【技术实现步骤摘要】
本公开涉及机器人，尤其涉及机器人控制方法、装置、机器人及存储介质。
技术介绍
1、近年来，足式机器人在自主移动和环境适应能力方面取得了显著进展。现代足式机器人通过不断优化的控制算法和先进的传感器技术，实现了在复杂地形上的高效跨越，包括台阶、栏架和楼梯等多种障碍物。特别是端到端的深度学习方法和强化学习技术的应用，极大提升了机器人在未知环境中的适应性和智能化水平。
2、相关技术中，对控制机器人运动的模型进行训练的方式往往依赖于预先标注的模型训练数据，然而，预先标注的训练数据数量较少，这导致了训练得到的运动控制模型准确性较低，进而会出现基于训练得到的运动控制模型所生成的运动指令准确性较低的问题，无法保障机器人运动的准确性和安全性。
技术实现思路
1、为克服相关技术中存在的问题，本公开提供了一种机器人控制方法、装置、机器人及存储介质。
2、根据本公开实施例的第一方面，本申请提供了一种机器人控制方法，所述方法包括：
3、获取机器人的位姿信息和图像采集组件所采集的深
【技术保护点】
1.一种机器人控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述机器人在训练环境中的位姿信息和所述图像采集组件所采集的深度图像输入所述运动控制模型而得到的运动指令样本、以及仿真机器人在仿真环境中的位姿信息和所述仿真环境的属性信息输入所述运动控制模型而得到的运动指令标签，对所述运动控制模型进行网络调参，包括：
3.根据权利要求1所述的方法，其特征在于，所述运动控制模型为强化学习模型；
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在...
【技术特征摘要】
1.一种机器人控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述机器人在训练环境中的位姿信息和所述图像采集组件所采集的深度图像输入所述运动控制模型而得到的运动指令样本、以及仿真机器人在仿真环境中的位姿信息和所述仿真环境的属性信息输入所述运动控制模型而得到的运动指令标签，对所述运动控制模型进行网络调参，包括：
3.根据权利要求1所述的方法，其特征在于，所述运动控制模型为强化学习模型；
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述位姿信息和所述深度图像输入至运动控制模型中，以生成所述机器人在下一时刻的运动指令，包括：
6.根据权利要求2所述的方法，其特征在于，所述将所述仿真机器人在仿真环境中的位姿信息和所述仿真环境的属性信息输入至所述运动控制模型中，生成所述机器人的运动指令标签，包括：
7.根据权利要求2所述的方法，其特征在于，所述将所述机器人在训练环境中的位姿信息和所述深度图像输入至所述运动控制模型中，生成所述机器人的运动指令样本，包括：
8.根据权利要求2所述的方法，...
【专利技术属性】
技术研发人员：马汉新，闫瑞霞，赵玄德，
申请(专利权)人：北京小米机器人技术有限公司，
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。