法律状态公告日
法律状态信息
法律状态
2020-04-10
授权
授权
2018-10-26
实质审查的生效 IPC(主分类):G05B19/04 申请日:20180316
实质审查的生效
2018-09-28
公开
公开
技术领域
本发明涉及服务机器人领域,具体地说是一种基于意图理解的饮水服务机器人主动服务方法。
背景技术
随着生活质量的提高,人们对服务的要求越来越高,形形色色的服务机器人也进入了我们的生活。服务机器人在医疗康复,帮助残疾人和老人,家庭卫生服务等方面都有很广泛的应用。Intuitive Surgical公司率先突破外科手术机器人3D视觉精确定位及多自由度末端操作手结构设计与精确控制问题,于1999年首次发布da Vinci外科手术机器人,目前该系统在1450余家科研及医院场所得到安装使用。日本Cyberdyne公司研发的外骨骼机器人Robot Suit HAL重23kg,续航能力达到2小时40分钟,这款机器人更倾向于辅助老年人、残疾人行走,并赋予一定的负载能力。虽然上述研究使机器人能够更好的为人类服务,但很少有机器人可以提供饮水服务,不能满足饮用水服务的需求。当人们感到口渴时人的身体已经缺水了,我们失去水分的速度如此之快,以至于大脑无法及时作出反应,身体缺水会带来一系列的疾病。因此,饮水服务机器人对于人们保持健康是十分重要的。而目前的服务机器人大多按照指令机械地执行任务,不能理解人类的意图,不能主动为人们提供服务。因此一种基于意图理解的饮水服务机器人主动服务方法被提出。目前,大多数服务机器人都是被动服务的,他们按照指令机械地执行任务,不能实现主动服务,不能理解用户的饮水意图和用户需要饮水的程度,更不能根据用户需要饮水的程度计算出精确的饮水量,且没有针对饮水服务的机器人,无法满足人类对于饮水服务的需要。
发明内容
本发明所要解决的技术问题在于,针对上述目前的服务机器人无法主动服务,不能理解用户意图且没有针对饮水服务的技术缺陷,本发明提供了一种基于意图理解的饮水服务机器人主动服务方法来解决上述缺陷。
根据本发明的其中一方面,本发明为解决其技术问题,技术方案如下:
一种基于意图理解的饮水服务机器人主动服务方法,其特征在于,具体包含的步骤如下:
S1、获取与饮水需求有关的各个环境特征Cp,Cp表示第p个环境特征,根据各个环境特征分别得到对应的特征状态Spk,Spk表示在第p个环境特征下的第k个特征状态;
S2、对S1中的环境特征和特征状态采用基于模糊多层次分析和环境特征的意图推理方法FAHP-CII进行意图理解,得知用户是否需要饮水,若是,则采用模糊产生规则根据意图理解得到需要饮水的程度值,并进入步骤S3,否则不提供主动饮水服务;
S3、饮水服务机器人根据需要饮水的程度值匹配对应的饮水服务类型,不同的饮水服务类型决定不同的用户需要的供水量范围;
S4、饮水服务机器人对步骤S3中得到的所述用户需要的供水量范围进行模糊推理以及解模糊化,得到精确的用户需要的供水量,并提供相应的主动饮水服务。
进一步的,步骤S1中所述环境特征包括温度、湿度、谈话时间、运动时间,其中,温度对应冷、舒适、热三种特征状态,温度对应潮湿、舒适、干燥三种特征状态,谈话时间对应长、正常、短三种特征状态,运动时间对应长、正常、短三种特征状态。
进一步的,步骤S2中进行意图理解的具体步骤是:
(1)建立环境特征Cp与特征状态Spk的模糊隶属度函数,模糊隶属度表示为mpk;
(2)将潜在意图Ig分为需要饮水I1和不需要饮水I2两种,利用模糊层次分析法,在每一种环境特征Cp对应的特征状态Spk下,分别计算Ig是I1的概率与Ig是I2的概率,并计算所有Spk下Ig是I1的概率与Ig是I2的综合概率;
(3)将潜在意图Ig的需要饮水的程度值Igd分为紧急Ig1,正常Ig2,微弱Ig3,同样利用模糊层次分析法在每一种相关信息Cp对应的特征状态Spk下,分别计算Igd是Ig1的概率、Igd是Ig2的概率、Igd是Ig3的概率,并计算所有Spk下Igd是Ig1的概率、Igd是Ig2的概率、Igd是Ig3的综合概率;
(4)基于贝叶斯算法,得到最有可能的意图Igmax:
若Igmax是需要饮水I1的话,继续计算需要饮水的程度值Igdmax,需要饮水的程度值Igdmax通过下述公式得到:
进一步的,步骤S3中匹配对应的饮水服务类型的具体是根据用户的需要饮水的程度值Igdmax确定服务机器人提供的饮水服务类型,一种需要饮水的程度值对应一种饮水服务类型,每种饮水服务类型都确定了一个用户需要的供水量范围。
进一步的,步骤S4中模糊推理以及解模糊化的具体步骤是:
(1)对步骤S3中得到的用户需要的供水量范围进行模糊化处理,建立隶属度函数;
(2)通过面积中心(COA)原理方法对用户需要的供水量范围模糊化处理后结果的进行解模糊化,可用以下公式表示:
式中u(W)表示输出的精确值;p是输出模糊集合的元素,μ(W,p)为元素的隶属度函数。通过这种方法,就得到了从模糊推理产生的模糊集合中提取的精确值,即具体的饮水量。
进一步的,还涉及一种存储设备,其特征在于,所述存储设备存储指令及数据用于实现权利要求1~5所述的任意一种基于意图理解的饮水服务机器人主动服务方法。
进一步的,还涉及一种基于意图理解的饮水服务机器人主动服务系统,其特征在于,包括:处理器及所述存储设备;所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1~5所述的任意一种基于意图理解的饮水服务机器人主动服务方法。
本发明的目的在于解决目前的服务机器人存在的技术缺陷,使服务机器人可以理解用户的饮水意图和判断需要饮水的程度值,并根据用户需要饮水的程度值提供相应的主动饮水服务。
附图说明
图1是本发明中的一种基于意图理解的饮水服务机器人主动服务方法流程图;
图2是本发明中的环境特征温度与其特征状况的模糊隶属度函数图;
图3是本发明中的基于模糊多层次分析和环境特征的意图推理方法结构框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式,所举实例只用于解释本发明,以便正确理解本次发明各个模块之间的关系和其作用,并非用于限定本发明的范围。
1.一种基于意图理解的服务机器人主动饮水服务方法及系统
方案的具体实现细分为四个步骤:
步骤一:获取与饮水需求有关的表层交流信息和其他影响因素;
步骤二:对上述采集到的信息采用FAHP-CII方法得到深层认知信息,即个人意图以及意图的需要饮水的程度值;
步骤三:建立需求分析模型,得到深层认知信息与用户需求之间的模糊关系,即分析用户的饮水需求;
步骤四:服务机器人根据用户的饮水需求主动提供相应的饮水服务。
2.意图理解------确定用户的潜在意图和其需要饮水的程度值
方案的具体实现细分为六个步骤:
步骤一:获取与用户的饮水意图相关的信息和这些相关信息的具体情况,通过传感器、Kinect等设备收集相关信息Cp(p=1,2,...,p)。相关信息包括温度、湿度、谈话时间、运动时间等表层交流信息和其他影响因素。根据人类日常生活经验确定每一种相关信息对应的几种不同的特征状态Spk(k=1,2,...,Kp)。Cp表示第p个环境特征,Spk表示在第p个环境特征下的第k个特征状态。例如,温度对应冷、舒适、热三种特征状态,温度对应潮湿、舒适、干燥三种特征状态,谈话时间对应长、正常、短三种特征状态,运动时间对应长、正常、短三种特征状态。
步骤二:根据调查问卷的结果和常识建立相关信息Cp(X轴)与特征状态Spk(不同的函数曲线)的模糊隶属度函数。模糊隶属度表示为mpk(Y轴)。例如,相关信息温度与其特征状态的模糊隶属度函数,如图2所示。
步骤三:将潜在意图Ig分为需要饮水I1和不需要饮水I2两种。利用模糊层次分析法,在每一种相关信息Cp对应的特征状态Spk下,分别计算Ig是I1的概率与Ig是I2的概率,并计算所有Spk下Ig是I1的概率与Ig是I2的综合概率。
首先要建立一个模糊判断矩阵R,用来表示“I1是Ig的概率比I2是Ig的概率大”这层模糊关系。R中的元素rij表示的是在特征状态Spk下,“I1是Ig的概率比I2是Ig的概率大”的概率,rij是通过调查问卷的结果得到的。为了可以定量描述这一关系,我们设rij∈[0,1],具体含义如表1所示:
表1
对R进行一致性检验,以保证所有用户的潜在意图Ig都趋近于同一个方向,R应满足以下标准:
1)rii=0.5,i,j=1,2,...,n
2)rij=1-rji,i,j=1,2,...,n
3)rij=rik-rjk+0.5,i,j,k=1,2,...,n
设w1表示在Spk下,I1是Ig的概率,w2表示在Spk下,I2是Ig的概率。在计算w1和w2时我们需要引入一个参数a用来表示不同用户所感知的差异进行表示,
rij=a(wi-wj)+0.5
得到w1和w2后,我们就知道了在Spk下I1是Ig的概率和I2是Ig的概率,之后应用同样的方法计算出所有Cp对应的Spk下I1是Ig的概率和I2是Ig的概率,通过概率计算的方法就可以得到在这种环境下,I1是Ig的综合概率
步骤四:将潜在意图Ig的需要饮水的程度值Igd分为紧急Ig1,正常Ig2,微弱Ig3,同样利用模糊层次分析法在每一种相关信息Cp对应的特征状态Spk下,分别计算Igd是Ig1的概率、Igd是Ig2的概率、Igd是Ig3的概率,并计算所有Spk下Igd是Ig1的概率、Igd是Ig2的概率、Igd是Ig3的综合概率。
步骤五:根据步骤一中求得的环境特征Cp与特征状态Spk的模糊隶属度函数完善Ig是I1的概率与Ig是I2的综合概率计算方法,由Cp与Spk的模糊隶属度函数图像可知,在有些情况下,一种Cp可能对应多个Spk,所以还要根据Cp与Spk的模糊隶属度函数来计算Cp对应其Spk的概率。以温度为例,当温度为24度时,可以对应热或者舒适两种情况,根据Cp与Spk的模糊隶属度函数可得到对应热的概率是0.4,对应舒适的概率是0.6。完善后我们可以得到图3所示的概率关系。
步骤六:基于贝叶斯算法,最有可能的意图Igmax用公式(2.2)表示。
如果Igmax是需要饮水I1的话,继续计算需要饮水的程度值Igdmax,需要饮水的程度值Igdmax用公式(2.3)表示。
3.服务机器人需求分析模型---------以模糊生产规则和模糊推理为例
方案的具体实现细分为四个步骤:
步骤一:在服务机器人获得用户最有可能的意图及意图的需要饮水的程度值后,如果用户最有可能的意图是需要饮水I1,服务机器人会执行主动饮水服务。用户的需要饮水的程度值Igdmax决定了服务机器人提供的饮水服务(TE)种类。
步骤二:采用模糊产生规则,服务机器人根据用户的需要饮水的程度值执行相应的饮水服务,可以通过使用公式(3.2)中的IF-THEN规则进行表示。
If Humans={Igdmax}
Then Robot={TE} (3.2)
根据需要饮水的程度值的不同,服务机器人提供的饮水服务的区别具体体现在供水量上。供水量被分为三等,即大量、适中、少量。意图的需要饮水的程度值与服务机器人提供的饮水服务具体的对应关系如表2所示:
表2
步骤三:对供水量进行模糊化处理。供水量(W)对应大量TE1,适中TE2,少量TE3三个级别。建立供水量的隶属度函数。
步骤四:进行模糊推理以及解模糊化,确定供水量的具体数值。通过公式(3.1)的需要饮水的程度值的模糊化处理结果以及公式(3.2)的IF-THEN规则确定输入的需要饮水的程度值激活了哪个规则,可用公式表示全部的规则:
FR1:If>g1>1}
FR2:If>g2>2}
FR3:If>g3>3}
通过面积中心(COA)原理方法进行解模糊化,可用公式(3.5)表示:
式中u(W)表示输出的精确值;p是输出模糊集合的元素,μ(W,p)为元素的隶属度函数。通过这种方法,就得到了从模糊推理产生的模糊集合中提取的精确值,即具体的饮水量。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
机译: 提供应用程序理解的用户意图的服务方法和服务器
机译: 提供应用程序理解的用户意图的服务方法和服务器
机译: 多模态意图理解装置和多模态意图理解方法