一种通过语音对机器人进行训练的系统及方法与流程

本发明涉及机器人领域，尤其涉及一种通过语音对机器人进行训练的系统及方法。

背景技术：

目前对机器人行为进行训练的方法仅限于使用编程开发的方式来对机器人的逻辑进行修改，开发者通过修改机器人的程序逻辑，完成在满足某项条件下执行某种动作的设定。这种训练方式对于机器人底层开发是必须的，但进入上层逻辑开发时，则出现开发效率低，错误率高等缺陷；这种训练方式不适用于不具备编程开发专业技能的普通用户，如果普通用户想对机器人的行为做少许修改，则需要耗费大量的时间进行学习。

综上所述，上述训练方法适用范围窄、效率低且错误率高。

技术实现要素：

针对现有的对机器人进行训练的方法存在的上述问题，现提供一种旨在实现支持没有编程开发基础的用户通过语音对机器人进行训练的系统及方法。

具体技术方案如下：

一种通过语音对机器人进行训练的系统，包括：

一接收单元，用于接收语音信号；

一解析单元，连接所述接收单元，用于对所述语音信号进行解析，将所述语音信号与预设语句进行匹配，获取与所述预设语句匹配的且与所述语音信号对应的条件语句，及与所述语音信号对应的执行语句；

一处理单元，连接所述解析单元，用于将所述条件语句与所述执行语句结合生成一目标条目；

一存储单元，连接所述处理单元，用以存储预设条目，根据所述预设条目对机器人进行训练；

所述处理单元根据所述目标条目进行权重计算，并根据所述权重计算结果进行相应的处理。

优选的，所述解析单元包括：

一第一转换模块，用于将所述语音信号转换为文字信息；

一语义分析模块，连接所述第一转换模块，用于对所述文字信息进行解析，将所述文字信息与所述预设语句进行匹配，获取与所述预设语句匹配的且与所述文字信息对应的条件语句，并识别所述条件语句是标准式条件语句或反馈式条件语句；

若所述条件语句是标准式条件语句，则获取与所述文件信息对应的执行语句；

若所述条件语句是反馈式条件语句，则进行权重运算，使所述机器人执行上一次任务的操作。

优选的，所述解析单元还包括：

一第二转换模块，连接所述语义分析模块，用于将所述执行语句转换为相应的音频信号，并输出。

优选的，每一条所述预设条目包括预设条件语句和预设执行语句。

优选的，所述处理单元根据所述目标条目中的所述条件语句，遍历所述 存储单元中的所有所述预设条目中的所述预设条件语句，以获取所述条件语句是否与所述预设条件语句重复，若不重复，则进行所述权重运算，并将所述目标条目存储于所述存储单元中以形成新的所述预设条目，根据所述预设条目对机器人进行训练；若重复则进行所述权重运算，并根据所述权重计算结果进行相应的处理。

一种通过语音对机器人进行训练的方法，包括下述步骤：

S1.采集语音信号；

S2.对所述语音信号进行解析，将所述语音信号与预设语句进行匹配，获取与所述预设语句匹配的且与所述语音信号对应的条件语句，及与所述语音信号对应的执行语句；

S3.将所述条件语句与所述执行语句结合生成一目标条目；

S4.根据所述目标条目进行权重计算，并根据所述权重计算结果进行相应的处理。

优选的，所述步骤S2具体包括：

S21.将所述语音信号转换为文字信息；

S22.对所述文字信息进行解析，将所述文字信息与所述预设语句进行匹配，获取与所述预设语句匹配的且与所述文字信息对应的条件语句，并识别所述条件语句是标准式条件语句或反馈式条件语句；

若所述条件语句是标准式条件语句，则获取与所述文件信息对应的执行语句；

若所述条件语句是反馈式条件语句，则进行权重运算，使所述机器人执行上一次任务的操作。

优选的，所述步骤S2还包括：

S23.将所述执行语句转换为相应的音频信号，并输出。

优选的，每一条所述预设条目包括预设条件语句和预设执行语句。

优选的，所述步骤S3具体包括：

S31.根据所述目标条目中的所述条件语句，遍历所述存储单元中的所有所述预设条目中的所述预设条件语句；

S32.获取遍历结果，判断所述条件语句是否与所述预设条件语句重复，

若所述条件语句与所述预设条件语句不重复，则执行步骤S33；

若所述条件语句与所述预设条件语句重复，则执行步骤S34；

S33.进行所述权重运算，并将所述目标条目存储于所述存储单元中以形成新的所述预设条目，根据所述预设条目对机器人进行训练；

S34.进行所述权重运算，并根据所述权重计算结果进行相应的处理。

上述技术方案的有益效果：

本技术方案中，在通过语音对机器人进行训练的系统中，通过解析单元对语音信号进行解析获取相应的条件语句和执行语句，通过处理单元将条件语句和执行语句结合生成条目，使机器人根据条目进行相应的训练，效率高且错误率低。在通过语音对机器人进行训练的方法中，只需用户输入语音信号即可对机器人进行训练，操作简单，适用范围广且效率高。

附图说明

图1为本发明所述通过语音对机器人进行训练的系统的一种实施例的模块图；

图2为本发明所述通过语音对机器人进行训练的方法的一种实施的流程图；

图3为对语音信号进行解析的方法流程图；

图4为根据遍历结果对所述目标条目进行相应的处理的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

如图1所示，一种通过语音对机器人进行训练的系统，包括：

一接收单元1，用于接收语音信号；

一解析单元2，连接接收单元1，用于对语音信号进行解析，将语音信号与预设语句进行匹配，获取与预设语句匹配的且与语音信号对应的条件语句，及与语音信号对应的执行语句；

一处理单元3，连接解析单元2，用于将条件语句与执行语句结合生成一目标条目；

一存储单元4，连接处理单元3，用以存储预设条目，根据预设条目对机器人进行训练；

处理单元3根据目标条目进行权重计算，并根据权重计算结果进行相应的处理。

在本实施例中，采用语音对机器人进行训练的系统可应用于儿童类玩具中，虽然儿童不具备专业的编程开发技能，但儿童可以通过自然语言与机器人交流，并训练机器人执行相应的动作。

在本实施例中，针对机器人行为逻辑开发的优化过程，选择了适合普通用户与机器人进行交互的方式，使用户在对机器人进行训练的过程专注于训 练逻辑本身，而非开发语言，提高了工作效率且降低了错误率。通过解析单元2对语音信号进行解析获取相应的条件语句和执行语句，通过处理单元3将条件语句和执行语句结合生成条目，使机器人根据条目进行相应的训练，效率高且错误率低。

在优选的实施例中，解析单元2包括：

一第一转换模块21，用于将语音信号转换为文字信息；

一语义分析模块22，连接第一转换模块21，用于对文字信息进行解析，将文字信息与预设语句进行匹配，获取与预设语句匹配的且与文字信息对应的条件语句，并识别条件语句是标准式条件语句或反馈式条件语句；

若条件语句是标准式条件语句，则获取与文件信息对应的执行语句；

若条件语句是反馈式条件语句，则进行权重运算，使机器人执行上一次任务的操作。

在本实施例中，目标条目对应的句式可以是：

当A时，就B；

如果A时，则B；

不要再在A时，做B；

这个时候应该做B；

这是错误的；

这样做是不对的等。

其中，“当A时”，“如果A时”，“不要再在A时”，以及“这个时候”均为标准式条件语句；“这是错误的”和“这样做是不对的”均为反馈式条件语句。

采用语音对机器人进行训练的系统的整个训练过程为：当识别到训练关键句式时机器人进入训练模式，用户可使用与上述相似的句式与机器人对话时，通过解析单元2的语义分析模块22将用户说的话划分为部分A和部分B，经过语义转换，将部分A转换为条件开发语句，将部分B转换为执行动 作开发语句，把部分A和部分B的关联关系追加到本地的训练知识库(存储单元4)，并将部分A和部分B结合形成新的条目，如果部分A与训练知识库中的条件开发语句相同，部分B与训练知识库中相应的执行动作开发语句不同，则部分A为两条条件一样但执行不同动作的知识条目，需进行权重运算，权重运算包含用户的正负反馈，追加时间进行考量，并将新知识条目追加到本地知识库，并更新训练知识库。当识别到普通自然语言交流时，训练模式结束，机器人结束训练回归到轮询判断模式，历遍训练知识库中的所有条目，当命中某一条知识条目时，则执行知识条目中所包含的执行动作开发语句。

在本实施例中，第一转换模块21可采用自动语音识别(Automatic Speech Recognition，ASR)技术，ASR技术可将人类语音中的词汇内容转换为计算机可读的内容并输入计算机，并且与计算机进行交互。

语义分析模块22采用人工智能的自然语言处理(Natural Language Processing，NLP)技术，通过NLP技术获取文字信息中的条件语句和执行语句。

在优选的实施例中，解析单元2还包括：

一第二转换模块23，连接语义分析模块22，用于将执行语句转换为相应的音频信号，并输出。

在本实施例中，第二转换模块23采用TTS(Text To Speech)即将文本转换为语音技术，该技术是人机对话的一部分，通过TTS使机器人能够说话。

在优选的实施例中，每一条预设条目包括预设条件语句和预设执行语句。

在优选的实施例中，处理单元3根据目标条目中的条件语句，遍历存储单元中的所有预设条目中的预设条件语句，以获取条件语句是否与预设条件语句重复，若不重复，则进行权重运算，并将目标条目存储于存储单元中4以形成新的预设条目，根据预设条目对机器人进行训练；若重复则进行权重运算，并根据权重计算结果进行相应的处理。

在本实施例中，可在追加新知识条目或原有知识条目后，当收到用户的正负反馈时，进行权重运算，整理整个训练知识库，进行压缩等工作，以保证机器人在条件轮询判断时的效率。

如图2所示，一种通过语音对机器人进行训练的方法，包括下述步骤：

S1.采集语音信号；

S2.对语音信号进行解析，将语音信号与预设语句进行匹配，获取与预设语句匹配的且与语音信号对应的条件语句，及与语音信号对应的执行语句；

S3.将条件语句与执行语句结合生成一目标条目；

S4.根据目标条目进行权重计算，并根据权重计算结果进行相应的处理。

在本实施例中，只需用户输入语音信号即可对机器人进行训练，操作简单，适用范围广且效率高。

如图3所示，在优选的实施例中，步骤S2具体包括：

S21.将语音信号转换为文字信息；

S22.对文字信息进行解析，将文字信息与预设语句进行匹配，获取与预设语句匹配的且与文字信息对应的条件语句，并识别条件语句是标准式条件语句或反馈式条件语句；

若条件语句是标准式条件语句，则获取与文件信息对应的执行语句；

若条件语句是反馈式条件语句，则进行权重运算，使机器人执行上一次任务的操作。

在本实施例中，将语音信号转换为文字信息可采用自动语音识别(Automatic Speech Recognition，ASR)技术，ASR技术可将人类语音中的词汇内容转换为计算机可读的输入，并且与计算机进行交互。

对文字信息进行解析可采用人工智能的自然语言处理(Natural Language Processing，NLP)技术，通过NLP技术获取文字信息中的条件语句和执行语句。

在优选的实施例中，步骤S2还包括：

S23.将执行语句转换为相应的音频信号，并输出。

在本实施例中，采用TTS(Text To Speech，将文本转换为语音)技术将执行语句转换为相应的音频信号，该技术是人机对话的一部分，通过TTS使机器人能够说话。

在优选的实施例中，每一条预设条目包括预设条件语句和预设执行语句。

如图4所示，在优选的实施例中，步骤S3具体包括：

S31.根据目标条目中的条件语句，遍历存储单元中的所有预设条目中的预设条件语句；

S32.获取遍历结果，并进行权重计算

判断条件语句是否与预设条件语句重复，

若条件语句与预设条件语句不重复，则执行步骤S33；

若条件语句与预设条件语句重复，则执行步骤S34；

S33.进行权重运算，并将目标条目存储于存储单元中以形成新的预设条目，根据预设条目对机器人进行训练；

S34.进行权重运算，并根据权重计算结果进行相应的处理。

在本实施例中，当机器人在下午的时候听到用户说“你好”时，用户训练机器人回复“XXX(人名)，下午好”的训练步骤如下：

A1.用户对机器人说“你好”，“这个时候应该说，XXX，下午好”

A2.对用户说的内容进行语义解析，分离出说话内容中的执行语句即“说XXX,下午好”，“说”是对应机器人的TTS服务，“XXX”命中当前互动的用户的名字，“下午”命中当前的时间，“XXX，下午好”对应TTS服务的内容；

A3.根据语义解析结果生成新的知识库条目，判断权重后追加到本地知识库；

A4.机器人执行新的知识库，结束；

在完成这次互动训练后，当用户对机器人说“你好”时，机器人就会回 答“XXX，下午好”，从而达到预期训练目的。

本发明可使用户在训练机器人时解放双手，在不需要写任何代码的情况下，实现对机器人行为的修正，使用户在训练过程中更专注于训练内容本身，而非如何编写代码等基础问题上。

以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。