[发明专利]一种机器人系统及控制方法

说明书

根据本公开的示例实施例，提供了一种机器人系统及控制方法。该方法包括：计算设备接收用户在所述控制界面上输入的操作命令的序列，将操作命令的所述序列发送给机器人；机器人基于所接收的操作命令的序列控制机器人的运动装置进行运动；所述机器人在运动过程中采集关于前方环境的视频；将关于前方环境的视频发送给计算设备；计算设备接收用户在视频的一帧中标记的追踪对象；将追踪对象的图像发送给机器人；机器人在采集的视频中跟踪所接收的追踪对象，以预测追踪对象的运动轨迹；以及基于运动轨迹，控制运动装置跟随追踪对象。由此，本发明能够实现可控制的机器人运动和跟踪功能。

技术领域

本公开的实施例总体涉及信息处理领域，具体涉及机器人系统及控制方法。

背景技术

随着技术的发展，越来越多行业也开始采用机器人来提供辅助。目前的机器人往往只能实现简单的指令，缺少较为复杂和结合实际环境的功能。

发明内容

本公开的实施例提供了一种机器人系统及控制方法，由此能够实现可控制的机器人运动和跟踪功能。

在本公开的第一方面，提供了一种用于机器人的控制方法，包括：计算设备经由计算设备的触摸屏显示用于机器人的控制界面；计算设备接收用户在控制界面上输入的操作命令的序列，操作命令包括前进、后退、左转、右转中的任一项；计算设备响应于确定接收到用户在控制界面输入的发送指令，将操作命令的序列发送给机器人；计算设备将控制界面切换为第一人视角界面；以及机器人基于所接收的操作命令的序列控制机器人的运动装置进行运动，运动装置包括4个马达和4个轮子；机器人在运动过程中经由机器人的图像采集装置采集关于前方环境的视频；机器人将关于前方环境的视频发送给计算设备；计算设备在第一人视角界面上显示所接收的视频；计算设备接收用户在视频的一帧中标记的追踪对象；计算设备将追踪对象的图像发送给机器人；机器人基于深度神经网络模型在采集的视频中跟踪所接收的追踪对象，以预测追踪对象的运动轨迹，深度神经网络模型包括预训练的特征提取网络和对象定位网络，特征提取网络是通过预先训练的表示特征提取网络的结构搜索空间，W_b表示特征提取网络的权重，表示预训练过程的分类损失函数，特征提取网络和所述对象定位网络通过以下公式来训练：

其中，所生成的权重用于初始化特征提取网络的权重W_b，W_h表示对象定位网络的权重，α_b表示特征提取网络的候选结构，表示特征提取网络的最佳结构，α_h表示对象定位网络的候选结构，表示对象定位网络的最佳结构，表示候选网络在跟踪数据验证集上的准确度，表示特征提取网络的最佳权重，表示对象定位网络的最佳权重，表示训练过程的损失函数，表示对象定位网络的结构搜索空间，表示深度神经网络模型，表示深度神经网络模型的结构搜索空间；以及基于运动轨迹，控制运动装置跟随追踪对象。