一种基于人工智能的远程按摩控制方法及系统与流程

1.本技术涉及智能物联网控制技术领域，具体而言，涉及一种基于人工智能的远程按摩控制方法及系统。


背景技术：

2.随着物联网技术和互联网信息技术的发展，用户对于按摩保健的需求与日俱增，按摩器械便渐渐成为各大场所（包括商业场所和住宅场所）的标配。通常按摩是通过机械的滚动力作用和机械力挤压来按摩人体部位，进而使得紧张的肌肉得到放松，关节变得灵活。
3.相关技术中，为了提高按摩服务体验，按摩器械通常是基于云端控制的，通过在云端进行大量的深度学习可以实现更人性化的按摩方案配置，并可以实现远程同步升级。然而，相关技术中通常仅仅在采集用户的按摩姿态数据进行学习和按摩配置参数输出，缺乏针对用户的过往按摩习惯的学习考虑，导致按摩组件控制操作与目标用户的适配性无法达到预期。


技术实现要素：

4.本技术提供一种基于人工智能的远程按摩控制方法及系统。
5.第一方面，本技术实施例提供一种基于人工智能的远程按摩控制方法，应用于远程按摩控制系统，包括：获取按摩服务系统发送的目标用户的按摩基础数据，所述按摩基础数据包括按摩关联姿态数据以及按摩习惯配置数据；将所述按摩基础数据输入到预先训练的按摩控制模型中，输出对应于所述目标用户的各个目标按摩部位的按摩控制参数数据；根据所述各个目标按摩部位的按摩控制参数数据控制所述按摩服务系统执行对应的按摩组件控制操作。
6.在第一方面的一些可能的实施方式中，获取所述按摩服务系统在执行每个对应的按摩组件控制操作的过程中与按摩扩展开发服务相关的按摩授权操作数据，获取所述按摩授权操作数据中的目标按摩第三方系统对应的按摩服务喜好变量，基于所述按摩服务喜好变量从所述按摩授权操作数据中获取所述目标按摩第三方系统的多个喜好传递变量分布；基于所述按摩服务喜好变量的喜好注意力轨迹确定所述多个喜好传递变量分布分别在所述按摩授权操作数据中的喜好注意力节点，输出n个喜好注意力节点；基于所述n个喜好注意力节点中涵盖的喜好传递变量分布的不间断参数值，在所述n个喜好注意力节点中选择目标量级的喜好注意力节点，作为目标量级的标的喜好注意力节点，将所述目标量级的标的喜好注意力节点所共同构成的喜好注意力节点空间确定为所述目标按摩第三方系统在所述按摩授权操作数据中的目标喜好注意力节点空间；获取针对所述按摩扩展开发服务对应所述目标按摩第三方系统的按摩扩展开发计划，若所述按摩扩展开发计划所涵盖的开发小程序关联于所述目标喜好注意力节点空
间，则基于所述目标喜好注意力节点空间对所述开发小程序进行处理，获得开发主题分布。
7.譬如，在第一方面的一些可能的实施方式中，所述目标按摩第三方系统的多个喜好传递变量分布包括第一喜好传递变量分布与第二喜好传递变量分布； 所述n个喜好注意力节点包括所述第一喜好传递变量分布对应的第一喜好注意力节点，以及所述第二喜好传递变量分布对应的第二喜好注意力节点；所述基于所述按摩服务喜好变量的喜好注意力轨迹确定所述多个喜好传递变量分布分别在所述按摩授权操作数据中的喜好注意力节点，输出n个喜好注意力节点，包括：获取所述第一喜好传递变量分布对应的第一目标传递代价值，以及所述第二喜好传递变量分布对应的第二目标传递代价值；在所述第一目标传递代价值与所述第二目标传递代价值中，确定最小目标传递代价值；获取喜好注意力系数，依据所述喜好注意力系数将所述按摩服务喜好变量的喜好注意力轨迹进行处理，输出目标喜好注意力轨迹；基于所述最小目标传递代价值以及所述目标喜好注意力轨迹，确定所述第一喜好传递变量分布对应的第一喜好注意力节点与所述第二喜好传递变量分布对应的第二喜好注意力节点。
8.譬如，在第一方面的一些可能的实施方式中，所述基于所述最小目标传递代价值以及所述目标喜好注意力轨迹，确定所述第一喜好传递变量分布对应的第一喜好注意力节点与所述第二喜好传递变量分布对应的第二喜好注意力节点，包括：在所述第一喜好传递变量分布与所述第二喜好传递变量分布中，获取所述最小目标传递代价值对应的喜好传递变量分布，作为目标喜好传递变量分布；获取所述目标喜好传递变量分布在所述按摩授权操作数据中的第一喜好传递调度数据，将所述第一喜好传递调度数据作为所述目标喜好注意力轨迹的第一目标喜好传递调度数据，基于所述第一目标喜好传递调度数据与所述目标喜好注意力轨迹，确定所述目标喜好传递变量分布对应的标的喜好注意力节点；基于所述目标喜好传递变量分布对应的标的喜好注意力节点确定所述第一喜好注意力节点与所述第二喜好注意力节点。
9.譬如，在第一方面的一些可能的实施方式中，所述目标喜好传递变量分布为所述第一喜好传递变量分布；所述目标喜好传递变量分布对应的标的喜好注意力节点为所述第一喜好传递变量分布对应的所述第一喜好注意力节点；所述基于所述目标喜好传递变量分布对应的标的喜好注意力节点确定所述第一喜好注意力节点与所述第二喜好注意力节点，包括：获取所述第二喜好传递变量分布在所述按摩授权操作数据中的第二喜好传递调度数据；若所述第二喜好传递调度数据处于所述第一喜好注意力节点内，则将所述标的喜好注意力节点确定为所述第二喜好传递变量分布对应的所述第二喜好注意力节点；所述第一喜好注意力节点与所述第二喜好注意力节点均属于所述标的喜好注意力节点；若所述第二喜好传递调度数据未处于所述第一喜好注意力节点内，则将所述第二喜好传递调度数据作为所述目标喜好注意力轨迹的第二目标喜好传递调度数据，基于所述
第二目标喜好传递调度数据与所述目标喜好注意力轨迹，确定所述第二喜好传递变量分布对应的所述第二喜好注意力节点。
10.譬如，在第一方面的一些可能的实施方式中，所述基于所述n个喜好注意力节点中涵盖的喜好传递变量分布的不间断参数值，在所述n个喜好注意力节点中选择目标量级的喜好注意力节点，作为目标量级的标的喜好注意力节点，包括：获取所述n个喜好注意力节点中每个喜好注意力节点所涵盖的喜好传递变量分布，确定所述每个喜好注意力节点中所涵盖的喜好传递变量分布的不间断参数值；将涵盖的喜好传递变量分布的不间断参数值最大的喜好注意力节点作为初始标的喜好注意力节点；在冗余喜好注意力节点中获取进展性喜好注意力节点，将所述初始标的喜好注意力节点与所述进展性喜好注意力节点确定为所述目标量级的标的喜好注意力节点；所述冗余喜好注意力节点是指所述n个喜好注意力节点中，除所述初始标的喜好注意力节点以外的喜好注意力节点。
11.譬如，在第一方面的一些可能的实施方式中，所述获取所述按摩授权操作数据中的目标按摩第三方系统对应的按摩服务喜好变量，包括：获取按摩服务喜好变量库；所述按摩服务喜好变量库中包括m种喜好标签的示例按摩服务喜好变量集；每个示例按摩服务喜好变量集中包括目标量级的不同喜好标签分量的示例按摩服务喜好变量；将所述目标按摩第三方系统与所述按摩服务喜好变量库进行匹配，确定m种示例按摩服务喜好变量集分别与所述目标按摩第三方系统之间的系统关联参数值；在m个系统关联参数值中，获取不小于预设关联参数值的系统关联参数值，作为标的系统关联参数值；获取所述标的系统关联参数值中的最大标的系统关联参数值，基于所述最大标的系统关联参数值确定所述目标按摩第三方系统对应的按摩服务喜好变量；其中，所述基于所述最大标的系统关联参数值确定所述目标按摩第三方系统对应的按摩服务喜好变量，包括：获取所述按摩授权操作数据的喜好标签分量； 在所述按摩服务喜好变量库中，获取所述最大标的系统关联参数值对应的目标示例按摩服务喜好变量集；获取所述目标示例按摩服务喜好变量集中每个目标示例按摩服务喜好变量的目标喜好标签分量，将所述每个目标示例按摩服务喜好变量的目标喜好标签分量与所述喜好标签分量进行匹配，将匹配成功的目标喜好标签分量确定为参考目标喜好标签分量；将所述参考目标喜好标签分量对应的目标示例按摩服务喜好变量确定为所述目标按摩第三方系统对应的按摩服务喜好变量。
12.第二方面，本技术实施例提供一种远程按摩控制系统，包括：处理器；存储器，所述存储器中存储有计算机程序，所述计算机程序被执行时实现第一方面所述的基于人工智能的远程按摩控制方法。
13.相比现有技术，通过获取按摩服务系统发送的目标用户的按摩基础数据，按摩基础数据由按摩关联姿态数据以及按摩习惯配置数据构成，在此基础上将所述按摩基础数据
输入到预先训练的按摩控制模型中，输出对应于所述目标用户的各个目标按摩部位的按摩控制参数数据，由此根据所述各个目标按摩部位的按摩控制参数数据控制所述按摩服务系统执行对应的按摩组件控制操作，从而结合考虑到按摩关联姿态维度和按摩习惯维度进行模型输出，提高按摩组件控制操作与目标用户的适配性。
附图说明
14.图1为本技术实施例提供的一种基于人工智能的远程按摩控制方法步骤流程示意图；图2为本技术的实施例提供的用于执行图1中的基于人工智能的远程按摩控制方法的远程按摩控制系统的结构示意框图。
具体实施方式
15.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。结合本技术中的实施例，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它实施例，都属于本技术保护的范围。
16.步骤s110，获取按摩服务系统发送的目标用户的按摩基础数据。
17.本实施例中，所述按摩基础数据包括按摩关联姿态数据以及按摩习惯配置数据，其中，按摩关联姿态数据可以是指按摩控制过程中具备按摩参考意义的姿态数据，比如目标用户的各个身体部位（如颈部、肩部、背部、腰部）的姿态倾斜数据、穴位数据等，按摩习惯配置数据可以是指目标用户在历史按摩过程中形成的获得该目标用户认可的习惯数据，比如压力习惯数据、手法习惯数据、频率习惯数据等等。
18.步骤s120，将所述按摩基础数据输入到预先训练的按摩控制模型中，输出对应于所述目标用户的各个目标按摩部位的按摩控制参数数据。
19.本实施例中，通过预先对按摩控制模型进行训练，可以获得与目标用户的按摩基础数据相对应的按摩控制参数数据，也即用于执行具体的按摩控制方案的参数状态数据。
20.步骤s130，根据所述各个目标按摩部位的按摩控制参数数据控制所述按摩服务系统执行对应的按摩组件控制操作。
21.基于以上步骤，本实施例通过获取按摩服务系统发送的目标用户的按摩基础数据，按摩基础数据由按摩关联姿态数据以及按摩习惯配置数据构成，在此基础上将所述按摩基础数据输入到预先训练的按摩控制模型中，输出对应于所述目标用户的各个目标按摩部位的按摩控制参数数据，由此根据所述各个目标按摩部位的按摩控制参数数据控制所述按摩服务系统执行对应的按摩组件控制操作，从而结合考虑到按摩关联姿态维度和按摩习惯维度进行模型输出，提高按摩组件控制操作与目标用户的适配性。
22.一些可能的实施方式中，以上的步骤s120可以通过如下示例性的子步骤实现。
23.stp110，将所述按摩基础数据输入到预先训练的按摩控制模型中，基于所述按摩控制模型提取所述按摩基础数据中的所述按摩关联姿态数据所对应所述按摩习惯配置数据的每个按摩习惯单元的按摩姿态习惯转化特征集，其中，所述按摩姿态习惯转化特征用于表示所述按摩关联姿态数据依据所述按摩习惯配置数据的每个按摩习惯单元的习惯配
置特征进行特征融合转化的特征信息。
24.stp120，结合按摩控制模型对按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的按摩方案输出信息。
25.其中，按摩控制模型结合在先高频按摩习惯单元的按摩姿态习惯转化特征集和多个在先按摩模式特征的在先按摩方案输出信息进行模型开发优化得到的，在先按摩方案输出信息与在先高频按摩习惯单元具有映射关系，结合从各个按摩方案输出属性的在先按摩方案输出信息获得的按摩方案输出信息生成的匹配在先按摩方案输出属性的按摩方案输出信息，从而按摩姿态习惯转化特征集输入到按摩控制模型之后，可以得到多个在先按摩模式特征的按摩方案输出信息，每个按摩方案输出信息中均包括目标按摩方案知识数据。此外，该按摩控制模型可以包括按摩方案输出分支和按摩方案输出优化层。匹配在先按摩方案输出属性的在先按摩方案输出信息可以是指具有目标按摩习惯单元的按摩方案知识数据的在先按摩方案输出信息。
26.该在先按摩方案输出信息结合从各个按摩方案输出属性的在先按摩方案输出信息获得的按摩方案输出信息决策的按摩方案输出信息，例如从不同按摩模式特征变量的在先按摩方案输出信息中提取按摩方案输出信息，然后结合提取的按摩方案输出信息生成匹配在先按摩方案输出属性并且匹配于多个不同在先按摩模式特征的在先按摩方案输出信息。
27.在先按摩模式特征可以是指将按摩习惯单元生成实际需求所待定的按摩模式特征变量，针对模型开发过程中，可以使用多个在先按摩模式特征的在先按摩方案输出信息和对应在先高频按摩习惯单元的按摩姿态习惯转化特征集对按摩控制模型进行模型开发优化，从而可以得到实际需求所待定按摩模式特征变量的用于目标按摩方案输出信息的按摩控制模型。
28.stp130，结合所述按摩控制模型对所述按摩方案输出信息进行关联配置，生成关联于多个不同在先按摩模式特征并且匹配所述目标按摩方案输出属性的目标按摩方案输出信息。
29.stp140，结合关联于多个不同在先按摩模式特征并且匹配所述目标按摩方案输出属性的目标按摩方案输出信息，输出对应于所述目标用户的各个目标按摩部位的按摩控制参数数据。
30.结合以上步骤，本实施例从不同按摩方案输出属性的在先提取按摩方案输出信息，并结合提取的按摩方案输出信息生成匹配在先按摩方案输出属性的多个在先按摩模式特征的在先按摩方案输出信息，根据该在先高频按摩习惯单元的按摩姿态习惯转化特征集和与该在先高频按摩习惯单元具有映射关系的匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，对按摩控制模型进行模型开发优化，由此不需要结合不同在先按摩模式特征不同按摩方案输出属性的在先按摩方案输出信息配置不同的按摩控制模型，提高模型开发优化效果。并且，结合完成训练的按摩控制模型对相关的按摩习惯单元的按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的按摩方案输出信息，然后结合该完成训练的按摩控制模型对按摩方案输出信息进行关联配置，生成目标按摩方案输出属性的多个在先按摩模式特征的目标按摩方案输出信息，这样在从某一按摩模式特征变量变换至另一按摩模式特征变量，其目标按摩方案输出信息的按
摩方案输出属性可以无需重新训练输出，同时无需另行调用别的按摩控制模型，可以提高目标按摩方案输出信息的可靠性。
31.一些可能的实施方式中，stp120例如可以通过以下示例性的步骤实现。
32.stp122，结合按摩控制模型对按摩姿态习惯转化特征集进行按摩应用知识点解析，生成按摩应用知识点的分布网络。
33.其中，按摩应用知识点的分布网络可以是指每个按摩应用知识点在请求图书推送需求的按摩习惯单元中的应用特征信息。按摩姿态习惯转化特征集包括对该按摩习惯单元中每个按摩应用知识点进行按摩姿态习惯转化特征仿真所得的按摩应用知识点按摩姿态习惯转化特征。
34.一些可能的实施方式中，stp122例如执行步骤如下：结合按摩方案输出分支中的按摩应用知识点提取单元对按摩姿态习惯转化特征集中的每个按摩应用知识点按摩姿态习惯转化特征进行按摩应用知识点提取，生成匹配按摩应用知识点的分布网络的按摩应用知识点特征。例如，假设按摩姿态习惯转化特征集为[i1，i2，...，iu]，将该按摩姿态习惯转化特征集输入至按摩应用知识点提取单元，按摩应用知识点提取单元对输入的按摩姿态习惯转化特征集[i1，i2，...，iu]进行按摩应用知识点提取，生成匹配按摩应用知识点的分布网络的按摩应用知识点特征[j1，j2，...，ju]。
[0035]
stp124，结合目标按摩习惯单元的目标按摩方案知识数据对按摩应用知识点的分布网络进行按摩方案输出，生成多个在先按摩模式特征的包括目标按摩方案知识数据的按摩方案输出信息。
[0036]
其中，目标按摩方案知识数据是按摩控制模型针对模型开发优化流程中所深度理解的目标按摩习惯单元的按摩方案知识数据。
[0037]
一些可能的实施方式中，stp124例如执行步骤如下：终端结合按摩方案输出分支中的按摩方案输出层，结合目标按摩习惯单元的目标按摩方案知识数据对按摩应用知识点特征进行按摩方案输出，生成多个在先按摩模式特征的包括目标按摩方案知识数据的按摩方案输出信息。
[0038]
一些可能的实施方式中，上述结合目标按摩习惯单元的目标按摩方案知识数据对按摩应用知识点特征进行按摩方案输出的步骤，例如执行步骤如下：终端结合按摩方案输出分支中的知识点联动配置层，确定按摩应用知识点特征中每个按摩应用知识点的知识点联动配置信息；其中，每个按摩应用知识点在按摩习惯单元中的知识点联动配置信息具有联系；依据知识点联动配置信息对按摩应用知识点特征中与每个按摩应用知识点对应的按摩应用知识点特征进行知识点联动配置，生成知识点联动配置变量；结合目标按摩习惯单元的目标按摩方案知识数据对知识点联动配置变量进行按摩方案输出。
[0039]
此外，在获得按摩方案输出信息之后，该方法还可以包括以下步骤：stp126，结合按摩控制模型对按摩方案输出信息进行关联配置，生成关联于多个不同在先按摩模式特征并且匹配所述目标按摩方案输出属性的目标按摩方案输出信息。
[0040]
其中，stp126的详细执行步骤可以参照前述的stp130。
[0041]
stp128，结合关联于多个不同在先按摩模式特征并且匹配所述目标按摩方案输出属性的目标按摩方案输出信息，输出对应于所述目标用户的各个目标按摩部位的按摩控制参数数据。
[0042]
一些可能的实施方式中，在前述实施例之前，可以对按摩控制模型进行模型开发优化，并在完成训练后，将配置到所述基于人工智能的远程按摩控制系统中，按摩控制模型的训练步骤例如执行步骤如下：stp202，分别对多个在先按摩模式特征的在先按摩方案输出信息进行提取，生成在先按摩方案输出信息。
[0043]
其中，在先按摩方案输出信息可以是指不同按摩习惯单元所配置的按摩方案输出信息，不同按摩习惯单元所配置的按摩方案输出信息，其按摩模式特征变量和按摩方案输出属性均不同。上述不同按摩习惯单元包括目标按摩习惯单元和其它按摩习惯单元，而目标按摩习惯单元可以是指所需按摩方案输出属性的按摩习惯单元。
[0044]
一些可能的实施方式中，在获得多个在先按摩模式特征的在先按摩方案输出信息后，从该在先按摩方案输出信息中提取按摩方案的输出位置信息，根据按摩方案的输出位置信息确定在先按摩方案输出信息的在先按摩应用知识点的分布网络；对在先按摩应用知识点的分布网络进行按摩方案输出，生成按摩方案输出位置信息。
[0045]
stp204，结合在先按摩方案输出信息生成多个在先按摩模式特征的匹配在先按摩方案输出属性的在先按摩方案输出信息。
[0046]
stp206，当从与在先按摩方案输出信息对应的在先高频按摩习惯单元中获得在先按摩姿态习惯转化特征集的基础上，结合按摩控制模型对在先按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的在先按摩方案输出信息。
[0047]
stp208，结合按摩控制模型对在先按摩方案输出信息进行关联配置，生成多个在先按摩模式特征的且匹配在先按摩方案输出属性的训练按摩方案输出信息。
[0048]
stp210，结合训练按摩方案输出信息与在先按摩方案输出信息之间的按摩方案区别指标，对按摩控制模型进行开发优化。
[0049]
上述stp206~stp210为按摩控制模型的训练阶段，可以将所有在先按摩方案输出信息作为网络收敛数据簇合对按摩控制模型进行模型开发优化，还可以分两个分支对该按摩控制模型进行模型开发优化，其中：分支1，结合目标按摩习惯单元所对应的在先按摩方案输出信息作为在先按摩方案输出信息进行模型开发优化，当训练完成后进入分支2的训练；分支2，利用生成的匹配在先按摩方案输出属性（即目标按摩习惯单元的按摩方案输出属性）的在先按摩方案输出信息继续对按摩控制模型进行模型开发优化。
[0050]
下述实施例将针对以上两个分支进行详细描述：分支1，结合目标按摩习惯单元发出的在先按摩方案输出信息作为在先按摩方案输出信息进行模型开发优化。
[0051]
一些可能的实施方式中，在先按摩模式特征包括目标按摩习惯单元发出相应在先按摩方案输出信息的第一在先按摩模式特征，因此在先按摩姿态习惯转化特征集包括第一在先按摩模式特征关联的第一在先按摩姿态习惯转化特征集。stp206例如执行步骤如下：终端结合按摩控制模型对第一在先按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的第一在先按摩方案输出信息；stp208例如执行步骤如下：终端结合按摩控制模型对第一在先按摩方案输出信息进行关联配置，生成匹配在先按摩方案输出属性的第一在先按摩模式特征的按摩方案输出信息；stp210例如执行步骤如下：终端结合所述第一在先按摩模式特征的按摩方案输出信息与在先按摩方案输出信息之间的第一按
摩方案区别指标，对按摩控制模型进行开发优化，直至按摩控制模型收敛。
[0052]
由此获得第一按摩方案区别指标后，可以将第一按摩方案区别指标在按摩控制模型中反向传播，从而得到按摩控制模型中每个权重参数层的梯度值，结合该梯度值对按摩控制模型中每个权重参数层进行更新。
[0053]
分支2，利用生成的匹配在先按摩方案输出属性的在先按摩方案输出信息继续对按摩控制模型进行模型开发优化。
[0054]
一些可能的实施方式中，在先按摩模式特征包括其它不同按摩模式特征变量按摩习惯单元发出相应在先按摩方案输出信息的第二在先按摩模式特征，在先按摩姿态习惯转化特征集包括第二在先按摩模式特征关联的第二在先按摩姿态习惯转化特征集；stp206例如执行步骤如下：在结合第一按摩方案区别指标优化按摩控制模型的权重参数层满足训练终止条件的条件下，结合按摩控制模型对第二在先按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的第二在先按摩方案输出信息；stp208例如执行步骤如下：结合按摩控制模型对第二在先按摩方案输出信息进行关联配置，生成匹配在先按摩方案输出属性的第二在先按摩模式特征的按摩方案输出信息；stp210例如执行步骤如下：终端结合第二在先按摩模式特征的按摩方案输出信息与在先按摩方案输出信息之间的第二按摩方案区别指标，对按摩控制模型进行开发优化，直至按摩控制模型的训练，从而完成第二分支的训练，生成最终的按摩控制模型。
[0055]
获得前述的第二按摩方案区别指标后，可以将第二按摩方案区别指标在按摩控制模型中反向传播，从而得到按摩控制模型中每个权重参数层的梯度值，结合该梯度值对按摩控制模型中每个权重参数层进行更新。
[0056]
结合以上设计，从不同按摩方案输出属性的在先按摩方案输出信息中进行提取，并结合该在先按摩方案输出信息生成匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，根据该在先高频按摩习惯单元的按摩姿态习惯转化特征集和与该在先高频按摩习惯单元具有映射关系的匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，对按摩控制模型进行模型开发优化，由此获得用于决策生成匹配在先按摩方案输出属性且不同在先按摩模式特征的按摩控制模型，由此不需要结合不同在先按摩模式特征不同按摩方案输出属性的在先按摩方案输出信息配置不同的按摩控制模型，从而提高模型开发优化效果。
[0057]
一些可能的实施方式中，针对按摩控制模型的训练，在前述实施例的基础上，还可以单独对按摩控制模型中的按摩方案输出分支和按摩方案输出优化层进行模型开发优化，例如执行步骤如下：stp302，分别对多个在先按摩模式特征的在先按摩方案输出信息进行提取，生成在先按摩方案输出信息。
[0058]
其中，各在先按摩方案输出信息之间的按摩方案输出属性具有联系。
[0059]
stp304，结合在先按摩方案输出信息生成多个在先按摩模式特征的匹配在先按摩方案输出属性的在先按摩方案输出信息。
[0060]
stp306，当从与在先按摩方案输出信息对应的在先高频按摩习惯单元中获得在先按摩姿态习惯转化特征集的基础上，结合按摩方案输出分支对在先按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的在先按摩方案输出信息。
[0061]
其中，上述stp302~stp306的详细执行步骤，可以参见前述实施例的stp202~stp206。
[0062]
stp308，结合在先按摩方案输出信息和从在先按摩方案输出信息中提取的按摩方案输出信息之间的按摩方案区别指标，对按摩方案输出分支进行权重优化。
[0063]
一些可能的实施方式中，在得到按摩方案区别指标后，终端将按摩方案区别指标在按摩方案输出分支中反向传播，从而得到按摩方案输出分支中每个权重参数层的梯度值，结合该梯度值对按摩方案输出分支中每个权重参数层进行更新，直至按摩方案输出分支收敛。
[0064]
在对按摩方案输出分支进行模型开发优化得到的过程中，所述基于人工智能的远程按摩控制系统还可以对按摩方案输出优化层进行模型开发优化，例如可以是：在在先按摩方案输出信息中进行提取，生成目标按摩方案输出信息；结合按摩方案输出优化层对目标按摩方案输出信息进行关联配置，生成不同在先按摩模式特征的目标训练按摩方案输出信息，该目标训练按摩方案输出信息匹配在先按摩方案输出属性；结合目标训练按摩方案输出信息和在先按摩方案输出信息之间的按摩方案区别指标，对按摩方案输出优化层进行权重优化。
[0065]
结合以上设计，从不同按摩方案输出属性的在先按摩方案输出信息中进行提取，并结合提取的在先按摩方案输出信息生成匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，根据该在先高频按摩习惯单元的按摩姿态习惯转化特征集和与该在先高频按摩习惯单元具有映射关系的匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，对按摩方案输出分支进行模型开发优化；此外，在在先按摩方案输出信息中进行提取得到目标按摩方案输出信息，结合目标按摩方案输出信息和在先按摩方案输出信息对按摩方案输出优化层进行模型开发优化，由此获得用于决策生成匹配在先按摩方案输出属性且不同在先按摩模式特征的按摩控制模型（该按摩控制模型包括完成训练的按摩方案输出分支和按摩方案输出优化层），由此不需要结合不同在先按摩模式特征不同按摩方案输出属性的在先按摩方案输出信息配置不同的按摩控制模型，从而提高模型开发优化效果。
[0066]
一些可能的实施方式中，本技术实施例提供了一种按摩控制模型训练方法，包括以下步骤：stp402，分别对多个在先按摩模式特征的在先按摩方案输出信息进行提取，生成在先按摩方案输出信息。
[0067]
其中，各在先按摩方案输出信息之间的按摩方案输出属性具有联系。
[0068]
一些可能的实施方式中，在先按摩方案输出信息包括按摩方案输出位置信息；stp402例如可以是：分别从多个在先按摩模式特征的在先按摩方案输出信息中提取按摩方案的输出位置信息；根据按摩方案的输出位置信息确定在先按摩方案输出信息的在先按摩应用知识点的分布网络，在先按摩应用知识点的分布网络被配置为表达在先按摩方案输出信息中每个按摩方案输出信息单元关联于目标按摩姿态习惯转化特征的按摩部位参数；对在先按摩应用知识点的分布网络进行按摩方案输出，生成按摩方案输出位置信息。
[0069]
stp404，结合在先按摩方案输出信息生成多个在先按摩模式特征的且匹配在先按摩方案输出属性的在先按摩方案输出信息。
[0070]
stp406，当从与在先按摩方案输出信息对应的在先高频按摩习惯单元中获得在先按摩姿态习惯转化特征集的基础上，结合按摩控制模型对在先按摩姿态习惯转化特征集进行按摩方案输出，生成匹配目标按摩方案知识数据的在先按摩方案输出信息。
[0071]
stp408，结合按摩控制模型对在先按摩方案输出信息进行关联配置，生成多个在先按摩模式特征的训练按摩方案输出信息，训练按摩方案输出信息匹配在先按摩方案输出属性信息对应的目标按摩方案输出属性。
[0072]
stp410，结合训练按摩方案输出信息与在先按摩方案输出信息之间的按摩方案区别指标，对按摩控制模型进行开发优化。
[0073]
上述stp402~stp410的详细执行步骤，可参照前述stp202~stp210，和前述stp302~stp308。
[0074]
结合以上设计，从不同按摩方案输出属性的在先按摩方案输出信息中进行提取，并结合该在先按摩方案输出信息生成匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，根据该在先高频按摩习惯单元的按摩姿态习惯转化特征集和与该在先高频按摩习惯单元具有映射关系的匹配在先按摩方案输出属性且不同在先按摩模式特征的在先按摩方案输出信息，对按摩控制模型进行模型开发优化，由此获得用于决策生成匹配在先按摩方案输出属性且不同在先按摩模式特征的按摩控制模型，由此不需要结合不同在先按摩模式特征不同按摩方案输出属性的在先按摩方案输出信息配置不同的按摩控制模型，从而提高模型开发优化效果。
[0075]
在以上实施例的基础上，为了便于按摩过程中第三方服务的开发，还可以包括以下步骤。
[0076]
步骤q110，获取所述按摩服务系统在执行每个对应的按摩组件控制操作的过程中与按摩扩展开发服务相关的按摩授权操作数据，获取所述按摩授权操作数据中的目标按摩第三方系统对应的按摩服务喜好变量，基于所述按摩服务喜好变量从所述按摩授权操作数据中获取所述目标按摩第三方系统的多个喜好传递变量分布；步骤q120，基于所述按摩服务喜好变量的喜好注意力轨迹确定所述多个喜好传递变量分布分别在所述按摩授权操作数据中的喜好注意力节点，输出n个喜好注意力节点；步骤q130，基于所述n个喜好注意力节点中涵盖的喜好传递变量分布的不间断参数值，在所述n个喜好注意力节点中选择目标量级的喜好注意力节点，作为目标量级的标的喜好注意力节点，将所述目标量级的标的喜好注意力节点所共同构成的喜好注意力节点空间确定为所述目标按摩第三方系统在所述按摩授权操作数据中的目标喜好注意力节点空间；步骤q140，获取针对所述按摩扩展开发服务对应所述目标按摩第三方系统的按摩扩展开发计划，若所述按摩扩展开发计划所涵盖的开发小程序关联于所述目标喜好注意力节点空间，则基于所述目标喜好注意力节点空间对所述开发小程序进行处理，获得开发主题分布。
[0077]
譬如，所述目标按摩第三方系统的多个喜好传递变量分布包括第一喜好传递变量分布与第二喜好传递变量分布； 所述n个喜好注意力节点包括所述第一喜好传递变量分布对应的第一喜好注意力节点，以及所述第二喜好传递变量分布对应的第二喜好注意力节点；所述基于所述按摩服务喜好变量的喜好注意力轨迹确定所述多个喜好传递变量分布分
别在所述按摩授权操作数据中的喜好注意力节点，输出n个喜好注意力节点，包括：获取所述第一喜好传递变量分布对应的第一目标传递代价值，以及所述第二喜好传递变量分布对应的第二目标传递代价值；在所述第一目标传递代价值与所述第二目标传递代价值中，确定最小目标传递代价值；获取喜好注意力系数，依据所述喜好注意力系数将所述按摩服务喜好变量的喜好注意力轨迹进行处理，输出目标喜好注意力轨迹；基于所述最小目标传递代价值以及所述目标喜好注意力轨迹，确定所述第一喜好传递变量分布对应的第一喜好注意力节点与所述第二喜好传递变量分布对应的第二喜好注意力节点。
[0078]
譬如，所述基于所述最小目标传递代价值以及所述目标喜好注意力轨迹，确定所述第一喜好传递变量分布对应的第一喜好注意力节点与所述第二喜好传递变量分布对应的第二喜好注意力节点，包括：在所述第一喜好传递变量分布与所述第二喜好传递变量分布中，获取所述最小目标传递代价值对应的喜好传递变量分布，作为目标喜好传递变量分布；获取所述目标喜好传递变量分布在所述按摩授权操作数据中的第一喜好传递调度数据，将所述第一喜好传递调度数据作为所述目标喜好注意力轨迹的第一目标喜好传递调度数据，基于所述第一目标喜好传递调度数据与所述目标喜好注意力轨迹，确定所述目标喜好传递变量分布对应的标的喜好注意力节点；基于所述目标喜好传递变量分布对应的标的喜好注意力节点确定所述第一喜好注意力节点与所述第二喜好注意力节点。
[0079]
譬如，所述目标喜好传递变量分布为所述第一喜好传递变量分布；所述目标喜好传递变量分布对应的标的喜好注意力节点为所述第一喜好传递变量分布对应的所述第一喜好注意力节点；所述基于所述目标喜好传递变量分布对应的标的喜好注意力节点确定所述第一喜好注意力节点与所述第二喜好注意力节点，包括：获取所述第二喜好传递变量分布在所述按摩授权操作数据中的第二喜好传递调度数据；若所述第二喜好传递调度数据处于所述第一喜好注意力节点内，则将所述标的喜好注意力节点确定为所述第二喜好传递变量分布对应的所述第二喜好注意力节点；所述第一喜好注意力节点与所述第二喜好注意力节点均属于所述标的喜好注意力节点；若所述第二喜好传递调度数据未处于所述第一喜好注意力节点内，则将所述第二喜好传递调度数据作为所述目标喜好注意力轨迹的第二目标喜好传递调度数据，基于所述第二目标喜好传递调度数据与所述目标喜好注意力轨迹，确定所述第二喜好传递变量分布对应的所述第二喜好注意力节点。
[0080]
譬如，所述基于所述n个喜好注意力节点中涵盖的喜好传递变量分布的不间断参数值，在所述n个喜好注意力节点中选择目标量级的喜好注意力节点，作为目标量级的标的喜好注意力节点，包括：获取所述n个喜好注意力节点中每个喜好注意力节点所涵盖的喜好传递变量分布，确定所述每个喜好注意力节点中所涵盖的喜好传递变量分布的不间断参数值；将涵盖的喜好传递变量分布的不间断参数值最大的喜好注意力节点作为初始标的喜好注意力节点；在冗余喜好注意力节点中获取进展性喜好注意力节点，将所述初始标的喜好注意力节点与所述进展性喜好注意力节点确定为所述目标量级的标的喜好注意力节点；所述冗余喜好注意力节点是指所述n个喜好注意力节点中，除所述初始标的喜好注意力节点以外的喜好注意力节点。
[0081]
譬如，所述获取所述按摩授权操作数据中的目标按摩第三方系统对应的按摩服务喜好变量，包括：获取按摩服务喜好变量库；所述按摩服务喜好变量库中包括m种喜好标签的示例按摩服务喜好变量集；每个示例按摩服务喜好变量集中包括目标量级的不同喜好标
签分量的示例按摩服务喜好变量；将所述目标按摩第三方系统与所述按摩服务喜好变量库进行匹配，确定m种示例按摩服务喜好变量集分别与所述目标按摩第三方系统之间的系统关联参数值；在m个系统关联参数值中，获取不小于预设关联参数值的系统关联参数值，作为标的系统关联参数值；获取所述标的系统关联参数值中的最大标的系统关联参数值，基于所述最大标的系统关联参数值确定所述目标按摩第三方系统对应的按摩服务喜好变量；其中，所述基于所述最大标的系统关联参数值确定所述目标按摩第三方系统对应的按摩服务喜好变量，包括：获取所述按摩授权操作数据的喜好标签分量；在所述按摩服务喜好变量库中，获取所述最大标的系统关联参数值对应的目标示例按摩服务喜好变量集；获取所述目标示例按摩服务喜好变量集中每个目标示例按摩服务喜好变量的目标喜好标签分量，将所述每个目标示例按摩服务喜好变量的目标喜好标签分量与所述喜好标签分量进行匹配，将匹配成功的目标喜好标签分量确定为参考目标喜好标签分量；将所述参考目标喜好标签分量对应的目标示例按摩服务喜好变量确定为所述目标按摩第三方系统对应的按摩服务喜好变量。
[0082]
结合同一发明构思，结合图2所示，本技术实施例还提供一种远程按摩控制系统，远程按摩控制系统100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器（central processing units，cpu）112（例如，一个或一个以上处理器）和存储器111，。其中，存储器111可以是短暂存储或持久存储。存储在存储器111的程序可以包括一个或一个以上模块，各个模块可以包括对远程按摩控制系统100中的一系列指令操作。更进一步地，中央处理器112可以设置为与存储器111通信，在远程按摩控制系统100上执行存储器111中的一系列指令操作。
[0083]
远程按摩控制系统100还可以包括一个或一个以上电源，一个或一个以上通信单元113，一个或一个以上传递到输出接口，和/或，一个或一个以上操作系统，例如windows servertm，mac os xtm，unixtm, linuxtm，freebsdtm等等。
[0084]
另外，本技术实施例还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序用于执行上述实施例提供的方法。
[0085]
本技术实施例还提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例提供的方法。
[0086]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器（英文：read-only memory，缩写：rom）、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0087]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，各个实施例目标说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员在不付出创造性劳动的条件下，即可以理解并实施。
[0088]
以上所述，仅为本技术的一种具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涉及在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。