WO2022027884A1 - 一种云脑机器人智库创建方法及其装置、计算机终端设备 - Google Patents

一种云脑机器人智库创建方法及其装置、计算机终端设备 Download PDF

Info

Publication number
WO2022027884A1
WO2022027884A1 PCT/CN2020/133653 CN2020133653W WO2022027884A1 WO 2022027884 A1 WO2022027884 A1 WO 2022027884A1 CN 2020133653 W CN2020133653 W CN 2020133653W WO 2022027884 A1 WO2022027884 A1 WO 2022027884A1
Authority
WO
WIPO (PCT)
Prior art keywords
robot
big data
think tank
cloud
brain
Prior art date
Application number
PCT/CN2020/133653
Other languages
English (en)
French (fr)
Inventor
张雪峰
邹艳
侯文峰
邓单
刘科江
罗洪霞
Original Assignee
广州番禺职业技术学院
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 广州番禺职业技术学院 filed Critical 广州番禺职业技术学院
Publication of WO2022027884A1 publication Critical patent/WO2022027884A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2219—Large Object storage; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • An embodiment of the present invention also provides a computer terminal device, including: one or more processors; a memory, coupled to the processor, for storing one or more programs;
  • FIG. 5 is a schematic structural diagram of a computer terminal device provided by an embodiment of the present invention.
  • the knowledge representation and mining discovery of the robot think tank regard the creation of the knowledge representation framework of the robot think tank as a network theory problem.
  • the knowledge is represented as a directed graph, where nodes are embodied in various data modalities, such as images, text, video, haptic data, or academic concepts.
  • the robot think tank is an "endless learning" knowledge engine, which continuously acquires new information in the form of edge sets in real time, and the new information is represented by means of links with the node subsets. Any robot cloud brain that searches the first type of node concept in the robot think tank can perform deep learning by downloading the relevant edge set and the second type of node concept represented by the relevant edge set.
  • the robot think tank has largely changed the status quo of over-reliance on a single source of text data modalities for big data mining discovery.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Manipulator (AREA)

Abstract

一种云脑机器人智库创建方法，包括：将人类社会大数据以及不同机器人云脑服务产生的机器人大数据传输至机器人大数据中心存储，所述机器人大数据中心包括HDFS分布式存储系统（S10）；在所述HDFS分布式存储系统中，对所述大数据进行数据处理（S20）；将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征（S30）；在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库（S40）；本方法将解决当前智能机器人难以大众化的瓶颈，将"机器人智库、机器人云脑、大数据"有机互联成为一个整体，从根本上解决机器人自主性差、智力水平低及成本高等一系列问题。

Description

一种云脑机器人智库创建方法及其装置、计算机终端设备 技术领域
本发明涉及机器人技术领域，尤其涉及一种云脑机器人智库创建方法及其装置、计算机终端设备、以及计算机可读存储介质。
背景技术
目前机器人产业互为割据，机器人制造商、机器人软件商和机器人用户各行其是，使机器人具有局限性，无法做到一般性适应。机器人工作在与人共处、高度动态等复杂的环境中,仅依靠自身配备的传感器和计算能力，无法从根本上解决机器人自主性差、智力水平低及成本高等一系列问题，大大阻碍了其推广应用。而且，机器人制造商、机器人软件商在同一种技术上重复研发，使机器人成本无法被大众接受。
发明内容
本发明目的在于，提供一种云脑机器人智库创建方法及其装置、计算机终端设备、以及计算机可读存储介质，旨在使机器人产业体系突破瓶颈，为机器人建立互联网联系，形成云应用规模效应，使得机器人具备一般性适应、自主学习性，且具有大众化的成本条件。
为实现上述目的，本发明实施例提供一种云脑机器人智库创建方法，包括：
将人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至机器人大数据中心存储，其中，所述机器人大数据中心包括HDFS分布式存储系统；
在所述HDFS分布式存储系统中，对所述人类社会大数据以及所述机器人大数据进行数据处理；
将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征；
在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库。
在一些实施例中，所述人类社会大数据以及所述机器人大数据通过物联网或网关接入Internet，传输至所述机器人大数据中心。
在一些实施例中，还包括：将数以万计协同工作的机器人个体的大脑构建成云中的镜像和服务，以形成海量的机器人云脑。
在一些实施例中，所述HDFS分布式存储系统中对所述人类社会大数据以及所述机器人大数据进行数据处理，具体包括：
采用Map/Reduce分布式计算模式对所述HDFS分布式存储系统内的所述人类社会大数据以及所述机器人大数据进行大数据计算。
在一些实施例中，所述机器人智库的知识表征方式包括定向图表，其中的节点以多种数据模态体现，所述数据模态包括图像、文本、视频、触觉数据或者学术概念。
在一些实施例中，所述机器人云脑改进所述机器人智库的方法为：
在所述机器人智库中搜索第一类节点概念的机器人云脑，并通过下载所述第一类节点概念的相关边集和所述相关边集所代表的第二类节点概念，进行深度学习。
在一些实施例中，所述机器人智库中，所述人类社会大数据以及所述机器人大数据是万维网中能被数据库理解和逻辑表征的文本模态数据。
本发明实施例还提供一种云脑机器人智库创建装置，包括：存储单元，用于将人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至机器人大数据中心存储，其中，所述机器人大数据中心包括HDFS分布式存储系统；
处理单元，用于在所述HDFS分布式存储系统中，对所述人类社会大数据以及所述机器人大数据进行数据处理；
传输单元，用于将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征；
学习单元，用于在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库。
本发明实施例还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一个实施例所述的云脑机器人智库创建方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机程序被处理器执行时实现上述任一个实施例所述的云脑机器人智库创建方法。
与现有技术相比，本发明实施例的云脑机器人智库创建方法具有如下有益效果：
所述机器人工作在与人共处、高度动态等复杂的环境中,能够通过所述机器人云脑进行深度学习，从根本上解决机器人自主性差、智力水平低及成本高等一系列问题，大大促进了所述机器人的其推广应用。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，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是本发明某一实施例提供的云脑机器人智库创建方法的流程示意图；
图2是本发明某一实施例提供的云脑机器人中枢智库开发方法的流程示意图；
图3是本发明某一实施例提供的云脑机器人智库创建框架图示意图；
图4是本发明某一实施例提供的智库、云脑、机器人协同进化架构图示意图；
图5是本发明某一实施例提供的计算机终端设备的结构示意图。
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，所描述的实施例仅仅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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明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发明。如在本发明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。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
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。
请参阅图1，本发明实施例提供一种云脑机器人智库创建方法，包括以下步骤：
S10、将人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至机器人大数据中心存储，其中，所述机器人大数据中心包括HDFS分布式存储系统。
S20、在所述HDFS分布式存储系统中，对所述人类社会大数据以及所述机 器人大数据进行数据处理。
S30、将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征。
S40、在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库。
请参阅图2，图二为所述云脑机器人中枢智库开发方法的流程示意图。
请参阅图3，图三为云脑机器人智库创建框架图示意图。
在本实施例中，首先创建及运作数以万计的可以完成不同工作的机器人，将这些海量的所述机器人个体的大脑做成云中的镜像和服务，从而形成海量的所述机器人云脑。
在所述步骤S10中，所述人类社会大数据、以及不同机器人云脑服务产生的机器人大数据通过局域网或Internet，传输至所述机器人大数据中心存储，其中，家庭或偏远区域所述机器人则通过物联网直接接入Internet或通过网关接入Internet，然后将所述人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至所述机器人大数据中心存储。
在本实施例中，所述机器人大数据中心采用所述HDFS分布式存储系统，在所述HDFS分布式存储系统中，每个离散存储结点部署DataNode节点，用来存放实际数据块，每个所述数据块按需配置多个副本。存储集群部署一个NameNode中心节点，管理文件系统命名空间，处理客户端发起的文件访问操作；随着系统的使用，数据量将会急剧增大，在存储优化方面将在可靠性、文件读取响应速度等方面进行优化研究。
在所述步骤S20中，计算模块采用Map/Reduce分布式计算模式对所述机器人大数据中心存储的数据进行大数据计算，其中所述计算的算法包括聚类分析、关联分析、分类分析算法。经所述Map/Reduce分布式计算处理后的所述大数据将实现知识外显的技术转变，输出知识进入所述机器人智库。
在所述步骤S30中，所述机器人智库的知识表征、挖掘发现将所述机器人智库知识表征构架的创建看作是网络理论问题。把所述知识表征为定向图表，其中的节点以各种各样的数据模态体现，如图像、文本、视频、触觉数据或者学术概念等。所述机器人智库是一个“无止境学习”的知识引擎，它不间断地实时获取以边集形式呈现的新信息，这些所述新信息通过和所述节点子集链接的方式得到表征。任何在所述机器人智库中搜索第一类节点概念的所述机器人云脑，都可以通过下载相关边集和所述相关边集所代表的第二类节点概念来进行深度学习。所述机器人智库在很大程度上改变了大数据挖掘发现过度依赖单一文本数据模态来源的现状。
在本实施例中，所述机器人智库通过挖掘互联网上的人类所述结构化数据主要指能被数据库所理解的、可以被逻辑表征的数据，所述非结构化数主要指无法被逻辑表征的数据，主要包括多种数据模态：文本、图片或图像、触感、XML、HTML、各类图表或报表、音频和视频信息等等。
所述机器人智库使所述机器人深度知识发现成为可能，所述知识引擎主要通过挖掘互联网上的所述人类社会大数据、以及不同所述机器人云脑服务产生的所述机器人大数据来源发现各种深度知识，且所述知识引擎能够解释自然语言文本、图像和视频，能够运用所述机器人传感器数据来观察人类，且能通过互动的方式来发现知识。
所述机器人云脑拥有学习功能，可以通过所述机器人智库学习提升自己的储备，也能引导所述机器人用户提出自己的需求和偏好，然后利用所述机器人智库中的大量知识资源，为所述机器人用户提供有针对性的智能化服务。
所述云脑机器人智库主要特点是传感器节点的能量、计算能力、通信能力和云计算处理能力，还受到成本限制，而融合智库中心需要有相对强大的计算能力。如果所述传感器节点直接采样量少，同时完成采样和压缩，则不需要基于香农-乃奎斯特定理进行大量、高速采样再额外运行复杂的压缩算法。这使得所述传感器节点变得简单、廉价，付出的代价是信号恢复时的重构算法运算量较大，而信号重构是在融合中心进行，融合中心没有能量、计算能力的苛刻限制。
请参阅图4，图4为所述机器人智库、所述机器人云脑和所述机器人协同进化架构图示意图。
在本实施例中，所述机器人智库、所述机器人云脑和所述机器人三者协同进化所述机器人智库中的知识通过所述机器人云脑在所述机器人执行任务中加以检验和改进，能够在长期使用中不断检验、提高和完善，需要借助物联网、移动互联网、互联网,收集在机器人执行任务过程中,用户、环境与机器人之间的人机交互、人机互动、机器人与环境交互的原始数据。
所述云脑机器人需要高效处理来自于网络空间、物理空间和人类社会空间的跨时空大数据，能够从与环境交互的海量历史数据及实时数据中自适应学习与决策是云脑机器人必须具备的能力。为此，需要研究跨时空大数据环境下的智能信息处理理论、方法和系统，包括：
跨时空大数据的统一表达以及数据、属性和语义的交互机制建模；
跨时空数据的变粒度结构挖掘及其高度耦合机理；
知识与数据驱动相结合的学习理论和高效算法；
开放式动态复杂环境下的隐含结构识别、异构推理与融合；
不确定环境下的高效智能决策与自适应学习；
支持云脑机器人数据计算的大数据分析处理系统架构、质量控制模型与高效算法，实现跨时空大数据并行处理机制及知识管理模式。
本发明实施例还提供一种所述云脑机器人智库创建装置，包括：
存储单元，用于将所述人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至所述机器人大数据中心存储，其中，所述机器人大数据中心包括HDFS分布式存储系统。处理单元，用于在所述HDFS分布式存储系统中，对所述人类社会大数据以及所述机器人大数据进行数据处理。传输单元，用于将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征。学习单元，用于在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库。
关于云脑机器人智库创建装置的具体限定可以参见上文中对于云脑机器人智库创建方法的限定，在此不再赘述。上述云脑机器人智库创建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参阅图5，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的云脑机器人智库创建方法。
处理器用于控制该计算机终端设备的整体操作，以完成上述的云脑机器人智库创建方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、 控制器、微控制器、微处理器或其他电子元件实现，用于执行上述任意一个实施例中的云脑机器人智库创建方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的云脑机器人智库创建方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的云脑机器人智库创建方法，并达到如上述方法一致的技术效果。
综上所述，所述机器人工作在与人共处、高度动态等复杂的环境中,能够通过所述机器人云脑进行深度学习，从根本上解决机器人自主性差、智力水平低及成本高等一系列问题，大大促进了所述机器人的其推广应用。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

  1. 一种云脑机器人智库创建方法，其特征在于，包括：
    将人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至机器人大数据中心存储，其中，所述机器人大数据中心包括HDFS分布式存储系统；
    在所述HDFS分布式存储系统中，对所述人类社会大数据以及所述机器人大数据进行数据处理；
    将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征；
    在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库。
  2. 根据权利要求1所述的云脑机器人智库创建方法，其特征在于，所述人类社会大数据以及所述机器人大数据通过物联网或网关接入Internet，传输至所述机器人大数据中心。
  3. 根据权利要求1所述的云脑机器人智库创建方法，其特征在于，还包括：
    将数以万计协同工作的机器人个体的大脑构建成云中的镜像和服务，以形成海量的机器人云脑。
  4. 根据权利要求1所述的云脑机器人智库创建方法，其特征在于，所述HDFS分布式存储系统中对所述人类社会大数据以及所述机器人大数据进行数据处理，具体包括：
    采用Map/Reduce分布式计算模式对所述HDFS分布式存储系统内的所述人类社会大数据以及所述机器人大数据进行大数据计算。
  5. 根据权利要求4所述的云脑机器人智库创建方法，其特征在于，所述机器人智库的知识表征方式包括定向图表，其中的节点以多种数据模态体现，所述数据模态包括图像、文本、视频、触觉数据或者学术概念。
  6. 根据权利要求5所述的云脑机器人智库创建方法，其特征在于，所述机器人云脑改进所述机器人智库的方法为：
    在所述机器人智库中搜索第一类节点概念的机器人云脑，并通过下载所述 第一类节点概念的相关边集和所述相关边集所代表的第二类节点概念，进行深度学习。
  7. 根据权利要求6所述的云脑机器人智库创建方法，其特征在于，所述机器人智库中，所述人类社会大数据以及所述机器人大数据是万维网中能被数据库理解和逻辑表征的文本模态数据。
  8. 一种云脑机器人智库创建装置，其特征在于，包括：
    存储单元，用于将人类社会大数据、以及不同机器人云脑服务产生的机器人大数据传输至机器人大数据中心存储，其中，所述机器人大数据中心包括HDFS分布式存储系统；
    处理单元，用于在所述HDFS分布式存储系统中，对所述人类社会大数据以及所述机器人大数据进行数据处理；
    传输单元，用于将所述HDFS分布式存储系统输出处理后的数据输入至机器人智库，其中，所述机器人智库用于不间断地实时获取以边集形式呈现的新信息，所述新信息通过与节点子集链接的方式得到表征；
    学习单元，用于在所述机器人智库中，通过机器人云脑搜索所述新信息和执行任务，以检验和改进所述机器人智库。
  9. 一种计算机终端设备，其特征在于，包括：
    一个或多个处理器；
    存储器，与所述处理器耦接，用于存储一个或多个程序；
    当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7任一项所述的云脑机器人智库创建方法。
  10. 一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的云脑机器人智库创建方法。
PCT/CN2020/133653 2020-08-04 2020-12-03 一种云脑机器人智库创建方法及其装置、计算机终端设备 WO2022027884A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010776751.8 2020-08-04
CN202010776751.8A CN111913929A (zh) 2020-08-04 2020-08-04 一种云脑机器人智库创建方法及其装置、计算机终端设备

Publications (1)

Publication Number Publication Date
WO2022027884A1 true WO2022027884A1 (zh) 2022-02-10

Family

ID=73287176

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/133653 WO2022027884A1 (zh) 2020-08-04 2020-12-03 一种云脑机器人智库创建方法及其装置、计算机终端设备

Country Status (2)

Country Link
CN (1) CN111913929A (zh)
WO (1) WO2022027884A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111913929A (zh) * 2020-08-04 2020-11-10 广州番禺职业技术学院 一种云脑机器人智库创建方法及其装置、计算机终端设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200159195A1 (en) * 2018-11-16 2020-05-21 General Electric Company Selective data feedback for industrial edge system
CN111273892A (zh) * 2020-02-13 2020-06-12 济南浪潮高新科技投资发展有限公司 一种基于云端技术和边缘计算实现智能机器人的方法
CN111385348A (zh) * 2020-01-08 2020-07-07 广州番禺职业技术学院 一种云脑机器人系统
CN111913929A (zh) * 2020-08-04 2020-11-10 广州番禺职业技术学院 一种云脑机器人智库创建方法及其装置、计算机终端设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101973031B (zh) * 2010-08-24 2013-07-24 中国科学院深圳先进技术研究院 云机器人系统及实现方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200159195A1 (en) * 2018-11-16 2020-05-21 General Electric Company Selective data feedback for industrial edge system
CN111385348A (zh) * 2020-01-08 2020-07-07 广州番禺职业技术学院 一种云脑机器人系统
CN111273892A (zh) * 2020-02-13 2020-06-12 济南浪潮高新科技投资发展有限公司 一种基于云端技术和边缘计算实现智能机器人的方法
CN111913929A (zh) * 2020-08-04 2020-11-10 广州番禺职业技术学院 一种云脑机器人智库创建方法及其装置、计算机终端设备

Also Published As

Publication number Publication date
CN111913929A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
Dutta et al. Tinyml meets iot: A comprehensive survey
US10671938B2 (en) Artificial intelligence engine configured to work with a pedagogical programming language to train one or more trained artificial intelligence models
Shafiq et al. Virtual engineering object (VEO): Toward experience-based design and manufacturing for industry 4.0
US20180357047A1 (en) Interface for working with simulations on premises
CN110163233A (zh) 一种使机器胜任更多复杂工作的方法
US20230123077A1 (en) Automated cloud data and technology solution delivery using machine learning and artificial intelligence modeling
Sapna et al. Linked data through the lens of machine learning: an Enterprise view
JP2021512387A (ja) 量子コンピューティング・デバイス設計
WO2021138939A1 (zh) 一种云脑机器人系统
CN116034369A (zh) 利用合规性验证对设计项目数据进行自动功能集群
Triboan et al. Towards a service-oriented architecture for a mobile assistive system with real-time environmental sensing
US11460973B1 (en) User interfaces for converting node-link data into audio outputs
WO2022027884A1 (zh) 一种云脑机器人智库创建方法及其装置、计算机终端设备
Zhou et al. Scaling data science solutions with semantics and machine learning: Bosch case
US20230186117A1 (en) Automated cloud data and technology solution delivery using dynamic minibot squad engine machine learning and artificial intelligence modeling
WO2023143121A1 (zh) 一种数据处理方法及其相关装置
Song et al. From knowledge graph development to serving industrial knowledge automation: a review
US20230117893A1 (en) Machine learning techniques for environmental discovery, environmental validation, and automated knowledge repository generation
Umar et al. A survey on state-of-the-art knowledge-based system development and issues
Sithole et al. Systematic methods for organising patterns for the internet of things: A preliminary exploration
Ren et al. On-device Online Learning and Semantic Management of TinyML Systems
Madni Models in Systems Engineering: From Engineering Artifacts to Source of Competitive Advantage
WO2015140592A1 (en) Repository and recommendation system for computer programs
Lu et al. MSA vs. MVC: Future trends for big data processing platforms
Niwarlangga et al. Application framework for semantic web of things

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20948624

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20948624

Country of ref document: EP

Kind code of ref document: A1