[发明专利]基于生成式对抗网络的机器人书写书法的方法

说明书

基于生成式对抗网络的机器人书写书法的方法，涉及机器人。收集标准毛笔字笔画数据，并按笔画类型整理分类，并注上标注；基于生成对抗网络模型训练两个深度神经网络，生成网络G和对抗网络D；将随机采样的向量输入生成网络G，得到笔画轨迹点的概率分布；书法机器人应用抽样方法从概率分布中获取笔画位置信息并书写笔画致画板，写好后，由相机拍摄记录笔画图像；将待处理的图像进行预处理，输入对抗网络D中进行训练，调整参数，以达到收敛。生成机制具有良好的学习能力，可使书法机器人具有可自动生成各种风格笔画的生成机制，解决了目前书法机器人耗费大量人力手动输入的困难。

技术领域

本发明涉及机器人，尤其是涉及深度学习、生成对抗网络(GAN)、运动学以及传统图像处理的基于生成式对抗网络的机器人书写书法的方法。

背景技术

机器人技术中促进人类文化和文明方面的应用，如机器人写作和绘图，是传统机器人研究常常忽略的一个主要话题。机器人写作的研究侧重于控制算法的设计，以驱动机器人终端效应器编写复杂的字符或字母。由于汉字写作必须考虑字符笔画的空间搭配，高质量的书写必须在正确的位置找到形状良好的笔画，因此汉字的书写质量基本上取决于字符笔画的质量。现有的高质量笔画书写需要书法机器人来同时控制各种关节，以使笔精确移动。因此，只有机器人预定义的字体数据库中存在的字符才能被机器人写入。然而，这导致目前的书法机器人面临一个具有挑战性的难题，即这些机器人不能产生具有良好多样性的笔画。换句话说，现在的书法机器人的书写结果都是一样的，缺乏人类书法家通常具有的创造力。

目前，大多数书法机器人都是应用直接编程的方法将大型字体数据库附加到机器人控制系统([1]X.Ma,Q.Kong,W.Ma,and X.Zhang,“4-DOF lettering robots trajectoryplanning,”inMechanical Engineering and Automation,2010,vol.165,no.5,pp.161–163；[2]Y.Man,C.Bian,H.Zhao,C.Xu,and S.Ren,“A kind of calligraphy robot,”inIEEE International Conference on Information Sciences and InteractionSciences,China,2010,pp.635–638。这种方法需要复杂而庞大的人力投入来将字体信息转换为机器人的轨迹([3]H.Zeng,Y.Huang,F.Chao,and C.Zhou,“Survey of roboticcalligraphy research,”CAAI Transactions on Intelligent Systems,vol.11,no.1,pp.15–26,2016)。还有部分研究利用操纵器的后续能力获得丰富的字体信息，这成功地将人类书法风格赋予机器人。然而，该方法仍然需要大量的人力工作来使操纵者能够产生足够的字体信息。本方法试图使用深度神经网络来学习写作和绘画能力([4]K.Sasaki,K.Noda,and T.Ogata,“Visual motor integration of robot’s drawing behaviorusing recurrent neural network,”Robotics and Autonomous Systems,vol.86,pp.184–195,2016)。事实上，书法机器人具有可自动生成各种风格的生成机制，这非常有吸引力。另外，希望生成机制具有良好的学习能力，使得可以使用训练数据来训练机制，而不是以大量的人力消耗来手动设置。

发明内容

本发明的目的在于针对现在的书法机器人的书写结果都是一样的，缺乏人类书法家通常具有的创造力的问题，提供可使机器人具有良好的学习能力，进而实现机器人书写多样性和独创性的基于生成式对抗网络的机器人书写书法的方法。