[发明专利]一种机器人自主学习的方法、装置及机器人

说明书

本申请公开了一种机器人自适应学习的方法，包括：接收感知设备采集到的场景信息，代入当前分类模型，获得用户身份及用户行为识别结果，判断是否与当前用户发生互动；若判断是否与当前用户发生互动的判断结果为是，根据预置的识别结果与互动方式的对应关系，选择互动方式并执行；根据感知设备采集到的当前用户对于互动方式的反馈信息，判断互动方式是否适当；若判断互动方式是否适当的判断结果为是，将感知设备采集到的用户信息与用户身份及用户行为识别结果作为正样本；若判断互动方式是否适当的判断结果为否，将感知设备采集到的用户信息与用户身份及用户行为识别结果作为负样本；将正样本或者负样本加入训练样本集，用于对当前分类模型的训练。

技术领域

本申请涉及智能机器人技术领域，具体涉及一种机器人自主学习的方法。本申请同时涉及一种机器人自主学习的装置，本申请还涉及一种机器人。

背景技术

随着人工智能的发展，现如今，智能机器人被应用于各个领域。现有的机器人往往都是根据设计之初的模型框架，根据使用者的指令做出相应的互动。为了使智能机器人在使用过程中与用户更加具有亲和力，更新智能机器人采用的原有的分类模型是必不可少的。本领域技术人员实现分类模型的更新，往往需要统计大量的用户使用数据以及场景数据，并将这些数据进行分类筛选后通过深度的学习框架进行数据训练，以此实现分类模型的更新。

发明内容

本申请提供一种机器人自适应学习的方法。本申请同时提供一种机器人自适应学习的装置以及一种机器人。

本申请提供了一种机器人自适应学习的方法，包括：

接收感知设备采集的场景信息，代入当前分类模型，获得用户身份及用户行为识别结果；

根据所述用户身份及用户行为识别结果，判断是否与当前用户发生互动；

若上述判断是否与当前用户发生互动的判断结果为是，根据预置的识别结果与互动方式的对应关系，选择互动方式并执行；

根据所述感知设备采集到的所述当前用户对于所述互动方式的反馈信息，判断所述互动方式是否适当；

若上述判断所述互动方式是否适当的判断结果为是，则将所述感知设备采集到的用户信息与用户身份及用户行为识别结果作为正样本；

若上述判断所述互动方式是否适当的判断结果为否，则将所述感知设备采集到的用户信息与用户身份及用户行为识别结果作为负样本；

将所述正样本或者负样本加入训练样本集，用于对所述当前分类模型的训练。

优选的，所述感知设备包括：图像传感器、声音传感器、触摸传感器。

优选的，所述当前分类模型是根据用户及用户行为识别结果预先训练得到的。

优选的，所述根据所述用户身份及用户行为识别结果，判断是否与当前用户发生互动，包括：

根据所述感知设备采集到的当前用户的声音信息、人脸图像、当前用户与机器人之间的距离、当前用户肢体动作，判断当前用户的置信度是否大于预设的阈值；

当所述当前用户的置信度大于预设的阈值时，与所述当前用户发生互动。

优选的，所述互动方式包括以下方式中的至少一种：语音互动、用户图形界面互动、肢体互动。

优选的，所述根据所述感知设备采集到的所述当前用户对于所述互动方式的反馈信息，判断所述互动方式是否适当，包括：判断所述当前用户对于所述互动方式的反馈信息是否与预计的反馈结果相同，从而判断所述互动方式是否适当。

优选的，所述判断所述当前用户对于所述互动方式的反馈信息是否与预计的反馈结果相同，从而判断所述互动方式是否适当，包括：

判断所述当前用户是否对语音互动信息做出正向回应，从而判断所述互动方式是否适当；