机器人描述数据的处理方法及装置

技术领域

本公开涉及计算机技术领域，特别涉及机器人描述数据的处理方法及装置、计算机可读存储介质。

背景技术

modelica语言是一种用于对信息物理系统进行建模的语言，提供了面向对象的结构，便于模型的重用，并且可以方便地用于对包含机械、电气、电子、磁性、液压、热、控制、电力或面向过程的子组件的复杂系统进行建模。在多领域联合建模仿真等方面有鲜明的优势。

在机械产品的开发过程中，往往会涉及到可运动的实体部件，这就需要研究其运动学和动力学特性，往往这部分模型会通过三维建模软件进行构造。然后，将三维可视化部分转化为通用模型格式，将质量、惯量等物理属性以及零部件的装配组合关系，导出为机器人描述格式的数据。

在开发过程的不同环节，需要不同的开发方式，例如，在不同环节，分别要用到机器人描述格式和modelica仿真软件，在仿真时，机器人描述格式的数据常常需要与modelica语言结合进行联合仿真。

发明内容

根据本公开的第一方面，提供了一种机器人描述数据的处理方法，包括：

根据机器人描述数据，生成第一结构的数据，其中，第一结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系；

根据modelica的模型库，生成第二结构的数据，其中，第二结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系；

根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据；

根据更新后的第二结构的数据，生成modelica模型文件。

在一些实施例中，根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据，包括：

根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系，补充与第一结构的数据相比第二结构的数据中缺少的属性。

在一些实施例中，根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系，补充与第一结构的数据相比第二结构的数据中缺少的属性，包括：

对于第一结构的数据中的多个属性的至少一个，在第二结构的数据中不存在对应的属性的情况下，根据第一结构的数据，在第二结构的数据中增加对应的属性。

在一些实施例中，根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据，包括：

用第一结构的数据中的属性的值替换第二结构的数据中对应的属性的值。

在一些实施例中，在第一结构的数据与第二结构的数据中，物理意义相同的属性相互对应。

在一些实施例中，根据更新后的第二结构的数据，生成modelica模型文件，包括：

根据更新后的第二结构的数据，确定部件的多个属性之间的拓扑关系，其中，多个属性之间的拓扑关系包括多个属性之间的层级关系；

将部件的多个属性之间的拓扑关系和更新后的第二结构的数据中的多个属性的值，写入modelica模型文件。

在一些实施例中，根据更新后的第二结构的数据，生成modelica模型文件，包括：

根据第一结构的数据和更新后的第二结构的数据，生成modelica模型文件。

在一些实施例中，根据第一结构的数据和更新后的第二结构的数据，生成modelica模型文件，包括：

根据第一结构的数据，确定部件之间的拓扑关系；

将部件之间的拓扑关系写入modelica模型文件。

在一些实施例中，根据机器人描述数据，生成第一结构的数据，包括：

利用第一python解析器，根据机器人描述数据，生成第一结构的数据。

在一些实施例中，根据modelica的模型库，生成第二结构的数据，包括：

利用第二python解析器，根据modelica的模型库，生成第二结构的数据。

在一些实施例中，第一结构的数据和第二结构的数据的至少一项中，多个属性和多个属性的值以键值对形式存储。

在一些实施例中，机器人描述数据为统一机器人描述格式的数据或仿真描述格式的数据。

在一些实施例中，modelica的模型库为modelica的多体模型库，机器人描述数据为多体模型的机器人描述数据。

根据本公开的第二方面，提供了一种机器人描述数据的处理装置，包括：

第一结构数据生成模块，被配置为根据机器人描述数据，生成第一结构的数据，其中，第一结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系；

第二结构数据生成模块，被配置为根据modelica的模型库，生成第二结构的数据，其中，第二结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系；

更新模块，被配置为根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据；

模型文件生成模块，被配置为根据更新后的第二结构的数据，生成modelica模型文件。

根据本公开的第三方面，提供了一种机器人描述数据的处理装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行根据本公开任一实施例所述的机器人描述数据的处理方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时，实现根据本公开任一实施例所述的机器人描述数据的处理方法。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1示出了根据本公开一些实施例的机器人描述数据的处理方法的流程图；

图2示出了根据本公开一些实施例的从机器人描述数据转化成modelica模型的示意图；

图3示出了根据本公开一些实施例的生成modelica模型文件的流程图；

图4示出了根据本公开另一些实施例的生成modelica模型文件的流程图；

图5示出了根据本公开一些实施例的机器人描述数据的处理装置的框图；

图6示出了根据本公开另一些实施例的机器人描述数据的处理装置的框图；

图7示出了用于实现本公开一些实施例的计算机系统的框图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

目前，机器人描述格式仅支持ROS(Robot Operating System，机器人操作系统)下的解析和后续处理计算，与modelica的数据和模型不匹配，二者之间难以转换。因此，modelica和机器人描述格式难以联合进行仿真，不能满足开发需求。

modelica官方库中包含了多体建模模块，相关技术中，机器人描述格式不能直接用于与modelica联合仿真，因此，如果要将机器人描述格式的数据modelica，就需要重新搭建仿真模型，通过拖拽方法或编程方法进行建模。拖拽式或编程式建立的modelica模型，层次不清晰，参数繁多，修改不直观，搭建困难。需要重复开发，效率低下。

为了解决上述问题，本公开提供了一种机器人描述数据的处理方法，实现了将机器人描述数据转化为modelica模型。

图1示出根据本公开一些实施例的机器人描述数据的处理方法的流程图。

如图1所示，机器人描述数据的处理方法包括步骤S1-步骤S4。在一些实施例中，步骤S1-步骤S4由机器人描述数据的处理装置执行。

在步骤S1中，根据机器人描述数据，生成第一结构的数据，其中，第一结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系。

其中，机器人描述数据是机器人描述格式的数据。本领域技术人员应当清楚，机器人描述数据并不限于对机器人模型的描述数据，可以是以机器人描述格式，对串联或并联的机械结构的模型进行描述的数据，本公开对此不作限制。

在第一结构的数据中，包括上述模型的一个或多个部件。其中，部件(例如，杆件)可以是机器人的部件，也可以是其他机械结构的部件。每个部件有多个属性，用层级关系表明属性间的依赖关系。例如，杆件1的质量属性与杆件1的惯量属性同级。

机器人描述数据为URDF(Unified Robot Description Format，统一机器人描述格式)的数据或SDF(仿真描述格式，Simulation Description Format)的数据。

URDF是一种特殊的XML(eXtensible Markup Language，可扩展标记语言)格式，是用来在ROS系统中描述一个机械及其组成、关节、属性的文件格式。由于URDF格式描述的模型，层次清晰，数据传递方便，可与专业的运动学、动力学计算工具结合，因此URDF描述格式在多体建模方面应用广泛。

在一些实施例中，第一结构的数据中，部件的多个属性和多个属性的值以键值对形式存储。

以URDF语言为例，对URDF数据的解析结果，按照第一(数据)结构，按层次化的键值对形式存放，其中，键为URDF中的属性名，值为属性值。

例如，第一结构的层次化数据具有以下形式。

上述第一结构的数据以键值对的形式体现了属性间的层次化结构，例如，mass(质量)是inertial(惯性)的下一级属性。

这些属性间的层次化的结构是依据物理学公式运动与力的关系给出的。如果要计算一个自由运动的物体的力，需要给出物体的惯性，进一步还可以给出下一级的属性，惯性相关的下级属性包含质量和质心位置。

在一些实施例中，利用第一python解析器，根据机器人描述数据，生成第一结构的数据。

例如，使用python的URDF模型解析器，将URDF数据加载到第一结构的层次化数据中，第一结构的层次化数据符合python的格式。

在步骤S2中，根据modelica的模型库，生成第二结构的数据，其中，第二结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系。

其中，层级关系表明属性间的依赖关系。modelica中有通用的多体模型库。多体模型库的结构包括两方面，一方面是modelica中多体组件所处的层级，另一方面是modelica中多体组件文件的内容属性。

在一些实施例中，第一结构的数据中，多个属性和多个属性的值以键值对形式存储。

例如，第一结构和第二结构的数据结构是相同的，同样为层次化的键值对形式。最顶层的键和值分别保存modelica多体组件的名称和其层级，底层的键值对保存modelica多体组件文件的内容属性名称和默认值。

例如，第二结构的层次化数据具有以下形式。

/>

在上述数据中，公式部分存储了属性间的拓扑关系，例如，属性C和属性D对应。部件和关节区存储了属性名、属性值和属性间的层级关系，例如，属性2是属性1的下一级属性。本公开提出了层次化的键值对型数据结构，使得转化后的第一结构数据和第二结构的数据中，以键值对形式，清晰地体现不同物理量间的归属关系和不同部件间的拓扑结构。

在一些实施例中，根据modelica的模型库，生成第二结构的数据，包括：利用第二python解析器，根据modelica的模型库，生成第二结构的数据。

例如，利用python，迭代读取模型库的文件夹和文件。

通过遵循modelica和机器人描述语言的语言规范和解析规则，将二者都转化为中间语言python。第一结构和第二结构的层次化数据都符合python的格式并保留了属性间的层级关系，以python为中间桥梁，实现从机器人描述语言到modelica的映射。

在步骤S3中，根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据。

例如，第一结构的数据是类的实例化，其针对的是确定的机械结构中的部件和关节等。第二结构的数据是modelica模型库中未实例化的类，仅表明了类之间的层次化关系。因此，第二结构的数据是不完整的，需要根据第一结构的数据进行更新。

在一些实施例中，在第一结构的数据与第二结构的数据中，物理意义相同的属性相互对应。

例如，如果第一结构的数据中的属性A1与第二结构的数据中的属性B1都属于杆件1，且A1和B1都表示质量，则A1与B1对应。

在一些实施例中，根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系，补充与第一结构的数据相比第二结构的数据中缺少的属性。

例如，对于第一结构的数据中的属性A1，如果第二结构的数据中不存在对应的属性B1，那么根据A1，在第二结构的数据中进行键值对创建，生成对应的B1，完成条目的扩充，实现从第一结构的数据到第二结构的数据的映射，从而实现从机器人描述语言到modelica模型的转化。

在一些实施例中，补充与第一结构的数据相比，第二结构的数据中缺少的属性，包括：对于第一结构的数据中的多个属性的至少一个，在第二结构的数据中不存在对应的属性的情况下，根据第一结构的数据，在第二结构的数据中增加对应的属性。

例如，对于第一结构的数据中的属性A，有A的下级属性A1，A2，A3……，而第二结构的数据中的属性B没有下级属性，并且属性A和B相对应，则根据A的下级属性和属性值，补充B的下级属性B1，B2，B3……使之与A1，A2，A3……对应，从而补充modelica对应的第二结构的数据缺少的属性信息，使得最终形成的modelica模型文件更加完整。

以第一结构数据中的link(杆件)和第二数据中的part(部件)为例，如果这一组link和part，包括相同name(名称)，即，“link(杆件).A”和“part(部件).B”对应同一部件，那么这时link和part相对应。在第一结构的数据中搜索该link的属性和属性的值，将link下的属性和属性的值，拷贝到第二结构的数据中对应的part的属性和属性的值处。对第一结构数据中的joint(关节)和第二结构数据中的joint执行类似的操作。经过上述操作，得到第一结构和第二结构数据之间的对应规则(映射关系)如下：

link.A->part.A；

杆件.....

在以上数据中，第一结构的数据中的ixx对应第二结构的数据中的I11。

在一些实施例中，根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系，以及第一结构的数据，更新第二结构的数据，包括：用第一结构的数据中的属性的值替换第二结构的数据中对应的属性的值。

例如，基于第一结构的数据与第二结构的数据中的多个属性之间的对应关系，在第一结构的数据中依次取出键值对中的值，用于替换第二结构的数据中的默认值，从而将第一结构的数据中不同层次的属性的值映射到第二结构的数据对应的属性处，实现从机器人描述语言到modelica模型的转化。

以第一结构的数据中，属性A1的值为a为例，在未更新的第二结构的数据中，有属性B1对应，B1只有默认值b，那么在modelica的第二结构的数据中，用a替换默认值b。通过遍历第一结构的数据中的每一个键，将值写入第二结构的数据的对应属性值中。

在步骤S4中，根据更新后的第二结构的数据，生成modelica模型文件。

例如，第二结构的数据包含了部件之间的关系、多个属性之间的层级关系、多个属性的值，将这些关系和值，按照modelica语法规则，写入modelica模型文件中，完成变量区和公式区的组合。另外，对可视化文件路径进行改写，按照文件路径，拷贝三维模型的可视化文件，形成modelica模型和可视化模型文件夹。

图2示出了根据本公开一些实施例的从机器人描述数据转化成modelica模型的示意图。

如图2所示，根据机器人描述数据，生成层次化的第一结构的数据；根据modelica的模型库，生成层次化的第二结构的数据；根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据；根据更新后的第二结构的数据，生成modelica模型文件。

本公开提出了层次化的数据结构，将机器人描述数据和modelica的模型库都转化为层次化的数据结构，由于第一结构和第二结构的数据都是层次化的，所以能够完整保留模型中属性间的归属关系。虽然机器人描述数据和modelica存储的内容不同，但是，以层次化的数据结构作为桥梁，使得机器人描述数据和modelica的模型之间的逻辑关系和数据关联更加清晰，更容易和准确地将第一结构的数据映射到第二结构的数据中，以更新第二结构的数据。

根据第二结构的数据创建的modelica模型文件，更加完整且层次清晰，不会损失机器人描述数据中的信息，包含属性间的层级关系。本公开打破了ROS和modelica语言之间的数据和模型壁垒，实现了从机器人描述数据到modelica模型的转换，避免了重复开发，提高了建模效率。

此外，与拖拽式生成的modelica文件相比，根据本公开的一些实施例生成的modelica模型文件包括了清晰的层级关系，更加规范，既便于开发人员的阅读，也更易于集成其他领域的模型和算法，促进相关控制和优化算法的开发与验证。

在一些实施例中，modelica的模型库为modelica的多体模型库，机器人描述数据为多体模型的机器人描述数据。

多体系统的核心是一组通过关节链接并受运动约束(例如齿轮)约束的实体。本公开利用层级化的第一结构和第二结构数据之间的对应关系，将机器人描述数据对应的第一结构数据中的属性值和属性间的层级关系，更新到modelica对应的第二结构的数据中，生成的modelica文件有完整层级信息，能够满足多体动力学的模型的需要，能够针对性地应用于多体建模系统，实现从多体结构的机器人描述数据到modelica模型的转换，解决了产品开发仿真过程中，多体模型的URDF描述与modelica语言不兼容的问题。

图3示出了根据本公开一些实施例的生成modelica模型文件的流程图。

如图3所示，生成modelica模型文件包括步骤S401-步骤S402。

在步骤S401中，根据更新后的第二结构的数据，确定部件的多个属性之间的拓扑关系。

在步骤S402中，将部件的多个属性之间的拓扑关系和更新后的第二结构的数据中的多个属性的值，写入modelica模型文件。

其中，多个属性之间的拓扑关系包括多个属性之间的层级关系。但是，属性之间的拓扑关系除了包括层级关系外，还包括其他关系。例如，其他关系是对应关系：属性C和属性D对应同一旋转变换。

第二结构的数据中的part部分和joint部分存储了属性名、属性值和属性间的层级信息，第二结构的数据的equation部分存储了属性之间除层级外的其他拓扑关系，将第二结构的数据中的equation的内容写入modelica模型文件的公式区，将part部分和joint部分写入modelica模型文件的变量区。

在将公式区和变量区都写入完成后，modelica文件包括了属性间和部件间的拓扑关系，第二结构的part部分和joint部分的每一条目均可形成完整的模型文件，part部分和joint部分的每一条目表示对应的子模型内容。

写入多个属性、多个属性的值，以及属性间的拓扑关系后的modelica文件更加完整，能够避免信息损失。

在一些实施例中，根据更新后的第二结构的数据，生成modelica模型文件，包括：根据第一结构的数据和更新后的第二结构的数据，生成modelica模型文件。

例如，第一结构的数据中包含了多个部件间的关系，除了更新后的第二结构的数据外，还根据第一结构的数据中多个部件间的关系，生成modelica模型文件。

图4示出了根据本公开另一些实施例的生成modelica模型文件的流程图。

如图4所示，生成modelica模型文件包括步骤S411-步骤S412。

在步骤S411中，根据第一结构的数据，确定部件之间的拓扑关系。

在步骤S412中，将部件之间的拓扑关系，写入modelica模型文件。

其中，部件之间的拓扑关系是机械结构的实际物理部件的虚拟化之间的关系，例如，杆件1通过关节1连接杆件2，拓扑关系为杆件1的接口连接关节1的接口1，关节1的接口2连接杆件2的接口。

生成部件间的拓扑关系的方法是，检索第一结构的数据中的“关节.父(parent)”或“关节.子(child)”的值，在“关节.父(parent)”的值后加“字符串.支架(frame)_b”，在“关节.子(child)”的值后加字符串“.支架(frame)_a”，得到以modelica文件格式表示的杆件_1和杆件_2之间的拓扑关系如下。

'公式':['杆件_1.支架_b，杆件2.支架_a']。

modelica模型文件的基本结构如下。

模型模型名称

#变量区

公式

#公式区

模型模型名称

以上modelica模型文件中，公式区用于存储拓扑关系和层级关系，将生成的部件间的拓扑关系'公式':['杆件_1.支架_b，杆件2.支架_a']关系写入到模型文件的公式部分。

根据本公开的一些实施例，利用层次化的数据结构将机器人描述数据转化成modelica模型文件，不仅在modelica模型中建立了属性间的层级关系，还在modelica中建立了多体模型的多个部件之间的拓扑关系，能够进一步避免数据损失，更好地满足多体动力学的模型的需要，实现从多体结构的机器人描述数据到modelica模型的转换。

图5示出根据本公开一些实施例的机器人描述数据的处理装置的框图。

如图5所示，机器人描述数据的处理装置5包括第一结构数据生成模块51、第二结构数据生成模块52、更新模块53和模型文件生成模块54。

第一结构数据生成模块51，被配置为根据机器人描述数据，生成第一结构的数据，其中，第一结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系，例如执行如图1所示的步骤S1。

第二结构数据生成模块52，被配置为根据modelica的模型库，生成第二结构的数据，其中，第二结构的数据包括部件的多个属性和多个属性的值，以及多个属性之间的层级关系，例如执行如图1所示的步骤S2。

更新模块53，被配置为根据第一结构的数据与第二结构的数据中的多个属性之间的对应关系、以及第一结构的数据，更新第二结构的数据，例如执行如图1所示的步骤S3。

模型文件生成模块54，被配置为根据更新后的第二结构的数据，生成modelica模型文件，例如执行如图1所示的步骤S4。

图6示出根据本公开另一些实施例的机器人描述数据的处理装置的框图。

如图6所示，机器人描述数据的处理装置6包括存储器61；以及耦接至该存储器61的处理器62，存储器61用于存储执行机器人描述数据的处理方法。处理器62被配置为基于存储在存储器61中的指令，执行本公开中任意一些实施例中的机器人描述数据的处理方法。

根据本公开一些实施例的机器人描述数据的处理装置，将机器人描述数据和modelica的模型库都转化为层次化的数据结构，由于第一结构和第二结构的数据都是层次化的，所以能够完整保留模型中属性间的归属关系，以层次化的数据结构作为桥梁，使得机器人描述数据和modelica的模型之间的逻辑关系和数据关联更加清晰，更容易和准确地将第一结构的数据映射到第二结构的数据中，以更新第二结构的数据，使得modelica模型文件更加完整，不会损失机器人描述数据中的信息，包含属性间的层级关系。本公开打破了ROS和modelica语言之间的数据和模型壁垒，实现了从机器人描述数据到modelica模型的转换，避免了重复开发，提高了建模效率。

图7示出用于实现本公开一些实施例的计算机系统的框图。

如图7所示，计算机系统70可以通用计算设备的形式表现。计算机系统70包括存储器710、处理器720和连接不同系统组件的总线700。

存储器710例如可以包括系统存储器、非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。系统存储器可以包括易失性存储介质，例如随机存取存储器(RAM)和/或高速缓存存储器。非易失性存储介质例如存储有执行本公开中任意一些实施例中的机器人描述数据的处理方法的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。

处理器720可以用通用处理器、数字信号处理器(DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地，诸如判断模块和确定模块的每个模块，可以通过中央处理器(CPU)运行存储器中执行相应步骤的指令来实现，也可以通过执行相应步骤的专用电路来实现。

总线700可以使用多种总线结构中的任意总线结构。例如，总线结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、外围组件互连(PCI)总线。

计算机系统70还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730、740、750以及存储器710和处理器720之间可以通过总线700连接。输入输出接口730可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口。存储接口750为软盘、U盘、SD卡等外部存储设备提供连接接口。

这里，参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个框以及各框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器，以产生一个机器，使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。

这些计算机可读程序指令也可读存储在计算机可读存储器中，这些指令使得计算机以特定方式工作，从而产生一个制造品，包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。

本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

通过上述实施例中的机器人描述数据的处理方法及装置、计算机可读存储介质，实现了将机器人描述数据转化为modelica模型。

至此，已经详细描述了根据本公开的机器人描述数据的处理方法及装置、计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。