CN113227964A - 用于机器人过程自动化设计的基于上下文的建议 - Google Patents

Abstract

用于向机器人软件过程的设计添加过程动作的系统和方法。上下文识别模块识别正在被设计的过程的当前状态，并将关于这个当前状态的信息传递给建议模块。建议模块评估当前状态，并响应于这个当前状态来标识至少一个合适的过程动作来建议。建议模块然后向人类设计者建议至少一个过程动作。如果设计者接受建议，设计模块将过程动作添加到过程设计。当标识合适的过程动作时，建议模块还可以使用关于过程中和其他过程中的先前动作的信息。上下文识别模块和建议模块可以各自包括至少一个机器学习模块，该至少一个机器学习模块可以是或可以不是基于神经网络的。

Description

用于机器人过程自动化设计的基于上下文的建议

技术领域

本发明涉及机器人过程自动化。更具体地，本发明涉及简化机器人过程自动化的设计。

背景技术

使用机器人过程自动化(或“RPA”)来自动化日常业务任务正迅速变得越来越普遍。软件“机器人”(为一个过程配置的软件模块)可以操纵数据、生成电子邮件响应、并执行许多其他任务。许多这样的任务(例如，将大量数据从一个系统复制并粘贴到另一系统)对人类来说是乏味的，并且通常容易出错。使用RPA机器人(也称为“机器人程序(bots)”或“机器人代理”)允许人类操作员和监督员将他们的精力集中在更关键的任务上。

然而，软件机器人仍然是由人类设计的。设计这些可能是困难且耗时的任务，因为设计者需要精确地指定自动化中要包括的过程步骤的序列。尤其是，当设计自动化机器人代理时，人类设计者的目标是确定最有效的步骤序列。然而，这种最有效的序列可能并不总是传统的方法。而且，现在的设计方法是极其细化的。例如，不是设计RPA工作流路径来说“将数据K复制到系统Y”，而是人类通常必须设计以下内容：“打开系统X；在X系统中搜索K；在找到的情况下，将K复制到设备存储装置中；打开系统Y；确定系统Y中用于数据K的字段；将K从设备存储装置复制到系统Y中的那个字段”。如可以看出的那样，即使是自动化简单的重复性过程也是具有较高的错误概率的精细且乏味的工作。

因此，显然需要简化与RPA机器人程序或机器人代理的设计相关的任务的系统和方法。优选地，这些系统和方法可以向设计者提供基于上下文的设计建议。

发明内容

本发明提供了用于向机器人软件过程的设计添加过程动作的系统和方法。上下文识别模块识别正在被设计的过程的当前状态，并将关于这个当前状态的信息传递给建议模块。建议模块评估当前状态，并响应于这个当前状态来标识至少一个合适的过程动作而建议。建议模块然后向人类设计者建议至少一个过程动作。如果设计者接受建议，设计模块将过程动作添加到过程设计。当标识合适的过程动作时，建议模块还可以使用关于过程中和其他过程中的先前动作的信息。上下文识别模块和建议模块可以各自包括至少一个机器学习模块，该至少一个机器学习模块可以是或不是基于神经网络的。

在第一方面，本发明提供了一种用于向软件过程的设计添加至少一个过程动作的方法，该方法包括：

(a)识别所述软件过程中的当前状态；

(b)基于所述当前状态，向所述软件过程的设计者做出所述至少一个过程动作的建议；

(c)从所述设计者接收对所述建议的响应；以及

(d)当所述响应是接受所述至少一个过程动作时，将所述至少一个过程动作添加到所述设计，

其中机器学习技术在步骤(b)中做出所述建议时被使用。

在第二方面，本发明提供了一种用于向软件过程的设计添加至少一个过程动作的系统，该系统包括：

-上下文识别模块，该上下文识别模块用于识别所述软件过程的当前状态；

-建议模块，该建议模块用于：

-对所述当前状态进行评估；

-基于所述评估，确定要建议的所述至少一个过程动作；

-向所述软件过程的设计者做出所述至少一个过程动作的建议；

-从所述设计者接收对所述建议的响应；以及

-设计模块，该设计模块用于当所述响应是接受所述过程动作时，将所述至少一个过程动作添加到所述设计。

在第三方面，本发明提供了其上编码有计算机可读指令和计算机可执行指令的非暂时性计算机可读介质，这些指令在被执行时实施用于将至少一个过程动作添加到软件过程的设计的方法，该方法包括：

(a)识别所述软件过程中的当前状态；

(b)基于所述当前状态，向所述软件过程的设计者做出所述至少一个过程动作的建议；

(c)从所述设计者接收对所述建议的响应；以及

(d)当所述响应是接受所述至少一个过程动作时，将所述至少一个过程动作添加到所述设计，

其中机器学习技术在步骤(b)中做出所述建议时被使用。

附图说明

现在将参照以下附图描述本发明，在附图中相同的附图标记表示相同的元件，并且在附图中：

图1是根据本发明的一个方面的系统的框图；

图2是图1的系统的另一实施例的框图；以及

图3是详述根据本发明的一个方面的方法的流程图。

具体实施方式

本发明建议要添加到机器人过程自动化的设计中的过程动作。这些建议是与上下文相关的，并取决于正在被设计的过程的当前状态。也就是说，在过程的开始时所建议的动作将不一定与接近该过程结束时所建议的动作相同。(当然，一些动作可能不断被建议(例如，可能会一致地推荐“保存”动作))。但是，一般而言，所建议的动作将随着每个过程和每个已完成的过程步骤而不同。

例如，设计者可能希望构建这样的过程自动化机器人，该过程自动化机器人将打开电子邮件、在电子邮件的附件中打开文档、在电子表格中复制文档的一些字段、关闭文档并保存第二文档。在这个过程自动化机器人的设计期间，本发明可以识别(在“打开电子邮件”步骤之后)到该电子邮件有附件，并自动推荐该过程中的下一步骤应该是“打开并保存所附文档”。接下来，本发明可以推荐用户可以从中选择数据的相关字段的列表。在优选的实施方式中(如将在下面更详细地讨论的那样)，本发明在做出这些建议时使用机器学习技术。具体而言，在这种情况下，系统会推荐这些字段，因为系统中的机器学习模块已经使用历史过程数据“学习”到接收到带有附件的电子邮件之后通常是提取要复制到其他地方的内容。

现在参考图1，框图示出了根据本发明的一个方面的系统。在系统10中，上下文识别模块20识别正在设计的过程的当前状态，并将该当前状态的细节传输到建议模块30。建议模块30然后评估过程的当前状态。基于这个评估，建议模块30然后确定应该呈现什么(如果有的话)过程动作，并且向设计者建议那些(多个)过程动作。设计者通过接受建议或拒绝建议来对建议进行响应。如果设计者接受建议，则设计模块40将所建议的(多个)过程动作添加到过程设计。另一方面，如果设计者拒绝所建议的(多个)过程动作，则建议模块30可以建议不同的过程动作，或者可以等待新的状态信息。如下文将详细描述的那样，系统可以收集和存储与当前状态和与任何所建议的过程动作相关的信息，以及与那些动作是被设计者接受还是拒绝相关的信息。这个数据可以用于不断改进(refine)由建议模块30产生的建议。

例如，一个过程可以涉及打开电子邮件应用。该过程的“当前状态”然后将是“这个电子邮件应用现在是打开的”。上下文识别模块20将标识这个状态并将与状态相关的信息传递给建议模块30。建议模块30将评估状态并确定要建议的可能过程动作。一个这样的过程动作可以是“打开新的电子邮件窗口”。另一这样的过程动作是“打开特定的电子邮件模板”。另一这样的过程动作可能是“将来自特定发件人的全部电子邮件标记为“高优先级””。如下文将讨论的那样，这些动作可以仅基于当前状态信息或基于附加信息来确定。建议模块30然后将向设计者呈现所建议的过程动作。如果设计者接受了建议，相关联的过程动作将被添加到过程的设计中。

注意，“过程的设计”可以以多种方式表示(例如，表示为设计者在RPA设计环境中构建的流程图)。然而，通常，无论使用什么表面表示，每个过程将对应于随着设计者添加更多的步骤而扩展的软件文件。每个过程动作将同样地对应于一段软件代码。如果设计者接受建议，相关联的软件代码段将在适当位置处被添加到过程的软件文件。

如应当显而易见的那样，对于过程的任何给定状态，可以建议多个过程动作。也就是说，多个不同的过程动作可以合理地在过程中的特定点之后。建议可以同时或顺序呈现。也就是说，在一些实施方式中，可以允许设计者从多个所建议的过程动作的同时列表中进行选择，所建议的过程动作中的每一个可以在过程的相同特定状态之后。在其他实施方式中，可以一个接一个地呈现与单个特定状态相关的多个建议。这些建议要么直到设计者选择一个动作为止被呈现，要么直到设计者拒绝全部所呈现的动作为止被呈现。可以优选的是尽早向设计者呈现“拒绝全部”选项，以最小化挫败感。如果建议被配置为干扰设计者的设备的正常操作，这将是特别优选的。同样，在这种情况下，将优选的是以过程动作对当前过程的适用性的次序对过程动作进行排序。一旦被排序，建议可以被呈现给设计者，使得首先呈现“最建议”的动作，然后呈现“第二建议”的动作，依此类推。

还可能存在其中建议模块30不能确定建议哪个过程动作，或者不能确定应该建议任何过程动作的场景。在这种场景下，建议模块30可以被配置为等待直到接收新的当前状态为止。替代性地，建议模块30可以呈现默认动作的列表。这种默认动作可以包括给定上下文下的可预测动作，诸如“保存”或“打开新窗口”。

过程动作可以是独立的简单动作，诸如“从存储装置中删除当前值”。然而，替代性地，过程动作可能是复杂的。单个过程动作可以包括许多较小的过程动作。例如，不是以上概述的多步复制序列(“打开系统X”等)，而是本发明可以建议用户选择“将K复制到系统Y”。这个单个“更高级”的过程动作比通常需要的多步骤过程对人类用户来说更易于理解，并且也较不易受到人类错误影响。

附加地，单个建议或许包括多个“更高级”的过程动作。例如，在过程中的某个点，建议模块30或许建议某个文件被“保存”。一旦这个建议被接受，下一建议可能是“关闭文件”。然后下一建议是“打开新文件”。在其他场景下，可能一次建议全部这些过程动作，也就是说，设计者将被呈现有“保存文件-关闭文件-打开新文件”的建议。

如对本领域技术人员显而易见的那样，RPA设计者可以使用任何种类的设计环境，包括但不限于基于GUI的环境或基于文本的环境。而且，在一些实施方式中，设计者可以对他们自己或执行要被自动化的过程的其他人进行“记录”。在这样的实施方式中，RPA过程的设计不会出现在任何特定的环境中。因此，本发明可以被配置成以适合于给定环境的任何形式来呈现其建议。例如，在基于GUI的设计环境中，所建议的过程动作可以出现在下拉菜单中或作为拖放图标出现。另一方面，在基于文本的设计环境中，所建议的过程动作可以作为为“完成”半键入单词的“阴影文本”出现。(当然，基于文本的环境也可以使用下拉列表，反之亦然，这同样取决于实施方式)。作为另一示例，所建议的过程动作可以作为“弹出”或通知出现在设计者的显示设备上。

由建议模块30建议的过程动作可以是任何种类的合适动作。它们可以包括但不限于：数据操纵操作(诸如复制、粘贴和删除)；与系统之间的交互相关的动作(诸如将数据从一个应用移动到另一应用)；通信相关的动作(诸如发送电子邮件、或者对于“聊天机器人”类型的过程，递送个性化的响应)；和存储相关的操作(诸如保存文件)。

在一些实施方式中，上下文识别模块20和建议模块30包括基于规则的模块。然而，由于这些模块可能接收的数据量以及它们可以在其中接收这个数据的许多不同场景，可能难以开发涵盖每种情况的规则。因此，优选的是，这些模块各自包括经训练的机器学习子模块，该经训练的机器学习子模块可以是或不是基于神经网络的。在上下文识别模块20的情况下，可以训练机器学习子模块来基于系统信息而标识许多可能的过程状态。

在建议模块30的情况下，可以训练机器学习子模块来评估当前过程状态并且作为响应标识合适的过程动作。进一步，根据实施方式和根据正在被设计的过程，建议模块30可以包括多个神经网络。例如，一个神经网络可以负责将上下文相关信息编码成单个数字表示，而另一机器学习子模块可以使用这个表示来基于所编码的上下文而建议动作。相关神经网络应用的示例是使用众所周知的自然语言处理技术来标识基于语言的(通信相关的)动作。建议模块30可以包括用于评估给定动作相对于任何给定过程状态的适用性的神经网络。(适用性也可以被称为“建议强度”或设计者将接受所建议的动作的概率)。一旦被训练，基于机器学习的建议模块30将接收当前状态的编码作为输入：即，与过程状态相关的上下文相关信息，该上下文相关信息已经以标准表示格式被编码并且其可以是基于语言的信息或视觉信息。基于机器学习的建议模块30然后可以确定潜在过程动作的列表以及每个动作将被设计者接受的概率。然而，如对于本领域技术人员来说显而易见的那样，上下文识别模块20和建议模块30可以包括基于规则的元件和基于神经网络的元件的任意组合。

图2是示出图1中的系统的另一实施例的框图。图2中示出的系统非常类似于图1中的系统：上下文识别模块20向建议模块30发送关于过程的当前状态的信息。建议模块30标识合适的过程动作，并向设计者建议那些过程动作。如果设计者接受(多个)建议，设计模块40将这个过程动作添加到软件过程的整体设计中。然而，在这个实施例中，建议模块30还从历史模块50接收信息。

历史模块50存储与当前正在被设计的过程相关的信息。附加地，历史模块50可以存储与由当前设计者先前设计的过程和/或由其他人设计的过程相关的信息。当确定对给定过程状态的合适响应时，建议模块30可以使用这样的信息。历史模块50还可以存储与过程的每个状态相关的上下文相关信息，以及与响应于这个状态而建议的过程动作相关的信息，以及与被设计者接受的所建议的过程动作相关的信息。类似地，历史模块50可以存储与哪些所建议的过程动作没有被设计者接受相关的数据。然后，这个信息可以在对基于机器学习的建议模块30进行训练的下一阶段中使用。替代性地，如果主要使用基于规则的模块，则这个信息可以用于以后建立新的规则。因此，这个信息可以用于精练未来的建议，并增加将由设计者接受这些未来建议的可能性。例如，使用来自历史模块50的信息，建议模块30可以确定在“当前状态X”中采取的最常见的动作是“动作A”。建议模块30然后可以确定应该向设计者建议动作A。作为另一示例，建议模块30可以主要依赖于来自历史模块50的信息。例如，“当前状态X”可能不显著的或不经区分的——例如，当前状态可能反映了过程中的转换点，其中没有软件应用是激活的。在这一点，建议模块30将能够标识许多可能的过程动作，但是几乎没有办法区分它们。在这种情况下，过程中的以前的动作可能提供指导。也就是说，建议模块30可以使用来自历史模块50的关于当前过程中的先前动作的信息来建议下一步骤。同样地，可以由建议模块30使用与其他类似过程相关的信息来确定应该建议什么过程动作。

图3是详述根据本发明的一个方面的方法的流程图。在步骤100，过程设计达到某个新的当前状态。这可能包括接收消息、打开应用或任何其他事件或更改。在步骤110，识别新的当前状态。然后，在步骤120，标识响应于当前状态的至少一个合适的过程动作。然后，在步骤130，这个至少一个过程动作被建议给设计者。

在决策140，该方法确定设计者是否已经接受或拒绝该建议。如果设计者接受建议，则在步骤150，将至少一个过程动作添加到过程设计。此时，该方法可以以新的当前状态结束或重复(即，该方法可以结束或返回到步骤100)。

另一方面，如果设计者拒绝这个建议，则决定160询问对于该过程的当前状态是否可以建议任何其他过程动作。如果是，则该方法返回到步骤130，并且那些其他过程动作被建议给设计者。然而，如果不能建议其他过程动作，则该方法等待设计达到新的当前状态(即，返回到步骤100)。如将显而易见的那样，为了使设计从决策160达到新的当前状态，设计者将会在没有帮助的情况下继续设计，因为不会对这个状态做出更多的建议。

应该清楚的是，本发明的各个方面可以作为整个软件系统中的软件模块来实施。由此，本发明可以采取计算机可执行指令的形式，这些指令在被执行时实施具有预定义功能的各种软件模块。

附加地，应该清楚的是，除非另有说明，本文中对“图像”或“多个图像”的任何引用是指包括像素或图片单元的数字图像或多个数字图像。同样地，对“音频文件”或对“多个音频文件”的任何引用是指数字音频文件，除非另有说明。“视频”、“视频文件”、“数据对象”、“数据文件”和所有其他此类术语应理解为是指数字文件和/或数据对象，除非另有说明。

本发明的实施例可以由以方法步骤的方式编程的类似设备或数据处理器来执行，或者可以由设有用于执行这些步骤的装置的电子系统来执行。类似地，诸如计算机磁盘、CD-ROM、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)或本领域已知的类似计算机软件存储介质的电子存储器装置可以被编程来执行这些方法步骤。同样，代表这些方法步骤的电子信号也可以经由通信网络传输。

本发明的实施例可以以任何常规计算机编程语言来实施。例如，优选实施例可以以过程编程语言(例如，“C”或“Go”)或面向对象语言(例如，“C++”、“java”、“PHP”、“PYTHON”或“C#”)来实施。本发明的替代性实施例可以被实施为预编程的硬件元件、其他相关组件或者硬件和软件组件的组合。

实施例可以被实施为用于与计算机系统一起使用的计算机程序产品。这种实施方式可以包括一系列计算机指令，这些指令或者固定在有形介质(诸如计算机可读介质(例如，磁盘、CD-ROM、ROM或固定盘))上，或者可经由调制解调器或其他接口设备(诸如通过介质连接到网络的通信适配器)传输到计算机系统。介质可以是有形介质(例如，光学或电通信线路)或者利用无线技术(例如，微波、红外或其他传输技术)实施的介质。该系列计算机指令实现了本文先前描述的全部或部分功能。本领域技术人员应该理解，这种计算机指令可以以用于与许多计算机体系结构或操作系统一起使用的多种编程语言编写。另外，这样的指令可以存储在任何存储器设备(诸如半导体、磁、光学或其他存储器设备)中，并且可以使用任何通信技术(诸如光学、红外、微波或其他传输技术)来传输。预期的是，这种计算机程序产品可以作为带有附带的印刷或电子文档(例如，收缩包装软件)的可移动介质来分发、预加载有计算机系统(例如，在系统ROM或固定盘上)、或者通过网络(例如，因特网或万维网)从服务器分发。当然，本发明的一些实施例可以被实施为软件(例如，计算机程序产品)和硬件两者的组合。本发明的其他实施例可以被实施为完全硬件或者完全软件(例如，计算机程序产品)。

理解本发明的人现在可以设想以上内容的替代性结构和实施例或变型，所有这些旨在落在所附权利要求所限定的本发明的范围内。

Claims (21)

1.一种用于向软件过程的设计添加至少一个过程动作的方法，所述方法包括：

(a)识别所述软件过程中的当前状态；

(b)基于所述当前状态，向所述软件过程的设计者做出所述至少一个过程动作的建议；

(c)从所述设计者接收对所述建议的响应；以及

(d)当所述响应是接受所述至少一个过程动作时，将所述至少一个过程动作添加到所述设计，

其中机器学习在步骤(b)中做出所述建议时被使用。

2.根据权利要求1所述的方法，其中所述当前状态与外部软件应用相关。

3.根据权利要求1所述的方法，还包括多个过程动作，其中所述多个过程动作中的全部过程动作被同时建议给所述用户。

4.根据权利要求1所述的方法，还包括多个过程动作，其中所述多个过程动作中的每一个过程动作被顺序建议给所述用户。

5.根据权利要求1所述的方法，其中所述至少一个过程动作包括多个子动作。

6.根据权利要求1所述的方法，其中所述当前状态与所述软件过程中的当前动作相关。

7.根据权利要求1所述的方法，其中步骤(b)中的所述建议进一步基于所述软件过程中的至少一个先前动作。

8.根据权利要求1所述的方法，其中步骤(b)中的所述建议进一步基于其他软件过程。

9.根据权利要求1所述的方法，其中所述至少一个过程动作是以下中的至少一个：

-数据操纵动作；

-与系统之间的交互相关的动作；

-与通信相关的动作；以及

-与存储相关的动作。

10.根据权利要求1所述的方法，进一步包括以下的步骤：

(e)收集与以下相关的数据：所述当前状态、所述至少一个过程动作、以及所述响应；以及

(f)利用所述数据来使用机器学习而改进未来的建议。

11.一种用于向软件过程的设计添加至少一个过程动作的系统，所述系统包括：

-上下文识别模块，所述上下文识别模块用于识别所述软件过程的当前状态；

-支持机器学习的建议模块，所述建议模块用于：

-对所述当前状态进行评估；

-基于所述评估，确定要建议的所述至少一个过程动作；

-向所述软件过程的设计者做出所述至少一个过程动作的建议；

-从所述设计者接收对所述建议的响应；以及

-设计模块，所述设计模块用于当所述响应是接受所述过程动作时，将所述至少一个过程动作添加到所述设计。

12.根据权利要求11所述的系统，其中所述当前状态与外部软件应用相关。

13.根据权利要求11所述的系统，还包括多个过程动作，其中所述多个过程动作中的全部过程动作被同时建议给所述用户。

14.根据权利要求11所述的系统，还包括多个过程动作，其中所述多个过程动作中的每一个过程动作被顺序建议给所述用户。

15.根据权利要求11所述的系统，其中所述至少一个过程动作包括多个过程动作。

16.根据权利要求11所述的系统，其中所述当前状态与所述软件过程中的当前动作相关。

17.根据权利要求11所述的系统，还包括历史模块，所述历史模块用于存储与所述软件过程中的先前动作相关的信息，并且其中所述建议模块在确定要建议的所述至少一个过程动作时使用所述信息。

18.根据权利要求17所述的系统，其中所述历史模块还存储与其他软件过程相关的其他信息，并且其中所述其他信息也被所述建议模块在确定要建议的所述至少一个过程动作时使用。

19.根据权利要求11所述的系统，其中所述至少一个过程动作是以下中的至少一个：

-数据操纵动作；

-与系统之间的交互相关的动作；

-与通信相关的动作；以及

-与存储相关的动作。

20.根据权利要求17所述的系统，其中所述历史模块还存储与以下相关的数据：所述当前状态、所述至少一个过程动作、以及所述响应；并且其中所述建议模块使用所述数据来精练未来的建议。

21.一种其上编码有计算机可读指令和计算机可执行指令的非暂时性计算机可读介质，所述指令在被执行时实施用于向软件过程的设计添加至少一个过程动作的方法，所述方法包括：

(a)识别所述软件过程中的当前状态；

(b)基于所述当前状态，向所述软件过程的设计者做出所述至少一个过程动作的建议；

(c)从所述设计者接收对所述建议的响应；以及

(d)当所述响应是接受所述至少一个过程动作时，将所述至少一个过程动作添加到所述设计，

其中机器学习技术在步骤(b)中做出所述建议时被使用。

Images