[发明专利]动作学习方法、装置、介质及电子设备

权利要求书

1.一种动作学习方法，其特征在于，所述方法包括：

获取人体运动图像数据；

确定与所述人体运动图像数据对应的三维人体姿态动作数据，所述三维人体姿态动作数据中包括按照动作时间顺序排列的多个三维人体姿态；

将所述三维人体姿态动作数据与机器人原子动作库中的原子动作进行匹配，以确定与所述人体运动图像数据对应的机器人动作序列数据，所述机器人动作序列数据由多个机器人子动作组成，所述机器人子动作中包括所述原子动作和/或由所述三维人体姿态动作数据映射得到的映射动作；

对所述机器人动作序列数据中的各机器人子动作按序进行动作连续性拼接；

将进行所述动作连续性拼接后的所述机器人动作序列数据在机器人的数字孪生模型中执行，并根据所述数字孪生模型的仿真数据对所述机器人动作序列数据进行优化；

将根据所述数字孪生模型的仿真数据优化后的机器人动作序列数据确定为所述机器人学习到的连续动作；

所述对所述机器人动作序列数据中的各机器人子动作按序进行动作连续性拼接包括：

对各相邻机器人子动作之间衔接处的机器人姿态位置和机器人运动速度进行平滑优化。

2.根据权利要求1所述的方法，其特征在于，所述确定与所述人体运动图像数据对应的三维人体姿态动作数据包括：

确定所述人体运动图像数据中的各图像分别对应的二维人体运动关键点；

根据所述各图像分别对应的所述二维人体运动关键点所构成的二维关键点序列数据确定所述三维人体姿态动作数据。

3.根据权利要求1所述的方法，其特征在于，所述将所述三维人体姿态动作数据与机器人原子动作库中的原子动作进行匹配，以确定与所述人体运动图像数据对应的机器人动作序列数据包括：

按照所述动作时间顺序对所述三维人体姿态动作数据中所包括的多个人体子动作依次进行匹配，并根据所述机器人原子动作库中的所有原子动作与所述人体子动作的相似度确定与所述人体子动作相对应的机器人子动作，其中，所述人体子动作由一个或多个所述三维人体姿态构成；

根据所述动作时间顺序确定由所述机器人子动作组成的所述机器人动作序列数据。

4.根据权利要求3所述的方法，其特征在于，所述根据所述机器人原子动作库中的所有原子动作与所述人体子动作的相似度确定与所述人体子动作相对应的机器人子动作包括：

在所述人体子动作不为所述三维人体姿态动作数据中所包括的首个人体子动作、且与所述人体子动作的相似度高于相似度阈值的所述原子动作存在两个或多个的情况下，将与所述人体子动作的相似度高于相似度阈值的所述原子动作作为候选原子动作；

依次计算各候选原子动作与前一个人体子动作对应的机器人子动作之间的连续性匹配度；

根据所述相似度和所述连续性匹配度，在各候选原子动作中确定与所述人体子动作相匹配的原子动作，以作为与所述人体子动作相对应的所述机器人子动作。

5.根据权利要求4所述的方法，其特征在于，所述根据所述机器人原子动作库中的所有原子动作与所述人体子动作的相似度确定与所述人体子动作相对应的机器人子动作还包括：

在所述机器人原子动作库中不存在与所述人体子动作的相似度高于所述相似度阈值的原子动作的情况下，根据所述人体子动作映射得到所述机器人子动作。

6.根据权利要求1所述的方法，其特征在于，所述对所述机器人动作序列数据中的各机器人子动作按序进行动作连续性拼接还包括：

对各机器人子动作按序拼接得到的机器人动作序列数据中出现的自身碰撞异常进行规避处理。