明本申請的運動控制方法的原理），那么，可以選取通常在家庭承擔洗衣工作較多的女性個 體作為樣本個體，并且僅采集個體在洗衣服時的數據。
[0045] 具體的，結合圖1，在女性個體上設置傳感器，個體11上安裝傳感器16,個體12上 安裝傳感器17,個體13上安裝傳感器18。由于洗衣服主要是胳膊施力，所以可以將這些傳 感器設置在胳膊上。洗衣動作的參數可以包括：胳膊在洗衣時施加的力度、胳膊在搓衣服時 的擺動幅度等等，可以設置對應采集這些參數的各種傳感器。此外，為了不對測試人的生活 造成不便，可以僅在洗衣服時才安裝并啟動這些傳感器。
[0046] 本實施例中，傳感器采集的數據可以稱為運動信息，即與洗衣服這個運動相關的 一些信息；該運動信息采集后可以傳遞至服務器14,傳遞方式不做限制，可以通過網絡傳 輸信息。在服務器14側，將接收到很多的運動信息，這些信息分別對應不同的樣本個體，t匕 如圖1中所示的三個人，每個人都可以傳遞一條對應該測試人所集的洗衣服的運動信息。 如下表1示例了可選的信息記錄方式：
[0047] 表1傳感器采集的運動信息
[0048]
[0049]
[0050] 需要說明的是，表1中只是示例一些可選的信息，實際實施中可以根據實際情況 進行變更。參見表1所示，Y1、Y2和Y3例如是分別對應于圖1中所示的三個測試人體11、 12和13。采集時間可以是測試人在洗衣服時啟動傳感器，傳感器的啟動時間，表示在該時 間開始洗衣服；可選的，該采集時間也可以是一個時間段，例如Υ1對應的8:29~9:01，其 中的9:01是洗衣服結束的時間。其中的速度信息表示測試人在洗衣服時胳膊的擺動速度， 環境信息可以是傳感器采集的周圍空氣的濕度，通常情況下，洗衣服的環境中空氣濕度會 相對較高。本實施例中，例如，Υ1可以稱為一個樣本個體，那么上述表1中對應該Υ1的（Υ1、 8:29、N1、V1、B1和S1)的參數組合可以稱為對應Υ1的一個運動信息。
[0051] 服務器14在獲取到傳感器采集的上述多個運動信息后，將根據這些運動信息得 到用于優化運動信息對應運動的目標運動信息，例如，上述的例子中，采集了很多測試樣本 的洗衣服的運動參數，那么到底怎樣洗衣服才能把衣服洗的更干凈，比如胳膊需要擺動的 幅度多大，胳膊擺動的速度多少等等，通過研究采集的數據總結出怎樣運動才更合適。具體 處理中，服務器可以根據多個人體運動信息（由于運動信息是采集的人體的，因此本實施 例稱為人體運動信息）的共性特征，得到對應共性特征的目標人體運動信息，該目標人體 運動信息就是所要尋找的能夠讓洗衣服動作更優的參數。
[0052] 仍以表1為例來舉例：假設樣本個體選擇了 10個人，表1中實際上獲取到了 10份 運動信息，其中，每個人都有自己在洗衣服時的運動參數（例如速度、幅度），但是服務器經 過統計后發現，這10個人中有7個人洗衣服時的胳膊擺動幅度在左右，擺動速度在 Vni左 右，力度在N"，那么這些參數（B"，Vni，NJ就可以稱為是共性特征，也就是大多數人都是這么 做的，該就可以作為目標運動信息。
[0053] 如上所述的，描述了從10個人的樣本數據中選擇7個人數據的一種選擇方式，這 種尋找共性特征的方式也可以理解為，按照預設的數據篩選算法，從運動信息中去掉不可 信數據；根據運動信息中的不可信數據之外的可信數據，分析得到所述目標運動信息。比 如，在這10個人對應的數據中，洗衣服的擺動速度分別是vl、v2、v3、v4.........vlO,其中，v2 至v8的速度數值（假設是相同的速度單位）假設都在15左右，有的是14、有的是16、有的 是15,而vl的數值是6, v9的數值是25, vlO的數值是10,那么經過統計，目的是尋找符合 大多數人的運動規律的，則可以將vl、v9和vlO的數值去除，認為這些是不可信數據，相當 于異常數據，只保留v2至v8的速度數值，認為是可信數據。并且根據v2至v8的速度數值 得到目標速度數值，比如可以設定為15,或者設定為14-16的范圍段。而預設的數據篩選算 法具體采用何種算法本實施例不做限制，只要能實現上述原理的數據篩選功能即可。
[0054] 可選的，實際測試中，每個人的數據可能不盡相同，并不能找到完全一樣的多個數 據，此時服務器可以根據某種算法，找到大多數的數據是在什么樣的范圍，進而推導出一個 共性數據范圍或者該范圍內的某個點數值也可以。總之所要得到的目標運動信息是大多數 的測試樣本所使用的參數，另外由上述可以看到，盡管在前述的描述中將（Y1、8:29、N1、V1、 B1和S1)的參數組合作為一個運動信息，但是要得到的目標運動信息可以是其中的部分參 數（B"，NJ，能用于指導機器人運動即可。
[0055] 服務器14在得到目標運動信息后，將該信息發送至人工智能設備例如機器人，機 器人就可以根據該信息執行洗衣服的動作，比如按照（B"， Vni，NJ進行機器人胳膊的擺動和 施力。由于服務器傳遞給機器人的目標運動信息，是根據測試人體的實際運動信息統計得 到的，是大多數人都執行的動作對應的參數，因此機器人依據該參數執行的動作能夠取得 比較好的效果；并且本實施例采集的運動信息不是個別樣本個體的數據，而是很多的樣本 個體對應的運動信息的大數據，能夠統計得到較好的運動參數。
[0056] 此外，這種方式的機器人動作優化，由于是直接獲取多數樣本的共性數據，能夠使 得機器人運動優化的速度提高，相比于傳統的孤立調試，使得較優數據的獲得效率比較快； 并且，該方式中是由服務器自動采集獲取樣本數據，并在統計得到目標運動信息后傳輸至 機器人，相比于傳統的對機器人程序的不斷修改和調試，使得機器人優化的方式更加方便 和快捷，比如從機器人的使用者的角度來看，其不再需要自己調試和修改機器人參數，而是 由機器人自己從服務器獲取目標運動信息，該信息是服務器負責采集和處理得到，不需要 使用者參與，總之，本實施例的運動控制方法不僅提高了機器人的優化速度，而且由于比較 符合樣本個體的實際運動情況，優化效果將更好。
[0057] 從機器人15的角度來看，服務器處理得到的目標運動信息可以是存儲在機器人 15的存儲模塊中；當機器人15與服務器14之間暫時不通過網絡連接時，機器人可以將存 儲模塊中存儲的上次獲取的最新目標運動信息作為動作執行的依據，或者，機器人也可以 與服務器通過網絡連接，從服務器獲取最新的目標運動信息后再執行對應的動作。
[0058] 舉例如下：使用者可能不希望自己的機器人一直通過網絡連接服務器，那么使用 者可以在1號的早上8:00,啟動機器人的數據獲取功能，使得機器人連網從服務器下載最 新的目標運動信息，根據該信息執行洗衣服的動作。如果使用者感覺根據本次下載的信息 機器人運動的效果比較好，可以一直使用該信息；或者，當使用者感覺機器人運動不好，衣 服洗不干凈，想要進一步提高其運動效果時，可以再次啟動機器人的數據獲取功能，使得機 器人連網從服務器下載更新的目標運動信息；又或者，使用者也可以控制機器人定期從服 務器獲取信息。當然可選的，服務器也可以定期的按照預設時間向機器人推送其更新的目 標運動信息，比如每隔一天進行推送。
[0059] 如上所述的，服務器側的數據采集和處理，并不是僅進行一次，數據的接收可以是 一直進行的，或者定期進行的，以使得目標運動信息不斷更新。具體的，比如，服務器可以設 置一個時間間隔，在預設的時間間隔到達時執行目標運動信息的計算，例如可以設定在每 天的22 :00根據采集的樣本個體的運動信息，計算目標運動信息。又比如，服務器也可以在 多個運動信息更新完成時執行目標運動信息的計算，例如設定的樣本個體是10個，那么這 10個樣本個體的采集運動信息是不斷更新的，可能每天都會有更新，服務器在接收一次數 據后，可以等到所有的10個樣本個體的數據都再次更新完成時，執行上述處理。當然也可 以是其他的設定方式，不再舉例。
[0060] 應用二：在上述的應用一的例子中，是以某個特定的目標應用場景為例，比如該目 標應用場景是洗衣服；得到與洗衣服場景對應的目標運動信息，用于優化機器人的洗衣服 運動。本實施例的應用二中，也可以不區分場景，比如將某個人作為樣本個體之一時，可以 采集這個人一天中的各種運動，例如洗衣服、做飯、跑步、跳舞等等，一直采集該測試人的動 作；對應的，機器人接收到得目標運動信息也包括很多場景下的信息，比如洗衣服的數據、 做飯的數據等，那么該機器人就可以是能夠執行很多運動任務的機器人。
[0061] 具體描述如