本技術(shù)涉及智能家電，尤其涉及一種智能設(shè)備控制方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、目前，各個(gè)智能家居廠家自身的智能家居系統(tǒng)，為了實(shí)現(xiàn)智能控制功能，通常都是依賴(lài)于規(guī)則、模版等，例如為了實(shí)現(xiàn)語(yǔ)言功能，需要依賴(lài)用戶(hù)準(zhǔn)確的表達(dá)才能實(shí)現(xiàn)，又例如為了實(shí)現(xiàn)app控制，需要用戶(hù)準(zhǔn)確的設(shè)置才能實(shí)現(xiàn)，如此用戶(hù)使用體驗(yàn)較差。

2、隨著近些年大模型的快速發(fā)展，以chatgpt為代表的大模型涌現(xiàn)出來(lái)的理解以及生成能力得到了各行各業(yè)的廣泛重視，各個(gè)智能家居廠家為了提升自身智能家居系統(tǒng)的智能化體驗(yàn)，紛紛積極推動(dòng)自身智能家居系統(tǒng)接入大模型。

3、然而，由于大模型本身網(wǎng)絡(luò)復(fù)雜度較高，參數(shù)規(guī)模較大，將大模型接入智能家居系統(tǒng)，導(dǎo)致智能家居系統(tǒng)的交互實(shí)時(shí)性較差，使得大模型在智能家居領(lǐng)域落地應(yīng)用存在困難瓶頸。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述由于大模型本身網(wǎng)絡(luò)復(fù)雜度較高，參數(shù)規(guī)模較大，將大模型接入智能家居系統(tǒng)，導(dǎo)致智能家居系統(tǒng)的交互實(shí)時(shí)性較差，使得大模型在智能家居領(lǐng)域落地應(yīng)用存在困難瓶頸的技術(shù)問(wèn)題，本技術(shù)提供了一種智能設(shè)備控制方法、裝置、電子設(shè)備、存儲(chǔ)介質(zhì)。具體技術(shù)方案如下：

2、第一方面，本技術(shù)提供了一種智能設(shè)備控制方法，所述方法包括：

3、感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果；

4、決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果；

5、執(zhí)行智能體，獲取所述決策結(jié)果，根據(jù)所述決策結(jié)果，確定待控制的智能設(shè)備以及待執(zhí)行的操控；

6、所述執(zhí)行智能體，按照所述操控控制所述智能設(shè)備，將所述智能設(shè)備的控制結(jié)果及設(shè)備狀態(tài)反饋給所述感知智能體；

7、其中，對(duì)預(yù)訓(xùn)練的大模型進(jìn)行壓縮生成原始智能體，按照智能體角色將所述原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體。

8、在一個(gè)可選的實(shí)施方式中，所述對(duì)預(yù)訓(xùn)練的大模型進(jìn)行壓縮生成原始智能體，按照智能體角色將所述原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體，包括：

9、獲取智能家居領(lǐng)域的全量基礎(chǔ)數(shù)據(jù)，根據(jù)所述全量基礎(chǔ)數(shù)據(jù)對(duì)基礎(chǔ)大模型進(jìn)行微調(diào)，得到預(yù)訓(xùn)練的大模型；

10、采用預(yù)設(shè)的壓縮算法，對(duì)所述預(yù)訓(xùn)練的大模型進(jìn)行壓縮，生成原始智能體；

11、按照智能體角色，將所述原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體。

12、在一個(gè)可選的實(shí)施方式中，所述根據(jù)所述全量基礎(chǔ)數(shù)據(jù)對(duì)基礎(chǔ)大模型進(jìn)行微調(diào)，得到預(yù)訓(xùn)練的大模型，包括：

13、按照基礎(chǔ)大模型對(duì)輸入字符的限制，以及智能設(shè)備的設(shè)備類(lèi)別，對(duì)所述全量基礎(chǔ)數(shù)據(jù)進(jìn)行切分，得到多個(gè)子序列基礎(chǔ)數(shù)據(jù)；

14、針對(duì)任一所述子序列基礎(chǔ)數(shù)據(jù)，根據(jù)所述子序列基礎(chǔ)數(shù)據(jù)，構(gòu)建基礎(chǔ)大模型的提示指令；

15、將所述提示指令輸入至所述基礎(chǔ)大模型，以使所述基礎(chǔ)大模型學(xué)習(xí)到所述全量基礎(chǔ)數(shù)據(jù)，得到預(yù)訓(xùn)練的大模型。

16、在一個(gè)可選的實(shí)施方式中，所述采用預(yù)設(shè)的壓縮算法，對(duì)所述預(yù)訓(xùn)練的大模型進(jìn)行壓縮，生成原始智能體，包括：

17、確定當(dāng)前對(duì)響應(yīng)速度的第一要求，對(duì)存儲(chǔ)容量的第二要求，對(duì)能耗的第三要求；

18、對(duì)所述第一要求、所述第二要求、所述第三要求進(jìn)行融合，得到目標(biāo)要求；

19、根據(jù)所述目標(biāo)要求，確定預(yù)設(shè)的壓縮算法，采用預(yù)設(shè)的壓縮算法，對(duì)所述預(yù)訓(xùn)練的大模型進(jìn)行壓縮，生成原始智能體。

20、在一個(gè)可選的實(shí)施方式中，所述感知智能體的數(shù)量為多個(gè)；

21、所述感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果，包括：

22、感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果；其中，所述感知智能體正常；

23、或者，

24、目標(biāo)感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果；

25、其中，所述感知智能體異常，從剩余感知智能體中選舉出所述目標(biāo)感知智能體。

26、在一個(gè)可選的實(shí)施方式中，所述決策智能體的數(shù)量為多個(gè)；

27、所述決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果，包括：

28、決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果；其中，所述決策智能體正常；

29、或者，

30、目標(biāo)決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果；

31、其中，所述決策智能體正常，從剩余決策智能體中選舉出所述目標(biāo)決策智能體。

32、在一個(gè)可選的實(shí)施方式中，所述感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果，包括：

33、所述感知智能體，獲取對(duì)象語(yǔ)音數(shù)據(jù)、環(huán)境數(shù)據(jù)、智能設(shè)備的設(shè)備狀態(tài)數(shù)據(jù)；

34、所述感知智能體，對(duì)所述對(duì)象語(yǔ)音數(shù)據(jù)、所述環(huán)境數(shù)據(jù)、所述設(shè)備狀態(tài)數(shù)據(jù)進(jìn)行融合，得到感知結(jié)果。

35、第二方面，本技術(shù)提供了一種智能設(shè)備控制裝置，所述裝置包括：

36、數(shù)據(jù)處理模塊，用于感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果；

37、結(jié)果處理模塊，用于決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果；

38、設(shè)備、操控確定模塊，用于執(zhí)行智能體，獲取所述決策結(jié)果，根據(jù)所述決策結(jié)果，確定待控制的智能設(shè)備以及待執(zhí)行的操控；

39、設(shè)備控制模塊，用于所述執(zhí)行智能體，按照所述操控控制所述智能設(shè)備，將所述智能設(shè)備的控制結(jié)果及設(shè)備狀態(tài)反饋給所述感知智能體；

40、其中，對(duì)預(yù)訓(xùn)練的大模型進(jìn)行壓縮生成原始智能體，按照智能體角色將所述原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體。

41、在一個(gè)可選的實(shí)施方式中，所述對(duì)預(yù)訓(xùn)練的大模型進(jìn)行壓縮生成原始智能體，按照智能體角色將所述原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體，包括：

42、獲取智能家居領(lǐng)域的全量基礎(chǔ)數(shù)據(jù)，根據(jù)所述全量基礎(chǔ)數(shù)據(jù)對(duì)基礎(chǔ)大模型進(jìn)行微調(diào)，得到預(yù)訓(xùn)練的大模型；

43、采用預(yù)設(shè)的壓縮算法，對(duì)所述預(yù)訓(xùn)練的大模型進(jìn)行壓縮，生成原始智能體；

44、按照智能體角色，將所述原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體。

45、在一個(gè)可選的實(shí)施方式中，所述根據(jù)所述全量基礎(chǔ)數(shù)據(jù)對(duì)基礎(chǔ)大模型進(jìn)行微調(diào)，得到預(yù)訓(xùn)練的大模型，包括：

46、按照基礎(chǔ)大模型對(duì)輸入字符的限制，以及智能設(shè)備的設(shè)備類(lèi)別，對(duì)所述全量基礎(chǔ)數(shù)據(jù)進(jìn)行切分，得到多個(gè)子序列基礎(chǔ)數(shù)據(jù)；

47、針對(duì)任一所述子序列基礎(chǔ)數(shù)據(jù)，根據(jù)所述子序列基礎(chǔ)數(shù)據(jù)，構(gòu)建基礎(chǔ)大模型的提示指令；

48、將所述提示指令輸入至所述基礎(chǔ)大模型，以使所述基礎(chǔ)大模型學(xué)習(xí)到所述全量基礎(chǔ)數(shù)據(jù)，得到預(yù)訓(xùn)練的大模型。

49、在一個(gè)可選的實(shí)施方式中，所述采用預(yù)設(shè)的壓縮算法，對(duì)所述預(yù)訓(xùn)練的大模型進(jìn)行壓縮，生成原始智能體，包括：

50、確定當(dāng)前對(duì)響應(yīng)速度的第一要求，對(duì)存儲(chǔ)容量的第二要求，對(duì)能耗的第三要求；

51、對(duì)所述第一要求、所述第二要求、所述第三要求進(jìn)行融合，得到目標(biāo)要求；

52、根據(jù)所述目標(biāo)要求，確定預(yù)設(shè)的壓縮算法，采用預(yù)設(shè)的壓縮算法，對(duì)所述預(yù)訓(xùn)練的大模型進(jìn)行壓縮，生成原始智能體。

53、在一個(gè)可選的實(shí)施方式中，所述感知智能體的數(shù)量為多個(gè)；所述數(shù)據(jù)處理模塊具體用于：

54、感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果；其中，所述感知智能體正常；

55、或者，

56、目標(biāo)感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)所述多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果；

57、其中，所述感知智能體異常，從剩余感知智能體中選舉出所述目標(biāo)感知智能體。

58、在一個(gè)可選的實(shí)施方式中，所述決策智能體的數(shù)量為多個(gè)；所述結(jié)果處理模塊具體用于：

59、決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果；其中，所述決策智能體正常；

60、或者，

61、目標(biāo)決策智能體，獲取所述感知結(jié)果，對(duì)所述感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果；

62、其中，所述決策智能體正常，從剩余決策智能體中選舉出所述目標(biāo)決策智能體。

63、在一個(gè)可選的實(shí)施方式中，所述數(shù)據(jù)處理模塊具體用于：

64、所述感知智能體，獲取對(duì)象語(yǔ)音數(shù)據(jù)、環(huán)境數(shù)據(jù)、智能設(shè)備的設(shè)備狀態(tài)數(shù)據(jù)；

65、所述感知智能體，對(duì)所述對(duì)象語(yǔ)音數(shù)據(jù)、所述環(huán)境數(shù)據(jù)、所述設(shè)備狀態(tài)數(shù)據(jù)進(jìn)行融合，得到感知結(jié)果。

66、第三方面，還提供了一種電子設(shè)備，包括處理器、通信接口、存儲(chǔ)器和通信總線，其中，處理器，通信接口，存儲(chǔ)器通過(guò)通信總線完成相互間的通信；

67、存儲(chǔ)器，用于存放計(jì)算機(jī)程序；

68、處理器，用于執(zhí)行存儲(chǔ)器上所存放的程序時(shí)，實(shí)現(xiàn)上述第一方面中任一所述的智能設(shè)備控制方法。

69、第四方面，還提供了一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有指令，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述第一方面中任一所述的智能設(shè)備控制方法。

70、第五方面，還提供了一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述任一所述的智能設(shè)備控制方法。

71、本技術(shù)實(shí)施例提供的上述技術(shù)方案與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：本技術(shù)實(shí)施例提供的該智能設(shè)備控制方法，由感知智能體，獲取多模態(tài)數(shù)據(jù)，對(duì)多模態(tài)數(shù)據(jù)進(jìn)行處理，得到感知結(jié)果，決策智能體，獲取感知結(jié)果，對(duì)感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果，執(zhí)行智能體，獲取決策結(jié)果，根據(jù)決策結(jié)果，確定待控制的智能設(shè)備以及待執(zhí)行的操控，執(zhí)行智能體，按照操控控制智能設(shè)備，將智能設(shè)備的控制結(jié)果及設(shè)備狀態(tài)反饋給感知智能體，其中，對(duì)預(yù)訓(xùn)練的大模型進(jìn)行壓縮生成原始智能體，按照智能體角色將原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體。

72、通過(guò)對(duì)預(yù)訓(xùn)練的大模型進(jìn)行壓縮生成原始智能體，按照智能體角色將原始智能體劃分為感知智能體、決策智能體、執(zhí)行智能體，然后由感知智能體獲取多模態(tài)數(shù)據(jù)并進(jìn)行處理，得到感知結(jié)果，決策智能體對(duì)感知結(jié)果進(jìn)行處理，得到?jīng)Q策結(jié)果，執(zhí)行智能體根據(jù)決策結(jié)果，確定待控制的智能設(shè)備以及待執(zhí)行的操控，按照操控控制智能設(shè)備，將智能設(shè)備的控制結(jié)果及設(shè)備狀態(tài)反饋給感知智能體，如此采用三類(lèi)輕量化的智能體進(jìn)行協(xié)同，可以解決單一大模型網(wǎng)絡(luò)復(fù)雜度較高，參數(shù)規(guī)模較大，所帶來(lái)的交互實(shí)時(shí)性較差的問(wèn)題，可以提高交互實(shí)時(shí)性。