面向智能机器人的交互方法及系统与流程

本发明涉及智能机器人技术领域，尤其涉及一种面向智能机器人的交互方法，还涉及一种面向智能机器人的交互系统。

背景技术：

随着科学技术的不断发展，信息技术、计算机技术以及人工智能技术的引入，机器人的研究已经逐步走出工业领域，逐渐扩展到了医疗、保健、家庭、娱乐以及服务行业等领域。人们对于机器人的要求也从简单重复的机械动作提升为具有高度智能型、自主性及与其他智能体交互的智能机器人。

在现有的人机对话过程中，智能机器人通常仅依据当前的多模态交互信息进行基本话题的定位，然后基于该基本话题与用户进行交互。

然而，上述智能机器人与用户的交互方式并不能满足实际交互过程中对话话题多样性的需求，从而容易导致定位话题的不精确，进而引起根据该话题输出的交互信息与用户当前需求贴合度不高。可见，现有技术中智能机器人与用户的交互方式会严重降低用户的使用体验，从而影响用户对智能机器人产品的使用粘度。

技术实现要素：

本发明所要解决的技术问题是：现有技术中智能机器人与用户的交互方式，不能满足实际交互过程中对话话题多样性的需求，从而容易导致定位话题的不精确，进而引起根据该话题输出的交互信息与用户当前需求贴合度不高。现有技术中智能机器人与用户的交互方式会严重影响用户对智能机器人产品的使用粘度。

为了解决上述技术问题，本发明提供了一种面向智能机器人的交互方法及系统。

根据本发明的一个方面，提供了一种面向智能机器人的交互方法，其包括：

接收多模态交互数据；

根据所述多模态交互数据，确定第一话题；

获取上下文数据；

根据所述上下文数据，从所述第一话题下的多个第二话题中确定当前第二话题，所述第二话题为所述第一话题下的子话题；

基于所述当前第二话题与用户进行交互。

优选的是，上述面向智能机器人的交互方法还包括：

获取记忆系统中的记忆数据；

基于所述上下文数据和所述记忆数据，从所述第一话题下的多个第二话题中确定所述当前第二话题。

优选的是，所述记忆数据包括经训练的话题数据。

优选的是，基于所述上下文数据和所述记忆数据，从所述第一话题下的多个第二话题中确定当前第二话题，包括：

基于所述上下文数据，从所述第一话题下的多个第二话题中挑选出多个待选第二话题；

依次使每个待选第二话题分别与所述经训练的话题数据进行匹配；

将与所述经训练的话题数据最匹配的待选第二话题作为所述当前第二话题。

优选的是，上述面向智能机器人的交互方法还包括：

根据所述多模态交互数据，得到当前情绪值；

判断所述当前情绪值是否小于预设的情绪阈值；

在判断出所述当前情绪值小于所述情绪阈值时，停止与用户之间的交互。

根据本发明的另一个方面，提供了一种面向智能机器人的交互系统，其包括：

多模态交互数据接收模块，设置为接收多模态交互数据；

第一话题确定模块，设置为根据所述多模态交互数据，确定第一话题；

上下文数据获取模块，设置为获取上下文数据；

当前第二话题确定模块，设置为根据所述上下文数据，从所述第一话题下的多个第二话题中确定当前第二话题，所述第二话题为所述第一话题下的子话题；

交互模块，设置为基于所述当前第二话题与用户进行交互。

优选的是，上述面向智能机器人的交互系统还包括记忆数据获取模块，其设置为获取记忆系统中的记忆数据；

所述当前第二话题确定模块具体设置为：基于所述上下文数据和所述记忆数据，从所述第一话题下的多个第二话题中确定所述当前第二话题。

优选的是，所述记忆数据包括经训练的话题数据。

优选的是，所述当前第二话题确定模块包括：

挑选单元，设置为基于所述上下文数据，从所述第一话题下的多个第二话题中挑选出多个待选第二话题；

匹配单元，设置为依次使每个待选第二话题分别与所述经训练的话题数据进行匹配；

当前第二话题确定单元，设置为将与所述经训练的话题数据最匹配的待选第二话题作为所述当前第二话题。

优选的是，上述面向智能机器人的交互系统还包括：

当前情绪值确定模块，设置为根据所述多模态交互数据，得到当前情绪值；

判断模块，设置为判断所述当前情绪值是否小于预设的情绪阈值；

停止模块，设置为在所述判断模块判断出所述当前情绪值小于所述情绪阈值时，停止与用户之间的交互。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

应用本发明，首先根据多模态交互数据确定第一话题，然后根据上下文数据从第一话题下细化的多个第二话题中确定当前第二话题，并基于第二话题与用户进行主动交互。可以看出，本发明对话题的精确定位能够帮助改善对话体验，提升多模态话题交互时的连贯性。因此，本发明能够精确地将话题定位到比较细化的当前第二话题，智能机器人根据该话题输出的交互信息与用户的当前需求贴合度高，在增加了智能机器人交互能力的同时，明显提高了用户对智能机器人的使用粘度。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1示出了本发明实施例面向智能机器人的交互方法的第一种流程示意图；

图2示出了本发明实施例面向智能机器人的交互方法的第二种流程示意图；

图3示出了本发明实施例中基于上下文数据和记忆数据来从多个第二话题中确定当前第二话题的方法的流程示意图；

图4示出了本发明实施例面向智能机器人的交互方法的第三种流程示意图；

图5示出了本发明实施例面向智能机器人的交互系统的第一种结构示意图；

图6示出了本发明实施例面向智能机器人的交互系统的第二种结构示意图；

图7示出了本发明实施例中当前第二话题确定模块的结构示意图；以及

图8示出了本发明实施例面向智能机器人的交互系统的第三种结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

在现有的人机对话过程中，目前的做法通常是通过上下文信息来约束对话内容，或者依据单一模态的刺激来反馈结果，对话内容不存在话题性，结构较为发散而不是收敛。

可以看出，现有技术中智能机器人与用户的交互方式，不能满足实际交互过程中对话话题多样性的需求，从而容易导致定位话题的不精确，进而引起根据该话题输出的交互信息与用户当前需求贴合度不高。现有技术中智能机器人与用户的交互方式会严重影响用户对智能机器人产品的使用粘度。

为了解决上述技术问题，本发明实施例提供了一种面向智能机器人的信息处理系统。

实施例一

图1示出了本发明实施例面向智能机器人的交互方法的第一种流程示意图。如图1所示，本实施例面向智能机器人的交互方法，主要包括步骤101至步骤105。

在步骤101中，接收多模态交互数据。

具体地，系统首先接收前端模块传来的多模态交互数据。在本实施例中，多模态数据主要包括语音信息、视觉信息和触觉信息等，并不局限，还可包括环境信息等。

例如，对于视觉信息，系统可以首先检测图像或视频信息，然后对检测到的图像、视频信息进行图像识别处理，得到图像表达的意思以及触发的事件。

对于语音信息，系统可以首先获取用户输入的语音，然后对获取到的语音进行语音识别，得到与该语音相对应的文本。

对于触觉信息，系统可以首先检测用户作用于智能机器人的触摸力度信息，然后从触摸力度信息中提取力度大小及受力点。

值得注意的是，可采用本领域技术人员惯常采用的技术手段来实现针对上述视觉信息、语音信息和触摸信息的检测和处理，故本文不对这些技术手段进行展开说明。

在步骤102中，根据多模态交互数据，确定第一话题。

在步骤103中，获取上下文数据。上下文(context)数据主要是指语言环境的前后状态。

在步骤104中，根据上下文数据，从第一话题下的多个第二话题中确定当前第二话题。

在步骤105中，基于当前第二话题与用户进行交互。

具体地，智能机器人首先根据所获取的多模态交互数据进行较宽范围、宽泛的第一话题(也称大话题)定位，第一话题下包含有多个较窄范围、细化的第二话题(也称小话题)，第二话题为第一话题下的子话题。然后，智能机器人再根据获取的上下文数据(一般存储在智能机器人内部)来从多个第二话题中确定与当前对话过程最匹配的一个第二话题，即当前第二话题。最后，在确定当前第二话题后，智能机器人进行思维中的的交互或者主动交互。即智能机器人基于所确定的当前第二话题对多模态输出数据进行输出，以与用户进行交互或者主动交互。

举例来说，用户手舞足蹈地对智能机器人说“我真高兴”，智能机器人根据获取的多模态交互数据(视觉信息“手舞足蹈”，语音信息“今天…真高兴”)来确定第一话题“高兴的事”。这里，第一话题“高兴的事”可以包括国庆节、生日、好成绩、恋爱了等等。接着，智能机器人可以获取上下文数据，根据上下文数据来确定第一话题下的第二话题，例如，机器人获取的上下文数据中，存储了一段对话为，机器人问“今天你想要做什么”，用户说“今天是十月一日，是我的生日！我准备参加亲友们精心准备的生日派对啦！”。智能机器人根据上述上下文数据(这里指语音交互数据)可知，用户是因为要过生日了而高兴，即智能机器人从众多第二话题中选择“生日”为当前第二话题。于是，智能机器人基于当前第二话题“生日”来开展与用户之间的交互。例如，智能机器人可以上前拥抱用户，同时说出“亲爱的，祝你生日快乐，年年有今日，岁岁有今朝！”，还可以继续询问，例如“你猜今天会有谁来参加你的生日派对呀”、“你的父母会不会从美国赶回来”、“你的新男友会不会参加”、“你准备在生日派对上许什么愿呀”等等围绕这个话题的问题。

应用本发明实施例面向智能机器人的信息处理方法，首先根据多模态交互数据确定第一话题，然后根据上下文数据从第一话题下细化的多个第二话题中确定当前第二话题，并基于第二话题与用户进行主动交互。可以看出，对话题的精确定位能够帮助改善对话体验，提升多模态话题交互时的连贯性。因此，本实施例能够精确地将话题定位到比较细化的当前第二话题，智能机器人根据该话题输出的交互信息与用户的当前需求贴合度高，在增加了智能机器人交互能力的同时，明显提高了用户对智能机器人的使用粘度。

实施例二

本实施例提供了另一种面向智能机器人的信息处理方法。

图2示出了本发明实施例面向智能机器人的交互方法的第二种流程示意图。如图2所示，本实施例面向智能机器人的交互方法，主要包括上述步骤101、102、103和105以及下述具体描述的步骤201和步骤202。

在步骤201中，获取记忆系统中的记忆数据。记忆数据例如对时间、空间、事件、情绪等的记录。

在步骤202中，基于上下文数据和记忆数据，从第一话题下的多个第二话题中确定当前第二话题。

本实施例在实施例一的基础上，得到了记忆系统的数据支持。这里，记忆系统主要用于辅助话题的定位，通过抽取时间、空间、事件信息等将话题定位到记忆话题中。本实施例主要利用从记忆系统获得的记忆数据，结合上下文数据，来确定当前第二话题。

本实施例利用上下文数据并结合记忆数据来确定当前第二话题，提高了选定的当前第二话题的准确性，使人机交互更加类人化，有利于进一步提高智能机器人的交互能力以及增加用户的使用粘度。

实施例三

本实施例在实施例二和实施例三的基础上，对记忆数据以及基于记忆数据和上下文数据确定当前第二话题的方法进行了优化。

在本实施例中，记忆数据包括经训练的话题数据。经训练的话题数据例如包括国庆话题、生日话题、好成绩话题、恋爱话题、生宝宝话题、奖金话题、春游话题等等。经训练的话题数据指的是，针对某一种话题，训练出与该话题密切相关的数据。利用经训练的话题数据，在人机交互过程中，智能机器人能够快速地判断当前对话内容属于哪个话题。

图3示出了本发明实施例中基于上下文数据和记忆数据来从多个第二话题中确定当前第二话题的方法的流程示意图。如图3所示，本发明实施例基于上下文数据和记忆数据，从第一话题下的多个第二话题中确定当前第二话题的方法，主要包括步骤301至步骤303。

在步骤301中，基于上下文数据，从第一话题下的多个第二话题中挑选出多个待选第二话题。

在步骤302中，依次使每个待选第二话题分别与经训练的话题数据进行匹配。

在步骤303中，将与经训练的话题数据最匹配的待选第二话题作为当前第二话题。

具体地，首先基于上下文数据，从第一话题下的多个第二话题中挑选出多个待选第二话题。然后依次对于每个待选第二话题，使该待选第二话题与经训练的话题数据进行匹配。从众待选第二话题中选择中选择出与经训练的话题数据最匹配的话题作为该当前第二话题。

在具体实施例过程中，可以针对每个待选第二话题的匹配结果进行评分，然后根据得分确定当前第二话题。一般来讲，与经训练的话题数据最匹配的待选第二话题的得分最高，将该待选第二话题选择为当前第二话题。

延续上述过生日的例子，记忆系统记录有如下经训练的话题数据：国庆话题、生日话题、好成绩话题、恋爱话题、生宝宝话题、奖金话题、春游话题等。基于上述记忆数据和上下文数据，智能机器人确定当前第二话题为“生日话题”，并基于该“生日话题”与用户展开对话交互。

在本实施例中，智能机器人利用上下文数据和经训练的话题数据确定当前第二话题，提高了选定的当前第二话题的准确性，提高智能机器人的类人性，有利于进一步提高智能机器人的交互能力以及增加用户的使用粘度。

实施例四

本实施例提供了再一种面向智能机器人的信息处理方法。

图4示出了本发明实施例面向智能机器人的交互方法的第三种流程示意图。如图4所示，本实施例面向智能机器人的交互方法在上述任意实施例的基础上，增加了步骤401至步骤403。

在步骤401中，根据多模态交互数据，得到当前情绪值。

在步骤402中，判断当前情绪值是否小于预设的情绪阈值。

在步骤403中，在判断出当前情绪值小于情绪阈值时，停止与用户之间的交互。

具体地，在步骤105之后，即在智能机器人基于当前第二话题开始与用户进行交互之后，随时监视用户的情绪值，当用户的情绪的情绪值低于预设的情绪阈值时，停止与用户进行交互。

也就是说，在人机交互的过程中，还需要结合情绪计算结果来判定是否能触发后续的交互行为。如果用户的情绪处于异常状态，那么认为不适合发起话题引导，跳过此次处理结果。然后，等待预处理阶段符合条件后再找机会触发主动交互行为。

本实施例利用针对用户的当前情绪计算结果来辅助判断是否适合进行当前的话题引导，在用户情绪异常时及时停止当前的话题交互，以避免引起用户的反感。可见，本实施例有利于提高智能机器人的交互能力和用户的使用体验。

实施例五

对应于上述实施例一至实施例四，本发明实施例提供了一种面向智能机器人的信息处理系统。

图5示出了本发明实施例面向智能机器人的交互系统的第一种结构示意图。如图5所示，本实施例面向智能机器人的交互系统主要包括顺次连接的多模态交互数据接收模块501、第一话题确定模块502、当前第二话题确定模块503和交互模块504，以及与当前第二话题确定模块503连接的上下文数据获取模块505。

具体地，多模态交互数据接收模块501，设置为接收多模态交互数据。

第一话题确定模块502，设置为根据多模态交互数据，确定第一话题。

上下文数据获取模块505，设置为获取上下文数据。

当前第二话题确定模块503，设置为根据上下文数据，从第一话题下的多个第二话题中确定当前第二话题，第二话题为第一话题下的子话题。

交互模块504，设置为基于当前第二话题与用户进行交互。

应用本发明实施例面向智能机器人的信息处理系统，首先根据多模态交互数据确定第一话题，然后根据上下文数据从第一话题下细化的多个第二话题中确定当前第二话题，并基于第二话题与用户进行主动交互。可以看出，对话题的精确定位能够帮助改善对话体验，提升多模态话题交互时的连贯性。因此，本实施例能够精确地将话题定位到比较细化的当前第二话题，智能机器人根据该话题输出的交互信息与用户的当前需求贴合度高，在增加了智能机器人交互能力的同时，明显提高了用户对智能机器人的使用粘度。

实施例六

本发明实施例提供了另一种面向智能机器人的信息处理系统。

参照图6，本实施例面向智能机器人的信息处理系统除了上述多模态交互数据接收模块501、第一话题确定模块502、当前第二话题确定模块503、交互模块504和上下文数据获取模块505之外，还包括与当前第二话题确定模块503相连接的记忆数据获取模块601。该记忆数据获取模块601设置为获取记忆系统中的记忆数据。

另外，在本实施例中，当前第二话题确定模块503具体设置为：基于上下文数据获取模块505获取的上下文数据和记忆数据获取模块601获取的记忆数据，从第一话题下的多个第二话题中确定当前第二话题。

本实施例利用上下文数据并结合记忆数据来确定当前第二话题，提高了选定的当前第二话题的准确性，提高智能机器人的类人性，有利于进一步提高智能机器人的交互能力以及增加用户的使用粘度。

实施例七

本实施例在实施例五和实施例六的基础上，对记忆数据的内容和当前第二话题确定模块503的结构做了进一步优化。

在本实施例中，记忆数据包括经训练的话题数据。

图7示出了本发明实施例中当前第二话题确定模块503的结构示意图。如图7所示，本实施例当前第二话题确定模块503主要包括顺次连接的挑选单元701、匹配单元702和当前第二话题确定单元703。

具体地，挑选单元701，设置为基于上下文数据，从第一话题下的多个第二话题中挑选出多个待选第二话题。

匹配单元702，设置为依次使每个待选第二话题分别与经训练的话题数据进行匹配。

当前第二话题确定单元703，设置为将与经训练的话题数据最匹配的待选第二话题作为当前第二话题。

在本实施例中，智能机器人利用上下文数据和经训练的话题数据确定当前第二话题，提高了选定的当前第二话题的准确性，使人机交互更加类人，有利于进一步提高智能机器人的交互能力以及增加用户的使用粘度。

实施例八

本实施例提供了再一种面向智能机器人的信息处理方法。

图8示出了本发明实施例面向智能机器人的交互系统的第三种结构示意图。如图8所示，本实施例面向智能机器人的交互系统在上述实施例五至实施例七中任意实施例的基础上，还包括顺次连接的当前情绪值确定模块801、判断模块802和停止模块803。

具体地，当前情绪值确定模块801，设置为根据多模态交互数据，得到当前情绪值。

判断模块802，设置为判断当前情绪值是否小于预设的情绪阈值。

停止模块803，设置为在判断模块802判断出当前情绪值小于情绪阈值时，停止与用户之间的交互。

本实施例利用针对用户的当前情绪计算结果来辅助判断是否适合进行当前的话题引导，在用户情绪异常时及时停止当前的话题交互，以避免引起用户的反感。可见，本实施例有利于提高智能机器人的交互能力和用户的使用体验。

值得注意的是，实施例五至实施例八中各个模块及单元中的操作的具体细化，可参见上面结合图1至图4对本发明方法(具体参见实施例一至实施例四)的说明，在此不再详细赘述。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。