一种培训机器人的实现方法与流程

本发明涉及通信技术领域，具体涉及一种培训机器人的实现方法。

背景技术：

培训是企业或单位的一项常规工作内容。现有的培训管理模式，一般都是先由人工确定培训需求，然后制定培训方案，再安排培训人员执行培训。由此可见，现有企业或单位开展培训工作的环节基本都依赖人工完成，从而导致培训工作繁重，人力成本较高的问题。

此外，通过人工确定培训需求可能导致确定的培训需求不够精确，培训方案不够合理。针对该问题，本实施例提出了一种利用机器人自动生成培训需求，培训方案以及对培训对象进行自动培训的方法。

技术实现要素：

本发明提供了一种培训机器人的实现方法，以解决现有企业或单位开展培训工作的环节基本都依赖人工完成，从而导致培训工作繁重，人力成本较高的问题。

按摩机器人无法针对客户提供个性化的按摩服务的技术问题。

本发明提供的培训机器人的实现方法，包括：

预先设定输入条目以及培训需求类别；

采集训练样本的与输入条目对应的样本输入数据，并根据样本输入数据提取训练样本的输入特征向量；

根据输入特征向量和训练样本的培训需求类别训练分类器，获得培训需求识别模型；

根据待培训对象的与输入条目对应的属性信息以及培训需求识别模型，确定待培训对象的培训需求；

获取预设的与待培训对象的培训需求匹配的培训内容；

根据培训内容对待培训对象进行培训。

进一步地，根据待培训对象的与输入条目对应的属性信息以及培训需求识别模型，确定待培训对象的培训需求包括：

采集待培训对象的与输入条目对应的属性信息；

根据属性信息提取待培训对象的输入特征向量；

将待培训对象的输入特征向量输入培训需求识别模型，获得待培训对象的培训需求。

进一步地，采集待培训对象的与输入条目对应的属性信息包括：

识别待培训对象的身份；

根据待培训对象的身份采集与输入条目对应的属性信息。

进一步地，识别待培训对象的身份包括：

获取待培训对象的生物特征；

将生物特征与预先存储在数据库中的样本生物特征进行匹配，从而识别待培训对象的身份。

进一步地，当生物特征与预先存储在数据库中的样本生物特征不相匹配时，还包括：

在互联网上搜索与待培训对象的生物特征匹配的用户名信息；

根据用户名信息识别待培训对象的身份。

进一步地，根据待培训对象的身份采集与输入条目对应的属性信息包括：

根据待培训对象的身份匹配与其对应的用户名信息；

根据用户名信息获取待培训对象的电子注册信息；

根据电子注册信息获取待培训对象与输入条目对应的属性信息。

进一步地，根据培训内容对待培训对象进行培训包括：

对待培训对象发送培训通知，培训通知至少包括培训内容、培训时间及培训地点；

根据培训内容对培训对象进行培训。

进一步地，根据培训内容对待培训对象进行培训之后还包括：

对待培训对象进行培训考核。

进一步地，输入条目包括：

性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录条目中的一种或多种组合。

进一步地，培训需求类别包括：

管理技能、销售技能、沟通技能、编程技能、设计技能、招聘技能、策划技能、市场开发技能、市场推广技能中的一种或多种组合。

本发明具有以下有益效果：

本发明提供的培训机器人的实现方法，通过机器学习训练出用于识别培训需求的培训需求识别模型，并根据培训需求识别模型以及待培训对象的属性信息自动生成培训需求，且根据生成的培训需求进一步自动获得与培训需求匹配的培训内容，并最终根据培训内容对待培训对象进行培训，解决了现有企业或单位开展培训工作的环节基本都依赖人工完成，从而导致培训工作繁重，人力成本较高的问题。整个过程无需人工确定培训需求，制定培训方案以及安排待培训对象进行培训，节省了人力成本，提高了培训效率。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构建本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构建对本发明的不当限定。在附图中：

图1是本发明优选实施例培训机器人的实现方法的流程图；

图2是本发明优选实施例针对第一个精简实施例的培训机器人的实现方法的流程图；

图3是本发明优选实施例针对第二个精简实施例的培训机器人的实现方法的流程图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

参照图1，本发明的优选实施例提供了一种培训机器人的实现方法，包括：

步骤S101，预先设定输入条目以及培训需求类别。

步骤S102，采集训练样本的与输入条目对应的样本输入数据，并根据样本输入数据提取训练样本的输入特征向量。

步骤S103，根据输入特征向量和训练样本的培训需求类别训练分类器，获得培训需求识别模型。

步骤S104，根据待培训对象的与输入条目对应的属性信息以及培训需求识别模型，确定待培训对象的培训需求。

步骤S105，获取预设的与待培训对象的培训需求匹配的培训内容；

步骤S106，根据培训内容对待培训对象进行培训。

本发明提供的培训机器人的实现方法，通过机器学习训练出用于识别培训需求的培训需求识别模型，并根据培训需求识别模型以及待培训对象的属性信息自动生成培训需求，且根据生成的培训需求进一步自动获得与培训需求匹配的培训内容，并最终根据培训内容对待培训对象进行培训，解决了现有企业或单位开展培训工作的环节基本都依赖人工完成，从而导致培训工作繁重，人力成本较高的问题。整个过程无需人工确定培训需求，制定培训方案以及安排待培训对象进行培训，节省了人力成本，提高了培训效率。

此外，本发明提供的培训机器人的实现方法，通过采用训练好的培训需求识别模型对待培训者的培训需求进行智能识别，提高了培训工作中培训需求获取的精确度；且通过自动获取与培训需求匹配的培训内容，可以获得科学合理的培训方案，对整个培训工作的智能化实现具有重要意义。

需要说明的是，本实施例中预先设定输入条目主要是为了有针对性地采集确定培训需求的相关信息，例如在实际的实施过程中，可以预先设定员工的性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录、工作的出错总量、所在团队任务完成率等输入条目，从而能有针对性地采集与这些输入条目对应的属性信息，并进一步根据属性信息和训练好的培训需求识别模型，自动获取精准合理的培训需求。此外，本实施例所指的待培训对象可以是个人，也可以是团队，具体根据需要确定。

可选地，根据待培训对象的与输入条目对应的属性信息以及培训需求识别模型，确定待培训对象的培训需求包括：

采集待培训对象的与输入条目对应的属性信息；

根据属性信息提取待培训对象的输入特征向量；

将待培训对象的输入特征向量输入培训需求识别模型，获得待培训对象的培训需求。

本实施例根据待培训对象的与输入条目对应的属性信息以及培训需求识别模型，确定待培训对象的培训需求时，首先采集待培训对象的与输入条目对应的属性信息，然后根据属性信息提取待培训对象的输入特征向量，最后将待培训对象的输入特征向量输入培训需求识别模型，获得待培训对象的培训需求。具体地，本实施例中的输入条目和培训需求类别都是由用户自定义的，例如输入条目可以是性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录、工作的出错总量、所在团队任务完成率条目中的一种或多种组合，培训需求类别可以是销售技能、沟通技能、设计技能、招聘技能、策划技能、市场开发技能、市场推广技能中的一种或多种组合。例如，培训需求类别可以仅仅包括销售技能类别，也可以包括按销售技能与沟通技能组合的服务方案，或者销售技能与沟通技能，以及设计技能组合的类别。

本实施例在训练培训需求识别模型时，根据采集的训练样本的与输入条目对应的样本输入数据提取训练样本的输入特征向量，从而训练分类器，其中，分类器可以是支持向量机分类器、贝叶斯分类器、最大熵分类器等等。且在实际的实施过程中，训练样本的数量应当尽可能大，从而保证培训需求识别模型的识别精度。

此外，本实施例在采集待培训对象的与输入条目对应的属性信息之后，根据属性信息提取待培训对象的输入特征向量之前还可以对属性信息进行归一化。例如当获取到与职业属性条目对应的属性信息为教师时，可以根据预先设定的归一化规则对其进行归一化。其中预先设定的归一化规则可以是预先定义的标识规则，例如预先定义N种职业，当采集到与该N种职业中的某一种对应时，则对采集的职业进行标识，从而实现对属性信息的归一化。而针对获取到与其他输入条目对应的属性信息时，也可以采取类似的方法对属性信息进行归一化，从而为提高识别模型的识别率奠定良好的数据基础。

本实施例通过训练用于识别培训需求的培训需求识别模型，不仅能根据待培训对象的属性信息匹配与其对应的、具有针对性地培训需求，而且采用本实施例训练好的培训需求识别模型对待培训对象的培训需求识别的准确率高，有利于后续培训机器人能根据识别出的培训需求给待培训对象提供针对性的培训内容，体现了较高的智能化水平。

可选地，采集待培训对象的与输入条目对应的属性信息包括：

识别待培训对象的身份；

根据待培训对象的身份采集与输入条目对应的属性信息。

本实施例在采集与输入条目对应的属性信息时，首先对待培训对象的身份进行识别，然后根据待培训对象的身份采集与输入条目对应的属性信息。且本实施例通过识别待培训对象的身份，并根据待培训对象的身份采集与输入条目对应的属性信息，便可以根据待培训对象的属性信息和培训需求识别模型，获得待培训对象的培训需求，智能化程度高，用户体验佳。

可选地，识别待培训对象的身份包括：

获取待培训对象的生物特征；

将生物特征与预先存储在数据库中的样本生物特征进行匹配，从而识别待培训对象的身份。

具体地，本实施例在识别待培训对象的身份时首先获取待培训对象的生物特征，然后将待培训对象的生物特征与预先存储在数据库中的样本生物特征进行匹配，从而识别待培训对象的身份。其中，待培训对象的生物特征包括：人脸、指纹、声音、气味、虹膜、手形、掌纹、签名、步态中的一种或多种组合。

本实施例中的智能培训机器人的数据库中往往会存储一些用户的样本生物特征，例如人脸、指纹、声音、气味、虹膜、手形、掌纹、签名、步态等等，故当培训机器人采集到待培训对象的生物特征后，往往会先在其数据库中匹配是否包括该待培训对象的样本生物特征，若匹配成功，则根据该待培训对象在数据库中存储的样本生物特征对其进行身份识别。例如，当采集到待培训对象的人脸特征信息时，则采用人脸识别技术将其与智能培训机器人的数据库中人脸样本特征进行匹配，从而实现对待培训对象的身份进行识别。

需要说明的是，本实施例中所指的待培训对象的身份是指可以表征或唯一表征待培训对象身份的信息，例如待培训对象的姓名，联系电话，邮箱地址，身份证号码等等。故本实施例在采集待培训对象的属性信息时，首先对待培训对象的身份进行识别，有利于后续根据待培训对象的身份快速并准确获取与待培训对象对应的属性信息，及根据待培训对象的属性信息获得精确的培训需求。

可选地，当生物特征与预先存储在数据库中的样本生物特征不相匹配时，还包括：

在互联网上搜索与待培训对象的生物特征匹配的用户名信息；

根据用户名信息识别待培训对象的身份。

由于将待培训对象的生物特征与数据库中的样本生物特征进行匹配时，可能出现生物特征与预先存储在数据库中的样本生物特征不相匹配的情况，也即不能从预先存储在数据库中的样本生物特征中匹配出与待培训对象相同的生物特征。针对这种情况，本实施例通过在互联网上搜索与待培训对象的生物特征匹配的用户名信息，然后根据用户名信息识别待培训对象的身份。

例如，当系统不能从预先存储在数据库中的人脸样本生物特征中匹配出与待培训对象相同的人脸生物特征时，则根据采集的待培训对象的人脸生物特征在互联网上搜索与之对应的用户名信息。这主要是基于现有用户在互联网上进行身份注册时，往往会被要求提供对应的生物特征，例如人脸、签名等。本实施例正是基于这两者的相关性，首先通过待培训对象的生物特征在互联网上搜索获取与之匹配的用户名信息，然后根据用户名信息识别待培训对象的身份。

需要说明的是，本实施例在互联网上根据待培训对象的生物特征搜索获取与之对应的用户名信息时，可能获取不止一个用户名信息。此时，本实施例可以选取其中任意一个用户名信息识别待培训对象的身份，也可以选取与待培训对象的生物特征匹配度最高的用户名信息用于识别待培训对象的身份。

可选地，根据待培训对象的身份采集与输入条目对应的属性信息包括：

根据待培训对象的身份匹配与其对应的用户名信息；

根据用户名信息获取待培训对象的电子注册信息；

根据电子注册信息获取待培训对象与输入条目对应的属性信息。

具体地，本实施例在确定好待培训对象的身份时，容易根据待培训对象的身份匹配与其对应的用户名信息，以及根据用户名信息获取待培训对象的电子注册信息，并根据电子注册信息获取待培训对象与输入条目对应的属性信息，实现了快速准确地获得待培训对象与输入条目对应的属性信息，进一步提高了采用培训需求识别模型识别待培训员工的培训需求的识别效率。

可选地，根据培训内容对待培训对象进行培训包括：

对待培训对象发送培训通知，培训通知至少包括培训内容、培训时间及培训地点；

根据培训内容对培训对象进行培训。

具体地，本实施例中机器人对待培训对象发送培训通知后，根据培训通知中的时间和地点信息接待待培训对象。例如，假设机器人安排待培训对象进行培训的时间和地点分别为A和B，则机器人会在相应的A时间和B地点等待待培训对象的到来，并对其进行接待及培训。需要说明的是，本实施例除了采用培训机器人对待培训对象进行面对面的培训方法外，还可以采取在线培训方法，例如通过手机、PC、电视等远程视频、语音、文字等方法。

本实施例通过机器人通知待培训对象参加培训，以及对参加培训的对象进行培训，整个过程无需人力通知待培训对象以及无需专业的培训师对待培训对象进行培训，流程规范简单，节省了大量的人力成本。

可选地，根据培训内容对待培训对象进行培训之后还包括：

对待培训对象进行培训考核。

现有企业或单位的培训工作往往只针对待培训对象进行培训，并没有设置相应的培训考核，从而使得培训工作组织者无法知晓是否达到培训目的，也无法了解培训效果，待培训对象无法了解对培训内容的掌握情况。针对该问题，本实施例根据培训内容对待培训对象进行培训之后还包括对待培训对象进行培训考核，有利于培训组织者和待培训对象对培训工作进行自我检测。

可选地，输入条目包括：

性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录条目中的一种或多种组合。

具体地，本实施例中的输入条目包括但不限于性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录条目中的一种或多种组合，例如还可以包括工作的出错总量、所在团队任务完成率等等，具体由用户自定义。

可选地，培训需求类别包括：

管理技能、销售技能、沟通技能、编程技能、设计技能、招聘技能、策划技能、市场开发技能、市场推广技能中的一种或多种组合。

具体地，本实施例中的培训需求类别包括但不限于管理技能、销售技能、沟通技能、设计技能、招聘技能、策划技能、市场开发技能、市场推广技能中的一种或多种组合，具体由用户自定义。

下面针对二个精简实施例对本发明的培训机器人的实现方法进行更进一步说明。

精简实施例一

参照图2，本发明的精简实施例一提供的培训机器人的实现方法，包括：

步骤S201，预先设定输入条目以及培训需求类别。

具体地，本实施例中的输入条目包括但不限于性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录条目中的一种或多种组合。假设本实施例中的待培训对象为个人，且预先设置的输入条目包括员工工作岗位、工作出错次数，工作年限三个输入条目。

此外，假设本实施例预先设置的培训需求类别为销售技能、沟通技能、编程技能、设计技能、招聘技能、策划技能、市场开发技能、市场推广技能中的一种或多种组合。

步骤S202，采集训练样本的与输入条目对应的样本输入数据，并根据样本输入数据提取训练样本的输入特征向量。

具体地，为了获得识别率较高的培训需求识别模型，本实施例选取的训练样本的数量应当尽量大。假设本实施例选取的训练样本的数量为N，则针对这N个训练样本，分别采集与输入条目对应的样本输入数据，并根据每一个训练样本的样本输入数据提取与之对应的输入特征向量。由于本实施例预先设置的输入条目为三个，也即针对的每一个训练样本，都能采集到与之对应的3个数据。在实际的实施过程中，本实施例采集训练样本的与输入条目对应的样本输入数据之后，根据样本输入数据提取训练样本的输入特征向量之前，还包括对样本输入数据进行归一化。

步骤S203，根据输入特征向量和训练样本的培训需求类别训练分类器，获得培训需求识别模型。

具体地，由于本实施例已知训练样本的输入特征向量以及培训需求类别，故将训练样本的输入特征向量作为分类器的输入向量，将训练样本的培训需求类别作为分类器的输出向量，从而训练出培训需求识别模型。其中，本实施例中的分类器可以是贝叶斯分类器，支持向量机分类器、最大熵分类器等等。

需要说明的是，本实施例中的培训需求识别模型具有自动更新的功能，例如当采集到与训练样本的属性信息对应的培训需求类别不属于预先设定的培训需求类别时，本实施例将该新增的培训需求类别加入预先设定的培训需求类别中。

步骤S204，识别待培训对象的身份。

本实施例在训练好用于识别待培训对象的培训需求识别模型后，开始采集待培训对象与输入条目对应的属性信息。具体地，首先识别待培训对象的身份，在实际的实施过程中，本实施例可以通过采集待培训对象的生物特征，匹配识别其身份，也可以通过互联网搜索获取与生物特征匹配的用户名信息，并根据用户名信息识别待培训对象的身份。

步骤S205，根据所述待培训对象的身份采集与所述输入条目对应的属性信息。

具体地，由于本实施例预设的输入条目包括员工工作岗位、工作出错次数，工作年限三个输入条目，则本实施例采集待培训对象的与该三个属性条目分别对应的属性信息，假设本实施例采集到与待培训对象的与上述三个输入条目对应的属性信息分别为程序员、4次，半年。

步骤S206，根据所述属性信息提取所述待培训对象的输入特征向量。

具体地，在对待培训对象的属性信息进行归一化后，可获得待培训对象的输入特征向量。

步骤S207，将所述待培训对象的输入特征向量输入所述培训需求识别模型，获得所述待培训对象的培训需求。

具体地，将待培训对象的输入特征向量输入培训需求识别模型，则容易获得待培训对象的培训需求，例如为编程技能。

由此可见，本实施例将自动获取培训需求的问题巧妙地转换为培训需求的选取，以及通过设计并训练培训需求识别模型，可以快速并精准地获得待培训对象的培训需求，实现了针对不同属性信息特征的待培训对象获得不同的培训需求，个性化和智能化程度高。

需要说明的是，本实施例中培训机器人可以实时，也可以定期获得待培训对象的培训需求。此外，本实施例还可以通过设定培训需求获取的触发条件开始获取培训需求，例如在本实施例中可以设置当待培训对象工作出错次数超过3次时，开始采集待培训对象的属性信息，并基于训练好的培训需求识别模型识别当前的培训需求。

步骤S208，获取预设的与所述待培训对象的培训需求匹配的培训内容。

具体地，本实施例确定了培训需求为编程技能时，可以根据预先设定的与编程技能对应的培训内容获得具体培训内容，例如C语言课程培训、Jave课程培训等等。

步骤S209，根据所述培训内容对所述待培训对象进行培训。

本发明实施例的培训机器人的实现方法，通过机器学习训练出用于识别培训需求的培训需求识别模型，并根据培训需求识别模型以及待培训对象的属性信息自动生成培训需求，且根据生成的培训需求进一步自动获得与培训需求匹配的培训内容，并最终根据培训内容对待培训对象进行培训，解决了现有企业或单位开展培训工作的环节基本都依赖人工完成，从而导致培训工作繁重，人力成本较高的问题。整个过程无需人工确定培训需求，制定培训方案以及安排待培训对象进行培训，节省了人力成本，提高了培训效率。

精简实施例二

参照图3，本发明的精简实施例一提供的培训机器人的实现方法，包括：

步骤S301，预先设定输入条目以及培训需求类别。

具体地，本实施例中的输入条目包括但不限于性别、年龄、教育背景、职业、岗位、职称、工作目标、工作目标完成率、历史培训记录条目中的一种或多种组合。假设本实施例的待培训对象为团队，且预先设置的输入条目包括团队销售额目标、实际销售额、到店客户量、客户成交率四个输入条目。

此外，假设本实施例预先设置的培训需求类别为销售技能、沟通技能、编程技能、设计技能、招聘技能、策划技能、市场开发技能、市场推广技能中的一种或多种组合。

步骤S302，采集训练样本的与输入条目对应的样本输入数据，并根据样本输入数据提取训练样本的输入特征向量。

具体地，为了获得识别率较高的培训需求识别模型，本实施例选取的训练样本的数量应当尽量大。在实际的实施过程中，本实施例采集训练样本的与输入条目对应的样本输入数据之后，根据样本输入数据提取训练样本的输入特征向量之前，还包括对样本输入数据进行归一化。

步骤S303，根据输入特征向量和训练样本的培训需求类别训练分类器，获得培训需求识别模型。

具体地，由于本实施例已知训练样本的输入特征向量以及培训需求类别，故将训练样本的输入特征向量作为分类器的输入向量，将训练样本的培训需求类别作为分类器的输出向量，从而训练出培训需求识别模型。其中，本实施例中的分类器可以是贝叶斯分类器，支持向量机分类器、最大熵分类器等等。

需要说明的是，本实施例中的培训需求识别模型具有自动更新的功能，例如当采集到与训练样本的属性信息对应的培训需求类别不属于预先设定的培训需求类别时，本实施例将该新增的培训需求类别加入预先设定的培训需求类别中。

步骤S304，根据待培训对象的与输入条目对应的属性信息以及培训需求识别模型，确定待培训对象的培训需求。

具体地，本实施例假设采集到与团队销售额目标、实际销售额、到店客户量、客户成交率四个输入条目对应的属性信息为100万，40万，100个，20%，且根据训练好的培训需求识别模型识别出本实施例中待培训对象（团队）的培训需求为销售技能+沟通技能。

步骤S305，获取预设的与待培训对象的培训需求匹配的培训内容。

具体地，本实施例确定了培训需求为销售技能+沟通技能时，可以根据预先设定的与销售技能和沟通技能分别对应的培训内容获得具体培训内容。此外，本实施例除了根据预先设定的与培训需求匹配的培训内容获得培训内容外，还可以在互联网上搜索获取与所述培训需求对应的培训内容，或根据公司或单位历史培训记录，选取与培训需求对应的培训内容。且本实施例根据公司或单位历史培训记录，选取与培训需求对应的培训内容时，可以选取与培训需求对应的占比较大的历史培训内容作为培训内容。例如在公司或单位历史培训记录中获得10份针对销售技能进行培训的历史培训记录，且其中有6位员工针对销售技能进行培训的历史培训内容为课程A和课程B，有2位员工针对销售技能进行培训的历史培训内容为课程C，有2位员工针对销售技能进行培训的历史培训内容为课程D，则本实施例选取与培训需求对应的占比较大的历史培训内容作为与待培训对象的培训需求匹配的培训内容，即此时选取课程A和课程B作为与待培训对象的培训需求匹配的培训内容。

步骤S306，对待培训对象发送培训通知，培训通知至少包括培训内容、培训时间及培训地点。

具体地，本实施例中机器人确定待培训对象的培训内容后，对待培训对象发送培训通知，其中培训通知至少包括培训内容、培训时间及培训地点。且在发送培训通知后，根据培训通知中的时间和地点信息接待待培训对象。例如，假设机器人安排待培训对象进行培训的时间和地点分别为A和B，则机器人会在相应的A时间和B地点等待待培训对象的到来，并对其进行接待及培训。本实施例通过机器人通知待培训对象参加培训，以及对参加培训的对象进行培训，整个过程无需人力通知待培训对象以及无需专业的培训师对待培训对象进行培训，流程规范简单，节省了大量的人力成本。

步骤S307，根据培训内容对培训对象进行培训。

步骤S308，对所述待培训对象进行培训考核。

具体地，本实施例根据培训内容对待培训对象进行培训之后还包括对待培训对象进行培训考核，有利于培训组织者和待培训对象对培训工作进行自我检测。

由此可见，本发明提供的培训机器人的实现方法，无需人工确定培训需求，制定培训方案以及安排待培训对象进行培训，节省了人力成本，提高了培训效率。且通过采用训练好的培训需求识别模型对待培训者的培训需求进行智能识别，提高了培训工作中培训需求获取的精确度；且通过自动获取与培训需求匹配的培训内容，可以获得科学合理的培训方案，对整个培训工作的智能化实现具有重要意义。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。