本發(fā)明涉及人工智能，具體涉及一種具身智能機(jī)器人的信息交互方法。

背景技術(shù)：

1、在當(dāng)前的智能機(jī)器人技術(shù)中，具身智能機(jī)器人的信息交互方法是一個(gè)關(guān)鍵的研究領(lǐng)域。這一技術(shù)利用具身認(rèn)知原理，將物理環(huán)境中的行為和感知直接關(guān)聯(lián)起來(lái)，使得機(jī)器人能夠通過(guò)自身的傳感器獲取環(huán)境信息，并結(jié)合自身所處的情境理解和執(zhí)行來(lái)自用戶的指令。然而，在實(shí)際應(yīng)用中，如何在不同或特殊場(chǎng)景中高精度地解析并遵從人的指揮，仍面臨諸多挑戰(zhàn)，現(xiàn)有技術(shù)主要依賴于對(duì)人類語(yǔ)言理解算法的持續(xù)改進(jìn)、對(duì)環(huán)境語(yǔ)境的認(rèn)知提升，以及多模態(tài)傳感技術(shù)的融合，這些技術(shù)進(jìn)展使得機(jī)器人不僅能夠準(zhǔn)確地理解言語(yǔ)，還能夠結(jié)合非言語(yǔ)線索，如肢體動(dòng)作和情感表達(dá)，進(jìn)行更精確的任務(wù)執(zhí)行。

2、然而，當(dāng)前的解決方案在一些特定情況下仍然存在明顯的局限性：語(yǔ)言理解的局限性：盡管自然語(yǔ)言處理技術(shù)在不斷進(jìn)步，但對(duì)于復(fù)雜語(yǔ)境或含有多層含義的指令，現(xiàn)有算法往往難以全面準(zhǔn)確地解析，這導(dǎo)致機(jī)器人在面對(duì)多義性、高級(jí)推理和隱含命令時(shí)，可能出現(xiàn)理解偏差或執(zhí)行錯(cuò)誤；環(huán)境感知能力不足：智能機(jī)器人對(duì)環(huán)境的感知依賴于傳感器的精度和數(shù)據(jù)處理能力，然而，現(xiàn)有的傳感器在復(fù)雜環(huán)境下(如強(qiáng)光、低光、嘈雜背景)或面對(duì)快速變化的場(chǎng)景時(shí)，感知準(zhǔn)確度和反應(yīng)速度不足，這限制了機(jī)器人的適應(yīng)性和執(zhí)行效率；多模態(tài)融合的挑戰(zhàn)：盡管多模態(tài)傳感器的融合有助于提升機(jī)器人對(duì)非言語(yǔ)信號(hào)(如手勢(shì)、面部表情)的理解，但在實(shí)際應(yīng)用中，不同模態(tài)數(shù)據(jù)的同步、關(guān)聯(lián)和處理仍存在技術(shù)瓶頸，特別是在高動(dòng)態(tài)性場(chǎng)景下，如何實(shí)現(xiàn)不同數(shù)據(jù)源之間的實(shí)時(shí)、精準(zhǔn)整合是一個(gè)難題；個(gè)性化交互的不足：現(xiàn)有的具身智能機(jī)器人在應(yīng)對(duì)不同用戶時(shí)，缺乏足夠的個(gè)性化交互能力，難以適應(yīng)用戶的獨(dú)特指令表達(dá)方式和個(gè)體差異，這在實(shí)際應(yīng)用中可能導(dǎo)致用戶體驗(yàn)不佳，限制了機(jī)器人的普及性和應(yīng)用效果，因此，盡管具身智能機(jī)器人在信息交互領(lǐng)域展現(xiàn)出巨大的潛力，現(xiàn)有技術(shù)在理解、感知和執(zhí)行多方面仍面臨顯著挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種具身智能機(jī)器人的信息交互方法，解決現(xiàn)有技術(shù)在理解、感知和執(zhí)行多方面仍面臨顯著挑戰(zhàn)的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種具身智能機(jī)器人的信息交互方法，所述方法包括：

3、s1：接收由用戶發(fā)出的包含任務(wù)指令的信息；

4、s2：基于語(yǔ)境理解模塊對(duì)信息進(jìn)行解析以識(shí)別任務(wù)指令的具體含義以及環(huán)境條件；

5、s3：執(zhí)行與具體含義相應(yīng)的操作并在特定環(huán)境中調(diào)整執(zhí)行參數(shù)確保任務(wù)指令準(zhǔn)確實(shí)施；

6、其中，所述步驟s2包括：

7、s21：提取信息中用戶表達(dá)的關(guān)鍵短語(yǔ)和詞匯；

8、s22：分析關(guān)鍵詞與任務(wù)類型的關(guān)聯(lián)度；

9、s23:基于當(dāng)前感知到的環(huán)境特征識(shí)別環(huán)境條件；

10、s24:利用上下文理解算法解析出用戶的意圖；

11、所述步驟s3包括：

12、s31：實(shí)時(shí)監(jiān)測(cè)當(dāng)前環(huán)境參數(shù)，包括溫度,光照程度,聲音水平；

13、s32：若當(dāng)前環(huán)境參數(shù)超出預(yù)期工作區(qū)間，調(diào)整機(jī)器人行動(dòng)參數(shù)；

14、s33：基于環(huán)境適應(yīng)調(diào)整因子α調(diào)節(jié)任務(wù)執(zhí)行速度v＝v×α，如果α小于標(biāo)準(zhǔn)值β則提示需要改變策略；

15、s34：更新參數(shù)調(diào)整結(jié)果供參照使用并反饋調(diào)整是否必要。

16、優(yōu)選的，所述步驟s1包括：

17、s11：通過(guò)麥克風(fēng)陣列捕捉用戶的聲音信號(hào)；

18、s12：將捕捉到的聲音信號(hào)轉(zhuǎn)化為數(shù)字音頻文件；

19、s13：利用自然語(yǔ)言處理技術(shù)對(duì)轉(zhuǎn)化后的數(shù)字音頻文件進(jìn)行文本提取以獲得文本形式的任務(wù)指令；

20、s14：從接收到的多媒體信息中分離語(yǔ)音信息并將其轉(zhuǎn)為文本；

21、s15：進(jìn)行語(yǔ)音命令激活字識(shí)別啟動(dòng)信息接收過(guò)程。

22、優(yōu)選的，所述步驟s13包括：

23、采用深度學(xué)習(xí)模型，對(duì)文本進(jìn)行語(yǔ)義分析，使用預(yù)訓(xùn)練語(yǔ)言模型的多層次嵌入向量，通過(guò)注意力機(jī)制來(lái)理解復(fù)雜的任務(wù)指令語(yǔ)境，并提取出關(guān)鍵任務(wù)詞，具體公式為：

24、

25、其中，attention表示attention機(jī)制，用于提高模型對(duì)輸入信息的聚焦能力，q表示查詢矩陣，k表示鍵矩陣，v表示值矩陣，softmax是一種歸一化函數(shù)，dk表示鍵向量的維度大小，kt表示鍵矩陣k的轉(zhuǎn)置。

26、優(yōu)選的，所述步驟s22包括：

27、針對(duì)用戶提供的關(guān)鍵短語(yǔ)構(gòu)建詞語(yǔ)頻率向量v1；

28、根據(jù)任務(wù)庫(kù)獲取預(yù)置類型任務(wù)的關(guān)鍵短語(yǔ)構(gòu)成詞語(yǔ)頻率向量v2；

29、基于余弦相似度公式計(jì)算v1和v2之間的相似度score，具體公式為：

30、

31、其中，score是計(jì)算出的余弦相似度得分，v1表示針對(duì)用戶提供的關(guān)鍵短語(yǔ)構(gòu)建詞語(yǔ)頻率向量，v2表示根據(jù)任務(wù)庫(kù)獲取預(yù)置類型任務(wù)的關(guān)鍵短語(yǔ)構(gòu)成詞語(yǔ)頻率向量，v1i表示向量v1中的第i個(gè)元素，v2i表示向量v2中的第i個(gè)元素，i表示向量v1和v2元素的序號(hào)，n表示向量的長(zhǎng)度；

32、如果score高于預(yù)定閾值，則認(rèn)為關(guān)鍵詞與某一任務(wù)類型相關(guān)聯(lián)。

33、優(yōu)選的，所述步驟s24包括：

34、引入動(dòng)態(tài)上下文窗口機(jī)制，在解析用戶意圖時(shí)，根據(jù)當(dāng)前任務(wù)的復(fù)雜度自適應(yīng)調(diào)整上下文信息的長(zhǎng)度和深度，利用序列到序列模型結(jié)合注意力機(jī)制，對(duì)用戶的意圖進(jìn)行深度解析，通過(guò)上下文編碼將用戶的歷史交互信息與當(dāng)前指令結(jié)合，形成對(duì)用戶意圖的全面理解，用戶意圖i的解析公式為：

35、

36、其中，i是用戶意圖，attention表示attention機(jī)制，hpast表示過(guò)去上下文信息的編碼矩陣，hcurrent表示當(dāng)前指令的編碼向量，softmax是一種歸一化函數(shù)，表示當(dāng)前指令編碼的轉(zhuǎn)置，dk表示鍵向量的維度大小。

37、優(yōu)選的，所述步驟s31包括：

38、通過(guò)機(jī)器人內(nèi)置的多種傳感器實(shí)時(shí)監(jiān)測(cè)當(dāng)前的環(huán)境參數(shù)，使用指數(shù)加權(quán)移動(dòng)平均濾波處理傳感器數(shù)據(jù)，去除噪聲，得到穩(wěn)定、準(zhǔn)確的環(huán)境參數(shù)值，將這些數(shù)據(jù)作為后續(xù)步驟判斷和調(diào)整的基礎(chǔ)，具體公式為：

39、

40、其中，表示當(dāng)前時(shí)刻t的估計(jì)值，t表示時(shí)刻，xt表示當(dāng)前時(shí)刻傳感器的測(cè)量值，表示上一時(shí)刻的估計(jì)值，λ表示平滑因子，取值范圍為0≤λ≤1。

41、優(yōu)選的，所述步驟s32包括：

42、設(shè)定環(huán)境參數(shù)的工作區(qū)間，使用非線性約束優(yōu)化方法調(diào)整機(jī)器人行動(dòng)參數(shù)，優(yōu)化函數(shù)考慮到任務(wù)執(zhí)行的多種要求，具體采用拉格朗日乘子法，通過(guò)引入拉格朗日乘子μ，將約束條件整合進(jìn)目標(biāo)函數(shù)，轉(zhuǎn)化為無(wú)約束優(yōu)化問(wèn)題，具體公式為：

43、

44、其中，為拉格朗日函數(shù)，f(x)為目標(biāo)函數(shù)，x表示機(jī)器人行動(dòng)參數(shù)，μi為拉格朗日乘子，gi(x)表示約束函數(shù)，確保行動(dòng)參數(shù)在環(huán)境參數(shù)工作區(qū)間內(nèi)，i為約束函數(shù)序號(hào)。

45、優(yōu)選的，所述步驟s33包括：

46、環(huán)境適應(yīng)調(diào)整因子α調(diào)節(jié)任務(wù)執(zhí)行速度v＝v×α，根據(jù)環(huán)境條件的變化進(jìn)行動(dòng)態(tài)調(diào)整，通過(guò)遞歸最小二乘法實(shí)時(shí)更新調(diào)整因子α，設(shè)定標(biāo)準(zhǔn)值β，當(dāng)α低于β時(shí)，機(jī)器人將發(fā)出提示，建議改變?nèi)蝿?wù)執(zhí)行策略或暫停任務(wù)，具體公式為：

47、

48、其中，αt表示當(dāng)前時(shí)刻的調(diào)整因子，t表示時(shí)刻，αt-1表示上一時(shí)刻的調(diào)整因子，kt表示增益矩陣，yt表示當(dāng)前的期望輸出或參考值，φt表示當(dāng)前的環(huán)境特征向量，表示環(huán)境特征與上一時(shí)刻調(diào)整因子的預(yù)測(cè)值；

49、設(shè)定一個(gè)標(biāo)準(zhǔn)值β來(lái)評(píng)估調(diào)整因子的適應(yīng)性。這個(gè)標(biāo)準(zhǔn)值根據(jù)任務(wù)的具體需求設(shè)定，包括為了保證任務(wù)的穩(wěn)定性或避免過(guò)度調(diào)整，當(dāng)αt<β時(shí)，表明環(huán)境過(guò)于復(fù)雜或不利于當(dāng)前任務(wù)執(zhí)行，機(jī)器人將發(fā)出提示，建議改變執(zhí)行策略或暫停任務(wù)。

50、優(yōu)選的，所述步驟s34包括：

51、利用強(qiáng)化學(xué)習(xí)方法對(duì)調(diào)整后的結(jié)果進(jìn)行評(píng)估，機(jī)器人將調(diào)整結(jié)果記錄在經(jīng)驗(yàn)庫(kù)中，通過(guò)獎(jiǎng)勵(lì)機(jī)制不斷優(yōu)化其決策模型，每次任務(wù)完成后，會(huì)評(píng)估參數(shù)調(diào)整的效果，并反饋是否需要進(jìn)一步調(diào)整或優(yōu)化。

52、優(yōu)選的，所述使用強(qiáng)化學(xué)習(xí)法更新公式調(diào)整q值表，根據(jù)更新后的q值表，不斷優(yōu)化機(jī)器人在不同狀態(tài)下的行動(dòng)策略π(s)，選擇能最大化q值的動(dòng)作；

53、所述獎(jiǎng)勵(lì)機(jī)制包括完成任務(wù)時(shí)給予較高的正獎(jiǎng)勵(lì)，執(zhí)行無(wú)效動(dòng)作或任務(wù)失敗時(shí)給予負(fù)獎(jiǎng)勵(lì)，在任務(wù)執(zhí)行過(guò)程中，通過(guò)節(jié)約資源或提高效率獲得額外獎(jiǎng)勵(lì)；

54、在每次任務(wù)完成后，機(jī)器人會(huì)評(píng)估當(dāng)前參數(shù)調(diào)整的效果。評(píng)估標(biāo)準(zhǔn)包括任務(wù)成功率、執(zhí)行時(shí)間、能耗、執(zhí)行精度，機(jī)器人會(huì)將評(píng)估結(jié)果反饋到經(jīng)驗(yàn)庫(kù)中，進(jìn)一步調(diào)整和優(yōu)化q值表和策略；

55、如果評(píng)估結(jié)果顯示當(dāng)前調(diào)整策略存在不足，機(jī)器人將調(diào)整學(xué)習(xí)參數(shù)，或修改獎(jiǎng)勵(lì)機(jī)制，進(jìn)一步優(yōu)化其策略；

56、機(jī)器人還根據(jù)評(píng)估結(jié)果建議調(diào)整任務(wù)執(zhí)行策略，包括在條件不利時(shí)建議暫停任務(wù)或降低任務(wù)復(fù)雜度。

57、由上述技術(shù)方案可知，本發(fā)明具有如下有益效果：

58、該具身智能機(jī)器人的信息交互方法，通過(guò)接收由用戶發(fā)出的包含任務(wù)指令的信息，基于語(yǔ)境理解模塊對(duì)信息進(jìn)行解析以識(shí)別任務(wù)指令的具體含義以及環(huán)境條件，執(zhí)行與具體含義相應(yīng)的操作并在特定環(huán)境中調(diào)整執(zhí)行參數(shù)確保任務(wù)指令準(zhǔn)確實(shí)施，增強(qiáng)了環(huán)境感知和適應(yīng)能力，能夠整合視覺、聽覺、觸覺等多種感知信息，實(shí)現(xiàn)對(duì)環(huán)境的綜合感知，改進(jìn)了指令理解和執(zhí)行準(zhǔn)確性，具身智能機(jī)器人可以更準(zhǔn)確地解析復(fù)雜的用戶指令，實(shí)時(shí)多模態(tài)數(shù)據(jù)融合和決策優(yōu)化，使得機(jī)器人可以在高動(dòng)態(tài)性場(chǎng)景下實(shí)現(xiàn)不同數(shù)據(jù)源的實(shí)時(shí)整合，任務(wù)執(zhí)行效率和用戶體驗(yàn)得到提升，使機(jī)器人能夠提供更自然、更直觀的人機(jī)交互體驗(yàn)，降低用戶的學(xué)習(xí)成本和操作復(fù)雜度，從而增強(qiáng)機(jī)器人在實(shí)際應(yīng)用中的實(shí)用性和易用性，促進(jìn)智能機(jī)器人在多領(lǐng)域的廣泛應(yīng)用，解決了現(xiàn)有技術(shù)現(xiàn)有技術(shù)在理解、感知和執(zhí)行多方面仍面臨顯著挑戰(zhàn)的問(wèn)題。