[发明专利]机械手设计方法、装置、介质及电子设备

说明书

本公开实施例提供了一种机械手设计方法、装置、介质及电子设备，该方法包括：获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；根据所述机器学习模型及其模型参数构建目标函数；根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。本公开实施例的技术方案能够基于历史机械手信息辅助当前机械手的设计。

技术领域

本公开涉及电数据处理技术领域，具体而言，涉及一种机械手设计方法、装置、介质及电子设备。

背景技术

随着世界上越来越多的国家步入老龄化社会，人口基数庞大的老年人随着身体机能的退化，需要机械手来辅助其日常生活，而相关技术中通常是批量生产某一种或者几种机械手来实现某些特定功能，目前并没有一种很好的能够提供满足每个老年人的个性化需求的机械手的自动设计方法。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种机械手设计方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中存在的机械手个性化程度不足的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种机械手设计方法，包括：获取机器学习模型及其模型参数，所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的；根据所述机器学习模型及其模型参数构建目标函数；根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件；根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。

在本公开的一种示例性实施例中，所述机器学习模型为线性回归模型；所述方法还包括：构建所述线性回归模型；根据所述历史特征信息获得所述历史机械手的历史特征向量；将所述历史特征向量作为所述线性回归模型的自变量，将所述历史反馈信息作为所述线性回归模型的因变量，计算所述线性回归模型的模型参数。

在本公开的一种示例性实施例中，根据所述目标函数和所述约束条件获得所述当前机械手的设计信息，包括：在满足所述当前特征信息的约束条件的情况下，根据所述机器学习模型的模型参数，计算使得所述线性回归模型的因变量最大的自变量的值；根据计算获得的自变量的值确定所述当前机械手的设计信息。

在本公开的一种示例性实施例中，所述历史特征信息包括所述历史机械手的功能特征、材质特征、颜色特征和可操作选项特征中的任意一种或者多种。

在本公开的一种示例性实施例中，所述历史特征信息包括所述历史机械手的功能特征和可操作选项特征；其中，所述机械手的功能特征包括洗澡功能、喂饭功能、辅助行走功能、按摩功能中的任意一种或者多种；所述可操作选项特征包括力度特征和/或手指弯曲程度特征。

在本公开的一种示例性实施例中，所述方法还包括：在区块链中存储历史机械手信息；从所述区块链中存储的所述历史机械手信息中，获得所述历史机械手的历史特征信息及其历史反馈信息。

在本公开的一种示例性实施例中，所述历史机械手信息包括所述历史机械手的种类和功能说明信息、投诉信息、控制交互界面设计和说明信息、认证信息中的任意一种或者多种；所述方法还包括：将所述目标对象对所述当前机械手的需求信息和/或所述当前机械手的设计信息存储至所述区块链。