【技术实现步骤摘要】
本专利技术涉及机器人控制，特别是涉及一种人形机器人的运动姿态学习方法及装置。
技术介绍
1、目前，人形机器人已经广泛应用各个行业中。如在制造业和工业中，用于提高生产效率和人机协作。在紧急救援和危险环境中，用于搜索和救援任务。而作为人形机器人技术的核心关键，运动姿态智能学习也得到了深入的研究并取得了显著的成果。
2、由于传统的人形机器人通常依赖于预定义的规划路径和硬编码控制策略，在面对复杂环境和不确定性时往往表现不佳。为了提高机器人的稳定性、适应性和安全性，现有技术中引入了深度学习方法，使得机器人能够自主地学习和调整其运动姿态。然而，现有的深度学习方法存在训练数据的获取成本高、数据标记困难、样本效率低以及在实际应用中需要不断微调的问题，难以计算深度学习中损失函数的值(lose值)，导致学习效果差，无法有效的对人形机器人的运动姿态进行调整。
技术实现思路
1、本专利技术所要解决的技术问题是：提供一种人形机器人的运动姿态学习方法及装置，提高虚拟机器人基于深度学习模型的学习效果。
2、为了解决上述技术问题，本专利技术采用的技术方案为：
3、一种人形机器人的运动姿态学习方法，包括：
4、获取预设时间段内真实人类的姿态信息以及环境信息；
5、根据所述姿态信息以及环境信息确定虚拟人形机器人的运动模式；
6、获取与所述运动模式对应的至少一种运动姿态评价策略；
7、根据所述运动姿态评价策略对所述姿态信息进行计算，得到
8、将所述运动模式与运动姿态策略库进行匹配，得到匹配评估值；
9、根据所述运动姿态评价值以及匹配评估值进行加权计算得到综合运动姿态评估值；
10、根据所述姿态信息与所述综合运动姿态评估值计算得到损失函数值；
11、基于所述损失函数值进行深度学习模型训练，并将完成训练的模型应用于人形机器人中。
12、为了解决上述技术问题，本专利技术采用的另一技术方案为：
13、一种人形机器人的运动姿态学习装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的一种人形机器人的运动姿态学习方法中的各个步骤。
14、本专利技术的有益效果在于：通过获取真实人类的姿态信息以及环境信息，并根据相应信息确定虚拟机器人的运动模式后，获取多种相关的运动姿态评价策略对其姿态信息进行评价得到不同模式对应运动姿态评价值，同时还将运动模式与运动姿态策略库进行匹配得到匹配评估值，即能够通过历史运动姿态策略对当前运动模式决策的优劣进行评价，再基于运动姿态评价值以及匹配评估值进行加权计算得到综合运动姿态评估值后，结合真实人类运动空间姿态测量值计算得到损失函数值，提高了虚拟机器人基于深度学习模型的学习效果，实现人形机器人自主学习人类的运动姿态控制策略，提高了人形机器人的综合性能和适应性。
本文档来自技高网...【技术保护点】
1.一种人形机器人的运动姿态学习方法，其特征在于，包括：
2.根据权利要求1所述的一种人形机器人的运动姿态学习方法，其特征在于，所述姿态信息包括移动速度、移动距离，所述环境信息包括空间特征以及空间物体密度；
3.根据权利要求2所述的一种人形机器人的运动姿态学习方法，其特征在于，所述步行模式对应的运动姿态评价策略包括：
4.根据权利要求2所述的一种人形机器人的运动姿态学习方法，其特征在于，所述跑步模式对应的运动姿态评价策略包括：
5.根据权利要求2所述的一种人形机器人的运动姿态学习方法，其特征在于，所述跳跃模式对应的运动姿态评价策略包括：
6.根据权利要求1所述的一种人形机器人的运动姿态学习方法，其特征在于，所述将所述运动模式与运动姿态策略库进行匹配，得到匹配评估值包括：
7.根据权利要求1所述的一种人形机器人的运动姿态学习方法，其特征在于，所述根据所述运动姿态评价值以及匹配评估值进行加权计算得到综合运动姿态评估值包括：
8.根据权利要求7所述的一种人形机器人的运动姿态学习方法，其特征在于，所述根据
9.根据权利要求8所述的一种人形机器人的运动姿态学习方法，其特征在于，所述真实人类运动空间姿态测量值包括：
10.一种人形机器人的运动姿态学习装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9中任一项所述的一种人形机器人的运动姿态学习方法中的各个步骤。
...【技术特征摘要】
1.一种人形机器人的运动姿态学习方法，其特征在于，包括：
2.根据权利要求1所述的一种人形机器人的运动姿态学习方法，其特征在于，所述姿态信息包括移动速度、移动距离，所述环境信息包括空间特征以及空间物体密度；
3.根据权利要求2所述的一种人形机器人的运动姿态学习方法，其特征在于，所述步行模式对应的运动姿态评价策略包括：
4.根据权利要求2所述的一种人形机器人的运动姿态学习方法，其特征在于，所述跑步模式对应的运动姿态评价策略包括：
5.根据权利要求2所述的一种人形机器人的运动姿态学习方法，其特征在于，所述跳跃模式对应的运动姿态评价策略包括：
6.根据权利要求1所述的一种人形机器人的运动姿态学习方法，其特征在于，所述将所述运动模式与运动姿态策略库进行匹配，...
【专利技术属性】
技术研发人员：廖律超，孙光照，曾金盾，邹复民，邢鹏起，张茂林，肖吉英，赵文清，官文鑫，冯宇，
申请(专利权)人：福建理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。