CN106200959A - 面向智能机器人的信息处理方法及系统 - Google Patents

Abstract

本发明公开了一种面向智能机器人的信息处理方法及系统，智能机器人配置有当前交互性格特征，当前交互性格特征由预设的性格特征参量表述；方法包括：接收并解析多模态交互数据；根据解析结果结合性格特征参量来得到情绪参量；基于情绪参量生成并输出多模态输出数据。本发明将情绪参量引入人机交互，使智能机器人具有类人的情绪特征，为整个多模态交互提供了情绪基础。另外，本发明为智能机器人配置固有的性格参量，智能机器人个体之间具有性格差别，有效避免了智能机器人的趋同性，从而使人机交互更加类人化，大大增加了用户的使用粘性。

Description

面向智能机器人的信息处理方法及系统

技术领域

本发明涉及智能机器人技术领域，尤其涉及一种面向智能机器人的信息处理方法，还涉及一种面向智能机器人的信息处理系统。

背景技术

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。人们对于机器人的要求也从简单重复的机械动作提升为具有高度智能型、自主性及与其他智能体交互的智能机器人。对于智能机器人来说，其不仅需要具有完成指定工作的能力，还需要能够在许多场合与人协助完成任务。

为了实现与用户较好的交互，智能机器人在输出交互的过程中，需要结合情绪进行输出，以提高智能机器人的类人性，提升用户的交互体验。

发明内容

根据本发明的一个方面，提供了一种面向智能机器人的信息处理方法，所述智能机器人配置有当前交互性格特征，所述当前交互性格特征由预设的性格特征参量表述；所述方法包括：

接收多模态交互数据；

对所述多模态交互数据进行解析；

根据解析结果，结合所述性格特征参量，得到情绪参量；

基于所述情绪参量，生成并输出多模态输出数据。

优选的是，上述面向智能机器人的信息处理方法还包括：

结合时间参量和所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

优选的是，基于所述情绪参量，生成并输出多模态输出数据，包括：

判断所述情绪参量的级别是否达到预设的宣泄级别；

在判断出所述情绪参量的级别达到所述宣泄级别时，生成并输出用于体现情绪宣泄的多模态输出数据。

优选的是，基于所述情绪参量，生成并输出多模态输出数据，还包括：

在输出所述用于体现情绪宣泄的多模态输出数据后，结合所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

优选的是，所述多模态输出数据是基于所述性格特征参量个性定制而成的。

根据本发明的另一个方面，提供了一种面向智能机器人的信息处理系统，所述智能机器人配置有当前交互性格特征，所述当前交互性格特征由预设的性格特征参量表述；所述系统包括：

数据接收模块，设置为接收多模态交互数据；

解析模块，设置为对所述多模态交互数据进行解析；

情绪参量确定模块，设置为根据解析结果，结合所述性格特征参量，得到情绪参量；

输出模块，设置为基于所述情绪参量，生成并输出多模态输出数据。

优选的是，上述面向智能机器人的信息处理系统还包括负反馈调节模块，设置为：

结合时间参量和所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

优选的是，所述输出模块包括：

级别判断单元，设置为判断所述情绪参量的级别是否达到预设的宣泄级别；

输出单元，设置为在所述级别判断单元判断出所述情绪参量的级别达到所述宣泄级别时，生成并输出用于体现情绪宣泄的多模态输出数据。

优选的是，所述输出模块还包括：

通知单元，设置为在所述输出单元输出所述用于体现情绪宣泄的多模态输出数据后，通知所述负反馈调节模块结合所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

优选的是，所述多模态输出数据是基于所述性格特征参量个性定制而成的。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

应用本发明，基于由多模态交互数据得到的情绪参量来与用户进行交互，即将情绪参量引入人机交互的过程中，使智能机器人具有类人的情绪特征，从而为整个多模态交互提供了情绪基础，大大提升了用户体验。另外，本发明为智能机器人配置固有的性格参量，智能机器人个体之间具有性格差别，有效避免了智能机器人的趋同性。智能机器人能够根据多模态交互数据以及自身的性格特征得到情绪参量，并基于该情绪参量与用户进行交互，充分反映出智能机器人的性格差异性，使得人机交互更加类人化，从而大大增加了用户的使用粘性。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1示出了本发明实施例面向智能机器人的信息处理方法的一种流程示意图；

图2示出了本发明实施例面向智能机器人的信息处理方法的另一种流程示意图；

图3示出了本发明实施例基于情绪参量来生成并输出多模态输出数据的方法的一种流程示意图；

图4示出了本发明实施例基于情绪参量来生成并输出多模态输出数据的方法的另一种流程示意图；

图5示出了本发明实施例面向智能机器人的信息处理系统的一种结构示意图；

图6示出了本发明实施例面向智能机器人的信息处理系统的另一种结构示意图；

图7示出了本发明实施例中输出模块的一种结构示意图；以及

图8示出了本发明实施例中输出模块的另一种结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

智能机器人在与用户进行交互时，针对同一多模态输入信息反馈出的情绪特征通常是统一的，智能机器人的情绪缺乏个性化区别，本申请提供了一种面向智能机器人的信息处理方法和系统，以解决智能机器人的情绪输出的趋同性的问题，赋予了智能机器人的个性差异，提升了用户的交互体验，提高了智能机器人的类人性。

实施例一

在本实施例中，为智能机器人赋予固有的性格特征，即当前交互性格特征。这里，智能机器人的当前交互性格特征由预设的性格特征参量来表述，该预设的性格特征参量会对智能机器人的输出产生影响，进而影响人机交互。例如，某智能机器人配置有暴躁的性格特征，此类智能机器人大多表现为不好相处。某智能机器人配置有温和谦逊的性格特征，此类智能机器人大多表现为好相处、爱说爱笑。

本实施例所涉及的性格决策是赋予智能机器人获得差异化表达的能力，其所有参数均可被控制与调整，从而便于消费者或商家根据偏好进行选择。

图1示出了本发明实施例面向智能机器人的信息处理方法的一种流程示意图。如图1所示，本实施例面向智能机器人的信息处理方法，主要包括步骤101至步骤104。

在步骤101中，接收多模态交互数据。

具体地，系统首先接收前端模块传来的多模态交互数据。在本实施例中，多模态数据主要包括语音信息、视觉信息和触觉信息等，并不局限，还可包括环境信息等。

例如，对于视觉信息，系统首先检测图像或视频信息，然后对检测到的图像、视频信息进行图像识别处理，得到图像表达的意思以及触发的事件。

对于语音信息，系统首先拾取用户输入的语音，然后对拾取到的语音进行语音识别，得到与该语音相对应的文本。

对于触觉信息，系统首先检测用户作用于智能机器人的触摸力度信息，然后从触摸力度信息中提取力度大小及受力点。

值得注意的是，可采用本领域技术人员惯常采用的技术手段来实现针对上述视觉信息、语音信息和触摸信息的检测和处理，故本文不对这些技术手段进行展开说明。

在步骤102中，对多模态交互数据进行解析。

在步骤103中，根据解析结果，结合性格特征参量，得到情绪参量。

在步骤104中，基于情绪参量，生成并输出多模态输出数据。

具体地，智能机器人对获取的多模态交互数据进行解析，根据解析结果判断用户情绪，然后结合该智能机器人固有的性格特征参量生成情绪参量。最后，智能机器人基于该情绪参量与用户进行交互或者主动交互。

举例来说，智能机器人配置有温和的性格特征。某用户一边重拍智能机器人，一边说“在这次期末考试中我又是最后一名，气死我了”。在这种情况下，智能机器人获取到的多模态交互数据包括：语音信息“在这次期末考试中我又是最后一名，气死我了”对应的数据，触觉信息“重拍智能机器人”对应的数据。这样，对多模态交互数据进行解析后，并结合温和的性格特征，得到的情绪参量可以为“不开心”。于是，性格温和的智能机器人会边拍用户的肩膀边表示“没事，失败是成功之母，从现在开始努力，下次考试一定会取得好成绩的。另外，亲，你刚才都把我拍疼了，下次注意哦”。

然而，如果上述智能机器人配置有暴躁易怒的性格特征，那么在相同状况下，对多模态交互数据进行解析后，并结合暴躁易怒的性格特征，得到的情绪参量可以为“嘲讽与愤怒”。于是，性格暴躁易怒的智能机器人会大声对用户说“你的成绩关我什么事，下次别再重拍我了，小心我对你不客气”。

应用本实施例所述的面向智能机器人的信息处理方法，基于由多模态交互数据得到的情绪参量来与用户进行交互，即将情绪参量引入人机交互的过程中，使智能机器人具有类人的情绪特征，从而为整个多模态交互提供了情绪基础，大大提升了用户体验。另外，本实施例为智能机器人配置固有的性格参量，智能机器人个体之间具有性格差别，有效避免了智能机器人的趋同性。智能机器人能够根据多模态交互数据以及自身的性格特征得到情绪参量，并基于该情绪参量与用户进行交互，充分反映出智能机器人的性格差异性，使得人机交互更加类人化，从而大大增加了用户的使用粘性。

在本发明一优选的实施例中，多模态输出数据是基于性格特征参量个性定制而成的。配置有不同性格特征的智能机器人针对同一事件输出的多模态输出数据不同。比如，针对情绪参量“生气”，性格温和的智能机器人会输出“请你别再重拍我了，我已经生气了”；而性格暴躁的智能机器人则会输出“别碰我了，小心我对你不客气”。

本实施例为不同性格特征的智能机器人个性定制相应的多模态输出，进一步表现出各个智能机器人的性格差异，有利于增加用户的使用粘性。

实施例二

本实施例给出了面向智能机器人的信息处理方法的另一种流程示意图。

图2示出了本发明实施例面向智能机器人的信息处理方法的另一种流程示意图。如图2所示，本发明实施例面向智能机器人的信息处理方法，除了实施例一中的步骤101至步骤104之外，还包括步骤201。

在步骤201中，结合时间参量和性格特征参量，对情绪参量进行负反馈调节，以降低情绪参量的级别。

具体地，负反馈调节指的是：将系统的输出返回到输入端并以某种方式改变输入，进而影响系统功能。最终使生态系统达到或保持平衡或稳态，结果是抑制和减弱最初发生变化的那种成分的变化。

在本实施例中，在智能机器人与用户进行交互的过程中，随着时间的推移，当没有新的交互或话题转移时，智能机器人的情绪值会在负反馈调节机制的作用下逐渐回归正常值(调节机制以时间参数、性格特征设定作为输入值)，智能机器人的情绪回归平静。

延续上述考试成绩的示例，在性格暴躁易怒的智能机器人向用户反馈“你的成绩关我什么事，下次别再重拍我了，小心我对你不客气”之后，如果接下来的一个小时内未出现人机交互或者用户未招惹机器人，则智能机器人的情绪逐渐回升。在一个小时之后，当用户输入“我好饿呀”时，回归平静的智能机器人则会输出类似“那我们去找点吃点的吧”的温和的反馈。这里，固有的性格特征对机器人情绪回归的影响在于：一般来讲，性格温和的智能机器人(即好脾气的机器人)，情绪回归(升高或降低)得较快，性格暴躁的智能机器人(即坏脾气的机器人)，情绪回归(升高或降低)得较慢。

本实施例将负反馈调节机制引入面向智能机器人的信息处理方法中，结合时间参量和性格特征参量对智能机器人的情绪参量进行负反馈调节，以使智能机器人的情绪逐渐回升。可以看出，负反馈调节机制使人机交互更加类人化，进一步提高了智能机器人的交互能力，从而进一步增加了用户的使用体验和使用粘度。

实施例三

本实施例在上述实施例一或者实施例二的基础上，对基于情绪参量来生成并输出多模态输出数据的方法做进一步优化。

图3示出了本发明实施例基于情绪参量来生成并输出多模态输出数据的方法的一种流程示意图。如图3所示，本实施例基于情绪参量来生成并输出多模态输出数据的方法，主要包括步骤301和步骤302。

在步骤301中，判断情绪参量的级别是否达到预设的宣泄级别。

在步骤302中，在判断出情绪参量的级别达到(大于或者等于)宣泄级别时，生成并输出用于体现情绪宣泄的多模态输出数据。在判断出情绪参量的级别未达到(小于)预设的宣泄级别时，返回步骤301进行下一轮判断。

具体地，情绪宣泄指的是：将过去某场景或某时候受到的批评、指责等发泄出来，以达到缓解和消除消极情绪的目的。当智能机器人的情绪值达到宣泄点时，智能机器人进行宣泄。例如，如果当前的情绪状态为极端消极时，智能机器人会拒绝进一步的交互。此时，如果用户表达出交互意愿，智能机器人会回应诸如“我不太想理你，让我静静吧”等类似言语，并做出拒绝的表情与姿态。这里，由于性格十分温和的智能机器人很难达到情绪宣泄的状态，于是在识别到用户的负面情绪时，更多反馈以“鼓励、安慰”；而具备相反性格的智能机器人在面对用户表达伤心难过时，会反馈以“不屑、嘲讽”。

延续上述考试成绩的示例，如果用户一边持续重拍智能机器人一边说“在这次期末考试中我又是最后一名，气死我了”，那么情绪值达到宣泄点后，智能机器人例如会向用户发飙，喊着说“别再拍我啦，我才不关心你的成绩呢”。

本实施例将情绪宣泄引入面向智能机器人的信息处理方法中，使智能机器人在情绪值达到宣泄点时进行适当宣泄。可以看出，情绪宣泄机制使人机交互更加类人化，进一步提高了智能机器人的交互能力，从而进一步增加了用户的使用体验和使用粘度。

在本发明一优选的实施例中，参照图4，上述基于情绪参量来生成并输出多模态输出数据的方法还包括步骤401。

在步骤401中，在输出用于体现情绪宣泄的多模态输出数据后，结合性格特征参量，对情绪参量进行负反馈调节，以降低情绪参量的级别。

在本实施例中，在情绪宣泄后，利用负反馈调节机制使智能机器人的情绪逐渐回升。这里，固有的性格特征对机器人宣泄后情绪回升的影响在于：一般来讲，性格温和的智能机器人(即好脾气的机器人)，情绪回升得较快，性格暴躁的智能机器人(即坏脾气的机器人)，情绪回升得较慢。

本实施例将负反馈调节机制作用于宣泄后的智能机器人的情绪，使进行宣泄后的智能机器人的情绪能够得到回升。可以看出，负反馈调节机制使情绪宣泄后的智能机器人与用户的交互更加类人化，进一步提高了智能机器人的交互能力，从而进一步增加了用户的使用体验和使用粘度。

实施例四

对应于上述实施例一至实施例三，本发明实施例提供了一种面向智能机器人的信息处理系统。在本实施例中，智能机器人配置有当前交互性格特征，当前交互性格特征由预设的性格特征参量表述。

图5示出了本发明实施例面向智能机器人的信息处理系统的一种结构示意图。如图5所示，本实施例面向智能机器人的信息处理系统主要包括顺次连接的数据接收模块501、解析模块502、情绪参量确定模块503和输出模块504。

具体地，数据接收模块501，设置为接收多模态交互数据。

解析模块502，设置为对多模态交互数据进行解析。

情绪参量确定模块503，设置为根据解析结果，结合性格特征参量，得到情绪参量。

输出模块504，设置为基于情绪参量，生成并输出多模态输出数据。

应用本实施例所述的面向智能机器人的信息处理系统，基于由多模态交互数据得到的情绪参量来与用户进行交互，即将情绪参量引入人机交互的过程中，使智能机器人具有类人的情绪特征，从而为整个多模态交互提供了情绪基础，大大提升了用户体验。另外，本实施例为智能机器人配置固有的性格参量，智能机器人个体之间具有性格差别，有效避免了智能机器人的趋同性。智能机器人能够根据多模态交互数据以及自身的性格特征得到情绪参量，并基于该情绪参量与用户进行交互，充分反映出智能机器人的性格差异性，使得人机交互更加类人化，从而大大增加了用户的使用粘性。

在本发明一优选的实施例中，多模态输出数据是基于性格特征参量个性定制而成的。配置有不同性格特征的智能机器人针对同一事件输出的多模态输出数据不同。

可以看出，本实施例为不同性格特征的智能机器人个性定制相应的多模态输出，进一步表现出各个智能机器人的性格差异，有利于增加用户的使用粘性。

实施例五

本实施例提供了另一种面向智能机器人的信息处理系统。

图6示出了本发明实施例面向智能机器人的信息处理系统的另一种结构示意图。如图6所示，本实施例面向智能机器人的信息处理系统除了实施例四中的数据接收模块501、解析模块502、情绪参量确定模块503和输出模块504之外，还包括与情绪参量确定模块503相连接的负反馈调节模块601。

具体地，负反馈调节模块601，设置为结合时间参量和性格特征参量，对情绪参量进行负反馈调节，以降低情绪参量的级别。

本实施例将负反馈调节机制引入面向智能机器人的信息处理系统中，结合时间参量和性格特征参量对智能机器人的情绪参量进行负反馈调节，以使智能机器人的情绪逐渐回升。可以看出，负反馈调节机制使人机交互更加类人化，进一步提高了智能机器人的交互能力，从而进一步增加了用户的使用体验和使用粘度。

实施例六

本实施例在实施例五和实施例六的基础上对输出模块504的结构做进一步优化。

图7示出了本发明实施例中输出模块504的一种结构示意图。如图7所示，本实施例中输出模块504主要包括彼此相连接的级别判断单元701和输出单元702。

具体地，级别判断单元701，设置为判断情绪参量的级别是否达到预设的宣泄级别。

输出单元702，设置为在级别判断单元701判断出情绪参量的级别达到宣泄级别时，生成并输出用于体现情绪宣泄的多模态输出数据。

本实施例将情绪宣泄引入面向智能机器人的信息处理系统中，使智能机器人在情绪值达到宣泄点时进行适当宣泄。可以看出，情绪宣泄机制使人机交互更加类人化，进一步提高了智能机器人的交互能力，从而进一步增加了用户的使用体验和使用粘度。

在本发明一优选的实施例中，参照图8，本实施例中的输出模块504还包括分别与输出单元702和负反馈调节模块601相连接的通知单元801。

具体地，通知单元801设置为在输出单元702输出用于体现情绪宣泄的多模态输出数据后，通知负反馈调节模块601结合性格特征参量，对情绪参量进行负反馈调节，以降低情绪参量的级别。

本实施例将负反馈调节机制作用于宣泄后的智能机器人的情绪，使进行宣泄后的智能机器人的情绪能够得到回升。可以看出，负反馈调节机制使情绪宣泄后的智能机器人与用户的交互更加类人化，进一步提高了智能机器人的交互能力，从而进一步增加了用户的使用体验和使用粘度。

值得注意的是，实施例四至实施例六中各个模块及单元中的操作的具体细化，可参见上面结合图1至图4对本发明方法(具体参见实施例一至实施例三)的说明，在此不再详细赘述。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种面向智能机器人的信息处理方法，其特征在于，所述智能机器人配置有当前交互性格特征，所述当前交互性格特征由预设的性格特征参量表述；所述方法包括：

接收多模态交互数据；

对所述多模态交互数据进行解析；

根据解析结果，结合所述性格特征参量，得到情绪参量；

基于所述情绪参量，生成并输出多模态输出数据。

2.根据权利要求1所述的方法，其特征在于，还包括：

结合时间参量和所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

3.根据权利要求2所述的方法，其特征在于，基于所述情绪参量，生成并输出多模态输出数据，包括：

判断所述情绪参量的级别是否达到预设的宣泄级别；

在判断出所述情绪参量的级别达到所述宣泄级别时，生成并输出用于体现情绪宣泄的多模态输出数据。

4.根据权利要求3所述的方法，其特征在于，基于所述情绪参量，生成并输出多模态输出数据，还包括：

在输出所述用于体现情绪宣泄的多模态输出数据后，结合所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述多模态输出数据是基于所述性格特征参量个性定制而成的。

6.一种面向智能机器人的信息处理系统，其特征在于，所述智能机器人配置有当前交互性格特征，所述当前交互性格特征由预设的性格特征参量表述；所述系统包括：

数据接收模块，设置为接收多模态交互数据；

解析模块，设置为对所述多模态交互数据进行解析；

情绪参量确定模块，设置为根据解析结果，结合所述性格特征参量，得到情绪参量；

输出模块，设置为基于所述情绪参量，生成并输出多模态输出数据。

7.根据权利要求6所述的系统，其特征在于，还包括负反馈调节模块，设置为：

结合时间参量和所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

8.根据权利要求7所述的系统，其特征在于，所述输出模块包括：

级别判断单元，设置为判断所述情绪参量的级别是否达到预设的宣泄级别；

输出单元，设置为在所述级别判断单元判断出所述情绪参量的级别达到所述宣泄级别时，生成并输出用于体现情绪宣泄的多模态输出数据。

9.根据权利要求8所述的系统，其特征在于，所述输出模块还包括：

通知单元，设置为在所述输出单元输出所述用于体现情绪宣泄的多模态输出数据后，通知所述负反馈调节模块结合所述性格特征参量，对所述情绪参量进行负反馈调节，以降低所述情绪参量的级别。

10.根据权利要求6至9中任一项所述的系统，其特征在于，所述多模态输出数据是基于所述性格特征参量个性定制而成的。