CN117556785A - 智能服务机器人的芯片算法、芯片、设备及存储介质 - Google Patents

智能服务机器人的芯片算法、芯片、设备及存储介质 Download PDF

Info

Publication number
CN117556785A
CN117556785A CN202410041332.8A CN202410041332A CN117556785A CN 117556785 A CN117556785 A CN 117556785A CN 202410041332 A CN202410041332 A CN 202410041332A CN 117556785 A CN117556785 A CN 117556785A
Authority
CN
China
Prior art keywords
coding
target
matrix
feature
information set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202410041332.8A
Other languages
English (en)
Other versions
CN117556785B (zh
Inventor
王忠林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jihai Science And Technology Shenzhen Co ltd
Original Assignee
Jihai Science And Technology Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jihai Science And Technology Shenzhen Co ltd filed Critical Jihai Science And Technology Shenzhen Co ltd
Priority to CN202410041332.8A priority Critical patent/CN117556785B/zh
Publication of CN117556785A publication Critical patent/CN117556785A/zh
Application granted granted Critical
Publication of CN117556785B publication Critical patent/CN117556785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/126—Character encoding
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/28—Floor-scrubbing machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4002—Installations of electric equipment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Manipulator (AREA)
  • Electric Vacuum Cleaner (AREA)

Abstract

本申请涉及数据处理技术领域，提供了智能服务机器人的芯片算法、装置、设备及存储介质。该算法用于调整拖地机器人的清洁参数，该算法包括：获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数。该算法能够使拖地机器人在特定环境下实现有效清洁。

Description

智能服务机器人的芯片算法、芯片、设备及存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及一种智能服务机器人的芯片算法、芯片、设备及存储介质。
背景技术
随着人工智能技术的不断发展和应用，智能清洁设备如拖地机器人已成为人们日常生活中的重要辅助工具，然而，传统的拖地机器人主要依赖预设的清洁模式调整清洁参数，用户在使用时，需要根据自己的需求选择拖地机器人的清洁模式，以调整拖地机器人的清洁参数，这种方法的智能化程度较低，在一些特定条件下，无法实现有效清洁。
发明内容
本申请提供一种智能服务机器人的芯片算法、装置、设备及存储介质，以解决上述背景技术提出的问题。
第一方面，本申请提供一种智能服务机器人的芯片算法，所述算法用于调整拖地机器人的清洁参数，所述算法包括：
获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；
基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；
将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；
基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数；
将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
在一种可能的实现方式中，在所述获取被清洁区域的属性信息集和被清洁区域的周围环境信息集之前，所述算法还包括：
获取第一位置信息和第二位置信息；其中，所述第一位置信息为拖地机器人当前的位置信息，所述第二位置信息为所述被清洁区域的指定位置的位置信息；
基于所述第一位置信息和所述第二位置信息控制所述拖地机器人运动至所述被清洁区域的指定位置。
在一种可能的实现方式中，在所述基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵之前，所述算法还包括：
判断预设的数据库中是否存在与所述属性信息集、所述周围环境信息集关联的历史清洁参数信息；
若不存在，则执行所述基于预设的属性信息集编码规则对所述属性参数信息进行特征矩阵编码，得到第一特征编码矩阵。
在一种可能的实现方式中，所述属性信息集包括多种不同类型的属性信息，所述基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，包括：
获取各个不同类型的所述属性信息的第一编号，并基于各个所述第一编号在预设的数据库中获取各个所述属性信息的初始编码向量和第一编码标准；其中，所述初始编码向量包括第一标识元素和多个元素空位；
针对各个所述属性信息，基于所述属性信息对应的第一编码标准对所述属性信息进行编码处理，得到第一编码元素，并将所述第一编码元素依序插入所述属性信息对应的初始编码向量的元素空位，得到第一目标编码向量；
基于各个所述第一目标编码向量对应的所述第一编号，将各个所述第一目标编码向量由上往下依次排列，得到所述第一特征编码矩阵。
在一种可能的实现方式中，所述周围环境信息集包括多种不同类型的环境信息，所述基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵，包括：
获取各个不同类型的所述环境信息的第二编号，并基于各个所述第二编号在预设的数据库中获取各个所述环境信息的标准编码矩阵和第二编码标准；
针对各个所述环境信息，将所述环境信息对应的标准编码矩阵在指定位置的元素作为第二目标编码向量的第二标识元素，并基于所述环境信息对应的第二编码标准对所述环境信息进行编码处理，得到第二编码元素，及基于预设的元素组合方式将所述第二标识元素和所述第二编码元素进行组合，得到第二目标编码向量；
基于各个所述第二目标编码向量对应的所述第二编号，将各个所述第二目标编码向量由上往下依次排列，得到所述第二特征编码矩阵。
在一种可能的实现方式中，所述将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵，包括：
针对所述第一特征编码矩阵的各个第一目标编码向量，判断所述第二特征编码矩阵中是否存在所述第一目标编码向量的关联第二目标编码向量；其中，所述第一目标编码向量的第一标识元素与所述关联第二目标编码向量的第二标识元素具有相同的字母或数字；
若存在，将所述第一目标编码向量作为融合标识元素，并将所述第一目标编码向量的第一编码元素和所述关联第二目标编码向量的第二编码元素进行融合，得到融合编码元素，及基于预设的元素组合方式将所述融合标识元素和所述融合编码元素进行组合，得到第一目标特征编码向量；
若不存在，将所述第一目标编码向量作为第二目标特征编码向量；
在所述第二特征编码矩阵中确定第三目标特征编码向量；其中，所述第三目标特征编码向量是不与任一所述第一目标编码向量关联的第二目标编码向量；
基于预设的向量排序规则将各个所述第一目标特征编码向量、各个所述第二目标特征编码向量和各个所述第三目标特征编码向量依序排列，得到所述目标特征编码矩阵。
在一种可能的实现方式中，在将所述目标关联关系存储至预设的数据库之前，所述算法还包括：
在所述第一特征编码矩阵、所述第二特征编码矩阵和所述目标特征编码矩阵中提取未重复出现的矩阵元素，得到目标矩阵元素；其中，所述目标矩阵元素包括数字和字母；
在预设的数据库中获取加密表；其中，所述加密表包括数字和字母；
在所述目标矩阵元素中确定加密数字和加密字母；其中，所述加密数字为所述目标矩阵元素中未在所述加密表中出现的数字，所述加密字母为所述目标矩阵元素中未在所述加密表中出现的字母；
基于预设的密码组合方式将所述加密数字和所述加密字母进行组合，得到加密密码；
基于所述加密密码对所述目标关联关系进行加密。
第二方面，本申请提供一种芯片，所述芯片用于调整拖地机器人的清洁参数，所述芯片包括：
获取模块，用于获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；
编码模块，用于基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；
融合模块，用于将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；
调整模块，用于基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数；
存储模块，用于将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
第三方面，本申请提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的智能服务机器人的芯片算法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器执行时，实现如上所述的智能服务机器人的芯片算法。
本申请提供了智能服务机器人的芯片算法、芯片、设备及存储介质，其中，所述算法用于调整拖地机器人的清洁参数，所述算法包括：获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数；将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。该算法，一方面，通过将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵，并基于所述目标特征编码矩阵生成目标清洁参数信息，及基于所述目标清洁参数信息调整所述拖地机器人的清洁参数，能够提高所述拖地机器人的智能化程度，使所述拖地机器人在特定的环境条件下，实现有效地清洁，另一方面，将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库，能够在下次对所述被清洁区域进行清洁时，当检测到的属性参数集和周围环境信息集与所述目标关联关系中的属性参数集和周围环境信息集一致时，直接利用所述目标关联关系中的目标清洁参数调整所述拖地机器人的清洁参数，有助于提高所述拖地机器的工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的智能服务机器人的芯片算法的流程示意图；
图2为本申请实施例提供的芯片的结构示意性框图；
图3为本申请实施例提供的终端设备的结构示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
随着人工智能技术的不断发展和应用，智能清洁设备如拖地机器人已成为人们日常生活中的重要辅助工具，然而，传统的拖地机器人主要依赖预设的清洁模式调整清洁参数，用户在使用时，需要根据自己的需求选择拖地机器人的清洁模式，以调整拖地机器人的清洁参数，这种方法的智能化程度较低，在一些特定条件下（如：地面污渍严重、空气干燥和环境中的风力较大等），无法实现有效清洁。为此，本申请实施例提供一种智能服务机器人的芯片算法、装置、设备及存储介质，以解决上述问题。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述实施例及实施例中的特征可以相互结合。
请参阅图1，图1为本申请实施例提供的智能服务机器人的芯片算法的流程示意图，本申请实施例提供的智能服务机器人的芯片算法用于调整拖地机器人的清洁参数，如图1所示，本申请实施例提供的智能服务机器人的芯片算法包括步骤S100至步骤S500。
步骤S100、获取被清洁区域的属性信息集和被清洁区域的周围环境信息集。
其中，所述属性信息集和所述环境信息集均通过各类传感器获取，所述属性信息集包括所述被清洁区域的材质、所述被清洁区域的污染程度和所述被清洁区域的形状等多种不同类型的属性信息，所述周围环境信息集包括所述被清洁区域的周围环境的温度、湿度、风向和风力等多种不同类型的环境信息。
步骤S200、基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵。
需要说明的是，所述基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，包括以下步骤：
获取各个不同类型的所述属性信息的第一编号，并基于各个所述第一编号在预设的数据库中获取各个所述属性信息的初始编码向量和第一编码标准；其中，所述初始编码向量包括第一标识元素和多个元素空位；
针对各个所述属性信息，基于所述属性信息对应的第一编码标准对所述属性信息进行编码处理，得到第一编码元素，并将所述第一编码元素依序插入所述属性信息对应的初始编码向量的元素空位，得到第一目标编码向量；
基于各个所述第一目标编码向量对应的所述第一编号，将各个所述第一目标编码向量由上往下依次排列，得到所述第一特征编码矩阵。
可以理解地，所述第一标识元素包括多个元素，每个所述属性信息对应唯一的所述第一编号，采用上述算法分别对各个所述属性信息进行编码，一方面，能够对各个所述属性信息对应的第一编码向量进行标识，这有助于提高后续所述第一特征编码矩阵和所述第二特征编码矩阵融合的准确性，从而实现有效地清洁，另一方面，能够对各个所述属性信息进行准确编码，有助于提高拖地机器人的清洁效果。
需要说明的是，所述基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵，包括以下步骤：
获取各个不同类型的所述环境信息的第二编号，并基于各个所述第二编号在预设的数据库中获取各个所述环境信息的标准编码矩阵和第二编码标准；
针对各个所述环境信息，将所述环境信息对应的标准编码矩阵在指定位置的元素作为第二目标编码向量的第二标识元素，并基于所述环境信息对应的第二编码标准对所述环境信息进行编码处理，得到第二编码元素，及基于预设的元素组合方式将所述第二标识元素和所述第二编码元素进行组合，得到第二目标编码向量；
基于各个所述第二目标编码向量对应的所述第二编号，将各个所述第二目标编码向量由上往下依次排列，得到所述第二特征编码矩阵。
可以理解地，所述第二标识元素包括多个元素，每个所述环境信息对应唯一的所述第二编号，采用上述算法分别对各个所述环境信息进行编码，一方面，能够对各个所述环境信息对应的第二编码向量进行标识，这有助于提高后续所述第一特征编码矩阵和所述第二特征编码矩阵融合的准确性，从而实现有效地清洁，另一方面，能够对各个所述环境信息进行准确编码，有助于提高拖地机器人的清洁效果。
步骤S300、将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵。
需要说明的是，步骤S300包括以下步骤：
针对所述第一特征编码矩阵的各个第一目标编码向量，判断所述第二特征编码矩阵中是否存在所述第一目标编码向量的关联第二目标编码向量；其中，所述第一目标编码向量的第一标识元素与所述关联第二目标编码向量的第二标识元素具有相同的字母或数字；
若存在，将所述第一目标编码向量作为融合标识元素，并将所述第一目标编码向量的第一编码元素和所述关联第二目标编码向量的第二编码元素进行融合，得到融合编码元素，及基于预设的元素组合方式将所述融合标识元素和所述融合编码元素进行组合，得到第一目标特征编码向量；
若不存在，将所述第一目标编码向量作为第二目标特征编码向量；
在所述第二特征编码矩阵中确定第三目标特征编码向量；其中，所述第三目标特征编码向量是不与任一所述第一目标编码向量关联的第二目标编码向量；
基于预设的向量排序规则将各个所述第一目标特征编码向量、各个所述第二目标特征编码向量和各个所述第三目标特征编码向量依序排列，得到所述目标特征编码矩阵。
其中，将所述第一目标编码向量的第一编码元素和所述关联第二目标编码向量的第二编码元素进行融合的算法为FedAvg、FedProx、FedProx、FedEWA和FedPD中的任一种。
可以理解地，针对任一所述属性参数而言，针对所述属性参数设置的清洁参数可能会受一个或多个所述环境信息的影响，例如：针对被清洁区域污染情况设置的清洁参数会受环境温度和环境湿度的影响，也可能不受任何环境信息的影响，例如，针对被清洁区域形状设置的清洁参数不受任何环境信息的影响，采用上述实施例中的算法能够在所述属性参数的清洁参数受某一所述环境信息的影响时，将所述属性参数与影响其清洁参数的环境信息相关联，这有助于提高拖地机器人在特定环境中的清洁效果。
步骤S400、基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数。
其中，所述目标参数信息包括但不限于拖地机器人的运行速度和运行方向、毛刷的转速等级、毛刷的清洁力度和清洁液的喷洒量等。
需要说明的是，基于所述目标特征编码矩阵生成目标清洁参数信息时，是将所述目标特征编码矩阵输入预设的清洁参数生成模型，以得到所述目标清洁参数信息，其中，所述清洁参数生成模型包括输入层、深度学习层和输出层，所述输入层用于接收所述目标特征编码矩阵，所述深度学习层用于对所述目标特征编码矩阵进行深度学习，得到所述目标清洁参数信息，所述输出层用于输出所述目标清洁参数信息。
步骤S500、将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
可以理解地，将所述目标关联关系存储至预设的数据库，能够在下次对所述被清洁区域进行清洁时，当检测到的属性参数集和周围环境信息集与所述目标关联关系中的属性参数集和周围环境信息集一致时，直接利用所述目标关联关系中的目标清洁参数调整所述拖地机器人的清洁参数，有助于提高所述拖地机器的工作效率。
本实施例提供的算法，一方面，通过将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵，并基于所述目标特征编码矩阵生成目标清洁参数信息，及基于所述目标清洁参数信息调整所述拖地机器人的清洁参数，能够提高所述拖地机器人的智能化程度，使所述拖地机器人在特定的环境条件下，实现有效地清洁，另一方面，将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库，能够在下次对所述被清洁区域进行清洁时，当检测到的属性参数集和周围环境信息集与所述目标关联关系中的属性参数集和周围环境信息集一致时，直接利用所述目标关联关系中的目标清洁参数调整所述拖地机器人的清洁参数，有助于提高所述拖地机器的工作效率。
在一些实施例中，在所述获取被清洁区域的属性信息集和被清洁区域的周围环境信息集之前，所述算法还包括：
获取第一位置信息和第二位置信息；其中，所述第一位置信息为拖地机器人当前的位置信息，所述第二位置信息为所述被清洁区域的指定位置的位置信息；
基于所述第一位置信息和所述第二位置信息控制所述拖地机器人运动至所述被清洁区域的指定位置。
其中，在所述拖地机器人接收到清洁所述被清洁区域的指令时，通过设于所述拖地机器人的定位传感器获取所述第一位置信息，从预设的数据库中获取所述第二位置信息。
需要说明的是，基于所述第一位置信息和所述第二位置信息控制所述拖地机器人运动至所述被清洁区域的指定位置时，首先，基于所述第一位置信息和所述第二位置信息生成所述拖地机器人的运动轨迹，然后，基于所述运动轨迹控制所述拖地机器人由所述第一位置信息指代的位置移动至所述第二位置信息指代的位置。
在一些实施例中，在所述基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵之前，所述算法还包括：
判断预设的数据库中是否存在与所述属性信息集、所述周围环境信息集关联的历史清洁参数信息；
若不存在，则执行所述基于预设的属性信息集编码规则对所述属性参数信息进行特征矩阵编码，得到第一特征编码矩阵。
若存在，基于与所述属性信息集、所述周围环境信息集关联的历史清洁参数信息调整所述拖地机器人的清洁参数。
可以理解地，采用本实施例的算法在预设的数据库中存在与所述属性信息集、所述周围环境信息集关联的历史清洁参数信息集时，能够节省控制器的算力，有助于提高所述拖地机器人的工作效率。
在一些实施例中，在将所述目标关联关系存储至预设的数据库之前，所述算法还包括：
在所述第一特征编码矩阵、所述第二特征编码矩阵和所述目标特征编码矩阵中提取未重复出现的矩阵元素，得到目标矩阵元素；其中，所述目标矩阵元素包括数字和字母；
在预设的数据库中获取加密表；其中，所述加密表包括数字和字母；
在所述目标矩阵元素中确定加密数字和加密字母；其中，所述加密数字为所述目标矩阵元素中未在所述加密表中出现的数字，所述加密字母为所述目标矩阵元素中未在所述加密表中出现的字母；
基于预设的密码组合方式将所述加密数字和所述加密字母进行组合，得到加密密码；
基于所述加密密码对所述目标关联关系进行加密。
本实施例通过对所述目标关联关系进行加密处理，提高了所述目标关联关系的安全性，本实施例的算法通过在所述第一特征编码矩阵、所述第二特征编码矩阵和所述目标特征编码矩阵中提取未重复出现的矩阵元素，得到目标矩阵元素，并在所述目标矩阵元素中确定加密数字和加密字母，实现了对不同的目标关联关系进行加密处理时，生成不同的加密密码，提高了加密效果，有助于进一步提高所述目标关联关系的安全性。
请参阅图2，图2为本申请实施例提供的芯片100的结构示意性框图，芯片100用于调整拖地机器人的清洁参数，芯片100，包括：
获取模块110，用于获取被清洁区域的属性信息集和被清洁区域的周围环境信息集。
编码模块120，用于基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵。
融合模块130，用于将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵。
调整模块140，用于基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数。
存储模块150，用于将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
需要说明的是，所属技术领域的技术人员可以清楚了解到，为了描述的方便和简洁，上述描述的装置和各个模块的具体工作过程，可以参考前述智能服务机器人的芯片算法实施例中的对应过程，在此不再赘述。
上述实施例提供的芯片100可以实现为一种计算机程序的形式，该计算机程序可以在如图3所示的终端设备200上运行。
请参阅图3，图3为本申请实施例提供的终端设备200的结构示意性框图，终端设备200包括处理器201和存储器202，处理器201和存储器202通过系统总线203连接，其中，存储器202可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储计算机程序。该计算机程序包括程序指令，该程序指令被处理器201执行时，可使得处理器201执行上述任一种智能服务机器人的芯片算法。
处理器201用于提供计算和控制能力，支撑整个终端设备200的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器201执行时，可使得处理器201执行上述任一种智能服务机器人的芯片算法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所涉及的终端设备200的限定，具体的终端设备200可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器201可以是中央处理单元 (Central Processing Unit，CPU)，该处理器201还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一些实施例中，处理器201用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；
基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；
将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；
基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数；
将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端设备200的具体工作过程，可以参考前述智能服务机器人的芯片算法的对应过程，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时使所述一个或多个处理器实现如本申请实施例提供的智能服务机器人的芯片算法。
其中，所述计算机可读存储介质可以是前述实施例终端设备200的内部存储单元，例如终端设备200的硬盘或内存。所述计算机可读存储介质也可以是终端设备200的外部存储设备，例如终端设备200配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种智能服务机器人的芯片算法，其特征在于，所述算法用于调整拖地机器人的清洁参数，所述算法包括：
获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；
基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；
将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；
基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数；
将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
2.根据权利要求1所述的智能服务机器人的芯片算法，其特征在于，在所述获取被清洁区域的属性信息集和被清洁区域的周围环境信息集之前，所述算法还包括：
获取第一位置信息和第二位置信息；其中，所述第一位置信息为拖地机器人当前的位置信息，所述第二位置信息为所述被清洁区域的指定位置的位置信息；
基于所述第一位置信息和所述第二位置信息控制所述拖地机器人运动至所述被清洁区域的指定位置。
3.根据权利要求1所述的智能服务机器人的芯片算法，其特征在于，在所述基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵之前，所述算法还包括：
判断预设的数据库中是否存在与所述属性信息集、所述周围环境信息集关联的历史清洁参数信息；
若不存在，则执行所述基于预设的属性信息集编码规则对所述属性参数信息进行特征矩阵编码，得到第一特征编码矩阵。
4.根据权利要求1所述的智能服务机器人的芯片算法，其特征在于，所述属性信息集包括多种不同类型的属性信息，所述基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，包括：
获取各个不同类型的所述属性信息的第一编号，并基于各个所述第一编号在预设的数据库中获取各个所述属性信息的初始编码向量和第一编码标准；其中，所述初始编码向量包括第一标识元素和多个元素空位；
针对各个所述属性信息，基于所述属性信息对应的第一编码标准对所述属性信息进行编码处理，得到第一编码元素，并将所述第一编码元素依序插入所述属性信息对应的初始编码向量的元素空位，得到第一目标编码向量；
基于各个所述第一目标编码向量对应的所述第一编号，将各个所述第一目标编码向量由上往下依次排列，得到所述第一特征编码矩阵。
5.根据权利要求4所述的智能服务机器人的芯片算法，其特征在于，所述周围环境信息集包括多种不同类型的环境信息，所述基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵，包括：
获取各个不同类型的所述环境信息的第二编号，并基于各个所述第二编号在预设的数据库中获取各个所述环境信息的标准编码矩阵和第二编码标准；
针对各个所述环境信息，将所述环境信息对应的标准编码矩阵在指定位置的元素作为第二目标编码向量的第二标识元素，并基于所述环境信息对应的第二编码标准对所述环境信息进行编码处理，得到第二编码元素，及基于预设的元素组合方式将所述第二标识元素和所述第二编码元素进行组合，得到第二目标编码向量；
基于各个所述第二目标编码向量对应的所述第二编号，将各个所述第二目标编码向量由上往下依次排列，得到所述第二特征编码矩阵。
6.根据权利要求5所述的智能服务机器人的芯片算法，其特征在于，所述将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵，包括：
针对所述第一特征编码矩阵的各个第一目标编码向量，判断所述第二特征编码矩阵中是否存在所述第一目标编码向量的关联第二目标编码向量；其中，所述第一目标编码向量的第一标识元素与所述关联第二目标编码向量的第二标识元素具有相同的字母或数字；
若存在，将所述第一目标编码向量作为融合标识元素，并将所述第一目标编码向量的第一编码元素和所述关联第二目标编码向量的第二编码元素进行融合，得到融合编码元素，及基于预设的元素组合方式将所述融合标识元素和所述融合编码元素进行组合，得到第一目标特征编码向量；
若不存在，将所述第一目标编码向量作为第二目标特征编码向量；
在所述第二特征编码矩阵中确定第三目标特征编码向量；其中，所述第三目标特征编码向量是不与任一所述第一目标编码向量关联的第二目标编码向量；
基于预设的向量排序规则将各个所述第一目标特征编码向量、各个所述第二目标特征编码向量和各个所述第三目标特征编码向量依序排列，得到所述目标特征编码矩阵。
7.根据权利要求6所述的智能服务机器人的芯片算法，其特征在于，在将所述目标关联关系存储至预设的数据库之前，所述算法还包括：
在所述第一特征编码矩阵、所述第二特征编码矩阵和所述目标特征编码矩阵中提取未重复出现的矩阵元素，得到目标矩阵元素；其中，所述目标矩阵元素包括数字和字母；
在预设的数据库中获取加密表；其中，所述加密表包括数字和字母；
在所述目标矩阵元素中确定加密数字和加密字母；其中，所述加密数字为所述目标矩阵元素中未在所述加密表中出现的数字，所述加密字母为所述目标矩阵元素中未在所述加密表中出现的字母；
基于预设的密码组合方式将所述加密数字和所述加密字母进行组合，得到加密密码；
基于所述加密密码对所述目标关联关系进行加密。
8.一种芯片，其特征在于，所述芯片用于调整拖地机器人的清洁参数，所述芯片包括：
获取模块，用于获取被清洁区域的属性信息集和被清洁区域的周围环境信息集；
编码模块，用于基于预设的属性信息集编码规则对所述属性信息集进行特征矩阵编码，得到第一特征编码矩阵，并基于预设的环境信息编码规则对所述周围环境信息集进行特征矩阵编码，得到第二特征编码矩阵；
融合模块，用于将所述第一特征编码矩阵和所述第二特征编码矩阵进行融合，得到目标特征编码矩阵；
调整模块，用于基于所述目标特征编码矩阵生成目标清洁参数信息，并基于所述目标清洁参数信息调整所述拖地机器人的清洁参数；
存储模块，用于将所述属性信息集、所述周围环境信息集和所述目标清洁参数信息进行关联，得到目标关联关系，并将所述目标关联关系存储至预设的数据库。
9.一种终端设备，其特征在于，所述终端设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的智能服务机器人的芯片算法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的智能服务机器人的芯片算法。
CN202410041332.8A 2024-01-11 2024-01-11 智能服务机器人的芯片算法、芯片、设备及存储介质 Active CN117556785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410041332.8A CN117556785B (zh) 2024-01-11 2024-01-11 智能服务机器人的芯片算法、芯片、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410041332.8A CN117556785B (zh) 2024-01-11 2024-01-11 智能服务机器人的芯片算法、芯片、设备及存储介质

Publications (2)

Publication Number Publication Date
CN117556785A true CN117556785A (zh) 2024-02-13
CN117556785B CN117556785B (zh) 2024-04-30

Family

ID=89811506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410041332.8A Active CN117556785B (zh) 2024-01-11 2024-01-11 智能服务机器人的芯片算法、芯片、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117556785B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200016764A1 (en) * 2019-08-26 2020-01-16 Lg Electronics Inc. Artificial intelligence robot for performing cleaning using pollution log and method for same
CN111067428A (zh) * 2019-12-23 2020-04-28 珠海格力电器股份有限公司 一种清洁方法、存储介质以及清洁设备
CN111543902A (zh) * 2020-06-08 2020-08-18 深圳市杉川机器人有限公司 地面清洁方法、装置、智能清洁设备和存储介质
CN112056993A (zh) * 2020-09-07 2020-12-11 上海高仙自动化科技发展有限公司 一种清洁方法、装置、电子设备及计算机可读存储介质
CN112971615A (zh) * 2021-02-03 2021-06-18 追创科技(苏州)有限公司 一种智能清洁设备的控制方法及智能清洁设备
CN114935527A (zh) * 2022-07-26 2022-08-23 克拉玛依市富城天然气有限责任公司 一种基于油井天然气开采的传感器智能清洁方法及系统
CN115373408A (zh) * 2022-10-26 2022-11-22 科大讯飞股份有限公司 清洁机器人及其控制方法、装置、设备及存储介质
CN115546745A (zh) * 2022-08-01 2022-12-30 南京特沃斯高科技有限公司 基于跨模态清洁机器人清洁道路分割与识别方法
CN115644739A (zh) * 2022-11-21 2023-01-31 深圳博鹏智能科技有限公司 基于物联网的商用清洁机器人控制方法及系统
CN116038716A (zh) * 2023-03-14 2023-05-02 煤炭科学研究总院有限公司 机器人的控制方法和机器人的控制模型的训练方法
CN117033880A (zh) * 2023-10-10 2023-11-10 北京金信润天信息技术股份有限公司 数据中心自动化运维方法、装置、设备及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200016764A1 (en) * 2019-08-26 2020-01-16 Lg Electronics Inc. Artificial intelligence robot for performing cleaning using pollution log and method for same
CN111067428A (zh) * 2019-12-23 2020-04-28 珠海格力电器股份有限公司 一种清洁方法、存储介质以及清洁设备
CN111543902A (zh) * 2020-06-08 2020-08-18 深圳市杉川机器人有限公司 地面清洁方法、装置、智能清洁设备和存储介质
CN112056993A (zh) * 2020-09-07 2020-12-11 上海高仙自动化科技发展有限公司 一种清洁方法、装置、电子设备及计算机可读存储介质
CN112971615A (zh) * 2021-02-03 2021-06-18 追创科技(苏州)有限公司 一种智能清洁设备的控制方法及智能清洁设备
CN114935527A (zh) * 2022-07-26 2022-08-23 克拉玛依市富城天然气有限责任公司 一种基于油井天然气开采的传感器智能清洁方法及系统
CN115546745A (zh) * 2022-08-01 2022-12-30 南京特沃斯高科技有限公司 基于跨模态清洁机器人清洁道路分割与识别方法
CN115373408A (zh) * 2022-10-26 2022-11-22 科大讯飞股份有限公司 清洁机器人及其控制方法、装置、设备及存储介质
CN115644739A (zh) * 2022-11-21 2023-01-31 深圳博鹏智能科技有限公司 基于物联网的商用清洁机器人控制方法及系统
CN116038716A (zh) * 2023-03-14 2023-05-02 煤炭科学研究总院有限公司 机器人的控制方法和机器人的控制模型的训练方法
CN117033880A (zh) * 2023-10-10 2023-11-10 北京金信润天信息技术股份有限公司 数据中心自动化运维方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN117556785B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
US11185978B2 (en) Depth perception modeling for grasping objects
Yang et al. Digital twin-driven simulation for a cyber-physical system in Industry 4.0
JP7320885B2 (ja) 製造プロセスのためのシステム、方法、および媒体
CN112232426A (zh) 目标检测模型的训练方法、装置、设备及可读存储介质
Kang et al. Efficient feature selection-based on random forward search for virtual metrology modeling
CN110340807A (zh) 材料去除方法、控制系统、流体喷射抛光系统及存储介质
KR20210107551A (ko) 객체 탐지 장치 및 방법
Yadav et al. Construction of membership function for software metrics
Sun et al. Parameter identification for Bernoulli serial production line model
CN111428641A (zh) 安全着装检测方法、装置、计算机设备和可读存储介质
CN117336326A (zh) 工业物联网的数据采集分析方法、装置、设备及存储介质
JP2019067278A (ja) 識別コード読取装置及び機械学習装置
CN117556785B (zh) 智能服务机器人的芯片算法、芯片、设备及存储介质
Luciw et al. Low complexity proto-value function learning from sensory observations with incremental slow feature analysis
Rastegarpanah et al. Vision-guided mpc for robotic path following using learned memory-augmented model
Caporali et al. Deformable Linear Objects Manipulation with Online Model Parameters Estimation
CN104850820B (zh) 一种脸部识别方法及装置
Zhou et al. Bimanual Deformable Bag Manipulation Using a Structure-of-Interest Based Latent Dynamics Model
CN111108738B (zh) 数据处理设备、数据分析设备、数据处理系统和用于处理数据的方法
EP3770820A1 (en) Machine learning planner for a physical system
CN110097180B (zh) 计算机设备、数据处理方法及存储介质
CN115760911A (zh) 示教路径处理方法、装置、计算机设备和存储介质
US11556760B2 (en) Learning-based data processing system and model update method
CN115890004A (zh) 基于图像识别的激光打标方法及相关装置
KR20220154135A (ko) 제조 공정을 위한 시스템, 방법 및 매체

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant