具有个体特征的交互式运动控制方法及系统

1.本发明涉及机器人运动控制领域，尤其涉及一种具有个体特征的交互式运动控制方法及系统。


背景技术：

2.人际协调是个体同他人之间进行合作的天然桥梁，他源自于一组动态且复杂的具体化过程，涉及到适应性的非语言行为，感情，动作和情绪等。在对于人类的人际互动的研究中发现，不同个体在运动协调水平方面存在着不同程度的差异，且运动特征相近的个体之间的协调水平更高，所以我们希望设计出一个能与人类进行互动的虚拟机器人，引导参与者运动并尝试提高个体参与者的运动协调水平。。
3.在现实生活中，新的行为一般是在更为专业的伴侣的帮助下产生的，例如在进行交际舞或大合唱这类联合行动中产生了新的个人协调模式。以往的研究中尝试用手指有节奏的伸缩运动来探索参与者学习新的稳定协同模式的情况。手指伸缩的常见稳定模式是两个手指的同相或者反向，参与者学习的稳定相位一般介于同相0度和和反向180度之间。在经过扰动后，若能依旧进行所学协调模式，则学习效果好。
4.以往的一系列研究表明，个体之间的感觉运动同步可能在成功的社会互动中起着至关重要的作用，自发同步和诱导同步已经被证明对社会互动的质量有着强大的影响。较高的运动协调水平意味着更好的运动交互效果。人类个体与机器人之间进行运动交互的镜像游戏已经作为一个典型的范例被多个研究小组所采用，这些研究均表明，拥有相似个人运动特征的运动双方表现出了更大的同步性。我们选择人类动态钳作为镜像游戏中机器人运动的运动控制模型，通过选择不同的控制输入项，可以让机器人有着不同的功能，在同步运动的基础上，我们希望通过在控制输入中引入意图耦合项来让机器人充当一个虚拟教师的角色，使其能够在交互运动过程中教授参与者新的运动模式，逐步将参与者的运动模式引导高协同水平的运动模式下。至此，这也为提高个体运动协同水平提供了新的思路，我们需要设计一个机器人，即虚拟玩家，通过给定确定的意图耦合项，让其成为虚拟教师的角色，引导参与者习得新的运动模式。同时，我们可以赋予虚拟教师个人运动特征，使其运动更贴近与人类，从而更好地引导人类进行运动协同和学习。
5.现有技术没有考虑到个人运动特征对于运动协同的影响，导致虚拟玩家的行为不够逼真，使得协同运动的效果达不到实验预期，与此同时现有技术主要考虑的是单纯的运动协同模仿运动，局限于模仿参与者单一的运动模式，对于激发参与者运动兴趣，产生多样的运动模式方面存在不足。
6.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

7.为解决上述技术问题，本发明提供一种具有个体特征的交互式运动控制方法，包
括：
8.s1：获取个人运动特征，设计意图耦合项，通过所述个人运动特征和所述意图耦合项构建虚拟教师运动框架；
9.s2：所述虚拟教师运动框架实时获取用户的运动轨迹，通过所述用户的运动轨迹控制机器人进行跟随运动。
10.优选的：
11.所述意图耦合项c
int
的表达式为：
[0012][0013]
其中，c(t)为个人运动特征的指数函数，t为采样时间，φ表示用户所做运动与机器人所做运动的相位差，为用户的运动速度，x
hp
为用户的位置，为机器人的运动速度。
[0014]
优选的，步骤s2具体为：
[0015]
s21：所述虚拟教师运动框架获取用户的位置和机器人的加速度；
[0016]
s22：通过所述用户的位置计算获得用户的运动速度和用户的加速度，通过所述机器人的加速度计算获得机器人的位置和机器人的运动速度；
[0017]
s23：所述虚拟教师运动框架通过所述用户的运动速度、所述用户的加速度、所述机器人的位置和所述机器人的运动速度控制机器人进行跟随运动，通过边界条件对机器人的运动进行调节。
[0018]
优选的，步骤s22中，所述用户的运动速度和所述用户的加速度的计算公式为：
[0019][0020][0021]
其中，k为采样编号，为第k次采样的用户的运动速度，为第k-1次采样的用户的运动速度，为为第k次采样的用户的加速度，x
hp
(k)为第k次采样的用户的位置，x
hp
(k-1)为第k-1次采样的用户的位置，t为采样时间。
[0022]
优选的，步骤s22中，所述机器人的位置和所述机器人的运动速度的计算公式为：
[0023][0024][0025]
其中，k为采样编号，为第k次采样的机器人的运动速度，为第k-1次采样的机器人的运动速度，x
vp
(k)为第k次采样的机器人的位置，x
vp
(k-1)为第k-1次采样的机器人的位置，为第k-1次采样的机器人的加速度，t为采样时间。
[0026]
优选的，步骤s23中，所述虚拟教师运动框架控制机器人运动的表达式为：
[0027]
[0028][0029]
其中，为机器人的加速度；为机器人的运动速度；α，β，γ均为运动控制参数，ω为运动的本征频率；c
int
为意图耦合项；ν为预先记录的个人速度时间序列；c(t)为转换时间函数；t0为转换时间；t1为过渡结束时间；τ为时间常数。
[0030]
优选的，步骤s23中，所述边界条件的表达式为：
[0031][0032][0033]
其中，k为采样编号，为第k-1次采样的机器人的加速度，为第k次采样的机器人的加速度，x
vp
为机器人的位置，ε是控制触发条件，l(1)＝-1,l(2)＝1为机器人运动的边界条件。
[0034]
一种具有个体特征的交互式运动控制系统，包括：
[0035]
框架构建模块，用于获取个人运动特征，设计意图耦合项，通过所述个人运动特征和所述意图耦合项构建虚拟教师运动框架；
[0036]
运动控制模块，用于所述虚拟教师运动框架实时获取用户的运动轨迹，通过所述用户的运动轨迹控制机器人进行跟随运动。
[0037]
本发明具有以下有益效果：
[0038]
1、本发明能够根据不同的参与者来选择不同的个人运动特征来控制虚拟教师的教学过程，使得对于不同的参与者的学习更具针对性，从而提高运动学习的效果；
[0039]
2、此外可以通过改变意图耦合项实现教导不同的运动模式，实现多种教学模型的引入，相比于真人教师，虚拟教师可以做到实现个性化学习过程的同时，有着较低的教学成本。
附图说明
[0040]
图1为本发明实施例方法流程图；
[0041]
图2为用户与机器人所做的简谐运动示意图；
[0042]
图3为用户与机器人运动的位置时间序列和速度时间序列；
[0043]
图4为rmse(位置同步误差)值的统计分析结果；
[0044]
图5为cv(相位稳定)值的统计分析结果；
[0045]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0046]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0047]
参照图1，本发明提供一种具有个体特征的交互式运动控制方法，包括：
[0048]
s1：获取个人运动特征，设计意图耦合项，通过所述个人运动特征和所述意图耦合项构建虚拟教师运动框架；
[0049]
具体的，个人运动特征的获取方式为：一名用户独自用鼠标进行一维的简谐运动，并记录其运动的位置时间序列，处理得到该用户的速度时间序列从而得出该用户速度概率分布图，用其速度概率分布图来描述其个人运动特征，以往的研究证明，每个人的个人运动特征是保持不变的；
[0050]
s2：所述虚拟教师运动框架实时获取用户的运动轨迹，通过所述用户的运动轨迹控制机器人进行跟随运动；
[0051]
具体的，机器人的运动控制系统使用结合了瑞利振荡器和范德波尔振荡器的haken-kelso-bunz(hkb)振荡器,它拥有稳定的极限环，同时随着运动速度的增大，运动的振幅会减小，符合人类躯干周期震荡的运动特点。
[0052]
本实施例中：
[0053]
所述意图耦合项c
int
的表达式为：
[0054][0055]
其中，c(t)为个人运动特征的指数函数，t为采样时间，φ表示用户所做运动与机器人所做运动的相位差，为用户的运动速度，x
hp
为用户的位置，为机器人的运动速度。
[0056]
本实施例中，步骤s2具体为：
[0057]
s21：所述虚拟教师运动框架获取用户的位置和机器人的加速度；
[0058]
s22：通过所述用户的位置计算获得用户的运动速度和用户的加速度，通过所述机器人的加速度计算获得机器人的位置和机器人的运动速度；
[0059]
s23：所述虚拟教师运动框架通过所述用户的运动速度、所述用户的加速度、所述机器人的位置和所述机器人的运动速度控制机器人进行跟随运动，通过边界条件对机器人的运动进行调节；
[0060]
具体的，通过虚拟教师运动框架对于机器人的控制，可使得用户与机器人所做的简谐运动始终保持设定的相位差，运动形式如图2所示，hp为用户的位置，vp为机器人的位置；用户与机器人运动的位置时间序列和速度时间序列如图3所示。
[0061]
本实施例中，步骤s22中，所述用户的运动速度和所述用户的加速度的计算公式为：
[0062][0063][0064]
其中，k为采样编号，为第k次采样的用户的运动速度，为第k-1次采样的用户的运动速度，为为第k次采样的用户的加速度，x
hp
(k)为第k次采样的用户的位置，x
hp
(k-1)为第k-1次采样的用户的位置，t为采样时间。
[0065]
本实施例中，步骤s22中，所述机器人的位置和所述机器人的运动速度的计算公式
为：
[0066][0067][0068]
其中，k为采样编号，为第k次采样的机器人的运动速度，为第k-1次采样的机器人的运动速度，x
vp
(k)为第k次采样的机器人的位置，x
vp
(k-1)为第k-1次采样的机器人的位置，为第k-1次采样的机器人的加速度，t为采样时间。
[0069]
本实施例中，步骤s23中，所述虚拟教师运动框架控制机器人运动的表达式为：
[0070][0071][0072]
其中，为机器人的加速度；为机器人的运动速度；α，β，γ均为运动控制参数，ω为运动的本征频率；c
int
为意图耦合项，用于维持特定的运动协调模式；ν为预先记录的个人速度时间序列，用于表示个人运动特征；c(t)为转换时间函数，用于过于学习过程和后续的自主运动过程；t0为转换时间，优选的设置为30s；t1为过渡结束时间；τ为时间常数。
[0073]
本实施例中，步骤s23中，所述边界条件的表达式为：
[0074][0075][0076]
其中，k为采样编号，为第k-1次采样的机器人的加速度，为第k次采样的机器人的加速度，x
vp
为机器人的位置，ε是控制触发条件，l(1)＝-1,l(2)＝1为机器人运动的边界条件；当机器人运动位置靠近或者超过两个边界时，机器人内部运动规划模块会及时更新，使其向反方向运动。
[0077]
用户在经历了与机器人长期的运动交互之后，会学习到感知并模仿他人行为的能力，即社交能力，为了验证这一点，本发明设计了一系列性能指标来衡量用户的社交能力改善情况。
[0078][0079]
其中，x
1,j
是机器人在第j次采样时的位置；x
2,j
是第j次采样用户所处的位置；n为实验中的采样总数；rmse(位置同步误差)用于描述运动双方的位置同步性，rmse值越低，代表运动位置同步的效果越好；四种不同的个人运动特征下的机器人在训练阶段和展示阶段的rmse如图4所示。
[0080][0081]
其中，δφi是参与者和机器人的运动轨迹在第i个采样点时的相位差；||
·
||是求取整个采样平均值的二范数；cv(相位稳定)衡量了二者运动轨迹的相位稳定情况，cv值越高，代表运动的相位维持地越稳定；四种不同的个人运动特征下的机器人在训练阶段和展示阶段的cv如图5所示。
[0082]
本发明提供一种具有个体特征的交互式运动控制系统，包括：
[0083]
框架构建模块，用于获取个人运动特征，设计意图耦合项，通过所述个人运动特征和所述意图耦合项构建虚拟教师运动框架；
[0084]
运动控制模块，用于所述虚拟教师运动框架实时获取用户的运动轨迹，通过所述用户的运动轨迹控制机器人进行跟随运动。
[0085]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0086]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。
[0087]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。