CN109202921A - 用于机器人的基于遗忘机制的人机交互方法及装置 - Google Patents
用于机器人的基于遗忘机制的人机交互方法及装置 Download PDFInfo
- Publication number
- CN109202921A CN109202921A CN201710530694.3A CN201710530694A CN109202921A CN 109202921 A CN109202921 A CN 109202921A CN 201710530694 A CN201710530694 A CN 201710530694A CN 109202921 A CN109202921 A CN 109202921A
- Authority
- CN
- China
- Prior art keywords
- current
- interactive elements
- data base
- robot
- robot data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
Abstract
一种用于机器人的基于遗忘机制的人机交互方法及装置,其中,该方法包括:获取当前交互过程的多模态交互信息,对多模态交互信息进行解析来提取出当前交互时间以及当前交互元素;根据当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值,并基于各个交互元素的当前记忆值对机器人记忆库进行更新;根据更新后的机器人记忆库,结合当前交互元素,决策生成相应的多模态反馈信息并输出。本方法能够很好地满足机器人与环境或是与用户进行交互时相关交互元素的记忆领域的遗忘情景,从而使得机器人在人机交互过程中表现得更加接近于人类。
Description
技术领域
本发明涉及机器人技术领域,具体地说,涉及一种用于机器人的基于遗忘机制的人机交互方法及装置。
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。而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拟人问答、自主性及与其它机器人进行交互的智能机器人,人机交互也就成为决定智能机器人发展的重要因素。
人是会遗忘的,为了使得机器人能够表现得更加类人化,机器人在与人或者与环境进行交互的过程中,机器人对新事物的理解以及记忆也应当存在着遗忘过程,而如何使得机器人能够更加合理地对事物的理解以及记忆进行遗忘是亟待解决的技术问题。
发明内容
为解决上述问题,本发明提供了一种用于机器人的基于遗忘机制的人机交互方法,其包括:
交互元素提取步骤,获取当前交互过程的多模态交互信息,对所述多模态交互信息进行解析来提取出当前交互时间以及当前交互元素;
机器人记忆库更新步骤,根据所述当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值,并基于所述各个交互元素的当前记忆值对所述机器人记忆库进行更新;
反馈信息生成步骤,根据更新后的机器人记忆库,结合当前交互元素,决策生成相应的多模态反馈信息并输出。
根据本发明的一个实施例,在所述机器人记忆库更新步骤中,利用机器人记忆库中各个交互元素的当前记忆值替换机器人记忆库中对应的存储记忆值,实现对所述机器人记忆库的更新。
根据本发明的一个实施例,在所述机器人记忆库更新步骤中,判断交互元素的当前记忆值是否小于或等于预设记忆阈值,如果是,则从所述机器人记忆库中删除该交互元素。
根据本发明的一个实施例,所述当前交互元素包括以下所列项中的任一项或几项:
人、物体、事件和情景。
根据本发明的一个实施例,在所述机器人记忆库更新步骤中,判断所述当前交互元素在所述机器人记忆库中是否存在,其中,
如果所述当前交互元素在所述机器人记忆库中存在,则根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长,并根据所述间隔时长以及所述当前交互元素在所述机器人记忆库中的存储记忆值,生成所述当前交互元素的当前记忆值;
如果所述当前交互元素在所述机器人记忆库中不存在,则将所述当前交互元素的初始记忆值确定为当前记忆值,并将所述当前交互元素补充到所述机器人记忆库中。
根据本发明的一个实施例,如果所述当前交互元素在所述机器人记忆库中存在,根据所述间隔时长计算所述当前交互过程的记忆衰减系数,计算所述当前交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积与该存储记忆值的和,确定所述当前交互元素的当前记忆值。
根据本发明的一个实施例,如果所述当前交互元素在所述机器人记忆库中不存在,则根据所述当前交互元素与当前交互过程的相关度来确定所述当前交互元素的初始记忆值。
根据本发明的一个实施例,在所述机器人记忆库更新步骤中,如果所述机器人记忆库中包含除所述当前交互元素外的其它交互元素,则根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长并根据所述间隔时长计算所述当前交互过程的记忆衰减系数,根据交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积计算该交互元素的当前记忆值。
根据本发明的一个实施例,在所述交互元素提取步骤中,通过语义理解的方式对所述多模态交互信息进行解析,所述语义理解包括语言语义理解和/或视觉语义理解。
本发明还提供了一种用于机器人的基于遗忘机制的人机交互装置,其包括:
交互元素提取模块,其配置为获取当前交互过程的多模态交互信息,对所述多模态交互信息进行解析来提取出当前交互时间以及当前交互元素;
机器人记忆库更新模块,其配置为根据所述当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值,并基于所述各个交互元素的当前记忆值对所述机器人记忆库进行更新;
反馈信息生成模块,其配置为根据更新后的机器人记忆库,结合当前交互元素,决策生成相应的多模态反馈信息并输出。
根据本发明的一个实施例,所述机器人记忆库更新模块配置为利用机器人记忆库中各个交互元素的当前记忆值替换机器人记忆库中对应的存储记忆值,实现对所述机器人记忆库的更新。
根据本发明的一个实施例,所述机器人记忆库更新模块配置为判断交互元素的当前记忆值是否小于或等于预设记忆阈值,如果是,则从所述机器人记忆库中删除该交互元素。
根据本发明的一个实施例,所述当前交互元素包括以下所列项中的任一项或几项:
人、物体、事件和情景。
根据本发明的一个实施例,所述机器人记忆库更新步模块配置为判断所述当前交互元素在所述机器人记忆库中是否存在,其中,
如果所述当前交互元素在所述机器人记忆库中存在,所述机器人记忆库更新步模块则根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长,并根据所述间隔时长以及所述当前交互元素在所述机器人记忆库中的存储记忆值,生成所述当前交互元素的当前记忆值;
如果所述当前交互元素在所述机器人记忆库中不存在,所述机器人记忆库更新步模块则将所述当前交互元素的初始记忆值确定为当前记忆值,并将所述当前交互元素补充到所述机器人记忆库中。
根据本发明的一个实施例,如果所述当前交互元素在所述机器人记忆库中存在,所述机器人记忆库更新模块则配置为根据所述间隔时长计算所述当前交互过程的记忆衰减系数,计算所述当前交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积与该存储记忆值的和,确定所述当前交互元素的当前记忆值。
根据本发明的一个实施例,如果所述当前交互元素在所述机器人记忆库中不存在,所述机器人记忆库更新模块则配置为根据所述当前交互元素与当前交互过程的相关度来确定所述当前交互元素的初始记忆值。
根据本发明的一个实施例,如果所述机器人记忆库中包含除所述当前交互元素外的其它交互元素,所述机器人记忆库更新步模块则配置为根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长并根据所述间隔时长计算所述当前交互过程的记忆衰减系数,根据交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积计算该交互元素的当前记忆值。
根据本发明的一个实施例,所述交互元素提取模块配置为通过语义理解的方式对所述多模态交互信息进行解析,所述语义理解包括语言语义理解和/或视觉语义理解。
本发明所提供的用于机器人的人机交互方法能够很好地满足机器人与环境或是与用户进行交互时相关交互元素的记忆领域的遗忘情景,从而使得机器人在人机交互过程中表现得更加接近于人类,这样也就提高了机器人的智能化水平以及类人度。
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。本发明的目的和其它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
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图做简单的介绍:
图1是根据本发明一个实施例的人机交互场景示意图;
图2是根据本发明一个实施例的用于机器人的基于遗忘机制的人机交互方法的实现流程示意图;
图3是根据本发明一个实施例的用于机器人的基于遗忘机制的人机交互方法的实现流程示意图;
图4是根据本发明一个实施例的用于机器人的基于遗忘机制的人机交互方法的实现流程示意图;
图5是根据本发明一个实施例的用于机器人的基于遗忘机制的人机交互装置的结构示意图。
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。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
人是会遗忘的,因此如果需要机器人表现得更加接近于人类的话,那么机器人也应当遵循遗忘机制。对于遗忘过程来说,人们通常是利用艾宾浩斯遗忘曲线来模拟遗忘过程。艾宾浩斯遗忘曲线描述了人类大脑对新事物遗忘的规律,人体大脑对新事物遗忘的遵循渐进的直观描述,人们可以从艾宾浩斯遗忘曲线中掌握遗忘规律并加以利用,从而提升自身记忆能力。
遗忘过程具有以下特点:其一,人类对于所有事物一视同仁地按照相同的归类进行遗忘;其二,偶尔或随机出现的事物会随着时间而逐渐淡忘;其三,具有相对稳定周期重复再现的事物,虽然也按照相同的规律遗忘,但是由于周期性地得到补充,因而这类事物可以动态地保留在记忆中。
因此,如何使得机器人能够更加合理地对事物的理解以及记忆进行遗忘是亟待解决的技术问题。针对该问题,本发明提供了一种新的用于机器人的人机交互方法,该方法能够很好地满足机器人与环境或是与用户进行交互时相关交互元素的记忆领域的遗忘情景,从而使得机器人在人机交互过程中表现得更加接近于人类。
为了更加清楚地阐述本发明所提供的用于机器人的人机交互方法的实现原理、实现过程以及优点,以下分别结合不同的实施例来对该人机交互方法作进一步的说明。
实施例一:
图1示出了本实施例所提供的用于机器人的基于遗忘机制的人机交互方法的应用场景示意图,图2示出了本实施例所提供的用于机器人的基于遗忘机制的人机交互方法的实现流程示意图。
如图1所示,本实施例所提供的人机交互方法配置在机器人101中,机器人101在获取到当前交互过程的多模态交互信息(本实施例中,该多模态交互信息既可以是用户输入的交互信息,也可以是机器人从外部环境所获取到的交互信息)后,会根据上述多模态交互信息生成相应的多模态反馈信息并输出给用户100,从而实现与用户100之间的人机交互。
本实施例提供的人机交互方法首先在步骤S201中获取当前交互过程的多模态交互信息。具体地,本实施例中,根据实际情况,该方法在步骤S201中所获取到的多模态交互信息既可以包含多种形式的交互信息,也可以仅包含一种形式的交互信息,本发明不限于此。
在获取到当前交互过程中的多模态交互信息后,该方法会在步骤S202中对上述步骤S201中获取到的多模态交互信息进行解析,从而从上述多模态交互信息中提取出当前交互时间以及当前交互元素。具体地,本实施例中,该方法可以通过语义理解的方式对上述多模态交互信息进行解析。其中,语义理解优选地包括语言语义理解和/或视觉语义理解。
具体地,本实施例中,根据步骤S201中所获取到的多模态交互信息的具体形式的不同,该方法在步骤S202中可以采用不同的方式来从上述多模态交互信息中提取出当前交互元素。例如,如果该方法在步骤S201中所获取到的多模态交互信息中包含语音信息,那么该方法也就可以在步骤S202中采用自然语言识别以及语言语义解析的方式来提取出当前交互元素;而如果该方法在步骤S201中所获取到的多模态交互信息中图像信息,那么该方法也就可以在步骤S202中采用图像识别的方式来提取出当前交互元素。
本实施例中,该方法在步骤S202中能够从获取到的多模态交互信息中提取到的当前交互元素优选地包括:人、物体、事件和情景等。当然,在本发明的其它实施例中,该方法在步骤S202中从所获取到的多模态交互信息中提取出的当前交互元素既可以仅包含以上所列项的其中一项或其中几项,也包含其它未列出的合理项,抑或是以上所列项中的其中一项或其中几项与其它未列出的合理项的组合,本发明不限于此。
在得到当前交互时间以及当前交互元素后,该方法会在步骤S203中根据当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前交互值。
本实施例中,该方法在步骤S203中可以基于牛顿冷却公式来生成机器人记忆库中各个交互元素的当前交互值。牛顿冷却公式虽然是一个物理学的冷却定律,但是这个公式却可以很好地满足机器人与环境、与人进行交互时的遗忘情景。因此本实施例所提供的方法利用牛顿冷却公式,建立了一个“温度”与“时间”之间的函数关系,从而构造一个温度的“指数衰减”过程。
在任意时刻,机器人对环境中感知到的事物以及对事物的理解和记忆都有一个“当前温度”,温度最高的这些事物的理解和记忆被排在第一位。如果在接下来的时刻,如果对事物的理解被加深、记忆被加强,那么这些事物的相应“温度”则会上升。而随着时间的流逝,事物的“温度”会逐渐冷却,即对于事物的理解以及记忆会逐渐遗忘。
利用牛顿冷却定律可知,物体的冷却速度与其当前温度与室温之间的温差成正比。牛顿冷却定量可以采用如下表达式表示:
T′(t)=-α(T(t)-H) (1)
其中,T′表示温度冷却速率,T表示t时刻的温度值,H表示室温。α(α≥0)表示预设常数,其用于表征室温与降温速率之间的比例关系。
对表达式(1)进行变换,可以得到:
对表达式(2)两侧进行积分,可以得到如下表达式:
根据表达式(3)可以得到:
In(T(t)-H)=-αt+C (4)
其中,C表示常数。
根据表达式(4)可以进一步得到:
T(t)-H=e(-αt+C) (5)
即存在:
T(t)=H+eCe-αt=H+C′e-αt (6)
根据表达式(6),在t0时刻的温度T(t0)则为:
这样也可以得到:
根据表达式(6)和表达式(8),在t时刻的温度T(t)则为
假设室温为0,即所有物体最终都会“冷寂”(对于事物的理解和记忆最终都会遗忘),因此表达式(9)可以简化为:
这样基于表达式(10)也就可以得到确定出各个交互元素在当前时刻的当前记忆值。
如图2所示,本实施例中,在生成机器人记忆库中各个交互元素的当前记忆值后,该方法会在步骤S204中基于各个交互元素的当前记忆值对机器人记忆库进行更新。
本实施例中,如果步骤S202中所提取出的当前交互元素包含在机器人记忆库中,那么该方法则会利用步骤S204中所生成的各个交互元素的当前记忆值来替换机器人记忆库中已有的记忆值(即存储记忆值),从而实现对机器人记忆库的更新。
而如果步骤S202中所提取出的当前交互元素不包含在机器人记忆库中(即对于机器人记忆库来说,当前交互元素是新出现的),那么该方法在步骤S204中则会将当前交互元素及其当前记忆值补充到机器人记忆库中,从而实现对机器人记忆库的更新。
该方法会在步骤S205中利用更新后的机器人记忆库,结合当前交互元素来决策生成相应的多模态反馈信息并输出。具体地,本实施例中,在某些情况下,该方法在步骤S205中可以从更新后的机器人记忆库中确定出当前记忆值最大的交互元素,并根据当前记忆值最大的交互元素来生成相应的多模态反馈信息并输出。
而在某些情况下(例如没有上下文交互信息的情况下),该方法在步骤S205中也可以从更新后的机器人记忆库中提取出当前记忆值大于一预设记忆值阈值的交互元素,并根据所提取出的这些交互元素来生成相应的多模态反馈信息并输出。
另外,在某些情况下,该方法在步骤S205中也可以综合考虑机器人记忆库中各个交互元素与上下文信息的相关度以及各个交互元素的当前记忆值,来生成相应的多模态反馈信息并输出。
当然,在本发明的其它实施例中,该方法在步骤S205中还可以采用其它合理方式来利用更新后的机器人记忆库,结合当前交互元素来决策生成相应的多模态反馈信息并输出,本发明不限于此。
从上述描述中可以看出,本实施例所提供的用于机器人的人机交互方法能够根据提取出的当前交互时间以及当前交互元素来生成当前交互过程中机器人记忆库中各个交互元素的记忆值(即当前记忆值),并根据各个交互元素的当前记忆值来生成相应的多模态反馈信息。相较于现有的人机交互方法,本实施例所提供的方法能够很好地满足机器人与环境或是与用户进行交互时相关交互元素的记忆领域的遗忘情景,从而使得机器人在人机交互过程中表现得更加接近于人类。
实施例二:
图3示出了本实施例所提供的用于机器人的基于遗忘机制的人机交互方法的实现流程示意图。
如图3所示,本实施例所提供的人机交互方法首先在步骤S301中获取当前交互过程的多模态交互信息,并在步骤S302中对步骤S301中所获取到的多模态交互元素进行解析,从而提取出当前交互时间以及当前交互元素。
在得到当前交互时间以及当前交互元素后,该方法会在步骤S303中根据步骤S302中所提取出的当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值。
需要指出的是,本实施例中,上述步骤S301至步骤S303的具体实现原理以及实现过程与上述实施例一中步骤S201至步骤S203所阐述的内容类似,故在此不再对步骤S301至步骤S303的相关内容进行赘述。
如图3所示,在得到机器人记忆库中各个交互元素的当前记忆值后,该方法会在步骤S304中利用各个交互元素的当前记忆值来替换机器人记忆库中对应的存储记忆值。其中,交互元素的存储记忆值可以视为在前一过程中该交互元素的记忆值。
本实施例中,该方法还会在步骤S305中判断各个交互元素的当前记忆值是否小于或等于预设记忆阈值。其中,如果存在当前记忆值小于或等于预设记忆阈值的交互元素,那么则表示机器人对于该交互元素的理解或记忆已经很模糊,为了节省机器人记忆库的存储空间,本实施例中,该方法会在步骤S306中将这类交互元素从机器人记忆库中删除,从而实现对机器人记忆库的更新。
在步骤S307中,该方法会根据更新后的机器人记忆库,结合当前交互元素,来决策生成相应的多模态反馈信息并输出。需要指出的是,本实施例中,步骤S307的具体实现原理以及实现过程与上述实施例一中步骤S205的内容类似,故在此不再对上述步骤S307的相关内容进行赘述。
实施例三:
图4示出了本实施例所提供的用于机器人的基于遗忘机制的人机交互方法的实现流程示意图。
如图4所示,本实施例所提供的人机交互方法首先在步骤S401中获取当前交互过程的多模态交互信息,并在步骤S402中对步骤S401中所获取到的多模态交互元素进行解析,从而提取出当前交互时间以及当前交互元素。
需要指出的是,本实施例中,上述步骤S401和步骤S402的具体实现原理以及实现过程与上述实施例一中步骤S201和步骤S202所阐述的内容类似,故在此不再对步骤S401和步骤S402的相关内容进行赘述。
在提取出当前交互元素后,该方法会在步骤S403中判断当前交互元素在机器人记忆库中是否存在,即机器人记忆库中是否已经存储了当前交互元素。
其中,如果当前交互元素在机器人记忆库中存在,那么该方法则会在步骤S404中根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长。
随后,该方法会在步骤S405中根据上述步骤S404中所确定出的间隔时长以及当前交互元素在机器人记忆库中的存储值来生成当前交互元素的当前记忆值。
本实施例中,在步骤S405中,该方法会根据上述间隔时长计算当前交互过程的记忆衰减系数,随后计算当前交互元素在机器人记忆库中的存储记忆值和上述记忆衰减系数的乘积,然后在计算该乘积值与当前交互元素的存储记忆值的和,从而确定出当前交互元素的当前记忆值。
具体地,在步骤S405中,该方法可以根据如下表达式计算当前交互元素的当前记忆值:
tn表示当前交互过程的交互时间(即当前交互时间),tn-1表示前一交互过程的交互时间,T(tn)表示当前记忆值,T(tn-1)表示存储记忆值。
而如果当前交互元素在机器人记忆库中不存在的话,那么该方法会在步骤S406中将当前交互元素的初始记忆值确定为当前记忆值,并将当前交互元素补充到机器人记忆库中。
本实施例中,如果当前交互元素在机器人记忆库中不存在,那么该方法在步骤S406中优选地根据当前交互元素与当前交互过程的相关度来确定当前交互元素的初始记忆值。其中,优选地,当前交互元素与当前交互过程的相关度越高,那么其初始记忆值也就越大。
例如,该方法从所获取到的图像交互信息中提取到的当前交互元素包括:水池、树木和花,而当前交互过程的交互主题是花,那么该方法在步骤S406中也就会将当前交互元素“花”赋予一较大的初始记忆值,而将当前交互元素“水池”和“树木”分别赋予一较小的初始记忆值。
而对于机器人记忆库中所包含的除当前交互元素外的其它交互元素,本实施例中,该方法则首先会根据当前交互时间和前一交互过程的交互时间来确定当前交互过程与前一交互过程的间隔时长,随后会根据上述间隔时长来计算当前交互过程的记忆衰减系数,最后根据该交互元素在机器人记忆库中的存储记忆值和上述记忆衰减系数的乘积来计算该交互元素的当前记忆值。
具体地,对于机器人记忆库中所包含的除当前交互元素外的其它交互元素,该方法优选地根据如下表达式计算这类交互元素的当前记忆值:
需要指出的是,在本发明的其它实施例中,该方法还可以采用其它合理方式来确定各个交互元素的当前记忆值,本发明不限于此。
如图4所示,在得到机器人记忆库中各个交互元素的当前记忆值后,该方法会在步骤S407中利用各个交互元素的当前记忆值来替换机器人记忆库中对应的存储记忆值。其中,交互元素的存储记忆值可以视为在前一过程中该交互元素的记忆值。
本实施例中,该方法还会在步骤S408中判断各个交互元素的当前记忆值是否小于或等于预设记忆阈值。其中,如果存在当前记忆值小于或等于预设记忆阈值的交互元素,那么则表示机器人对于该交互元素的理解或记忆已经很模糊,为了节省机器人记忆库的存储空间,本实施例中,该方法会在步骤S409中将这类交互元素从机器人记忆库中删除,从而实现对机器人记忆库的更新。在步骤S410中,该方法会根据更新后的机器人记忆库,结合当前交互元素,来决策生成相应的多模态反馈信息并输出。
需要指出的是,本实施例中,步骤S407至步骤S410的具体实现原理以及实现过程与上述实施例二中步骤S304至步骤S307所阐述的内容类似,故在此不再对上述步骤S407至步骤S410的相关内容进行赘述。
从上述描述中可以看出,本实施例所提供的用于机器人的人机交互方法基于牛顿冷却公式来解析人机交互过程中相关交互元素的记忆值的变化过程,该方法能够很好地满足机器人与环境或是与用户进行交互时相关交互元素的记忆领域的遗忘情景,从而使得机器人在人机交互过程中表现得更加接近于人类,这样也就提高了机器人的智能化水平以及类人度。
本发明还提供了一种用于机器人的基于遗忘机制的人机交互装置,图5示出了本实施例中该装置的结构示意图。
如图5所示,本实施例中,该人机交互装置优选地包括:交互元素提取模块501、机器人记忆库更新模块502以及反馈信息生成模块503。其中,交互元素提取模块501用于获取当前交互过程的多模态交互信息,并对上述多模态交互信息进行解析来提取出当前交互时间和当前交互元素。
在得到当前交互时间和当前交互元素后,交互元素提取模块501会将当前交互时间和当前交互元素传输至机器人记忆库更新模块502,以由机器人记忆库更新模块502根据当前交互时间和当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值,并基于各个交互元素的当前记忆值来对机器人记忆库进行更新。
反馈信息生成模块503与机器人记忆库更新模块502连接,其能够根据更新后的机器人记忆库,集合当前交互元素来决策生成相应的多模态反馈信息并输出。
需要指出的是,本实施例中,交互元素提取模块501、机器人记忆库更新模块502以及反馈信息生成模块503实现其各自功能的具体原理以及过程既可以与上述实施例一中步骤S201至步骤S205所阐述的内容相同,也可以与上述实施例二中步骤S301至步骤S307所阐述的内容相同,还可以与上述实施例三中步骤S401至步骤S410所阐述的内容相同,故在此不再对交互元素提取模块501、机器人记忆库更新模块502以及反馈信息生成模块503的相关内容进行赘述。
应该理解的是,本发明所公开的实施例不限于这里所公开的特定结构或处理步骤,而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是,在此使用的术语仅用于描述特定实施例的目的,而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
虽然上述示例用于说明本发明在一个或多个应用中的原理,但对于本领域的技术人员来说,在不背离本发明的原理和思想的情况下,明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此,本发明由所附的权利要求书来限定。
Claims (18)
1.一种用于机器人的基于遗忘机制的人机交互方法,其特征在于,包括:
交互元素提取步骤,获取当前交互过程的多模态交互信息,对所述多模态交互信息进行解析来提取出当前交互时间以及当前交互元素;
机器人记忆库更新步骤,根据所述当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值,并基于所述各个交互元素的当前记忆值对所述机器人记忆库进行更新;
反馈信息生成步骤,根据更新后的机器人记忆库,结合当前交互元素,决策生成相应的多模态反馈信息并输出。
2.如权利要求1所述的方法,其特征在于,在所述机器人记忆库更新步骤中,利用机器人记忆库中各个交互元素的当前记忆值替换机器人记忆库中对应的存储记忆值,实现对所述机器人记忆库的更新。
3.如权利要求2所述的方法,其特征在于,在所述机器人记忆库更新步骤中,判断交互元素的当前记忆值是否小于或等于预设记忆阈值,如果是,则从所述机器人记忆库中删除该交互元素。
4.如权利要求1~3中任一项所述的方法,其特征在于,所述当前交互元素包括以下所列项中的任一项或几项:
人、物体、事件和情景。
5.如权利要求1~4中任一项所述的方法,其特征在于,在所述机器人记忆库更新步骤中,判断所述当前交互元素在所述机器人记忆库中是否存在,其中,
如果所述当前交互元素在所述机器人记忆库中存在,则根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长,并根据所述间隔时长以及所述当前交互元素在所述机器人记忆库中的存储记忆值,生成所述当前交互元素的当前记忆值;
如果所述当前交互元素在所述机器人记忆库中不存在,则将所述当前交互元素的初始记忆值确定为当前记忆值,并将所述当前交互元素补充到所述机器人记忆库中。
6.如权利要求5所述的方法,其特征在于,如果所述当前交互元素在所述机器人记忆库中存在,根据所述间隔时长计算所述当前交互过程的记忆衰减系数,计算所述当前交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积与该存储记忆值的和,确定所述当前交互元素的当前记忆值。
7.如权利要求5或6所述的方法,其特征在于,如果所述当前交互元素在所述机器人记忆库中不存在,则根据所述当前交互元素与当前交互过程的相关度来确定所述当前交互元素的初始记忆值。
8.如权利要求5~7中任一项所述的方法,其特征在于,在所述机器人记忆库更新步骤中,如果所述机器人记忆库中包含除所述当前交互元素外的其它交互元素,则根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长并根据所述间隔时长计算所述当前交互过程的记忆衰减系数,根据交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积计算该交互元素的当前记忆值。
9.如权利要求1~8中任一项所述的方法,其特征在于,在所述交互元素提取步骤中,通过语义理解的方式对所述多模态交互信息进行解析,所述语义理解包括语言语义理解和/或视觉语义理解。
10.一种用于机器人的基于遗忘机制的人机交互装置,其特征在于,包括:
交互元素提取模块,其配置为获取当前交互过程的多模态交互信息,对所述多模态交互信息进行解析来提取出当前交互时间以及当前交互元素;
机器人记忆库更新模块,其配置为根据所述当前交互时间以及当前交互元素,生成机器人记忆库中各个交互元素的当前记忆值,并基于所述各个交互元素的当前记忆值对所述机器人记忆库进行更新;
反馈信息生成模块,其配置为根据更新后的机器人记忆库,结合当前交互元素,决策生成相应的多模态反馈信息并输出。
11.如权利要求10所述的装置,其特征在于,所述机器人记忆库更新模块配置为利用机器人记忆库中各个交互元素的当前记忆值替换机器人记忆库中对应的存储记忆值,实现对所述机器人记忆库的更新。
12.如权利要求11所述的装置,其特征在于,所述机器人记忆库更新模块配置为判断交互元素的当前记忆值是否小于或等于预设记忆阈值,如果是,则从所述机器人记忆库中删除该交互元素。
13.如权利要求10~12中任一项所述的装置,其特征在于,所述当前交互元素包括以下所列项中的任一项或几项:
人、物体、事件和情景。
14.如权利要求10~13中任一项所述的装置,其特征在于,所述机器人记忆库更新模块配置为判断所述当前交互元素在所述机器人记忆库中是否存在,其中,
如果所述当前交互元素在所述机器人记忆库中存在,所述机器人记忆库更新步模块则根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长,并根据所述间隔时长以及所述当前交互元素在所述机器人记忆库中的存储记忆值,生成所述当前交互元素的当前记忆值;
如果所述当前交互元素在所述机器人记忆库中不存在,所述机器人记忆库更新步模块则将所述当前交互元素的初始记忆值确定为当前记忆值,并将所述当前交互元素补充到所述机器人记忆库中。
15.如权利要求14所述的装置,其特征在于,如果所述当前交互元素在所述机器人记忆库中存在,所述机器人记忆库更新步模块则配置为根据所述间隔时长计算所述当前交互过程的记忆衰减系数,计算所述当前交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积与该存储记忆值的和,确定所述当前交互元素的当前记忆值。
16.如权利要求14或15所述的装置,其特征在于,如果所述当前交互元素在所述机器人记忆库中不存在,所述机器人记忆库更新步模块则配置为根据所述当前交互元素与当前交互过程的相关度来确定所述当前交互元素的初始记忆值。
17.如权利要求14~16中任一项所述的装置,其特征在于,如果所述机器人记忆库中包含除所述当前交互元素外的其它交互元素,所述机器人记忆库更新步模块则配置为根据当前交互时间和前一交互过程的交互时间确定当前交互过程与前一交互过程的间隔时长并根据所述间隔时长计算所述当前交互过程的记忆衰减系数,根据交互元素在所述机器人记忆库中的存储记忆值和所述记忆衰减系数的乘积计算该交互元素的当前记忆值。
18.如权利要求10~17中任一项所述的装置,其特征在于,所述交互元素提取模块配置为通过语义理解的方式对所述多模态交互信息进行解析,所述语义理解包括语言语义理解和/或视觉语义理解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710530694.3A CN109202921B (zh) | 2017-07-03 | 2017-07-03 | 用于机器人的基于遗忘机制的人机交互方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710530694.3A CN109202921B (zh) | 2017-07-03 | 2017-07-03 | 用于机器人的基于遗忘机制的人机交互方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109202921A true CN109202921A (zh) | 2019-01-15 |
CN109202921B CN109202921B (zh) | 2020-10-20 |
Family
ID=64992215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710530694.3A Active CN109202921B (zh) | 2017-07-03 | 2017-07-03 | 用于机器人的基于遗忘机制的人机交互方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109202921B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826724A (zh) * | 2019-10-22 | 2020-02-21 | 深圳前海达闼云端智能科技有限公司 | 一种检测数据处理的方法、装置、终端和存储介质 |
CN111553467A (zh) * | 2020-04-30 | 2020-08-18 | 陈永聪 | 一种实现通用人工智能的方法 |
WO2021223042A1 (zh) * | 2020-05-06 | 2021-11-11 | Chen Yongcong | 一种类似于人类智能的机器智能实现方法 |
WO2021226731A1 (zh) * | 2020-05-11 | 2021-11-18 | 陈永聪 | 一种模仿人类记忆来实现通用机器智能的方法 |
US11715291B2 (en) | 2020-04-30 | 2023-08-01 | Yongcong Chen | Establishment of general-purpose artificial intelligence system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080059393A1 (en) * | 2006-09-05 | 2008-03-06 | Samsung Electronics, Co., Ltd. | Method for changing emotion of software robot |
CN106462254A (zh) * | 2016-06-29 | 2017-02-22 | 深圳狗尾草智能科技有限公司 | 一种机器人交互内容的生成方法、系统及机器人 |
CN106570008A (zh) * | 2015-10-09 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 推荐方法及装置 |
CN106774832A (zh) * | 2016-11-15 | 2017-05-31 | 北京光年无限科技有限公司 | 一种用于智能机器人的人机交互方法及装置 |
-
2017
- 2017-07-03 CN CN201710530694.3A patent/CN109202921B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080059393A1 (en) * | 2006-09-05 | 2008-03-06 | Samsung Electronics, Co., Ltd. | Method for changing emotion of software robot |
CN106570008A (zh) * | 2015-10-09 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 推荐方法及装置 |
CN106462254A (zh) * | 2016-06-29 | 2017-02-22 | 深圳狗尾草智能科技有限公司 | 一种机器人交互内容的生成方法、系统及机器人 |
CN106774832A (zh) * | 2016-11-15 | 2017-05-31 | 北京光年无限科技有限公司 | 一种用于智能机器人的人机交互方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826724A (zh) * | 2019-10-22 | 2020-02-21 | 深圳前海达闼云端智能科技有限公司 | 一种检测数据处理的方法、装置、终端和存储介质 |
CN111553467A (zh) * | 2020-04-30 | 2020-08-18 | 陈永聪 | 一种实现通用人工智能的方法 |
CN111553467B (zh) * | 2020-04-30 | 2021-06-08 | 陈永聪 | 一种实现通用人工智能的方法 |
WO2021217282A1 (zh) * | 2020-04-30 | 2021-11-04 | Chen Yongcong | 一种实现通用人工智能的方法 |
US11715291B2 (en) | 2020-04-30 | 2023-08-01 | Yongcong Chen | Establishment of general-purpose artificial intelligence system |
WO2021223042A1 (zh) * | 2020-05-06 | 2021-11-11 | Chen Yongcong | 一种类似于人类智能的机器智能实现方法 |
WO2021226731A1 (zh) * | 2020-05-11 | 2021-11-18 | 陈永聪 | 一种模仿人类记忆来实现通用机器智能的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109202921B (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109202921A (zh) | 用于机器人的基于遗忘机制的人机交互方法及装置 | |
CN100509308C (zh) | 用于机器人的行为控制系统和行为控制方法及机器人装置 | |
CN105653689B (zh) | 一种用户传播影响力的确定方法和装置 | |
WO2021217282A1 (zh) | 一种实现通用人工智能的方法 | |
CN106126636B (zh) | 一种面向智能机器人的人机交互方法及装置 | |
CN106462254A (zh) | 一种机器人交互内容的生成方法、系统及机器人 | |
Zhuge | Cyber physical society | |
Chen et al. | Cp-robot: Cloud-assisted pillow robot for emotion sensing and interaction | |
Manu et al. | Smart home automation using IoT and deep learning | |
Chisholm et al. | The emergence of latent infection in the early evolution of Mycobacterium tuberculosis | |
Miranda et al. | Examining the State of Robot Identity | |
Liao et al. | A systematic review of global research on natural user interface for smart home system | |
CN109202922A (zh) | 用于机器人的基于情感的人机交互方法及装置 | |
Pandya et al. | Fuzzy-as-a-service for real-time human activity recognition using IEEE 1855-2016 standard | |
Callaghan | Micro-futures | |
CN105069728A (zh) | 一种基于无线传感网的情感推理方法 | |
Malle | Social robots and the tree of social cognition | |
Liang et al. | Crowd-Oriented Behavior Simulation: Reinforcement Learning Framework Embedded with Emotion Model | |
John et al. | A neural network model to identify relative movements from wearable devices | |
Xu et al. | Studies on Human Recognition Activities Based on Federated Learning | |
Patil et al. | A Review on Multi-Agent Data Mining Systems | |
Kuang et al. | A smart home architectural design of cyber physical systems | |
Vallstrom | A Possible Solution to the Fermi Paradox Based on Cooperative Evolutionary Pressure and Diminishing Returns: On What Super-ais Are Like and Why We Don't See Them | |
Ma | Research on the model and architecture of Immune-SoftMan | |
Wallace et al. | An Emerging Catastrophe: The Weaponization of Emotional Sentience in AI |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |