本發(fā)明涉及機器人控制，特別是一種人工智能機器人的控制方法及系統(tǒng)。

背景技術(shù)：

1、機器人控制方法是指通過各種技術(shù)和算法來指導(dǎo)和管理機器人行為的一系列過程和策略。這些方法通常涉及感知環(huán)境、處理信息、做出決策和執(zhí)行動作等步驟。先進的機器人控制系統(tǒng)旨在使機器人能夠適應(yīng)復(fù)雜多變的環(huán)境，理解和響應(yīng)用戶需求，并高效完成各種任務(wù)。這些系統(tǒng)通常結(jié)合了傳感器數(shù)據(jù)處理、機器學(xué)習(xí)算法、決策模型和執(zhí)行機制，以實現(xiàn)智能化和自主化的機器人行為。

2、然而，現(xiàn)有的機器人控制方法存在一些顯著的缺點：

3、任務(wù)關(guān)聯(lián)分析不足：大多數(shù)現(xiàn)有方法缺乏有效的機制來分析和識別任務(wù)之間的關(guān)聯(lián)性。它們通常只關(guān)注當前任務(wù)的執(zhí)行，而忽視了任務(wù)之間可能存在的時間和邏輯關(guān)系，導(dǎo)致機器人無法主動提供相關(guān)任務(wù)建議或優(yōu)化任務(wù)執(zhí)行順序。

4、歷史數(shù)據(jù)利用不充分：現(xiàn)有系統(tǒng)往往未能充分利用歷史任務(wù)數(shù)據(jù)來學(xué)習(xí)用戶行為模式和任務(wù)執(zhí)行規(guī)律，這限制了機器人預(yù)測用戶需求和相關(guān)任務(wù)的能力，使得控制系統(tǒng)缺乏前瞻性和智能性。

技術(shù)實現(xiàn)思路

1、鑒于現(xiàn)有的人工智能機器人的控制及系統(tǒng)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于：任務(wù)關(guān)聯(lián)度不夠與歷史數(shù)據(jù)利用不充分。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實施例提供了一種人工智能機器人的控制方法，其包括以下步驟，

5、獲取機器人周圍環(huán)境的動態(tài)數(shù)據(jù)和用戶行為數(shù)據(jù)，分析總結(jié)出第一分析模型，通過所述第一分析模型對所述動態(tài)數(shù)據(jù)和用戶行為數(shù)據(jù)進行第一分析，得到第一控制指令；

6、獲取機器人的靜態(tài)數(shù)據(jù)和歷史任務(wù)數(shù)據(jù)，分析總結(jié)出第二分析模型，通過所述第二分析模型對所述靜態(tài)數(shù)據(jù)和歷史任務(wù)數(shù)據(jù)進行第二分析，得到第二控制指令；

7、結(jié)合所述第一控制指令和所述第二控制指令得到最終控制指令，完成智能機器人的控制和任務(wù)預(yù)測。

8、作為本發(fā)明所述人工智能機器人的控制方法的一種優(yōu)選方案，其中：所述動態(tài)數(shù)據(jù)包括實時環(huán)境圖像、聲音信號、距離傳感器數(shù)據(jù)、時間、特殊事件標記，以及機器人當前狀態(tài)；

9、所述用戶行為數(shù)據(jù)包括用戶指令、指令時間，以及指令頻率；

10、所述靜態(tài)數(shù)據(jù)包括機器人硬件參數(shù)、機械結(jié)構(gòu)信息、預(yù)設(shè)任務(wù)目標，以及操作限制條件；

11、所述歷史任務(wù)數(shù)據(jù)包括過去執(zhí)行的任務(wù)序列、任務(wù)時間、任務(wù)頻率。

12、作為本發(fā)明所述人工智能機器人的控制方法的一種優(yōu)選方案，其中：所述第一分析模型是基于循環(huán)神經(jīng)網(wǎng)絡(luò)對用戶行為數(shù)據(jù)和動態(tài)數(shù)據(jù)的綜合分析，具體為：

13、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的輸出對用戶行為數(shù)據(jù)進行分析，得到初步的任務(wù)預(yù)測tt1；結(jié)合動態(tài)數(shù)據(jù)中的環(huán)境信息et和機器人當前的狀態(tài)數(shù)據(jù)st，對初步任務(wù)預(yù)測進行調(diào)整，得到修正的任務(wù)預(yù)測tt2；

14、通過修正的任務(wù)預(yù)測tt2，生成第一控制指令ct。

15、作為本發(fā)明所述人工智能機器人的控制方法的一種優(yōu)選方案，其中：所述初步的任務(wù)預(yù)測tt1通過公式表示為：

16、tt1＝rnn(ut，ht-1)；

17、式中，ut表示為用戶行為數(shù)據(jù)，ht-1表示為先前的隱藏狀態(tài)，公式整體表示使用循環(huán)神經(jīng)網(wǎng)絡(luò)根據(jù)當前的用戶行為數(shù)據(jù)和先前的隱藏狀態(tài)生成初步的任務(wù)預(yù)測結(jié)果；

18、所述修正的任務(wù)預(yù)測tt2通過公式表示為：

19、tt2＝tt1·(1+α·et)+β·(st-sref)；

20、式中，α和β均表示為權(quán)重因子，分別控制環(huán)境數(shù)據(jù)和狀態(tài)數(shù)據(jù)對修正任務(wù)預(yù)測的影響，sref表示為參考狀態(tài)，公式整體表示將初步任務(wù)預(yù)測與當前環(huán)境數(shù)據(jù)和機器人當前狀態(tài)結(jié)合，生成修正后的任務(wù)預(yù)測結(jié)果；

21、所述第一控制指令ct通過公式表示為：

22、ct＝f(tt2，et)；

23、式中，函數(shù)f代表將任務(wù)預(yù)測和環(huán)境數(shù)據(jù)轉(zhuǎn)換為控制指令的過程，公式整體表示將修正后的任務(wù)預(yù)測和當前環(huán)境數(shù)據(jù)結(jié)合，生成第一控制指令。

24、作為本發(fā)明所述人工智能機器人的控制方法的一種優(yōu)選方案，其中：所述第二分析模型在生成控制指令時考慮動態(tài)數(shù)據(jù)的影響，具體為：

25、根據(jù)歷史任務(wù)數(shù)據(jù)d和預(yù)設(shè)任務(wù)目標g得到任務(wù)概率分布pt；

26、通過所述任務(wù)概率分布pt和所述機器人硬件參數(shù)，得到考慮硬件限制后的任務(wù)序列s1；

27、結(jié)合動態(tài)數(shù)據(jù)中的環(huán)境信息et和機器人當前的狀態(tài)數(shù)據(jù)st，對任務(wù)序列進行調(diào)整，得到修正后的任務(wù)序列s2；

28、基于修正后的任務(wù)序列s2和所述機器人的操作限制條件，得到第二控制指令cw。

29、作為本發(fā)明所述人工智能機器人的控制方法的一種優(yōu)選方案，其中：所述任務(wù)概率分布pt通過公式表示為：

30、pt＝g(d，g)；

31、式中，函數(shù)g表示為將歷史數(shù)據(jù)和任務(wù)目標轉(zhuǎn)換為任務(wù)概率分布的過程，公式整體表示為根據(jù)歷史任務(wù)數(shù)據(jù)和預(yù)設(shè)任務(wù)目標計算任務(wù)概率分布；

32、所述考慮硬件限制后的任務(wù)序列s1通過公式表示為：

33、s1＝h(pt，h)；

34、式中，函數(shù)h表示為在考慮硬件限制后，生成任務(wù)序列的過程，公式整體表示為根據(jù)任務(wù)概率分布和機器人硬件參數(shù)生成初步的任務(wù)序列；

35、所述修正后的任務(wù)序列s2通過公式表示為：

36、s2＝s1+γ·(et-eref)+δ·(st-sref)；

37、式中，γ和δ均表示為權(quán)重系數(shù)，分別控制環(huán)境數(shù)據(jù)和狀態(tài)數(shù)據(jù)對任務(wù)序列的修正作用，eref表示為參考環(huán)境數(shù)據(jù)，用于衡量與當前環(huán)境和狀態(tài)的差異，公式整體表示為將初步任務(wù)序列與當前環(huán)境數(shù)據(jù)和機器人當前的狀態(tài)數(shù)據(jù)結(jié)合，生成修正后的任務(wù)序列；

38、所述第二控制指令cw通過公式表示為：

39、cw＝k(s2，l，et)；

40、式中，l表示為操作限制條件，函數(shù)k表示為將修正任務(wù)序列和限制條件轉(zhuǎn)換為控制指令的過程，整體公式表示為將修正后的任務(wù)序列、操作限制條件以及當前環(huán)境數(shù)據(jù)結(jié)合，生成第二控制指令。

41、作為本發(fā)明所述人工智能機器人的控制方法的一種優(yōu)選方案，其中：所述最終控制指令cz獲得公式為，

42、cz＝ω·ct+(1-ω)·cw；

43、式中，ω表示為動態(tài)權(quán)重因子，取值范圍為0≤ω≤1；

44、當確定最終控制指令cz后，根據(jù)歷史任務(wù)數(shù)據(jù)判斷是否有關(guān)聯(lián)任務(wù)，當判斷結(jié)果為有時，則主動詢問用戶是否執(zhí)行關(guān)聯(lián)任務(wù)，當判斷結(jié)果為沒有時，則無作為；

45、其中，關(guān)聯(lián)任務(wù)的判斷方式包括：

46、收集用戶歷史任務(wù)數(shù)據(jù)，具體包括任務(wù)類型、執(zhí)行順序，以及時間間隔信息；

47、識別同時出現(xiàn)或者按特定順序執(zhí)行的任務(wù)對(r1，r2)；

48、計算任務(wù)對(r1，r2)的關(guān)聯(lián)概率p(r1，r2)，當關(guān)聯(lián)概率p(r1，r2)大于概率設(shè)定值時，則將任務(wù)對進行關(guān)聯(lián)，并進行時間關(guān)聯(lián)計算，反之則不進行關(guān)聯(lián)；

49、所述時間關(guān)聯(lián)計算包括計算任務(wù)對(r1，r2)的時間差，并獲得時間差小于標準值的次數(shù)，當次數(shù)大于時間設(shè)定值時，則將任務(wù)對(r1，r2)進行關(guān)聯(lián)，反之則取消關(guān)聯(lián)；

50、最后獲得關(guān)聯(lián)度，其計算公式表示為：

51、g(r1，r2)＝μ1·p(r1，r2)+μ2·η(r1，r2)；

52、式中，g(r1，r2)表示為關(guān)聯(lián)度，μ1和μ2表示為權(quán)重系數(shù)，η(r1，r2)表示為時間相關(guān)度；

53、當關(guān)聯(lián)度g(r1，r2)大于閾值θ時，則判斷任務(wù)r2為任務(wù)r1的關(guān)聯(lián)任務(wù)，反之則不為關(guān)聯(lián)任務(wù)。

54、第二方面，本發(fā)明實施例提供了一種人工智能機器人的控制系統(tǒng)，其包括數(shù)據(jù)采集模塊、數(shù)據(jù)計算模塊，以及指令輸出模塊；

55、所述數(shù)據(jù)采集模塊用于獲取機器人周圍環(huán)境的動態(tài)數(shù)據(jù)和用戶行為數(shù)據(jù)，并獲得機器人的靜態(tài)數(shù)據(jù)和歷史任務(wù)數(shù)據(jù)；

56、所述數(shù)據(jù)計算模塊用于生成第一分析模型和第二分析模型；

57、所述指令輸出模塊用于得到第一控制指令和第二控制指令，并對兩個控制指令融合，得到最終控制指令。

58、第三方面，本發(fā)明實施例提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的人工智能機器人的控制方法的任一步驟。

59、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的人工智能機器人的控制方法的任一步驟。

60、本發(fā)明有益效果為：通過創(chuàng)新的任務(wù)關(guān)聯(lián)分析機制和全面的歷史數(shù)據(jù)利用策略，有效解決了現(xiàn)有技術(shù)中任務(wù)關(guān)聯(lián)分析不足和歷史數(shù)據(jù)利用不充分的問題。

61、在任務(wù)關(guān)聯(lián)分析方面，本方法引入了一種綜合考慮任務(wù)類型、執(zhí)行順序和時間間隔的識別機制，通過計算任務(wù)對的關(guān)聯(lián)概率和時間相關(guān)度，顯著提高了關(guān)聯(lián)任務(wù)識別的準確性和全面性，這使得系統(tǒng)能夠更智能地提供相關(guān)任務(wù)建議，優(yōu)化任務(wù)執(zhí)行順序，從而提升用戶體驗和工作效率。

62、在歷史數(shù)據(jù)利用方面，本方法在多個層面充分利用了歷史任務(wù)數(shù)據(jù)，包括生成任務(wù)概率分布、考慮硬件限制的任務(wù)序列生成，以及將歷史數(shù)據(jù)分析結(jié)果與當前環(huán)境和狀態(tài)信息動態(tài)結(jié)合，這種多層次、多角度的歷史數(shù)據(jù)利用方法，大大提高了系統(tǒng)對用戶需求的預(yù)測能力和環(huán)境適應(yīng)性，通過融合短期動態(tài)數(shù)據(jù)和長期歷史數(shù)據(jù)，本方法實現(xiàn)了對復(fù)雜環(huán)境的快速響應(yīng)和長期穩(wěn)定性的平衡，顯著提升了機器人控制系統(tǒng)的智能性、效率和魯棒性，這不僅為用戶提供了更智能、更貼心的服務(wù)體驗，也為實現(xiàn)更高級的人機協(xié)作奠定了堅實基礎(chǔ)。