CN107877513B - 一种机器人功能获取方法、服务器以及机器人 - Google Patents

Abstract

本申请公开了一种机器人功能获取方法、服务器以及机器人，用以解决现有技术中的机器人对应用环境适用力较差的问题。所述方法包括：服务器端获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系；所述服务器端向第二机器人推送所述第一模型数据，使得所述第二机器人具备与所述第一模型数据相对应的机器人功能。

Description

一种机器人功能获取方法、服务器以及机器人

技术领域

本申请涉及计算机技术领域，尤其涉及一种机器人功能获取方法、服务器以及机器人。

背景技术

目前，机器人被广泛应用于人类工作或生活等各个领域，为人类的工作或生活提供了一定的便利。其中，一般情况下，模拟人类行为或思想，以及模拟其他生物的机械(如机器狗，机器猫等)均可被称为机器人。机器人一般由执行模块、驱动模块、检测模块、控制模块和复杂机械模块等模块组成。

现有技术中，一般情况下，机器人在出厂前，开发人员会在机器人的控制模块中加载已经训练好的模型，并相对应地设计执行模块、驱动模块、检测模块和复杂机械模块等，以使得机器人能够实现与已经训练好的模型对应的功能。通常，已经训练好的模型是由开发人员在实验室环境下获取到的。

由于实际应用环境与实验室环境相比更加复杂，突发状况较多，且用户要求更加多样化，因此，加载有上述已经训练好的模型的机器人，可能难以满足实际应用环境或用户对功能和性能的要求，从而对应用环境的适应能力较差。即使机器人能够在已经训练好的模型的基础上进行自学习，也仍然存在学习效率较低、功能更新局限性较大的问题。

发明内容

本申请实施例提供一种机器人功能获取方法、服务器以及机器人，用以解决现有技术中的机器人对应用环境适应力较差的问题。

本申请实施例采用下述技术方案：

一种机器人功能获取方法，所述方法包括：

服务器端获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系；

所述服务器端向第二机器人推送所述第一模型数据，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能。

一种机器人功能获取方法，所述方法包括：

第二机器人接收服务器端推送的第一模型数据；其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能。

一种服务器，所述服务器用于获取机器人功能，所述服务器包括：

获取模块，用于获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系；

发送模块，用于向第二机器人推送所述第一模型数据，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能。

一种机器人，所述机器人用于获取机器人功能，所述机器人包括：

接收模块，用于接收服务器推送的第一模型数据；其中，所述第一模型数据由不同于所述机器人的第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系，所述第一模型数据用于使得所述机器人具备与所述第一模型数据相对应的机器人功能。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

一方面，在本申请实施例中，第一模型数据是由第一机器人在实际环境中训练和应用中获取到的，第一模型数据与机器人功能存在对应关系。相较于现有技术中的、在实验室环境中获取到的模型数据来说，第一模型数据更符合实际应用场景的需求，对实际应用环境的适应力较高。

另一方面，在本申请实施例中，服务器端将第一机器人在实际环境中训练和应用中获取到的第一模型数据推送给第二机器人，使得第二机器人无需重新进行机器学习，便可直接利用第一机器人的学习成果——第一模型数据，就能够具备与第一模型数据相对应的机器人功能。这就提高了第二机器人获取新功能的效率，从而更高效地提高了第二机器人对应用环境的适应能力。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种机器人功能获取方法的流程示意图；

图2为本申请实施例提供的一种具体的机器人功能获取方法的流程示意图；

图3为本申请实施例提供的另一种具体的机器人功能获取方法的流程示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

为了解决现有技术中的机器人对应用环境适应力较差的问题，本申请实施例提供一种机器人功能获取方法。

该方法的具体流程示意图可参见图1，包括下述步骤：

步骤101，服务器端获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系。

步骤102，所述服务器端向第二机器人推送所述第一模型数据，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能。

步骤103，第二机器人接收服务器端推送的第一模型数据，使得所述第二机器人具备与所述第一模型数据相对应的机器人功能；其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系。

其中，服务器端为可以起到服务器功能的硬件、软件或兼具软件或硬件的装置，比如，可以是计算机、服务器集群或云服务器等。

上述第一模型数据与机器人功能存在对应关系。上述第一模型数据可以由第一机器人在实际环境中训练和应用中获得。具体的，第一机器人可以在实际应用中、在第二模型数据的基础上进行机器学习获得第一模型数据。

上述第一模型数据与第二模型数据，均可以由计算机程序、参数矩阵、参数列表、状态列表中的至少一种组成。机器学习可以为深度学习、神经网络学习等。

上述第二模型数据是第一机器人在实际环境中训练和应用中开始进行机器学习的基础，可以是开发人员开发出来的、未经过训练的模型数据，或者是其他机器人进行机器学习获取到的。第二模型数据与机器人功能存在对应关系。第二模型数据可以包括输入层、输出层以及中间层。其中，第一机器人在第二模型数据的基础上进行机器学习，可根据回归算法、聚类算法、图形推理算法、卷积神经网络算法等算法进行计算，调整中间层的参数信息，使得第一机器人输出的结果越来越接近实际应用的需要，从而使得第一模型数据对应的机器人功能，比第二模型数据对应的机器人功能更加符合用户的实际需求。

下面详细阐述第一机器人是如何在实际环境中训练和应用中、在第二模型数据的基础上进行机器学习获得第一模型数据的：

在用户使用第一机器人的过程中，用户可以向第一机器人输入任务指令，以使得第一机器人可以根据第二模型数据(可视为加载到第一机器人的初始模型数据)执行任务，该任务与第二模型数据所对应的功能一致，比如扫地。当第一机器人执行完任务后，用户可以向第一机器人输入改进信息，比如缩短扫地时长，或者输入反馈信息，比如扫地时间过长，以使得第一机器人可以在下一次执行同样任务时更符合用户的需要。第一机器人根据用户输入的改进信息或反馈信息，在第二模型数据的基础上进行机器学习，采用回归算法、聚类算法、图形推理算法、卷积神经网络算法等算法，通过调整第二模型数据对应的参数信息等方式，使得第一机器人在下次执行相同任务时可以满足用户的需求，比如下次扫地时长小于上一次扫地时长。依此类推，第一机器人可以通过用户的反馈在实际应用中不断进行自学习，从而得到更加符合用户需求的模型数据。一般情况下，每进行一次机器学习，便会在原先的模型数据的基础上获取到新的模型数据，新的模型数据相较于原先的模型数据来说，更加符合用户的需求，因此，可以将第一机器人进行机器学习后获取到的模型数据作为第一模型数据。

上述第一模型数据是第一机器人在实际环境中训练和应用中通过机器学习获取到的，由于实际应用环境与实验室环境相比更加复杂，突发状况较多，且用户要求更加多样化，因此，在实际应用中训练得到的第一模型数据相较于实验室环境中获取到的模型数据，更加符合实际应用环境的要求，对实际应用环境的适应力更强。除此之外，由用户在实际环境中训练和应用中对第一机器人进行训练，还有利于降低研发成本。

第一机器人在获取到第一模型数据后，服务器端获取第一模型数据的方式可为：服务器端接收第一机器人主动发送的第一模型数据，或者，服务器端向第一机器人发送第一获取请求，以使得第一机器人根据所述第一获取请求，向所述服务器端发送第一模型数据。

当服务器端接收第一机器人主动发送的第一模型数据时：第一机器人可以将满足预设的条件的第一模型数据发送给服务器端，以使得服务器端可以获取到第一机器人发送的第一模型数据，上述满足预设的条件的第一模型数据可以为第一机器人进行预设次数的机器学习获取到的第一模型数据，也可以为第一机器人进行预设时长的机器学习获取到的第一模型数据，另外，第一机器人也可随机将获取到的第一模型数据发送给服务器端，以使得服务器端可以获取到第一机器人发送的第一模型数据。

当服务器端向第一机器人发送第一获取请求，以使得第一机器人根据所述第一获取请求，向所述服务器端发送第一模型数据时：服务器可按照第二预设周期向第一机器人发送第一获取请求，以使得所述第一机器人在接收到所述第一获取请求后向服务器端发送第一模型数据。或者，服务器可随机向第一机器人发送第一获取请求，以使得所述第一机器人在接收到所述第一获取请求后向服务器端发送第一模型数据。

服务器端在获取到第一模型数据后，服务器端可以将获取到的第一模型数据推送给第二机器人。其中，上述第一机器人为实际应用中的机器人，而第二机器人可以为实际应用中的机器人，也可为未出厂的机器人。第一机器人与第二机器人可以为各种类型的机器人，比如社区服务类型的机器人、排险救灾类型的机器人、教育教学类型的机器人、娱乐类型的机器人等。其中，社区服务类型的机器人可以进一步包括导航类、咨询类、家政类、或安保类机器人等。为使得第二机器人获取到与第一模型数据对应的机器人功能后，能够更好的适应实际应用环境，服务器端可以只将符合一定预设条件的第一模型数据推送给第二机器人。具体地，本申请实施例中，可以由第一机器人或机器学习训练工程师来判断第一模型数据是否符合预设条件，若判断出第一模型数据符合预设条件，则将所述第一模型数据发送给服务器端，以使得服务器端将符合预设条件的第一模型数据发送给需要推送相关功能的第二机器人；否则，不将所述第一模型数据发送给服务器端。另外，还可由服务器端来判断第一模型数据是否符合预设条件，若判断出第一模型数据符合预设条件，则将所述第一模型数据推送给需要推送相关功能的第二机器人；否则，不将所述第一模型数据推送给第二机器人。

当由第一机器人来判断第一模型数据是否符合预设条件时，第一机器人可采用下述方法来判断第一模型数据是否符合预设条件：

第一机器人可以记录下第一机器人进行机器学习的机器学习参数，然后根据该机器学习参数，来判断第一模型数据是否符合预设条件。其中，该机器学习参数可以包括机器学习的次数、用户对机器学习的满意程度等信息。机器学习的次数可以为第一机器人获取到当前第一模型数据所进行的机器学习的次数。用户对机器学习的满意程度可以为预设时间段内，用户对第一机器人执行任务时的表现的满意程度。具体的，预设时间段内，每当第一机器人执行完毕任务后，便可以显示出询问界面，询问用户是否满意该次表现，该询问界面中可包括点赞和点差控件，若用户点击点赞控件，表示满意该次表现，若用户点差控件，表示不满意该次表现。其中，点赞次数占总评价次数的百分比，便可体现出用户对机器学习的满意程度。

第一机器人可以判断机器学习的次数是否大于预设次数和/或用户对机器学习的满意程度是否大于第一预设满意程度，若机器学习的次数大于第三预设次数和/或用户对机器学习的满意程度大于第一预设满意程度，则判定第一模型数据符合预设条件，否则，则判定第一模型数据不符合预设条件。

当由服务器端来判断第一模型数据是否符合预设条件时，服务器端可采用下述方法来判断第一模型数据是否符合预设条件：

服务器在获取第一模型数据时，可一并获取机器学习参数，然后根据该机器学习参数，来判断第一模型数据是否符合预设条件。其中，服务器可通过下述两种方式获取机器学习参数：服务器在接收第一机器人主动发送的第一模型数据时，可一并接收第一机器人主动发送的机器学习参数；或者，服务器端在向第一机器人发送第一获取请求时，还可同时向第一机器人发送第二获取请求，可使得第一机器人根据第一获取请求向服务器端发送第一模型数据，根据第二获取请求向服务器端发送机器学习参数。需要说明的是，服务器端判断第一模型数据是否符合预设条件的具体过程，可参见第一机器人判断第一模型数据是否符合预设条件的具体过程，此处不再进行赘述。

服务器将第一模型数据推送给需要推送相关功能的第二机器人后，第二机器人即可具备与所述第一模型数据相对应的机器人功能。

需要说明的是，在本申请实施例中，服务器端除了可以获取第一机器人的机器学习参数外，还可获取第一机器人以及第二机器人的电池待电信息、地理位置信息、工作环境信息等信息，以使得服务器端可以根据第一机器人发送的不同的信息，向第一机器人发送不同的指令，以便于第一机器人更好的服务于用户或更利于开发人员维护第二机器人，比如，服务器端接收到的电池待电信息为电量10％时，便向该第一机器人发送充电提醒指令，以使得该第一机器人在接收到该充电提醒指令后，第一机器人输出提醒充电信息，用以告知用户需要充电了，其中，可以以声音或画面等形式输出提醒充电信息，这些信息和功能也可以在第一机器人本体上直接实现。

由于第一机器人、第二机器人与服务器端互传信息的频率较高，还可以建立第一机器人、第二机器人与服务器端之间的长连接，便于第一机器人、第二机器人与服务器端互传信息。另外，为了提高数据传输的安全性，可以针对服务器端和每一个第一机器人和第二机器人设置认证信息，比如公钥、秘钥等，在服务器端与每一个第一机器人和第二机器人进行数据传输之前，先要进行信息认证，待认证成功后，方可进行数据传输。

在本申请实施例中，服务器端将第一机器人在实际应用中获取到的第一模型数据推送给需要推送相关功能的第二机器人，使得第二机器人无需重新进行机器学习，便可直接利用第一机器人的学习成果——第一模型数据，就能够具备与第一模型数据相对应的机器人功能。这就提高了第二机器人获取新功能的效率，从而更高效地提高了第二机器人对应用环境的适应能力并且可以灵活高效的获取更多的机器人功能。

本申请实施例还提供一种具体的机器人功能获取方法，该方法的具体流程示意图可参见图2，包括下述步骤：

步骤201，第一机器人获取第一模型数据。

第一机器人可以在实际环境中训练和应用中、在第二模型数据的基础上进行机器学习获得第一模型数据。上述第二模型数据是第一机器人在实际环境中训练和应用中开始进行机器学习的基础，可以是开发人员开发出来的、未经过训练的模型数据，或者是其他机器人进行机器学习获取到的。

下面详细说明第一机器人是如何获取到第二数据模型的：

(1)若上述第二模型数据为开发人员开发出来的、未经过训练的模型数据，那么开发人员可以将该第二模型数据上传至服务器端，以使得服务器端可将该第二模型数据发送给第一机器人。

其中，第一机器人可为开发人员指定的机器人，也可为用户希望获取到新的机器人功能的机器人。

由于开发人员开发出的第二模型数据的数量可为至少一个，不同的第二模型数据对应着不同的机器人功能，另外，实际应用中的第一机器人的数量同样可为至少一个，可能开发人员想要将不同的第二模型数据发送给不同的第一机器人，再者，不同的用户希望自己使用的第一机器人获取到的新的机器人功能不同，因此，可以针对不同的第二模型数据设置第二模型数据的唯一身份标识，比如唯一身份标识可以为模型数据对应的机器人功能的名称，或者模型数据对应的编号等，然后建立第二模型数据与该第二模型数据对应的机器人功能的名称的映射关系，最后将该关系保存在服务器端，另外还可以事先针对不同的第一机器人设置唯一身份标识，比如机器人名称、机器人序列号等。

若开发人员想要将不同的第二模型数据发送给不同的第一机器人，那么可以事先建立第二模型数据的唯一身份标识与第一机器人的唯一身份标识的对应关系，服务器端可根据第二模型数据的唯一身份标识与第一机器人的唯一身份标识的对应关系，将第二模型数据发送给对应的第一机器人。

若用户希望自己使用的第一机器人获取到新的机器人功能，那么用户可通过第一机器人向服务器端发送第三获取请求，该第三获取请求中包括第一机器人的唯一身份标识以及想要获取的新机器人功能的名称，比如扫地、炒菜等，以使得服务器可以根据该第三获取请求，将对应的第二模型数据发送给该第一机器人。

(2)若第二模型数据是由其他机器人在第三模型数据基础上进行机器学习获取到的，那么其他的机器人可将该第二模型数据上传至服务器端，以使得服务器端可将该第二模型数据发送给第一机器人。

其他的机器人可以为除了第一机器人的机器人。上述其他的机器人可以为实际应用中的机器人，也可以为未出厂的机器人。上述第三模型数据可以为开发人员开发出来的、未经过训练的模型数据。其他机器人获取第三模型数据的方法可参见(1)中提及的第一机器人获取第二模型数据的方法，此处不再进行赘述。另外，上述其他机器人在第三模型数据基础上进行机器学习获取第二模型数据的方法可参见本申请实施例中提及的第一机器人在第二模型数据基础上进行机器学习获取第一模型数据的方法，此处不再进行赘述。

步骤202，第一机器人将第一模型数据发送给服务器端。

步骤203，服务器端接收第一模型数据。

步骤204，服务器端判断第一模型数据是否符合预设条件。

若符合，则执行步骤205；若不符合，则执行步骤207。

步骤205，服务器端将第一模型数据发送给第二机器人。

其中，第二机器人可为开发人员指定的机器人，也可为用户希望获取到新的机器人功能的机器人。

第一模型数据的数量可以为至少一个，不同的第一模型数据对应着不同的机器人功能，另外，实际应用中的第二机器人的数量同样可为至少一个，可能开发人员想要将不同的第一模型数据发送给不同的第二机器人，再者，不同的用户希望自己使用的第二机器人获取到的新的机器人功能不同，因此，可以针对不同的第一模型数据设置第一模型数据的唯一身份标识，比如唯一身份标识可以为模型数据对应的机器人功能的名称，或者模型数据对应的编号等，然后建立第一模型数据与该第一模型数据对应的机器人功能的名称的映射关系，最后将该关系保存在服务器端，另外还可以事先针对不同的第二机器人设置唯一身份标识，比如机器人名称、机器人序列号等。

若开发人员想要将不同的第一模型数据发送给不同的第二机器人，那么可以事先建立第一模型数据的唯一身份标识与第二机器人的唯一身份标识的对应关系，服务器端可根据第一模型数据的唯一身份标识与第二机器人的唯一身份标识的对应关系，将第一模型数据发送给对应的第二机器人。

若用户希望自己使用的第二机器人获取到新的机器人功能，那么用户可通过第二机器人向服务器端发送第四获取请求，该第四获取请求中包括第二机器人的唯一身份标识以及想要获取的新机器人功能的名称，比如扫地、炒菜等，以使得服务器可以根据该第四获取请求，将对应的第一模型数据发送给该第二机器人。

步骤206，第二机器人接收第一模型数据。

步骤207，服务器端拒绝将第一模型数据发送给第二机器人。

采用本申请实施例提供的一种机器人功能获取方法，通过较少的机器人进行机器学习获取第一模型数据，便可使得较多的机器人在不进行机器学习的情况下，获取到第一模型数据，具备第一模型数据对应的机器人功能，提高了机器人获取机器人功能的效率。

为了使得读者更容易理解本申请实施例提供的机器人获取方法是如何提高机器人获取机器人功能的效率的，下面举例说明，如图3所示，该图中包括服务器端，四个机器人。上述四个机器人可以是服务器端认证过的机器人，比如，可以是与服务器端属于相同生产厂商的机器人，或者是服务器端保存了唯一身份标识的机器人。服务器端可分别与上述四个机器人传输信息。

其中，上述四个机器人的唯一身份标识分别为序列号001、序列号002、序列号003以及序列号004。机器人001～机器人003为已投入实际应用中的机器人，该些机器人可在实际环境中训练和应用中、在第二模型数据的基础上进行机器学习获取到第一模型数据。机器人004为未出厂的机器人，该机器人无法在实际环境中训练和应用中、在第二模型数据的基础上进行机器学习获取到第一模型数据，只能通过接收服务器推送的第一模型数据来获取第一模型数据。

上述机器人001～机器人003在实际环境中训练和应用中、在第二模型数据的基础上进行机器学习分别获取到了第一模型数据。其中，机器人001和机器人002获取到的第二模型数据相同，该第二模型数据对应的机器人功能为炒菜。需要说明的是，机器人001的使用者(后称使用者001)和机器人002的使用者(后称使用者002)爱好的口味不同，使用者001爱好口味偏甜的广东菜，使用者002爱好口味偏辣的四川菜，机器人001在使用者001的训练下进行机器学习获取到的第一模型数据对应的机器人功能是炒广东菜，机器人002在使用者002的训练下进行机器学习获取到的第一模型数据对应的机器人功能是炒四川菜。机器人003获取到的第二模型数据，与机器人001、机器人002获取到的第二模型数据不同，机器人003获取到的第二模型数据对应的机器人功能为煲汤，机器人003在机器人003的使用者(后称使用者003)喜欢口味清淡的汤，机器人003在使用者003的训练下进行机器学习后获取到第一模型数据，该第一模型数据对应的功能为煲清淡的汤。

在机器人001～机器人003分别获取到第一模型数据后，机器人001～机器人003可分别为各自获取到的第一模型数据设置唯一身份标识，并建立唯一身份标识与第一模型数据对应的机器人功能的对应关系，例如，机器人001可将获取到的第一模型数据的唯一身份标识设置为编号A，并建立第一模型数据A与炒广东菜的对应关系，机器人002可将获取到的第一模型数据的唯一身份标识设置为编号B，并建立第一模型数据B与炒四川菜的对应关系，机器人003可将获取到的第一模型数据的唯一身份标识设置为编号C，并建立第一模型数据C与煲清淡的汤的对应关系。

然后，机器人001～机器人003分别将第一模型数据A、B、C发送给服务器端，服务器端在接收到第一模型数据A、B、C后，服务器端便可根据实际需求将第一模型数据A、B、C发送给有功能更新需求的机器人。比如，若机器人001在具备炒广东菜的功能的同时，还需要在不进行机器学习的情况下具备炒四川菜以及煲清淡的汤的功能，那么服务器端便可将第一模型数据B、C发送给机器人001；若机器人002在具备炒四川菜的功能的同时，还需要在不进行机器学习的情况下具备炒广东菜以及煲清淡的汤的功能，那么服务器端可将第一模型数据A、C发送给机器人002；若机器人003在具备煲清淡的汤的功能同时，还需要在不进行机器学习的情况下具备炒广东菜以及炒四川菜的功能，则服务器端可将第一模型数据A、B发送给机器人003；若机器人004需要在不进行机器学习的情况下具备炒广东菜、炒四川菜以及煲清淡的汤的功能，则服务器端可将第一模型数据A、B、C发送给机器人004。其中，不同的第一模型数据的产生以及服务器端推送不同的第一模型数据的过程中，不同的机器人扮演的角色不同，比如，机器人001在进行机器学习获取到第一模型数据A时，机器人001扮演第一机器人的角色，当机器人001接收服务器推送的第一模型数据B时，机器人001扮演第二机器人的角色。

由上例可知，三个机器人进行机器学习获取到了三个不同的第一模型数据后，通过服务器端的控制，最终便使得四个机器人中的每一个机器人可获取到这三个不同的第一模型数据，使得四个机器人中的每一个机器人同时具备三种机器人功能。因此，本申请实施例中，通过较少的机器人进行机器学习获取第一模型数据，便可使得较多的机器人在不进行机器学习的情况下，获取到第一模型数据，具备第一模型数据对应的机器人功能，提高了机器人获取机器人功能的效率。

本申请实施例还提供一种服务器，用以实现本申请实施例提供的机器人功能获取方法。

所述服务器包括：

获取模块，用于获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系；

发送模块，用于向第二机器人推送所述第一模型数据，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能。

在一种实施方式中，所述第一模型数据由计算机程序、参数矩阵、参数列表、状态列表中的至少一种组成。

在一种实施方式中，所述服务器端还包括判断模块，用于在服务器端获取第一模型数据之后，判断所述第一模型数据是否符合预设条件；

则，所述发送模块，用于当所述第一模型数据为符合所述预设条件的模型数据时，向所述第二机器人推送符合所述预设条件的第一模型数据。

在一种实施方式中，所述第二机器人与第一机器人为社区服务类型的机器人。

本申请实施例还提供一种机器人，用以实现本申请实施例提供的机器人功能获取方法，所述机器人用于获取机器人功能。所述机器人包括：

接收模块，用于接收服务器推送的第一模型数据；其中，所述第一模型数据由不同于所述机器人的第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系，所述第一模型数据用于使得所述机器人具备与所述第一模型数据相对应的机器人功能。

一方面，在本申请实施例中，第一模型数据是由第一机器人在实际应用中获取到的，第一模型数据与机器人功能存在对应关系。相较于现有技术中的、在实验室环境中获取到的模型数据来说，第一模型数据更符合实际应用场景的需求，对实际应用环境的适应力较高。

另一方面，在本申请实施例中，服务器端将第一机器人在实际应用中获取到的第一模型数据推送给第二机器人，使得第二机器人无需重新进行机器学习，便可直接利用第一机器人的学习成果——第一模型数据，就能够具备与第一模型数据相对应的机器人功能。这就提高了第二机器人获取新功能的效率，从而更高效地提高了第二机器人对应用环境的适应能力。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (7)

1.一种机器人功能获取方法，其特征在于，所述方法包括：

服务器端获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系；其中，服务器端获取第一模型数据的方式为：服务器端接收第一机器人主动发送的第一模型数据，或者，服务器端向第一机器人发送第一获取请求，以使得第一机器人根据所述第一获取请求，向所述服务器端发送第一模型数据；当服务器端接收第一机器人主动发送的第一模型数据时：第一机器人将满足预设的条件的第一模型数据发送给服务器端，以使得服务器端获取到第一机器人发送的第一模型数据，上述满足预设的条件的第一模型数据为第一机器人进行预设次数的机器学习获取到的第一模型数据，或者，为第一机器人进行预设时长的机器学习获取到的第一模型数据，或者，第一机器人随机将获取到的第一模型数据发送给服务器端，以使得服务器端获取到第一机器人发送的第一模型数据；当服务器端向第一机器人发送第一获取请求，以使得第一机器人根据所述第一获取请求，向所述服务器端发送第一模型数据时：服务器按照第二预设周期向第一机器人发送第一获取请求，以使得所述第一机器人在接收到所述第一获取请求后向服务器端发送第一模型数据，或者，服务器随机向第一机器人发送第一获取请求，以使得所述第一机器人在接收到所述第一获取请求后向服务器端发送第一模型数据；

所述服务器端向第二机器人推送所述第一模型数据，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能；其中，服务器端只将符合一定预设条件的第一模型数据推送给第二机器人，由第一机器人或服务器端来判断第一模型数据是否符合预设条件；

当由第一机器人来判断第一模型数据是否符合预设条件时，第一机器人采用下述方法来判断第一模型数据是否符合预设条件：第一机器人记录下第一机器人进行机器学习的机器学习参数，然后根据该机器学习参数，来判断第一模型数据是否符合预设条件；其中，该机器学习参数包括机器学习的次数、用户对机器学习的满意程度；机器学习的次数为第一机器人获取到当前第一模型数据所进行的机器学习的次数；用户对机器学习的满意程度为预设时间段内，用户对第一机器人执行任务时的表现的满意程度；第一机器人判断机器学习的次数是否大于预设次数和/或用户对机器学习的满意程度是否大于第一预设满意程度，若机器学习的次数大于第三预设次数和/或用户对机器学习的满意程度大于第一预设满意程度，则判定第一模型数据符合预设条件，否则，则判定第一模型数据不符合预设条件；

当由服务器端来判断第一模型数据是否符合预设条件时，服务器端采用下述方法来判断第一模型数据是否符合预设条件：服务器在获取第一模型数据时，一并获取机器学习参数，然后根据该机器学习参数，来判断第一模型数据是否符合预设条件；其中，服务器通过下述两种方式获取机器学习参数：服务器在接收第一机器人主动发送的第一模型数据时，一并接收第一机器人主动发送的机器学习参数；或者，服务器端在向第一机器人发送第一获取请求时，还同时向第一机器人发送第二获取请求，使得第一机器人根据第一获取请求向服务器端发送第一模型数据，根据第二获取请求向服务器端发送机器学习参数。

2.如权利要求1所述的方法，其特征在于，所述第一模型数据由计算机程序、参数矩阵、参数列表、状态列表中的至少一种组成。

3.如权利要求1或2所述的方法，其特征在于，所述第二机器人与第一机器人为社区服务类型的机器人。

4.一种服务器，其特征在于，所述服务器用于获取机器人功能，所述服务器包括：

获取模块，用于获取第一模型数据，其中，所述第一模型数据由第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系；其中，获取第一模型数据的方式为：服务器接收第一机器人主动发送的第一模型数据，或者，服务器向第一机器人发送第一获取请求，以使得第一机器人根据所述第一获取请求，向所述服务器发送第一模型数据；当服务器接收第一机器人主动发送的第一模型数据时：第一机器人将满足预设的条件的第一模型数据发送给服务器，以使得服务器获取到第一机器人发送的第一模型数据，上述满足预设的条件的第一模型数据为第一机器人进行预设次数的机器学习获取到的第一模型数据，或者，为第一机器人进行预设时长的机器学习获取到的第一模型数据，或者，第一机器人随机将获取到的第一模型数据发送给服务器，以使得服务器获取到第一机器人发送的第一模型数据；当服务器向第一机器人发送第一获取请求，以使得第一机器人根据所述第一获取请求，向所述服务器发送第一模型数据时：服务器按照第二预设周期向第一机器人发送第一获取请求，以使得所述第一机器人在接收到所述第一获取请求后向服务器发送第一模型数据，或者，服务器随机向第一机器人发送第一获取请求，以使得所述第一机器人在接收到所述第一获取请求后向服务器发送第一模型数据；

发送模块，用于向第二机器人推送所述第一模型数据，所述第一模型数据用于使得所述第二机器人具备与所述第一模型数据相对应的机器人功能；

其中，服务器只将符合一定预设条件的第一模型数据推送给第二机器人，由第一机器人或服务器来判断第一模型数据是否符合预设条件；

当由第一机器人来判断第一模型数据是否符合预设条件时，第一机器人采用下述方法来判断第一模型数据是否符合预设条件：第一机器人记录下第一机器人进行机器学习的机器学习参数，然后根据该机器学习参数，来判断第一模型数据是否符合预设条件；其中，该机器学习参数包括机器学习的次数、用户对机器学习的满意程度；机器学习的次数为第一机器人获取到当前第一模型数据所进行的机器学习的次数；用户对机器学习的满意程度为预设时间段内，用户对第一机器人执行任务时的表现的满意程度；第一机器人判断机器学习的次数是否大于预设次数和/或用户对机器学习的满意程度是否大于第一预设满意程度，若机器学习的次数大于第三预设次数和/或用户对机器学习的满意程度大于第一预设满意程度，则判定第一模型数据符合预设条件，否则，则判定第一模型数据不符合预设条件；

当由服务器来判断第一模型数据是否符合预设条件时，服务器采用下述方法来判断第一模型数据是否符合预设条件：服务器在获取第一模型数据时，一并获取机器学习参数，然后根据该机器学习参数，来判断第一模型数据是否符合预设条件；其中，服务器通过下述两种方式获取机器学习参数：服务器在接收第一机器人主动发送的第一模型数据时，一并接收第一机器人主动发送的机器学习参数；或者，服务器在向第一机器人发送第一获取请求时，还同时向第一机器人发送第二获取请求，使得第一机器人根据第一获取请求向服务器发送第一模型数据，根据第二获取请求向服务器发送机器学习参数。

5.如权利要求4所述的服务器，其特征在于，所述第一模型数据由计算机程序、参数矩阵、参数列表、状态列表中的至少一种组成。

6.如权利要求4或5所述的服务器，其特征在于，所述第二机器人与第一机器人为社区服务类型的机器人。

7.一种机器人，与权利要求4所述的服务器配合使用，其特征在于，所述机器人用于获取机器人功能，所述机器人包括：

接收模块，用于接收服务器推送的第一模型数据；其中，所述第一模型数据由不同于所述机器人的第一机器人在实际环境中训练和应用中获得，所述第一模型数据与机器人功能存在对应关系，所述第一模型数据用于使得所述机器人具备与所述第一模型数据相对应的机器人功能。

Images