基于光惯融合全身动作捕捉的机器人强化学习模型构建方法

本申请涉及动作捕捉数据处理的技术领域，公开基于光惯融合全身动作捕捉的机器人强化学习模型构建方法，包括：对目标人体的多个关键参数进行测量和记录；对佩戴在目标人体上的所有惯性传感器进行初次校准和记录，同时对布置在周围的所有相机进行标定；在目标人体执行指定动作的过程中，同步采集获取目标人体的动作采样数据；动作采样数据包括惯性传感器对应的运动数据和相机对应的相机图像数据；对运动数据和相机图像数据进行处理后进行融合与优化，得到优化后的关节姿态四元数据和人体动作序列数据；将人体动作序列数据输入人形机器人的强化学习模型中，配置预设奖励函数进行强化学习训练，能够提高机器人的学习效率和动作执行的准确性。