本發(fā)明涉及機器人交互技術(shù)領(lǐng)域，尤其涉及一種機器人交互內(nèi)容的生成方法、系統(tǒng)及機器人。

背景技術(shù)：

通常人類再交互過程中做出一個表情，一般是在眼睛看到或者耳朵聽到聲音之后，經(jīng)過大腦分析過后進行合理的表情反饋，人來在某一天的時間軸上的生活場景，比如吃飯，睡覺，運動等，各種場景值的變化會影響人類表情的反饋。而對于機器人而言，目前想讓機器人做出表情上的反饋，主要通過預先設計好的方式與深度學習訓練語料得來，這種通過預先設計好的程序與語料訓練的表情反饋存在以下缺點：表情的輸出依賴于人類的文本表示，即與一個問答的機器相似，用戶不同的話語觸發(fā)不同的表情，這種情況下機器人實際還是按照人類預先設計好的交互方式進行表情的輸出，這導致機器人不能更加擬人化，不能像人類一樣，在不同的時間點的生活場景，表現(xiàn)出不同的表情，即機器人交互內(nèi)容的生成方式完全是被動的，因此表情的生成需要大量的人機交互，導致機器人的智能性很差。

因此，如何使得機器人本身在生活時間軸內(nèi)具有人類的生活方式，提升機器人交互內(nèi)容生成的擬人性，是本技術(shù)領(lǐng)域亟需解決的技術(shù)問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種機器人交互內(nèi)容的生成方法、系統(tǒng)及機器人，使得機器人本身在主動交互可變參數(shù)內(nèi)具有人類的生活方式，提升機器人交互內(nèi)容生成的擬人性，提升人機交互體驗，提高智能性。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：

一種機器人交互內(nèi)容的生成方法，包括：

獲取多模態(tài)信號；

根據(jù)所述多模態(tài)信號確定用戶意圖；

根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

優(yōu)選的，所述機器人生活時間軸的參數(shù)的生成方法包括：

將機器人的自我認知進行擴展；

獲取生活時間軸的參數(shù)；

對機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合，生成機器人生活時間軸。

優(yōu)選的，所述將機器人的自我認知進行擴展的步驟具體包括：將生活場景與機器人的自我認識相結(jié)合形成基于生活時間軸的自我認知曲線。

優(yōu)選的，所述對機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合的步驟具體包括：使用概率算法，計算生活時間軸上的機器人在時間軸場景參數(shù)改變后的每個參數(shù)改變的概率，形成擬合曲線。

優(yōu)選的，其中，所述生活時間軸指包含一天24小時的時間軸，所述生活時間軸中的參數(shù)至少包括用戶在所述生活時間軸上進行的日常生活行為以及代表該行為的參數(shù)值。

優(yōu)選的，所述多模態(tài)信號至少包括圖像信號，所述根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容的步驟具體包括：

根據(jù)所述圖像信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

優(yōu)選的，所述多模態(tài)信號至少包括語音信號，所述根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容的步驟具體包括：

根據(jù)所述語音信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

優(yōu)選的，所述多模態(tài)信號至少包括手勢信號，所述根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容的步驟具體包括：

根據(jù)所述手勢信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

本發(fā)明公開一種機器人交互內(nèi)容的生成系統(tǒng)，包括：

獲取模塊，用于獲取多模態(tài)信號；

意圖識別模塊，用于根據(jù)所述多模態(tài)信號確定用戶意圖；

內(nèi)容生成模塊，用于根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

優(yōu)選的，所述系統(tǒng)包括基于時間軸與人工智能云處理模塊，用于：

將機器人的自我認知進行擴展；

獲取生活時間軸的參數(shù)；

對機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合，生成機器人生活時間軸。

優(yōu)選的，所述基于時間軸與人工智能云處理模塊進一步用于：將生活場景與機器人的自我認識相結(jié)合形成基于生活時間軸的自我認知曲線。

優(yōu)選的，所述基于時間軸與人工智能云處理模塊進一步用于：使用概率算法，計算生活時間軸上的機器人在時間軸場景參數(shù)改變后的每個參數(shù)改變的概率，形成擬合曲線。

優(yōu)選的，其中，所述生活時間軸指包含一天24小時的時間軸，所述生活時間軸中的參數(shù)至少包括用戶在所述生活時間軸上進行的日常生活行為以及代表該行為的參數(shù)值。

優(yōu)選的，所述多模態(tài)信號至少包括圖像信號，所述內(nèi)容生成模塊具體用于：根據(jù)所述圖像信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

優(yōu)選的，所述多模態(tài)信號至少包括語音信號，所述內(nèi)容生成模塊具體用于：根據(jù)所述語音信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

優(yōu)選的，所述多模態(tài)信號至少包括手勢信號，所述內(nèi)容生成模塊具體用于：根據(jù)所述手勢信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

本發(fā)明公開一種機器人，包括如上述任一所述的一種機器人交互內(nèi)容的生成系統(tǒng)。

相比現(xiàn)有技術(shù)，本發(fā)明具有以下優(yōu)點：現(xiàn)有機器人對于應用場景來說，一般是基于固的場景中的問答交互機器人交互內(nèi)容的生成方法，無法基于當前的場景來更加準確的生成機器人的表情。本發(fā)明一種機器人交互內(nèi)容的生成方法，包括：獲取多模態(tài)信號；根據(jù)所述多模態(tài)信號確定用戶意圖；根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。這樣就可以根據(jù)多模態(tài)信號例如圖像信號、語音信號，結(jié)合機器人可變參數(shù)來更加準確地生成機器人交互內(nèi)容，從而更加準確、擬人化的與人進行交互和溝通。對于人來講每天的生活都具有一定的規(guī)律性，為了讓機器人與人溝通時更加擬人化，在一天24小時中，讓機器人也會有睡覺，運動，吃飯，跳舞，看書，吃飯，化妝，睡覺等動作。因此本發(fā)明將機器人所在的生活時間軸加入到機器人的交互內(nèi)容生成中去，使機器人與人交互時更加擬人化，使得機器人在生活時間軸內(nèi)具有人類的生活方式，該方法能夠提升機器人交互內(nèi)容生成的擬人性，提升人機交互體驗，提高智能性。

附圖說明

圖1是本發(fā)明實施例一的一種機器人交互內(nèi)容的生成方法的流程圖；

圖2是本發(fā)明實施例二的一種機器人交互內(nèi)容的生成系統(tǒng)的示意圖。

具體實施方式

雖然流程圖將各項操作描述成順序的處理，但是其中的許多操作可以被并行地、并發(fā)地或者同時實施。各項操作的順序可以被重新安排。當其操作完成時處理可以被終止，但是還可以具有未包括在附圖中的附加步驟。處理可以對應于方法、函數(shù)、規(guī)程、子例程、子程序等等。

計算機設備包括用戶設備與網(wǎng)絡設備。其中，用戶設備或客戶端包括但不限于電腦、智能手機、PDA等；網(wǎng)絡設備包括但不限于單個網(wǎng)絡服務器、多個網(wǎng)絡服務器組成的服務器組或基于云計算的由大量計算機或網(wǎng)絡服務器構(gòu)成的云。計算機設備可單獨運行來實現(xiàn)本發(fā)明，也可接入網(wǎng)絡并通過與網(wǎng)絡中的其他計算機設備的交互操作來實現(xiàn)本發(fā)明。計算機設備所處的網(wǎng)絡包括但不限于互聯(lián)網(wǎng)、廣域網(wǎng)、城域網(wǎng)、局域網(wǎng)、VPN網(wǎng)絡等。

在這里可能使用了術(shù)語“第一”、“第二”等等來描述各個單元，但是這些單元不應當受這些術(shù)語限制，使用這些術(shù)語僅僅是為了將一個單元與另一個單元進行區(qū)分。這里所使用的術(shù)語“和/或”包括其中一個或更多所列出的相關(guān)聯(lián)項目的任意和所有組合。當一個單元被稱為“連接”或“耦合”到另一單元時，其可以直接連接或耦合到所述另一單元，或者可以存在中間單元。

這里所使用的術(shù)語僅僅是為了描述具體實施例而不意圖限制示例性實施例。除非上下文明確地另有所指，否則這里所使用的單數(shù)形式“一個”、“一項”還意圖包括復數(shù)。還應當理解的是，這里所使用的術(shù)語“包括”和/或“包含”規(guī)定所陳述的特征、整數(shù)、步驟、操作、單元和/或組件的存在，而不排除存在或添加一個或更多其他特征、整數(shù)、步驟、操作、單元、組件和/或其組合。

下面結(jié)合附圖和較佳的實施例對本發(fā)明作進一步說明。

實施例一

如圖1所示，本實施例中公開一種機器人交互內(nèi)容的生成方法，包括：

S101、獲取多模態(tài)信號；

S102、根據(jù)所述多模態(tài)信號確定用戶意圖；

S103、根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸300生成機器人交互內(nèi)容。

現(xiàn)有機器人對于應用場景來說，一般是基于固的場景中的問答交互機器人交互內(nèi)容的生成方法，無法基于當前的場景來更加準確的生成機器人的表情。本發(fā)明一種機器人交互內(nèi)容的生成方法，包括：獲取多模態(tài)信號；根據(jù)所述多模態(tài)信號確定用戶意圖；根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。這樣就可以根據(jù)多模態(tài)信號例如圖像信號、語音信號，結(jié)合機器人可變參數(shù)來更加準確地生成機器人交互內(nèi)容，從而更加準確、擬人化的與人進行交互和溝通。對于人來講每天的生活都具有一定的規(guī)律性，為了讓機器人與人溝通時更加擬人化，在一天24小時中，讓機器人也會有睡覺，運動，吃飯，跳舞，看書，吃飯，化妝，睡覺等動作。因此本發(fā)明將機器人所在的生活時間軸加入到機器人的交互內(nèi)容生成中去，使機器人與人交互時更加擬人化，使得機器人在生活時間軸內(nèi)具有人類的生活方式，該方法能夠提升機器人交互內(nèi)容生成的擬人性，提升人機交互體驗，提高智能性。交互內(nèi)容可以是表情或文字或語音等。機器人生活時間軸300是提前進行擬合和設置完成的，具體來講，機器人生活時間軸300是一系列的參數(shù)合集，將這個參數(shù)傳輸給系統(tǒng)進行生成交互內(nèi)容。

本實施例中的多模態(tài)信息可以是用戶表情、語音信息、手勢信息、場景信息、圖像信息、視頻信息、人臉信息、瞳孔虹膜信息、光感信息和指紋信息等其中的其中一種或幾種。本實施例中優(yōu)選為圖片信號加語音信號再加手勢信號，這樣識別的準確并且識別的效率高。

本實施例中，基于生活時間軸具體是：根據(jù)人類日常生活的時間軸，將機器人與人類日常生活的時間軸做擬合，機器人的行為按照這個擬合行動，也就是得到一天中機器人自己的行為，從而讓機器人基于生活時間軸去進行自己的行為，例如生成交互內(nèi)容與人類溝通等。假如機器人一直喚醒的話，就會按照這個時間軸上的行為行動，機器人的自我認知也會根據(jù)這個時間軸進行相應的更改。生活時間軸與可變參數(shù)可以對自我認知中的屬性，例如心情值，疲勞值等等的更改，也可以自動加入新的自我認知信息，比如之前沒有憤怒值，基于生活時間軸和可變因素的場景就會自動根據(jù)之前模擬人類自我認知的場景，從而對機器人的自我認知進行添加。

例如，多模態(tài)信號為用戶通過用語音，向機器人說話：“好困啊”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很困，以及機器人生活時間軸，例如當前的時間為上午9點，那么機器人就知道主人是剛剛起床，那么就應該向主人問早，例如回答“早上好”作為回復，也可以配上表情、圖片等，本發(fā)明中的交互內(nèi)容可以理解為機器人的回復。而如果多模態(tài)信號為用戶通過用語音，向機器人說話：“好困啊”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很困，以及機器人生活時間軸，例如當前的時間為晚上9點，那么機器人就知道主人需要睡覺了，那么就會回復“主人晚安，睡個好覺”等類似用語，也可以配上表情、圖片等。這種方式要比單純的靠場景識別生成回復和表情更加貼近人的生活，更加擬人化。其中多模態(tài)信號一般為多種信號的組合，例如圖片信號加上語音信號，或者圖片信號加語音信號再加手勢信號等。

根據(jù)其中一個示例，所述機器人生活時間軸的參數(shù)的生成方法包括：

將機器人的自我認知進行擴展；

獲取生活時間軸的參數(shù)；

對機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合，生成機器人生活時間軸。

這樣將生活時間軸加入到機器人本身的自我認知中去，使機器人具有擬人化的生活。例如將中午吃飯的認知加入到機器人中去。

根據(jù)其中另一個示例，所述將機器人的自我認知進行擴展的步驟具體包括：將生活場景與機器人的自我認識相結(jié)合形成基于生活時間軸的自我認知曲線。這樣就可以具體的將生活時間軸加入到機器人本身的參數(shù)中去。

根據(jù)其中另一個示例，所述對機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合的步驟具體包括：使用概率算法，計算生活時間軸上的機器人在時間軸場景參數(shù)改變后的每個參數(shù)改變的概率，形成擬合曲線。這樣就可以具體的將機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合。其中概率算法可以是貝葉斯概率算法。

例如，在一天24小時中，使機器人會有睡覺，運動，吃飯，跳舞，看書，吃飯，化妝，睡覺等動作。每個動作會影響機器人本身的自我認知，將生活時間軸上的參數(shù)與機器人本身的自我認知進行結(jié)合，擬合后，即讓機器人的自我認知包括了，心情，疲勞值，親密度，好感度，交互次數(shù)，機器人的三維的認知，年齡，身高，體重，親密度，游戲場景值，游戲?qū)ο笾?，地點場景值，地點對象值等。為機器人可以自己識別所在的地點場景，比如咖啡廳，臥室等。

機器一天的時間軸內(nèi)會進行不同的動作，比如夜里睡覺，中午吃飯，白天運動等等，這些所有的生活時間軸中的場景，對于自我認知都會有影響。這些數(shù)值的變化采用的概率模型的動態(tài)擬合方式，將這些所有動作在時間軸上發(fā)生的幾率擬合出來。

根據(jù)其中另一個示例，所述多模態(tài)信號至少包括圖像信號，所述根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容的步驟具體包括：

根據(jù)所述圖像信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。多模態(tài)信號至少包括圖像信號，這樣可以讓機器人掌握用戶的意圖，而為了更好的了解到用戶的意圖，一般會加入其它信號，例如語音信號、手勢信號等，這樣可以更加準確的了解到用戶到底是真實的表達的意思，還是開玩笑試探的意思。

根據(jù)其中另一個示例，所述多模態(tài)信號至少包括語音信號，所述根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容的步驟具體包括：

根據(jù)所述語音信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

根據(jù)其中另一個示例，所述多模態(tài)信號至少包括手勢信號，所述根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容的步驟具體包括：

根據(jù)所述手勢信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

例如，多模態(tài)信號為用戶通過用語音，向機器人說話：“餓了”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很餓，以及機器人生活時間軸，例如當前的時間為上午9點，那么機器人就會回復，讓用戶去吃早飯，并配上可愛的表情。而如果多模態(tài)信號為用戶通過用語音，向機器人說話：“餓了”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很餓，以及機器人生活時間軸，例如當前的時間為晚上9點，那么機器人就會回復，太晚了少吃點，并配上可愛的表情。

本實施例中一般通過語音信號和圖片信號就可以較為準確地了解到用戶的意思，從而更加準確的回復用戶。當然加上其他信號更加準確，例如手勢信號，視頻信號等。

實施例二

如圖2所示，本實施例中公開一種機器人交互內(nèi)容的生成系統(tǒng)，包括：

獲取模塊201，用于獲取多模態(tài)信號；

意圖識別模塊202，用于根據(jù)所述多模態(tài)信號確定用戶意圖；

內(nèi)容生成模塊203，用于根據(jù)所述多模態(tài)信號和所述用戶意圖，結(jié)合機器人生活時間軸模塊301發(fā)送的當前的機器人生活時間軸生成機器人交互內(nèi)容。

這樣就可以根據(jù)多模態(tài)信號例如圖像信號、語音信號，結(jié)合機器人可變參數(shù)來更加準確地生成機器人交互內(nèi)容，從而更加準確、擬人化的與人進行交互和溝通。對于人來講每天的生活都具有一定的規(guī)律性，為了讓機器人與人溝通時更加擬人化，在一天24小時中，讓機器人也會有睡覺，運動，吃飯，跳舞，看書，吃飯，化妝，睡覺等動作。因此本發(fā)明將機器人所在的生活時間軸加入到機器人的交互內(nèi)容生成中去，使機器人與人交互時更加擬人化，使得機器人在生活時間軸內(nèi)具有人類的生活方式，該方法能夠提升機器人交互內(nèi)容生成的擬人性，提升人機交互體驗，提高智能性。交互內(nèi)容可以是表情或文字或語音等。

例如，多模態(tài)信號為用戶通過用語音，向機器人說話：“好困啊”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很困，以及機器人生活時間軸，例如當前的時間為上午9點，那么機器人就知道主人是剛剛起床，那么就應該向主人問早，例如回答“早上好”作為回復，也可以配上表情、圖片等，本發(fā)明中的交互內(nèi)容可以理解為機器人的回復。而如果多模態(tài)信號為用戶通過用語音，向機器人說話：“好困啊”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很困，以及機器人生活時間軸，例如當前的時間為晚上9點，那么機器人就知道主人需要睡覺了，那么就會回復“主人晚安，睡個好覺”等類似用語，也可以配上表情、圖片等。這種方式要比單純的靠場景識別生成回復和表情更加貼近人的生活，更加擬人化。其中多模態(tài)信號一般為多種信號的組合，例如圖片信號加上語音信號，或者圖片信號加語音信號再加手勢信號等。

根據(jù)其中一個示例，所述系統(tǒng)包括基于時間軸與人工智能云處理模塊，用于：

將機器人的自我認知進行擴展；

獲取生活時間軸的參數(shù)；

對機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合，生成機器人生活時間軸。

這樣將生活時間軸加入到機器人本身的自我認知中去，使機器人具有擬人化的生活。例如將中午吃飯的認知加入到機器人中去。

根據(jù)其中另一個示例，所述基于時間軸與人工智能云處理模塊進一步用于：將生活場景與機器人的自我認識相結(jié)合形成基于生活時間軸的自我認知曲線。這樣就可以具體的將生活時間軸加入到機器人本身的參數(shù)中去。

根據(jù)其中另一個示例，所述基于時間軸與人工智能云處理模塊進一步用于：使用概率算法，計算生活時間軸上的機器人在時間軸場景參數(shù)改變后的每個參數(shù)改變的概率，形成擬合曲線。這樣就可以具體的將機器人的自我認知的參數(shù)與生活時間軸中的參數(shù)進行擬合。其中概率算法可以是貝葉斯概率算法。

例如，在一天24小時中，使機器人會有睡覺，運動，吃飯，跳舞，看書，吃飯，化妝，睡覺等動作。每個動作會影響機器人本身的自我認知，將生活時間軸上的參數(shù)與機器人本身的自我認知進行結(jié)合，擬合后，即讓機器人的自我認知包括了，心情，疲勞值，親密度，好感度，交互次數(shù)，機器人的三維的認知，年齡，身高，體重，親密度，游戲場景值，游戲?qū)ο笾?，地點場景值，地點對象值等。為機器人可以自己識別所在的地點場景，比如咖啡廳，臥室等。

機器一天的時間軸內(nèi)會進行不同的動作，比如夜里睡覺，中午吃飯，白天運動等等，這些所有的生活時間軸中的場景，對于自我認知都會有影響。這些數(shù)值的變化采用的概率模型的動態(tài)擬合方式，將這些所有動作在時間軸上發(fā)生的幾率擬合出來。

根據(jù)其中另一個示例，所述多模態(tài)信號至少包括圖像信號，所述內(nèi)容生成模塊具體用于：根據(jù)所述圖像信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

多模態(tài)信號至少包括圖像信號，這樣可以讓機器人掌握用戶的意圖，而為了更好的了解到用戶的意圖，一般會加入其它信號，例如語音信號、手勢信號等，這樣可以更加準確的了解到用戶到底是真實的表達的意思，還是開玩笑試探的意思。

根據(jù)其中另一個示例，所述多模態(tài)信號至少包括語音信號，所述內(nèi)容生成模塊具體用于：根據(jù)所述語音信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

根據(jù)其中另一個示例，所述多模態(tài)信號至少包括手勢信號，所述內(nèi)容生成模塊具體用于：根據(jù)所述手勢信號和所述用戶意圖，結(jié)合當前的機器人生活時間軸生成機器人交互內(nèi)容。

例如，多模態(tài)信號為用戶通過用語音，向機器人說話：“餓了”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很餓，以及機器人生活時間軸，例如當前的時間為上午9點，那么機器人就會回復，讓用戶去吃早飯，并配上可愛的表情。而如果多模態(tài)信號為用戶通過用語音，向機器人說話：“餓了”，多模態(tài)信號可以加上圖片信號，機器人根據(jù)多模態(tài)信號如上述的語音信號加上圖片信號綜合判斷，識別用戶的意圖為用戶很餓，以及機器人生活時間軸，例如當前的時間為晚上9點，那么機器人就會回復，太晚了少吃點，并配上可愛的表情。

本實施例中一般通過語音信號和圖片信號就可以較為準確地了解到用戶的意思，從而更加準確的回復用戶。當然加上其他信號更加準確，例如手勢信號，視頻信號等。

本發(fā)明公開一種機器人，包括如上述任一所述的一種機器人交互內(nèi)容的生成系統(tǒng)。

以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本發(fā)明的保護范圍。