[发明专利]机器人的控制方法及装置、计算机设备、存储介质

说明书

本发明提供了一种机器人的控制方法及装置、计算机设备、存储介质，该方法包括：当控制对象呈现行为动作时，获取所述控制对象的关节位置信息，以及识别所述控制对象的面部特征；根据所述关节位置和所述面部特征计算机器人的控制力矩；根据所述控制力矩计算所述机器人的控制参数，其中，所述控制参数用于控制所述机器人模仿所述行为动作。通过本发明，解决了相关技术中机器人模仿的动作有限、控制机器人不便等技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种机器人的控制方法及装置、计算机设备、存储介质。

背景技术

相关技术中，机器学习能让机器人学会许多不同复杂的技能，例如机械臂的pickand place(拾放)以及motion planning(运动规划)，然而学习这些技能通常需要人工编写奖励函数(reward function)，才能让机器人在此基础上做优化。相比之下，人类可以通过观察别人的做法来理解任务的目标，或被告知目标是什么，就可以完成任务。人类之所以可以这样做，是因为人类利用了自己对世界的先验知识，然而让机器人理解这种复杂的语义信息，对于学术界和工业界都是一件相当复杂的任务。

模仿学习不同于传统的机器学习或者强化学习，它是指从示教者提供的范例中学习，范例中通常包含状态和动作序列，抽取出来再做进一步的行为分析，从而达到模仿的效果。目前世面上已经有基于模仿学习的产品，例如拟人机器人SEER(赛尔号)可以捕捉并模仿人类面部细节的微表情，但仅限眉毛和眼睛；再比如第三代仿人形机器人T-HR3可以实时模仿人类的动作，甚至是一些高难度动作，但目前，控制者还需要穿上一套机械衣和VR(全称为Virtual Reality，虚拟现实)设备来同步控制机器人。

针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。

发明内容

本发明实施例提供了一种机器人的控制方法及装置、计算机设备、存储介质，以至少解决相关技术中机器人模仿的动作有限、控制机器人不便等技术问题。

根据本发明的一个实施例，提供了一种机器人的控制方法，包括：当控制对象呈现行为动作时，获取所述控制对象的关节位置信息，以及识别所述控制对象的面部特征；根据所述关节位置和所述面部特征计算机器人的控制力矩；根据所述控制力矩计算所述机器人的控制参数，其中，所述控制参数用于控制所述机器人模仿所述行为动作。

可选的，获取所述控制对象的关节位置信息，以及识别所述控制对象的面部特征包括：通过深度摄像头捕捉所述控制对象的三维动作图像；基于所述控制对象的躯干中心构建第一坐标系；基于所述第一坐标系，从所述三维动作图像中提取所述关节位置信息，根据对所述三维动作图像进行图像分割获得所述面部特征。

可选的，从所述三维动作图像中提取所述关节位置信息包括：向视觉定位PoseNet模型中输入所述三维动作图像；通过调用所述PoseNet模型的估计单姿态函数estimateSinglePose()解析所述三维动作图像，得到多个关节的多组三维位置坐标。

可选的，根据对所述三维动作图像进行图像分割获得所述面部特征包括：获取所述三维动作图像中的点云数据；对所述点云数据进行体素化处理，得到所述三维动作图像的平面图像；对所述平面图像进行图像分割，以确定所述控制对象的面部区域；识别所述面部区域中的多个关键点特征，其中，所述多个关键点特征包括所述多个关键点的位置坐标、所述多个关键点的状态以及所述多个关键点的动作时间序列对，用于识别所述控制对象的面部表情。

可选的，根据所述关节位置和所述面部特征计算机器人的控制力矩包括：以所述机器人的指定位置为中心构建第二坐标系；根据所述第二坐标系和第一坐标系之间的映射关系将所述关节位置信息和所述面部特征映射到所述机器人身上对应的目标位置；基于所述指定位置计算所述目标位置的旋转角度θ；根据所述旋转角度计算所述控制力矩。