[发明专利]基于自然智能的端到端控制方法和控制系统

说明书

一种端到端控制方法，其中，包括：在操作者操控设备时，通过传感器从被控设备的外部环境和/或被控设备本身收集传感器数据，并实时记录由操控者的操控所产生的控制数据；将在时间上关联的传感器数据和控制数据作为配对数据输入给机器人；机器人用配对数据进行训练；其中，经过训练的机器人根据传感器数据做出判断并控制所述设备，包括：将通过传感器收集到的传感器数据输入机器人；机器人判断是否能够根据传感器数据确定与之对应的控制数据，如果能确定控制数据，则机器人根据与传感器数据对应的控制数据来控制所述设备；如果机器人不能确定控制数据，则由操作者对设备进行操控。

技术领域

本发明涉及一种端到端控制方法和控制系统，具体而言，涉及一种基于自然智能的端到端控制方法和控制系统。

背景技术

目前常用的机器智能(MI，Machine Intelligence)技术主要包括人工智能(AI，Artificial Intelligence)技术。其中比较常见的有基于人工智能的自然语言处理(NLP，Natural Language Processing)技术、无人驾驶技术等。

对基于人工智能的自然语言处理(也可简称为AI-NLP)而言，对于所处理的语音，需要从语音先转文本，再通过已建立的语法模型和语义模型来实现语义的理解。不过，这种方法受制于语音识别器的准确率。例如，一个句子有10个字，语音识别器能够实现90％的准确度，但如果错误发生在关键词(字)，那么现有的AI-NLP技术便无法实现正确的语义理解。特别地，在噪音环境下，由于语音识别器的准确率会下降，所以要用AI-NLP技术准确地进行语义理解的难度也更高了。另一方面，由于AI-NLP需要人工构建海量的语法模型和语义模型，因而会产生极大的人工成本。事实上，目前世界上从事AI-NLP技术研发和应用的主要企业均有数千甚至更多的员工从事语音的人工标注和模型构建。

对基于人工智能的无人驾驶技术而言，对于用诸如摄像头或雷达的传感器收集的图像数据，仍然需要先从图像数据进行物体检测，识别出预定物体并对其进行定位，然后再根据检测到的物体的性质和位置来进行驾驶决策。例如，当机器从摄像头获得的图像中检测出行进道路前方有一个人或者一只猫，则控制车辆减速或刹车。因此，在实现自动驾驶系统时，首先要建立物体检测模型，而在建立和训练物体检测模型时，需要大量的经过人工标注的图像数据，使得物体检测模型能够学习对物体的识别和定位。这种人工标注工作会带来很高的成本，也容易发生错误。

发明内容

根据本发明的一个方面，提供了一种基于自然智能的自然表达处理方法，其中，包括：接收自然表达的输入，得到具有第一信息颗粒度的第一语言信息，将第一语言信息转换为具有第二信息颗粒度的第二语言信息，其中，第二信息颗粒度的数量级介于第一信息颗粒度的数量级与文字的信息颗粒度的数量级之间，将第二语言信息转换为第三语言信息，第三语言信息作为对自然表达进行理解的结果，其中，第二语言信息和与该第二语言信息对应的第三语言信息作为配对数据被存储在数据库，对于数据库中已有的成对的第二语言信息和第三语言信息，将该第二语言信息的元素的各种排列组合与该第三语言信息或者该第三语言信息的元素的各种排列组合进行循环迭代，建立第二语言信息的元素的各种排列组合与第三语言信息或第三语言信息的元素的各种排列组合之间的对应关系，获得更多的第二语言信息与第三语言信息的配对数据，并存储在数据库中。

根据本发明实施例的基于自然智能的自然表达处理方法，其中，当从输入的第一语言信息获得第二语言信息后，将该第二语言信息与数据库中已有的第二语言信息进行比较，然后根据比较结果来确定与该第二语言信息对应的第三语言信息，或者计算将该第二语言信息对应到某第三语言信息的正确率，如果机器理解能力不够成熟，不足以或者不确定将该第二语言信息转换到某条第三语言信息，那么进行人工辅助理解，通过人工对输入的第一语言信息进行理解，得到与自然表达的含义所对应的第三语言信息，并且将从该第一语言信息得到的第二语言信息与第三语言信息对应起来或者将第一语言信息与第三语言信息对应起来，得到新的配对数据存入数据库。