CN116126510A - 基于多设备提供服务的方法、相关装置及系统 - Google Patents
基于多设备提供服务的方法、相关装置及系统 Download PDFInfo
- Publication number
- CN116126510A CN116126510A CN202210677748.XA CN202210677748A CN116126510A CN 116126510 A CN116126510 A CN 116126510A CN 202210677748 A CN202210677748 A CN 202210677748A CN 116126510 A CN116126510 A CN 116126510A
- Authority
- CN
- China
- Prior art keywords
- user
- combinable
- information
- communication system
- central control
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本申请公开了基于多设备提供服务的方法、相关装置及系统。在该方法中,多个设备组成一个通信系统,该多个设备中的中控设备可以统一调度该通信系统中的部分或全部资源,从而为用户提供服务。由中控设备统一调度通信系统中的部分或全部资源,可以高效地整合系统内资源,实现跨设备的资源互通共享,为用户提供自然、智慧化的服务。
Description
本申请是分案申请,原申请的申请号是202111633492.4,原申请日是2021年12月28日,原申请的全部内容通过引用结合在本申请中。
技术领域
本申请涉及终端及通信技术领域,尤其涉及基于多设备提供服务的方法、相关装置及系统。
背景技术
随着终端设备的普及,个人可以拥有多个终端设备,例如手机、平板电脑、智慧屏等等。如何利用多个终端设备的资源为用户提供自然、智慧化的服务,是当前及未来研究的方向。
发明内容
本申请提供了基于多设备提供服务的方法、相关装置及系统,可以实现跨设备的资源互通共享,为用户提供自然、智慧化的服务。
第一方面,本申请实施例提供了基于多设备提供服务的通信系统,该通信系统包括多个电子设备,多个电子设备包括中控设备,中控设备用于管理多个资源,使得多个资源执行以下步骤:多个资源中的第一资源检测第一事件,第一资源的数量为一个或多个;多个资源中的第二资源执行第一事件对应的待执行任务,第二资源的数量为一个或多个;第一资源和/或第二资源包括的全部资源,至少来自两个不同的电子设备;其中,中控设备管理的多个资源包括多个电子设备的部分或全部资源。
多个资源可以包括但不限于摄像头资源、麦克风资源、传感器资源、显示屏资源或计算资源。第一资源的数量为多个时,可以为多个同类的资源(如多个摄像头资源,其中多个摄像头资源可以为同一设备的多个摄像头资源,或多个设备的多个摄像头资源),或者,多个不同类的资源(如摄像头资源和麦克风资源)。
通过第一方面的通信系统,中控设备可以统一调度通信系统中的部分或全部资源,可以高效地整合系统内资源,实现跨设备的资源互通共享,为用户提供自然、智慧化的多设备协同服务。
结合第一方面,在一些实施方式中,第一资源的数量为一个或多个,第二资源的数量为一个或多个。第一资源和/或第二资源包括的全部资源,至少来自两个不同的电子设备,可以是:多个第一资源来自多个不同的电子设备;或者,也可以是多个第二资源来自多个不同的电子设备;再或者,还可以是:第一资源和第二资源中的任意两个或更多资源来自不同的电子设备,例如当第一资源和第二资源都只有一个时,第一资源和第二资源分别来自不同的设备,或,例如第一资源或第二资源包括多个资源时,第一资源中的任意一个资源和第二资源中的任意一个资源分别来自不同的设备,等。上述提及的多个不同的电子设备,均为通信系统中的电子设备。
结合第一方面,在一些实施方式中,中控设备还用于管理多个资源,使得多个资源执行:第二资源执行第一事件对应的待执行任务之前,多个资源中的第三资源识别第一事件表征的用户意图,并确定满足用户意图的待执行任务。
通过上一实施方式,通信系统中的第三资源可以识别第一事件所表征的用户意图,并将用户意图拆分为待执行任务,便于后续第二资源执行该待执行任务。
结合第一方面,在一些实施方式中,中控设备管理的资源为可组合能力,可组合能力为使用预定方式描述的资源。第一资源为第一可组合能力,第二资源为第二可组合能力。
该预定方式例如可包括但不限于:预定的格式、协议或标准等等。
通过上一实施方式,各个设备可以使用统一的预定方式将自身资源解构为可组合能力。通过统一方式解构得到的可组合能力和设备、设备型号、设备厂商解耦,因而可以供通信系统中的其他设备跨设备无障碍调用,即支持中控设备统一调度,从而满足用户的需求。并且,通过预定方式来描述资源,可以使得本申请实施例提供的方法适配不同的设备,支持不同类型、不同厂商的设备加入到通信系统中共同为用户提供服务。
结合上一实施方式,在一些实施方式中,中控设备还用于:在管理多个资源,使得多个资源执行第一方面的步骤之前,将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备。其中,第一可组合能力、第二可组合能力均为虚拟聚合设备的可组合能力。中控设备配置虚拟聚合设备之后,即可管理该虚拟聚合设备中的可组合能力。
中控设备配置虚拟聚合设备是指,配置部分或全部多个电子设备的可组合能力的参数。参数的配置包括:针对数据处理流向的相关参数的配置。中控设备配置虚拟聚合设备之后,相当于指定了信息的采集及处理流向。
通过上一实施方式,中控设备配置虚拟聚合设备后,对于通信系统中各个物理设备中的上层应用来说,该应用可以感知到独立的该虚拟聚合设备,而不会感知到多个其他单独的物理设备。这样可以方便各个上层应用更加便捷地调度其他物理设备中的资源。
通过上一实施方式,中控设备配置虚拟聚合设备,可以针对后续可能会使用到的可组合能力,提前做好启动前的准备,能够提高后续启动该可组合能力以为用户提供服务时的响应速度,缩短响应时延。此外,通过配置虚拟聚合设备,通信系统可以仅需聚合通信系统中的部分可组合能力,可以避免浪费不必要的资源。
在一些实施方式中,中控设备还用于,将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备之前,接收中控设备以外的其他设备发送的可组合能力信息,可组合能力信息用于指示对应设备提供的可组合能力。中控设备具体用于根据多个电子设备的可组合能力信息,将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备。
在一些实施方式中,可组合能力信息还可包括可组合能力的属性,可组合能力的属性包括以下任意一个或多个:可组合能力的位置、朝向、类别、性能、参数、版本或尺寸。可组合能力的属性可用于后续中控设备更好地管理各个电子设备的资源。
也就是说,中控设备在配置虚拟聚合设备之前,通信系统中的各个电子设备还可以相互同步可组合能力信息,这样可以让中控设备获知通信系统中其他设备的可组合能力,便于后续灵活调度通信系统中的部分或全部资源,从而为用户提供服务,实现跨设备的资源互通共享。
在一些实施方式中,通信系统中的各个电子设备可以周期性相互同步可组合能力信息,也可以在有新设备加入通信系统、有新设备上线后相互同步可组合能力信息,当设备中的可组合能力信息有更新时,该设备也可以向通信系统的其他电子设备发送可组合能力信息。这样,中控设备可以及时获知通信系统中可用的可组合能力,从而更加灵活地调度通信系统中的部分或全部资源,更好地为用户提供服务。
在一些实施方式中,中控设备接收到的其他设备发送的可组合能力信息所指示的可组合能力,可以是该电子设备中的部分或全部可组合能力。该部分或全部可组合能力可以由该其他设备加入通信系统时的鉴权结果确定。电子设备加入通信系统时的鉴权结果的等级越高,该电子设备提供给其他设备调用的可组合能力的种类和/或数量也就越多。这样能够使得电子设备仅对信任的其他设备开放更多的可组合能力,保障该电子设备的信息安全。
在另一些实施方式中,该部分或全部可组合能力也可以由用户根据自身需求决定。
在一些实施方式中,中控设备配置虚拟聚合设备之后,该虚拟聚合设备用于运行单一智慧助手,单一智慧助手用于支持中控设备管理多个资源,使得多个资源执行第一方面中的步骤。即,该虚拟聚合设备包括的可组合能力所在的物理设备用于运行该单一智慧助手。
通过虚拟聚合设备运行单一的智慧助手,该单一的智慧助手可以便于中控设备灵活地调度通信系统中的部分或全部资源,从而为用户提供自然、智慧化的服务。而不需要每个设备运行一个智慧助手,然后多个智慧助手在内部通过协商进行交互。
结合上一实施方式,在一些实施方式中,中控设备具体用于根据以下一项或多项,将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备:用户状态、设备状态、环境状态、用户画像、全局上下文或记忆。这样,可以根据多方面的信息来配置虚拟聚合设备,该虚拟聚合设备可以更好地为用户提供服务。
结合上述中控设备配置虚拟聚合设备的实施方式,在一些实施方式中,中控设备具体用于将以下几项配置为虚拟聚合设备:中控设备自身的可组合能力,和,通信系统中中控设备以外的电子设备的第四可组合能力。其中,第四可组合能力的确定方式可以包括以下两种:
(1)第四可组合能力由中控设备根据预设策略确定。
该预设策略例如可包括:
全面探测策略,如中控设备将中控设备以外的电子设备的全部可组合能力确定为第四可组合能力。使用全面探测策略能够全面且准确地获取各类信息,便于为用户提供服务。
隐私优先策略,如中控设备将中控设备以外的电子设备中采集非隐私内容的可组合能力确定为第四可组合能力。使用隐私优先策略,能够保障用户的隐私不被泄露。
功耗优先策略,如中控设备将中控设备以外的连接电源的电子设备中的可组合能力确定为第四可组合能力。使用功耗优先策略,能够充分考虑各个设备的电量来获取环境信息,避免通信系统中各个设备的电量被耗尽。
(2)第四可组合能力由中控设备使用自身的可组合能力获知环境信息后,根据环境信息确定。
上述第(2)种确定方式根据中控设备的探索结果确认虚拟聚合设备的初始化配置,具有灵活便捷等特点。
通过上一实施方式,通信系统中的多个设备可以在不同的环境中初始化为带有中控设备的虚拟聚合设备,针对后续可能会使用到的可组合能力,提前做好启动前的准备。
在一些实施方式中,上述虚拟聚合设备的初始化过程,可以在通信系统首次启动或重新启动或有新设备加入时执行。
结合上述初始化虚拟聚合设备的实施方式,在一些实施方式中,中控设备将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备之后,中控设备还可用于管理多个资源,使得多个资源执行:第一可组合能力检测第二事件;第二可组合能力根据第二事件确定服务方案。之后,中控设备还用于将服务方案对应的可组合能力,重新配置为虚拟聚合设备。
在一些实施方式中,中控设备还用于管理多个资源,使得多个资源执行:第二资源根据第二事件分析用户需求,根据用户需求确定服务方案。
在一些实施方式中,第二资源可以根据第二事件,使用固定规则、知识图谱或机器学习中的任意一种来分析用户需求。
通过上述重新配置虚拟聚合设备的实施方式,中控设备可以在当前已有的虚拟聚合设备的基础上,通过该虚拟聚合设备持续检测用户、设备、环境等状态,根据检测到的信息分析用户潜在的服务需求,并适应性调整虚拟聚合设备,即重配置虚拟聚合设备。这样能够在用户、设备、环境状态持续变化的场景下,控制虚拟聚合设备动态、自适应地重配置,使其能够准确、个性化地满足用户确定或潜在(未发生)的服务需求,从而更好地为用户提供服务。当前已有的虚拟聚合设备可以是初始化后的虚拟聚合设备,也可以是经过多次重配置后的虚拟聚合设备。
结合第一方面以及上述任意一种实施方式,在一些实施方式中,第一事件包括以下任意一种:
用户输入的第一操作;
用户状态发生变化的事件;
用户和电子设备之间的距离发生变化的事件;
环境状态发生变化的事件;
电子设备获取到通知消息,或者,获取到即将执行的日程信息的事件。
也就是说,本申请实施例提供的通信系统,不仅可以响应用户的交互行为为用户提供服务,还可以根据用户状态的变化、环境变化、设备状态等信息来为用户提供服务,实现自然、智慧化的多设备协同服务。
在一些实施方式中,第一可组合能力可以通过以下任意一种方式确定:
(1)第一可组合能力包括多个用于采集第一模态数据的可组合能力。
也就是说,针对某种模态的数据,通信系统可以使用多个采集该模态数据的可组合能力来检测第一时间,这样可以融合多通道采集的模态信息,获得更加准确、丰富的模态信息,便于后续操作的准确性。
(2)第一可组合能力由中控设备根据用户习惯、可组合能力的活跃度、可组合能力和用户之间的距离、默认排序中的一个或多个确定。
例如,中控设备可以根据用户习惯,优先选择历史记录中最常被调用的可组合能力作为第一可组合能力,或者,选择活跃度最高的可组合能力作为第一可组合能力,或者,选择距离用户最近的可组合能力作为第一可组合能力,或者,选择默认排序靠前的可组合能力作为第一可组合能力。默认排序可以根据设备优先级确定。
(3)第一可组合能力包括用户选择的可组合能力。
这样,中控设备可以根据用户的实际需求来选择第一可组合能力。
(4)第一可组合能力包括用户注意力所在的电子设备中的可组合能力。
这样,中控设备可以将选择用户注意力所在设备中的可组合能力作为第一可组合能力。
在一些实施方式中,第二可组合能力可以通过以下任意一种方式确定:
(1)第二可组合能力包括第一可组合能力所在设备中的可组合能力。
这样,中控设备可以在相同设备中同时选择第一可组合能力和第二可组合能力。
(2)第二可组合能力由中控设备根据用户习惯、可组合能力的活跃度、可组合能力和用户之间的距离、默认排序中的一个或多个确定。
例如,中控设备可以根据用户习惯,优先选择历史记录中最常被调用的可组合能力作为第二可组合能力,或者,选择活跃度最高的可组合能力作为第二可组合能力,或者,选择距离用户最近的可组合能力作为第二可组合能力,或者,选择默认排序靠前的可组合能力作为第二可组合能力。默认排序可以根据设备优先级确定。
(3)第二可组合能力包括用户选择的可组合能力。
这样,中控设备可以根据用户的实际需求来选择第二可组合能力。
(4)第二可组合能力包括用户注意力所在的电子设备中的可组合能力。
这样,中控设备可以将选择用户注意力所在设备中的可组合能力作为第二可组合能力。
结合上述两个实施方式,在一些实施方式中,中控设备还用于通过以下任意一种方式确定用户注意力所在的设备:
通过第四设备采集的图像,确定用户注意力所在的设备;
通过第四设备采集的音频、第五设备采集的音频和图像,确定用户注意力所在的设备;
通过第四设备采集的图像和第五设备采集的图像,确定用户注意力所在的设备。
其中,第四设备、第五设备可以是通信系统中的任意设备。
结合第一方面,在一些实施方式中,通信系统中的多个电子设备用于在以下任意一种情况下,从多个电子设备中确定中控设备:
(1)多个电子设备中有电子设备接收到第二操作时。即,通信系统可以在用户触发下确定中控设备。
(2)在预设时间到达时。即,通信系统可以按照预设的规则周期性或非周期性的确定中控设备。
(3)有电子设备加入或离开通信系统时。
(4)多个电子设备组成通信系统的预设时长后。即,在组建通信系统后,该通信系统可以延迟确定中控设备,这样通信系统可以搜集到更加全面的设备信息来选举中控设备,以选举到更加合适的中控设备。
结合第一方面以及上一实施方式,通信系统中的多个电子设备确定中控设备的策略可包括以下几种:
策略一,根据资源稳定性、设备模态或用户习惯中的一个或多个,从多个电子设备中确定中控设备。例如,可以将计算资源较为稳定的设备、内存资源较为稳定的设备,电源较为稳定的设备,可用模态较多的设备,或者,用户常用的设备,确定为中控设备。
策略二,将多个电子设备中属于预设类型的电子设备确定为中控设备。例如,可以将智慧屏确定为中控设备。
策略三,将用户选择的电子设备确定为中控设备。这样可以根据用户的实际需求来确定中控设备。
策略四,根据各个电子设备的历史交互信息,从多个电子设备中确定中控设备。
在一些设施方式中,电子设备的历史交互信息科包括但不限于以下任意一项或多项:设备标识、设备类型、当前功耗、可用资源、设备模态,当前使用状态、上线信息、下线信息、和通信系统10中其他设备的历史交互信息、设备位置(如房间、客厅等)、朝向、设备所处环境类型(如办公室、家庭范围等)。
在一些设施方式中,上述策略四具体包括:
将平均上线设备数最大的电子设备确定为中控设备,平均上线设备数为电子设备在统计时间段内统计到的,通信系统在单位时间上线的设备的数量的平均值;
将平均上线设备数的归一化标准差最大的电子设备确定为中控设备;
将平均上线设备数大于第一值且平均上线设备数的归一化标准差大于第二值的电子设备确定为中控设备;
或者,将平均上线设备数的数学期望值最大的电子设备确定为中控设备。
结合第一方面以及上一实施方式,通信系统中的多个电子设备确定的中控设备的数量包括多个,多个中控设备在同一时间或同一空间,连接到通信系统中的全部电子设备。这样,中控设备可以直接和通信系统中的其他设备交互,从而充分利用各个电子设备的信息来为用户提供服务。
在一些实施方式中,中控设备具体用于管理多个资源,使得多个资源执行:第三资源将用户意图拆分为以模态为单位的多个待执行任务;不同的第二资源执行不同模态的待执行任务。
通过上一实施方式,按照模态将用户意图拆分为多个待执行任务,并且将不同模态的待执行任务分发给不同的第二资源执行,可以更好地为用户提供服务。
结合第一方面,在一些实施方式中,满足该用户意图的待执行任务包括:多个具备逻辑关系的任务,该逻辑关系包括以下任意一种或多种:顺序关系、条件关系、循环关系或布尔逻辑。该中控设备具体用于管理多个资源,使得该多个资源执行:该第二资源按照该逻辑关系执行该多个具备逻辑关系的任务。
通过上一实施方式,本实施例提供的多个资源可以基于用户的显示指令或隐式指令,执行多个具备逻辑关系的任务。这样,本实施例提供的通信系统所能执行的任务类型更加广泛,能够更好地满足用户复杂的需求,从而更好地为用户提供服务。
结合第一方面,在一些实施方式中,该中控设备还用于管理多个资源,使得该多个资源执行以下步骤:该第三资源识别该第一事件表征的用户意图之前,多个该第一资源接收交互输入。该第三资源根据该交互输入生成全局上下文。其中,该全局上下文包括以下一项或多项:该第一资源接收到该交互输入的时间、该第一资源、该交互输入的交互内容、该交互输入对应用户的生理特征信息、该第一资源所属电子设备的设备信息、或该交互输入控制的目标设备的设备信息。该中控设备具体用于管理多个资源,使得该多个资源执行以下步骤:该第三资源基于该全局上下文,识别该第一事件表征的用户意图。
结合上述第三资源基于全局上下文识别该第一事件表征的用户意图的实施方式,在一些实施方式中,该交互输入包括:历史输入,和,当前输入。该全局上下文包括:历史交互信息,和,当前轮交互信息。该中控设备具体用于管理多个资源,使得该多个资源执行以下步骤:该第一资源基于该历史输入获取该历史交互信息,基于该当前输入获取该当前轮交互信息。该第三资源从该历史交互信息中,匹配和该当前轮交互信息相关联的第一历史交互信息。该第三资源基于该第一历史交互信息,识别该第一事件表征的用户意图。
在一些实施方式中,该第一历史交互信息包括:和第一用户相关的历史交互信息,该第一用户为触发该当前输入的用户。或者,由第六设备在第一时间接收到的历史交互信息,该第六设备为该第一设备或该第一设备的近场设备,该第一时间与接收该当前轮交互信息的时间的间隔小于第一时长。或者,在第二时间接收到的第二历史交互信息,该第二历史交互信息的目标设备,为,该当前轮交互信息的目标设备或近场设备,该第二时间与接收该当前轮交互信息的时间的间隔小于第二时长。或者,和该当前轮交互信息的相关性大于阈值的历史交互信息。通过上一实施方式,当第三资源结合全局上下文识别第一事件表征的用户意图时,第三资源可以根据接收到的用户、设备、环境状态、历史交互信息等多方面的信息分析用户的服务需求,因此能够更准确、个性化地确定出用户的意图,从而更好地为用户提供服务。
结合第一方面,在一些实施方式中,该第一事件包括第一对话信息。该第一对话信息包含第一指令和第二指令,该第一指令对应的意图和该第二指令对应的意图相关联,该第一指令包括第一指代词。该中控设备还用于管理多个资源,使得该多个资源执行以下步骤:该第二资源识别该第一事件表征的用户意图之前,将该第一对话信息中的第一指代词指代的对象替代为该第二指令对应的对象,以获取到第二对话信息。该中控设备具体用于管理多个资源,使得该多个资源执行以下步骤:该第三资源基于该第二对话信息,识别该第一事件表征的用户意图。
在一些实施方式中,将该第一对话信息中的第一指代词替代为该第二指令对应的对象,以获取到第二对话信息的步骤可以如下:1.将第一对话信息划分为第一指令和第二指令,其中,该第一指令包括该第一指代词。2.识别出包括该第一指代词的该第一指令。3.基于意图分类模板,识别出该第一指令对应的意图和该第二指令对应的意图。4.当确定出该第一指令对应的意图和该第二指令对应的意图相关联时,将该第一指令和该第二指令进行合并。5.基于合并后的该第一指令和该第二指令,将该第一指代词指代的对象替代为第二指令对应的对象,获得第二对话信息。
通过上一实施方式,当用户单轮输入的第一对话信息中包括有指代词时,第三资源在基于第一对话信息识别出表征的用户意图之前,可以先将第一对话信息的指代词替代为对应的指代对象,以获取到指代词被替代后的第二对话信息。这样,第三资源可以基于该第二对话信息更准确地确定出用户的意图,从而更好地为用户提供服务。
结合第一方面,在一些实施方式中,该中控设备还用于管理多个资源,使得该多个资源执行以下步骤:该第三资源识别该第一事件表征的用户意图之前,该第一资源接收第一预设时间内的交互输入。该第三资源基于该交互输入确定记忆,该记忆表征用户和设备之间交互的习惯或偏好。该中控设备具体用于管理多个资源,使得该多个资源执行以下步骤:该第三资源基于该记忆,识别该第一事件表征的用户意图。
在一些实施方式中,记忆可以被分为短时记忆和长时记忆,其中,短时记忆可以基于满足第一条件的交互输入来表征用户和设备之间交互的习惯或偏好。长时记忆可以基于满足第二条件的交互输入来表征用户和设备之间交互的习惯或偏好。
在一些实施方式中,第一条件可以是指上述交互输入是在预设时间窗内(例如,在最近6小时内)接收到的。第二条件可以是指上述交互输入在连续多个预设时间窗内(例如,6小时内、8小时内)都接收到。
在一些实施方式中,第一条件可以是指在指定时间段1(例如,从凌晨0点-晚24点),上述交互输入的接收次数大于第三阈值。第二条件可以是指在多个连续的指定时间段1(例如,从凌晨0点-晚24点),上述交互输入的接收次数在各指定时间段1中都大于第三阈值。
在一些实施例方式中,第三资源可以基于该交互输入,通过主成分分析算法,或CNN、RNN、LSTM中的一种或多种人工神经网络算法构建记忆。
通过上一实施方式,第三资源可以基于用户的交互输入构建出表征用户习惯或偏好的记忆。第三资源可以基于该记忆识别出第一事件表征的用户意图。这样,第三资源能够准确、个性化地满足用户确定或潜在(未发生)的服务需求,从而更好地为用户提供服务。结合第一方面,在一些实施方式中,该中控设备还用于管理多个资源,使得该多个资源执行以下步骤:该第三资源识别该第一事件表征的用户意图之前,该第三资源获取到用户画像。该中控设备具体用于管理多个资源,使得该多个资源执行以下步骤:该第三资源基于该用户画像,识别出该第一事件表征的用户意图。
通过上一实施方式,第三资源可以基于用户的交互输入构建出用户画像,第三资源可以基于该记忆识别出第一事件表征的用户意图。这样,第三资源能够准确、个性化地满足用户确定或潜在(未发生)的服务需求,从而更好地为用户提供服务。
在一些实施方式中,中控设备具体用于管理多个资源,使得多个资源执行以下步骤:第三资源根据以下任意一项或多项,识别第一事件表征的用户意图,并确定满足用户意图的待执行任务:用户状态、设备状态、环境状态、用户画像、全局上下文或记忆。这样,可以根据多方面的信息来识别第一时间所表征的用户意图,从而更好地为用户提供服务。
在一些实施方式中,第一事件包括多种模态数据,中控设备具体用于管理多个资源,使得多个资源执行以下步骤:第一资源使用第一采样率采集对应的模态数据;其中,第一采样率为预设的采样率,或者,第一采样率为第一资源包括的多个资源中,活跃度最高的资源的采样率。这样,不同的第一资源能够使用统一的采样率来采集数据,可以获取到数据量相差不大的多种模态的数据,可以让第三资源更加方便、快捷地融合多模态数据,以识别第一事件所表征的用户意图。
在一些实施方式中,通信系统中的多个电子设备的可组合能力包括:交互类可组合能力、服务类可组合能力。第一可组合能力属于交互类可组合能力,第二可组合能力属于服务类可组合能力。
在一些实施方式中,通信系统中的多个电子设备的可组合能力包括以下任意一个或多个:使用预定方式描述的摄像头资源、麦克风资源、传感器资源、显示屏资源或计算资源。
结合第一方面,在一些实施方式中,通信系统中的多个电子设备可以通过以下任意一种或多种技术通信:WLAN、Wi-Fi P2P、BT、NFC,IR、ZigBee、UWB、热点、Wi-Fi softAP、蜂窝网络或有线技术。
第二方面,本申请实施例提供一种基于多设备提供服务的方法,该方法应用于中控设备,该方法包括:中控设备管理多个资源,使得多个资源执行以下步骤:多个资源中的第一资源检测第一事件,第一资源的数量为一个或多个;多个资源中的第二资源执行第一事件对应的待执行任务,第二资源的数量为一个或多个;第一资源和/或第二资源包括的全部资源,至少包括两个不同电子设备的资源;其中,中控设备管理的多个资源包括多个电子设备的部分或全部资源,多个电子设备包括中控设备。
实施第二方面提供的方法,中控设备可以统一调度通信系统中多个电子设备的部分或全部资源,可以高效地整合系统内资源,实现跨设备的资源互通共享,为用户提供自然、智慧化的多设备协同服务。
结合第二方面,在一些实施方式中,第一资源的数量为一个或多个,第二资源的数量为一个或多个。第一资源和/或第二资源包括的全部资源,至少来自两个不同的电子设备,可以是:多个第一资源来自多个不同的电子设备,或者,也可以是多个第二资源来自多个不同的电子设备;再或者,还可以是:多个第一资源包括第一子资源,多个第二资源包括第二子资源,第一子资源和第二子资源来自不同的电子设备。上述提及的多个不同的电子设备,均为通信系统中的电子设备。
结合第二方面,在一些实施方式中,第二资源执行第一事件对应的待执行任务之前,中控设备可以管理多个资源,使得多个资源执行:多个资源中的第三资源识别第一事件表征的用户意图,并确定满足用户意图的待执行任务。
通过上一实施方式,中控设备可以管理第三资源,使得第三资源识别第一事件所表征的用户意图,并将用户意图拆分为待执行任务,便于后续第二资源执行该待执行任务。
在第二方面中,资源、可组合能力的定义,可参考第一方面的相关描述。
结合第二方面,在一些实施方式中,中控设备管理多个资源,使得多个资源执行第二方面中的步骤之前,中控设备可以将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备;其中,第一可组合能力、第二可组合能力均为虚拟聚合设备的可组合能力。中控设备配置虚拟聚合设备之后,即可管理该虚拟聚合设备中的可组合能力。
中控设备配置虚拟聚合设备是指,配置部分或全部多个电子设备的可组合能力的参数。参数的配置包括:针对数据处理流向的相关参数的配置。中控设备配置虚拟聚合设备之后,相当于指定了信息的采集及处理流向。
在第二方面中,中控设备配置虚拟聚合设备的技术效果,可参考第一方面的相关描述。
在一些实施方式中,中控设备将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备之前,中控设备可以接收中控设备以外的其他设备发送的可组合能力信息,可组合能力信息用于指示对应设备提供的可组合能力。这里,可组合能力信息的定义,可参考第一方面的相关描述。之后,中控设备可以根据多个电子设备的可组合能力信息,将部分或全部多个电子设备的可组合能力配置为虚拟聚合设备。
中控设备配置虚拟聚合设备的方式,可参考第一方面的相关描述。
在一些实施方式中,中控设备配置虚拟聚合设备之后,该虚拟聚合设备用于运行单一智慧助手,单一智慧助手用于支持中控设备管理多个资源,使得多个资源执行第二方面中的步骤。即,该虚拟聚合设备包括的可组合能力所在的物理设备用于运行该单一智慧助手。
在第二方面中,第一事件的类别可参考第一方面的相关描述。
在第二方面中,第一资源、第二资源的确定方式,可参考第一方面的相关描述。
在第二方面中,中控设备的确定方式,可参考第一方面的相关描述。
在一些实施方式中,中控设备管理多个资源,使得多个资源执行:第三资源将用户意图拆分为以模态为单位的多个待执行任务;不同的第二资源执行不同模态的待执行任务。这样,第三资源按照模态将用户意图拆分为多个待执行任务,并且中控设备将不同模态的待执行任务分发给不同的第二资源执行,可以更好地为用户提供服务。
在第二方面中,满足该用户意图的待执行任务所包括的类型可以参照第一方面相关的描述。
结合第二方面,在一些实施方式中,该中控设备管理多个资源,使得该多个资源执行:该第三资源识别该第一事件表征的用户意图之前,多个该第一资源接收交互输入。该第三资源根据该交互输入生成全局上下文。其中,该全局上下文包括以下一项或多项:该第一资源接收到该交互输入的时间、该第一资源、该交互输入的交互内容、该交互输入对应用户的生理特征信息、该第一资源所属电子设备的设备信息、或该交互输入控制的目标设备的设备信息。该第三资源基于该全局上下文,识别该第一事件表征的用户意图。
结合上述第三资源基于全局上下文识别该第一事件表征的用户意图的实施方式,在一些实施方式中,该交互输入包括:历史输入,和,当前输入。该全局上下文包括:历史交互信息,和,当前轮交互信息。该中控设备管理多个资源,使得该多个资源执行:该第一资源基于该历史输入获取该历史交互信息,基于该当前输入获取该当前轮交互信息。该第三资源从该历史交互信息中,匹配和该当前轮交互信息相关联的第一历史交互信息。该第三资源基于该第一历史交互信息,识别该第一事件表征的用户意图。
通过上一实施方式,当第三资源结合全局上下文识别第一事件表征的用户意图时,第三资源可以根据接收到的用户、设备、环境状态、历史交互信息等多方面的信息分析用户的服务需求,因此能够更准确、个性化地确定出用户的意图,从而更好地为用户提供服务。
结合第二方面,在一些实施方式中,该第一事件包括第一对话信息。该第一对话信息包含第一指令和第二指令,该第一指令对应的意图和该第二指令对应的意图相关联,该第一指令包括第一指代词。该中控设备管理多个资源,使得该多个资源执行:该第二资源识别该第一事件表征的用户意图之前,将该第一对话信息中的第一指代词指代的对象替代为该第二指令对应的对象,以获取到第二对话信息,以获取到第二对话信息。该第三资源基于该第二对话信息,识别该第一事件表征的用户意图。
在一些实施方式中,将该第一对话信息中的第一指代词替代为该第二指令对应的对象,以获取到第二对话信息的步骤可以参考第一方面的相关描述。
通过上一实施方式,当用户单轮输入的第一对话信息中包括有指代词时,第三资源在基于第一对话信息识别出表征的用户意图之前,可以先将第一对话信息的指代词替代为对应的指代对象,以获取到指代词被替代后的第二对话信息。这样,第三资源可以基于该第二对话信息更准确地确定出用户的意图,从而更好地为用户提供服务。
结合第二方面,在一些实施方式中,该中控设备管理多个资源,使得该多个资源执行:该第三资源识别该第一事件表征的用户意图之前,该第一资源接收第一预设时间内的交互输入。该第三资源基于该交互输入确定记忆,该记忆表征用户和设备之间交互的习惯或偏好。该第三资源基于该记忆,识别该第一事件表征的用户意图。
在一些实施方式中,记忆的分类以及定义可以参考第一方面的相关描述。
在一些实施例方式中,记忆构建所用算法可以参考第一方面的相关描述。
通过上一实施方式,第三资源可以基于用户的交互输入构建出表征用户习惯或偏好的记忆。第三资源可以基于该记忆识别出第一事件表征的用户意图。这样,第三资源能够准确、个性化地满足用户确定或潜在(未发生)的服务需求,从而更好地为用户提供服务。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、一个或多个处理器;存储器与一个或多个处理器耦合,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,一个或多个处理器调用计算机指令以使得电子设备执行如第二方面或第二方面任意一种实施方式的方法。
第四方面,本申请实施例提供了通信系统,该通信系统包括多个电子设备,多个电子设备中包括中控设备,中控设备用于执行如第二方面或第二方面任意一种实施方式的方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,包括指令,当指令在电子设备上运行时,使得电子设备执行如第二方面或第二方面任意一种实施方式的方法。
第六方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行第二方面或第二方面任意一种实施方式的方法。
实施本申请提供的技术方案,多个设备组成一个通信系统,该多个设备中的中控设备可以统一调度该通信系统中的部分或全部资源,从而为用户提供服务。由中控设备统一调度通信系统中的部分或全部资源,可以高效地整合系统内资源,实现跨设备的资源互通共享,为用户提供自然、智慧化的服务。
附图说明
图1A为本申请实施例提供的通信系统的结构示意图;
图1B为运行于通信系统10之上的单一智慧助手的软件结构示意图;
图2为本申请实施例提供的电子设备100的结构示意图;
图3为本申请实施例提供的基于多设备提供服务的方法的流程示意图;
图4为本申请实施例提供的可组合能力的类别示例;
图5A-图5M为本申请实施例提供的组建通信系统10时所涉及的一组用户界面;
图6A为本申请实施例提供的延迟选举中控设备的场景图;
图6B-图6C为本申请实施例提供的选举中控设备的场景图;
图6D为本申请实施例提供的同一设备加入不同通信系统的场景图;
图7为本申请实施例提供的一个虚拟聚合设备;
图8A-图8D为本申请实施例提供的用户注意力所在设备的示意图;
图9为本申请实施例提供的一种多设备提供服务的场景图;
图10A为本申请实施例提供的另一种多设备提供服务的场景图;
图10B为本申请实施例提供的一种基于全局上下文的交互方法的流程示意图;
图10C为本申请实施例提供的一种应用于基于全局上下文交互的软件架构示意图;
图11为本申请实施例提供的一种基于指定匹配规则进行匹配分析的流程示意图;
图12为本申请实施例提供的一种基于指定算法进行匹配分析的流程示意图;
图13为本申请实施例提供的一种将某轮历史对话的对话信息进行编码的流程示意图;
图14为本申请实施例提供的一种相关性模型的组成示意图;
图15为本申请实施例提供的另一种多设备提供服务的场景图;
图16为本申请实施例提供的一种单轮对话下多指令指代消解方法的流程示意图;
图17A为本申请实施例提供的一种语义单元识别的流程示意图;
图17B为本申请实施例提供的一种语义单元识别模型示意图;
图17C为本申请实施例提供的一种示例性对话交互信息进行指代消解的流程示意图;
图18为本申请实施例提供的另一种多设备提供服务的场景图;
图19A为本申请实施例提供的一种执行长时任务的流程示意图;
图19B为本申请实施例提供的一种构建长时任务的执行流程的示意图;
图20为本申请实施例提供的一种个性化交互方法的流程示意图;
图21A为本申请实施例提供的一种记忆模型的示意图;
图21B为本申请实施例提供的另一种多设备提供服务的场景图;
图21C为本申请实施例提供的另一种多设备提供服务的场景图;
图21D为本申请实施例提供的一种基于用户画像的交互方法的流程示意图;
图22和图23为本申请实施例提供的多设备提供服务的场景。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。其中,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请以下实施例中的术语“用户界面(user interface,UI)”,是应用程序或操作系统与用户之间进行交互和信息交换的介质接口,它实现信息的内部形式与用户可以接受形式之间的转换。用户界面是通过java、可扩展标记语言(extensible markuplanguage,XML)等特定计算机语言编写的源代码,界面源代码在电子设备上经过解析,渲染,最终呈现为用户可以识别的内容。用户界面常用的表现形式是图形用户界面(graphicuser interface,GUI),是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示屏中显示的文本、图标、按钮、菜单、选项卡、文本框、对话框、状态栏、导航栏、Widget等可视的界面元素。
本申请提供了基于多设备提供服务的方法、相关装置及系统。在该方法中,多个设备组成一个通信系统,该多个设备可以协商决定中控设备,该中控设备可以在通信系统中选择合适的资源来检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。这样,中控设备可以统一调度该通信系统中的部分或全部资源,为用户提供其所需的各项服务,满足用户的需求。
由中控设备统一调度通信系统中多个设备的资源,可以高效地整合系统内资源,实现跨设备的资源互通共享,为用户提供自然、智慧化的多设备协同服务。此外,用户对通信系统中的任意设备发出指令,该通信系统中的其他设备可以在中控设备的管理下接续执行对应的任务,无需用户发出额外的跨设备操作指令。这可以看做是为用户提供了连续、不中断的服务。
中控设备也可以被称为中心设备。
为了描述简便,在本申请以下实施例中,将用于检测特定事件的设备、用于分析该特定事件所表征的用户意图的设备、执行满足该用户意图的任务的设备,分别称为第一设备、第二设备、第三设备。
中控设备、第一设备、第二设备及第三设备,可以是相同的设备,也可以是不同的设备。
中控设备、第一设备、第二设备及第三设备,均可以包括一个或多个设备,本申请实施例对此不做限制。
通信系统中的多个电子设备协商决定中控设备的策略,中控设备在通信系统中选择第一设备、第二设备及第三设备的策略,具体可参考后续方法实施例的详细描述,这里暂不赘述。
在一些实施例中,中控设备可以结合以下一项或多项来选择合适的第一设备、第二设备或第三设备:通信系统历史检测到的用户状态、设备状态、环境状态,用户画像、全局上下文,或记忆。其中,用户状态、设备状态、环境状态,用户画像、全局上下文、记忆的定义及获取方式,可参考后文实施例的详细介绍。
特定事件可包括用户输入的交互操作,也可以包括用户状态、设备状态、环境状态发生变化的事件,具体可参考后续方法实施例的相关描述。
在本申请实施例中,通信系统中的多个设备可以共同运行单一的智慧助手。该智慧助手支持通信系统中的该多个设备协商决定中控设备,并支持该中控设备在通信系统的多个设备中选择合适的资源来检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。多设备运行单一的智慧助手,各个设备之间可以基于该智慧助手共享和同步信息,保障了交互上下文、用户画像、个性化数据的一致性,从而给用户提供连贯、一致的交互体验。此外,通信系统中的多个设备运行一个智慧助手,可以节约系统功耗。
在本申请实施例中,通信系统中的各个设备可以将自身资源按照统一的方式解构或封装为标准化的可组合能力,并提供标准规范的接口以供通信系统中的其他设备调用。可见,可组合能力是从物理设备中抽象出来的单一能力部件。可组合能力可以分为多种不同的类型,具体可参考后续实施例的详细介绍。中控设备可以选择通信系统中合适的可组合能力来检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。
通过统一的方式解构得到的可组合能力和设备、设备型号、设备厂商解耦,因而可以供通信系统中的其他设备跨设备无障碍调用,即支持中控设备统一调度各个设备的资源,从而满足用户的需求。此外,通过统一的方式来将各个设备的资源解构为标准化的可组合能力,相当于不同的设备都使用相同的资源描述规范,使得本申请提供的方法适配不同的设备,支持不同类型、不同厂商的设备加入到通信系统中共同为用户提供服务,适用范围广。
在本申请以下实施例中,中控设备可以根据用户的实际需求将通信系统中的部分或全部资源组合为虚拟聚合设备,例如,中控设备可以将通信系统中的部分或全部可组合能力组合为该虚拟聚合设备。该虚拟聚合设备可用于检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。通过组合虚拟聚合设备,可以针对用户的实际需求提前准备好用户所需的各类资源,便于后续方便、快捷地使用这些资源来满足用户需求。通过组合虚拟聚合设备自适应地选择合适的可组合能力,一方面可选择靠近用户、用户感兴趣、受干扰程度较低、准确性高和/或感知能力较强的交互外设,避免无效、低效外设所拾取交互信号对交互准确率的影响;另一方面,可拓展部分资源紧张设备的能力,选择系统内运算能力较强和/或准确率较高的AI算法模型,提升交互识别准确率。
下面,首先介绍本申请实施例提供的通信系统。
参考图1A,图1A为本申请实施例提供的通信系统10的结构示意图。
如图1A所示,通信系统10包括多个电子设备。
通信系统10中的多个电子设备可以为各种类型,本申请实施例对此不作限制。该多个电子设备可以包括手机、平板电脑、桌面型计算机、膝上型计算机、手持计算机、笔记本电脑、智慧屏、可穿戴式设备、增强现实(augmented reality,AR)设备、虚拟现实(virtualreality,VR)设备、人工智能(artificial intelligence,AI)设备、车机、智能耳机、游戏机、数码相机等智能设备,还可以包括智能音箱、智能灯具、智能空调、热水器、烧水壶、烤箱、咖啡机、摄像头、门铃、毫米波传感器等物联网(internet of things,IoT)设备或智能家居设备,还可以包括打印机、扫描仪、传真机、复印机、投影仪等办公设备。不限于此,通信系统10中的多个电子设备还可以包括具有触敏表面或触控面板的膝上型计算机(laptop)、具有触敏表面或触控面板的台式计算机等非便携式终端设备等等。
通信系统10中可以包括可移动的电子设备,例如手机、平板电脑、智能手环等,也可以包括不可移动的智慧屏、智能灯具、智能空调等设备。
通信系统10可以包括相同厂商生产的电子设备,也可以包括不同厂商生产的电子设备,本申请实施例对此不做限定。
在本申请实施例中,不同的场景中的通信系统可以包括不同的设备。例如,场景可包括智能家居场景、运动健康场景、影音娱乐场景、智能办公场景、智慧出行场景等等。例如图1A所示,智能家居场景可包括智慧屏、电动牙刷、无线路由、智能音箱、扫地机、体脂秤、手表、手机及耳机。智能办公场景可包括计算机、鼠标、无线路由、电动窗帘、台灯、手表、手机及耳机。
通信系统10中的多个电子设备可以包括配置有软件操作系统(operatingsystem,OS)的智能设备如手机、智慧屏、电脑等等,也可以包括未配置OS的非智能设备如热水器、烧水壶等等。各个电子设备配置的OS可以不同,包括但不限于Harmony 等等。各个电子设备也可以都配置相同的软件操作系统,例如可以均配置Harmony
通信系统10中的电子设备和其他部分或全部电子设备建立有连接及会话,并可以基于该连接和会话通信。也就是说,通信系统10中的任意两个电子设备之间可以直接连接并通信,也可以通过另一电子设备间接通信,也可以并无连接及通信关系。
例如,在通信系统10中,智能手机A可以和智慧屏B直接通信,智慧屏B和智能手环C可以通过手机间接通信,智慧屏B和智能音箱D两者可以没有连接关系也不能直接通信。
电子设备之间建立通信连接后,即可以看作加入了同一个通信系统。电子设备之间可以通过多种方式来建立连接,例如可以在用户触发下建立连接,也可以由设备主动建立连接,这里不限定。
在一些实施例中,通信系统10还可以对电子设备或使用电子设备的用户仅需鉴权或权限认证,在鉴权通过或权限认证通过之后,才允许该电子设备加入通信系统10。对电子设备或用户的鉴权或权限认证的方式,具体可参考后续实施例的相关描述。
通信系统10中电子设备之间可以通过以下任意一种或多种技术建立连接并通信:无线局域网(wireless local area network,WLAN)、无线保真直连(Wi-Fi direct)/无线保真点对点(Wi-Fi peer-to-peer,Wi-Fi P2P)、蓝牙(Bluetooth,BT)、近场通信(nearfield communication,NFC),红外(infrared,IR)、紫蜂(ZigBee)、超宽带(ultrawideband、UWB)、热点、Wi-Fi softAP、蜂窝网络、有线技术或远程连接技术等等。其中,蓝牙可以是经典蓝牙,也可以是低功耗蓝牙(bluetooth low energy,BLE)。
例如,电子设备可以通过无线局域网(WLAN)和处于同一个无线局域网内的其他设备通信。又例如,电子设备可以通过BT、NFC等近距离通信技术发现附近的其他设备,并和其他设备建立通信连接后通信。又例如,一个电子设备可以工作在无线接入点(accesspoint,AP)模式并创建无线局域网,其他电子设备连接到该电子设备创建的无线局域网后,该电子设备和其他设备可以通过Wi-Fi softAP通信。又例如,多个电子设备可以登录同一账号或家庭账号或关联账号,例如登录相同的系统账号(如华为账号),然后各自通过3G、4G、5G等蜂窝网络技术或者广域网技术,和维护系统账号的服务器(例如华为提供的服务器)通信,然后通过该服务器通信。家庭账号是指家庭成员共同使用的一个账号。关联账号是指绑定的多个账号。
在本申请实施例中,一个通信系统内可以存在多种不同的连接方式。例如图1A所示,手机和电动牙刷之间可通过蓝牙通信,手机和智慧屏之间可通过Wi-Fi通信。
可见,通信系统10中的各个电子设备可以近距离通信,也可以远距离通信。也就是说,通信系统10中的各个电子设备可以位于同一个物理空间,也可以位于不同的物理空间。
通信系统10中的各个电子设备可以基于设备间的通信连接,相互同步或共享设备信息。该设备信息例如可包括但不限于:设备标识、设备类型、设备的可用能力,设备采集到的用户、设备及环境的状态信息等等。
在本申请实施例中,通信系统10中的多个电子设备可以基于各个设备的设备信息,协商决定中控设备,该中控设备可以在通信系统10的多个设备中选择合适的资源来检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。
在本申请一些实施例中,中控设备也可以实现为分布式系统,可以分布在通信系统10的多个设备之上,利用通信该多个设备的部分或全部资源实现中控设备的功能。
在本申请实施例中,中控设备可以根据用户的实际需求将通信系统中的部分资源组合为虚拟聚合设备,例如,中控设备可以将通信系统中的部分或全部可组合能力组合为该虚拟聚合设备。该虚拟聚合设备可用于检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。虚拟聚合设备可以部署于通信系统10中的一个或多个物理设备之上,可以由该一个或多个物理设备中的全部或部分资源整合而来。
在本申请实施例中,通信系统10中的各个电子设备可以将自身的资源,按照统一的方式解构为标准化的可组合能力。可组合能力可以分为多种不同的类型,具体可参考后续实施例的详细介绍。例如,智慧屏可以抽象出屏幕显示、摄像头录像、喇叭放音、麦克风拾音、多媒体播放服务等可组合能力。
通信系统10中的各个电子设备可以安装并运行独立的智慧助手,也可以不安装独立的智慧助手,这里不做限定。智慧助手是一种基于人工智能构建的应用程序,借助语音语义识别算法,通过与用户进行即时问答式的语音交互,帮助用户完成信息查询、设备控制、文本输入等操作。智慧助手通常采用分阶段级联处理,依次通过语音唤醒、语音前端处理、自动语音识别、自然语言理解、对话管理、自然语言生成、文本转语音、应答输出等流程实现上述功能。
在本申请实施例中,通信系统10中的多个电子设备可以共同运行一个单一的智慧助手。该智慧助手部署在通信系统10之上。在一些实施例中,通信系统10运行智慧助手的一个实例,各个设备中运行的标识(例如进程号)相同。在另一些实施例中,通信系统10也可以运行智慧助手的多个实例。实例是运行态的应用程序。实例可以指进程,也可以指线程。进程是应用程序在计算机上的一次执行活动。线程是应用程序执行中一个单一的顺序控制流程。一个进程可以包括多个线程。
在本申请实施例中,通信系统10中的多个电子设备共同运行的单一智慧助手,可以实现为系统应用、第三方应用、服务接口、小程序或网页中的任意一种或多种。
通信系统10运行的单一智慧助手用于支持通信系统10执行本申请实施例所提供的基于多设备提供服务的方法。
参考图1B,图1B为本申请实施例提供的运行于通信系统10之上的智慧助手的软件结构示意图。该通信系统10之上的智慧助手可以是虚拟聚合设备之上的单一智慧助手。
如图1B所示,该智慧助手可包括以下组件:
1.能力发现组件
能力发现组件可以部署于通信系统10的每个电子设备中。
能力发现组件用于和通信系统10中的其他电子设备相互同步可组合能力,还用于管理通信系统10中可用的可组合能力。能力发现组件还可用于在通信系统10的设备之间建立连接之前,对对端设备或用户进行鉴权或权限认证。
在一些实施例中,能力发现组件可进一步包括:认证/鉴权模块、可组合能力发现模块、可组合能力集、感知数据对接模块。
认证/鉴权模块,用于本地设备和其他设备建立连接之前,其他设备对该本地设备或使用该本地设备的用户进行认证和鉴权。认证和鉴权的方式,可参考后续方法实施例的介绍。
可组合能力发现模块,用于发现通信系统10中的其他设备以及其他设备的可组合能力,以及,将本地设备的可组合能力同步给通信系统10中的其他设备。可组合能力发现模块发现其他设备的方式,可参考后续方法实施例的介绍。
可组合能力集,用户管理本地设备以及发现的其他设备的可组合能力。
感知数据对接模块,用于管理传感感知组件感知到的各类数据的格式规范。通过该规范可以对通信系统10中各个设备采集到的各类数据进行标准化的管理,便于这些数据被跨设备调用,实现跨设备的资源互通共享。
2.传感感知组件
传感感知组件可以部署于通信系统10中具备感知能力的电子设备中。
传感感知组件可用于感知用户、设备及环境的状态信息,还用于创建并维护用户画像、上下文及记忆。
在一些实施例中,传感感知组件可进一步包括:用户状态感知模块、设备状态感知模块、环境状态感知模块、用户画像模块、上下文模块、记忆模型。
用户状态感知模块、设备状态感知模块、环境状态感知模块分别用于感知用户、设备及环境的状态信息。
用户画像模块,用于根据用户和通信系统10中的各个设备的交互情况,创建并维护该用户的用户画像。
上下文模块,用于根据用户和通信系统10中的各个设备的交互历史,创建并维护针对该通信系统10的全局上下文。
记忆模型,用于根据用户和通信系统10中的各个设备的交互历史、设备的操作历史等等,创建并维护通信系统10的记忆。
3.系统中控组件
系统中控组件部署于通信系统10中各个电子设备协商决定的中控设备之上。
系统中控组件用于根据传感感知组件获取到的各类信息,以及,用户的实际需求,选择能力发现组件维护的通信系统10中合适的可用能力,动态构建虚拟聚合设备。系统中控组件还用于选择通信系统10中合适的可组合能力来检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。
在一些实施例中,系统中控组件可进一步包括:系统重构模块、交互模态调度模块、服务能力调度模块。
系统重构模块,用于根据传感感知组件获取到的各类信息,以及,用户的实际需求,选择能力发现组件维护的通信系统10中合适的可用的可组合能力,动态构建虚拟聚合设备。
交互模态调度模块,用于选择通信系统10中合适的可组合能力来检测特定事件、分析该特定事件所表征的用户意图。
服务能力调度模块,用于选择通信系统10中合适的可组合能力来执行满足该用户意图的任务。
4.交互识别组件
交互识别组件部署于中控设备选择的用于检测特定事件、分析该特定事件所表征的用户意图的可组合能力所在的电子设备上。该特定事件可以是一种模态或多种模态的组合。模态例如可包括文字、语音、视觉、动作、态势(如用户所在位置、用户和设备间的距离)、场景(如办公场景、家庭场景、通勤场景)等。
交互识别组件用于根据传感感知组件获取到的各类信息,判定是否检测到特定事件,并分析检测到的特定事件所表征的用户意图,还可以将用户意图分解为多模态的形式。
在一些实施例中,交互识别组件可进一步包括:交互触发模块、交互指令识别模块、多模态意图决策模块。
交互触发模块,用于根据传感感知组件获取到的各类信息,判定是否检测到特定事件。
交互指令识别模块,用于分析检测到的特定事件所表征的用户意图。
多模态意图决策模块,用于将用户意图分解为多模态形式的待执行任务。
5.服务应答组件
服务应答组件部署于中控设备选择的用于执行满足用户意图的任务的可组合能力所在的电子设备上。
服务应答组件用于根据交互识别组件的分析得到的用户意图,编排应答任务序列,控制应答任务按照一定逻辑关系执行,还用于根据传感感知模块获取到的各类信息,动态接续或切换设备/能力以执行应答任务。
在一些实施例中,服务应答组件可用于执行多种模态的任务。
在一些实施例中,服务应答组件可进一步包括:任务序列生成模块、任务映射模块、任务管理模块、任务执行运行时(Runtime)。
任务序列生成模块,用于生成满足用于意图的一个或多个任务。
任务映射模块,用于将一个或多个任务映射到合适的可组合能力中执行。
任务管理模块,用于按照交互识别组件分析得到的用户意图,控制一个或多个任务按照一定逻辑关系执行。
任务执行运行时(Runtime),用于运行应答任务。
上述图1B示出的智慧助手的软件结构仅为示例,并不构成对运行于通信系统10之上的智慧助手的具体限定。在本申请另一些实施例中,该智慧助手可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
上述图1B所示的组件或模块可采用设备端侧程序和/或云服务的形式部署,亦可采用分布式或集中式的架构部署在一台或多台设备上运行。例如,认证/鉴权模块、用户画像模块、上下文模块、记忆模型、交互指令识别模块、多模态意图决策模块等,可以采用端云结合的方式部署。
在其他一些实施例中,通信系统10中还可以包括多个中控设备,各个中控设备可以组建不同的虚拟聚合设备,并运行多个虚拟聚合设备的实例,在不同的虚拟聚合上分别运行单一的智慧助手。这样可以针对不同的用户组建不同的虚拟聚合设备,从而为不同的用户提供个性化的服务。
通信系统10中各个设备的具体作用,可参考后续方法实施例的详细描述。
在本申请实施例中,通信系统10中的电子设备的数量可以发生变化。例如,通信系统10中可能会新增一些设备,也可能会减少一些设备。
如果在通信系统10未获知或存储设备的相关信息(如标识、类型等)的情况下,该设备连接到通信系统10,则称为该设备加入通信系统10。如果在通信系统10获知或存储有设备的相关信息(如标识、类型等)的情况下,该设备连接到通信系统10,则称为该设备上线。
类似的,设备和通信系统10断开连接后,如果该通信系统10未存储该设备的相关信息,则称为该设备离开通信系统10。如果设备和通信系统10断开连接后,该通信系统10仍然存储有该设备的相关信息,则称为该设备下线。电子设备通常会由于位置变更或电量耗尽等原因离开通信系统10或从通信系统10下线。
图1A所示的通信系统10仅为示例,具体实现中,通信系统10还可以包括更多的设备,这里不做限定。例如,通信系统10还可以包括用于提供WLAN的路由器、用于为提供认证/鉴权服务的服务器、用于存储可组合能力信息、上下文、用户画像或记忆的服务器、用于管理账号的服务器、用于管理通信系统10中各个电子设备的服务器等等。
通信系统10也可以被称作分布式系统、互联系统等其他名词,这里不做限定。
参考图2,图2为本申请实施例提供的电子设备100的结构示意图。该电子设备100可以为通信系统10中的任意一个电子设备。
电子设备100可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在本申请实施例中,处理器110可用于将电子设备100的资源,按照统一的方式解构为标准化的可组合能力。
如果图2所示的电子设备100为通信系统10中各个设备协商决定的中控设备,则处理器110可用于在通信系统10的多个设备中选择合适的资源来检测特定事件、分析该特定事件所表征的用户意图、执行满足该用户意图的任务。
如果图2所示的电子设备100为中控设备选择的第一设备,则处理器110用于调用电子设备的相关器件(如显示屏、麦克风、摄像头等等)来检测特定事件。
如果图2所示的电子设备100为中控设备选择的第二设备,则处理器110用于分析该特定事件所表征的用户意图。
如果图2所示的电子设备100为中控设备选择的第三设备,则处理器110用于调用电子设备的相关器件(如显示屏、麦克风、摄像头等等)来执行满足该用户意图的任务。
电子设备100的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A,受话器170B等)输出声音信号,或通过显示屏194显示图像或视频。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括WLAN(如Wi-Fi),BT,全球导航卫星系统(global navigation satellite system,GNSS),调频(frequencymodulation,FM),NFC,IR、UWB等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号解调以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
移动通信模块150或无线通信模块160用于支持电子设备100和通信系统10中的其他设备建立连接并通信,相互同步或共享设备信息。
在一些实施例中,电子设备100的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(beidounavigation satellite system,BDS),准天顶卫星系统(quasi-zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD)。显示面板还可以采用有机发光二极管(organiclight-emitting diode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode,AMOLED),柔性发光二极管(flexlight-emitting diode,FLED),miniled,microled,micro-oled,量子点发光二极管(quantum dot light emitting diodes,QLED)等制造。在一些实施例中,电子设备可以包括1个或N个显示屏194,N为大于1的正整数。
电子设备100可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
内部存储器121可以包括一个或多个随机存取存储器(random access memory,RAM)和一个或多个非易失性存储器(non-volatile memory,NVM)。
随机存取存储器可以包括静态随机存储器(static random-access memory,SRAM)、动态随机存储器(dynamic random access memory,DRAM)、同步动态随机存储器(synchronous dynamic random access memory,SDRAM)、双倍资料率同步动态随机存取存储器(double data rate synchronous dynamic random access memory,DDR SDRAM,例如第五代DDR SDRAM一般称为DDR5 SDRAM)等;非易失性存储器可以包括磁盘存储器件、快闪存储器(flash memory)。
快闪存储器按照运作原理划分可以包括NOR FLASH、NAND FLASH、3D NAND FLASH等,按照存储单元电位阶数划分可以包括单阶存储单元(single-level cell,SLC)、多阶存储单元(multi-level cell,MLC)、三阶储存单元(triple-level cell,TLC)、四阶储存单元(quad-level cell,QLC)等,按照存储规范划分可以包括通用闪存存储(英文:universalflash storage,UFS)、嵌入式多媒体存储卡(embedded multi media Card,eMMC)等。
随机存取存储器可以由处理器110直接进行读写,可以用于存储操作系统或其他正在运行中的程序的可执行程序(例如机器指令),还可以用于存储用户及应用程序的数据等。
非易失性存储器也可以存储可执行程序和存储用户及应用程序的数据等,可以提前加载到随机存取存储器中,用于处理器110直接进行读写。
外部存储器接口120可以用于连接外部的非易失性存储器,实现扩展电子设备100的存储能力。外部的非易失性存储器通过外部存储器接口120与处理器110通信,实现数据存储功能。例如将音乐,视频等文件保存在外部的非易失性存储器中。
电子设备100可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块170用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中,音频模块170可以设置于处理器110中,或将音频模块170的部分功能模块设置于处理器110中。
扬声器170A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器170A收听音乐,或收听免提通话。
受话器170B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器170B靠近人耳接听语音。
麦克风170C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风170C发声,将声音信号输入到麦克风170C。电子设备100可以设置至少一个麦克风170C。在另一些实施例中,电子设备100可以设置两个麦克风170C,除了采集声音信号,还可以实现降噪功能。在另一些实施例中,电子设备100还可以设置三个,四个或更多麦克风170C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中,可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即,x,y和z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的,当按下快门,陀螺仪传感器180B检测电子设备100抖动的角度,根据角度计算出镜头模组需要补偿的距离,让镜头通过反向运动抵消电子设备100的抖动,实现防抖。陀螺仪传感器180B还可以用于导航,体感游戏场景。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态,应用于横竖屏切换,计步器等应用。
距离传感器180F,用于测量距离。电子设备100可以通过红外或激光测量距离。在一些实施例中,拍摄场景,电子设备100可以利用距离传感器180F测距以实现快速对焦。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
骨传导传感器180M可以获取振动信号。在一些实施例中,骨传导传感器180M可以获取人体声部振动骨块的振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。在一些实施例中,骨传导传感器180M也可以设置于耳机中,结合成骨传导耳机。音频模块170可以基于所述骨传导传感器180M获取的声部振动骨块的振动信号,解析出语音信号,实现语音功能。应用处理器可以基于所述骨传导传感器180M获取的血压跳动信号解析心率信息,实现心率检测功能。
图2示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中,电子设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者包括和图2不同的部件。图示的部件可以以硬件,软件或软件和硬件的组合实现。
关于电子设备100的各个模块的作用,具体可参考后续方法实施例的详细描述,在此暂时不赘述。
下面基于图1A示出的通信系统10、图1B示出的智慧助手架构、图2示出的电子设备架构,介绍本申请实施例提供的基于多设备提供服务的方法。
参考图3,图3示例性示出了基于多设备提供服务的方法的流程。
如图3所示,该方法可包括如下步骤:
S101,电子设备将资源解构为可组合能力。
执行S101的电子设备的数量可以为一个,也可以为多个。
电子设备中的资源可以包括以下一项或多项:电子设备的软件资源、硬件资源、外设或外设的资源等等。其中:
硬件资源和电子设备配置的硬件相关,例如可包括电子设备具备的摄像头、传感器、音频设备、显示屏、马达、闪光灯等等。
软件资源和电子设备配置的软件相关,例如可包括电子设备具备的内存资源、计算能力(例如美颜算法能力、音视频编解码能力)、网络能力、设备连接能力、设备发现能力、数据传输能力等等。进一步地,该软件资源可包括电子设备提供的拍照服务、录音服务、指纹认证服务、运动健康服务、播放服务、短信服务、语音识别服务、视频通话服务等等。软件资源可以包括系统资源,也可以包括第三方资源,这里不做限定。
外设是指和电子设备连接的,用于对数据和信息进行传输、转送和存储等作用的设备。外设例如可包括电子设备的配件设备,如鼠标、外接显示屏、蓝牙耳机、键盘,以及,该电子设备管理的智能手表、智能手环等等。外设的资源可包括硬件资源和软件资源,硬件资源和软件资源可参考前文相关描述。
在本申请实施例中,一个电子设备中可以包括上述任意一种或多种类别的资源,也可以包括一个或多个资源。
在本申请实施例中,电子设备可以将自身的资源按照统一的方式解构或封装为标准化的可组合能力,并提供标准规范的接口以供通信系统中的其他设备调用。可组合能力是从物理设备中抽象出来的单一能力部件。
由于电子设备的资源可能会因为连接新的外设、安装/卸载应用程序等情况发生变化,电子设备解构得到的可组合能力也可能会发生变化。
电子设备可以采用面向能力、服务或信息中一个或多个的方式,将自身资源描述为标准化的可组合能力。例如,电子设备可以根据不同类别的能力(例如连接能力、音视频能力、拍摄能力等)将自身资源解构为不同的可组合能力,也可以根据不同类别的服务(例如定位服务、云定位服务、云计算服务等)将自身资源解构为不同的可组合能力,还可以根据不同类别的信息(例如图像信息、文本信息)将自身资源解构为不同的可组合能力。
也就是说,可组合能力是电子设备使用预定方式描述的资源。该预定方式可包括预定的格式、协议或标准等等。
在一些实施例中,可以采用Schema、Protobuf、可扩展标记语言(extensiblemarkup language,XML)、JSON(java script object notation)等方式描述设备可组合能力,以前向/向后兼容可组合能力描述文件的不同版本。
参考图4,图4示例性示出了本申请实施例提供的可组合能力的类别。
如图4所示,电子设备的资源可以被解构为以下四类可组合能力:
1.交互类可组合能力
交互类可组合能力可用于检测特定事件。特定事件可包括用户输入的交互操作,也可以包括用户、设备、环境状态发生变化的事件。
在一些实施例中,按照用户输入的交互操作的类别,交互类可组合能力进一步可包括但不限于以下一种或几种类别的组合:
语音交互类可组合能力,用于采集用户输入的语音指令以及周围的环境音。语音交互类可组合能力,可以基于电子设备的麦克风170C、受话器170B、以及外接的耳机或麦克风等资源封装得到。
文本交互类可组合能力,用于采集用户输入的文本。文本交互类可组合能力,可以基于电子设备的显示屏194等资源封装得到。
视觉交互类可组合能力,用于采集可见光图像、红外图像、深度图像、骨骼点、眼动/视线等视觉交互信息。视觉交互类可组合能力,可以基于电子设备的摄像头193(如红外摄像头、深度摄像头)等资源封装得到。
触觉交互类可组合能力,用于采集用户的触控输入、指关节输入、按键输入等等。触觉交互类可组合能力,可以基于电子设备的显示屏194、触摸传感器180K、压力传感器180A等资源封装得到。
生理信号交互类可组合能力,可用于采集肌电信号、脑电波、心率、血氧等生理信号。生理信号交互类可组合能力,可以基于光学传感器、电极等硬件资源封装得到。
姿态交互类可组合能力,用于采集用户的姿态信息。姿态交互类可组合能力,可以基于陀螺仪传感器180B、加速度传感器180E以及惯性传感器等资源封装得到。
2.识别类可组合能力
识别类可组合能力,可用于识别交互类可组合能力检测到的特定事件所表征的用户意图,以及,确定用户意图对应的待执行任务。具体的,交互识别类可组合能力可以首先识别该特定事件所代表的具体信息(如语义、文本信息)等,然后识别该具体信息所表征的用户意图。
在一些实施例中,识别类可组合能力可进一步包括但不限于以下一种或几种类别的组合:
语音识别类可组合能力,可用于识别语音,可基于自动语音识别(automaticspeech recognition,ASR)、自然语言理解(natural language understanding,NLU)等技术封装得到。
视觉识别类可组合能力,可用于手势、姿态,可基于计算机视觉算法等资源封装得到。
环境识别类可组合能力,可用于识别用户位置、用户兴趣,可基于、位置识别算法等封装得到。
3.服务类可组合能力
服务类可组合能力,用于执行满足用户意图的任务,从而为用户提供服务。
在一些实施例中,服务类可组合能力可进一步包括但不限于以下一种或几种类别的组合:
环境调节类可组合能力,用于调节环境,例如升温、降温、加湿、除湿、调节光照强度等等,可基于空调、加湿器、灯具等设备封装得到。
操控类可组合能力,用于操控设备,例如可包括设备启停、设备配对、参数调节等等。
信息服务类可组合能力,用于提供信息服务,例如搜索、导航、订餐等等。
数据处理类可组合能力,用于处理各类数据,例如音乐播放、视频播放、数据同步等等。
4.连接类可组合能力
连接类可组合能力,用于支持设备之间的连接及通信、交互,还可用于描述设备的通信时延、带宽等通信参数。
在一些实施例中,连接类可组合能力可进一步包括以下一种或几种类别的组合:
短距连接类可组合能力,用于支持设备通过短距离通信技术和其他设备连接及通信。短距离通信技术例如可包括Wi-Fi、BT、NFC、UWB等。短距连接类可组合能力可基于无线通信模块160、天线等资源封装得到。
长距连接类可组合能力,用于支持设备通过长距离通信技术和其他设备连接及通信。长距离通信技术例如可包括蜂窝技术(如4G、5G)、LAN、有线技术(如光纤)等。长距连接类可组合能力可基于移动通信模块150、天线、有线接口等资源封装得到。
不限于图4中示出的划分可组合能力的类别方式,在其他一些实施例中,还可以使用其他的方式来划分可组合能力的类别,这里不做限定。例如,还可以按数据类型进行划分,数据类型可包括图像/视频、语音、文本等等。
在本申请实施例中,一个电子设备中可以包括上述任意一种或多种类别的可组合能力,也可以包括一个或多个可组合能力。
通过S101,使用统一的方式解构得到的可组合能力和设备、设备型号、设备厂商解耦,因而可以供通信系统中的其他设备跨设备无障碍调用,即支持中控设备统一调度各个设备的资源,从而满足用户的需求。通过统一的方式来将各个设备的资源解构为标准化的可组合能力,相当于不同的设备都使用相同的资源描述规范,使得本申请提供的方法适配不同的设备,支持不同类型、不同厂商的设备加入到通信系统中共同为用户提供服务。
在本申请一些实施例中,电子设备结构得到标准化的可组合能力之后,还可以获取该可组合能力的属性。该可组合能力的属性例如可包括以下两类:1,静态信息,例如可组合能力本身的类别、参数(如采集图像的分辨率)、性能(如拾音范围)、版本、功耗、尺寸规格(如显示规格)等。2,动态信息,包括会在不同的环境下改变的信息,如位置(如室内、室外、客厅、卧室、近场或远场等)、朝向、是否插电(例如手机在插电状态下,对功耗变得不那么敏感)等。可组合能力的属性可能是用户手工配置的(例如设备初始化时指定其位置),也可能是设备在运行过程中自己检测到的(例如通过超声波传感器检测周边是否有其它设备等)。
S102,多个电子设备组成通信系统10。
在本申请一些实施例中,多个电子设备可以在建立连接后,建立会话,从而组建为通信系统10。
在本申请另一些实施例中,多个电子设备可以先建立连接,然后在经过认证和鉴权之后建立会话,从而组建为通信系统10。
多个电子设备组建为通信系统10,也可以称为该电子设备加入通信系统10
上述提及的多个电子设备建立连接或会话,可以是一个电子设备和其他的任意全部或部分电子设备建立连接或会话。电子设备之间可以通过以下一种或多种技术建立连接并通信:WLAN、Wi-Fi P2P、BT、NFC,IR、ZigBee、UWB、热点、Wi-Fi softAP、蜂窝网络、有线技术或远程连接技术等等。在同一个通信系统10中,可以存在多种不同的连接方式。
在本申请实施例中,电子设备可以通过以下任意一种方式和其他设备建立连接:
方式1.电子设备可以在用户的触发下和其他设备建立连接。
在一些实施例中,电子设备可以接收到输入的用户操作,并在该用户操作的触发下电子设备和其他设备建立连接。本申请实施例对该用户操作的实现方式不做限定,该用户操作例如可包括但不限于:作用于显示屏上的触摸操作/点击操作/长按操作、语音指令、隔空手势、摇晃电子设备的操作、按压按键的操作等等。
例如,参考图5A,电子设备可以在设置应用提供的用户界面51中展示发现的多个周围的无线网络的选项501,用户点击其中一个选项后,可以显示图5B所示的密码输入框502,用户输入该选项对应的无线网络的认证密码之后可以加入该无线网络。电子设备加入该无线网络后,即和连接到该无线网络的其他电子设备建立连接。
又例如,电子设备可以在用户的触发下,通过BT、NFC等近距离通信技术、或者NFC碰一碰、或者Wi-Fi P2P技术发现附近的其他设备,和其他设备建立通信连接。
又例如,参考图5C,电子设备可以在用户输入系统的账号503和密码504之后,登录该账号,然后通过3G、4G、5G等蜂窝网络技术或者广域网技术,通过维护系统账号的服务器(例如华为提供的服务器),和登录相同账号或家庭账号或关联账号的其他设备建立连接。
在另一些实施例中,电子设备可以接收到输入的用户操作,并在该用户操作的触发下,指示该电子设备所管理的设备和其他设备建立连接。
例如,智能手机可以管理IOT设备(如智能音箱、智能灯具、智慧屏等),IOT设备首次上电时,广播自身信息,在附近的该智能手机上弹窗,引导用户在智能手机上输入Wi-Fi密码。之后,智能手机可以将Wi-Fi密码发送给IOT设备,触发IOT设备加入Wi-Fi网络。
示例性地,参考图5D,电子设备可以显示用户界面61。用户界面61可以由电子设备中的智慧生活APP提供。智慧生活是用于管理用户拥有的各类设备的应用。
如图5D所示,用户界面61显示有:家庭名称611、设备数量612、已发现设备选项613、虚拟聚合设备选项614、添加控件615、一个或多个设备选项和页面选项显示区域等。其中:
家庭名称611可以用于指示通信系统10覆盖的区域名称。该家庭名称611可以由用户设定。例如,家庭名称611可以为“家”。
设备数量612可以用于指示通信系统10所包括的设备数量。例如,在家庭名称611为图5D所示的“家”的情况下,该通信系统10所包括的设备数量为“5个设备”。
已发现设备选项613可以用于触发电子设备显示通信系统10所包括的一个或多个电子设备对应的设备选项。如图5D所示,已发现设备选项613已被选中,电子设备可以显示出通信系统10所包括的一个或多个电子设备(例如,路由器、空调、音箱、大灯和大屏等)对应的设备选项(例如,路由器设备选项、空调设备选项、音箱设备选项、大灯设备选项和大屏设备选项等)。
虚拟聚合设备选项614可以用于触发电子设备显示组成虚拟聚合设备的各可组合能力所属的电子设备。
添加控件615可以用于触发一个或多个电子设备添加至通信系统10中。电子设备响应于作用在添加控件615向通信系统10添加电子设备所显示的用户界面将在后续实施例中进行说明,在此先不赘述。
一个或多个设备选项(例如,路由器设备选项、空调设备选项、音箱设备选项、大灯设备选项和大屏设备选项等)可以用于显示通信系统10中具体包括的电子设备(例如,路由器、空调、音箱、大灯和大屏等)、各电子设备所处的位置(例如,卧室、客厅等)以及各电子设备的设备状态(例如,在线、已关闭等)。各设备选项中还可以包括对应的控制控件(例如,空调设备选项中的控制控件616),以用于控制对应电子设备(例如,空调)的启动或关闭。
响应于作用在添加控件615上的触摸操作(例如,点击),如图5E所示,电子设备可以在用户界面61上显示出选项617。该选项617可以显示出文本提示信息“添加设备”。
响应于作用在选项617上的触摸操作(例如,点击),如图5F所示,电子设备可以显示用户界面62。用户界面62包括返回控件621、页面标题622、扫描提示623、被扫描设备显示区域624、手动添加控件625和扫码添加控件626。其中:
扫描提示623可用于提示用户电子设备的扫描状态。例如“正在扫描”可以表示电子设备正在扫描附近可被添加的电子设备。例如,电子设备可以通过蓝牙通信的方式来判断附近是否存在可被添加至通信系统10的电子设备。其中,电子设备可以通过蓝牙通信广播设备发现请求。蓝牙处于开启状态的电子设备在接收到上述发现请求后,可以通过蓝牙通信向电子设备发送发现应答。当接收到上述发现应答,电子设备可以扫描到该智能家居设备,并在用户界面中显示该智能家居设备的添加控件。本申请实施例对电子设备扫描电子设备的方法不作限定。
扫描提示623还可包含用于提示用户添加智能家居设备的注意事项的内容。上述注意事项可以包括“请确保智能设备已连接电源,且位于手机附近”。
被扫描设备显示区域624可用于显示电子设备扫描到的电子设备。例如,电子设备扫描到台式电脑。电子设备可以在被扫描设备显示区域624显示台式电脑的名称“台式电脑”、台式电脑的设备状态“在线”、台式电脑的位置“卧室”和添加控件624A。上述添加控件624A可用于触发台式电脑加入到通信系统10中。
手动添加控件625可便于用户通过在电子设备中手动输入需要添加的电子设备的信息,来将电子设备添加至通信系统10中。
扫码添加控件626可用于触发电子设备开启扫描装置。即用户可以通过扫描二维码、条形码等数据的方式来添加电子设备到通信系统10中。本申请实施例对上述手动添加电子设备到通信系统10和扫码添加电子设备到通信系统10的实现方法不作限定。
响应于作用在添加控件624A的触摸操作(例如,点击),如图5G所示,电子设备可以在用户界面61上显示出台式电脑的设备选项618。该设备选项618可以包括台式电脑的名称“台式电脑”、台式电脑的设备状态“在线”和台式电脑所在位置“卧室”。该设备选项618还可以包括控制控件618A,该控制控件618A可以用于用户控制台式电脑的关闭或开启。
方式2.电子设备可以主动和其他设备建立连接。
电子设备可以在一些情况下主动和其他设备建立连接。这样无需用户手动操作,可以简化用户行为,提高基于多设备提供服务的效率。
例如,电子设备可以主动搜索附近的无线网络,如果电子设备自身存储有该无线网络的密码,则可以主动加入该无线网络。例如,用户每天回家后,该用户携带的电子设备可以自动连接家庭网络。
又例如,电子设备可以在处于特定位置(例如家、办公室等)时,主动加入该特定位置中的通信系统。
可见,电子设备之间建立连接之前,可能会先经过认证和鉴权,例如图5B所示的密码认证。在经过认证和鉴权之后,电子设备才能和其他电子设备建立连接。
在一些实施例中,电子设备使用上述方式1或方式2和其他电子设备建立连接之后,其他电子设备还可以对该电子设备或使用该电子设备的用户进行认证和鉴权,并在认证和鉴权通过之后才允许该电子设备和其他电子设备建立会话,从而组建为通信系统10。其他电子设备对电子设备进行认证和鉴权,可以保证受信任的、安全的设备才能连接到该其他电子设备,能够保障其他电子设备的数据安全。
认证或鉴权的方式可以包括验证该电子设备的安全等级、类型等等。设备安全等级主要由电子设备本身的软硬件配置决定。对用户进行认证或鉴权的方式可以包括身份认证。身份认证方式可以包括:密码(如由数字、字母、符号组成的字符串)认证、图形认证、生物特征(如人脸、声纹、指纹、掌型、视网膜、虹膜、人体气味、脸型、血压、血氧、血糖、呼吸率、心率、一个周期的心电波形)等。示例性地,参考图5C,用户输入密码之后,电子设备可以显示图5H所示的提示信息。提示信息可以用于提示用户输入人脸以完成认证和鉴权。
示例性地,参考图5H,图5H示出了对电子设备进行认证或鉴权时,该电子设备上显示的用户界面。如图5H所示,电子设备可以在图5B中接收到用户输入的无线网络密码后,或者,在图5C中输入账号和密码后,可以显示提示框505。提示框505可用于提示用户输入人脸以完成对该电子设备的认证和鉴权。
在一些实施例中,电子设备使用上述方式1或方式2和其他电子设备建立连接之后,可以对其他设备进行认证和鉴权,并在认证和鉴权通过之后才和其他电子设备建立会话,以组建为通信系统10。电子设备可以通过验证其他设备的安全等级或类型来对进行认证和鉴权。电子设备对其他电子设备进行认证和鉴权,可以保证电子设备和受信任的、安全的其他电子设备建立会话以组建为通信系统,能够保证该电子设备内的数据安全。
在本申请实施例中,电子设备之间建立连接之前的认证和鉴权过程,和,电子设备之间建立会话之前的认证和鉴权过程,可以复用,即可以实现为同一个认证和鉴权过程。也就是说,电子设备之间可以经过一次认证和鉴权,即可相互建立连接和会话。例如,在图5D-图5G示出的通过智慧生活APP将设备添加到通信系统10中的方式,电子设备之间经过一次认证和鉴权,即可建立连接和会话。在其他一些实施例中,电子设备之间建立连接之前的认证和鉴权过程,和,电子设备之间建立会话之前的认证和鉴权过程,可以分开独立执行。
在一些实施例中,电子设备在首次对其他电子设备进行认证和鉴权后,该电子设备可以记录对方的信息,便于后续该电子设备再次对其他电子设备进行认证和鉴权。之后,电子设备可能会因位置变更、耗尽电量等原因和其他电子设备断开连接或断开会话,后续该电子设备再次连接其他电子设备时或者再次建立会话时,可以无需用户手动操作,便可使用记录的信息进行认证和鉴权。例如,用户处于家庭范围时,手机A在鉴权通过后加入家庭范围中的通信系统10,用户携带手机A外出后再次回到家庭范围时,无需用户手动操作手机A便可加入家庭范围中的通信系统10。这样能够简化电子设备加入通信系统10的操作,提高本申请所提供方法的实施效率。
上述对电子设备进行认证和鉴权,可以由执行认证和鉴权的设备在本地执行,也可以结合云端服务器执行。
在针对电子设备的认证和鉴权通过后,其鉴权结果可以分为不同的等级。鉴权结果等级的设定这里不做具体限制。例如,电子设备的安全等级越高,对其的鉴权结果的等级也就越高。也就是说,鉴权结果等级反映了针对电子设备的信任程度,鉴权结果等级越高,其信任程度也越高。
鉴权结果等级的不同,该电子设备在后续步骤中开放给通信系统10的可组合能力的范围可以不同,具体可参考后续S103的详细描述。
在本申请实施例中,电子设备加入通信系统10后,可能因位置变更、耗尽电量等原因离开通信系统10或从通信系统10下线。电子设备离开通信系统10后,也可能再次加入该通信系统10。电子设备从通信系统10下线后,也可能再次上线。
在本申请实施例中,一个电子设备可以加入多个不同的通信系统。例如,手机A位于家庭范围时,可以家庭中的通信系统;手机A位于办公室时,可以加入办公室中的通信系统。
通过S102,多个电子设备可以相互连接并组成一个通信系统,便于后续多个电子设备协同为用户提供服务,实现高效自然的跨设备资源共享。
S103,通信系统10中的各个电子设备基于设备间的连接,相互同步设备信息。
在一些实施例中,通信系统10中的各个电子设备可以在执行S102,即组建通信系统10后,即刻相互同步设备信息。
在一些实施例中,如果有新的电子设备加入通信系统10,或者,有新的电子设备上线后,则该电子设备可以和通信系统10中的其余设备相互同步设备信息。
在一些实施例中,如果通信系统10中电子设备的设备信息有更新,则该电子设备可以和通信系统10中的其余设备相互同步设备信息。
在一些实施例中,通信系统10中的各个电子设备也可以按照预设规则周期性地或非周期性地相互同步设备信息,例如可以每30秒或每分钟同步一次。
在本申请实施例中,通信系统10中的各个电子设备可以基于设备间的连接,相互同步设备信息。例如,如果通信系统10中的各个电子设备连接到同一个WLAN,则可以通过该WLAN(例如通过路由器中转)相互同步设备信息。又例如,如果通信系统10中的电子设备之间通过蓝牙连接,则可以基于该蓝牙连接来相互同步设备信息。又例如,如果通信系统10中的各个电子设备通过登录同一账号远程连接,则可以通过管理账号的服务器来中转设备信息。如果通信系统10中包含没有直接连接的两个电子设备,则该两个电子设备可以通过通信系统10中的中间设备来相互同步设备信息。
在本申请实施例中,通信系统10中各个电子设备相互同步的设备信息包括:电子设备的全部或部分可组合能力信息。可组合能力信息用于表征或描述对应的可组合能力。在一些实施例中,可组合能力信息还可以用于描述该可组合能力的属性。本申请实施例对可组合能力信息的实现形式不做限定。可组合能力的分类及属性,可参考前文S101中的相关描述。
在一些实施例中,通信系统的各个电子设备之间可以相互同步全部可组合能力信息。电子设备全部的可组合能力信息是指,电子设备在S101中将自身资源解构得到的全部可组合能力的信息。
在一些实施例中,通信系统的各个电子设备之间可以相互同步自身的部分或全部可组合能力信息。电子设备发送给通信系统10中其他设备的部分可组合能力信息,可以根据以下任意一种策略来决定:
1.电子设备根据在加入通信系统10时的鉴权结果等级,决定发送给通信系统10中其他设备的可组合能力信息。鉴权结果等级越高,该电子设备发送给通信系统10中其他设备的可组合能力信息也越多。
鉴权结果可包括电子设备对通信系统10的鉴权结果,和/或,通信系统10对电子设备的鉴权结果,具体可参考前文S102的相关描述。
鉴权结果的等级越高,电子设备在S103中同步给通信系统10中其他设备的可组合能力信息可以越多。由于鉴权结果的等级反映了电子设备和通信系统10中其他设备之间的信任程度,使用第1种策略,能够使得电子设备仅对信任的其他设备开放更多的可组合能力,保障该电子设备的信息安全。
2.电子设备根据用户的需求,决定发送给通信系统10中其他设备的可组合能力信息。
例如,用户可以手动在电子设备上设定开放给通信系统10中其他设备的可组合能力,电子设备可以根据用户的设定发送对应的可组合能力信息给通信系统10中的其他设备。
示例性地,参考图5I,图5I示例性示出了用户设定开放给通信系统10中其他设备的可组合能力的一种方式。图5I为电子设备中的设置应用提供的用户界面55,该用户界面55中显示有:一个或多个可组合能力选项506。该一个或多个可组合能力选项506可以对应于电子设备在S101中结构得到的可组合能力。电子设备可以检测到作用于可组合能力选项506的用户操作,将可组合能力选项506对应的可组合能力开放给通信系统10中的其他设备。不限于图5I示出的较粗粒度的可组合能力分类,在其他一些实施例中,电子设备还可以显示更细粒度的可组合能力以供用户选择。
不限于图5I中示出的方式,在其他一些实施例中,用户还可以通过其他方式来设定电子设备开放给通信系统10中其他设备的可组合能力。例如,用户可以针对不同的通信系统,开放不同的可组合能力。又例如,用户可以情景条件下,如不同的时间段,针对同一个通信系统开放不同的可组合能力。
3.电子设备根据自身的策略,决定发送给通信系统10中其他设备的可组合能力信息。
电子设备可以基于用户隐私、设备功耗等因素,仅将部分可组合能力信息同步给通信系统10中的其他设备。
例如,电子设备为了保证功耗,可以隐藏姿态交互类可组合能力,仅将其他可组合能力发送给通信系统10中的其他设备。
又例如,电子设备可以将机密性较低的视觉交互类可组合能力等开放给其他设备,而不将支付类可组合能力开放给其他设备。
通信系统10的各个设备相互同步可组合能力信息,可以便于后续实现跨设备的资源共享。
在本申请一些实施例中,通信系统10中各个电子设备相互同步的设备信息还可以包括:电子设备的设备属性。设备属性例如可包括以下一项或多项:设备标识、设备类型、当前功耗、可用资源、设备模态,当前使用状态、上线信息、下线信息、和通信系统10中其他设备的历史交互信息、设备位置(如房间、客厅等)、朝向、设备所处环境类型(如办公室、家庭范围等),等等。
其中,设备标识可以是该设备的IP地址或MAC地址。设备类型例如可分为富设备和瘦设备,也可以依据设备形态分为智慧屏、空调、打印机等类型。
可用资源例如可包括计算资源、内存资源、电量资源等等。设备模态是指电子设备提供或支持的信息交互方式,例如可包括语音交互模态、显示交互模态、灯光交互模态、振动交互模态等等。当前使用状态例如可包括设备当前启用的应用或硬件等。
上线信息可以包括电子设备上线的次数、时间、时长等等。类似的,下线信息可以包括电子设备下线的次数、时间、时长等等。
电子设备和其他设备的历史交互信息表征了该电子设备和其他设备之间交互的规律。该历史交互信息例如可包括:交互的业务类型、业务发起方、业务响应方、交互时长、业务发起时间、业务结束时间、统计时间段内的平均上线设备数、统计时间段内的平均上线设备数的归一化标准差、统计时间段内的历史在线设备数中一种或多种。电子设备之间交互的业务例如可包括文件传输、视频接续、音频接续、信令传输、数据分发等。例如,当平板电脑响应于用户的操作,将本地播放的视频续接到智慧屏时,平板电脑和智慧屏可以记录本次视频接续业务对应的交互行为信息。该交互行为信息可以包括以下信息中的一项或多项:业务类型-视频续接、业务发起方-平板电脑、业务响应方-智慧屏、交互时长-2小时15分钟、业务发起时间-1月1日19点37分、业务结束时间-1月1日21点52分。
统计时间段内的平均上线设备数、统计时间段内的平均上线设备数的归一化标准差、统计时间段内的历史在线设备数,可以由电子设备根据统计时间段内通信系统10中其他设备的上线信息和下线信息统计得到。统计时间段可以根据实际需求进行设置,例如可以为最近1天、3天、1周或1个月等等。
平均上线设备数是指电子设备在统计时间段内统计到的,通信系统10中在单位时间(例如一日、一周等等)上线的设备的数量的平均值。如果同一个设备在单位时间内上线多次,可仅统计一次,不对其上线次数进行累计。例如,假设统计时间段为1月1日至1月7日,电子设备在统计时间段内统计到的上线设备的数量如表1所示:
表1
1月1日 | 1月2日 | 1月3日 | 1月4日 | 1月5日 | 1月6日 | 1月7日 |
3 | 4 | 5 | 2 | 6 | 8 | 7 |
此时,每日的平均上线设备数为(3+4+5+2+6+8+7)/7=5。
平均上线设备数的归一化标准差是指电子设备在统计时间段内,统计到的通信系统10中在单位时间(例如一日、一周等等)上线的设备的数量的标准差,除以平均上线设备数得到的值。
例如,假设电子设备根据表1的数据计算每一天统计到的上线设备的数量的标准差,则该标准差的计算过程可以表示为:
然后,电子设备将标准差2除以每日平均上线设备数5,得到每日上线设备数的归一化标准差为2/5=0.4。
历史在线设备数是指电子设备在统计时间段内,统计到的上线的不同设备的总数量。例如,假设电子设备根据表1的数据计算得到的上线设备的数量和为3+4+5+2+6+8+7=35,其中可能存在相同的设备,因此历史在线设备数可能少于35。
在本申请实施例中,通信系统10中各个电子设备相互同步的设备信息还可以包括:用户信息。该用户信息的详细内容及作用可参考后文和用户画像相关的描述。
通信系统10的各个设备相互同步设备属性,可以便于后续通信系统10确定中控设备。
S104,通信系统10确定中控设备。
在本申请实施例中,通信系统10中的各个电子设备可以在以下任意一种情况下执行S104:
1.通信系统10中的各个电子设备可以在用户的触发下,执行S103。例如,用户可以在通信系统10中的中枢设备(例如路由器或手机)上输入操作,触发该中枢设备通过广播等形式通知通信系统10的其他设备共同执行S103。用于触发S103的用户操作,也可以被称为第二操作。
2.通信系统10中的各个电子设备也可以根据预设的规则周期性或非周期性地执行S103。例如,通信系统10中的各个电子设备可以每周或每月执行一次S104。也就是说,通信系统10中的多个电子设备可以在预设时间到达时,确定中控设备。
3.在有新设备加入或离开通信系统10时执行S104。有电子设备上线或下线时,可沿用旧的中控设备,无需再次执行S104。
4.在旧的中控设备下线时,通信系统10中的各个电子设备协同执行S103,即重新选举中控设备。中控设备下线的原因例如可包括中控设备位置发生变化、电量耗尽、用户手动触发中控设备下线等等。
在本申请其他一些实施例中,通信系统10确定中控设备后,无论该中控设备是否下线,该中控设备都可以持续保留中控设备的身份。这样可以避免中控设备频繁上下线带来的频繁选举中控设备的问题。
5.通信系统10可以在执行S102之后,可以在等待预设时长之后,再执行S104。
预设时长可以根据实际需求进行设置,本申请实施例对此不予限制。例如,预设时长可以设置为10秒钟、1分钟、1小时、12小时、1天、2天、3天等。
在预设时长内,通信系统10中的各个电子设备可以充分、全面地相互同步设备信息。例如,在预设时长内,可能有新上线的设备,新上线的设备可以将自身的设备信息同步给其他设备。例如,参考图6A,假设预设统计时长为2天,智慧大屏51与智能音箱54同步了交互统计信息之后,智慧大屏51进入等待状态。假设第1天智慧大屏51发现手机52和智能音箱54上线了,则智慧大屏51可以向手机52发送设备信息,并接收手机52发送的设备信息。如图7所示,假设第2天智慧大屏51发现手机52和平板电脑53上线,则智慧大屏51可以向平板电脑53发送设备信息,并接收平板电脑53发送的设备信息。在第2天结束后,智慧大屏51结束等待状态,完成交互统计信息的同步工作。此时,智慧大屏51除了获取到智能音箱54的设备信息以外,还获取到手机52的设备信息和平板电脑53的设备信息。
通过上述第5种方式延迟选举中控设备,通信系统10可以搜集到更加全面的设备信息来选举中控设备,能够选举到更加合适的中控设备。
在本申请实施例中,通信系统10中的各个电子设备可以基于设备间的连接,通过广播、组播、查询等方式,来执行S104,即协商、选举、决策或确定中控设备。各个电子设备协商中控设备时可以多次通信,本申请实施例对其协商过程及交互次数均不做限定。
在本申请实施例中,通信系统10中的中控设备的数量可以为一个,也可以为多个。
在本申请实施例中,通信系统10确定中控设备时,该通信系统10的各个电子设备之间可以通过一次或多次交互协商,也可以无需交互,这里不做限定。
通信系统10中的各个电子设备可以通过一定策略来确定中控设备。本申请实施例对该策略不做限定。下面列举几种通信系统10确定中控设备的方式:
1.根据资源的稳定性或者可用性、设备模态可用性,用户习惯中的一个或多个因素,从通信系统10的多个电子设备中选择一个或多个设备作为中控设备。
例如,通信系统10中的各个电子设备可以将计算资源较为稳定的设备、内存资源较为稳定的设备,电源较为稳定的设备,可用模态较多的设备,或者,用户常用的设备,确定为中控设备。例如,在家庭范围中,通信系统10可以将常接电源的智慧屏选举为中控设备。
2.根据通信系统10中各个电子设备的历史交互信息,从通信系统10的多个电子设备中选择一个或多个设备作为中控设备。
(1)在一些实施例中,通信系统10可以将平均上线设备数最大的电子设备确定为中控设备。例如,假设通信系统10中各个设备的交互统计信息如表2所示,则可以将智慧屏确定为中控设备。
表2
(2)在一些实施例中,通信系统10可以将平均上线设备数的归一化标准差最大的电子设备确定为中控设备。例如,请参阅表2,通信系统10可以将智能音箱确定为中控设备。
(3)在一些实施例中,通信系统10可以将平均上线设备数大于第一值,且平均上线设备数的归一化标准差大于第二值的电子设备确定为候选的目标设备。第一值和第二值为预先设置的参数。
当只有一个目标设备时,可以直接将该目标设备确定为中控设备。
当存在多个目标设备或者不存在目标设备时,通信系统10可以根据历史在线设备数、设备类型、内存大小、设备标识等决策因子中的一种或多种来确定中控设备。上述各个决策因子可以有不同的优先级,通信系统10可以从优先级最高的决策因子开始,依次对各个目标设备进行比较,选择较优的电子设备作为中控设备。
例如,请参阅表2,假设智慧屏和智能音箱均满足平均上线设备数大于第一值,且平均上线设备数的归一化标准差大于第二值,因此,将智慧屏和智能音箱为目标设备。由于智慧屏和智能音箱的历史在线设备数相同,智慧屏可以进一步获取智慧屏和智能音箱的内存大小。假设智慧屏的内存为6GB,智能音箱的内存为512MB,智慧屏的内存大于智能音箱的内存,因此,通信系统10可以将智慧屏确定为中控设备。
(4)在一些实施例中,通信系统10可采用泊松分布建模各设备的上线设备数,通过最大似然估计计算各设备的上线设备数的数学期望值,通信系统10可以将上线设备数的数学期望值最大的电子设备确定为中控设备。
可选的,在一些实施例中,还可采用其它概率统计模型,建模各设备的上线设备数,并根据其数学期望、方差、标准差等统计参数的一种或多种,确定中控设备。
通过上述第2种策略,根据通信系统10中各个电子设备的历史交互信息来选举中控设备,可以将和通信系统10中的较多设备有过交互的电子设备确定为中控设备。这样,该中控设备和其他设备有较多的交互,能够承担收集信息和统筹计算的任务,获取其他设备的各类数据,生成其他设备的画像、生成全局上下文、生成记忆等等,从而保证基于多设备提供服务的效果。
3.如果通信系统10使用上述第1种或第2种策略确定了一个中控设备,并且通信系统10中存在未和该中控设备建立直接连接的其他设备,则通信系统10可以通过延续选举的方式确定更多的中控设备。
在实际的应用场景中,使用上述第1种或第2种策略确定的一个中控设备,可能和通信系统10中的部分电子设备并无直接连接,即无法在同一时间或同一空间直接交互。
例如,假设中控设备为客厅的智慧屏。用户在白天时,打开客厅的智慧屏观看节目。在晚上时,用户关闭客厅的智慧屏,回到卧室,打开卧室的智慧屏观看节目。此时,客厅的智慧屏和卧室的智慧屏虽然处于同一局域网中,但客厅的智慧屏和卧室的智慧屏无法在同一时间直接交互,客厅的智慧屏无法获取卧室智慧屏的历史交互信息。
为了充分利用这些与中控设备没有直接交互的电子设备的历史交互信息,通信系统10中的非中控设备可以通过延续选举的方式,持续选举出多个中控设备,以全方位地获取通信系统10中各个电子设备的历史交互信息。这样,选举出来的多个中控设备可以在同一时间或同一空间连接通信系统10中的全部设备。
在一些实施例中,延续选举出的中控设备,和,首次选举出的中控设备未直接连接的设备之间,具有直接连接关系。具体的,首次确定一个中控设备后,该中控设备和直接连接的其他设备之间组成一个群组。该中控设备直接连接的其他设备可以称为候选设备。该中控设备可以向候选设备发送群组信息,该群组信息可包括:该中控设备的标识,和,候选设备的标识。候选设备接收到群组信息后,确定自身直接连接的设备中,是否有未包含在该群组中的离群设备,若有离群设备,将该候选设备新增为中控设备。该候选设备作为新增加的中控设备,也向其他设备发送群组信息以查询离群设备,直至整个通信系统10中不再有离群设备。
参考图6B,图6B示例性示出了一个通信系统10的拓扑图,其示出了延续选举中控设备的一个例子。如图6B所示,通信系统10中包括:手机A、平板电脑B、位于客厅的智慧屏C、位于卧室的智慧屏H。图中的线条表示设备间的直接连接关系。如果首次确定的中控设备为智慧屏C,则智慧屏C可以向手机A和平板电脑B发送群组信息。平板电脑B接收到群组信息后,可以获知其连接的智慧屏H为离群设备,然后平板电脑B将自身也确定为中控设备。
如图6B中的虚线框所示,手机A、平板电脑B、智慧屏C、智慧屏H通过上述延续选举的方式,可以划分成两个不同的群组。其中,以智慧屏C为中控设备的群组1,包括手机A、平板电脑B、智慧屏C;以平板电脑B为中控设备的群组2,包括平板电脑B和智慧屏H。
在另一些实施例中,延续选举出来的中控设备,和,首次选举出的中控设备未直接连接的设备之间,可以不具有直接连接关系。具体的,首次确定一个中控设备后,该中控设备和直接连接的其他设备之间组成一个群组,该中控设备可以向候选设备发送群组信息。候选设备接收到群组信息后,确定自身直接连接的设备中,是否有未包含在该群组中的离群设备,若有离群设备,将该候选设备和离群设备组成一个群组,并在该群组内协商一个新的中控设备。新协商的中控设备,也向其他设备发送群组信息以查询离群设备,直至整个通信系统10中不再有离群设备。
参考图6C,图6C示例性示出了一个通信系统10的拓扑图,其示出了延续选举中控设备的一个例子。如图6C所示,假设局域网中包括设备A、设备B、设备C、设备D、设备E五个电子设备,图中的线条表示设备间的直接连接关系。
假设通信系统10首次将设备B和设备E确定为中控设备。设备B可以向设备A和设备C发送群组信息1,群组信息1包括设备A的设备标识、设备B的设备标识和设备C的设备标识。设备E可以向设备A发送群组信息2,群组信息2包括设备A的设备标识和设备E的设备标识。
设备A接收到群组信息1和群组信息2之后,检测到群组信息1和群组信息2中都没有设备D的设备标识。因此,设备A可以将设备D确定为离群设备。之后,设备A和设备D两者可以继续选举新的中控设备,例如可以将设备A确定为新加的中控设备。之后,设备A可以向设备D发送群组信息3,群组信息3包括设备A的设备标识和设备D的设备标识。
如图6C中的虚线框所示,设备A、设备B、设备C、设备D、设备E通过上述延续选举的方式,可以划分成三个不同的群组。其中,以设备B为中控设备的群组1,包括设备A、设备B和设备C;以设备E为中控设备的群组2,包括设备A和设备E;以设备A为中控设备的群组3,包括设备A和设备D。
通过上述第3种延续选举中控设备的策略,可以在通信系统10中确定多个中控设备,该多个中控设备可以连接通信系统10中的全部设备。
因此,非中控设备可以通过上述延续选举的方式,确定离群设备,与离群设备一起确定新的中控设备。新的中控设备可以与上述离群设备进行交互,从而全方位地获取通信系统10中各个电子设备的历史交互信息,从而充分利用各个电子设备的信息来为用户提供服务。
4.通信系统10将用户选择的设备确定为中控设备。
用户可以通过向通信系统10输入用户操作(例如语音指令,或者作用于某个电子设备上的触摸操作等),将通信系统10中的一个或多个设备设定为中控设备。这样通信系统可以根据用户的实际需求来选举中控设备。
不限于上述列举的4种选举中控设备的策略,在本申请实施例中,通信系统10还可以使用其他的策略来选举中控设备,这里不做具体限定。例如,通信系统10还可以使用Raft算法、Paxos算法等来选举中控设备。又例如,通信系统10还可以根据设备类型来选举中控设备,例如总是选举智慧屏作为中控设备。又例如,通信系统10还可以将某个电子设备固定作为中控设备,且后续都不再变更。
在一些实施例中,针对同一个通信系统,在不同的时间段可以对应有不同的中控设备。例如,针对在家庭范围中的通信系统,白天可以将客厅的智慧屏选举为中控设备,晚上可以将手机选举为中控设备。
在本申请实施例中,电子设备可以是移动的,因此电子设备可以在不同的时间加入不同的通信系统。电子设备在不同的通信系统中时,可以对应有不同的中控设备。通信系统选举中控设备的方式可参考前文相关描述。电子设备可以关联存储通信系统的标识和对应中控设备的标识,便于在进入不同的通信系统后执行不同的操作。通信系统的标识例如可包括局域网标识、通信系统所在位置等等。通信系统所在的位置可包括GPS定位、用户人工标定的位置、设备清单及其衍生信息等等。
例如,参考图6D,用户白天上班时,可以带着手机进入办公室,手机加入办公室中的通信系统,该通信系统的中控设备可以为台式电脑。用户晚上下班后,可以带着手机进入家庭范围,手机加入家庭范围中的通信系统,该通信系统的中控设备可以为智慧屏。
在本申请实施例中,上述S101-S104,可以由多个电子设备分别运行单一智慧助手的部分功能来执行,后续S105-108,可以由该多个电子设备共同运行该单一智慧助手来执行。也就是说,多个电子设备共同运行的单一智慧助手,支持通信系统10执行后续步骤S105-S108。
S105,中控设备利用通信系统10中各个设备的可组合能力,初始化虚拟聚合设备。
在本申请实施例中,初始化虚拟聚合设备是指在没有或未使用前置的虚拟聚合设备的状态及能力下,配置虚拟聚合设备。
在本申请实施例中,配置虚拟聚合设备是指,中控设备选取通信系统10中合适的资源进行初始化,即中控设备利用通信系统中的部分或全部可组合能力组合或组建成一个虚拟设备。对资源的初始化可包括加载可组合能力的代码或软件库、启动可组合能力相关的传感器或外设(如麦克风、摄像头等)、读取或记录可组合能力相关的数据(如音频、图像等)、从互联网下载依赖的数据或计算模型等操作的一种或多种。资源的初始化可以由被聚合的可组合能力所在的物理设备执行。
也就是说,配置虚拟聚合设备是指对所选择的可组合能力进行参数配置、网络连接、连接关系、数据通道,以及该可组合能力自身的可配置参数(例:放音能力的音量,摄像头上的分辨率)等方面的配置。参数的配置包括:针对数据处理流向的相关参数的配置。中控设备配置虚拟聚合设备之后,相当于指定了信息的采集及处理流向。也就是说,配置虚拟聚合设备之后,通信系统10中用于采集及处理信息的可组合能力,以及,该可组合能力之间的配合关系即可以确定。配置虚拟聚合设备之后,该虚拟聚合设备中的可组合能力处于工作状态或待工作状态。
在配置虚拟聚合设备后,对于通信系统10各个物理设备中的上层应用来说,该应用可以感知到独立的该虚拟聚合设备,而不会感知到多个其他单独的物理设备。这样可以方便各个上层应用更加便捷地调度其他物理设备中的资源。
通过S105来配置虚拟聚合设备,可以针对后续可能会使用到的可组合能力,提前做好启动前的准备,能够提高后续启动该可组合能力以为用户提供服务时的响应速度。此外,通过S105,通信系统10可以仅需聚合通信系统10中的部分可组合能力,可以避免浪费不必要的资源。
换句话说,通过S105中配置虚拟聚合设备,中控设备可以持续基于场景需求,提前做好配置的调整和优化,所以当用户在发出涉及多设备的指令时,中控设备能立即调用相关已经配置就绪的可组合能力执行任务并给出响应,有效缩短了指令的响应时延。这样可以支持通信系统10为用户主动提供服务以及提供长时任务,避免在用户发出指令时才触发即时的协同组合,导致响应慢、不支持主动服务的问题。
虚拟聚合设备包括:中控设备,以及,中控设备选择的通信系统10中其他的部分或全部可组合能力。
对于上层应用来说,虚拟聚合设备被视为可独立执行应用任务的单台完整设备,但其各个能力(如交互、服务等)可能实际来自于不同的物理设备。也就是说,虚拟聚合设备由多个物理设备提供的部分或全部能力聚合得到。虚拟聚合设备的各个可组合能力可以来自通信系统10中的任意一个或多个物理设备,这里不限定。
虚拟聚合设备可用于执行后续步骤S106、S107、S108和S109。
在本申请实施例中,中控设备可以根据通信系统10中各个设备的配置、历史交互信息、用户的偏好、用户状态、设备状态、环境状态等等,选择合适的可组合能力组建为虚拟聚合设备。
在本申请实施例中,虚拟聚合设备的配置可以包括以下两种:
1.初始化虚拟聚合设备
在本申请实施例中,虚拟聚合设备的初始化可以在以下任意一种情况下执行:
情况1,通信系统10首次启动时,初始化虚拟聚合设备。通信系统10启动的规则可以预先根据实际需求设定。例如,可以设定在有超过一定数量的设备接入通信系统10后,该通信系统即启动。
情况2,通信系统10重启动时,初始化虚拟聚合设备。通信系统10重启动的规则可以预先根据实际需求设定。例如,可以设定在旧的中控设备下线后,该通信系统即重启动。
情况3,在有新设备加入通信系统10或有新设备上线,或者,有设备离开通信系统10或有设备下线时,初始化虚拟聚合设备。
情况4,通信系统10中部分或全部设备的软件更新。
情况5,通信系统10中部分或全部设备出现故障。设备故障例如可包括无法联网、音频器件损坏等等。
情况6,通信系统10中部分或全部设备的网络环境发生变化,如网络标识符变更,由WiFi连接变更为无线蜂窝网等。
情况7,用户手工触发系统初始化,如更换用户账号、重置系统等。
中控设备初始化虚拟聚合设备的过程可包括如下步骤:
步骤1,中控设备启动自身的可组合能力,获知环境信息。
具体的,中控设备可以启动自身的交互识别类可组合能力,例如用户位置识别可组合能力等等,获知当前的环境信息。也就是说,中控设备可以使用GPS、GLONASS、BDS等定位技术、位置识别算法、室内定位技术、毫米波传感器等等,获知当前的环境信息。
环境信息表征了通信系统10或用户当前所处的环境或场景。通信系统10或用户当前所处的环境或场景,可以按照不同的规则划分类别。例如,可以按照隐私程度划分为公共场景(例如办公室)和私人场景(例如家庭范围),可以按照人数划分为多人场景和单人场景,可以按照是否有用户划分为有人场景和无人场景,还可以按照时间划分为早上、中午、晚上等场景。
中控设备获取到的环境信息可以是单一模态信息,也可以是多模态信息的组合。例如,环境信息可包括以下任意一种或多种:位置信息、文字、音频、视频等等。
在步骤1中,中控设备启动的自身的可组合能力,可以看做最原始的虚拟聚合设备。也就是说,中控设备首先将自身的可组合能力配置为虚拟聚合设备,然后通过后续的步骤2和步骤3将通信系统10中更多的可组合能力添加到该虚拟聚合设备中。
步骤2,中控设备调用通信系统10中其他设备的可组合能力来获取更多的环境信息。
在步骤2中,中控设备调用的通信系统10中其他设备的可组合能力,可以被称为第四可组合能力。
步骤2具体可包括以下两种实现方式:
(1)根据中控设备预置的设定和历史配置,使用对应的动态策略,启动通信系统10中其他设备的可组合能力来获取更多的环境信息。
中控设备通过预先的设定来调用其他可组合能力,以全面地获知更多的环境信息。例如,中控设备可以被设定为使用后续的任意一种策略,或者,被设定为位于某种环境(如办公室或家庭范围)。中控设备可以使用GPS、GLONASS、BDS等方式来获取位置信息。
动态策略例如可包括:隐私优先策略、全面探测策略、功耗优先策略等等。不同的环境可以对应使用不同的动态策略。例如,办公室可以使用全面探测策略,卧室空间可以使用隐私优先策略。下面展开介绍。
全面探测策略:中控设备启动当前全部可用的可组合能力(例如摄像头、麦克风等)来获取环境信息。例如,针对办公室等公共场所,选择全面探测策略,即启动区域内所有交互识别类可组合能力(如麦克风、摄像头等)进行信息收集。使用全面探测策略能够全面且准确地获取各类信息,便于后续为用户提供服务。
隐私优先策略:中控设备根据当前所处环境的隐私度,调用通信系统10中其他设备的可组合能力来获取更多的环境信息。环境的隐私度越高,中控设备调用越多的可组合能力来获取环境信息。例如,针对卧室等私人空间,选择隐私优先策略,只启动非内容收集的可组合能力(如人声检测、红外探测等),以获取基本的环境信息。使用隐私优先策略,能够保障用户的隐私不被泄露。
功耗优先策略:中控设备启动通信系统10中当前电量充足的设备(例如智慧屏、智能音箱)上可用的可组合能力来获取环境信息。使用功耗优先策略,能够充分考虑各个设备的电量来获取环境信息,避免通信系统10中各个设备的电量被耗尽。
上述第(1)种实现方式相当于通信系统10根据动态策略进行初始化环境状态探测,获取虚拟聚合设备初始配置的依据。
(2)中控设备根据自身获取到的环境信息,通过算法确定需调用的通信系统10中其他设备的可组合能力,通过该可组合能力来获取更多的环境信息。
首先,本申请实施例可以根据不同的场景分类规则,预定义不同的场景。例如,可以按照隐私程度划分为公共场景(例如办公室)和私人场景(例如家庭范围),可以按照人数划分为多人场景和单人场景,可以按照是否有用户划分为有人场景和无人场景,还可以按照时间划分为早上、中午、晚上等场景。
对于每一个场景,先预先定义判断该场景最少需要的模态信息、最低的置信度(即置信度阈值)、需要启动的可组合能力。根据中控设备自身拥有的组合能力组件,查看能满足多少个场景的检测要求。针对已经满足要求的场景,中控设备才会通过自身收集的信息判断通信系统是否处于该场景。置信度是指根据中控设备采集的模态信息所确定的通信系统处于该场景的概率。场景需启动的可组合能力可以依据该场景的特性设置,也可以根据经验数据设置,这里不做限定。
参考表3,表3的前四列示例性列出了几个场景,以及其对应所需的模态信息、最低置信度和需要启动的可组合能力。
表3
场景 | 依赖的模态类别 | 置信度阈值 | 实际置信度 | 需启动的可组合能力 |
场景1 | a,b,c,d | 0.7 | 0.75 | 1,2,3,4,5,6 |
场景2 | b,c,d | 0.8 | 0.8 | 3,4,5,9 |
场景3 | c,d,e | 0.85 | 不检测 | 11,12,13 |
然后,中控设备基于自身获取到的模态信息(即环境信息),对照预先设定的各场景(模板)所需的模态信息,确定在不同的场景分类下当前所处的场景,及,实际置信度。如果中控设备获取到的模态信息包含某个场景依赖的模态类别,则可以判定当前是否处于该场景。中控设备可以通过多模态机器学习、深度学习算法、声音事件检测算法、AlexNet,VGG-Net,GooLeNet、ResNet、CNN、FNN、CRNN等方法,基于自身获取到的模态信息来判定当前是否处于场景。
例如,假设中控设备自身获取到的模态信息包括a,b,c,d则可以判定当前通信系统10处于场景1、场景2。(不能针对场景3进行检测,因为缺乏模态e)。
最后,中控设备在确定出的多个场景中,选择该多个场景中部分场景对应需要启动的可组合能力的并集,继续获取更多的环境信息。其中,该多个场景中的部分场景可包括:中控设备确定的多个场景中,实际置信度高于置信度阈值的全部场景,或者,实际置信度高于置信度阈值并且置信度最高的前N个场景。N可以预先设置。
例如,假设根据中控设备获取到的模态信息,确定的各个场景的实际置信度如表3中第4列所示,则只有场景1,2的实际置信度均大于置信度阈值,中控设备可以调用该两个场景对应需启动可组合能力的并集(1,2,3,4,5,6,9),以获取更多的环境信息。
举例说明,在卧室内,中控设备利用多传感器的数据以多模态机器学习得知目前场景是有用户场景,单人场景,私人场景,假设N=3,三个场景的置信度都排在前三,故此采取三种场景需启动的可组合能力的并集,启动所有非内容收集的可组合能力,如人声检测、红外探测等可组合能力。
通过上述第(2)种方式,中控设备可以在不同的场景分类规则下,动态启动更多的可组合能力来获取环境信息。该方式在信息互补性的前提下更细粒度的考虑了多模态信息以及场景信息,支持更灵活地动态启动可组合能力。
不限于上述步骤2中中控设备基于自身获取到的环境信息,调用其他设备的可组合能力来获取更多的环境信息,在其他一些实施例中,中控设备可以直接按照一个预定的策略来决定调用其他设备的可组合能力来获取环境信息。本申请实施例对该预定策略不做限定。这样,可以加快中控设备获取环境信息的速度,提高配置虚拟聚合设备的效率。
上述步骤1中启动的中控设备的可组合能力,和,步骤2中启动的通信系统10中其他设备的可组合能力,即组成虚拟聚合设备的可组合能力。
在一些实施例中,如果通信系统10在上述初始化虚拟聚合设备的过程中断电,由于在初始化的阶段选取的中控设备以及通过交互获取到各个设备的信息(例:设备列表,组合能力开启状态,设备状态等)没有太大的变化,可以根据记忆恢复到断电前的虚拟聚合设备配置状态。
上述初始化虚拟聚合设备的过程,可以在通信系统10首次启动或重新启动或有新设备加入时,支持多设备在不同的环境中初始化为带有中控设备的虚拟聚合设备。初始化虚拟聚合设备时仅需启用通信系统10中的部分可组合能力,因此可以避免浪费不必要的计算资源。此外,中控设备通过动态策略启动多设备的组件能力,并根据多设备的探索结果确认虚拟初始化配置,初始化配置过程能够针对场景权衡隐私、功耗、有效性等因素,并且具有灵活便捷等特点。
不限于上述示出的初始化配置虚拟聚合设备的过程,在本申请一些实施例中,用户还可以手动调整虚拟聚合设备。即,通信系统10可以接收用户操作,并根据该用户操作来聚合虚拟聚合设备。
示例性地,参考图5J,当前述图5D所示用户界面61中的虚拟聚合设备选项614被选中时,电子设备可以显示出用户界面63。该用户界面63可以包括组成虚拟聚合设备的一个或多个可组合能力(例如,近场语音输入能力、音乐播放能力、红外图像检测能力等等)对应的选项和添加设备选项633等。其中:
该一个或多个可组合能力对应的选项可以显示出各可组合能力的状态(例如,可用状态、关闭状态等)和该可组合能力所属的电子设备。该一个或多个可组合能力对应的选项还可以包括对应的控制控件(例如,近场语音输入能力的控制控件631),以用于控制对应的可组合能力(例如,近场语音输入能力)的启动或关闭。该一个或多个可组合能力对应的选项还可以包括删除控件(例如,近场语音输入能力对应选项中的删除控件632),以用于使得该可组合能力不再成为虚拟聚合设备组成中的一部分,也即是说,虚拟聚合设备将不能调用该可组合能力。
添加设备选项633可以用于将已发现设备中的可组合能力加入进虚拟聚合设备中,成为虚拟聚合设备组成中的一部分,也即是说,虚拟聚合设备可以调用新添加进虚拟聚合设备组成中的可组合能力。
响应于作用在删除控件632上的触摸操作(例如,点击),电子设备可以在用户界面63中不再显示出该近场语音输入能力对应的选项。也即是说,运行于音箱上的近场语音输入能力不再成为虚拟聚合设备组成中的一部分,虚拟聚合设备将不能再调用音箱上的近场语音输入能力。
如图5J所示,响应于作用在添加物理设备选项633上的触摸操作(例如,点击),电子设备可以显示出如图5K所示在用户界面63上显示出窗口633E。该窗口633E中可以显示出包括在已发现设备但不包括在虚拟聚合设备中的可组合能力,例如,台式电脑上的文本输入能力选项633A和智慧屏上的人脸检测能力选项633B。其中,该文本输入能力选项633A可以包括对应的添加控件633C,该添加控件633C可以用于将台式电脑上的文本输入能力添加至虚拟聚合设备中,以使得虚拟聚合设备可以调用台式电脑上的文本输入能力。该人脸检测能力选项633B可以包括对应的添加控件633D,该添加控件633C可以用于将该智慧屏上的人脸检测能力添加至虚拟聚合设备中,以使得虚拟聚合设备可以调用智慧屏上的人脸检测能力。
响应于作用在添加控件633C上的触摸操作(例如,点击),如图5L所示,电子设备可以在用户界面63中显示出该文本输入能力选项634。也即是说,虚拟聚合设备包括台式电脑上的文本输入能力。其中,该文本输入能力选项634可以包括可组合能力的名称“文本输入能力”、该可组合能力的状态“可用”和该可组合能力所属电子设备“台式电脑”。该设备选项634还可以包括控制控件634A和删除控件634B。关于该控制控件634A和删除控件634B的描述,可以参考前述实施例中的描述,在此不再赘述。
上述图5D-图5G、图5J-图5L所示的用户界面可以由通信系统10中的任意一个设备提供。例如,可以由中控设备提供。
通过上述图5J-图5L所示的由用户将可组合能力添加到虚拟聚合设备中的示例,用户可以选择需要的可组合能力添加到虚拟聚合设备中。
在一些实施例中,中控设备配置虚拟聚合设备之后,还可以触发该虚拟聚合设备中可组合能力所在的物理设备输出提示信息,以提示用户该物理设备中有可组合能力被加入到了虚拟聚合设备中。提示信息的实现形式不做限定。例如,物理设备可以通过闪光灯、震动等方式来提示用户。
示例性地,参考图7,图7示例性示出了中控设备组建的一个虚拟聚合设备。如图7所示,该虚拟聚合设备包括中控设备,支持采集近场语音、远场语音及手势的交互类可组合能力,支持近场ASR、远场ASR、NLU、手掌检测、对话管理(dialogue management,DM)的识别类可组合能力,以及支持技能1-技能N的服务类可组合能力。支持采集近场语音、远场语音及手势的交互类可组合能力采集到的数据,可以交由支持近场ASR、远场ASR、NLU、手掌检测、DM的识别可组合能力进行分析,之后可根据分析结果启动支持技能1-技能N的服务类可组合能力类执行对应的任务。
配置虚拟聚合设备之后,中控设备可以管理虚拟聚合设备中的资源(即可组合能力),通过虚拟聚合设备来为用户提供服务。也就是说,中控设备可用于管理通信系统10包括的多个电子设备中的部分或全部资源。
S106,中控设备触发虚拟聚合设备中的第一设备检测特定事件。
在本申请实施例中,特定事件也可以被称为第一时间。
在本申请实施例中,特定事件是指隐含用户意图的事件。
在本申请实施例中,特定事件可以是一种模态或多种模态的组合。模态例如可包括文字、语音、视觉(如手势)、动作、态势(如用户所在位置、用户和设备间的距离)、场景(如办公场景、家庭场景、通勤场景)等。
特定事件可以包括以下几种类型:
1.用户输入的交互操作
用户输入的交互操作可包括但不限于:语音指令、作用于显示屏上的触控操作(如点击操作、长按操作、双击操作等)、隔空手势/悬浮手势、作用于设备按键上的操作、姿势、眼球转动指令、口型指令、移动或摇晃设备的操作,等等。
在一些实施例中,设备可以在接收到唤醒词后开始检测语音指令,唤醒词例如可包括语音唤醒词(例如“小艺小艺”),也可以包括手势唤醒词(例如“OK”手势)。
举例说明,用户使用手机时,如果想要投屏,可以输出语音指令“投屏”,也可以在手机的显示屏上点击投屏按钮。
上述特定事件实现为第1种类型时,用户输入的交互操作也可以被称为第一操作。
2.用户状态发生变化的事件
用户状态例如可包括用户所处的位置、用户执行的事务(例如运动、办公、看电视等)等等。用户状态变化的事件例如可包括:用户起床、用户睡觉、用户出门、用户运动等等。
3.用户和设备之间态势发生变化的事件
用户和设备之间的态势例如可包括两者之间的距离。用户和设备之间态势发生变化的事件例如可包括用户移动设备(例如拿起手机)、用户和设备之间的距离发生变化(例如变大或变小)。
4.环境状态发生变化的事件
环境状态例如可包括:环境的温度、湿度、紫外线强度、风量、环境光等等。
5.设备接收到通知消息,或者,获取到即将执行的日程信息的事件
设备获取到通知消息,或者,获取到即将执行的日程信息的事件。
电子设备获取到的通知消息可以由该设备中的应用在运行过程中主动生成,也可以由设备中应用对应的服务器发送,例如,电子设备可以接收到可信机构发送的用于通知极端天气(例如风暴、大雪等)的通知消息等等。
日程是指对某个时刻或时间段的计划与安排。日程也可以称为事件、事务、行程或其他名称,这里不做限定。日程信息可以来自于电子设备中的备忘录、日历(calendar)、闹钟(clock)、订票类应用、线上会议类应用等等。
在本申请一些实施例中,中控设备可以选择虚拟聚合设备中的部分或全部资源来检测特定事件。该部分或全部资源可以被称为第一资源。第一资源的数量可以为一个或多个。第一资源可包括来自一个电子设备的资源,也可以包括来自多个电子设备的资源。第一资源为可组合能力,例如可以为交互类可组合能力。
在本申请一些实施例中,中控设备可以选择配置的虚拟聚合设备中的部分或全部交互类可组合能力来检测特定事件。
中控设备可以在虚拟聚合设备的交互类可组合能力中,任意选择或者根据一定策略来选择部分交互类可组合能力来检测特定事件。
具体的,中控设备可以结合以下一项或多项来选择合适的交互类可组合能力检测特定事件:虚拟聚合设备历史检测到的用户状态、设备状态、环境状态,用户画像、全局上下文,或记忆。
上述策略例如可以包括以下任意一种或多种的结合:
策略1,根据模态通道来选取交互类可组合能力。
具体的,由于特定事件可能是单模态的,也可能是多模态的组合,而某一种模态的采集通道可能有多种,中控设备可以根据通道来选取第一设备及第一可组合能力。具体的,通道是指采集模态的设备或可组合能力。例如,语音模态的特定事件可能由远场设备和近场设备共同拾音获取。又例如,特定事件中的语音模态可以通过远场设备的语音交互类可组合能力拾音获取,该特定事件中的手势模态可以通过视觉交互类可组合能力采集。
在一些实施例中,中控设备可以在所有的采集通道中,选取部分通道来采集特定事件的模态信息。例如,用户和设备之间的人机距离较远时,可以选择远场的拾音可组合能力来采集语音指令。
在一些实施例中,针对某种模态信息,中控设备可以选取多个通道共同采集该模态信息。该模态信息可以被称为第一模态数据。例如,可以同时选择近场和远场的拾音可组合能力来采集语音指令。这样,可以融合多通道采集的模态信息,获得更加准确、丰富的模态信息,便于后续操作的准确性。
策略2,可组合能力的活跃程度优先。
具体的,中控设备可以选择活跃程度较高或最高的一个或多个可组合能力来检测特定事件。可组合能力的活跃程度和以下设备信息相关:(1)可组合能力所在设备是否处于启动状态。若启动则活跃程度高。(2)可组合能力所在设备最近被激活时长。设备被激活时长越长,活跃程度也就越高。(3)可组合能力所在设备接收输入的频率相关。设备接收输入的频率越高,则活跃程度也就越高。
策略3,近用户优先。
具体的,中控设备可以选择距离用户较近的设备设备中的交互类可组合能力来检测特定事件。可组合能力所在设备与用户的距离,可通过检测生物识别信号(例脸,声纹,皮电,心率等信息)的强度进行判断。
策略4,用户习惯优先。
具体的,中控设备可以根据用户习惯,优先选择历史记录中最常被调用的可组合能力来检测特定事件。
策略5,用户选择优先。
具体的,用户可以自主选择用于检测特定事件的可组合能力,中控设备可以触发用户选择的可组合能力检测特定事件。这里对用户选择用于检测特定事件的可组合能力的方式不做限定,例如可以通过在中控设备上操作选择,可以通过语音、手势等方式选择等等。
策略6,用户的注意力优先。
注意力的含义,以及,策略6的具体实现,可参考后续S108的相关描述,这里暂不赘述。
使用上述策略,可以有效地筛选出合适的交互类可组合能力来检测特定事件。
不限于上述列举的几种策略,本申请实施例还可以使用其他策略来选择交互类可组合能力检测特定事件。例如,中控设备还可以选择距离中控设备较近设备中的交互类可组合能力来检测特定事件,或者,选择最近和中控设备有交互的设备中的交互类可组合能力来检测特定事件。
策略7,能力优先。
具体的,中控设备可以选择交互能力更强或更多的设备中的交互类可组合能力来检测特定事件。例如,中控设备可以优先选择交互能力较强的手机中的交互类可组合能力来检测特定事件。
策略8,预置的默认排序优先。
在一些实施例中,设备或者用户可以预先设置用于检测特定事件的设备的优先级,例如可以在设备出厂时预置或者由用户在使用过程中预置。该预置的设备优先级可以存储在云端服务器,也可以存储在通信系统10的任意一个或多个设备中。
具体实现中,中控设备可以根据预置的设备优先级,优先选择优先级高的设备中的服务类可组合能力来检测特定事件。
中控设备在虚拟聚合设备中选择的用于检测特定事件的部分或全部交互类可组合能力,可以被称为第一可组合能力,第一可组合能力所在的设备即为第一设备。
第一可组合能力的数量可以为一个或多个。第一设备的数量也可以为一个或多个。举例说明,在家庭范围中,中控设备可以将摄像头、智能音箱确定为第一设备,并触发摄像头启动视觉交互类可组合能力采集图像,触发智能音箱启动语音交互类可组合能力采集音频。
也就是说,中控设备可以在虚拟聚合设备中,选择具备检测特定事件的能力的部分或全部设备作为第一设备。
例如,配置有麦克风、显示屏、摄像头或加速度传感器等的设备具备检测用户输入的交互操作的能力,中控设备可以选择这一类设备作为第一设备。
又例如,配置有摄像头、速度传感器的设备可用于检测用户的状态,中控设备可以选择这一类设备作为第一设备。
又例如,配置有摄像头、距离传感器的设备可用于检测用户和设备之间的态势,中控设备可以选择这一类设备作为第一设备。
又例如,配置有温度传感器、湿度传感器的设备可用于检测环境状态,中控设备可以选择这一类设备作为第一设备。
又例如,具备消息收发能力可用于接收通知消息,具备日程添加能力的设备可用于获取日程信息,中控设备可以选择这一类设备作为第一设备。
如果中控设备在S105中配置了虚拟聚合设备,则该虚拟聚合设备中的第一可组合能力已经提前做好了启动的准备,因此,在S106中,中控设备可以快速、方便地触发第一设备启动该第一可组合能力来检测特定事件。可见,通过配置虚拟聚合设备,可以提高通信系统10执行S106的效率,从而更好地为用户提供服务。
在本申请实施例中,中控设备可以通过设备间的连接,通过发送通知消息(如广播、组播)等方式,触发第一设备启动第一可组合能力来检测特定事件。
在本申请的一些实施例中,各个第一设备启动第一可组合能力采集相应的数据后,可以在本地分析该数据,并将分析的结果(例如识别到的事件)发送给中控设备,以供中控设备获知当前是否检测到特定事件。
在本申请的另一些实施例中,一个或多个第一设备启动第一可组合能力采集相应的数据后,可以将自身采集到的数据发送给中控设备,由中控设备来融合多个第一可组合能力采集的数据,分析当前是否检测到特定事件。
在本申请的另一些实施例中,一个或多个第一设备启动第一可组合能力采集相应的数据后,可以将自身采集到的数据发送给后续S107中的第二设备,由第二设备根据该数据分析用户意图并拆分待执行任务。
在一些实施例中,一个可组合能力可用于采集少量模态(例如一个模态)的数据,多模态的数据需由多个可组合能力采集。不同的可组合能力通常具备不同的采样率。采样率是指可组合能力在单位时间(例如一秒、十秒、一分钟等)内采集数据的次数。电子设备中,各个可组合能力的采样率可以由该电子设备自主设定,这里不做具体限定。
在本申请实施例中,特定事件可以是多模态的组合。也就是说,特定事件可以包括多模态的数据。基于此,在一些实施例中,中控设备可以确定统一的采样率,触发第一设备中的第一可组合能力统一使用该采样率来采集数据。这样,各个第一可组合能力使用相同的采样率来采样数据,虚拟聚合设备可以获取到数据量相差不大的多种模态的数据,可以更加方便、快捷地融合多模态数据,以识别特定事件。可见,第一可组合能力使用统一的采样率采集数据,可以确保各个第一可组合能力采集的数据特征的完整性,并可以节省检测特定事件所消耗的资源。
中控设备确定可以通过以下任意一种方式确定统一的采样率:
方式1,中控设备任意选定一个策略作为该统一的采样率。
例如,中控设备可以预存统一的采样率。或者,中控设备可以在多个第一可组合能力中,任意选择一个可组合能力的采样率作为该统一的采样率。
方式2,中控设备将活跃度最高的第一可组合能力的采样率,确定为该统一的采样率。
具体的,中控设备可以通知各个第一可组合能力上报活跃度信息和采样率,并根据各个第一可组合能力上报的活跃度信息,确定各个第一可组合能力的活跃度。然后,中控设备将活跃度最高的第一可组合能力的采样率下发至各个第一可组合能力,通知各个第一可组合能力统一按照该采样率来采样。
可组合能力的活跃度反映了用户使用该可组合能力的频次,或,用户读取该可组合能力采集数据的频次。上述频次越高,可组合能力的活跃度也就越高。
活跃度信息可包括以下一项或多项:可组合能力所在设备的使用状态、可组合能力在初始时间间隔两次采集到的数据量的变化情况、可组合能力采集的数据和用户的关联程度。初始时间间隔可以是预先设置的固定系统参数,也可以是根据一定策略调整得到的参数。其中,可组合能力所在设备的使用状态可包括使用频次等,使用频次越高,活跃度也就越高。可组合能力在初始时间间隔两次采集到的数据量的变化越大,活跃度也就越高。可组合能力采集的数据和用户的关联程度越高,活跃度也就越高。例如,用户白天在客厅的时间更多,客厅设备中的可组合能力采集到的数据,相比于,卧室设备中的可组合能力采集到的数据,其和用户的关联程度越高。
通过上述方式2,使用活跃度最高的第一可组合能力的采样率作为统一的采样率,可以保证活跃度最高的第一可组合能力能够采集到足够丰富的和用户相关的数据,能够让中中控设备检测特定事件的准确率更高。
在本申请一些实施例中,上述S105中初始化虚拟聚合设备过程中的步骤1中,中控设备也可以使用统一的采样率来采集环境信息。
在本申请实施例中,上述提及的统一的采样率也可以被称为第一采样率。
在本申请一些实施例中,如果中控设备执行了上述可选步骤S105,则中控设备可以在S105之后,触发虚拟聚合设备中的第一可组合能力统一使用该采样率来采集数据。这样可以考虑到采样率对模态数据融合的影响,支持虚拟聚合设备配备自适应的初始感知采集策略。
S107,中控设备触发虚拟聚合设备中的第二设备分析特定事件所表征的用户意图,确定该用户意图对应的待执行任务。
在本申请一些实施例中,中控设备可以选择虚拟聚合设备中的部分或全部资源来分析特定事件所表征的用户意图,确定该用户意图对应的待执行任务。该部分或全部资源可以被称为第三资源。第三资源的数量可以为一个或多个。第三资源可包括来自一个电子设备的资源,也可以包括来自多个电子设备的资源。第三资源为可组合能力,例如可以为识别类可组合能力。
在本申请的一些实施例中,中控设备可以选择配置的虚拟聚合设备中的部分或全部识别类可组合能力来识别用户意图及待执行任务。
中控设备可以在虚拟聚合设备的识别类可组合能力中,任意选择或者根据一定策略来选择部分识别类可组合能力来识别用户意图及用户意图对应的待执行任务。
具体的,中控设备可以结合以下一项或多项来选择合适的识别类可组合能力识别用户意图及用户意图对应的待执行任务:虚拟聚合设备历史检测到的用户状态、设备状态、环境状态,用户画像、全局上下文,或记忆。
上述策略例如可以包括以下任意一种或多种的结合:
策略1,可组合能力的活跃程度优先。
具体的,中控设备可以选择活跃程度较高或最高的一个或多个可组合能力来识别用户意图及确定该用户意图对应的待执行任务。可组合能力的活跃程度的确定方式可参考前文。
策略2,近用户优先。
具体的,中控设备可以选择距离用户较近的设备设备中的识别类可组合能力来识别用户意图及确定该用户意图对应的待执行任务。设备与用户之间距离的判断方式可参考前文。
策略3,同输入设备优先。
具体的,中控设备可以优先选择第一设备中的识别类可组合能力来识别用户意图及确定该用户意图对应的待执行任务。
策略4,用户习惯优先。
具体的,中控设备可以根据用户习惯,优先选择历史记录中最常被调用的可组合能力来识别用户意图及确定该用户意图对应的待执行任务。
策略5,用户注意力优先。
具体的,中控设备可以优先选择用户注意力所在设备中的识别类可组合能力来识别用户意图及确定该用户意图对应的待执行任务。
策略6,基于机器学习/深度学习的推理判断。
具体的,中控设备可以收集在特定时间范围内特定事件和启动的识别类可组合能力的关联数据,基于机器学习/深度学习方法从前者的输入预测一系列用户可能需要启动可组合能力的模型。之后,并基于该模型以特定事件为输入,得到需启动的可组合能力。该方法可以参考当前已广泛应用于推荐系统的排序技术来实现。同时需要考虑进行多模态输入作为特定事件的扩展。
策略7,用户选择优先。
具体的,用户可以自主选择用于识别用户意图及确定该用户意图对应的待执行任务的可组合能力,中控设备可以触发用户选择的可组合能力识别用户意图及确定该用户意图对应的待执行任务。这里对用户选择用于识别用户意图及确定该用户意图对应的待执行任务的可组合能力的方式不做限定,例如可以通过在中控设备上操作选择,可以通过语音、手势等方式选择等等。
策略8,能力优先。
具体的,中控设备可以选择能力更强或更多的设备中的识别类可组合能力来识别用户意图及待执行任务。例如,中控设备可以优先选择处理能力较强的手机中的识别类可组合能力来识别用户意图及待执行任务。
策略9,预置的默认排序优先。
在一些实施例中,设备或者用户可以预先设置用于识别用户意图及待执行任务的设备的优先级,例如可以在设备出厂时预置或者由用户在使用过程中预置。该预置的设备优先级可以存储在云端服务器,也可以存储在通信系统10的任意一个或多个设备中。
具体实现中,中控设备可以根据预置的设备优先级,优先选择优先级高的设备中的服务类可组合能力来识别用户意图及待执行任务。
使用上述策略,可以有效地筛选出合适的识别类可组合能力来识别用户意图及确定该用户意图对应的待执行任务。
不限于上述列举的几种策略,本申请实施例还可以使用其他策略来选择识别类可组合能力识别用户意图及确定该用户意图对应的待执行任务。例如,中控设备还可以选择距离中控设备较近设备中的识别类可组合能力来识别用户意图及确定该用户意图对应的待执行任务,或者,选择最近和中控设备有交互的设备中的识别类可组合能力来识别用户意图及确定该用户意图对应的待执行任务。
中控设备在虚拟聚合设备中选择的用于分析特定事件表征的用户意图,以及,确定该用户意图对应的待执行任务的部分或全部交互类可组合能力,可以被称为第三可组合能力,第三可组合能力所在的物理设备即为第二设备。
也就是说,中控设备可以在虚拟聚合设备中,选择具备识别用户意图及用户意图对应的待执行任务的能力的部分或全部设备作为第二设备。
第三可组合能力的数量可以为一个或多个。第二设备的数量也可以为一个或多个。举例说明,在家庭范围中,中控设备可以将智慧屏、手机确定为第二设备,并触发智慧屏和手机启动处理器来分析特定事件表征的用户意图,以及,确定该用户意图对应的待执行任务。
如果中控设备在S105中配置了虚拟聚合设备,则该虚拟聚合设备中的第三可组合能力已经提前做好了启动的准备,因此,在S107中,中控设备可以快速、方便地触发第二设备启动该第三可组合能力来分析特定事件所表征的用户意图,并确定该用户意图对应的待执行任务。可见,通过配置虚拟聚合设备,可以提高通信系统10执行S107的效率,从而更好地为用户提供服务。
在本申请实施例中,中控设备可以通过设备间的连接,通过发送通知消息(如广播、组播)等方式,触发第二设备启动第三可组合能力来分析特定事件所表征的用户意图,并确定该用户意图对应的待执行任务。
在本申请的一些实施例中,如果S106中第一设备在本地识别到特定事件,则可以将特定事件通知给第二设备,以供第二设备启动第三可组合能力来分析该特定事件所表征的用户意图,并确定该用户意图对应的待执行任务。这里,中控设备可以在确定第二设备后,将其告知第一设备,便于第一设备将特定事件通知给第二设备。
在本申请的另一些实施例中,如果S106中中控设备获知当前采集到的特定事件,则可以由中控设备直接触发或通知该第二设备分析该特定事件所表征的用户意图,并确定该用户意图对应的待执行任务。
在本申请的另一些实施例中,如果S106中一个或多个第一设备启动第一可组合能力采集相应的数据后,将采集到的数据发送给第二设备,则可以由第二设备根据该数据分析用户意图并拆分待执行任务。
在本申请实施例中,第二设备可以结合以下一项或多项来分析特定事件所表征的用户意图:第一设备历史检测到的用户状态、设备状态、环境状态,用户画像、全局上下文,或记忆。
在本申请实施例中,第二设备可以使用意图识别算法、神经网络算法等来分析特定事件所表征的用户意图。
在一些实施例中,在不同的场景(例如家庭范围和办公室)下,第二设备识别到的相同特定事件所表征的用户意图可以不同。
用户意图是指用户的目的或需求。特定事件和用户意图之间的对应关系,可以预先设置,也可以由虚拟聚合设备上的智慧助手在运行过程中学习得到。
举例说明,如果特定事件为用户输入的语音指令“看看客厅的情况”,则第二设备通过语音识别,可分析得到该用户意图包括:查看客厅的情况。又例如,如果特定事件为用户输入的语音指令“开灯”,则第二设备通过语音识别以及用户当前所在的位置(如客厅),可分析得到该用户意图包括:开启客厅的灯。
在本申请实施例中,第二设备识别到的用户意图可以采用结构化数据的方式进行描述。结构化数据是指用某种结构逻辑(例如二维表)来表达的数据。例如,用户意图可以为“操作:开灯;位置:客厅。例如,用户意图可以为“操作:播放音乐;内容:《七里香》”。
第二设备在识别到特定事件所表征的用户意图之后,可以确定该用户意图对应的待执行任务。设备执行用户意图对应的待执行任务,即可以满足用户意图,即满足用户需求。
在一些实施例中,在不同的场景(例如家庭范围和办公室)下,第二设备确定的同一个用户意图对应的待执行任务可以不同。
第二设备确定用户意图对应的待执行任务的过程,可以看做是将该用户意图拆分为待执行任务的过程。由用户意图拆分得到的待执行任务的数量可以为一个,也可以为多个。该多个任务可以是同时并列执行关系,也可以具备一定逻辑执行关系。该逻辑执行关系例如可包括:顺序关系、循环关系、条件关系和布尔逻辑等。
用户意图可以包括多种模态或类型。例如,用户意图可包括:视觉图像播放意图、音频播放意图、开灯意图、振动意图、移动设备的意图等等。例如,用户意图“查看客厅的情况”包括两种模态:查看客厅的实时图像、收听客厅的实时音频。
任务是指设备所执行的一个或多个操作。任务,即设备执行的操作也可以分为多种模态或服务类型。例如,任务可包括:视觉图像播放任务、音频播放任务、振动任务、闪光灯任务、移动任务等等。
在一些实施例中,第二设备可以将用户意图拆分为以模态为单位的一个或多个待执行任务。
在一些实施例中,第二设备可以结合以下一项或多项将用户意图拆分为以模态为单位的待执行任务:第一设备历史检测到的用户状态、设备状态、环境状态,用户画像、全局上下文,或记忆。
在一些实施例中,第二设备可以根据用户意图的模态或类型,选择合适的拆分方法来拆分该用户意图。具体实现中,拆分用户意图的方法可包括以下几种:
方法1,基于历史可组合能力的启动信息来拆分用户意图。
具体的,第二设备可以根据历史用户意图曾经对应启动过的可组合能力的类别,来拆分用户意图。也就是说,第二设备可以查找历史上拆分用户意图的结果,并参考历史拆分结果来拆分当前识别到的用户意图。
方式2,基于机器/深度学习的推理判断。
具体的,第二设备可以收集用户意图,第一设备采集到的用户状态、设备状态及环境状态、用户实际选择启动的可组合能力类别的关联数据,基于机器/深度学习的方法训练出可从用户意图和用户/设备/环境状态的输入推理出可组合能力类别的模型,最终以此为基础拆分出多个待执行任务。
方法3,规则判断。
具体的,第二设备可以预先设置在不同场景中,用户意图及其对应的待执行任务。在识别到场景和用户意图后,可以该场景和用户意图作为输入,经过规则的固定逻辑处理后,即输出对应的一个或多个待执行任务。
在本申请实施例中,第二设备拆分用户意图得到的待执行任务,可以分为确定性任务和概率性任务。前者表示通信系统根据明确的用户意图识别出拆分好的待执行任务;后者则表示不明确用户意图下,用户可能需要设备执行的待执行任务。
概率性任务一般对应不明确的用户意图。由于概率性任务对于不同种类的待执行任务都带有对应的置信度,所以可以进一步按规则进行选择,例如可以仅将满足某阈值的待执行任务确定为用户意图对应的待执行任务。
在一些实施例中,第二设备分析得到特定事件所表征的用户意图,确定该用户意图对应的待执行任务之后,还可以将识别结果发送给中控设备。也就是说,第二设备可以将分析得到的特定事件所表征的用户意图,和/或,该用户意图对应的待执行任务,发送给中控设备。
通过上述基于模态拆分任务的方式,虚拟聚合设备能够利用用户意图对涉及跨设备的输入/输出进行细粒度的控制与执行,同时考虑感知数据的语义信息和环境的显式和隐式意图,进一步提升相对单设备的功能和个性化输出的优势。通过上述方式处理多端多模命令,能灵活适应通信系统的实际能力,提高交互体验和场景适应性。
可选步骤S109,中控设备重配置虚拟聚合设备。
在本申请一些实施例中,中控设备在S105中初始化虚拟聚合设备之后,还可以在当前已有的虚拟聚合设备的基础上,通过该虚拟聚合设备持续检测用户、设备、环境等状态,根据检测到的信息分析用户潜在的服务需求,并适应性调整虚拟聚合设备,即重配置虚拟聚合设备。当前已有的虚拟聚合设备可以是初始化后的虚拟聚合设备,也可以是经过多次重配置后的虚拟聚合设备。也就是说,S109可以多次执行。在本申请实施例中,中控设备可以在虚拟聚合设备检测到状态变化事件后,重配置虚拟聚合设备。
在本申请实施例中,状态变化事件也可以被称为第二事件。
中控设备重配置虚拟聚合设备的可包括如下步骤:
步骤1,中控设备触发第一设备检测状态变化事件。
在一些实施例中,状态变化事件可包括影响通信系统10提供的服务质量的事件。通信系统10提供的服务质量例如可包括用户满意度、和用户习惯的匹配度、人机交互识别的准确率、响应速度等等。
状态变化事件可以是一种模态或多种模态的组合。模态例如可包括文字、语音、视觉、动作、态势(如用户所在位置、用户和设备间的距离)、场景(如办公场景、家庭场景、通勤场景)等。
状态变化事件可以包括以下几种类型:
类型1,用户输入的交互操作。
用户输入的交互操作可包括但不限于:语音指令、作用于显示屏上的触控操作(如点击操作、长按操作、双击操作等)、隔空手势/悬浮手势、作用于设备按键上的操作、姿势、眼球转动指令、口型指令、移动或摇晃设备的操作,等等。
举例说明,用户使用手机时,如果想要投屏,可以输出语音指令“投屏”,也可以在手机的显示屏上点击投屏按钮。
类型2,用户状态发生变化的事件。
用户状态例如可包括用户所处的位置、用户执行的事务(例如运动、办公、看电视等)等等。用户状态变化的事件例如可包括:用户位置移动(例如移动了0.5米)、用户起床、用户睡觉、用户出门、用户运动等等。
类型3,设备状态发生变化的事件。
设备状态例如可包括设备电量、功耗、所处位置等等。设备状态变化的事件可包括电量低于阈值、位置移动、功耗高于阈值、有新设备加入或上线通信系统10、通信系统10中有设备退出或下线等等。
类型4,用户和设备之间态势发生变化的事件。
用户和设备之间的态势例如可包括两者之间的距离。用户和设备之间态势发生变化的事件例如可包括用户移动设备(例如拿起手机)、用户和设备之间的距离发生变化(例如变大或变小)。
类型5,环境状态发生变化的事件。
环境状态例如可包括:环境的温度、湿度、紫外线强度、风量、环境光等等。环境状态变化的事件例如可包括温度大于阈值(例如30摄氏度)。
类型6,设备获取到通知消息,或者,获取到即将执行的日程信息的事件。
电子设备获取到的通知消息可以由该设备中的应用在运行过程中主动生成,也可以由设备中应用对应的服务器发送,也可以由其他设备发送。例如,电子设备可以接收到可信机构发送的用于通知极端天气(例如风暴、大雪等)的通知消息等等。
日程是指对某个时刻或时间段的计划与安排。日程也可以称为事件、事务、行程或其他名称,这里不做限定。日程信息可以来自于电子设备中的备忘录、日历(calendar)、闹钟(clock)、订票类应用、线上会议类应用等等。
在本申请实施例中,中控设备可以在当前配置的虚拟聚合设备中,选择支持检测状态变化事件的可组合能力,即在当前的虚拟聚合设备的交互类可组合能力中,选择其中的部分或全部交互类可组合能力来检测该状态变化事件。
中控设备可以在当前的虚拟聚合设备的交互类可组合能力中,任意选择或者根据一定策略来选择部分或全部可组合能力检测状态变化事件。该策略例如可以为:选择距离中控设备较近的设备中的可组合能力来检测特定事件、选择和中控设备最近有交互的可组合能力来检测状态变化事件、活跃度优先、近用户优先、用户习惯优先,等等。
在一些实施例中,中控设备可以根据当前时间或场景在虚拟聚合设备中选择部分交互类可组合能力,来检测状态变化事件。例如,场景可包括白天模式、夜间模式、观影模式、运动模式等等等,中控设备可以在不同的场景下选择虚拟聚合设备中不同的交互类可组合能力来检测状态变化事件。
中控设备选择的用于检测状态变化事件的部分或全部交互类可组合能力,和S106中用于检测特定事件的交互类可组合能力相同,即用于检测状态变化事件的交互类可组合能力为第一可组合能力,用户检测状态变化事件的设备为第一设备。选择第一可组合能力、第一设备的策略,可参考前文S106中的相关描述。
在本申请实施例中,中控设备可以通过设备间的连接,通过发送通知消息(如广播、组播)等方式,触发第一设备启动第一可组合能力来检测状态变化事件。
在本申请的一些实施例中,各个第一设备启动第一可组合能力采集相应的数据后,可以在本地分析该数据,并将分析的结果(例如识别到的事件)发送给中控设备,以供中控设备获知当前是否检测到状态变化事件。
在本申请的另一些实施例中,一个或多个第一设备启动第一可组合能力采集相应的数据后,可以将自身采集到的数据发送给中控设备,由中控设备来融合多个第一可组合能力采集的数据,分析当前是否检测到状态变化事件。
在本申请的另一些实施例中,一个或多个第一设备启动第一可组合能力采集相应的数据后,可以将自身采集到的数据发送给后续S107中的第二设备,由第二设备根据该数据分析用户的服务需求。
步骤2,中控设备触发第二设备根据检测到的状态变化事件,分析用户的服务需求。
在获知状态变化事件后,中控设备可以根据该状态变化事件来分析或识别用户的服务需求。换句话说,中控设备可根据状态变化事件来预测用户的服务需求。
在本申请实施例中,中控设备基于状态变化事件识别出来的用户服务需求可以分为确定性需求和概率性需求。
确定性需求为识别出的需要为用户提供的确切服务,通常由用户的明确指令(例如用户在设备人机界面上的操作、用户明确的语音指令,或符合特定设备人机交互所定义的手势等)为输入。
概率性需求则表示识别出的用户可能潜在的服务需求,即用户出现请求该服务的趋势,但未能确定需要马上提供服务。概率性需求一般对应非显性的用户行为(例如位置变化、睡眠状态变化等)或环境本身的状态变化(例如温度变化等)。由于概率性需求往往有多个可能的输出并带有对应的置信度,所以可以进一步按照规则进行选择,例如可以选择满足某阈值的一个或多个作为备选。
如上所述,状态变化事件可以包括多种类型。所以在具体实现中,原始的虚拟聚合设备可能会检测到多种状态变化事件,中控设备可能基于单一的状态变化事件分析用户的服务需求,也可能基于多个状态变化事件综合分析用户的服务需求。
中控设备根据状态变化事件识别或分析用户服务需求的方式,可以包括以下几种:
方式1,基于固定规则确定用户的服务需求。
具体的,即根据场景特性,预先设定固定的判断识别规则,状态变化事件经过该规则的固定逻辑处理后,即输出判别结果,即输出用户服务需求。例如,用户在厨房大概率会发生厨电控制事件,因此如果检测到用户步入厨房,则可以判断用户有厨电控制需求。又例如,用户在气温高于30摄氏度时大概率会开启空调,因此如果检测到气温高于30摄氏度,则可以判断用户有启动空调的需求。
方式2,基于知识图谱确定用户的服务需求。
知识图谱是一种知识库,其中的数据通过图结构的数据模型或拓扑整合而成。知识图谱通常被用来存储彼此之间具有相互联系的实体。在本申请实施例中,知识图谱展示了不同的状态变化事件,和,用户的服务需求之间相互联系的数据结构。知识图谱可以基于以往用户和通信系统10中的交互信息来构建。在其他一些实施例中,知识图谱还可以是人工设计,或基于对大量群体用户的统计而获得。例如上述启动空调的例子中,初始可以通过人工设计或者统计方式定义“30℃”时有启动空调的需求,后续运行过程中如果逐步发现某具体用户实际上在“32℃”时才有这个需求,则可以更新图谱内容。
不同用户可以对应不同的知识图谱。
与基于固定规则确定服务需求的处理类似,区别在于方式2不用固定的判断逻辑来实现,而是将判断逻辑通过知识图谱所表示的关联关系进行处理。方式2可以灵活扩展确定服务需求的规则和场景。
方式3,通过机器学习确定用户的服务需求。
方式3通过收集实际场景中状态变化事件与用户实际服务需求的关联数据,基于机器学习的方法训练出可从前者推理出后者的模型,以作为判断服务需求的实现机制。方式3可参考当前已广泛应用于语音助手中的语义理解技术(例如从用户语言指令识别出用户意图)来实现,同时可以考虑多模态(例如多个状态变化事件作为输入)识别的扩展。
在本申请一些实施例中,中控设备还可以结合上下文、用户画像、记忆、用户习惯、当前虚拟聚合设备的配置状态等来识别用户的服务需求,这样能够更加精准有效的识别用户的服务需求。其中,通过配置虚拟聚合设备就形成了虚拟聚合设备的配置状态。原理上,“当前虚拟聚合设备的配置状态”可在一定程度上表征过去时刻用户的服务需求,从而可以用于推断和识别用户当前时刻的服务需求(如采用马尔科夫过程建模)。
上下文、用户画像、记忆、用户习惯的定义可参考后续实施例的相关描述。中控设备结合上下文、用户画像、记忆、用户习惯等来识别用户的服务需求的具体实现,可参考后续实施例的详细介绍。
在本申请的一些实施例中,如果步骤1中第一设备在本地识别到状态变化事件,则可以将状态变化事件通知给第二设备,以供第二设备启动第三可组合能力来分析该状态变化事件所对应的服务需求。这里,中控设备可以在确定第二设备后,将其告知第一设备,便于第一设备将状态变化事件通知给第二设备。
在本申请的另一些实施例中,如果步骤1中中控设备获知当前采集到的状态变化事件,则可以由中控设备直接触发或通知该第二设备分析该状态变化事件所对应的服务需求。
在本申请的另一些实施例中,如果步骤1中一个或多个第一设备启动第一可组合能力采集相应的数据后,将采集到的数据发送给第二设备,则可以由第二设备根据该数据分析对应的服务需求。
步骤3,中控设备触发第二设备基于用户的服务需求,确定服务方案。
中控设备可以使用一定的策略,基于用户的服务需求(确定性或概率性),确定需预备的服务方案。
服务方案包括为用户提供服务而需要进行的准备工作。在做好了对应的准备工作后,中控设备即可以在确认需要为用户提供服务时可以直接执行该服务所涉及的流程和功能。
具体地,所确定的服务方案可包含多项信息以指示通信系统的后继调整和适应行为,举例如下:
1.所需交互方式,例如音频输入/输出、视频输入/输出、位置检测、手势检测等。同时,针对各种交互方式,还可以包含其它可组合能力的属性,如位置(如在指定房间、指定区域等)、性能(如远场/近场拾音等)等。
2.能力组合策略,例如可以使用同设备优先(所需要的各个资源和能力尽量来自单一设备)、近用户优先(与用户进行交互的能力尽量靠近用户)、性能指标优先(优先选择能满足所需交互方式的性能要求,例如播放音乐时一般优先选用远场音频播放)等策略来确定聚合的可组合能力。
为了能更准确、更适合场景地提前调整环境设备的能力组合配置,其具体实施可包含多种方法和策略,举例如下:
对当前已支持的简单交互的服务(例如天气、闹钟等),直接由当前交互设备按照原流程处理,可维持用户简单、直接的体验。
对于涉及多设备交互的服务,则根据该服务输出多设备可组合能力的组合方案,可能的方法有:在对应服务项中预配置、基于知识推理等。
在本申请实施例中,第二设备输出的服务方案中可能存在一些备选项,例如针对某个服务,优选图像展示,但在图像展示能力不具备时,可以通过语音方式;或者某次服务优选远场拾音,但在能力不具备时可以用近场拾音来补充;或者某次服务优选多模态输出,但在能力不具备时,可以只用必须的模态而放弃一些可选模态。在具体实现的时候,还可以将上面这些可能的组合形成多个备选的服务方案,供后面的步骤处理。
可选步骤4,中控设备请求组织虚拟聚合设备的可组合能力。
如果执行了上述步骤3,则中控设备可以基于服务方案,请求聚合该服务方案对应的可组合能力。
具体的,基于服务方案请求聚合可组合能力时,涉及与当前环境中虚拟聚合设备实际所具备的可组合能力的匹配和优选,实施方案可包括以下任意一种或多种:
根据所需交互方式,筛选可组合能力的类型,例如拾音、图像显示、可提供服务种类等。
根据用户/环境状态,筛选需要某个可组合能力的物理位置、朝向等会影响交互效果的因素,例如客厅、卧室等。例如,如果用户在卧室,则可以选择位于卧室的可组合能力。
根据交互方式和用户/环境状态,筛选某个可组合能力的性能需求,例如拾音是远场/近场、显示是公共大屏还是私人小屏、设备移动性等等。例如,如果当前环境中人数较多,则可以选择私人小屏,以保证用户隐私。
上述多种方法同时实施时,其顺序不受限定。
在一些实施例中,针对使用上述方案可能获得的多个满足条件的备选方案,中控设备可以结合当前虚拟聚合设备实际可用的可组合能力,排除不可能实现的方案,并结合用户预配置的策略,最终选定方案并向通信系统10提出聚合申请。
如果未执行上述步骤3,则中控设备可以基于步骤2中分析得到的服务需求,直接请求聚合对应的可组合能力。
中控设备在基于状态变化事件分析得到用户的服务需求后,可以不必单独执行制定服务方案这一步骤,而直接从用户服务需求分析出虚拟聚合设备的配置调整目标规格,从而支持后继的实施配置调整。
具体地,中控设备获取到用户的服务需求后,可以结合通信系统10实际的可组合能力集合以及其中可组合能力的属性(性能、位置等),直接筛选出该服务需求对应所需的可组合能力。在一些实施例中,中控设备还可以基于某一固定或可配置能力组合策略,实施前述的筛选过程。
直接从用户服务需求分析出虚拟聚合设备的配置调整目标规格,可以简化制定服务方案这一步骤,便于实现。另一方面,由于减少了中间层次的分析服务方案的过程,该方案可以降低对中控设备的处理能力要求,可以广泛应用于性能配置较低的中控设备上。这种方式对于环境设备配置相对简单(如设备数量较少),业务场景相对固定(例如办公室等)等对环境设备智能协同的灵活度要求不高的情况,可以在满足用户要求的情况下,快速、方便地实现虚拟聚合设备的重配置。
通过步骤4,中控设备可根据用户配置偏好、人机交互或用户操作历史,以及用户、设备、环境等状态信息,进行综合决策,选择合适的可组合能力。
步骤5,中控设备聚合该服务方案对应的可组合能力,以重配置虚拟聚合设备。
在完成上述关键步骤后,中控设备即可以进一步对申请到的可组合能力,结合当前虚拟聚合设备的配置状况,进行虚拟聚合设备的重配置。虚拟聚合设备的重配置可包括:改变当前虚拟聚合设备中可组合能力的配置参数、重新选择或更新组成虚拟聚合设备的可组合能力等等。更新当前虚拟聚合设备的可组合能力可包括:新的可组合能力的加入,原有可组合能力在不在需要的时候予以释放。
步骤5中虚拟聚合设备的重配置主要由智慧助手应用调用各个设备操作系统的特定接口来完成,例如可以针对操作系统中特有的分布式技术来完成,这里不做限定。
在本申请一些实施例中,对比上述S109中的状态变化事件和S106中的特定事件可知,特定事件属于状态变化事件的一种,状态变化事件包含但不限于特定事件。也就是说,中控设备可以在检测到特定事件后动态重配置虚拟聚合设备,也可以在检测到其他的状态变化事件后动态重配置虚拟聚合设备。
下面列举几个重配置虚拟聚合设备的示例。
示例1:
假设当前的环境为书房,书房中配备了音箱和智慧屏,同时用户携带手机和耳机。此时,组成虚拟聚合设备的可组合能力可包括这些设备提供的收音(耳机和手机是近场、音箱和智慧屏是远场)、放音(耳机和手机是近场、音箱和智慧屏是远场)、显示(智慧屏和手机)、拍摄(智慧屏和手机),以及这些设备中提供的软件服务和能力,以及这些设备的其它能力。如果深夜,用户在书房发出语音指令“加入视频会议的指令”,以与有时差的海外同事开会,则智慧助手可以根据该语音指令,分析确定当前需要虚拟聚合设备具备视频会议、摄像、显示、拾音、放音的能力。因此,中控设备可以将以下可组合能力组建为虚拟聚合设备:
摄像:智慧屏的摄像头,位置固定、广角,适合视频会议场景;
显示:智慧屏的屏幕,位置固定、大尺寸,适合视频会议场景;
拾音:音箱,配备了麦阵,拾音效果更好,而且能提供空间效果;
放音:耳机,在深夜可以避免外放声音扰人。
中控设备可以将上述各个设备的可组合能力分别配置为手机中视频会议App的输入输入部件,并启动手机上的视频会议App。这样,对于该App来说,与原来单纯在单个手机上运行该功能是完全一样的,但实际已经用了更适合该情景、更高体验的方式来提供服务。
示例2:
中控设备通过操作历史、用户画像等信息,了解到用户在晨起后经常会到客厅通过大屏查询日程。初始时,手机作为常用交互设备,一般会保持作为虚拟聚合设备的一部分。同时,早上用户在房间睡觉,用户佩戴的智能手表的睡眠检测能力被配置到虚拟聚合设备中,用于检测用户睡眠状态。其它设备因没有相关执行或检测任务而休眠。
如果手表检测到用户醒来的状态变化事件,则智慧助手可执行以下操作:(1)确定用户的服务需求为:预期的用户会到客厅,用大屏播报日程;(2)确定服务方案为:对用户位置进行检测;(3)然后进行动态配置:启动室内位置检测的可组合能力(如毫米波雷达、摄像头等),即将这些可组合能力配置并激活成为虚拟聚合设备的一部分。
如果室内定位相关的可组合能力检测到用户走往客厅的状态变化事件,则智慧助手可执行以下操作:(1)确定用户的服务需求为:在客厅浏览日程;(2)确定服务方案为:需获取日程信息(手机已提供),以及呈现日程的显式能力。(3)然后进行动态配置:按照用户的偏好(例如用户偏爱用客厅大屏进行展示),将大屏的显示能力(其可组合能力之一)配置成为虚拟聚合设备的一部分,即虚拟聚合设备已提前准备好给用户进行大屏显示。
如果手机检测到用户发出的语音指令“播报日程”,则智慧助手可执行以下操作:(1)确定用户的服务需求为:播报日程;(2)确定服务方案为:使用用户所偏爱的展示方式(智慧屏)播报日程信息(来自手机);(3)由于此时支持该服务方案的可组合能力已经被配置为虚拟聚合设备,因此可以迅速响应(无需临时执行相关的准备工作),使用该可组合能力执行任务。
在上述示例2中,虚拟聚合设备共检测到三次状态变化事件:用户醒来的状态变化事件、用户走往客厅的状态变化事件、语音指令“播报日程”。其中,用户醒来的状态变化事件、用户走往客厅的状态变化事件触发了虚拟聚合设备的重配置。语音指令“播报日程”作为特定事件触发虚拟聚合设备作出响应。
在本申请一些实施例中,在执行上述107之后,即第二设备确定待执行任务之后,如果当前的虚拟聚合设备不能支持执行该待执行任务,也可以触发虚拟聚合设备的重配置。具体的,中控设备可以将支持该待执行任务的可组合能力配置为虚拟聚合设备。
在本申请实施例中,中控设备重配置虚拟聚合设备之后,还可以触发通信系统10中的部分设备提示用户当前已重配置该虚拟聚合设备。提示方式不做限定。例如,参考图5M,中控设备在重配置虚拟聚合设备后,可以触发电子设备(例如手机)在用户界面63中显示提示信息,以提示用户当前已重配置虚拟聚合设备。此外,用户还可以点击控件635,以查看当前重配置的虚拟聚合设备所包含的可组合能力。
通过重配置虚拟聚合设备这种逐步调整配置的方式,可以避免开启不适合目标场景的设备可组合能力。一方面,能在减少设备资源占用的情况下,仍能持续感知相关状态变化,避免了信息丢失,保证对用户的正确响应;另一方面,可以避免不必要的信息感知为用户隐私带来的风险。
通过上述重配置虚拟聚合设备的过程,能够在用户、设备、环境状态持续变化的场景下,控制虚拟聚合设备动态、自适应地重配置,使其能够准确、个性化地满足用户确定或潜在(未发生)的服务需求。
对比上述初始化虚拟聚合设备,和,重配置虚拟聚合设备的过程可知,初始化虚拟聚合设备时没有或未使用前置的虚拟聚合设备的状态及能力,而重配置虚拟聚合设备时则具备或使用了前置的虚拟聚合设备的状态及能力。
S108,中控设备触发虚拟聚合设备中的第三设备执行满足用户意图的待执行任务。
在本申请一些实施例中,中控设备可以选择虚拟聚合设备中的部分或全部资源来执行满足用户意图的待执行任务。该部分或全部资源可以被称为第二资源。第二资源可包括来自一个电子设备的资源,也可以包括来自多个电子设备的资源。第二资源的数量可以为一个或多个。第二资源为可组合能力,例如可以为服务类可组合能力。
在本申请一些实施例中,中控设备可以选择配置的虚拟聚合设备中的部分或全部服务类可组合能力来执行上述待执行任务。也就是说,中控设备可以触发第二设备匹配待执行任务至合适的可组合能力,然后触发对应的该可组合能力所在的设备来执行该待执行惹怒。
中控设备可以在虚拟聚合设备的服务类可组合能力中,任意选择或者根据一定策略来选择部分服务类可组合能力来执行上述待执行任务。
具体的,中控设备可以结合以下一项或多项来选择合适的服务类可组合能力执行上述待执行任务:通信系统10历史检测到的用户状态、设备状态、环境状态,用户画像、全局上下文,或记忆。
上述策略例如可以包括以下任意一种或多种的结合:
策略1,可组合能力的活跃程度优先。
具体的,中控设备可以选择活跃程度较高或最高的一个或多个可组合能力来执行上述待执行任务。可组合能力的活跃程度的确定方式可参考前文。这样可以选择活跃度较高的服务类可组合能力来为执行上述待执行任务。
策略2,近用户优先。
具体的,中控设备可以选择距离用户较近的设备设备中的服务类可组合能力来执行上述待执行任务。设备与用户之间距离的判断方式可参考前文。
策略3,同输入设备优先。
具体的,中控设备可以优先选择第一设备中的服务类可组合能力来执行上述待执行任务。
在一些实施例中,中控设备可以选择采集到更加关键的用于识别特定事件的信息的设备中的服务类可组合能力来组合上述待执行任务。例如,如果S106中用于检测语音指令的设备包括离用户较远的茶几上的手机A,以及,用户手中握持的手机B,则中控设备可以选择采集到的较大声强的手机A来响应用户的语音指令。
策略4,用户习惯优先。
具体的,中控设备可以根据用户习惯,优先选择历史记录中最常被调用的可组合能力来执行上述待执行任务。这样可以选择用户习惯使用的服务类可组合能力来为执行上述待执行任务。
策略5,基于机器学习/深度学习的推理判断。
具体的,中控设备可以收集在特定时间范围内待执行任务和启动的服务类可组合能力的关联数据,基于机器学习/深度学习方法从前者的输入预测一系列用户可能需要启动可组合能力的模型。之后,并基于该模型以待执行任务为输入,得到需启动的可组合能力。该方法可以参考当前已广泛应用于推荐系统的排序技术来实现。同时需要考虑进行多模态输入作为待执行任务的扩展。
策略6,用户选择优先。
具体的,用户可以自主选择用于执行上述待执行任务的可组合能力,中控设备可以触发用户选择的服务类可组合能力执行上述待执行任务。这里对用户选择用于执行上述待执行任务的可组合能力的方式不做限定,例如可以通过在中控设备上操作选择,可以通过语音、手势等方式选择等等。这样可以根据用户的实际需求选择服务类可组合能力来为执行上述待执行任务。
策略7,能力优先。
具体的,中控设备可以选择能力更强或更多的设备中的服务类可组合能力执行上述待执行任务。例如,中控设备可以优先选择有屏幕的或有扬声器的设备中的服务类可组合能力执行上述待执行任务。
策略8,预置的默认排序优先。
在一些实施例中,设备或者用户可以预先设置用于执行上述待执行任务的设备的优先级,例如可以在设备出厂时预置或者由用户在使用过程中预置。该预置的设备优先级可以存储在云端服务器,也可以存储在通信系统10的任意一个或多个设备中。例如,该预置的设备优先级由高到底可以是:有屏音箱、无屏音箱、智慧屏、车机、手机、PAD、手表。
具体实现中,中控设备可以根据预置的设备优先级,优先选择优先级高的设备中的服务类可组合能力来为执行上述待执行任务。
策略9,用户的注意力优先。
注意力是指用户对外部世界的观察,对周遭环境的感知。
用户注意力所在的设备是焦点设备,是用户的人脸、视线及身体所关注的设备。
在本申请一些实施例中,中控设备可以选择用户注意力所在的设备中的服务类可组合能力来为执行上述待执行任务。
中控设备可以利用通信系统10中一个或多个设备采集到的环境信息来确定用户的注意力所在的设备。环境信息可以是单一模态信息,也可以是多模态信息的组合。例如,环境信息可包括以下任意一种或多种:位置信息、文字、音频、视频等等。
具体的,中控设备确定用户注意力所在设备的方法,具体可包括以下几种:
(1)中控设备利用具备摄像头的B设备采集的图像来确定用户注意力所在的设备。
在第(1)种方法中,具备摄像头的B设备也可以被称为第四设备。
参考图8A,如果B设备采集到的图像包含A设备和用户,即A设备和用户都在B设备视野内,则中控设备可通过以下流程来确定用户的注意力在A设备上:
计算用户在B设备相机坐标系下的世界坐标Location_user(Xu,Yu,Zu);
计算A设备在B设备相机坐标系下的世界坐标Location_A(XA,YA,ZA);
计算用户在B设备相机坐标系下的视线方向Direction_Gaze(Pitchu,Yawu,Rawu)。
之后,可通过以下任意一种方法计算用户的注意力是否在A设备上:
方法一:计算用户到A设备的方向矢量与视线方向的方向相似度,若该方向相似度大于阈值,则确定用户的注意力位于A设备上。
具体的,可以先计算用户到A设备空间矢量Direction_user2A(XA-Xu,YA-Yu,ZA-Zu),然后使用相似度度量方法如余弦相似度、欧式距离等,计算用户到A设备的方向矢量与视线方向的方向相似度。
方法二:计算用户的视线在A设备任意坐标平面上的落点与A实际坐标的距离,若该距离小于阈值,则确定用户的注意力位于A设备上。
具体的,以A的xy平面为例,用户视线在A_xy平面上的落点为ZA′_B,计算ZA与ZA′的距离,其他平面的计算方法相同。
(2)中控设备利用具备麦克风的A设备,和,具备麦克风和摄像头的B设备,确定用户注意力所在的设备。
在第(2)种方法中,具备麦克风的A设备也可以被称为第四设备,具备麦克风和摄像头的B设备也可以被称为第五设备。
参考图8B,如果B设备采集到的图像包含用户但不包含A设备,即用户在B设备视野内但A设备不在B设备视野范围内,则中控设备可通过以下流程来确定用户的注意力在A设备上:
B通过声源定位,定位到在B坐标系下A的方位α1;
A通过声源定位,定位到在A坐标系下用户的方位β1;
B通过视觉检测,定位到用户在B坐标系下的坐标(x1,y1);
根据(x1,y1)、α1、β1,即已知三角形的2个角和1条边,可以求解出(x2,y2),即B坐标系下A的坐标,从而建立A坐标系和B坐标系之间的关系。
进而可以采用上一场景中的方法,将B设备所检测的用户视线方向,转换映射到A坐标系下,并采用场景(1)中的方法,计算用户的注意力是否在A设备上。
(3)中控设备利用具备摄像头的A设备和B设备,确定用户注意力所在的设备。
在第(3)种方法中,具备摄像头的A设备也可以被称为第四设备,具备摄像头的B设备也可以被称为第五设备。
在一些实施例中,参考图8C,如果A设备采集到的图像包括B设备,B设备采集到的图像包括用户,即B设备在A设备的视野内且用户在B设备的视野内,则中控设备可通过以下流程来确定用户的注意力在A设备上:
RA→B和TA→B为将A坐标系下的坐标向量(如normA=(x1,y1,z1)),转换为B坐标系下的坐标向量(如normB=(x2,y2,z2))的变换矩阵:normB=normA·RA→B+TA→B;
用户与B的转换关系Ruser→B,Tuser→B;
计算用户在B坐标系下的视线方向GazecoordB;
然后求用户人脸到A坐标系的转换关系:
normB=user*Ruser→B+Tuser→B
normA=normB*RB→A+TB→A
=user*Ruser→B*RB→A+Tuser→B*RB→A+TB→A
可以得到:
Ruser→A=Ruser→B*RB→A
Tuser→A=Tuser→B*RB→A+TB→A
之后,可得用户视线在A坐标系下的表示:
GazecoordA=GazecoordB*Ruser→A+Tuser→A
然后可以判断用户的视线落点是否在A设备上,若是,则可以确定用户的注意力在A设备上。
在另一些实施例中,参考图8D,如果A设备采集的图像不包括用户,B设备采集的图像包括用户,即用户不在A设备的视野内但在B设备的视野内,并且A设备与B设备视野有交集,则中控设备可通过以下流程来确定用户的注意力在A设备上:
A、B通过特征点匹配/图像匹配等方式,确定二者视野有重叠;
A、B分别通过深度估计得到匹配点在各自坐标系下的世界坐标;
通过A、B坐标系下的共点,利用对极约束,计算A、B两个坐标系的转换关系;
B通过视觉检测,计算得到用户在B坐标系下的世界坐标和视线方向;
得到A在B坐标系下的世界坐标;
在建立了A坐标系和B坐标系之间的空间映射关系后,可以将B坐标系下的用户世界坐标和视线方向,映射到A坐标系下。然后可以利用场景(1)中的方法,计算用户的注意力是否在A设备上。
上述策略9中的A设备和B设备,可以是通信系统10中的任意设备,也可以是中控设备根据一定策略选择的第一设备,这里不做限定。
可见,通过上述策略9,可以选择用户注意力所在的设备中的服务类可组合能力来执行上述待执行任务,使交互方式更加自然,也更符合用户的需求。此外,用户也可以通过调整视线,触发虚拟聚合设备选择自己注意力所在的设备来执行上述待执行任务。
使用上述几种确定用于执行上述待执行任务的服务类可组合能力的策略,在针对某个模态的待执行任务具备多个或多端(即多设备)可用的可组合能力的情况下,可以有效地筛选出合适的服务类可组合能力来执行该待执行任务。
不限于上述列举的几种策略,本申请实施例还可以使用其他策略来选择服务类可组合能力执行上述待执行任务。例如,中控设备还可以选择距离中控设备较近设备中的服务类可组合能力来执行上述待执行任务,或者,选择最近和中控设备有交互的设备中的服务类可组合能力来执行上述任务。
中控设备在虚拟聚合设备中选择的用于执行上述待执行任务的部分或全部服务类可组合能力,可以被称为第二可组合能力,第二可组合能力所在的物理设备即为第三设备。
第二可组合能力的数量可以为一个或多个。第三设备的数量也可以为一个或多个。举例说明,在家庭范围中,中控设备可以将智慧屏、智能音箱确定为第三设备,并触发智慧屏播放图像,触发智能音箱播放音频。
也就是说,中控设备可以在虚拟聚合设备中,选择具备执行上述待执行任务的能力的部分或全部设备作为第三设备。
在一些实施例中,在不同的场景(例如家庭范围和办公室)下,针对相同的待执行任务,用于执行该待执行任务的第二可组合能力和第三设备也可以不同。
如果中控设备在S105中配置了虚拟聚合设备,则该虚拟聚合设备中的第二可组合能力已经提前做好了启动的准备,因此,在S108中,中控设备可以快速、方便地触发第三设备启动该第二可组合能力来执行上述待执行任务。可见,通过配置虚拟聚合设备,可以提高通信系统10执行S108的效率,从而更好地为用户提供服务。
在本申请实施例中,S108可以延时执行。在一些实施例中,S108也可以不执行。
在本申请实施例中,中控设备可以通过设备间的连接,通过发送通知消息(如广播、组播)等方式,触发第三设备启动第二可组合能力来执行上述待执行任务。具体的,中控设备可以根据上述筛选可组合能力的结果,将执行待执行任务的指令分发给各个可组合能力所在的第三设备,触发该第三设备按照多个待执行任务之间的执行关系来执行对应的待执行任务。
在本申请的一些实施例中,S107中第三设备确定用户意图对应的待执行任务后,可以将该待执行任务通知给第三设备,以供第三设备启动第二可组合能力来执行上述待执行任务。这里,中控设备可以在确定第三设备后,将其告知第二设备,便于第二设备将该待执行任务通知给第三设备。
在本申请的另一些实施例中,如果中控设备获知了用户意图对应的待执行任务,则可以由中控设备直接触发或通知该第三设备执行上述待执行任务。
下面列举几个示例:
示例1:
参考图9,图9示出了示例1的场景。
如图9所示,假设小孩在客厅看电视并操作,母亲在房间工作并用客厅智慧屏摄像头看护孩子。此时的虚拟聚合设备可以包括:客厅和房间设备(这个例子中涉及客厅的智慧屏和音箱,房间的手机,以及环境中人员位置定位能力的相关设备)中组件能力的集合。初始时,虚拟聚合设备调度客厅智慧屏的相关能力服务于孩子看电视的需求。同时,由于母亲在房间,所以虚拟聚合设备需要配置相关的能力(如手机的能力)以准备感知母亲的请求。
如果母亲在房间对着手机说“看看客厅的情况”,智慧助手可以识别到“看客厅”的意图,并将其拆分为观看客厅摄像、收录客厅声音、播放客厅的声音等三个模态的待执行任务。
当前环境中有多个能力组件可能用于执行相关任务。例如:
视觉类:在虚拟聚合设备可选的能力组件包括智慧屏、手机的摄像能力;
音频类:可选的能力组件包括智慧屏、手机、音箱的音频能力;
显示类:可选的能力组件包括了智慧屏、手机的显示能力;
智慧助手在选择对应设备执行待执行任务时,可以选择以下可组合能力来执行上述待执行任务:
音箱的拾音能力。在客厅内,因为孩子正在看电视,而且可能会与智慧屏进行语音交互,所以智慧屏的显示、放音和拾音能力已经被占用,不在考虑范围。所以智慧助手可以选择其它能力,例如可以选择音箱提供的拾音能力。
智慧屏的摄像能力。虽然智慧屏的部分能力被占用,但其摄像能力处于空闲可用状态,而且是客厅内该类能力的唯一选择,所以选择了该能力执行任务。
手机的播放能力。出于房间中只有手机可用,或者因为用户正在与手机交互(发出该指令)等原因,智慧助手可选择手机来播放音频。
上述示例支持母亲在智慧屏部分可组合能力被占用的情况下,使用闲置的可组合能力获得客厅的视觉情况。通过上述方式,可以解决可组合能力分配的冲突问题,实现了一个物理设备划分出多个可组合能力分别服务于不同的任务。即,本申请实施例支持各个设备按照可组合能力进行管理和服用,并且允许多用户同时使用同一设备的不同可组合能力。
示例2:
假设虚拟聚合设备包括:客厅和房间设备中可组合能力的集合。在房间里的手机接到用户亲人的来电,智慧助手可以识别到“接听电话”的意图。智慧助手可先把“接听电话”的意图分解成播放音频的待执行任务。对于播放音频任务,虚拟聚合设备可选的可组合能力包括:(1)手机上的音频可组合能力;(2)音箱上的音频可组合能力;(3)大屏的音频可组合能力。智慧助手可根据匹配度选择合适的可组合能力执行播放音频的待执行任务。例如,由于手机在若干时间内没有被用户使用,可见手机不是用户想要的用于执行待执行任务的设备,大屏正在播放音频,音箱内的音频可组合能力是较为合适的提供放音能力的可组合能力。因此,智慧助手可将播放音频的待执行任务分发至音箱的音频可组合能力中,同时分发调节音量的任务给与其冲突的能力组件。
通过上述步骤S107-S108,虚拟聚合设备能够把用户意图分拆成多个待执行任务,再将其分发至虚拟聚合设备中不同的可组合能力,能够充分利用虚拟聚合设备的能力为用户提供范围更广且环绕式的服务。
在上述图3所示的基于多设备提供服务的方法中,第一设备、第二设备、第三设备可能包括相同的设备,也可能包括不同的设备。类似的,第一资源、第二资源、第三资源中的任意一项或多项,可能全部来自同一设备,也可能全部或部分来自不同的设备。第一资源、第二资源、第三资源中的任意多项,可能相同,也可能不同。第一可组合能力、第二可组合能力、第三可组合能力中的任意一项或多项,可能全部来自同一设备,也可能全部或部分来自不同的设备。第一可组合能力、第二可组合能力、第三可组合能力中的任意多项,可能相同,也可能不同。
实施图3所示的基于多设备提供服务的方法,无需依赖不同设备上各个单独语音助手之间的指令信息交换来执行跨设备的任务,而是通过中控设备统一调度系统内资源,把已识别的用户意图分解成待执行任务,将其分发至合适的可组合能力执行。采用该技术方案,一方面能突破流程式单点的执行方式,提供环绕式的服务,达到一设备两用的效果;另一方面,也考虑了用户意图和实时的场景感知信息。相对于现有技术,该方法可以降低协作成本,同并支持多样化,个性化的任务分发。
在本申请实施例中,通信系统10还可以基于全局上下文来执行上述方法。
首先,介绍一种基于全局上下文的交互方法。该交互方法可以应用于前述的S107-S108步骤中。
具体的,该方法可以基于第一设备上的第一可组合能力接收到多轮交互输入。上述多轮交互输入可以来自于单个设备,也可以来自于多个设备。第一可组合能力可以分析上述接收到的多轮交互输入,以获取到全局上下文。然后,第三可组合能力可基于该全局上下文,确定出用户的意图,进而使得虚拟聚合设备选择合适的第二可组合能力执行用户意图对应的任务。其中,全局上下文中的全局可以指的是通信系统10包括的所有已连接设备,例如,当通信系统10所包括的设备是用户家庭中的所有已连接设备时,则全局为上述用户家庭中的所有已连接设备。全局上下文指的是在通信系统10包括的所有已连接设备中,各交互类可组合能力检测到的设备状态信息、环境信息和/或用户信息,例如,设备状态信息可以是指电子设备的电池状态、电子设备的使用情况和电子设备中的可组合能力是否可以使用等设备状态;环境信息可以是指可组合能力检测到的温度变化、光照变化和该区域内生物活动情况等环境状态;用户信息可以是指用户输入的语音信息、用户输入的手势信息和用户的习惯等用户的显式意图输入或隐式意图输入。
对于多设备场景,通过该交互方法使得虚拟聚合设备获取到来自多设备的交互输入和交互历史,对于全局上下文进行统一管理,可以使得通信系统10基于上述全局上下文更为清楚地识别出用户的真实意图,提高跨设备控制的效率。
下面,以多设备场景包括大屏、手机、智能手表、智能音箱和门铃为例,结合附图对本申请实施例提供的基于全局上下文的交互方法进行示例性说明。
如图10A所示,本申请实施例中一种可能的多设备场景可以包括:大屏110、手机120、智能音箱130、智能手表140和门铃150等。其中,大屏110位于客厅,手机120和智能音箱130位于用户所在的卧室,智能手表140穿戴于用户的手臂上,门铃150位于客厅大门。此时,客厅大门外有一名快递员正在触发门铃150。各设备间可以通过有线或无线的方式连接以用于进行设备间的数据交互。在该多设备场景下,全局指的是上述所列举的大屏110、手机120、智能音箱130、智能手表140和门铃150。上述各设备所具有的可组合能力可以包括于覆盖上述房间区域的通信系统10中。示例性的,可组合能力可以包括近场语音输入能力、远场语音输入能力、用户生理信号检测能力(例如,脑电检测、肌电检测和心率检测等等)、一个或多个传感器、语音识别能力、设备状态检测能力、音乐播放能力、视频播放能力等等。在该示例场景下,上述多个设备中的部分或全部可组合能力可以组成虚拟聚合设备。在该虚拟聚合设备中,以大屏110为中控设备,也即是说,在包括大屏110、手机120、智能音箱130、智能手表140和门铃150中一个或多个可组合能力的通信系统10中,大屏110可以对大屏110、手机120、智能音箱130、智能手表和门铃150上的各可组合能力进行调度和控制。虚拟聚合设备可以基于上述各可组合能力获取到全局上下文,并对该全局上下文进行统一管理,以基于该全局上下文确定出用户的意图,选择并控制合适的可组合能力执行相应功能。
需要说明的是,上述图10A所示的多设备场景仅仅用于示例性说明本申请实施例,并不对本申请构成任何限制。该多设备场景还可以包括更多的电子设备,例如:冰箱、空调、电脑等,本申请对多设备场景中包括的设备不作限制。
基于上述图10A示例性所示的多设备场景,结合图10B所示的流程图,介绍该交互方法中全局上下文的获取以及应用方式。其中,下述中的第一可组合能力可以为第一资源,第二可组合能力可以为第二资源,第三可组合能力可以为第三资源,第一事件可以是门铃输入事件。
首先,介绍全局上下文的获取方式。
S1001、第一可组合能力接收多轮交互输入。
具体的,在本申请实施例中,可以由第一设备上的第一可组合能力接收多轮交互输入,各轮交互输入可以包括该轮交互输入的相关信息(例如,该轮交互输入的发生时间、该轮交互输入对应的电子设备可组合能力和该轮交互内容等)。第一设备的数量可以是一个或多个。第一可组合能力可以是第一设备上所具有的一个或多个交互类可组合能力。其中,交互类可组合能力所包括的类型可以如图4所示。
关于中控设备在虚拟聚合设备的交互类可组合能力中,任意选择或者根据一定策略来选择部分交互类可组合能力来检测特定事件,可以参考前述中的说明,在此不再赘述。
示例性的,以前述图10A所示的多设备场景为例,当前虚拟聚合设备所配置的交互类可组合能力可以包括:近场语音输入能力、远场语音输入能力、用户生理信号检测能力(例如,脑电检测、肌电检测和心率检测等)等等。上述交互类可组合能力可以接收到来自门铃150检测到触发门铃输入和检测到客厅大门外来人的输入,来自大屏110检测到客厅内没有人的输入,来自智能手表140基于用户心率检测的用户正在熟睡的输入,来自手机120检测到手机120电池电量充足状态的输入、手机120播放能力可用的输入以及手机120在30分钟前使用过的输入。也即是说,上述多轮交互输入来自大屏110的交互类可组合能力(例如,视角交互类可组合能力能力、语音交互类可组合能力等)、手机120的交互类可组合能力(例如,触控交互类可组合能力、姿态交互类可组合能力等)、智能手表140的交互类可组合能力(例如,生理信号交互类可组合能力等)和门铃150的交互类可组合能力(例如,触控交互类可组合能力等)等多个设备上的交互类可组合能力。上述多轮交互输入可以具有多种不同的模态,例如,门铃150中触发门铃的输入的交互模态可以为门铃触发事件,大屏110中客厅没有人的输入的交互模态可以为视角交互输入,智能手表140中用户正在熟睡的输入的交互模态可以为生理信号交互输入等等。
S1002、第三可组合能力分析上述接收到的多轮交互输入,获取全局上下文。
具体的,第二设备可以通过第三可组合能力按照各轮交互输入发生时间的先后顺序进行分析,以确定出全局上下文。其中,全局上下文可以包括以下一项或多项:接收到各轮交互输入的时间、接收到各轮交互输入的第一可组合能力、各轮交互输入的交互内容、各轮交互输入的交互内容、各轮交互输入对应用户的生理特征信息、第一可组合能力所属电子设备的设备信息(也即是第一设备)、或所述交互输入控制的目标设备的设备信息。
其中,该全局上下文可以存储在指定设备上。该指定设备可以是虚拟聚合设备中的中控设备。在一种可能的实现方式中,若中控设备存储空间不足,不能够存储全局上下文时,该全局上下文可以存储在存储资源宽裕的非中控设备中(例如,图10A所示的手机120或智能音箱130等)。该存储有全局上下文的非中控设备可以提供访问该全局上下文的程序和/或接口,以使得第三可组合能力可以基于该全局上下文确定出用户的意图。
示例性的,以图10A所示的多设备场景为例,第一设备可以是大屏110。第一可组合能力获取的全局上下文可以如表4所示:
表4
如表4所示,标识为“1”的交互输入发生时间为13:03:12,其对应的电子设备可组合能力是门铃150的按键输入能力,交互内容是触发门铃;标识为“2”的交互输入发生时间为13:03:14,其对应的电子设备可组合能力是大屏110的红外图像检测能力,交互内容是客厅内没有人;标识为“3”的交互输入发生时间为13:03:16,其对应的电子设备可组合能力是智能手表140的心率输入能力,交互内容是用户正在熟睡等等。
上述包括如表4所示标识为“1”、“2”和“3”的多轮交互输入的全局上下文,可以存储在图10A所示多设备场景中的中控设备即大屏110上。
在获取到全局上下文后,第二设备可以通过第三可组合能力,基于上述全局上下文识别出用户意图,将用户意图拆分为待执行任务,并使得虚拟聚合设备将该待执行任务映射到合适的第二可组合能力中。具体流程可以如下述S1003-S1005所示。
S1003、第三可组合能力基于全局上下文,确定出用户意图。
具体的,第二设备可以通过第三可组合能力,基于上述获取到的全局上下文,识别出第一事件所表征的用户意图。
示例性的,以图10A所示的多设备场景为例,第二设备可以是大屏110。大屏110可以基于所获取到的全局上下文,识别出当前的环境状态为客厅大门有来人且触发门铃输入,客厅内没有人物活动,当前用户的状态为正在熟睡中,当前手机120的状态为电池电量充足,播放能力可用且30分钟前该手机120被用户使用过。因此,大屏110可以通过第三可组合能力,基于上述全局上下文确定出第一事件,也即是门铃输入事件所表征的用户意图为“提醒用户客厅大门外有人请求开门”。
S1004、第三可组合能力将上述用户意图拆分为待执行任务。
具体的,第二设备可以通过第三可组合能力将上述用户意图拆分为待执行任务,以便于虚拟聚合设备将待执行任务映射到合适的第二可组合能力上。
示例性的,以图10A所示的多设备场景为例,上述步骤S1003确定出的用户意图为“提醒用户客厅大门外有人请求开门”。大屏110可以通过服务应答组件中的任务映射模块将该用户意图拆分为多个任务,例如,输出振动提醒用户的任务、播放门外画面的任务、输出门铃提示音任务等等。
S1005、虚拟聚合设备将上述待执行任务映射到第二可组合能力。
具体的,虚拟聚合设备可以基于确定出的用户意图和/或待执行任务,选择第三设备中合适的第二可组合能力执行待执行任务。其中,第三设备的数量可以是一个或多个。
示例性的,以图10A所示的多设备场景为例,大屏110可以将S1004中确定出的待执行任务映射到一个或多个第三设备中的第二可组合能力。例如,第二可组合能力可以是智能手表140中的马达振动能力、手机120中的音乐播放能力和手机120中的视频播放能力。智能手表140可以基于马达振动能力输出振动提醒,手机120可以基于音乐播放能力以音量由弱到强的方式输出门铃提示音,手机120基于视频播放能力输出根据门铃150获取到的客厅大门外的图像等等。
在一种可能的实现方式中,当交互信息中存在指代缺失或槽位缺失的情况时,第三可组合能力可以基于存储的全局上下文按照各交互输入的指定顺序(例如,按照各交互输入发生时间的由近及远顺序)进行检索,并基于指定匹配规则对存储的历史交互信息与当前的交互信息进行匹配分析,以作为缺失槽位分析和缺失指代识别的依据,确定出用户的意图。关于该实现方式中具体流程,后续实施例中将详细描述,在此不再赘述。
下面,介绍本申请实施例提供的上述应用于基于全局上下文的交互方法的软件架构。该软件架构可以用于图10C所示的实施例中。
图10C示例性示出了该软件架构的示意图。如图10C所示,该软件架构可以包括:多源输入交互上下文分析模块、多模态意图决策模块、任务序列生成模块、任务管理模块以及任务映射模块。
具体的,当多轮交互输入来自多个电子设备的交互类可组合能力时,多源输入交互上下文分析模块可以接收到该多轮交互输入进行分析,获取全局上下文。当该全局上下文具有多种模态时,多模态意图决策模块可以基于该全局上下文分析出意图识别结果,以确定出用户的意图。然后,任务序列生成模块可以基于该意图识别结果,通过任务管理模块以及任务映射模块控制一个或多个可组合能力执行相应的功能。可选的,当全局上下文为单一模态时,任务序列生成模块可以基于该全局上下文所确定出的用户意图,通过任务管理模块以及任务映射模块控制一个或多个可组合能力执行相应的功能。
在一种可能的实现方式中,当多轮交互输入来自单个电子设备的交互类可组合能力时,多模态意图决策模块可以基于上述多轮交互输入获取到意图识别结果,以确定出用户的意图。然后,任务序列生成模块可以基于该意图识别结果,通过任务管理模块以及任务映射模块控制一个或多个可组合能力执行相应的功能。
本申请实施例提供的基于全局上下文的交互方法,可以使得虚拟聚合设备基于用户指令和跨设备接收到的用户状态信息、设备状态信息和/或环境状态信息,更为精确地识别出用户的意图。同时,也可以使得虚拟聚合设备基于上述接收到的用户状态信息、设备状态信息和/或环境状态信息,提前动态调整和优化可组合能力部件的组合配置,缩短涉多设备场景下指令响应的时延,并能支持主动服务和后续实施例中长时任务的实现。
需要说明的是,本申请实施例提供的上述软件架构仅仅用于示例性解释本申请,在实际应用中,软件架构中可以包括比本申请实施例提供的更多或更少的模块,也可以包括其他模块,各模块之间也可以有不同于本申请实施例的组合与信息交互,本申请对此不作限制。
接下来,介绍申请实施例提供的一种基于指定匹配规则对存储的历史交互信息与当前的交互信息进行匹配分析的方法。以图10A所示的多设备场景以及交互输入是语音对话交互为例,图11示例性示出了本申请实施例提供的该匹配分析方法的具体流程。在本实施例中,交互输入可以包括历史输入和当前输入。全局上下文可以基于上述历史输入和当前输入生成。因此,全局上下文可以包括历史交互信息和当前轮交互信息。与当前轮交互信息相关联的历史交互信息可以被称为第一历史交互信息。在交互输入是语音对话交互的示例中,历史输入可以是历史语音对话输入,当前输入可以是当前语音对话输入,历史交互信息可以是历史对话的对话信息,当前轮交互信息可以是当前轮对话的对话信息。第一事件可以是当前语音对话交互事件。
如图11所示,该方法具体可以包括:
S1101、第一可组合能力获取用户与第一设备进行语音对话交互时当前轮对话的对话信息。
具体的,第一设备可以基于第一可组合能力(例如,语音输入能力)获取当前轮对话的对话信息。
示例性的,当用户与手机120进行对话时,则第一设备可以是手机120,第一可组合能力可以是手机120上的近场语音输入能力。第一可组合能力可以获取用户与手机120进行对话时当前轮对话的对话信息。
该步骤中用户与第一设备进行对话时当前轮对话的对话信息可以包括:当前轮对话的对话内容、当前轮对话发生的时间、当前轮对话发生的地点、第一设备的设备信息(例如设备名称、设备标识等)、当前轮对话想要控制的目标设备的设备信息、发出当前轮对话的用户的生理特征信息等。可选的,当当前轮对话中没有明确指示想要控制的目标设备时,则在当前轮对话的对话信息中,当前轮对话想要控制的目标设备的设备信息可以为空。其中:
当前轮对话的对话内容可以包括当前轮对话中用户的输入信息,该输入信息可以是用户发出的一句或多句语音,或者,也可以是用户发出的一句或多句语音转换的文本/文字信息。可选的,当前轮对话的对话内容还可以包括当前轮对话中第一设备回复用户的语音或文字。
当前轮对话发生的时间可以是指当前轮对话中第一设备接收到用户的输入的语音信息的时间。
当前轮对话发生的地点可以是第一设备所在的地点。以用户与手机120进行当前轮对话为例,则该当前轮对话发生的地点可以是手机120所在的卧室。
第一设备的设备信息可以是指与用户进行对话交互的电子设备的设备信息。例如,当用户与手机120进行当前轮对话时,上述电子设备的设备信息即是手机120的设备信息。
当前轮对话想要控制的目标设备的设备信息可以是指当前轮对话中用户的输入信息实际控制的目标设备的设备信息。例如,若上述用户与手机120进行当前轮对话,发出语音指令“停止播放大屏”,则上述目标设备的设备信息可以是大屏110的设备信息。在一种可能的实现方式中,若上述用户与手机120进行当前轮对话,发出语音指令“停止播放”,则当前轮对话想要控制的目标设备的设备信息可以为空。
发出当前轮对话的用户的生理特征信息可以是用户的声纹信息、用户的人脸画像等。例如,以上述用户与手机120进行当前轮对话为例,则当前轮对话的用户的生理特征信息即为当前与手机120进行语音交互的用户的声纹信息。
S1102、第三可组合能力获取虚拟聚合设备中历史对话的对话信息。
具体的,第二设备可以基于第三可组合能力获取虚拟聚合设备中历史对话的对话信息。
示例性的,以图10A所示的多设备场景为例,第三可组合能力可以获取到上述图10A场景中存储于虚拟聚合设备上的历史对话的对话信息。该历史对话的对话信息可以来自于大屏110的语音输入能力、手机120的语音输入能力、智能音箱130的语音输入能力、智能手表140的语音输入能力和门铃150的语音输入能力等等。也即是说,当用户与上述各设备上的语音输入能力进行对话交互时,第三可组合能力可以获取到经由各设备接收到的对话信息,并将上述对话信息存储在虚拟聚合设备中(例如,可以存储在虚拟聚合设备的中控设备即大屏110中)。
在该步骤中,第三可组合能力可以获取到一轮或多轮历史对话的对话信息。每一轮历史对话的对话信息可以包括:该轮历史对话的对话内容、该轮历史对话发生的时间、该轮历史对话发生的地点、接收该轮历史对话的电子设备的设备信息(例如,设备名称、设备标识等)、该轮历史对话想要控制的目标设备的设备信息、发出该轮历史对话的用户的生理特征信息等等。其中:
该轮历史对话的对话内容可以包括该轮历史对话中用户的输入信息,该输入信息可以是用户发出的一句或多句语音,或者,也可以是用户发出的一句或多句语音转换的文本/文字。可选的,每一轮历史对话的对话内容还可以包括该轮历史对话中语音输入能力组件所属电子设备回复用户的语音或文字。
该轮历史对话发生的时间可以是指接收该轮历史对话的时间。
该轮历史对话发生的地点可以是接收该轮历史对话的设备所在的地点。例如,以图10A所示的多设备场景为例,若接收到某轮历史对话的设备为大屏110,该大屏110所处地点为客厅,则该轮历史对话发生的地点可以为客厅。
接收该轮历史对话的电子设备的设备信息可以是与用户进行该轮历史对话的电子设备的设备信息。例如,当用户与大屏110已进行过某轮历史对话,则上述电子设备的设备信息即是大屏110的设备信息。
该轮历史对话想要控制的目标设备的设备信息可以是指该轮历史对话中用户的输入信息实际控制的目标设备的设备信息。例如,若上述用户与大屏110已进行过某轮历史对话,发出的语音指令为“打开大屏”,则上述目标设备的设备信息可以是大屏110的设备信息。
发出该轮历史对话的用户的生理特征信息可以是用户的声纹信息、用户的人脸画像等。例如,以上述用户与大屏110已进行过某轮历史对话为例,则该轮历史对话的用户的生理特征信息即为该轮历史对话中与大屏110进行语音交互的用户的声纹信息。
S1103、第三可组合能力基于当前轮对话的对话信息,从上述获取到的一轮或多轮历史对话的对话信息中匹配得到与当前轮对话的对话信息相关的历史对话的对话信息。
其中,在本实施例的示例中,与当前轮对话的对话信息相关的历史对话的对话信息可以被称为第一历史交互信息。
具体的,该步骤中基于当前轮对话,从上述获取到的一轮或多轮历史对话信息中匹配得到当前轮对话信息相关的历史对话的对话信息的流程,可以包括:按照指定的匹配规则,将获取到的一轮或多轮历史对话的对话信息与当前轮对话的对话信息进行比较匹配,得到与当前轮对话的对话信息相关的历史对话的对话信息。
示例性的,在一种可能的实现方式中,具体的指定匹配规则可以如下述规则1、规则2、规则3、规则4和规则5所述。对于获取到的一轮或多轮历史对话,当某轮历史对话的对话信息与当前轮对话的对话信息满足下述的一条或多条规则时,则第三可组合能力可以确定出该轮历史对话的对话信息与当前轮对话的对话信息相关。其中:
规则1、该轮历史对话中用户的生理特征信息与当前轮对话中用户的生理特征信息相同,则第三可组合能力可以确定基于该轮历史对话识别出的用户与基于当前轮对话识别出的用户是同一个用户。也即是说,与触发当前轮对话输入的第一用户相关的历史对话的对话信息可以被视为第一历史交互信息。
规则2、该轮历史对话发生时间与当前轮对话发生时间的间隔时间小于时长1(也可以被称为第一时长),且接收该轮历史对话的电子设备(也可以被称为第六设备)的设备信息与第一设备的设备信息相同。其中,时长1可以是3分钟、5分钟等,本申请对时长1的具体大小不作限制。满足于该规则的历史交互信息可以被视为第一历史交互信息。
规则3、该轮历史对话发生时间与当前轮对话发生时间的间隔时间小于时长2(也可以被称为第一时长),且接收该轮历史对话的电子设备(也可以被称为第六设备)是第一设备的近场设备。其中,时长2可以是3分钟、5分钟等,时长2的大小可以和时长1的大小相同,也可以和时长1的大小不同,本申请对此不作限制。满足于该规则的历史交互信息可以被视为第一历史交互信息。
规则4、该轮历史对话发生时间与当前轮对话发生时间的间隔时间小于时长3(也可以被称为第二时长),且该轮历史对话所控制的目标设备的设备信息与当前轮对话想要控制的目标设备的设备信息相同。其中,时长3可以是3分钟、5分钟等,时长3的大小可以和时长1/时长2的大小相同,也可以和时长1/时长2的大小不同,本申请对此不作限制。也即是说,当在第二时间接收到的历史交互信息的目标设备为所述当前轮交互信息的目标设备,并且,第二时间与接收所述当前轮交互信息的时间的间隔小于第二时长时,该历史交互信息可以被视为第二历史交互信息,该第二历史交互信息包括于第一历史信息。
规则5、该轮历史对话发生时间与当前轮对话发生时间的间隔时长小于时长4(也可以被称为第二时长),且该轮历史对话所控制的目标设备为当前轮对话想要控制的目标设备的近场设备。其中,时长4可以是3分钟、5分钟等等。时长4的大小可以和时长1/时长2/时长3相同,也可以和时长1/时长2/时长3的大小不同,本申请对此不作限制。也即是说,当在第二时间接收到的历史交互信息的目标设备为所述当前轮交互信息的目标设备的近场设备,并且,第二时间与接收所述当前轮交互信息的时间的间隔小于第二时长时,该历史交互信息可以被视为第二历史交互信息,该第二历史交互信息包括于第一历史信息。
需要说明的是,上述规则1至规则5仅仅用于示例性解释本申请,并不对本申请作任何限制。
其中,上述电子设备的近场设备是指该电子设备可以通过近场识别能力发现的其他电子设备。该近场识别能力可以由电子设备上的近场设备识别模块提供。该近场设备识别模块可以是检测该电子设备与其他电子设备是否连接在相同局域网的能力模块,也可以是基于蓝牙或广播发现能力识别其他电子设备的能力模块。示例性的,手机120和智能音箱130可以分别配置有近场设备识别模块。手机120可以基于手机120上的近场设备识别模块识别出智能音箱130,智能音箱130也可以基于智能音箱130上的近场设备识别模块识别出手机120,则手机120是智能音箱130的近场设备,智能音箱130是手机120的近场设备。
当各设备基于自身的近场设备识别模块识别出对应的近场设备时,虚拟聚合设备可以存储该设备与该设备对应近场设备的设备信息的映射关系。当第三可组合能力基于上述指定匹配规则对当前轮对话的对话信息与某一轮历史对话的对话信息进行匹配时,第三可组合能力可以基于上述映射关系查询第一设备的近场设备信息是否包括接收该轮历史对话的电子设备的设备信息。若是,则接收该轮历史对话的电子设备为第一设备的近场设备。若否,则接收该轮历史对话的电子设备不是第一设备的近场设备。或者,当第三可组合能力基于上述指定匹配规则对当前轮对话的对话信息与某一轮历史对话的对话信息进行匹配时,第三可组合能力可以基于上述映射关系查询当前轮对话想要控制的目标设备的近场设备信息是否包括该轮历史对话实际控制的目标设备的设备信息。若是,则该轮历史对话实际控制的目标设备为当前轮对话想要控制的目标设备的近场设备。若否,则该轮历史对话实际控制的目标设备不是当前轮对话想要控制的目标设备的近场设备。
示例性的,以当前轮对话为Sc,某轮历史对话为So为例。接收Sc的电子设备为第一设备。则按照上述指定匹配规则,将Sc的对话信息与So的对话信息进行匹配的过程可以如下:
当Sc对话信息中用户的声纹信息与So对话信息中用户的声纹信息相同时,则第三可组合能力可以确定出基于Sc对话信息识别出的用户与基于So对话信息识别出的用户是同一个用户,将So对话信息作为Sc对话信息的相关对话信息。
当Sc发生的时间与So发生的时间的间隔时间小于时长1,且接收So的电子设备的设备信息与第一设备的设备信息相同时,则第三可组合能力将So对话信息作为Sc对话信息的相关对话信息。
当Sc发生的时间与So发生的时间的间隔时间小于时长2,且接收So的电子设备是第一设备的近场设备,则第三可组合能力将So对话信息作为Sc对话信息的相关对话信息。
当Sc发生的时间与So发生的时间的间隔时间小于时长3,且So实际控制的目标设备的设备信息与Sc想要控制的目标设备的设备信息相同,则第三可组合能力将So对话信息作为Sc对话信息的相关对话信息。
当Sc发生的时间与So发生的时间的间隔时间小于时长4,且So实际控制的目标设备为Sc想要控制的目标设备的近场设备,则第三可组合能力将So对话信息作为Sc对话信息的相关对话信息。
在一种可能的实现方式中,在多设备场景中,还可以将电子设备划分为公用设备和私有设备。其中,公用设备可以指的是能够被多个用户使用的电子设备,私有设备可以指的是仅仅被某一指定用户使用的电子设备,除该指定用户外的其他用户在未经该指定用户的授权前不会使用该电子设备。基于该多设备场景下公有设备和私有设备的划分,指定匹配规则可以包括如下规则6、规则7、规则8和规则9:
规则6、该轮历史对话中用户的生理特征信息与当前轮对话中用户的生理特征信息相同,接收该轮历史对话的电子设备为公有设备或该用户的私有设备。
规则7、该轮历史对话中用户的生理特征信息与当前轮对话中用户的生理特征信息不同,接收该轮历史对话的电子设备为公有设备。
规则8、该轮历史对话的对话内容为指定服务(例如查询天气、播放新闻等)相关的内容。
规则9、接收该轮历史对话的电子设备和该轮历史对话中实际控制的电子设备都是公有设备。
也即是说,当多设备场景下划分有公有设备和私有设备时,第三可组合能力可以先判断每一轮历史对话是否满足上述规则6至规则9中的任意一种,然后从满足规则6至规则9中任意一种的历史对话根据上述规则1至规则5匹配得到与当前轮对话的对话信息相关的历史对话的对话信息。在一种可能的实现方式中,第三可组合能力判断出某轮历史对话满足规则6或规则7时,可以将该轮历史对话的对话信息确认为与当前轮对话的对话信息相关的历史对话的对话信息。
S1104、第三可组合能力基于匹配出的历史对话的对话信息,识别出当前轮对话的对话信息所表征的用户意图。
其中,在本示例中,第一事件可以是当前语音对话交互事件。当前语音对话交互事件对应有当前轮对话的对话信息。第三可组合能力可以基于匹配出的历史对话的对话信息,识别出当前轮对话的对话信息所表征的用户意图。
在一种可能的实现方式中,若当前轮对话的对话信息中存在指代缺失和/或槽位缺失的情况,则匹配出的历史对话的对话信息可以作为缺失槽位的分析依据和/或缺失指代的识别依据,用以确定出当前轮对话的对话信息所表征的用户意图。示例性的,例如当前轮对话的对话信息包括“订购机票”,该当前轮对话的对话信缺失地点槽位信息。匹配出的历史对话的对话信息包括“查一下北京的天气”。则,基于上述历史对话的对话信息,可以识别出当前轮对话的对话信息中,其缺失的地点槽位信息是“北京”,因此,该当前轮对话的对话信息所表征的用户意图为“订购去北京的机票”。
在另一种可能的实现方式中,匹配出的历史对话的对话信息,可以用于实施图12所示的流程,将该历史对话的对话信息进行编码,与当前轮对话的对话信息对应的意图向量进行融合,所得的融合特征输入相关性模型以计算出相关性得分。关于该实现方式的具体流程,可以参考后续图12所示实施例的描述,在此不赘述。
在另一种可能的实现方式中,匹配出的历史对话的对话信息,可以用于结合当前轮对话的对话信息扩大用户意图对应关键词的搜索范围,以确定出用户的意图。示例性的,若当前轮对话的对话信息包括“刘德华”,匹配出的历史对话的对话信息包括“晚上看电影”。则该历史对话的对话信息可以有行为关键词“看电影”和时间关键词“晚上”,以及隐含的对应相关的场景关键词“电影院”。该历史对话的对话信息扩大了用户意图对应关键词的搜索范围,结合当前轮对话的对话信息,可以确定出用户意图为“晚上去电影院看刘德华的电影”。
实施例本申请实施例提供的该匹配分析方法,使得虚拟聚合设备可以将历史对话信息与当前轮对话信息进行匹配,基于相关的历史对话信息确定出当前轮对话信息所指示的用户意图,可以提高设备识别出用户意图的效率。同时,引入用户身份的识别,可以在查询历史对话信息中保护用户的隐私。并且,在一种可能的实现方式中,将设备划分为私有设备和公有设备,可共享的历史对话信息类型也可以由用户设置,使得匹配结果更个性化,符合用户的习惯。
接下来,介绍本申请实施例提供的一种基于指定算法(例如,深度学习模型)对存储的历史交互输入指令与当前的交互输入指令进行匹配分析的方法。
以图10A所示的多设备场景以及当前的交互输入指令是语音对话交互指令为例,图12示例性示出了本申请实施例提供的该匹配分析方法的具体流程。在本实施例中,交互输入可以包括历史输入和当前输入。全局上下文可以基于上述历史输入和当前输入生成。因此,全局上下文可以包括历史交互信息和当前轮交互信息。与当前轮交互信息相关联的历史交互信息可以被称为第一历史交互信息。在交互输入是语音对话交互的示例中,历史输入可以是历史语音对话输入,当前输入可以是当前语音对话输入,历史交互信息可以是历史对话的对话信息,当前轮交互信息可以是当前轮对话的对话信息。第一事件可以是当前语音对话交互事件。与当前轮交互信息的相关性大于阈值的历史交互信息可以被视为第一历史交互信息。
如图12所示,该方法具体可以包括:
S1201、第三可组合能力获取用户与第一设备进行语音对话交互时当前轮对话的对话信息。
具体的,关于该步骤的说明可以参考前述图11所示实施例中S1101步骤中的描述,在此不再赘述。
S1202、第三可组合能力将该轮对话的对话信息输入自然语言理解模型中,获取到当前轮对话的对话信息对应的意图向量。
具体的,第二设备可以通过第三可组合能力,基于语音识别(automatic speechrecognition,ASR)技术将从第一可组合能力接收到的当前轮对话的对话信息转换成文本信息,并将其输入自然语言理解模型中。该自然语言理解模型可以基于自然语言理解算法(natural language understanding,NLU),通过分词、词性标注和关键词提取等处理操作,将上述当前轮对话的对话信息输出为电子设备可以理解的结构化语义表示数据,该结构化语义表示数据可以被称为意图向量。其中,该NLU算法可以基于文本化的当前轮对话的对话信息进行意图分类和槽位关键词提取。
示例性的,当第一可组合能力接收到的用户语音指令为“订明天去北京的机票”时,第三可组合能力可以将该语音指令转换成文本信息,然后,可以基于NLU算法进行意图分类和槽位关键词提取,其意图分类结果为“预订机票”,时间槽位关键词提取信息为“明天”,地点槽位关键词提取信息为“北京”。
S1203、第三可组合能力采用预训练的自然语言编码器对一轮或多轮历史对话的对话信息进行编码,得到每一轮历史对话的对话信息对应的编码结果。
具体的,第二设备可以通过第三可组合能力,基于预训练的自然语言编码器对某轮历史对话的对话信息进行编码的过程可以包括如下步骤a)至步骤c)所示:
a)、将该轮历史对话的对话信息还原为自然语言描述的文本,得到该轮历史对话的对话信息对应的文本信息。
b)、将该轮历史对话的对话信息对应的文本信息进行编码,得到该轮历史对话的对话信息对应的多个向量。
c)、计算该轮历史对话的对话信息对应的多个向量的平均值,作为该轮历史对话的对话信息对应的编码结果。
示例性的,图13示例性示出了将某轮历史对话的对话信息进行编码的流程。如图13所示,该轮历史对话的对话信息可以包括:该轮历史对话的对话轮数、该轮历史对话中用户的输入信息、接收该轮历史对话的设备的设备名称、接收该轮历史对话的设备的设备状态、以及接收该轮历史对话的设备的近场设备列表。其中,在该示例中,该轮历史对话的对话轮数为“第一轮”,该轮历史对话中用户的输入信息为“打个电话”、接收该轮历史对话的设备的设备名称为“手机”、接收该轮历史对话的设备的设备状态为“开机”、以及接收该轮历史对话的设备的近场设备列表包括“大屏、手表、音箱”,则对该历史对话的对话信息进行编码时,首先可以将该轮历史对话的对话信息还原为自然语言描述的文本:{“第一轮”,“打个电话”,“手机”,“开机”,“大屏、手表、音箱”},并对{“第一轮”,“打个电话”,“手机”,“开机”,“大屏、手表、音箱”}进行编码,得到该轮历史对话的对话信息对应的多个向量。然后,可以计算多个向量的平均值,得到该轮历史对话的对话信息对应的编码结果。
在一种可能的实现方式中,针对获取到的一轮或多轮历史对话的对话信息,第三可组合能力可以先将上述历史对话的对话信息通过基于规上述图11实施例所示的指定匹配规则的召回引擎,获取到与当前轮对话的对话信息相关的历史对话的对话信息,然后再将该与当前轮对话的对话信息相关的历史对话的对话信息进行编码,以执行下述步骤S1204。
S1204、第三可组合能力将当前轮对话的对话信息对应的意图向量和每一轮历史对话的对话信息对应的编码结果进行融合,得到融合特征。
S1205、第三可组合能力将融合特征输入相关性模型,得到相关性模型输出的当前轮对话的对话信息与每一轮历史对话的对话信息之间的相关性得分。
具体的,图14示例性示出了本申请实施例提供的相关性模型的组成示意图。相关性模型可以包括句对输入编码器、相关性得分网络和关键词提取网络。其中,句对输入编码器可以根据当前轮对话的对话信息对应的意图向量和每一轮历史对话的对话信息对应的编码结果的融合特征进行编码;相关性得分网络可以根据融合特征的编码结果生成当前轮对话的对话信息和每一轮历史对话的对话信息之间的相关性得分;关键词提取网络可以根据融合特征的编码结果,提取每一轮历史对话的对话信息中的关键词。其中,相关性得分网络根据融合特征的编码结果生成当前轮对话的对话信息和每一轮历史对话的对话信息之间的相关性得分,以获取到与当前轮对话的对话信息相关的历史对话的对话信息,可以包括:对每一轮历史对话的对话信息,当该轮历史对话的对话信息与当前轮对话的对话信息之间的相关性得分大于阈值1(例如,0.8)时,确定该轮历史对话的对话信息为与当前轮对话的对话信息相关的历史对话的对话信息。其中,阈值1可以是人为配置的预设值,本申请对阈值1的大小不作限制。
S1206、第三可组合能力基于上述得到的相关性得分,确定出与当前轮对话的对话信息相关的历史对话的对话信息。
其中,在本实施例的示例中,与当前轮对话的对话信息相关的历史对话的对话信息可以被称为第一历史交互信息。
S1207、第三可组合能力基于当前轮对话的对话信息,及与其相关的历史对话的对话信息,识别出用户意图。
具体的,该步骤可以参考前述步骤S1104中的描述,在此不再赘述。
实施例本申请提供的该匹配分析方法,可以将多个设备间的历史对话信息(包括输入文本、设备状态等),统一利用一个自然语言编码器进行编码,从而能够提高了当前轮对话信息与历史对话信息的匹配精确性和效率。并且,将对话信息采用自然语言描述,当新增对话信息时,可以自动生成该对话信息的编码,不需要人工定义字典中的键值对,且该编码可以更好地表征该对话信息的内容。
在一些实施例中,当用户输入的交互信息中包括指代词时,还可以通过指代消解的方法来确定出用户的意图。
在一些场景中,当用户基于对话交互向第一可组合能力发送语音指令或文本指令时,往往会出现用户向第一设备输入的单轮对话中包括连续多个指令的情况。并且,该包括多个指令的单轮对话里,其中的一个或多个指令中包括指代词,例如指代词“这”、“那”、“这里”、“那里”等等。当第三可组合能力基于用户输入的语音指令确定用户意图时,第三可组合能力需要将上述指代词替换成具体的目标对象名称。其中,上述将语音指令中的指代词替换成具体的目标对象名称的应用场景,可以被称为指代消解场景。
因此,本申请实施例可以将上述实施例中的意图分类方法和槽位关键词提取方法应用于指代消解场景中,以使得第三可组合能力能够更准确地确定出用户的意图,并使得虚拟聚合设备基于确定出的用户意图控制对应的第二可组合能力执行相应的功能。
示例性的,以图15所示的多设备场景为例,用户位于卧室内,向手机120发出内容为“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”的单轮语音对话。其中,在该示例中,第一事件可以是用户向手机120发出单轮语音对话的事件。图15所示场景中的各电子设备可以参考图8所示的多设备场景,在此不再赘述。该单轮对话中包括多个指令,分别为“搜索一下新街口的周边美食”、“播放刘德华的忘情水”和“导航到那儿”。该多个指令中的最后一个指令包括有指示代词“那儿”。
下面,结合图15所示的应用场景,介绍本申请实施例提供的一种单轮对话下多指令指代消解的方法。
图16示例性示出了该单轮对话下多指令指代消解方法的具体流程。如图16所示,该方法具体可以包括:
S1301、第一可组合能力接收到用户向第一设备发送的对话交互信息(也可以被称为第一对话信息)。
示例性的,以图15所示的多设备场景为例,该第一设备可以是与用户进行语音对话交互的手机120,第一可组合能力可以是设置在手机120上的语音交互组件。该语音交互组件可以接收到用户向手机120输入的对话交互信息为“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”的当前单轮语音对话。
S1302、第三可组合能力可以将上述对话交互信息划分为多个语义单元,得到语义单元文本列表。
具体的,第二设备可以通过第三可组合能力获取到上述第一可组合能力所接收的对话交互信息。然后,第二设备可以通过第三可组合能力基于多任务对抗学习的智能语义单元识别模型,识别出该对话信息中各语义单元边界,以得到包括对话信息中各语义单元所组成的语义单元文本列表。其中,语义单元也可以被称为指令,多个语义单元中包括第一指令和第二指令,第一指令包括第一指代词。同样的,后续步骤中的S1303-S1307都可以由第二设备通过第三可组合能力执行。
示例性的,如图15场景所示的对话交互信息“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”中,单个语义单元可以是该对话交互信息中的单指令语句“搜索一下新街口的周边美食”等。
如图17A所示,第三可组合能力可以基于如图17B所示的语义单元识别模型,将获取到的对话信息划分为多个语义单元,得到语义单元文本列表的流程。该方法的具体流程可以如下述步骤1)至步骤6)所示:
1)将对话交互信息对应的文本及对应的音频停顿特征输入语义单元识别模型。
其中,音频停顿特征可以指的是:对话交互信息对应文本中的token单元在该对话交互信息相应音频中对应有音频停顿,则为该文本信息中的音频停顿特征。可选的,对话交互信息对应文本中的音频停顿特征可以由值为“1”的编码值表示,其他非音频停顿特征的token单元可以由值为“0”的编码值表示。其中,token单元可以指的是文本中预定义的包含有语义信息的单元。该token单元可以包括单个字、单个词、单个标点和/或单个段落等。
示例性的,以图15所示的多设备场景为例,该对话交互信息对应的文本可以是前述中的“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”其中,该文本中的token单元定义为包括文本中单个字的单元。若用户在输入“食”字token单元的语音时包括有停顿、输入“水”字token单元的语音时包括有停顿、输入“儿”字token单元的语音时包括有停顿,除此外文本中其他token单元的语音没有音频停顿,则上述文本中以值为“1”和“0”的编码值标识该文本的音频停顿特征可以是“00000000000100000000100000001”。
2)针对对话交互信息的文本进行预处理,得到归一化文本。
其中,上述预处理可以包括标点归一化、去除语句中间的标点以及保留缩略词/小数间的标点符号。其中,标点归一化可以指的是删除对话交互信息中语句首部和语句尾部的特殊标点。例如,若对话交互信息的语句中包括“/导航到那儿。/”,则标点归一化这一操作可以将该对话交互信息中语句首部的特殊标点“/”和语句尾部的特殊标点“/”删除,得到语句为“导航到那儿”;去除语句中间的标点可以是删除语句中间特殊标点符号和替换英文单词间的标点符号。示例性的,关于删除语句中间特殊标点符号的示例可以是:若对话交互信息的语句中包括有电话号码“010-65234”,则删除该电话号码中的特殊标点符号“-”,得到该删除上述电话号码间特殊符号后的语句为“01065234”。又示例性的,关于替换英文单词间标点符号的示例可以是:例如,英文单词间标点符号可以被替换成预定义的该标点符号对应的单词,如“&”可以被替换成单词“and”、“\”可以被替换成“or”、“=”可以被替换成“equal”等等。若对话交互信息的语句中包括英文单词“you&me”,该英文单词中间插入有标点符号“&”,则可以将该英文单词中间标点符号替换成预定义的该符号“&”对应的英文单词“and”;示例性的,保留缩略词/小数间的标点符号示例可以是:若对话信息中包括缩略词“e.g.”和/或小数“12.35”,则该缩略词间和小数间的标点符号可以进行保留。
3)去除归一化文本中的标点符号,得到归一化无标点文本。
示例性的,以前述图15中多设备场景中用户向手机120输入的对话交互信息为例,该对话交互信息对应的归一化文本可以是“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”的语句。基于该步骤将上述示例归一化文本去除标点符号后,可以得到该归一化文本对应的归一化无标点符号文本“搜索一下新街口的周边美食播放刘德华的忘情水并帮我导航到那儿”。
4)针对归一化文本和归一化无标点文本进行分词,并计算出归一化无标点文本分词后的token单元在归一化文本中的位移量。
其中,针对归一化文本和归一化无标点文本,可以基于BERT算法进行分词。具体的,BERT算法可以包括BasicTokenizer(也可以被称为BT)分词器和WordpieceTokenizer(也可以被称为WPT)分词器。BT分词器是一个初步的分词器,其流程可以为将待处理的文本转成unicode字符串、去除各种奇怪的字符、处理中文、空格分词、去除多余的字符和标点分词、再次空格分词。WPT分词器可以基于BERT预定义的词汇表,将BT分词器所得到的分词结果进行再一次切分,也即是按照从左到右的顺序,将一个词拆分成多个子词,每个子词尽可能长。可选的,针对中文文本的分词而言,BT分词器已将中文文本分词成了单个字符,因此WPT分词器可以不必将BT分词器输出的结果进行再一次切分。
然后,当归一化文本和归一化无标点文本都进行分词处理后,可以计算出归一化无标点文本中的token单元在归一化文本中的位移量。
5)基于智能语义单元识别模型,对上述步骤中得到的token单元进行计算,输出切分后的语义单元文本。
具体的,针对上述步骤中得到的token单元,智能语义识别模型可以采用4层BERT进行语义编码。智能语义识别模型可以基于上述的语义编码,进行多任务对比学习。其中,该多任务对比学习可以包括语义单元识别任务模块、槽位探测任务模块和任务判别器。其中,语义单元识别任务模块可以基于Softmax函数以及前述中输入的音频停顿特征,判断是否在某个token单元后进行切分。若该token单元需要进行切分,则以字符“E”表示。若该token单元不需要进行切分,则以字符“O”表示。槽位探测任务模块可以基于Softmax函数,判断某个token单元是否属于槽位(例如,时间槽位、地点槽位等等)。若该token单元属于槽位,则可以以值为“1”的编码值表示。若该token单元不属于槽位,则可以以值为“0”的编码值表示。该槽位探测任务模块可以避免槽位中间出现误切现象的发生。任务判别器可以基于Maxpooling函数、Gradient Reversal函数、Dense函数和/或Softmax函数进行多任务对抗学习,识别任务标签,避免共享语义控件从多意图识别任务中学习到任务相关信息。
6)基于上述步骤中切分得到的语义单元文本、以及各token单元在归一化文本中的位移量,得到语义单元文本列表。
示例性的,以图15所示的多设备场景中输入的对话交互信息为例,该对话交互信息对应的文本可以是前述中的“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”该文本经过上述步骤处理后,可以得到语义单元文本列表如下:{“搜索一下新街口的周边美食”}(也可以被称为第二指令)、{“播放刘德华的忘情水”}和{“并帮我导航到那儿”}(也可以被称为第一指令)。
S1303、第三可组合能力基于预定义的指代词词典,识别出语义单元文本列表中包括指代词的语义单元。
具体的,若该语义单元文本中包括有预定义的指代词词典中的指代词,则第三可组合能力可以将该语义单元文本确定为含指代词的语义单元,并且识别出该指代词的类型;若该语义单元文本中不包括预定义的指代词词典中的指代词,则第三可组合能力可以将该语义单元文本确定为不含指代词的语义单元。
示例性的,以图15所示的多设备场景中输入的对话交互信息中,该对话交互信息对应的语义单元文本列表可以如下:{“搜索一下新街口的周边美食”}、{“播放刘德华的忘情水”}和{“并帮我导航到那儿”}。第三可组合能力基于预定义的指代词词典,识别出该语义单元文本列表中包括指代词的语义单元为{“并帮我导航到那儿”},且指代词“那儿”的类型为指示代词,该指代词“那儿”也可以被视为第一指代词;该语义单元文本列表中不包括指代词的语义单元为{“搜索一下新街口的周边美食”}和{“播放刘德华的忘情水”}。其中,上述包括指代词的语义单元可以被称为指代语义单元。
S1304、第三可组合能力基于意图分类模板,识别出各语义单元的意图。
示例性的,以上述图15所示的多设备场景中输入的对话交互信息为例,该场景下的语义单元文本列表中的语义单元分为指代语义单元{“并帮我导航到那儿”},及不包括指代词的语义单元{“搜索一下新街口的周边美食”}和{“播放刘德华的忘情水”}。第三可组合能力可以基于意图分类模板,识别出语义单元{“并帮我导航到那儿”}的意图为“导航地点路线”,该意图可以被称为指代意图;识别出语义单元{“搜索一下新街口的周边美食”}的意图为“搜索美食”,语义单元{“播放刘德华的忘情水”}的意图为“播放音乐”。其中,上述不包括指代词的语义单元的意图“搜索美食”和“播放音乐”可以被称为被指代意图,多个被指代意图可以组成被指代意图列表。
S1305、第三可组合能力基于各语义单元的意图,进行语义单元关联识别并合并关联的语义单元。
具体的,该步骤中的语义单元识别及合并关联的语义单元,可以指的是根据预定义的意图关联模板、指代意图、被指代意图和指代词类型确定出包括指代词的语义单元关联的被指代语义单元,并将两者进行合并。
具体的,意图关联模板的生成可以如下述步骤1)至步骤2)所示:
1)针对每种指代词类型(例如,人称代词、指示代词等),可以根据预定义的意图槽位关联体系中的槽位类型以及该槽位类型对应的意图来判断指代意图和被指代意图的所有可能组合。示例性的,在预定义的意图槽位关联体系中,可以定义槽位类型1(例如,人物槽位类型、地点槽位类型等)对应有意图1,而和槽位类型1相应指代词类型(例如,人物槽位类型对应的人称代词、地点槽位类型对应的指示代词等)对应有意图2。则意图1和意图2的组合可以被视为一种可能的指代意图与被指代意图的组合。其中,意图1可以被称为被指代意图,意图2可以被称为指代意图,
2)从云服务器获取涉及到指代场景的多轮对话交互,并基于该多轮对话交互中统计各指代意图和被指代意图关联出现的概率。若该指代意图和被指代意图关联出现的概率大于阈值2时,则将该指代意图和被指代意图的组合确定为意图关联模板中对应指代词类型的一种组合。其中,阈值2的数值可以是小于1的数值,如0.6、0.7或0.8等。关于阈值2的大小,本申请对此不作限制。例如,以上述步骤1)中的示例为例,若从云服务器获取的涉及到指代场景的多轮对话交互中,意图1和意图2的组合出现的概率大于阈值2,则将该意图1和意图2的组合确定为意图关联模板中槽位类型1相应指代词类型的一种组合。
示例性的,意图关联模板可以如表5所示:
表5
指代词类型 | 被指代意图 | 指代意图 |
指示代词 | 搜索美食 | 导航地点路线 |
预订机票 | 查询天气 | |
…… | …… | |
人称代词 | 播放音乐 | 播放视频 |
…… | …… |
如表5所示,当指代词类型为指示代词时,意图关联模板中的组合可以有被指代意图“搜索美食”和指代意图“导航地点路线”的组合、被指代意图“预订机票”和指代意图“查询天气”的组合等;当指代词类型为人称代词时,意图关联模板中的组合可以有被指代意图“播放音乐”和指代意图“播放视频”的组合等。
需要说明的是,上述表5仅仅用于示例性解释本申请,并不构成对本申请的限制。
示例性的,以上述图15所示的多设备场景中输入的对话交互信息为例,根据预定义的意图关联模板、指代意图、被指代意图和指代词类型,第三可组合能力可以确定出指代语义单元{“并帮我导航到那儿”}对应的被指代语义单元为{“搜索一下新街口的周边美食”}。然后,合并上述两个语义单元{“搜索一下新街口的周边美食,并帮我导航到那儿”}。
S1306、第三可组合能力基于合并后的指代语义单元和被指代语义单元,针对指代词进行指代消解。
具体的,第三可组合能力可以通过并发、串行或batch的方式,基于合并后的指代语义单元和被指代语义单元,针对指代词进行指代消解。也即是说,将语义单元文本列表中的指代词替换为具体的目标对象名称。
示例性的,以上述图15所示的多设备场景中输入的对话交互信息为例,在上述步骤中,指代语义单元{“并帮我导航到那儿”}和被指代语义单元{“搜索一下新街口的周边美食”}已合并为文本{“搜索一下新街口的周边美食,并帮我导航到那儿”}。通过该步骤的指代消解处理后,该文本中的指代词“那儿”可以被替换为具体的地点名称“新街口”。也即是说,指代语义单元{“并帮我导航到那儿”}可以被替换为包括具体地点名称的语义单元{“并帮我导航到新街口”}。
S1307、第三可组合能力基于上述进行指代消解后的指代语义单元,确定出对话交互信息的意图信息和槽位关键词。
其中,第一对话信息中的第一指代词被替换为第二指令对应的对象后,可以获取到第二对话信息。第三可组合能力可以基于该第二对话信息确定出对话交互信息的意图信息和槽位关键词,由此识别出第一事件表征的用户意图。
示例性的,以上述图15所示的多设备场景中输入的对话交互信息为例,第一对话信息可以是“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到那儿。”的对话,经过上述步骤中的指代消解处理流程,第一指代词“那儿”被替换第二指令对应的对象后,获取到的第二对话信息可以是“搜索一下新街口的周边美食,播放刘德华的忘情水,并帮我导航到新街口。”的对话,则该对话交互信息可以包括如下多个具体的单指令语句:a)搜索一下新街口的周边美食;b)“播放刘德华的忘情水”;c)并帮我导航到新街口。交互指令识别模块可以基于上述多个具体的单指令语句,确定出该对话交互信息的意图1为“搜索美食”,该意图对应的地点槽位关键词为“新街口”;意图2为“播放音乐”,该意图对应的人物槽位关键词为“刘德华”,曲目槽位关键词为“忘情水”;意图3为“导航地点路线”,该意图对应的地点槽位关键词为“新街口”。
其中,关于图15示例性所示的对话交互信息基于图16所示的具体方法,最后确定出相应意图和槽位关键词的完整流程,可以如图17C所示。关于该图17C中步骤的描述,可以参考步骤S1301-步骤S1307中的说明,在此不再赘述。
实施例本申请提供的指代消解方法,可以使得虚拟聚合设备在用户输入包括多个指令的单轮对话信息时,更为准确地识别出用户的意图并基于用户意图执行相应的功能,提高了指令识别的效率,为用户提供了更加自然流畅的交互体验。
在本申请实施例中,还可以提供一种实现长时任务的交互和执行方法,应用于上述的S107-S108步骤中。
在一些应用场景中,用户向第一设备所输入的交互指令中,可以包括一个或多个指定的逻辑关系(例如,顺序关系、循环关系、条件关系和布尔逻辑等等)。然后,第三可组合能力可以基于上述的交互指令,识别出用户的服务意图,并基于用户的服务意图和上述交互指令中一个或多个指定的逻辑关系,确定出一个或多个应答子服务信息以及各应答子服务间的逻辑关系。然后,虚拟聚合设备可以将上述一个或多个应答子服务映射至相应的第二可组合能力上,并基于应答子服务间的逻辑关系安排子服务的处理流程,以完成服务意图对应的任务。其中,用户向第一设备输入交互指令可以被称为第一事件,上述包括一个或多个指定逻辑关系的应答子服务所组成的任务,可以被称为长时任务。
示例性的,以图18所示的多设备场景对本方法进行说明。如图18所示,该多设备场景可以包括:智能烧水壶160、智能门锁170和手机180。其中,手机180可以位于用户所在的卧室,智能烧水壶160和智能门锁170可以位于厨房。关于智能烧水壶160、智能门锁170和手机180的硬件结构和软件架构,可以参考前述实施例中的描述,在此不再赘述。上述各设备所具有的可组合能力可以包括于覆盖上述房间区域的虚拟聚合设备中。在该虚拟聚合设备中,以手机180为中控设备,也即是说,在包括智能烧水壶160、智能门锁170和手机180中一个或多个可组合能力的虚拟聚合设备中,手机180可以对手机180、智能烧水壶160和智能门锁170上的一个或多个可组合能力进行调度和控制。在该多设备场景下,用户可以向手机180输入语音指令“烧开水时不要让小孩进入厨房”。
下面,结合图18所示的多设备场景,说明图19A所示的虚拟聚合设备执行长时任务的具体流程。如图19A所示,该流程具体可以包括:
S1401、第一可组合能力获取到用户输入的交互指令并将其转换为文本描述信息。
具体的,第一设备可以通过第一可组合能力接收到用户针对第一设备输入的交互指令。然后,第一可组合能力可以将该交互指令转换为等价的文本描述信息。也即是说,交互指令中用户所输入的描述内容与文本描述信息中用户所输入的描述内容相同。其中,该交互指令可以是语音指令、文本指令或其他形式输入的交互指令,本申请对此不作限制。
示例性的,以图18所示的多设备场景为例,当用户向手机180输入语音指令“烧开水时不要让小孩进入厨房”时,手机180上的近场语音输入能力可以接收到该语音指令,并将该语音指令转换为等价的文本描述信息。其中,该文本描述信息中用户所输入的描述内容和语音指令中用户所输入的描述内容相同,也即是“烧开水时不要让小孩进入厨房”。
S1402、第三可组合能力基于交互指令对应的文本描述信息,确定出用户的服务意图。
具体的,第二设备可以通过第三可组合能力,基于指定算法,从获取到的交互指令对应的文本描述信息确定出用户的服务意图。其中,上述指定算法可以是前述实施例中的NLU算法。本申请实施例对该步骤中交互指令识别模块所采用的算法不作限制。需要说明的是,后续步骤中的S1403-S1405也可以由第二设备通过第三可组合能力执行。
示例性的,以图18所示的多设备场景为例,第二设备可以是手机180。手机180可以通过第三可组合能力获取到上述用户向手机180发出的语音指令对应的文本描述信息。该文本描述信息中用户所输入的描述内容为“烧开水时不要让小孩进入厨房”。第三可组合能力可以通过NLU算法从该文本描述信息中确定出用户的服务意图为“当位于厨房的烧水壶160在烧开水时,智能门锁170、手机180等电子设备禁止小孩进入厨房”。
S1403、第三可组合能力基于服务意图和上述文本描述信息,确定出一个或多个应答子服务信息及各应答子服务间的逻辑关系信息。
具体的,当确定出用户的服务意图后,第二设备可以通过第三可组合能力,基于该服务意图和文本描述信息,通过指定算法,确定出一个或多个应答子服务信息及各应答子服务间的逻辑关系信息。其中,该指定算法可以是前述实施例中的NLU算法,本申请实施例对该步骤中交互指令识别模块所采用的算法不作限制。应答服务子信息可以包括各应答子服务的类型、参数(例如,各应答子服务的内容描述)、执行各应答子服务的可组合能力等信息。各应答子服务间的逻辑关系信息可以包括执行各应答子服务时彼此之间的逻辑依赖关系,例如顺序关系、条件关系、循环关系和布尔逻辑等等。
示例性的,以图18所示的多设备场景为例,手机180可以通过第三可组合能力基于该服务意图和文本描述信息,通过NLU算法确定出的一个或多个应答子服务信息及各应答子服务信息间的逻辑关系信息可以用槽位填充的形式表征,可以如表6所示:
表6
如表6所示,应答子服务1的槽位信息为“检测智能烧水壶160的状态”,对应的可组合能力为“智能烧水壶160状态获取能力”;应答子服务2的槽位信息为“检测小孩”,对应的可组合能力为“人脸识别能力”和“指纹识别能力”;应答子服务3的槽位信息为“阻止小孩进入厨房”,对应的可组合能力为“语音播报能力”和“门锁关闭能力”。各应答子服务间的逻辑关系可以表6所示:应答子服务1和应答子服务2之间具有条件逻辑关系,也即是说,若应答子服务1中智能烧水壶160状态获取能力检测出智能烧水壶160正在烧开水时,即执行应答子服务2,使得人脸识别能力和/或指纹识别能力检测附近是否有小孩;应答子服务2和应答子服务3之间具有条件逻辑关系,也即是说,若应答子服务2中的人脸识别能力和/或指纹识别能力检测出附近有小孩时,则执行应答子服务3,使得语音播报能力发出语音提醒,以及基于门锁关闭能力控制智能门锁170关闭。
需要说明的,上述表6仅仅用于示例性解释本申请,并不构成对本申请的具体限制。
S1404、虚拟聚合设备将各应答子服务对应的任务映射至对应的第二可组合能力。
具体的,基于前述实施例中的多模态决策模块和任务序列生成模块,根据步骤S1403中确定出的一个或个应答子服务信息生成各应答子服务对应的任务。然后,虚拟聚合设备上的智慧助手可以配置并调用已连接的电子设备上合适的第二可组合能力,以执行各应答子服务对应的任务。
可选的,虚拟聚合设备上的智慧助手配置并调用已连接电子设备上用于执行应答子服务对应任务的第二可组合能力,可以参考前述实施例中描述的流程,在此不再赘述。
可选的,可以按照预设的规则选择最适合执行某个应答子服务对应任务的第二可组合能力。例如,可以基于长时任务的可持续性规则,选择低功耗,和/或电源供电时间长,和/或固定位置安装,和/或使用频率低的电子设备上的第二可组合能力。
可选的,用户也可以人工设置某个应答子服务对应任务的第二可组合能力。然后,任务映射模块可以将该任务和对应的执行指令发送至上述最合适的可组合能力所属电子设备。
示例性的,以图18所示的多设备场景为例,第三可组合能力可以基于上述表6所示的信息,将确定出的一个或个应答子服务信息生成各应答子服务对应的任务及对应的执行指令。虚拟聚合设备上的智慧助手可以配置并调用已连接的电子设备上合适的第二可组合能力,以执行各应答子服务对应的任务。例如,虚拟聚合设备上的智慧助手可以配置并调用智能烧水壶160上的智能烧水壶160状态获取能力,以执行应答子服务1“检测智能烧水壶160的状态”对应的任务;虚拟聚合设备上的智慧助手可以配置并调用智能门锁170上的人脸识别能力和指纹识别能力,以执行应答子服务2“检测小孩”对应的任务;虚拟聚合设备上的智慧助手可以配置并调用智能门锁170上的音播报能力和控制门锁关闭能力,以执行应答子服务3“阻止小孩进入厨房”对应的任务。
S1405、第三可组合能力基于各应答子服务间的逻辑关系信息,构建长时任务的执行流程。
可选的,长时任务流程可以采用xml、json等结构化语言或自定义的数据结构进行描述。其中,长时任务流程及其结构化描述可以是分层嵌套模式。当长时任务采用多个可组合能力执行单个应答子服务对应的任务时,第三可组合能力可以为每个可组合能力的执行流程构建单独的执行流水线,或者,也可以将该执行单个应答子服务对应任务的多个可组合能力构建为同一条执行流水线,以流水线内多分支或多线程/多进程的方式分别运行。
示例性的,以图18所示的多设备场景为例,图19B示例性示出了第三可组合能力基于各应答子服务间的逻辑关系信息,构建出的该场景下长时任务的执行流程。如图19B所示,该长时任务的具体执行流程可以如下步骤a)-步骤e)所示:
a)检测智能烧水壶160的状态。
b)当检测到智能烧水壶160正在烧开水时,启动智能门锁170上的视频监控且使得智能门锁170上锁。
c)当智能门锁170基于人脸识别能力识别出附近的人脸年龄小于14岁时,基于语音播报能力输出消息提醒,提示用户有小孩靠近厨房;当智能门锁170基于指纹识别能力识别出指纹信息和小孩的指纹信息相同时,保持门锁关闭。在一种可能的实现方式中,当智能门锁170基于指纹识别能力识别出指纹信息和小孩的指纹信息不相同时,可以使得指纹锁解锁。
d)检测该长时任务是否暂停或终止。
e)当检测到该长时任务暂停或终止时,则退出该长时任务的执行流程;当检测到该长时任务没有暂停或终止时,则可以继续基于该长时任务的执行流程执行该长时任务。
S1406、第二可组合能力基于上述构建的长时任务执行流程,执行长时任务。
具体的,前述实施例中的任务执行Runtime可以基于上述步骤所构建的长时任务执行流程唤醒前述选择出的第二可组合能力执行该长时任务。其中,该长时任务的终止可以由检测到的用户指令,和/或设备状态,和/或环境状态信息触发。
示例性的,以图18所示的多设备场景为例,该场景下长时任务终止的触发可以是用户输入的语音指令“停止烧开水时对小孩的检测”;或者,当智能门锁170基于人脸识别能力识别出附近的人脸年龄大于14岁,并且基于指纹识别能力识别出指纹信息和小孩的指纹信息不相同,使得指纹锁解锁时,可以检测智能烧水壶160的状态。当检测到智能烧水壶160没有烧水时,则该长时任务暂停或终止;若检测到智能烧水壶160仍在烧开水时,可以继续基于该长时任务的执行流程执行该长时任务。
实施例本申请提供的该长时任务执行方法,可以使得多设备场景下的虚拟聚合设备执行多个具有逻辑以来关系的指令,使得虚拟聚合设备可处理的任务类型更为丰富,提升各设备的资源利用率以及多设备场景下任务执行的效率和自动化水平。
在本申请实施例中,还可以提供一种记忆模型的构建方法,应用于上述的S107步骤中。
在一些应用场景中,第一可组合能力可以接收第一预设时间内的交互输入。基于上述接收到的交互输入,可以形成交互操作记录。第二设备中的第三可组合能力可以获取到交互操作记录,其中,该交互操作记录可以包括用户与设备间的交互信息(例如,用户通过浏览器查询新闻),和/或设备检测到用户处于指定状态下的信息(例如,电子设备检测到用户跑步30分钟的状态),和/或多个电子设备间的交互信息。第三可组合能力可以基于上述交互操作记录构建记忆模型(也可以被称为记忆)。其中,记忆模型可以包括短时记忆模型(也可以被称为短时记忆)和长时记忆模型(也可以被称为长时记忆),然后,第三可组合能力可以基于上述记忆模型,识别出第一事件所表征的用户意图。
其中,记忆模型可以基于接收到的交互输入来表征用户和设备之间交互的习惯或偏好。短时记忆模型可以基于满足第一条件的交互操作记录来表征用户和设备之间交互的习惯或偏好;长时记忆模型可以基于满足第二条件的交互操作记录来表征用户和设备之间交互的习惯或偏好。
在一种可能的实现方式中,第一条件可以是指上述交互操作记录是在预设时间窗内(也可以被称为第一预设时间,例如,在最近6小时内)接收到的。第二条件可以是指上述交互操作记录在连续多个预设时间窗内(例如,6小时内、8小时内)都接收到。
在另一种可能的实现方式中,第一条件可以是指在指定时间段1(也可以被称为第一预设时间,例如,从凌晨0点-晚24点),上述交互操作记录的接收次数大于第三阈值。第二条件可以是指在多个连续的指定时间段1(例如,从凌晨0点-晚24点),上述交互操作记录的接收次数在各指定时间段1中都大于第三阈值。
示例性的,图20示例性示出了该个性化交互方法的具体流程。如图20所示,该方法具体可以包括:
S1501、第三可组合能力获取到交互操作记录。
具体的,第二设备可以通过第三可组合能力获取到多个设备上的交互操作记录。
关于交互操作记录的说明,可以参考前述中的描述,在此不再赘述。该交互操作记录可以存储在中控设备上。可选的,当中控设备的存储资源不足以存储交互操作记录时,中控设备可以选择存储资源丰富的设备存储交互操作记录。该存储上述交互操作记录的设备可以向中控设备提供指定接口,以便中控设备可以从该设备获取到交互操作记录。
S1502、第三可组合能力基于上述交互操作记录构建记忆模型。
具体的,记忆模型可以基于显示形式进行构建,例如标签结构化数据形式。记忆模型也可以基于隐式形式进行构建,例如张量形式、神经网络参数形式等等。其中,记忆模型可以被划分为短时记忆模型和长时记忆模型。短时记忆模型可以基于交互操作记录为输入,以短时记忆模型期望的数据(例如,交互操作记录对应的短时记忆标签值)为输出进行构建,长时记忆模型可以基于短时记忆模型的数据为输入,以长时记忆模型期望的数据(例如,交互操作记录对应的长时记忆标签值)为输出进行构建。短时记忆模型和长时记忆模型可以通过主成分分析算法,或CNN、RNN、LSTM等一种或多种人工神经网络算法进行构建。
可选的,短时记忆模型/长时记忆模型可以采用计算交互操作记录的接收时间间隔、交互操作记录的接收次数等统计交互操作记录的参数的方法,当上述交互操作记录的参数满足预定义的规则(例如,当交互操作记录的接收时间间隔小于指定时间间隔、交互操作记录的接收次数大于指定阈值等)时,对短时记忆模型/长时记忆模型中相应的数据。
可选的,短时记忆模型也可以采用FIFO数据结构对预设时间窗内(例如,在最近6小时内)的交互操作记录进行记录以及基于上述记录对交互操作记录对应的短时记忆标签值进行更新,而不必基于上述的主成分分析算法或人工神经网络算法进行模型构建。
示例性的,以基于标签结构化数据形式构建记忆模型为例。第三可组合能力可以获取交互操作记录。关于交互操作记录的说明,可以参考前述中的描述,在此不再赘述。第三可组合能力可以判断某条交互操作记录的接收时间是否在预设时间窗内(例如,6小时内、8小时内)。若是,第三可组合能力可以将该交互操作记录对应的短时记忆标签值设置为“True”。当该交互操作记录对应的短时记忆标签的值“True”保持时间大于第二时间阈值(例如,7天、10天等)时,则将该交互操作记录对应的长时记忆标签值设置为“True”。当该交互操作记录对应的短时记忆标签的值“True”保持时间小于第二时间阈值(例如,7天、10天等)时,或者该交互操作记录对应的短时记忆标签的值“False”保持时间大于第二时间阈值(例如,7天、10天等)时,则将该交互操作记录对应的长时记忆标签值设置为“False”。可选的,短时记忆标签的值和长时记忆标签的值除了上述“True”和“False”的布尔型数据,也可以是字符型数据,例如响应于用户操作执行相应功能的APP名称等。
结合上述示例性的实施方式,若获取到的多条交互操作记录在预设时间窗内(例如,在最近6小时内)包括有“07:00跑步30分钟”、“08:00打开浏览器查询新闻”和“08:15打开G导航APP查询路线”等。上述各交互操作记录对应的短时记忆标签以及该标签的值和长时记忆标签及该标签的值可以如表7所示:
表7
如表7所示,交互操作记录“07:00跑步30分钟”的记录时间在预设时间窗内(例如,在最近6小时内),对应的短时记忆标签为“近期运动”,其值为“True”。该短时记忆标签的值“True”保持时间大于第二时间阈值(例如,7天),因此对应的长时记忆标签“爱好运动”的值为“True”;交互操作记录中没有购物操作记录,因此对应的短时记忆标签“近期购物”的值为“False”。该短时记忆标签的值“False”保持时间大于第二时间阈值(例如,7天),因此对应的长时记忆标签“爱好购物”的值为“False”;交互操作记录“08:00打开浏览器查询新闻”在预设时间窗内(例如,在最近6小时内),对应的短时记忆标签“近期阅读新闻”,其值为“True”。该短时记忆标签的值“True”保持时间大于第二时间阈值(例如,7天),因此对应的长时记忆标签“爱好阅读新闻”的值为“True”;交互操作记录“08:15打开G导航APP查询路线”在预设时间窗内(例如,在最近6小时内),对应的短时记忆标签“近期导航APP”,其值为记录中导航APP的名称“G”。而长时记忆标签“导航惯用APP”的导航APP名称值为“B”,也即是说,在记录短时记忆标签“近期导航APP”的值“G”之前,短时记忆标签“近期导航APP”的值“B”保持时间大于第二时间阈值(例如,7天)。
基于上述表7中所示标签结构化数据形式构建的记忆模型可以如图21A所示。其中,该示例中的短时记忆模型可以包括短时记忆网络和短时记忆遗忘网络,长时记忆模型可以包括长时记忆网络和长时记忆遗忘网络。该短时记忆模型和长时记忆模型可以采用CNN、RNN、LSTM等一种或多种人工神经网络算法进行构建。短时记忆网络可以基于交互操作记录为输入,以交互操作记录对应的短时记忆标签值或参数值为期望输出进行训练构建;长时记忆网络可以基于短时记忆网络的输出为输入,以对应的长时记忆标签值或参数值为期望输出进行训练构建。短时记忆遗忘网络和长时记忆遗忘网络可以用于逆向反馈,以实现短时记忆和长时记忆的遗忘退化。可选的,短时记忆遗忘网络/长时记忆遗忘网络可通过调整其控制参数,控制以不同速率或权重进行记忆信息的遗忘退化。可选的,该记忆模型可以通过指定转换网络将短时记忆网络的输出转换为长时记忆网络的输入。
S1503、第三可组合能力基于上述记忆模型,进行指令识别和/或意图决策。
具体的,记忆模型可以以数据库的形式进行存储,使得交互指令识别模块、多模态意图决策模块可以进行读取;记忆模型(例如,上述图21A示例中的短时记忆网络和长时记忆网络)也可以以人工神经网络、决策树等机器学习模型的形式进行存储,作为第二设备中交互指令识别模块、多模态意图决策模块等模块中算法的组成部分,以使得交互指令识别模块可以基于该记忆模型识别出用户意图,多模态意图决策模块可以基于上述记忆模型进行意图决策。
实施本申请实施例提供的上述个性化交互方法,可以使得虚拟聚合设备基于交互操作记录中包括的用户高频率操作行为更准确地识别用户输入的指令,提高了用户与设备交互的精确性,提升了识别用户意图的效率,同时也更贴近用户的个人使用习惯。
在本申请实施例中,还可以提供一种基于用户画像的交互方法,应用于上述的S107-S108步骤中。
虚拟聚合设备可以确定用户的用户画像,并利用用户画像发掘用户需求,分析用户偏好,提供给用户更高效和更有针对性的信息输送以及更贴近个人习惯的用户体验。用户画像可以在多维度上建立针对用户的描述性标签,对用户多方面的真实个人特征进行勾勒。其中,用户画像是指根据用户的基本属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。用户画像可以由第三可组合能力从各个设备相互同步的用户信息获取得到。用户信息可以包括用户性别、年龄等用户自身固有的属性,还可以包括用户和设备之间的交互信息,如用户启动设备的次数、关闭设备的次数,在不同场景下触发设备执行的操作等等。第三可组合能力可以基于用户画像,识别出第一事件表征的用户意图。
示例性的,以图21B所示的客厅场景和图21C所示的客厅场景为例,在上述两示例中的客厅场景内,虚拟聚合设备可以包括下列多个设备:手机210、智慧屏220、大灯230和落地灯240。在该虚拟聚合设备中,可以以手机210作为中控设备。其中,图21B所示的用户A正坐在沙发上,观看智慧屏220播放的视频。落地灯240已开启。用户A可以发出语音指令“亮一点”(也可以被称为第一事件)。图21C所示的用户B正坐在沙发上阅读手机210上的信息。大灯230已开启。用户B也可以发出语音指令“亮一点”(也可以被称为第一事件)。可以看出,用户A和用户B都发出了相同的语音指令。手机210接收到用户A和用户B的语音指令,可以基于用户A对应的用户画画像A和用户B对应的用户画像B,确定出用户A的用户意图A和用户B的用户意图B。然后,手机210可以触发任务映射模块基于用户意图A安排待执行任务A,基于用户意图B安排待执行任务B。手机210可以触发服务能力调度模块将待执行任务A和待执行任务B映射到各设备的可组合能力。
下面,基于上述图21B和图21C所示的应用场景,结合图21D,具体说明基于本申请实施例提供的基于用户画像的交互方法。如图21D所示,该基于用户画像的交互方法的具体可以包括:
S1601、第一可组合能力接收用户的交互输入。
具体的,在本申请实施例中,可以由第一设备上的第一可组合能力接收用户的交互输入。第一设备的数量可以是一个或多个。第一可组合能力可以是第一设备上所具有的一个或多个交互类可组合能力。其中,交互类可组合能力所包括的类型可以如图4所示。
示例性的,在图21B所示的应用场景中,当用户A发出语音指令“亮一点”时,智慧屏220可以通过运行于其上的近场语音输入能力接收到该语音指令。在图21C所示的应用场景中,当用户B发出语音指令“亮一点”时,手机210可以通过运行于其上的近场语音输入能力接收到该语音指令。可选的,在图21B所示的应用场景中,也可以由运行在手机210上的近场语音输入能力接收用户A的语音指令;在图21C所示的应用场景中,也可以由运行于智慧屏220上的近场语音输入能力接收用户B的语音指令。也即是说,本申请实施例并不限制第一设备的类型。
S1602、第三可组合能力基于用户的交互输入识别出用户身份。
具体的,在本申请实施例中,可以由第二设备上的第三可组合能力基于交互输入所包括的用户生理特征信息来识别出用户身份。例如,第三可组合能力可以基于交互输入所包括的声纹信息来识别出用户身份,或者,第三可组合能力可以基于交互输入所包括的脸部特征信息来识别出用户身份。
示例性的,在图21B和图21C所示的应用场景中,第二设备可以是手机210。手机210可以通过第三可组合能力基于用户A输入的语音指令所包括的声纹信息,识别出该语音指令对应的用户身份为“用户A”;同样的,手机210可以通过第三可组合能力基于用户B输入的语音指令所包括的声纹信息,识别出该语音指令对应的用户身份为“用户B”。
S1603、第一可组合能力获取到环境状态信息和/或设备状态信息。
具体的,在本申请实施例中,可以由第一设备上的第一可组合能力获取到环境状态信息和/或设备状态信息。第一设备的数量可以是一个或多个。第一可组合能力可以是如图4所示的识别类可组合能力。
示例性的,在图21B的应用场景中,第三设备可以是智慧屏220。智慧屏220可以检测出智慧屏220正在播放视频,以及通过运行于其上的环境识别类可组合能力识别出落地灯240发出的黄光;在图21C的应用场景中,第三设备可以是手机210。手机210可以检测出手机210这在被用户使用通过运行于其上的环境识别类可组合能力识别出大灯230发出的白光,以及通过运行于其上的环境识别类可组合能力识别出大灯230发出的白光。
S1604、第三可组合能力基于用户画像确定出用户意图,并安排待执行任务。
具体的,虚拟聚合设备可以根据用户和各个设备的交互情况,创建并维护该用户的用户画像。第二设备上的第三可组合能力可以基于步骤S1602识别出的用户身份,根据该用户对应的用户画像,确定出用户的意图。然后,第三可组合能力可以基于该用户意图安排待执行任务。
示例性的,在图21B的应用场景中,第二设备可以是手机210。手机210在S1602步骤中识别出发出语音指令的用户身份为“用户A”。手机210可以从用户画像模块中获取到用户A的用户画像A。手机210可以通过第三可组合能力从用户画像A中获取到用户A在使用智慧屏220观看视频时,打开了落地灯240,从而确定出用户意图A为调亮落地灯240的亮度。手机210可以触发任务映射模块基于用户意图A安排待执行任务A,即调亮落地灯240;在图21C的应用场景中,第二设备可以是手机210。手机210在S1602步骤中识别出发出语音指令的用户身份为“用户B”。手机210可以从用户画像模块中获取到用户B的用户画像B。手机210可以通过第三可组合能力从用户画像B中获取到用户B在使用手机210时,打开了大灯230,从而确定出用户意图B为调亮大灯230的亮度。手机210可以触发第三可组合能力基于用户意图B安排待执行任务B,即调亮大灯230。
S1605、虚拟聚合设备将待执行任务映射到第二可组合能力。
具体的,在本申请实施例中,虚拟聚合设备可以将第二设备中第三可组合能力安排的待执行任务映射到第三设备上的第二可组合能力,以使得第二可组合能力执行相应的操作。
示例性的,在图21B的应用场景中,虚拟聚合设备可以将待执行任务A,即调亮落地灯240映射到落地灯240的灯光调节能力。使得落地灯240可以实现用户意图A,使得落地灯240发出的黄光更明亮;在图21C的应用场景中,虚拟聚合设备可以将待执行任务B,即调亮大灯230映射到大灯230的灯光调节能力,使得大灯230可以实现用户意图B,使得大灯230发出的白光更明亮。
实施例本申请实施例提供的基于用户画像的交互方法,可以使得虚拟聚合设备更为精确地识别出用户的意图,提高用户意图的识别效率。
为了更清楚地介绍本申请实施例提供的基于多设备提供服务的方法,下面以一个典型的应用场景为例,阐述该方法的流程。
在某一居家场景内,用户随身携带了智能手机(101设备),客厅安装了智能音箱(102设备)、智慧屏(103设备),卧室安装了智能音箱(104设备),客厅和卧室等房间内安装了可感知用户位置的毫米波传感器(105设备,未绘于图22、图23中)。在本案例中,用户进行了以下活动或交互操作:(1)从外部返回该智慧家居场景;(2)就坐于客厅内沙发使用智能手机(101设备);(3)移动至卧室,仰躺在卧室床上使用智能手机(101设备);(4)发出语音指令“播放音乐《七里香》”。则对照图2所示流程,本系统的基本工作流程为:
S101:如图22所示,用户从外返回后,智能手机(101设备)自动连接已预存的WiFi网络,与102~105设备建立互联。由于101~105设备均登陆了同一ID的用户账号,以该账号为认证鉴权依据,各设备间可完整请求和访问对方的软硬件资源。
S102:建立互联后,101~105设备之间交换各自可组合能力可用状态、功耗、计算资源等信息。
S103:采用静态或动态策略,在101~105设备中选举一台设备作为控制智慧助手服务的中控设备。示例的,如以系统功耗、处理能力为主要考量因素,以选举相对稳定在线运行且具有一定处理能力的设备为中控设备为优化目标,则智慧屏(103设备)由于采用市电供电(相对而言手机为电池供电),且具备一定的运算能力(智能音箱依赖云服务处理而基本无运算能力),可选举其为中控设备。
S104:中控设备智慧屏(103设备)控制虚拟聚合设备的初始化配置,构建分布式系统内可用可组合能力集合或清单。该集合或清单的示例如表8所示。
S105:可选的,中控设备智慧屏(103设备)可控制部分系统可组合能力启动,如毫米波传感器(105设备)的用户位置检测能力,以支撑后续决策和/或服务。
表8分布式系统可用可组合能力集局部示例
S101、S102、103、S104-S105可看作是图3所述方法中的S102,S103、S104、S105。
S201:系统通过用户位置检测能力,感知到用户坐于客厅沙发上使用室内手机(101设备。
S202:参考用户历史操作记录、人机交互历史、当前时间/日程等信息,预测用户潜在的服务需求为音视频播放。
S203:可选的,根据用户潜在服务需求(音视频播放),以及用户偏好、操作/交互历史等信息,确定虚拟聚合设备待用的服务方案为语音交互控制的音视频播放。
S204:根据虚拟聚合设备服务方案,在分布式系统内申请支撑该方案的可组合能力,如远场拾音(102设备)、云侧远场ASR识别(102设备)、云侧NLU识别(102设备)、音乐播放(102设备)等。所述申请可组合能力的过程,包括跨设备进行可组合能力的初始化和占用(如将可用状态置为False)。如图22所示,在该场景下,可选的语音交互控制通路包括智能手机(101设备)、智能音箱(102设备)、智慧屏(103设备)等3条,可采用动态或静态策略,选择最合适(如最近调用过)的1条语音交互控制通路。也可先同时选择3条语音交互控制通路,并在后续流程中选用部分处理结果,或对处理结果进行融合。此处以仅选择智能音箱(102设备)的语音交互控制通路为例,即选择102设备的远场拾音能力为交互入口,以配套的云侧远场ASR识别(102设备、103设备、或104设备)、云侧NLU识别(102设备、103设备、或104设备)能力为识别组件。
S205:中控设备智慧屏(103设备)控制虚拟聚合设备重配置,包括释放与104设备相关的暂时不使用的可组合能力;对虚拟聚合设备执行配置,如配置102设备的远场拾音能力为虚拟聚合设备的交互入口等。
S201-S205可看作是图3所述方法中的S109,即一次重配置虚拟聚合设备的过程。
S206:虚拟聚合设备持续监测状态变化事件,如图23所示,当监测到用户移动至卧室后,中控设备智慧屏(103设备)控制虚拟聚合设备进行重配置。将虚拟聚合设备的交互入口,由102设备的远场拾音能力,切换为104设备的远场拾音能力,并释放与102设备相关的暂时不使用的可组合能力。
S206可看作是图3所述方法中的S109,即又一次重配置虚拟聚合设备的过程。
S301:虚拟聚合设备持续监测用户触发指令,如通过104设备的远场拾音能力拾取到语音唤醒词,触发语音交互流程。
S302:用户输入交互指令,如通过104设备的远场拾音能力拾取到用户语音指令“播放音乐《七里香》”。
S303:识别用户意图,如通过104设备的云侧远场ASR识别、云侧NLU识别等能力,识别出用户的服务需求类型为“播放音乐”,播放内容为“《七里香》”。
S304:拆分用户意图识别结果为待执行任务,如将用户服务需求拆分映射为单个可组合能力可执行的待执行任务“播放音乐”。
S305:匹配待执行任务至可组合能力,如将待执行任务“播放音乐”映射至104设备的音乐播放可组合能力。如表1所示,由于101~104设备均有音乐播放可组合能力,所需选择104设备的音乐播放可组合能力的过程,可参考用户当前位置(卧室)、偏好(习惯使用音箱)等多因素进行决策。
S306:控制可组合能力执行待执行任务,如控制104设备的音乐播放可组合能力,执行待执行任务“播放音乐”直至结束。示例仅涉及单个待执行任务,可选的,对涉及多个待执行任务的场景,可通过将多个待执行任务按时序、逻辑关系组织为有向无环图,控制进行次序执行。
S301-S302可看作是图3所述方法中的S106,S303-S304可看作是图3所示方法中的S107,S305-S306可看作是图3所示方法中的S108。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当该计算机程序在计算机上运行时,使得计算机执行上述各个设备如中控设备、第一设备、第二设备、第三设备等分别执行的相关步骤,以实现上述实施例提供的基于多设备提供服务的方法。
本申请实施例还提供一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述各个设备如中控设备、第一设备、第二设备、第三设备等分别执行的相关步骤,以实现上述实施例中的基于多设备提供服务的方法。
另外,本申请实施例还提供一种装置。该装置具体可以是组件或模块,该装置可包括相连的一个或多个处理器和存储器。其中,存储器用于存储计算机程序。当该计算机程序被一个或多个处理器执行时,使得装置执行上述方法实施例中的各个设备如中控设备、第一设备、第二设备、第三设备等分别执行的相关步骤。
其中,本申请实施例提供的装置、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的基于多设备提供服务的方法。因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
采用本申请实施例提供的基于多设备提供服务的方法,可以实现以下技术效果:
1.体验一致:本申请所述技术方案在某种意义上类似于云计算中的PaaS(Platform-as-a-Service),将不同设备的资源抽象聚合为一个虚拟聚合设备,作为智慧助手的运行承载平台。在该平台上,仅运行唯一的智慧助手的应用程序实例,以提供人机交互服务,从而保障了交互上下文、用户画像、个性化数据的一致性。避免用户在与多台设备进行交互时,由于各设备分别独立运行智慧助手实例,导致切换交互入口设备时,体验的不一致。
2.功耗低:如前文所述,由于分布式系统内仅运行一个智慧助手的应用程序实例,在一定程度上可节约系统处理功耗。
3.交互准确率高:本申请所述技术方案中,分布式系统可根据环境状态,自适应地选择合适的可组合能力,如拾音麦克风、摄像头、AI算法模型等。一方面可选择靠近用户、用户感兴趣、和/或干扰程度较低的交互外设,避免无效、低效外设所拾取交互信号对交互准确率的影响。另一方面,可拓展部分资源紧张设备的能力,选择系统内准确率和运算量较高的AI算法模型,提升交互识别准确率。
4.易于生态拓展:本申请案所述资源的抽象描述方法,与设备型号、厂商、生态等要素解耦,符合该描述规范和/或组件接口标准的设备即可适配接入本案所述的分布式系统,方案通用性较好,相对降低了适配难度。
本申请的各实施方式可以任意进行组合,以实现不同的技术效果。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solidstate disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
总之,以上所述仅为本申请技术方案的实施例而已,并非用于限定本申请的保护范围。凡根据本申请的揭露,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种基于多设备提供服务的方法,其特征在于,所述方法包括:
获取第一设备发生的第一语音对话交互事件所对应的第一交互信息,所述第一交互信息包括第一对话内容;
从历史交互信息中获取与所述第一交互信息匹配的第二交互信息,其中所述第二交互信息为第二设备发生的第二语音对话交互事件所对应的交互信息,所述第二交互信息包括第二对话内容,所述第一设备与所述第二设备为不同设备;
根据所述第二交互信息识别所述第一语音对话交互事件表征的用户意图;
确定满足所述用户意图的待执行任务。
2.根据权利要求1所述的方法,其特征在于,所述第二设备为所述第一设备的近场设备,且所述第二语音对话交互事件的发生时间与第一语音对话交互事件的发生时间的间隔小于第一时长。
3.根据权利要求1或2所述的方法,其特征在于,所述方法由云端服务器执行。
4.根据权利要求1-3任一所述的方法,其特征在于,所述第一对话内容为用户输入的语音信息,或者根据用户输入的语音信息转换得到的文本信息。
5.根据权利要求1-4任一所述的方法,其特征在于,所述第一交互信息还包括如下信息中的至少一种:所述第一语音对话交互事件发生的时间、所述第一语音对话交互事件发生的地点、所述第一设备的设备信息、所述第一语音对话交互事件要控制的目标设备的设备信息、触发所述第一语音对话交互事件的用户的生理特征信息。
6.根据权利要求5所述的方法,其特征在于,所述第一设备的设备信息包括设备名称和/或设备标识。
7.根据权利要求1-6任一所述的方法,其特征在于,所述历史交互信息包括一轮或多轮历史对话的对话信息。
8.根据权利要求7所述的方法,其特征在于,每一轮历史对话的对话信息,包括:该轮历史对话的对话内容;还包括如下信息中的至少一种:该轮历史对话发生的时间、该轮历史对话发生的地点、接收该轮历史对话的电子设备的设备信息、该轮历史对话要控制的目标设备的设备信息、发出该轮历史对话的用户的生理特征信息。
9.根据权利要求1-8任一所述的方法,其特征在于,所述根据所述第二交互信息识别所述第一语音对话交互事件表征的用户意图包括:若所述第一对话内容存在指代缺失和/或槽位缺失的情况,将所述第二对话内容作为缺失槽位的分析依据和/或缺失指代的识别依据,以确定所述第一语音对话交互事件表征的用户意图。
10.一种电子设备,其特征在于,包括:存储器、一个或多个处理器;所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述电子设备执行如权利要求1-9任一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令;其特征在于,当所述计算机程序指令被电子设备执行时,使得电子设备实现如权利要求1-9任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2021113403725 | 2021-11-12 | ||
CN202111340372 | 2021-11-12 | ||
CN202111633492.4A CN116126509A (zh) | 2021-11-12 | 2021-12-28 | 基于多设备提供服务的方法、相关装置及系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111633492.4A Division CN116126509A (zh) | 2021-11-12 | 2021-12-28 | 基于多设备提供服务的方法、相关装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116126510A true CN116126510A (zh) | 2023-05-16 |
Family
ID=86294337
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111633492.4A Pending CN116126509A (zh) | 2021-11-12 | 2021-12-28 | 基于多设备提供服务的方法、相关装置及系统 |
CN202210677748.XA Pending CN116126510A (zh) | 2021-11-12 | 2021-12-28 | 基于多设备提供服务的方法、相关装置及系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111633492.4A Pending CN116126509A (zh) | 2021-11-12 | 2021-12-28 | 基于多设备提供服务的方法、相关装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN116126509A (zh) |
WO (1) | WO2023083262A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116369864A (zh) * | 2023-06-02 | 2023-07-04 | 长春中医药大学 | 基于数据编码的睡眠监测数据智能管理方法和系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116431794B (zh) * | 2023-06-15 | 2023-08-15 | 图观(天津)数字科技有限公司 | 一种基于流程自动化机器人技术的智能问答方法及系统 |
CN116598006B (zh) * | 2023-07-18 | 2023-10-17 | 中国医学科学院北京协和医院 | 一种脓毒血症预警装置及应用系统 |
CN117032940B (zh) * | 2023-10-08 | 2024-02-13 | 北京小米移动软件有限公司 | 资源调度的系统、方法、装置、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062031A (zh) * | 2018-02-13 | 2018-05-22 | 宁夏煜隆科技有限公司 | 智能家居控制方法、装置、系统及电子设备 |
CN109814717B (zh) * | 2019-01-29 | 2020-12-25 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
CN112397062A (zh) * | 2019-08-15 | 2021-02-23 | 华为技术有限公司 | 语音交互方法、装置、终端及存储介质 |
CN113377899A (zh) * | 2020-03-09 | 2021-09-10 | 华为技术有限公司 | 意图识别方法及电子设备 |
-
2021
- 2021-12-28 CN CN202111633492.4A patent/CN116126509A/zh active Pending
- 2021-12-28 CN CN202210677748.XA patent/CN116126510A/zh active Pending
-
2022
- 2022-11-10 WO PCT/CN2022/131166 patent/WO2023083262A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116369864A (zh) * | 2023-06-02 | 2023-07-04 | 长春中医药大学 | 基于数据编码的睡眠监测数据智能管理方法和系统 |
CN116369864B (zh) * | 2023-06-02 | 2023-08-08 | 长春中医药大学 | 基于数据编码的睡眠监测数据智能管理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116126509A (zh) | 2023-05-16 |
WO2023083262A1 (zh) | 2023-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021180062A1 (zh) | 意图识别方法及电子设备 | |
CN110336720B (zh) | 设备控制方法和设备 | |
WO2023083262A1 (zh) | 基于多设备提供服务的方法、相关装置及系统 | |
WO2021063343A1 (zh) | 语音交互方法及装置 | |
US9495375B2 (en) | Battery pack with supplemental memory | |
US20180322870A1 (en) | Performing tasks and returning audio and visual feedbacks based on voice command | |
US8640021B2 (en) | Audience-based presentation and customization of content | |
US9058128B1 (en) | Power management for electronic devices | |
US11874904B2 (en) | Electronic device including mode for using an artificial intelligence assistant function of another electronic device | |
CN110503959B (zh) | 语音识别数据分发方法、装置、计算机设备及存储介质 | |
CN112397062A (zh) | 语音交互方法、装置、终端及存储介质 | |
US20140143666A1 (en) | System And Method For Effectively Implementing A Personal Assistant In An Electronic Network | |
US11238353B2 (en) | Cognitive engine for multiple internet of things devices | |
Schipor et al. | Sapiens: Towards software architecture to support peripheral interaction in smart environments | |
CN112331193A (zh) | 语音交互方法及相关装置 | |
CN114500442B (zh) | 消息管理方法和电子设备 | |
CN114493470A (zh) | 日程管理的方法、电子设备和计算机可读存储介质 | |
CN113689171A (zh) | 一种家庭日程融合的方法及装置 | |
WO2022088964A1 (zh) | 一种电子设备的控制方法和装置 | |
KR20190024333A (ko) | 전자 장치 및 그 제어 방법 | |
KR102102396B1 (ko) | 이동 단말기 | |
CN116670667A (zh) | Ai系统中的接入认证 | |
US20190163436A1 (en) | Electronic device and method for controlling the same | |
WO2023125692A1 (zh) | 一种服务推荐方法及相关装置 | |
KR102185369B1 (ko) | 사용자와의 대화를 위한 정보를 생성하는 시스템 및 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 |