CN112087984B - 机器人识别管理器 - Google Patents
机器人识别管理器 Download PDFInfo
- Publication number
- CN112087984B CN112087984B CN201980030641.2A CN201980030641A CN112087984B CN 112087984 B CN112087984 B CN 112087984B CN 201980030641 A CN201980030641 A CN 201980030641A CN 112087984 B CN112087984 B CN 112087984B
- Authority
- CN
- China
- Prior art keywords
- robotic device
- unknown
- determining
- processors
- robotic
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 112
- 230000004044 response Effects 0.000 claims abstract description 48
- 230000009471 action Effects 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims description 69
- 238000004891 communication Methods 0.000 claims description 40
- 230000003287 optical effect Effects 0.000 claims description 34
- 230000003592 biomimetic effect Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 21
- 230000005236 sound signal Effects 0.000 claims description 19
- 230000000977 initiatory effect Effects 0.000 claims description 18
- 239000011664 nicotinic acid Substances 0.000 claims description 12
- 230000011664 signaling Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 11
- 230000002085 persistent effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000001356 surgical procedure Methods 0.000 description 10
- 230000001149 cognitive effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 241000282412 Homo Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 238000002432 robotic surgery Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000012419 revalidation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
- A61B34/35—Surgical robots for telesurgery
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
- A61B34/37—Master-slave robots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/90—Identification means for patients or instruments, e.g. tags
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
- A61B2034/302—Surgical robots specifically adapted for manipulations within body cavities, e.g. within abdominal or thoracic cavities
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33105—Identification of type of connected module, motor, panel
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Robotics (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Manipulator (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明的各方面公开了一种用于识别机器人的方法、计算机程序产品和系统。该方法包括接收对断言为第一机器人装置的未知机器人装置的认证请求。该方法还包括接收用于该第一机器人装置的第一识别数据集。该方法还包括向未知机器人装置发出识别动作。该方法还包括基于对从未知机器人装置接收到的识别动作的响应,生成用于未知机器人装置的第二识别数据集。该方法还包括响应于确定第一识别数据集匹配第二识别数据集,确定未知机器人装置是第一机器人装置。该方法还包括响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置。
Description
技术领域
本发明一般涉及认知计算领域,尤其涉及机器人安全。
背景技术
机器人技术涉及机器人的设计、构造、操作和使用,以及用于其控制、传感反馈和信息处理的计算机系统。
这些技术用于开发可以代替人类并复制人类动作的机器。机器人可以用于任何情况和任何目的,但是现在许多机器人用于危险环境(包括炸弹检测和去激活)、制造过程或人类不能生存的情况。机器人可以采取任何形式,但是一些被制成在外观上类似于人。据说这有助于接受机器人通常由人执行的某些复制行为。这种机器人试图复制行走、提升、说话、认知以及基本上人可以做的任何事情。许多当今的机器人受到自然的启发,有助于生物启发机器人领域。
机器人手术是用于外科医生和手术机器人(其已经被编程以在术前计划程序期间执行某些动作)的相关动作的术语。手术机器人是计算机控制的机械装置(通常看起来像机器人臂)。机器人手术可以根据手术过程中外科医生的交互程度分为三种类型:监督控制、远程手术和共享控制。在监督控制系统中,该过程仅由机器人执行,机器人将执行预编程动作。远程手术系统,也称为远程手术,要求外科医生在手术过程中操纵机器人臂,而不是允许机器人臂根据预定程序工作。利用共享控制系统,外科医生利用机器人执行手术,该机器人提供器械的稳定的手操纵。在大多数机器人中,可以根据手术复杂性和病例的特殊性,为每个单独的介入选择工作模式。
远程手术(也称为远程外科手术)是医生对患者进行手术的能力,即使他们在身体上不在同一位置。它是远程呈现的一种形式。机器人手术系统通常由一个或多个臂(由外科医生控制)、主控制器(控制台)和向用户提供反馈的传感系统组成。远程手术结合了机器人技术要素、尖端通信技术(如高速数据连接)和管理信息系统的元素。虽然机器人外科手术领域已经相当完善,但大多数机器人都是由手术地点的外科医生控制的。远程手术本质上是对外科医生的高级远程办公,其中外科医生和患者之间的物理距离是不重要的。
发明内容
根据本发明的一个实施例,提供了一种用于识别机器人装置的方法。该方法包括接收对断言为第一机器人装置的未知机器人装置的认证请求。该方法还包括接收用于该第一机器人装置的第一识别数据集。该方法还包括向未知机器人装置发出识别动作。该方法还包括基于对从未知机器人装置接收到的识别动作的响应,生成用于未知机器人装置的第二识别数据集。该方法还包括响应于确定第一识别数据集匹配第二识别数据集,确定未知机器人装置是第一机器人装置。该方法还包括响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置。该方法还包括发起对来自第一机器人装置的知识先验的请求,其中知识先验涉及第一机器人装置的先前存储的识别结果;由一个或多个处理器接收来自所述第一机器人装置的知识先验。该方法还包括确定知识先验与一个或多个数据库上的知识先验匹配;以及准许第一机器人装置访问一个或多个受限区域。该方法还包括发起断言是第一机器人装置的未知机器人装置的询问和询问断言是第一机器人装置的未知机器人装置。该方法还包括确定断言为第一机器人装置的未知机器人装置以对应于一个或多个数据库上的数据的方式响应询问,并允许第一机器人装置进入一个或多个受限区域。
该方法利用仿生信号识别进行机器人识别,这是有利的,因为本发明利用多维方法来识别机器人装置。该识别方法利用基于认知机器人部件回归的先验系统来积累机器人的主动和被动识别的证据。该信号识别方法利用机器人知识证据结合仿生信号识别来主动和被动识别机器人。
从另一个角度来看,本发明提供了一种识别机器人装置的计算机程序产品,该计算机程序产品包括:一个或多个计算机可读有形存储介质和存储在所述一个或多个计算机可读存储介质中的至少一个上的程序指令,所述程序指令可由一个或多个计算机处理器读取/执行并且还包括:用于接收对断言为第一机器人装置的未知机器人装置的认证请求的程序指令;用于接收用于第一机器人装置的第一识别数据集的程序指令;用于向未知机器人装置发出识别动作的程序指令;用于基于从未知机器人装置接收到的对识别动作的响应来生成未知机器人装置的第二识别数据集的程序指令;用于响应于确定第一识别数据集匹配第二识别数据集,确定未知机器人装置是第一机器人装置的程序指令;以及响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置的程序指令。
优选地,本发明提供了一种计算机程序产品,其中生成第二识别数据集还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:从机器人装置获得音频信号;对音频信号执行音频信令处理;以及生成未知机器人装置的音频信号轮廓。
优选地,本发明提供了一种计算机程序产品,还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:从第一机器人装置接收签名仿生输入;确定相应的签名仿生输出;对相应的签名仿生输出建模;并且其中生成第二识别数据集是基于未知机器人装置的对应的签名仿生输出。
优选地,本发明提供了一种计算机程序产品,其中响应于确定未知机器人装置是第一机器人装置而对未知机器人装置进行认证还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:启动与第一机器人装置的通信;以及响应于确定未知机器人装置是第一机器人装置,更新第一机器人装置的识别数据集。
优选地,本发明提供了一种计算机程序产品,其中响应于确定未知机器人装置是第一机器人装置而对未知机器人装置进行认证还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:执行光学扫描;生成未知机器人装置的光学扫描图像;以及确定所生成的未知机器人装置光学扫描图像与来自一个或多个数据库的光学扫描图像匹配。
优选地,本发明提供了一种计算机程序产品,其中响应于确定未知机器人装置是第一机器人装置而对未知机器人装置进行认证还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:发起对来自第一机器人装置的知识先验的请求,其中,所述知识先验与所述第一机器人装置的先前存储的识别结果有关;接收来自所述第一机器人装置的知识先验;确定所述知识先验与一个或多个数据库上的知识先验匹配;以及准许第一机器人装置访问一个或多个受限区域。
优选地,本发明提供一种计算机程序产品,其还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器发起对断言是第一机器人装置的未知机器人装置的询问;询问断言是第一机器人装置的未知机器人装置;确定断言为第一机器人装置的未知机器人装置以对应于一个或多个数据库上的数据的方式响应询问;并且准许第一机器人装置访问一个或多个受限区域。
优选地,本发明提供了一种计算机程序产品,其还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:响应于确定断言为第一机器人装置的未知机器人装置的第一识别数据集不匹配第一机器人装置编程数据集,发起关机协议。
优选地,本发明提供了一种计算机程序产品,其中响应于确定未知机器人装置是第一机器人装置,该计算机程序产品还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,这些程序指令致使该处理器:确定对第一机器人装置的连续监测;以及监测第一机器人装置。
从另一方面来看,本发明提供了一种计算机系统,包括:一个或多个计算机处理器;一个或多个计算机可读存储介质;以及存储在计算机可读存储介质上以供一个或多个计算机处理器中的至少一个计算机处理器执行的程序指令,程序指令包括:用于接收对断言为第一机器人装置的未知机器人装置的认证请求的程序指令;用于接收用于第一机器人装置的第一识别数据集的程序指令;用于向未知机器人装置发出识别动作的程序指令;用于基于从未知机器人装置接收到的对识别动作的响应来生成未知机器人装置的第二识别数据集的程序指令;用于响应于确定第一识别数据集匹配第二识别数据集,确定未知机器人装置是第一机器人装置的程序指令;以及响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置的程序指令。
优选地,本发明提供一种计算机系统,其中生成第二识别数据集还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:从机器人装置获得音频信号;对音频信号执行音频信令处理;以及生成未知机器人装置的音频信号简档。
优选地,本发明提供了一种计算机系统,其还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:从第一机器人装置接收签名仿生输入;确定相应的签名仿生输出;对相应的签名仿生输出建模;并且其中生成第二识别数据集是基于未知机器人装置的对应的签名仿生输出。
优选地,本发明提供一种计算机系统,其中响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:启动与第一机器人装置的通信;以及响应于确定未知机器人装置是第一机器人装置,更新第一机器人装置的识别数据集。
优选地,本发明提供一种计算机系统,其中响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:执行光学扫描;生成未知机器人装置的光学扫描图像;以及确定所生成的未知机器人装置光学扫描图像与来自一个或多个数据库的光学扫描图像匹配。
优选地,本发明提供一种计算机系统,其中响应于确定未知机器人装置是第一机器人装置而认证未知机器人装置还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:发起对来自第一机器人装置的知识先验的请求,其中知识先验与第一机器人装置的先前存储的识别结果有关;接收来自第一机器人装置的知识先验;确定所述知识先验与一个或多个数据库上的知识先验匹配;以及准许第一机器人装置访问一个或多个受限区域。
优选地,本发明提供了一种计算机系统,其还包括存储在一个或多个计算机可读存储介质上的程序指令,当由处理器执行时,所述程序指令使处理器:发起断言为第一机器人装置的未知机器人装置的询问;询问断言是第一机器人装置的未知机器人装置;确定断言为第一机器人装置的未知机器人装置以对应于一个或多个数据库上的数据的方式响应询问;并且允许第一机器人装置进入一个或多个受限区域。
附图说明
图1是示出根据本发明实施例的分布式数据处理环境的功能框图。
图2是描述根据本发明实施例的程序200(用于识别机器人装置的程序)的操作步骤的流程图。
图3示出了根据本发明实施例的识别机器人装置的程序的示例。
图4是在根据本发明实施例的计算机系统(例如图1的服务器计算机)的组件的框图。
具体实施方式
本发明的实施例认识到机器人的普及引入了独特的问题。从公司安全到医疗事务的各种情况将需要肯定地识别和检查机器人的能力,以确保机器人是用于该任务的正确机器人。表述“Voir Dire”被翻译为“那是真的”,并且该表述通常与证据、能力和与偏见相关联的其他事项有关。为了确保公司安全,识别机器人人员与正确识别人类人员一样重要。缺少适当准许(clearance)的机器人不应比机器人的人类对应物更多地被允许进入敏感区域中。
本发明的实施例认识到联合委员会已经建立了通用协议以(i)防止错误的人,(ii)错误的过程,以及(iii)医院和门诊环境中的错误的现场手术。为了确保患者安全,并且为了有效地解决医疗事故问题,医疗手术机器人的正确识别是最重要的。为了使机器人参与手术,机器人将需要能够遵守通用协议,并且因此能够识别它们自己并且陈述它们对手边医疗任务的资格。
本发明的实施例认识到,当前识别机器人的方法被归于使用射频识别装置(RFID)。RFID标签非常容易受到威胁访问控制系统的中继攻击。中继攻击涉及非法标签B以及欺诈读取器的使用。在一个示例中,原始标签A和读取器(其在受限区域)相隔一定距离。假冒的读取器读取原始标签,并使用该信息来用标签A的标识符对标签B进行编程。然后,标签B充当标签A,并与合法读取器通信,以获得对限制区域的非法访问。本发明的实施例还认识到,RFID标签可以非常容易地被伪造或复制,从而允许模仿标签。
本发明的实施例认识到,识别机器人装置的当前方法是有问题的。验证机器人装置的身份的当前方法利用过时的且容易伪造的方法。例如,利用MAC地址、或仅条形码、或电磁签名来识别机器人装置非常容易被外部实体征用。本发明的实施例还认识到,身份是多维构造,并且当前的方法利用一种识别机器人装置的方法(如果有的话)。
本发明的实施例提供了一种利用多维识别构造来识别机器人装置的方法。本发明利用仿生信号识别进行机器人识别,这是有利的,因为本发明利用多维方法来识别机器人装置。该识别方法利用基于认知机器人部件回归的先验系统来积累机器人的主动和被动识别的证据。该信号识别方法利用机器人知识证据结合仿生信号识别来主动和被动识别机器人。
现在参考图1,示出了其中可以实现本公开的实施例的示例分布式数据处理环境的功能框图。在一个实施例中,计算装置110包括计算机处理单元(CPU)125、图形用户界面(GUI)130、图形处理单元(GPU)145、web浏览器150、仿生芯片155和存储装置160。计算装置110上的各种程序包括web浏览器、电子邮件客户端、安全软件(例如,防火墙程序、地理定位程序、加密程序等)、即时消息收发(IM)应用(app)以及通信(例如,电话)应用。
计算装置110可以是机器人装置、台式计算机、膝上型计算机、平板计算机、专用计算机服务器、智能电话、可穿戴装置(例如,智能手表、个人健身装置、个人安全装置)、或本领域中已知的具有交互式显示器的任何可编程计算机系统、或本领域中已知的任何其他计算机系统。在某些实施例中,计算装置110表示利用集群计算机和组件的计算机系统,当通过网络185访问时,集群计算机和组件充当单个无缝资源池,这在数据中心中以及与云计算应用中是常见的。通常,计算装置110表示能够执行机器可读程序指令并经由网络与其他计算机装置通信的任何可编程电子装置或可编程电子装置的组合。
在一个实施例中,中央处理单元125(CPU)接收数据输入、执行指令并处理信息。CPU 125与输入/输出(I/O)装置通信,该输入/输出装置向CPU发送数据和从CPU接收数据。另外,CPU 125具有用于与内部高速缓冲存储器通信的内部总线,称为后端总线。用于向CPU、存储器、芯片组和AGP插槽传送数据和从CPU、存储器、芯片组和AGP插槽传送数据的主总线被称为前端总线。CPU 125包含称为寄存器的内部存储器单元。这些寄存器包含ALU信息处理中使用的数据、指令、计数器和地址。
在一个实施例中,图形用户界面130在计算装置110上操作。在另一实施例中,图形用户界面130在基于服务器的设置中的另一计算机上操作;例如在服务器计算机(例如服务器120)上。在又一实施例中,图形用户界面130与通过网络185互连的服务器计算机(例如,服务器120)同时在计算装置110上操作。图形用户界面130可以是用于访问来自计算装置110的信息的任何用户界面,所述信息诸如由程序200收集或产生的信息。另外,图形用户界面130可以是用于向计算装置110提供信息的任何用户界面,诸如由用户提供的用于输入到程序200的信息。在一些实施例中,图形用户界面130可以呈现用于从因特网检索、呈现和协商资源的通用web浏览器。在其他实施例中,图形用户界面130可以是使得计算装置110处的用户能够访问网络185的软件或应用。
在又一实施例中,计算装置110的用户可以通过触摸屏与图形用户界面130交互,该触摸屏既作为图形用户界面(GUI)的输入装置又作为呈现与软件应用相关联的多个图标或描绘执行中的软件应用的图像的输出装置(即,电子显示器)来执行。可选地,软件应用(例如,web浏览器)可以生成在计算装置110的GUI内操作的图形用户界面130。图形用户界面130接受来自多个输入/输出(I/O)装置的输入,所述输入/输出装置包括但不限于被称为多点触摸显示器的触觉传感器接口(例如,触摸屏或触摸板)。与图形用户界面130对接的I/O装置可以连接到计算装置110,其可以利用有线(例如,USB端口)或无线网络通信(例如,红外、NFC等)来操作。根据本发明的实施例,计算装置110可以包括如参考图4进一步详细描绘和描述的组件。
图形处理单元145(GPU)是专用于显示功能的可编程逻辑芯片(处理器)。在一个示例中,GPU 145为计算机的屏幕渲染图像、动画和视频。GPU位于插入卡上、主板上的芯片组中或与CPU相同的芯片中(未示出)。GPU 145执行并行操作。尽管GPU 145用于2D数据以及缩放和摇摄屏幕,但GPU 145辅助3D动画和视频的解码和渲染。GPU越复杂,分辨率越高,且游戏和电影中的运动越快且越平滑。独立卡上的GPU包括其自己的随机存取存储器(RAM),而芯片组或CPU芯片中的GPU与CPU共享主存储器。GPU 145具有大规模并行架构,其由经设计以用于同时处置多个任务的数千个较小、较有效的核心组成。GPU 145减轻CPU的负担以释放可用于其它作业的周期。
web浏览器150可以是用于从因特网检索、呈现和遍历信息资源的通用web浏览器。在一些实施例中,web浏览器150可以是为移动装置设计的web浏览器。在其他实施例中,web浏览器150可以是为诸如台式计算机、PC或膝上型计算机等传统计算装置设计的web浏览器。一般而言,web浏览器150可以是使得计算装置110的用户能够通过网络185访问网页的任何应用或软件。在所描绘的环境中,web浏览器150驻留在计算装置110上。在其它实施例中,web浏览器150或类似的web浏览器可以驻留在能够通过网络185访问网页的其它计算装置上。
仿生芯片155包含来自一个或多个神经网络的权重,所述神经网络已经被训练成包括认知运动和用于识别机器人的声音。在一个实施例中,仿生芯片155位于正被验证的机器人装置上。在另一实施例中,仿生芯片155位于验证机器人装置的标识的计算装置上。在另一实施例中,仿生芯片155位于两个装置上,即正被验证的机器人装置和正在验证机器人装置的标识的计算装置。在一个实施例中,仿生芯片155已经从神经网络或认知模块训练,该神经网络或认知模块校准机器人的传感器以响应于正确识别的请求或手势而以签名方式移动。仿生芯片155已经被训练成移动和/或发出模仿人类行为的特征声音,以主动和被动地识别机器人。在一个示例中,用户指示外科手术机器人臂验证机器人外科手术臂适合于脑外科手术。机器人通过部署在仿生芯片155上的、位于机器人装置和识别机器人装置的计算装置之一或两者上的训练神经网络,将启动特征运动,以验证机器人是正确的机器人。
位于计算装置110上的存储装置160(例如,数据库)表示能够存储由计算装置110访问和利用的数据的任何类型的存储装置。在其他实施例中,存储装置160表示计算装置110内的多个存储装置。存储装置160存储信息,例如但不限于账户信息、认证证书、用户偏好、优选用户列表、先前访问的网站、访问的Wi-Fi门户的历史以及计算装置的位置的历史。
通常,网络185可以是将支持计算装置110之间的通信的连接和协议的任何组合。网络185可以包括例如局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络或前述的任何组合,并且还可以包括有线、无线和/或光纤连接。
服务器120可以是台式计算机、膝上型计算机、平板计算机、专用计算机服务器、智能电话或本领域已知的任何其它计算机系统。在某些实施例中,服务器120表示利用集群计算机和组件的计算机系统,当通过网络185访问时,集群计算机和组件充当单个无缝资源池,这在数据中心中以及与云计算应用中是常见的。通常,服务器120表示能够执行机器可读程序指令并经由网络与其它计算机装置通信的任何可编程电子装置或可编程电子装置的组合。在一个实施例中,服务器120包括数据库170和程序200。
在一个实施例中,服务器120能够发起服务器120与计算装置110之间的握手过程。握手是协商的自动过程,其在两个实体之间建立的通信信道上的正常通信开始之前动态地设置该信道的参数。握手跟随信道的物理建立并且在正常信息传输之前。握手便于在通信信道上连接异构计算系统或装置,而无需用户干预来设置参数。在一个示例中,服务器120通过向计算装置110发送消息来发起握手过程,该消息指示服务器120想要建立通信信道以便获得对计算装置110上的程序的访问。
数据库170可以是可由服务器120读取的储存库。数据库170表示能够存储由服务器120访问和使用的数据的任何类型的存储装置。在其它实施例中,数据库170表示服务器120内的多个存储装置。数据库170存储信息,例如但不限于账户信息、认证证书、用户偏好、优选用户列表、先前访问的网站、访问的Wi-Fi门户的历史和计算装置的历史,以及位于访问服务器、电话呼叫、视频会议或一个或多个用户之间的实况对话的计算装置上的信息。
在一个实施例中,程序200在服务器120上运行。在另一实施例中,程序200在基于服务器的设置中在另一计算机上操作,例如在未示出的服务器计算机上。在又一实施例中,程序200与通过网络185互连的服务器120同时在计算装置110上操作。程序200提供检测和减轻与虚拟代理的对手对话的能力。程序200能够利用Wi-Fi技术、蓝牙、近场通信标签(NFC)、全球移动通信系统(GSM)和全球定位系统技术(GPS)来与计算装置110通信。
在示例实施例中,程序200作为计算装置110上的一个或多个应用内的代码片段来操作。代码片段定义了片段与应用(例如,程序200由服务器120上的web浏览器应用程序托管)之间的交互性的范围。例如,程序200是网络浏览器150内的功能,并且程序200的处理在由程序200启动的网络浏览器150的操作期间自动发生(即,没有用户干预)。动态代码片段元素提供脚本支持。这些变量使得能够通过服务器120、图形用户界面130、web浏览器150和仿生芯片155在程序200之间进行对话。
图2是描绘根据本发明实施例的程序200的流程图,该程序是用于识别机器人装置的程序。
在步骤210中,程序200接收识别数据集。在一个实施例中,程序200从神经网络(未示出)的输出接收识别数据集,该识别数据集包括第一未知机器人装置的历史数据集。程序200能够接收同一机器人的不同组成部分的多个识别数据集以及机器人本身的识别数据集。在示例中,程序200同时接收用于附接到相同手术机器人的四个不同手术臂和机器人的身体的五个数据集。所接收的数据集是特定于各个臂、各个机器人的,并且是不可互换的。在该示例中,接收到的识别数据集1对应于手术臂一,而接收到的识别数据集二对应于手术臂二,接收到的识别数据集三对应于手术臂三,接收到的识别数据集四对应于手术臂四。接收到的识别数据集五对应于机器人的身体。
在另一个实施例中,程序200从一个机器人接收识别数据集。在一个示例中,程序200从一个机器人的身体接收识别数据集作为来自未描绘的神经网络的输出。识别数据集对应于机器人的身体,因为该机器人没有臂或其它功能部件。在另一实施例中,程序200接收用于未物理连接到机器人的身体的两个臂以及未物理接近构成机器人的臂的机器人的身体的识别数据集。
图3示出了根据本发明的实施例的启动与未知机器人装置的通信的程序200的示例。在该实施例中,程序200在与机器人装置关联的计算装置310上操作,并且启动与未知机器人装置315的通信,其中手术机器人臂320、330和340附接到未知机器人装置315。程序200能够独立于并且与手术机器人臂320、330和340中的一个、两个或全部合作地发起与未知机器人装置315的通信。手术机器人臂320、330和340能够执行与各个附肢唯一关联的签名移动。
在步骤220,程序200通过计算装置310与320、330和340所附接的未知机器人装置315通信。程序200能够分别与未知机器人装置315和未知手术机器人臂320、330和340发起主动通信和被动通信,并且程序200能够接收这些主动通信和被动通信。在一个实施例中,程序200从未知机器人装置315和未知外科手术机器人臂320、330和/或340获得音频信号,并且处理音频信号以获得未知机器人装置的每个或所有未知外科手术机器人臂的音频简档。在一个示例中,程序200可接收来自未知机器人装置315的各个组件320、330和340的模拟或数字信息信号。在该示例中,程序200通过作为二进制数字的压力波形的数字表示来启动与未知机器人装置的通信,以允许信号的处理。为了帮助主动发起与未知机器人装置的一个或多个组件的通信,程序200能够进行数据压缩、通过均衡、滤波以及回波移除和添加来增强。
在另一个实施例中,程序200启动对未知外科手术臂320、330和340的仿生签名简档(biomimetic signature profile)的建模。在一个示例中,程序200利用装置签名元知识(device signature meta knowledge)来与320、330和340通信。程序200主动地与未知物320、330和340通信,以请求320、330和340对存储在一个或多个数据库上的320、330和340的签名简档进行建模。在一个示例中,程序200启动与320、330和340的通信,三个单独的手术机器人臂被附接到一个身体。在该示例中,每个单独的臂执行与单独的附属体唯一地相关联的签名移动。一个单独的臂可以向上移动三次,以对应于签名移动。另一单个臂可以重复的方式顺时针旋转,直到机器人臂接收到命令。
在另一实施例中,程序200基于在步骤210中接收的历史数据集,从未知机器人装置315请求知识先验集合,以确定未知机器人装置的编程。在一个示例中,程序200通过与未知机器人装置通信来请求先前的装置识别响应知识收集。
在另一个实施例中,程序200执行未知机器人装置315的光学扫描,以产生两个单独的机器人臂的光学扫描图像。程序200能够确定图像可能不是精确的复制,但是扫描图像满足阈值相似性标准。机器人臂的光学扫描与人类虹膜的光学扫描类似地工作。光学扫描搜索可验证的识别标记,例如压印的条形码或条形码的组合,其对于被光学扫描的单个机器人臂是特定的。光学扫描使用光束扫描机器人装置以寻找对于特定机器人装置唯一的机器人装置的物理轮廓的细微差别,来搜索与机器人装置的物理轮廓的匹配。光学扫描还可以使用光束来分析与机器人装置的识别简档相对应的条形码,其中识别简档被存储在一个或多个数据库上。程序200能够执行机器人装置的光学扫描以及结合扫描条形码以与未知机器人装置通信。
在另一实施例中,程序200通过分析和询问推理编程来启动与机器人装置的通信。在该示例中,程序200可以通过执行动作、观察未知机器人装置的动作、以及搜索由于与未知机器人装置的发起的通信而导致的未知机器人装置的变化,来主动地或被动地发起与未知机器人装置315的通信。
在其它实施例中,程序200能够通过其它客观和直接的识别方法,例如转矩感测、机器人身体的运动模式识别、以及机器人装置的一个或多个单独末端的运动模式识别,来启动与未知机器人装置315的通信。
在步骤230中,程序200确定对未知机器人装置的编程。在一个实施例中,程序200询问未知机器人装置315以确定未知机器人装置的分析和推理编程。在该实施例中,程序200通过持续不断的和连续的重新验证来确定未知机器人装置315的编程。步骤230是重新验证未知机器人装置315的连续过程。在一个示例中,由于外科手术机器人臂非常容易被外部实体侵入的事实,程序200持续地监视外科手术机器人臂320、330和340。在该示例中,程序200在手术机器人臂上执行故障检查,以确定编程是否对应于存储在一个或多个数据库上的与手术机器人臂320、330和340对应的编程。在该示例中,程序200指示手术机器人臂以五分钟的间隔停止其正在执行的动作并响应于该指令。程序200利用手术机器人臂的指示和观察动作作为确保手术机器人臂不发生故障或手术机器人臂未被黑客攻击的持久方式。
在步骤240中,程序200基于所确定的对未知机器人装置315的编程来生成程序数据集。在一个实施例中,程序200基于未知机器人装置315的询问和观察到的通信来生成编程数据集。在一个示例中,程序200利用通过一系列指令的移动附接到机器人装置的三个单独的手术机器人臂320、330和340的三个主动的、不同的信号来生成编程数据集。所生成的编程数据集用于生成三个未知的手术机器人臂320、330和340的三个识别数据集。
在另一实施例中,程序200利用被动识别过程生成编程数据集。在一个示例中,程序200通过记录和分析未知机器人装置315的门和正常操作声音来生成未知机器人装置识别数据集。在该示例中,利用特征门和正常操作声音生成未知机器人装置识别数据集。
在一个实施例中,程序200比较光学扫描图像、音频信号简档、仿生签名简档、接收的知识先验和/或编程数据集,以生成未知机器人装置数据集。在一个示例中,程序200组合来自步骤220和步骤230的累积证据,以生成未知的手术机器人臂识别数据集。在这个例子中,程序200根据条形码的光学扫描图像、手术机器人臂的正常操作声音的音频信号简档、手术机器人臂的签名运动的仿生签名简档、接收到的手术机器人臂的最近活动的知识先验,单独地或组合地生成手术机器人臂的编程数据集,以生成手术机器人臂的识别数据集。
在判定步骤250中,程序200确定未知机器人装置识别数据集是否与接收到的第一机器人装置的识别数据集匹配。在一个实施例中,程序200确定未知机器人装置是第一机器人装置,以便以高水平的确定性识别特定机器人装置是机器人装置断言将成为的机器人装置。在一个示例中,手术机器人臂的编程数据集基于手术机器人臂的移动而随着时间演变。在该示例中,程序200利用在步骤240中积累的关于手术机器人臂的确定的编程数据集的信息和证据来确定手术机器人臂是否包含在步骤210中接收的相同的识别数据集。程序200确定手术机器人臂是否匹配所接收的手术机器人臂的识别数据集。
在步骤260中,程序200拒绝未知机器人装置的准入。更具体地,响应于确定未知机器人装置不匹配接收到的识别数据集(判定步骤250,“否”分支),程序200拒绝未知机器人装置的准入。在一个实施例中,程序200试图确认未知机器人装置的标识,并且是不成功的。在一个例子中,程序200试图验证未知的手术机器人臂与接收到的手术机器人臂的识别数据集匹配。在该示例中,程序200确定未知手术机器人臂和接收到的手术机器人臂的识别数据集不匹配。程序200通过激活警报拒绝允许手术机器人臂进入手术室来拒绝允许未知机器人装置进入。
在判定步骤270中,程序200确定未知机器人装置是否是第一机器人装置(判定步骤250,“是”分支)。在一个实施例中,程序200在步骤240中利用未知机器人装置的累积证据来肯定地识别和确定该未知机器人装置是在步骤210中与接收到的识别数据集相关的第一机器人装置。程序200持续地重新验证并确认未知机器人装置的标识。程序200可能基于在判定步骤250中作出的肯定识别确定,最初确定未知机器人装置是第一机器人装置,并且由于编程数据集的演变特性,程序200确定先前被肯定识别的相同机器人装置不再是先前被肯定识别的机器人装置。
在另一个实施例中,程序200在确定未知机器人装置是否是第一机器人装置时结合容差因素。在一个示例中,程序200利用90%的公差因子确定包含十个单独的手术机器人臂的机器人装置是否被正确地识别,以便验证十个单独的手术机器人臂并且允许机器人装置进入。程序200利用90%的公差因子来确定未知的手术机器人臂是否接收到肯定的识别。十个手术机器人臂中的至少九个必须将接收到的识别数据集与未知手术机器人臂匹配。在该示例中,十个手术机器人臂中的九个被适当地验证为匹配针对手术机器人臂的接收的标识。程序200确定未知的手术机器人臂是第一手术机器人臂并且接收肯定的识别。整个机器人和十个手术机器人臂被接纳,其中一个手术机器人臂未能通过仿生识别装置通信响应。
在另一个示例中,程序200利用90%的公差因子确定十个手术机器人臂中的八个被正确地验证为匹配接收到的手术机器人臂的标识。程序200不能确定两个单独的未知外科手术机器人臂被正确地验证为前八个外科手术机器人臂。在这种情况下,整个机器人装置不接收肯定的识别。不允许整个机器人和十个手术机器人臂,其中两个手术机器人臂未能通过仿生识别装置通信响应。
在步骤280,程序200发起关机协议(判定步骤270,“否”分支)。响应于确定未知机器人装置不是第一机器人装置,程序200启动未知机器人装置的关机协议。在一个示例中,程序200确定外科手术机器人臂的先前的主动仿生识别不再与适当的仿生识别相关。在该示例中,在步骤210-250,程序200执行五个手术机器人臂的重新验证。基于所建立的公差因子,80%的手术机器人臂未正确工作或未被肯定地识别,程序200启动所有五个手术机器人臂的关机协议,因为五个臂中的两个臂不工作,超过公差因子80%。在另一示例中,五个臂中的四个被肯定地识别,并且与它们的适当仿生识别一致地移动,该仿生识别与在步骤240中生成的它们的演变的编程数据集一致,程序200继续使用外科手术机器人臂的操作并且不开始关闭。在该示例中不超过容许因子。
在步骤290中,程序200更新第一机器人装置的识别数据集(判定步骤270)“是”分支。响应于确定未知机器人装置与接收到的识别数据集匹配,从步骤210,程序200用附加数据更新第一机器人装置的识别数据集。在实施例中,编程数据集由于基于认知机器人回归的先验而不断演变。在一个示例中,程序200基于从先前的机器人识别建立的累积知识来提高识别机器人装置的效率。
图4描述了根据本发明的说明性实施例的服务器120的组件的框图。应当理解,图4仅提供了一种实现的说明,而不暗示对其中可实现不同实施例的环境的任何限制。可以对所描述的环境进行许多修改。
服务器120包括通信结构402,其提供高速缓存416、存储器406、永久性存储装置408、通信单元410和输入/输出(I/O)接口412之间的通信。通信结构402可以用被设计成在处理器(诸如微处理器、通信和网络处理器等)、系统存储器、外围装置和系统内的任何其它硬件组件之间传递数据和/或控制信息的任何体系结构来实现。例如,通信结构402可以用一个或多个总线或纵横开关来实现。
存储器406和永久性存储装置408是计算机可读存储介质。在该实施例中,存储器406包括随机存取存储器(RAM)。通常,存储器406可以包括任何合适的易失性或非易失性计算机可读存储介质。高速缓存416是通过保存最近访问的数据和来自存储器406的接近访问数据的数据来增强计算机处理器404的性能的快速存储器。
程序200可以被存储在永久性存储装置408和存储器406中,以便由相应计算机处理器404中的一个或多个经由高速缓存416执行。在一个实施例中,永久性存储装置408包括磁硬盘驱动器。作为磁硬盘驱动器的替代或补充,永久性存储408可包括固态硬盘驱动器、半导体存储装置、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、闪存或能够存储程序指令或数字信息的任何其它计算机可读存储介质。
永久性存储装置408所使用的介质也可以是可移动的。例如,可移动硬盘驱动器可以用于永久性存储装置408。其它示例包括光盘和磁盘、拇指驱动器和智能卡,它们被插入到驱动器中以便传送到也是持久存储408的一部分的另一计算机可读存储介质上。
在这些示例中,通信单元410提供与其他数据处理系统或装置的通信。在这些示例中,通信单元410包括一个或多个网络接口卡。通信单元410可以通过使用物理和无线通信链路中的一种或两种来提供通信。程序200可以通过通信单元410下载到永久存储器408。
I/O接口412允许与可连接到服务器120的其它装置输入和输出数据。例如,I/O接口412可以提供到诸如键盘、小键盘、触摸屏和/或一些其它合适的输入装置的外部装置418的连接。外部装置418还可以包括便携式计算机可读存储介质,例如拇指驱动器、便携式光盘或磁盘、以及存储卡。用于实践本发明的实施例的软件和数据(例如程序200)可以存储在这样的便携式计算机可读存储介质上,并且可以经由(一个或多个)I/O接口412加载到永久性存储装置408上。I/O接口412也连接到显示器420。
显示器420提供向用户显示数据的机制,并且可以是例如计算机监视器。
这里描述的程序是基于在本发明的特定实施例中实现它们的应用来标识的。然而,应当理解,这里的任何特定程序术语仅是为了方便而使用,因此本发明不应当限于仅在由这样的术语标识和/或暗示的任何特定应用中使用。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质),所述计算机可读程序指令用于使处理器执行本发明的各方面。
计算机可读存储介质可以是能够保留和存储由指令执行装置使用的指令的有形装置。计算机可读存储介质可以是例如但不限于电子存储装置、磁存储装置、光存储装置、电磁存储装置、半导体存储装置或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下:便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置,以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身,诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如,通过光纤线缆的光脉冲)、或通过导线传输的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理装置,或者经由网络,例如因特网、局域网、广域网和/或无线网络,下载到外部计算机或外部存储装置。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理装置中的网络适配卡或网络接口从网络接收计算机可读程序指令,并转发计算机可读程序指令以存储在相应计算/处理装置内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据,或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言(例如Smalltalk、C++等)以及常规的过程式编程语言(例如“C”编程语言或类似的编程语言)。计算机可读程序指令可以完全在用户的计算机上执行,部分在用户的计算机上执行,作为独立的软件包执行,部分在用户的计算机上并且部分在远程计算机上执行,或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络连接到用户的计算机,包括局域网(LAN)或广域网(WAN),或者可以连接到外部计算机(例如,使用因特网服务提供商通过因特网)。在一些实施例中,为了执行本发明的各方面,包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。
在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解,流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器,使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中,其可以引导计算机、可编程数据处理装置和/或其他装置以特定方式工作,使得其中存储有指令的计算机可读存储介质包括制品,该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他装置上,以使得在计算机、其他可编程装置或其他装置上执行一系列操作步骤,以产生计算机实现的过程,使得在计算机、其他可编程装置或其他装置上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上,流程图或框图中的每个框可以表示指令的模块、段或部分,其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中,框中所提及的功能可不按图中所提及的次序发生。例如,连续示出的两个框实际上可以基本上同时执行,或者这些框有时可以以相反的顺序执行,这取决于所涉及的功能。还将注意,框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
已经出于说明的目的给出了本发明的各种实施例的描述,但是其不旨在是穷尽的或限于所公开的实施例。在不背离本发明范围的情况下,许多修改和变化对于本领域普通技术人员来说是显而易见的。选择本文所使用的术语是为了最好地解释实施例的原理、实际应用或对市场上存在的技术改进,或为了使本领域的其他普通技术人员能够理解本文所公开的实施例。
Claims (22)
1.一种用于识别机器人装置的方法,所述方法包括:
由一个或多个处理器接收对断言为第一机器人装置的未知机器人装置的认证请求;
由一个或多个处理器接收用于所述第一机器人装置的第一识别数据集;
由一个或多个处理器向所述未知机器人装置发出识别动作;
由一个或多个处理器基于从所述未知机器人装置接收的对所述识别动作的响应,生成用于所述未知机器人装置的第二识别数据集;
响应于确定所述第一识别数据集匹配所述第二识别数据集,由一个或多个处理器确定所述未知机器人装置是所述第一机器人装置;以及
响应于确定所述未知机器人装置是所述第一机器人装置,认证所述未知机器人装置,进一步包括:
由一个或多个处理器发起与所述第一机器人装置的通信;以及
响应于确定所述未知机器人装置是所述第一机器人装置,由一个或多个处理器更新所述第一机器人装置的所述识别数据集。
2.根据权利要求1所述的方法,其中所述生成所述第二识别数据集还包括:
由一个或多个处理器从所述未知机器人装置获得音频信号;
由一个或多个处理器对所述音频信号执行音频信令处理;以及
由一个或多个处理器生成所述未知机器人装置的音频信号简档。
3.根据权利要求1所述的方法,还包括:
由一个或多个处理器从所述第一机器人装置接收签名仿生输入;
由一个或多个处理器确定相应的签名仿生输出;
由一个或多个处理器对相应的签名仿生输出建模,以及
其中生成所述第二识别数据集是基于所述未知机器人装置的所述相应的签名仿生输出。
4.根据权利要求1所述的方法,其中响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
由一个或多个处理器执行光学扫描;
由一个或多个处理器生成所述未知机器人装置的光学扫描图像;以及
由一个或多个处理器确定所生成的未知机器人装置光学扫描图像与来自一个或多个数据库的光学扫描图像匹配。
5.根据权利要求1所述的方法,其中,响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
由一个或多个处理器发起对来自所述第一机器人装置的知识先验的请求,其中所述知识先验与所述第一机器人装置的先前存储的识别结果相关;
由一个或多个处理器接收来自所述第一机器人装置的知识先验;
由一个或多个处理器确定所述知识先验与一个或多个数据库上的所述知识先验匹配;以及
由一个或多个处理器准许所述第一机器人装置访问一个或多个受限区域。
6.根据权利要求1所述的方法,其中响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
由一个或多个处理器发起断言为所述第一机器人装置的所述未知机器人装置的询问;
由一个或多个处理器询问断言为所述第一机器人装置的所述未知机器人装置;
由一个或多个处理器确定断言为所述第一机器人装置的所述未知机器人装置以对应于一个或多个数据库上的数据的方式响应询问;以及
由一个或多个处理器准许所述第一机器人装置进入一个或多个受限区域。
7.根据权利要求1所述的方法,还包括:
响应于确定所述第一识别数据集不匹配所述第二识别数据集,由一个或多个处理器发起关机协议。
8.根据权利要求1所述的方法,其中响应于确定所述未知机器人装置是所述第一机器人装置,还包括:
由一个或多个处理器确定对所述第一机器人装置的连续监测;以及
由一个或多个处理器监测所述第一机器人装置。
9.一种计算机可读有形存储介质,其上存储用于识别机器人装置的计算机程序,所述计算机程序包括程序指令,所述程序指令在由一个或多个计算机处理器执行时,使所述计算机处理器:
接收对断言为第一机器人装置的未知机器人装置的认证请求;
接收用于所述第一机器人装置的第一识别数据集;
向所述未知机器人装置发出识别动作;
基于从所述未知机器人装置接收到的对所述识别动作的响应,生成所述未知机器人装置的第二识别数据集;
响应于确定所述第一识别数据集匹配所述第二识别数据集,确定所述未知机器人装置是所述第一机器人装置;以及
响应于确定所述未知机器人装置是所述第一机器人装置,认证所述未知机器人装置,进一步包括:
发起与所述第一机器人装置的通信;以及
响应于确定所述未知机器人装置是所述第一机器人装置,更新所述第一机器人装置的所述识别数据集。
10.根据权利要求9所述的计算机可读有形存储介质,其中生成所述第二识别数据集还包括:
从所述机器人装置获得音频信号;
对所述音频信号执行音频信令处理;以及
生成所述未知机器人装置的音频信号简档。
11.根据权利要求9所述的计算机可读有形存储介质,其中所述程序指令在由处理器执行时进一步使所述处理器:
从所述第一机器人装置接收签名仿生输入;
确定相应的签名仿生输出;
对相应的签名仿生输出建模;以及
其中生成所述第二识别数据集是基于所述未知机器人装置的所述相应的签名仿生输出。
12.根据权利要求9所述的计算机可读有形存储介质,其中响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
执行光学扫描;
生成所述未知机器人装置的光学扫描图像;以及
确定所生成的未知机器人装置光学扫描图像与来自一个或多个数据库的光学扫描图像匹配。
13.根据权利要求9所述的计算机可读有形存储介质,其中响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
发起对来自所述第一机器人装置的知识先验的请求,其中所述知识先验与所述第一机器人装置的先前存储的识别结果相关;
接收来自所述第一机器人装置的知识先验;
确定所述知识先验与一个或多个数据库上的所述知识先验匹配;以及
准许所述第一机器人装置访问一个或多个受限区域。
14.根据权利要求9所述的计算机可读有形存储介质,其中所述程序指令在由处理器执行时进一步使所述处理器:
发起断言为所述第一机器人装置的所述未知机器人装置的询问;
询问断言为所述第一机器人装置的所述未知机器人装置;
确定断言为所述第一机器人装置的所述未知机器人装置以对应于一个或多个数据库上的数据的方式响应询问;以及
准许所述第一机器人装置进入一个或多个受限区域。
15.根据权利要求9所述的计算机可读有形存储介质,其中所述程序指令在由处理器执行时进一步使所述处理器:
响应于确定用于断言为所述第一机器人装置的未知机器人装置的所述第一识别数据集不匹配所述第一机器人装置编程数据集,发起关机协议。
16.根据权利要求9所述的计算机可读有形存储介质,其中响应于确定所述未知机器人装置是所述第一机器人装置还包括:
确定对所述第一机器人装置的连续监测;以及
监测所述第一机器人装置。
17.一种计算机系统,包括:
一个或多个计算机处理器;
一个或多个计算机可读存储介质;以及
存储在所述计算机可读存储介质上以供所述一个或多个计算机处理器中的至少一个计算机处理器执行的程序指令,所述程序指令使所述处理器:
接收对断言为第一机器人装置的未知机器人装置的认证请求;
接收用于所述第一机器人装置的第一识别数据集;
向所述未知机器人装置发出识别动作;
基于从所述未知机器人装置接收的对所述识别动作的响应来生成所述未知机器人装置的第二识别数据集;
响应于确定所述第一识别数据集匹配所述第二识别数据集,确定所述未知机器人装置是所述第一机器人装置;以及
响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置,进一步包括:
发起与所述第一机器人装置的通信;以及
响应于确定所述未知机器人装置是所述第一机器人装置,更新所述第一机器人装置的所述识别数据集。
18.根据权利要求17所述的计算机系统,其中所述生成所述第二识别数据集还包括:
从所述机器人装置获得音频信号;
对所述音频信号执行音频信令处理;以及
生成所述未知机器人装置的音频信号简档。
19.根据权利要求17所述的计算机系统,其中所述程序指令在由处理器执行时进一步使所述处理器:
从所述第一机器人装置接收签名仿生输入;
确定相应的签名仿生输出;
对所述相应的签名仿生输出建模;以及
其中生成所述第二识别数据集是基于所述未知机器人装置的所述相应的签名仿生输出。
20.根据权利要求17所述的计算机系统,其中响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
执行光学扫描;
生成所述未知机器人装置的光学扫描图像;以及
确定所生成的未知机器人装置光学扫描图像与来自一个或多个数据库的光学扫描图像匹配。
21.根据权利要求17所述的计算机系统,其中响应于确定所述未知机器人装置是所述第一机器人装置而认证所述未知机器人装置还包括:
发起对来自所述第一机器人装置的知识先验的请求,其中所述知识先验与所述第一机器人装置的先前存储的识别结果有关;
接收来自所述第一机器人装置的知识先验;
确定所述知识先验与一个或多个数据库上的所述知识先验匹配;以及
准许所述第一机器人装置访问一个或多个受限区域。
22.根据权利要求17所述的计算机系统,其中所述程序指令在由处理器执行时进一步使所述处理器:
发起断言为所述第一机器人装置的所述未知机器人装置的询问;
询问断言为所述第一机器人装置的所述未知机器人装置;
确定断言为所述第一机器人装置的所述未知机器人装置以对应于一个或多个数据库上的数据的方式响应询问;以及
准许第一机器人装置进入一个或多个受限区域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/008,107 US10675760B2 (en) | 2018-06-14 | 2018-06-14 | Robot identification manager |
US16/008,107 | 2018-06-14 | ||
PCT/IB2019/054851 WO2019239308A1 (en) | 2018-06-14 | 2019-06-11 | Robot identification manager |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112087984A CN112087984A (zh) | 2020-12-15 |
CN112087984B true CN112087984B (zh) | 2024-06-11 |
Family
ID=68839126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980030641.2A Active CN112087984B (zh) | 2018-06-14 | 2019-06-11 | 机器人识别管理器 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10675760B2 (zh) |
JP (1) | JP7323552B2 (zh) |
CN (1) | CN112087984B (zh) |
DE (1) | DE112019001634B4 (zh) |
GB (1) | GB2589501B8 (zh) |
WO (1) | WO2019239308A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10058395B2 (en) * | 2014-08-01 | 2018-08-28 | Intuitive Surgical Operations, Inc. | Active and semi-active damping in a telesurgical system |
CN111563048B (zh) * | 2020-07-13 | 2020-10-09 | 支付宝(杭州)信息技术有限公司 | 一种生物识别设备的测试方法、装置、设备及系统 |
RU2763165C1 (ru) * | 2021-01-28 | 2021-12-28 | федеральное государственное казенное военное образовательное учреждение высшего образования "Краснодарское высшее военное орденов Жукова и Октябрьской Революции Краснознаменное училище имени генерала армии С.М. Штеменко" Министерства обороны Российской Федерации | Способ и система опознавания малогабаритных робототехнических средств |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09267276A (ja) * | 1996-03-30 | 1997-10-14 | Technol Res Assoc Of Medical & Welfare Apparatus | 搬送ロボットシステム |
JP2001057564A (ja) * | 1999-08-18 | 2001-02-27 | Sony Corp | 送信装置および送信方法、受信装置および受信方法、送受信システム、並びに媒体 |
CN1372505A (zh) * | 2000-04-03 | 2002-10-02 | 索尼公司 | 机器人控制装置和方法 |
JP2007061979A (ja) * | 2005-09-01 | 2007-03-15 | Sharp Corp | ロボットアームの視覚センサ補正方法およびコンピュータプログラム |
CN101126808A (zh) * | 2007-08-02 | 2008-02-20 | 中国科学院自动化研究所 | 一种机器人导航系统及导航方法 |
KR101474778B1 (ko) * | 2013-10-23 | 2014-12-22 | 김덕기 | 다관절 로봇의 동작인식을 통한 제어장치 및 그 방법 |
JP2016162057A (ja) * | 2015-02-27 | 2016-09-05 | 西日本電信電話株式会社 | 認証システム、認証方法及びプログラム |
CN106128171A (zh) * | 2016-06-24 | 2016-11-16 | 苏州美丽澄电子技术有限公司 | 声音能够自动调节的家教机器人 |
US9788907B1 (en) * | 2017-02-28 | 2017-10-17 | Kinosis Ltd. | Automated provision of real-time custom procedural surgical guidance |
CN107292571A (zh) * | 2017-07-21 | 2017-10-24 | 深圳市萨斯智能科技有限公司 | 一种机器人的安全确定方法和机器人 |
US9864949B1 (en) * | 2016-10-31 | 2018-01-09 | International Business Machines Corporation | Cognition model-based product assist |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5343554A (en) | 1988-05-20 | 1994-08-30 | John R. Koza | Non-linear genetic process for data encoding and for solving problems using automatically defined functions |
GB0201174D0 (en) * | 2002-01-18 | 2002-03-06 | British Telecomm | Multi-mode interactive dialogue apparatus and method |
JP4566727B2 (ja) | 2004-12-21 | 2010-10-20 | パナソニック株式会社 | 監視映像記録システム |
US8968195B2 (en) | 2006-05-12 | 2015-03-03 | Bao Tran | Health monitoring appliance |
EP2606404B1 (en) * | 2010-08-19 | 2014-04-09 | ABB Technology AG | A system and a method for providing safe remote access to a robot controller |
US8761933B2 (en) * | 2011-08-02 | 2014-06-24 | Microsoft Corporation | Finding a called party |
US9221177B2 (en) | 2012-04-18 | 2015-12-29 | Massachusetts Institute Of Technology | Neuromuscular model-based sensing and control paradigm for a robotic leg |
JP6541640B2 (ja) | 2013-03-15 | 2019-07-10 | インテュイティブ サージカル オペレーションズ, インコーポレイテッド | ソフトウェア構成可能なマニピュレータ自由度 |
US9908239B1 (en) * | 2014-06-12 | 2018-03-06 | Amazon Technologies, Inc. | Mobile robot system |
US20160121487A1 (en) * | 2014-11-03 | 2016-05-05 | Qualcomm Incorporated | Communicating Configurable Instruction Sets to Robots for Controlling Robot Behavior |
US9676097B1 (en) * | 2014-11-11 | 2017-06-13 | X Development Llc | Systems and methods for robotic device authentication |
US9764477B2 (en) * | 2014-12-01 | 2017-09-19 | At&T Intellectual Property I, L.P. | System and method for semantic processing of natural language commands |
JP6762320B2 (ja) | 2015-05-15 | 2020-09-30 | マコ サージカル コーポレーション | ロボット医療処置のガイダンスを提供するためのシステムおよび方法 |
US10124491B2 (en) * | 2015-08-31 | 2018-11-13 | Avaya Inc. | Operational parameters |
US11093590B2 (en) * | 2015-08-31 | 2021-08-17 | Avaya Inc. | Selection of robot operation mode from determined compliance with a security criteria |
US10045825B2 (en) * | 2015-09-25 | 2018-08-14 | Karl Storz Imaging, Inc. | Partial facial recognition and gaze detection for a medical system |
WO2017070269A1 (en) | 2015-10-22 | 2017-04-27 | Covidien Lp | Multi-input robot surgical system control scheme |
US10421188B2 (en) * | 2016-12-14 | 2019-09-24 | Centurylink Intellectual Property Llc | Robot fingerprint |
US10852751B2 (en) * | 2017-07-07 | 2020-12-01 | Sensormatic Electronics, LLC | Building bots interfacing with security systems |
-
2018
- 2018-06-14 US US16/008,107 patent/US10675760B2/en active Active
-
2019
- 2019-06-11 WO PCT/IB2019/054851 patent/WO2019239308A1/en active Application Filing
- 2019-06-11 JP JP2020556894A patent/JP7323552B2/ja active Active
- 2019-06-11 DE DE112019001634.2T patent/DE112019001634B4/de active Active
- 2019-06-11 GB GB2100083.1A patent/GB2589501B8/en active Active
- 2019-06-11 CN CN201980030641.2A patent/CN112087984B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09267276A (ja) * | 1996-03-30 | 1997-10-14 | Technol Res Assoc Of Medical & Welfare Apparatus | 搬送ロボットシステム |
JP2001057564A (ja) * | 1999-08-18 | 2001-02-27 | Sony Corp | 送信装置および送信方法、受信装置および受信方法、送受信システム、並びに媒体 |
CN1372505A (zh) * | 2000-04-03 | 2002-10-02 | 索尼公司 | 机器人控制装置和方法 |
JP2007061979A (ja) * | 2005-09-01 | 2007-03-15 | Sharp Corp | ロボットアームの視覚センサ補正方法およびコンピュータプログラム |
CN101126808A (zh) * | 2007-08-02 | 2008-02-20 | 中国科学院自动化研究所 | 一种机器人导航系统及导航方法 |
KR101474778B1 (ko) * | 2013-10-23 | 2014-12-22 | 김덕기 | 다관절 로봇의 동작인식을 통한 제어장치 및 그 방법 |
JP2016162057A (ja) * | 2015-02-27 | 2016-09-05 | 西日本電信電話株式会社 | 認証システム、認証方法及びプログラム |
CN106128171A (zh) * | 2016-06-24 | 2016-11-16 | 苏州美丽澄电子技术有限公司 | 声音能够自动调节的家教机器人 |
US9864949B1 (en) * | 2016-10-31 | 2018-01-09 | International Business Machines Corporation | Cognition model-based product assist |
US9788907B1 (en) * | 2017-02-28 | 2017-10-17 | Kinosis Ltd. | Automated provision of real-time custom procedural surgical guidance |
CN107292571A (zh) * | 2017-07-21 | 2017-10-24 | 深圳市萨斯智能科技有限公司 | 一种机器人的安全确定方法和机器人 |
Also Published As
Publication number | Publication date |
---|---|
JP2021528716A (ja) | 2021-10-21 |
WO2019239308A1 (en) | 2019-12-19 |
DE112019001634B4 (de) | 2021-12-09 |
US20190381664A1 (en) | 2019-12-19 |
GB2589501A (en) | 2021-06-02 |
GB2589501B8 (en) | 2021-12-15 |
DE112019001634T5 (de) | 2020-12-24 |
GB2589501B (en) | 2021-11-17 |
US10675760B2 (en) | 2020-06-09 |
GB202100083D0 (en) | 2021-02-17 |
JP7323552B2 (ja) | 2023-08-08 |
CN112087984A (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10997445B2 (en) | Facial recognition-based authentication | |
JP6722272B2 (ja) | 凝視情報を使用するユーザの識別および/または認証 | |
US9100825B2 (en) | Method and system for multi-factor biometric authentication based on different device capture modalities | |
US9323912B2 (en) | Method and system for multi-factor biometric authentication | |
CN112087984B (zh) | 机器人识别管理器 | |
US20220092901A1 (en) | System and method for providing credential activation layered security | |
WO2020236651A1 (en) | Identity verification and management system | |
KR102334209B1 (ko) | 사용자 인증 방법 및 이를 지원하는 전자장치 | |
US10878217B2 (en) | User identification on a per touch basis on touch sensitive devices | |
GB2552152B (en) | Obscuring data | |
US20210297258A1 (en) | User as a password | |
EP4131186A1 (en) | Machine learning assisted intent determination using access control information | |
Conti et al. | Usability analysis of a novel biometric authentication approach for android-based mobile devices | |
Jeong et al. | Examining the current status and emerging trends in continuous authentication technologies through citation network analysis | |
JP6996922B2 (ja) | 認証システム、物品及びプログラム | |
Schiavone et al. | Continuous user identity verification for trusted operators in control rooms | |
CA2910929C (en) | Systems and methods for authenticating user identity based on user-defined image data | |
CN114547581A (zh) | 提供验证码系统的方法和设备 | |
US20210209217A1 (en) | Method and system for authentication using mobile device id based two factor authentication | |
US20240095330A1 (en) | Maze-based user authentication | |
JP6466830B2 (ja) | 認証順序制御装置、その方法及びプログラム | |
WO2022177553A1 (en) | Methods and devices using gaze gesture detection | |
CN115731641A (zh) | 基于学习的用户属性的机器学习辅助标识 | |
KR20170091371A (ko) | 바이오 인증시스템 및 그를 이용한 바이오 인증 방법 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220119 Address after: USA New York Applicant after: Qindarui Co. Address before: USA New York Applicant before: International Business Machines Corp. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |