明本申请的运动控制方法的原理），那么，可以选取通常在家庭承担洗衣工作较多的女性个 体作为样本个体，并且仅采集个体在洗衣服时的数据。
[0045] 具体的，结合图1，在女性个体上设置传感器，个体11上安装传感器16,个体12上 安装传感器17,个体13上安装传感器18。由于洗衣服主要是胳膊施力，所以可以将这些传 感器设置在胳膊上。洗衣动作的参数可以包括：胳膊在洗衣时施加的力度、胳膊在搓衣服时 的摆动幅度等等，可以设置对应采集这些参数的各种传感器。此外，为了不对测试人的生活 造成不便，可以仅在洗衣服时才安装并启动这些传感器。
[0046] 本实施例中，传感器采集的数据可以称为运动信息，即与洗衣服这个运动相关的 一些信息；该运动信息采集后可以传递至服务器14,传递方式不做限制，可以通过网络传 输信息。在服务器14侧，将接收到很多的运动信息，这些信息分别对应不同的样本个体，t匕 如图1中所示的三个人，每个人都可以传递一条对应该测试人所集的洗衣服的运动信息。 如下表1示例了可选的信息记录方式：
[0047] 表1传感器采集的运动信息
[0048]
[0049]
[0050] 需要说明的是，表1中只是示例一些可选的信息，实际实施中可以根据实际情况 进行变更。参见表1所示，Y1、Y2和Y3例如是分别对应于图1中所示的三个测试人体11、 12和13。采集时间可以是测试人在洗衣服时启动传感器，传感器的启动时间，表示在该时 间开始洗衣服；可选的，该采集时间也可以是一个时间段，例如Υ1对应的8:29~9:01，其 中的9:01是洗衣服结束的时间。其中的速度信息表示测试人在洗衣服时胳膊的摆动速度， 环境信息可以是传感器采集的周围空气的湿度，通常情况下，洗衣服的环境中空气湿度会 相对较高。本实施例中，例如，Υ1可以称为一个样本个体，那么上述表1中对应该Υ1的（Υ1、 8:29、N1、V1、B1和S1)的参数组合可以称为对应Υ1的一个运动信息。
[0051] 服务器14在获取到传感器采集的上述多个运动信息后，将根据这些运动信息得 到用于优化运动信息对应运动的目标运动信息，例如，上述的例子中，采集了很多测试样本 的洗衣服的运动参数，那么到底怎样洗衣服才能把衣服洗的更干净，比如胳膊需要摆动的 幅度多大，胳膊摆动的速度多少等等，通过研究采集的数据总结出怎样运动才更合适。具体 处理中，服务器可以根据多个人体运动信息（由于运动信息是采集的人体的，因此本实施 例称为人体运动信息）的共性特征，得到对应共性特征的目标人体运动信息，该目标人体 运动信息就是所要寻找的能够让洗衣服动作更优的参数。
[0052] 仍以表1为例来举例：假设样本个体选择了 10个人，表1中实际上获取到了 10份 运动信息，其中，每个人都有自己在洗衣服时的运动参数（例如速度、幅度），但是服务器经 过统计后发现，这10个人中有7个人洗衣服时的胳膊摆动幅度在左右，摆动速度在 Vni左 右，力度在N"，那么这些参数（B"，Vni，NJ就可以称为是共性特征，也就是大多数人都是这么 做的，该就可以作为目标运动信息。
[0053] 如上所述的，描述了从10个人的样本数据中选择7个人数据的一种选择方式，这 种寻找共性特征的方式也可以理解为，按照预设的数据筛选算法，从运动信息中去掉不可 信数据；根据运动信息中的不可信数据之外的可信数据，分析得到所述目标运动信息。比 如，在这10个人对应的数据中，洗衣服的摆动速度分别是vl、v2、v3、v4.........vlO,其中，v2 至v8的速度数值（假设是相同的速度单位）假设都在15左右，有的是14、有的是16、有的 是15,而vl的数值是6, v9的数值是25, vlO的数值是10,那么经过统计，目的是寻找符合 大多数人的运动规律的，则可以将vl、v9和vlO的数值去除，认为这些是不可信数据，相当 于异常数据，只保留v2至v8的速度数值，认为是可信数据。并且根据v2至v8的速度数值 得到目标速度数值，比如可以设定为15,或者设定为14-16的范围段。而预设的数据筛选算 法具体采用何种算法本实施例不做限制，只要能实现上述原理的数据筛选功能即可。
[0054] 可选的，实际测试中，每个人的数据可能不尽相同，并不能找到完全一样的多个数 据，此时服务器可以根据某种算法，找到大多数的数据是在什么样的范围，进而推导出一个 共性数据范围或者该范围内的某个点数值也可以。总之所要得到的目标运动信息是大多数 的测试样本所使用的参数，另外由上述可以看到，尽管在前述的描述中将（Y1、8:29、N1、V1、 B1和S1)的参数组合作为一个运动信息，但是要得到的目标运动信息可以是其中的部分参 数（B"，NJ，能用于指导机器人运动即可。
[0055] 服务器14在得到目标运动信息后，将该信息发送至人工智能设备例如机器人，机 器人就可以根据该信息执行洗衣服的动作，比如按照（B"， Vni，NJ进行机器人胳膊的摆动和 施力。由于服务器传递给机器人的目标运动信息，是根据测试人体的实际运动信息统计得 到的，是大多数人都执行的动作对应的参数，因此机器人依据该参数执行的动作能够取得 比较好的效果；并且本实施例采集的运动信息不是个别样本个体的数据，而是很多的样本 个体对应的运动信息的大数据，能够统计得到较好的运动参数。
[0056] 此外，这种方式的机器人动作优化，由于是直接获取多数样本的共性数据，能够使 得机器人运动优化的速度提高，相比于传统的孤立调试，使得较优数据的获得效率比较快； 并且，该方式中是由服务器自动采集获取样本数据，并在统计得到目标运动信息后传输至 机器人，相比于传统的对机器人程序的不断修改和调试，使得机器人优化的方式更加方便 和快捷，比如从机器人的使用者的角度来看，其不再需要自己调试和修改机器人参数，而是 由机器人自己从服务器获取目标运动信息，该信息是服务器负责采集和处理得到，不需要 使用者参与，总之，本实施例的运动控制方法不仅提高了机器人的优化速度，而且由于比较 符合样本个体的实际运动情况，优化效果将更好。
[0057] 从机器人15的角度来看，服务器处理得到的目标运动信息可以是存储在机器人 15的存储模块中；当机器人15与服务器14之间暂时不通过网络连接时，机器人可以将存 储模块中存储的上次获取的最新目标运动信息作为动作执行的依据，或者，机器人也可以 与服务器通过网络连接，从服务器获取最新的目标运动信息后再执行对应的动作。
[0058] 举例如下：使用者可能不希望自己的机器人一直通过网络连接服务器，那么使用 者可以在1号的早上8:00,启动机器人的数据获取功能，使得机器人连网从服务器下载最 新的目标运动信息，根据该信息执行洗衣服的动作。如果使用者感觉根据本次下载的信息 机器人运动的效果比较好，可以一直使用该信息；或者，当使用者感觉机器人运动不好，衣 服洗不干净，想要进一步提高其运动效果时，可以再次启动机器人的数据获取功能，使得机 器人连网从服务器下载更新的目标运动信息；又或者，使用者也可以控制机器人定期从服 务器获取信息。当然可选的，服务器也可以定期的按照预设时间向机器人推送其更新的目 标运动信息，比如每隔一天进行推送。
[0059] 如上所述的，服务器侧的数据采集和处理，并不是仅进行一次，数据的接收可以是 一直进行的，或者定期进行的，以使得目标运动信息不断更新。具体的，比如，服务器可以设 置一个时间间隔，在预设的时间间隔到达时执行目标运动信息的计算，例如可以设定在每 天的22 :00根据采集的样本个体的运动信息，计算目标运动信息。又比如，服务器也可以在 多个运动信息更新完成时执行目标运动信息的计算，例如设定的样本个体是10个，那么这 10个样本个体的采集运动信息是不断更新的，可能每天都会有更新，服务器在接收一次数 据后，可以等到所有的10个样本个体的数据都再次更新完成时，执行上述处理。当然也可 以是其他的设定方式，不再举例。
[0060] 应用二：在上述的应用一的例子中，是以某个特定的目标应用场景为例，比如该目 标应用场景是洗衣服；得到与洗衣服场景对应的目标运动信息，用于优化机器人的洗衣服 运动。本实施例的应用二中，也可以不区分场景，比如将某个人作为样本个体之一时，可以 采集这个人一天中的各种运动，例如洗衣服、做饭、跑步、跳舞等等，一直采集该测试人的动 作；对应的，机器人接收到得目标运动信息也包括很多场景下的信息，比如洗衣服的数据、 做饭的数据等，那么该机器人就可以是能够执行很多运动任务的机器人。
[0061] 具体描述如