一种将机器人所学知识进行备份和学习的方法

摘要

本发明提出了一种将机器人所学知识进行备份和学习的方法，应用于机器人学习系统，机器人学习系统包括机器人、下一代机器人和云端服务器；机器人和下一代机器人的内部设有微处理器芯片或/和存储芯片；机器人和下一代机器人都通过网络与云端服务器通讯；方法包括：机器人将所学知识保存到内部的微处理器芯片或存储芯片中；机器人连接网络，在身份认证后将所学知识上传到云端服务器；当前代其他机器人或下一代机器人连接网络，验证通过后将云端服务器中保存的所学知识下载到当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯片中。实施本发明的将机器人所学知识进行备份和学习的方法，具有以下有益效果：使用操作流程更为简单、节省时间。

说明书

技术领域

本发明涉及机器人领域，特别涉及一种将机器人所学知识进行备份和学习的方法。

背景技术

目前出现了一些家用机器人，家用机器人在初次使用时都需要根据功能不同学习口 令，或者是学习身份认证，或者通过遍历房间学习构建家庭地图，或者是学习认识家庭成员 等，如果家用机器人更新换代，则下一代家用机器人需要重新学习同样的内容。这样就增加 了使用操作流程的复杂性，同时由于下一代家用机器人要花大量的时间去学习，所以其浪费 时间。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述使用操作流程较为复杂、浪费 时间的缺陷，提供一种使用操作流程更为简单、节省时间的将机器人所学知识进行备份和学 习的方法。

本发明解决其技术问题所采用的技术方案是：构造一种将机器人所学知识进行备份 和学习的方法，应用于机器人学习系统，所述机器人学习系统包括机器人、下一代机器人和 云端服务器；所述机器人和下一代机器人的内部都设有微处理器芯片或/和存储芯片；所述 机器人和下一代机器人都分别通过网络与所述云端服务器通讯；所述方法包括如下步骤：

A)所述机器人将所学知识保存到其内部的所述微处理器芯片或存储芯片中；所述所学知识 包括机器人学习的内容和/或机器人参数设置内容；

B)所述机器人连接网络，并在身份认证后将所述所学知识上传到所述云端服务器；

C)当前代其他机器人或所述下一代机器人连接网络，验证通过后将所述云端服务器中保存 的所述所学知识下载到所述当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯 片中。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述机器人学习系统 还包括RFID芯片；所述机器人、当前代其他机器人或下一代机器人通过射频信号识别所述 RFID芯片；在所述步骤A)中，所述所学知识是使用所述RFID芯片的唯一ID作为密钥进 行加密的数据。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述步骤A)进一步包 括：

A1)加载加密算法，所述机器人读取所述RFID芯片的唯一ID获得密钥；

A2)所述机器人内部的微处理器芯片利用所述加密算法对所述所学知识进行加密得到加密 的数据；

A3)将所述加密的数据暂存在所述机器人内部的微处理器芯片或存储芯片中。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述步骤B)进一步包 括：

B1)所述机器人连接网络，并与所述云端服务器建立连接；

B2)进行身份认证；

B3)所述机器人将所述加密的数据上传到所述云端服务器中指定的位置。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述步骤C)进一步包 括：

C1)当前代其他机器人或下一代机器人连接网络，并与所述云端服务器建立连接；

C2)进行身份和口令的验证；

C3)当验证通过后，找到所述云端服务器中指定的存储所述身份的位置，将所述加密的数 据下载到所述当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯片中。

在本发明所述的将机器人所学知识进行备份和学习的方法中，在所述步骤C)之后还 包括如下步骤：

D)当前代其他机器人或下一代机器人读取所述RFID芯片的唯一ID得到密钥，并将所述加 密的数据进行解密。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述步骤D)进一步包 括：

D1)加载解密算法；所述解密算法存储在所述当前代其他机器人或下一代机器人内部的微 处理器芯片或存储芯片中；

D2)所述当前代其他机器人或下一代机器人读取所述RFID芯片的唯一ID，并根据所述唯 一ID获得密钥；

D3)使用所述解密算法和密钥对所述加密的数据进行解密得到解密的数据。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述机器人学习的内容 包括家庭地图构建和身份学习；所述身份学习包括人脸识别的学习、声音识别的学习和指纹 识别的学习。

在本发明所述的将机器人所学知识进行备份和学习的方法中，在进行所述家庭地图 构建时，所述机器人在整个房间内行走一遍，并对房间的墙壁、障碍物和无障碍区域分别用 不同的标识进行标记，以栅格方式在地图中进行填充；每个栅格均以有序排列方式以数字形 式存储在其内部微处理器芯片中作为家庭地图。

在本发明所述的将机器人所学知识进行备份和学习的方法中，所述机器人设有按钮 和摄像头；在进行所述人脸识别的学习时，需要学习的人员按下所述机器人上的按钮或遥控 器上的按钮，按照语音提示对准所述摄像头，所述机器人进行拍照并保存所述需要学习的人 员的正面照片和侧面照片，所述机器人将所述正面照片和侧面照片以图片的形式存储在其内 部的微处理器芯片中。

实施本发明的将机器人所学知识进行备份和学习的方法，具有以下有益效果:将机器 人所学知识存储到云端服务器，当前代其他机器人或下一代机器人可将云端服务器中保存的 所学知识下载到其内部的微处理器芯片或存储芯片中，这样就不用再进行学习了，所以其使 用操作流程较为简单、节省时间。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有 技术描述中所需要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 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根 据这些附图获得其他的附图。

图1为本发明将机器人所学知识进行备份和学习的方法一个实施例中的流程图；

图2为所述实施例中机器人将所学知识保存到其内部的微处理器芯片中的具体流程图；

图3为所述实施例中机器人连接网络，并在身份认证后将所学知识上传到云端服务器的具体 流程图；

图4为所述实施例中当前代其他机器人或下一代机器人连接网络，验证通过后将云端服务器 中保存的所学知识下载到当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯片 中的具体流程图；

图5为所述实施例中当前代其他机器人或下一代机器人读取RFID芯片的唯一ID得到密钥， 并将加密的数据进行解密的具体流程图。

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作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。

在本发明将机器人所学知识进行备份和学习的方法实施例中，其将机器人所学知识 进行备份和学习的方法的流程图如图1所示。该将机器人所学知识进行备份和学习的方法应 用于机器人学习系统，该机器人学习系统包括机器人、下一代机器人和云端服务器；机器人 和下一代机器人的内部都设有微处理器芯片或/和存储芯片；机器人和下一代机器人都分别 通过网络(互联网)与云端服务器通讯。下一代机器人就是机器人进行更新换代后的新的机 器人。本实施例中的机器人指的是家用机器人。图1中，该将机器人所学知识进行备份和学 习的方法包括如下步骤：

步骤S01机器人将所学知识保存到其内部的微处理器芯片或存储芯片中：本步骤中，机器 人将所学知识保存到其内部的微处理器芯片或存储芯片中，上述所学知识包括机器人学习的 内容和/或机器人参数设置内容。也就是说，所学知识可以是机器人学习的内容，也可以是 用户根据自己的使用习惯设置的个性化参数(即机器人参数设置内容)。

步骤S02机器人连接网络，并在身份认证后将所学知识上传到云端服务器：本步骤 中，机器人连接网络，并在身份认证后将所学知识上传到云端服务器。

步骤S03当前代其他机器人或下一代机器人连接网络，验证通过后将云端服务器中 保存的所学知识下载到当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯片中： 本步骤中，当前代其他机器人或下一代机器人连接网络，验证通过后将云端服务器中保存的 所学知识下载到当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯片中。值得 一提的是，本实施例中，当前代其他机器人指的是与机器人是同一代的其他机器人，当机器 人出现故障或损坏后，与该机器人是同一代的其他机器人也可以直接从云端服务器中下载机 器人所学知识，这样就不需要再进行学习了，只需下载下来就可以了，省去了重复学习的步 骤，所以其使用操作流程较为简单、节省时间。

在上述方式下，所学知识是没有经过加密的。在本实施例的一些情况下，为了保证 数据的安全性，需要对所学知识进行加密。这时，在本实施例中，机器人学习系统还包括 RFID芯片；该RFID芯片可以做成卡片的形式，由用户携带着或贴在墙壁上。机器人、当 前代其他机器人或下一代机器人通过射频信号识别RFID芯片。在上述步骤S01中，上述所 学知识是使用RFID芯片的唯一ID(全球唯一ID)作为密钥进行加密的数据，也就是所学 知识是经过加密的数据，这样可进一步保证数据的安全性。当然，在本实施例的另外一些情 况下，也可以采用普通密码作为密钥对机器人所学知识进行加密。用户可根据实际情况选择 相应形式的密钥。

本实施例中，上述步骤S01还可进一步细化，其细化后的流程图如图2所示。图2 中，上述步骤S01进一步包括：

步骤S11加载加密算法，机器人读取RFID芯片的唯一ID获得密钥：本步骤中，加载加密 算法，机器人读取RFID芯片的唯一ID获得密钥。具体的，上述加密算法采用序列加密算 法或分组加密算法，比如RC4、AES等等，在机器人的微控制器芯片里面实现运算。密钥 储存在RFID芯片里面，机器人需要先读取RFID芯片的唯一ID才能获得密钥，这个唯一 ID是一串二进制数字。当然，在本实施例的一些情况下，其加密算法也可以是序列加密算 法或分组加密算法之外的其他加密算法，实际应用中，可根据具体情况选择相应的加密算法， 其方式比较灵活。

步骤S12机器人内部的微处理器芯片利用加密算法对所学知识进行加密得到加密的 数据：本步骤中，机器人内部的微处理器芯片利用加密算法，用上述获取的密钥对所学知识 进行加密，这样就得到加密的数据。

步骤S13将加密的数据暂存在机器人内部的微处理器芯片或存储芯片中：本步骤中， 机器人输出加密的数据，并将该加密的数据暂存在机器人内部的微处理器芯片或存储芯片中。 这样就实现了对所学知识的加密，增加了数据的安全性。

对于本实施例而言，上述步骤S02还可进一步细化，其细化后的流程图如图3所示。 图3中，上述步骤S02进一步包括：

步骤S21机器人连接网络，并与云端服务器建立连接：本步骤中，机器人连接网络，并与云 端服务器建立连接。

步骤S22进行身份认证：本步骤中，进行身份认证，身份认证通过后，执行步骤S23。

步骤S23机器人将加密的数据上传到云端服务器中指定的位置：本步骤中，机器人 将加密的数据上传到云端服务器中指定的位置。这样就将加密的数据存储到了云端服务器， 以供后续需要时将其从云端服务器中进行下载。这样达到了方便易用的效果。

对于本实施例而言，上述步骤S03还可进一步细化，其细化后的流程图如图4所示。 图4中，上述步骤S03进一步包括：

步骤S31当前代其他机器人或下一代机器人连接网络，并与云端服务器建立连接：本步骤 中，当前代其他机器人或下一代机器人连接网络，并与云端服务器建立连接，连接成功后， 执行步骤S32。

步骤S32进行身份和口令的验证：本步骤中，进行身份验证和口令的验证。

步骤S33当验证通过后，找到云端服务器中指定的存储身份的位置，将加密的数据 下载到当前代其他机器人或下一代机器人内部的微处理器芯片或存储芯片中：本步骤中，当 验证通过后，找到云端服务器中指定的存储身份的位置，将加密的数据下载到当前代其他机 器人或下一代机器人内部的微处理器芯片或存储芯片中。

对于本实施例而言，当将加密的数据下载到下一代机器人内部的微处理器芯片后， 需要对加密的数据进行解密，这时，在所述步骤S03之后还包括如下步骤：

当前代其他机器人或下一代机器人读取RFID芯片的唯一ID得到密钥，并将加密的数据进 行解密：本步骤中，下一代机器人读取RFID芯片的唯一ID得到密钥，并将加密的数据进 行解密。该步骤还可进一步细化，其细化后的流程图如图5所示。图5中，该步骤进一步包 括：

步骤S41加载解密算法：本步骤中，加载解密算法，该解密算法存储在当前代其他机器人 或下一代机器人内部的微处理器芯片或存储芯片中。

步骤S42当前代其他机器人或下一代机器人读取RFID芯片的唯一ID，并根据唯一 ID获得密钥：本步骤中，当前代其他机器人或下一代机器人读取上述RFID芯片的唯一ID， 然后根据这个唯一ID算出密钥。

步骤S43使用解密算法和密钥对加密的数据进行解密得到解密的数据：本步骤中， 当前代其他机器人或下一代机器人的微处理器芯片使用解密算法和密钥对加密的数据进行解 密，这样就可获取机器人(上一代机器人)的所学知识，然后就可以进行应用。由于备份的 数据在上传之前就进行了加密处理，所以这样既达到方便易用的效果，又有较强的安全性。

本实施例中，上述机器人学习的内容包括家庭地图构建和身份学习；该身份学习包 括人脸识别的学习、声音识别的学习和指纹识别的学习。当机器人在进行家庭地图的构建时， 该机器人在整个房间内行走一遍，并对房间的墙壁、障碍物和无障碍区域进行标记，在进行 标记时，其分别用不同的标识进行标记，以栅格方式在地图中进行填充，例如：在无障碍物 区域标记为0，在有障碍物的区域标记为1，墙壁标记为2。每个栅格均以有序排列方式以 数字形式存储在其内部微处理器芯片中作为家庭地图。

对于身份学习，本实施例中以人脸识别的学习为例进行说明。在进行人脸识别的学 习时，机器人需设有按钮和摄像头。具体的，在进行人脸识别的学习时，需要学习的人员按 下机器人上相应的按钮或遥控器上的按钮，需要学习的人员按照语音提示对准摄像头，机器 人进行拍照并保存需要学习的人员的正面照片和侧面照片，然后机器人将正面照片和侧面照 片以图片的形式存储在其内部的微处理器芯片中。值得一提的是，可以是一张正面照片，也 可以是一张侧面照片，当然还可以有其他角度的照片，拍的角度越多，其准确性就越高。

总之，在本实施例中，机器人所学知识可以通过云存储的方式存储在云端服务器中 指定位置，也可以进行本地存储。进行备份时，机器人所学知识在既可以进行加密，也可以 不进行加密，在实际应用中，可根据实际情况可选择相应的备份方式，其简化了使用者的操 作流程，也增加了备份的灵活性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神 和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。