基于银行应用场景的多机器人协同系统及方法与流程

本发明涉及人工智能领域技术领域，具体涉及金融行业的智能机器人技术领域，特别是涉及一种基于银行应用场景的多机器人协同系统及方法。

背景技术：

商业银行网点是银行的服务窗口和办事机构，是资金进出银行的重要关口，其中现金业务是网点的基础业务领域之一，包括现金存取、现金兑换、大额取现预约、假币收缴等。银行网点需根据业务量及其相关管理要求，由业务专家每日预估次日网点现金业务用量，对商业银行网点领缴金额和频次完全基于人工经验判断，制定网点现金领缴计划，提请现金中心进行备钞和现金领缴。传统网点现金领缴管理，通常依靠网点业务专家人工经验来估算网点现金用量。由于网点现金需求量影响因素较多且关联复杂性极高，受网点位置、周边事件、客流量、节假日、天气等多种因素干扰，人工经验判断现金用量较困难且误差大。如果加钞高于实际的取款需求，即加钞金额多于实际取款金额，将导致非生息资产过多，造成资金浪费。而且领缴次数的增加也会导致成本的增加。

综上，现有的商业银行网点的现金用量预测方法有着对业务经验要求高、人工预估方法复杂及总体预测结果偏差大等缺点。

技术实现要素：

针对现有技术中的银行应用场景中机器人在具体落地的银行智能网点内因功能单一，且各自独立提供服务，相互之间无协作从而造成实际使用率低，客户体验差等问题，本发明提供了一种基于银行应用场景的多机器人协同系统及方法。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种应用主机器人的基于银行应用场景的多机器人协同系统，包括：服务器、至少一个主机器人以及至少一个调用机器人；

所述主机器人根据用户触发的交易类型生成任务指令，并将所述任务指令发送给所述服务器；

所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人；

所述调用机器人接收所述任务指令，并根据所述任务指令执行相应的任务。

第二方面，本发明提供一种应用主机器人的基于银行应用场景的多机器人协同方法，包括：

主机器人根据用户触发的交易类型生成任务指令，并将所述任务指令发送给服务器；

所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人；

所述调用机器人接收所述任务指令，并根据所述任务指令执行相应的任务。

一实施例中，基于银行应用场景的多机器人协同方法还包括：

所述主机器人根据知识图谱方法与客户进行对话。

一实施例中，所述主机器人根据知识图谱方法与客户进行对话，包括：

所述主机器人根据所述知识图谱方法生成与客户进行对话的答案；

所述主机器人根据所述知识图谱方法生成所述答案的知识源数据库；

所述主机器人根据所述知识源数据库以及所述银行应用场景对应话题，对客户进行主动引导。

一实施例中，基于银行应用场景的多机器人协同方法还包括：所述主机器人根据所述银行应用场景的相关词汇生成纠错词汇，并根据纠错词汇生成纠错结果。

一实施例中，所述主机器人根据所述银行应用场景的相关词汇生成纠错词汇，并根据纠错词汇生成纠错结果，包括：

所述主机器人根据所述银行应用场景的相关词汇生成纠错词汇；

所述主机器人利用gbdt模型对所述纠错词汇进行排序；

所述主机器人在排序结果中，利用beamsearch算法解码出最优纠错结果。

一实施例中，基于银行应用场景的多机器人协同方法还包括：所述主机器人与所述服务器以及所述调用机器人进行心跳连接。

一实施例中，所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人，包括：

所述主机器人发送json数据至所述服务器中的pushsocketweb应用；所述pushsocketweb应用用于通过心跳机制判断其与所述调用机器人是否为长连接状态；

所述主机器人根据长连接状态判断结果，并通过socket将所述任务指令发送至调用机器人；

所述json数据包括：调用机器人id以及任务指令的内容。

一实施例中，基于银行应用场景的多机器人协同方法还包括：

所述调用机器人的硬盘通过物理方式隔离成两个区域，以分别运行银行内网业务以及银行外网业务，包括：

将网络安全隔离卡设置在所述调用机器人的物理层上，所述网络安全隔离卡的一边的ide总线连接主板，另一边的ide总线连接硬盘。

第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现基于银行应用场景的多机器人协同方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现基于银行应用场景的多机器人协同方法的步骤。

从上述描述可知，本发明实施例提供的基于银行应用场景的多机器人协同系统及方法，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，并且使机器人具有语音识别、语义分析、语音合成等语音问答交互功能、人脸识别主动问候等功能，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。具体地，基于银行应用场景的多机器人协同系统及方法具有以下有益效果：

1、实现了主机器人与调用机器人之间的串联，带来了非常灵活的业务场景组合创新能力。

2、实现了在机器人上直接办理银行轻业务的场景以及银行业务场景上机器人与银行传统智能机具的互动。

3、利用人脸识别功能，情绪识别功能获取客户三要素，即该客户是否为要客、客户是否为微官网预约客户以及客户情绪值。通过这些信息，机器人可以为客户提供更加定制化的个人服务。

综上，本发明实施例所提供的基于银行应用场景的多机器人协同系统及方法解决了银行机器人的服务方式单一、缺少金融应用场景，多台机器人、设备之间没有合作配合的问题，从而为银行网点提供了灵活的机器人服务场景创建模式。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的实施例中基于银行应用场景的多机器人协同方法流程示意图一；

图2为本发明的实施例中基于银行应用场景的多机器人协同方法的协同网络图；

图3为本发明的实施例中基于银行应用场景的多机器人协同方法流程示意图二；

图4为本发明的实施例中基于银行应用场景的多机器人协同方法步骤400的流程示意图；

图5为本发明的实施例中基于银行应用场景的多机器人协同方法流程示意图三；

图6为本发明的实施例中基于银行应用场景的多机器人协同方法步骤500的流程示意图；

图7为本发明的实施例中基于银行应用场景的多机器人协同方法流程示意图四；

图8为本发明的实施例中基于银行应用场景的多机器人协同方法步骤100的流程示意图；

图9为本发明的具体应用实例中基于银行应用场景的多机器人协同方法的流程示意图一；

图10为本发明的具体应用实例中基于银行应用场景的多机器人协同方法的流程示意图二；

图11为本发明的具体应用实例中sokcet工作原理示意图；

图12为本发明的具体应用实例中机器人协同系统及整体系统框架示意图；

图13为本发明的具体应用实例中机器人协同系统功能示意图一；

图14为本发明的具体应用实例中机器人协同系统功能示意图二；

图15为本发明的具体应用实例中要客到店办理业务流程示意图一；

图16为本发明的具体应用实例中要客到店办理业务流程示意图二；

图17为本发明的具体应用实例中预约普通客户到店办理业务流程示意图一；

图18为本发明的具体应用实例中预约普通客户到店办理业务流程示意图二；

图19为本发明的具体应用实例中非预约普通客户到店办理业务流程示意图一；

图20为本发明的具体应用实例中非预约普通客户到店办理业务流程示意图二；

图21为本发明的实施例中的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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。

本发明的实施例提供一种应用于主机器人的基于银行应用场景的多机器人协同系统的具体实施方式，包括：服务器、至少一个主机器人以及至少一个调用机器人；

所述主机器人根据用户触发的交易类型生成任务指令，并将所述任务指令发送给所述服务器；

所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人；

所述调用机器人接收所述任务指令，并根据所述任务指令执行相应的任务。

可以理解的是，调用机器人接收到由主机器人发出的任务指令之后，根据该任务指令的任务内容提供对应的服务至客户，通过这种方式，极大的增加了主机器人与调用机器人之间的串联，带来了非常灵活的业务场景组合创新能力。

从上述描述可知，本发明实施例提供的基于银行应用场景的多机器人协同系统，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。

本发明的实施例还提供一种应用于主机器人的基于银行应用场景的多机器人协同方法的具体实施方式，参见图1，该方法具体包括如下内容：

银行应用场景包括：服务器、至少一个主机器人以及至少一个调用机器人；

步骤100：主机器人根据用户触发的交易类型生成任务指令，并将所述任务指令发送给服务器。

参见图2，可以把发送端机器人理解为主机器人，把接收端机器人理解为被调用机器人。可以理解的是，步骤100解决了机器人端对端之间缺乏交互，即机器人之间的交互不能深入契合银行的业务场景的问题，可以理解的是，在此步骤中，主机器人不仅可以调度调用机器人，还可以调用其他银行设备来帮助客户办理业务，如atm机、智能验钞机等。

步骤200：所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人。

具体地，服务器可以根据距离、时间或者其他因素来选择多个可用的调用机器人，并将任务指令发送至该机器人的，以距离为例，服务器主机器人与多个可用的调用机器人之间的距离，从中选择距离最近的可用的调用机器人，并将任务指令发送至该调用机器人。

步骤300：所述调用机器人接收所述任务指令，并根据所述任务指令执行相应的任务。

从上述描述可知，本发明实施例提供的基于银行应用场景的多机器人协同方法，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。

一实施例中，参见图3，基于银行应用场景的多机器人协同方法还包括：

步骤400：根据知识图谱方法与客户进行对话。

步骤400时，具体有三种模式：

1)第一种模式对应问答型对话系统，该类对话系统将知识图谱视为答案信息来源，通过对话理解将用户问题转化为对知识图谱的查询，直接得到用户问题的答案。

2)第二种模式将知识图谱视为用于对话理解的知识源，借助知识图谱中元素的属性及关系，为用户话语和对话上下文的语义理解提供辅助。

3)第三种模式对应主动对话场景，借助知识图谱中概念、属性和关系之间的关联，通过话题推荐等策略实现对话过程的主动引导。

一实施例中，参见图4，步骤400具体包括：

步骤401：根据所述知识图谱方法生成与客户进行对话的答案。

步骤402：根据所述知识图谱方法生成所述答案的知识源数据库。

步骤403：根据所述知识源数据库以及所述银行应用场景对应话题，对客户进行主动引导。

一实施例中，参见图5，基于银行应用场景的多机器人协同方法还包括：

步骤500：所述主机器人根据所述银行应用场景的相关词汇生成纠错词汇，并根据纠错词汇生成纠错结果。

具体地，根据场景相关词汇生成纠错候选，利用gbdt模型对获选打分排序,最后通过beamsearch解码出最优纠错结果。

一实施例中，参见图6，步骤500具体包括：

步骤501：所述主机器人根据所述银行应用场景的相关词汇生成纠错词汇。

步骤502：所述主机器人利用gbdt模型对所述纠错词汇进行排序。

可以理解的是，步骤502中的gbdt模型是一种基于集成思想的决策树模型，其本质是基于残差学习。特点在于：可处理各种类型的数据；有着较高的准确率；对异常值的鲁棒性强；不能并行训练数据。

本实施例的gbdt模型的训练过程如下：采用加法模型，通过不断减小训练过程产生的残差，以此对数据进行回归或分类。gbdt进行多轮迭代，每轮迭代产生一个弱分类器cart回归树，该分类器是在上一轮分类器的残差结果基础上训练得到的。对弱分类器的要求是低方差、高偏差(低方差保证模型不会过拟合+高偏差在训练过程中会减小，以此提高精度)。为了使损失函数尽可能快地减小，用损失函数的负梯度作为残差的近似值，然后去拟合cart回归树。

步骤503：所述主机器人在排序结果中，利用beamsearch算法解码出最优纠错结果。

可以理解的是，beamsearch算法是一种启发式搜索，在优化领域，其属于一种最佳优先算法，最佳优先算法是一种图搜索算法，其会将所有可能的解依据启发式规则进行排序，该规则用来衡量得到的解与目标解到底有多接近。但是对于beamsearch与最佳优先算法有有一些地方不同，beamsearch只会保存一部分解作为候选解，而最佳优先算法则会将所有解都作为候选。

在本实施例中，使用宽度优先搜索来构建它的搜索树。在每一层，其都会生成一系列的解，然后对这些解进行排序，选择最好的k个解作为候选解，这里称为集束宽度。只有被选中的这些解可以向下继续扩展下去。因此，集束宽度越大，被裁减掉的解越少。由于存在裁减，目标解有可能会被裁减掉。

一实施例中，参见图7，基于银行应用场景的多机器人协同方法还包括：

步骤600：所述主机器人与所述服务器以及所述调用机器人进行心跳连接。

具体地，当机器人客户端(主机器人与调用机器人)与服务器建立连接后，机器人客户端会每三秒向服务器发送一次心跳包，同时服务器也会每三秒向机器人客户端发送一次心跳包。当客机器人户端超过设定的时间收不到服务器发来的心跳时，则判定为机器人客户端与服务器断开了连接。此时，机器人客户端自动重启以确保协同系统的连接稳定性。

一实施例中，参见图8，步骤100具体包括：

步骤101：发送json数据至所述服务器中的pushsocketweb应用。

步骤102：所述pushsocketweb应用通过心跳机制判断其与所述调用机器人是否为长连接状态。

步骤103：根据长连接状态判断结果，并通过socket将所述任务指令发送至调用机器人。

步骤101至步骤103，具体地，机器人启动时，主动与服务器建立长连接。主机器人发送任务指令(json数据，含目标机器人id、任务内容等)给robotpushsocketweb应用(此为外网搭建的服务器)，robotpushsocketweb应用判断调用机器人是否与服务器已建立长连接，当确定存在连接到调用机器人的socket长连接，通过socket将消息推送给调用机器人。

一实施例中，所述json数据包括：调用机器人id以及任务指令的内容。

一实施例中，所述调用机器人的硬盘通过物理方式隔离成两个区域，以分别运行银行内网业务以及银行外网业务，包括：

将网络安全隔离卡设置在所述调用机器人的物理层上，所述网络安全隔离卡的一边的ide总线连接主板，另一边的ide总线连接硬盘。

可以理解的是，调用机器人(轻业务机器人)涉及到具体业务的办理工作，同时承担着涉及机具调度场景下的任务发起方的角色，因此轻业务机器人需要同时具备在互联网以及银行内网运行的能力，即内外网双网运行模式。从而要求在切换内外网时，调用机器人具有更高的安全标准和互联网安全防护措施来保证业务数据的安全。

具体地，网络安全隔离卡的功能即是以物理方式将一台pc虚拟为两个电脑，实现工作站的双重状态，既可在安全状态，又可在公共状态，两个状态是完全隔离的，从而使一部工作站可在完全安全状态下联结内、外网。网络安全隔离卡实际是被设置在pc中最低的物理层上，通过卡上一边的ide总线联结主板，另一边联结ide硬盘，内、外网的联接均须通过网络安全隔离卡，pc机硬盘被物理分隔成为两个区域，在ide总线物理层上，在固件中控制磁盘通道，在任何时候，数据只能通往一个分区。

从上述描述可知，本发明实施例提供的基于银行应用场景的多机器人协同方法，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，并且使机器人具有语音识别、语义分析、语音合成等语音问答交互功能、人脸识别主动问候等功能，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。具体地，基于银行应用场景的多机器人协同系统及方法具有以下有益效果：

1、实现了主机器人与调用机器人之间的串联，带来了非常灵活的业务场景组合创新能力。

2、实现了在机器人上直接办理银行轻业务的场景以及银行业务场景上机器人与银行传统智能机具的互动。

3、利用人脸识别功能，情绪识别功能获取客户三要素，即该客户是否为要客、客户是否为微官网预约客户以及客户情绪值。通过这些信息，机器人可以为客户提供更加定制化的个人服务。

综上，本发明实施例所提供的基于银行应用场景的多机器人协同系统及方法解决了银行机器人的服务方式单一、缺少金融应用场景，多台机器人、设备之间没有合作配合的问题，从而为银行网点提供了灵活的机器人服务场景创建模式。

为进一步地说明本方案，本发明以三个应用场景(线下客户分流、引导和机具辅助操作；线下轻业务办理以及线上预约场景)提供基于银行应用场景的多机器人协同方法的具体应用实例，该具体应用实例具体包括如下内容，参见图9以及图10。

该协同系统采用5g网络运行，参见图11及图12，机器人客户端之间的通信基于socket服务器。客户端与服务器之间采取socket长连接，底层用tcp协议进行传输。

参见图13，协同系统能实现基本的指令报文转发功能，并实现指令转发成功和接收端接收成功的回执功能，并且可以通过javaweb应用来查询协同服务器转发指令的记录。协同系统可以实时监控机器人客户端的在线状态，并且可以通过javaweb应用来实时查询。图14为在线监控系统查询界面。

应用场景一：线下客户分流、引导和机具辅助操作。

s0：主机器人询问用户其业务需求。

s1：主机器人发送响应任务指令至调用机器人。

以办理交罚业务为例，客户到店后，首先会被主机器人迎接询问其业务需求，待主机器人确认用户要办理交罚业务后，调度副机器人引导客户到达智能机具，副机器人调度智能机具把交罚页面自动打开。

应用场景二：线下轻业务办理。

以查询余额为例，客户到店后，首先会被主机器人迎接询问其业务需求，待主机器人确认用户要办理余额查询业务后，调度副机器人为客户直接提供余额查询服务，客户可以把银行卡贴在副机器人读卡器上，进行相关操作，查看余额。

应用场景三：线上预约。

以预约办理etc为例，客户首先在微观网预约办理etc。

s3：客户通过微信微官网预约办理etc。

s4：当客户到达网点时，主机器人主动上前迎宾，询问确认客户需求，并准备调度副机器人；

s5：副机器人被调度来引导客户到预约领取机或智慧无人车的位置，联动其开箱为客户提供取货服务。

可以理解的是，在上述三个应用场景中的主机器人搭载三模混合系统，具备混合智慧能力，负责复杂业务问答，业务分流、调度调用机器人等工作。调用机器人搭载单模系统，具备自主智慧能力，负责常见业务问答、服务引导、智能设备调度、投送等工作。

此外本协同系统内置的人脸识别功能以及情绪识别功能可以帮助区分要客、客户情绪以及是否是预约客户，从而帮助给客户提供更好的定制化服务。

下面通过其他几个业务场景来阐述本具体应用实例的基于银行应用场景的多机器人协同方法。

要客到店办理业务，参见图15以及图16。

1.网点摄像头识别并通过pad/穿戴设备通知客服经理，可选择客户前来服务。

2.主机器人识别客户后，展示客户个性化欢迎语，并同客户对话确认需求：

若为副机器人支持办理的轻型业务，则通知副机器人前来提供办理服务。若需在智能机具办理，则通知副机器人前来将客户引导至智能终端前，并唤起相应服务页面(部分业务)。若需在柜面办理，则通知副机器人前来将客户引导至暖心区办理。若客户有需求，可通过pad/穿戴设备呼叫客服经理，引导并帮助客户办理业务；若为重要客户，可由pad呼叫管户客户经理。若客户需用水，可唤起送水机器人前来服务。主机器人被占用、且客服经理在服务时，要客进入5g+ai区可被迎宾台机器人识别，并提供服务，首选呼叫管户客户经理。客服经理或管户客户经理识别要客后，可主动前来服务。

预约普通客户到店办理业务，参见图17以及图18。

1.网点摄像头识别并通过pad/穿戴设备通知客服经理，可选择客户前来服务。

2.主机器人识别客户后，展示客户个性化欢迎语及客户预约业务，并同客户对话，确认客户预约业务种类。

若客户需求修改，则对话后提供服务。若为副机器人支持办理的轻型业务，则通知副机器人前来提供办理服务。若需在智能机具办理，则通知副机器人前来将客户引导至智能终端前，并唤起相应服务页面(部分业务)。若需在柜面办理，则通知副机器人前来将客户引导至暖心区办理。若客户有需求，可通过pad/穿戴设备呼叫客服经理。

3.主机器人被占用、且客服经理在服务时，预约客户进入5g+ai区可被迎宾台机器人识别，并提供服务。

4.客服经理识别客户后，可主动前来服务。

非预约普通客户到店办理业务：参见图19以及图20。

1.客户进入5g+ai区后，同迎宾机器人对话，确认需求：

若为简单需求，可由机器人解答或提示客户拨打服务热线，无需引导。若业务可在网点内办理，机器人提示客户扫码取号。若客户有需求，可通过pad/穿戴设备呼叫客服经理。

2.若客服经理识别出该客户，可主动前来服务。

从上述描述可知，本发明实施例提供的基于银行应用场景的多机器人协同系统及方法，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，并且使机器人具有语音识别、语义分析、语音合成等语音问答交互功能、人脸识别主动问候等功能，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。具体地，基于银行应用场景的多机器人协同系统及方法具有以下有益效果：

1、实现了主机器人与调用机器人之间的串联，带来了非常灵活的业务场景组合创新能力。

2、实现了在机器人上直接办理银行轻业务的场景以及银行业务场景上机器人与银行传统智能机具的互动。

3、利用人脸识别功能，情绪识别功能获取客户三要素，即该客户是否为要客、客户是否为微官网预约客户以及客户情绪值。通过这些信息，机器人可以为客户提供更加定制化的个人服务。

综上，本发明实施例所提供的基于银行应用场景的多机器人协同系统及方法解决了银行机器人的服务方式单一、缺少金融应用场景，多台机器人、设备之间没有合作配合的问题，从而为银行网点提供了灵活的机器人服务场景创建模式。

本申请的实施例还提供能够实现上述实施例中的基于银行应用场景的多机器人协同方法中全部步骤的一种电子设备的具体实施方式，参见图21，电子设备具体包括如下内容：

处理器(processor)1201、存储器(memory)1202、通信接口(communicationsinterface)1203和总线1204；

其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备、记录设备以及用户端设备等相关设备之间的信息传输。

处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的基于银行应用场景的多机器人协同方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：

步骤100：主机器人根据用户触发的交易类型生成任务指令，并将所述任务指令发送给服务器；

步骤200：所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人；

步骤300：所述调用机器人接收所述任务指令，并根据所述任务指令执行相应的任务。

从上述描述可知，本申请实施例中的电子设备，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，并且使机器人具有语音识别、语义分析、语音合成等语音问答交互功能、人脸识别主动问候等功能，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。具体地，基于银行应用场景的多机器人协同系统及方法具有以下有益效果：

1、实现了主机器人与调用机器人之间的串联，带来了非常灵活的业务场景组合创新能力。

2、实现了在机器人上直接办理银行轻业务的场景以及银行业务场景上机器人与银行传统智能机具的互动。

3、利用人脸识别功能，情绪识别功能获取客户三要素，即该客户是否为要客、客户是否为微官网预约客户以及客户情绪值。通过这些信息，机器人可以为客户提供更加定制化的个人服务。

综上，本申请实施例中的电子设备解决了银行机器人的服务方式单一、缺少金融应用场景，多台机器人、设备之间没有合作配合的问题，从而为银行网点提供了灵活的机器人服务场景创建模式。

本申请的实施例还提供能够实现上述实施例中的基于银行应用场景的多机器人协同方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的基于银行应用场景的多机器人协同方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：

步骤100：主机器人根据用户触发的交易类型生成任务指令，并将所述任务指令发送给服务器；

步骤200：所述服务器选择可用的调用机器人，并将所述任务指令转发至选择的调用机器人；

步骤300：所述调用机器人接收所述任务指令，并根据所述任务指令执行相应的任务。

从上述描述可知，本申请实施例中的计算机可读存储介质，通过采用阵列式机器人协作模式将多个机器人串联起来，并根据机器人所要实现的功能以及其硬件与软件的结合将多个机器人进行分类(有主次之分)，并且使机器人具有语音识别、语义分析、语音合成等语音问答交互功能、人脸识别主动问候等功能，从而具备基本的人机交互能力，能够引导客户到达指定位置，指导用户办理银行业务。能够根据客户的问题，为客户答疑解惑，并适时推荐相关的个性化工行产品。此外通过银行业内首创的主副双模机器人协同模式解决了目前银行业内普遍存在的机器人在智能网点银行场景参与率低的缺陷，同时提供了机器人自助办理银行轻业务场景的渠道以及智能机器人与传统的网点智能机具之间的交互方式。具体地，基于银行应用场景的多机器人协同系统及方法具有以下有益效果：

1、实现了主机器人与调用机器人之间的串联，带来了非常灵活的业务场景组合创新能力。

2、实现了在机器人上直接办理银行轻业务的场景以及银行业务场景上机器人与银行传统智能机具的互动。

3、利用人脸识别功能，情绪识别功能获取客户三要素，即该客户是否为要客、客户是否为微官网预约客户以及客户情绪值。通过这些信息，机器人可以为客户提供更加定制化的个人服务。

综上，本申请实施例中的计算机可读存储介质，解决了银行机器人的服务方式单一、缺少金融应用场景，多台机器人、设备之间没有合作配合的问题，从而为银行网点提供了灵活的机器人服务场景创建模式。

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，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

虽然本申请提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。