明：
[0044] 應用一：假設機器人是專用于洗衣服的（也許該例子并不是很恰當，但僅用于說