主动机器人交互行为决策方法及完整系统与流程
0001 本发明涉及机器人交互,具体涉及一种主动机器人交互行为决策方法及完整系统。
背景技术:
1、0002 随着服务机器人、陪护机器人和移动机器人应用增加,机器人需要根据环境主动发起或调整交互行为,例如问候、让路、跟随、提示、停止等。现有方案多依赖单一传感器触发或固定规则匹配,对环境时间、位置、空间属性、光照、温湿度、地面属性及障碍物动态变化等因素的联合感知不足,且行为决策与环境语义之间缺乏双向校验,容易出现误交互或交互死锁。此外,传统方法对历史交互反馈利用不足,难以在相同环境下逐步形成稳定经验。
技术实现思路
1、0003 本发明的目的在于提供一种主动机器人交互行为决策方案及完整系统,以解决现有技术中机器人交互决策缺乏全局环境感知、环境冲突时易死锁、学习结果无法固化的问题。所述完整系统包括:环境感知模块、状态描述构建模块、双向比对决策模块、交互执行模块以及固化学习模块;所述环境感知模块用于获取当前时间信息和位置信息,以时间和位置作为平等并行的底层输入派生子锚库;所述状态描述构建模块用于对子锚库中的各子锚进行实时采样并将采样结果融合处理,生成当前环境状态描述集;所述双向比对决策模块用于将环境状态描述集与预设的语义候选集进行双向比对,根据匹配度与冲突度的综合判定输出交互行为决策或执行容错处理;所述交互执行模块用于根据决策结果控制机器人执行对应的交互行为;所述固化学习模块用于在执行交互行为后根据环境反馈进行固化学习,将决策结果与环境反馈关联存储,并在后续相同环境状态下优先调用固化结果,若环境状态发生预期变化则解除固化并重新触发双向比对决策模块执行比对。
1.一种主动机器人交互行为决策方法,其特征在于,包括以下步骤:
2.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s1中,时间信息和位置信息作为平等并行的底层输入,所述子锚库中的各子锚之间相互独立且可组合使用。
3.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s3中,匹配度计算和冲突度计算均采用加权评分机制,权重根据环境场景动态调整。
4.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s4中,预设阈值例如可以为15%,当冲突度小于或等于15%时输出交互行为决策,当冲突度大于15%时执行容错处理。
5.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s6中,固化学习的次数为3至10次,当相同环境状态下连续n次决策结果与环境反馈一致时,完成固化。
6.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s2中,环境状态描述集的构建包括:对子锚库中的各子锚进行实时采样,并将采样结果进行融合处理。
7.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s5中,交互行为的执行优先级为:安全避让高于语音输出,语音输出高于动作调节,动作调节高于表情变化,表情变化高于移动路径调整。
8.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,还包括:在执行s1之前,对机器人硬件进行自检,确认传感器、执行器及通信模块处于正常工作状态。
9.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述s6中,解除固化后重新执行s3至s6时,将前次固化结果作为参考权重参与本次双向比对。
10.如权利要求1所述的主动机器人交互行为决策方法,其特征在于,所述语义候选集包含预设的交互行为模板库,所述模板库根据应用场景进行更新。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com