[发明专利]一种基于云边端的机器人AI服务方法及系统

权利要求书

1.一种基于云边端的机器人AI服务方法，其特征是所述的方法具体步骤包括：

S1云端自动更新AI模型并下发至边缘端；

S2边缘端根据不同压缩率对AI模型进行压缩、存储；

S3将压缩的AI模型在机器人端运行；

S4机器人根据用户的服务状态通过边缘端选定AI模型进行推理。

2.根据权利要求1所述的方法，其特征是所述S1云端自动更新AI模型并下发至边缘端的具体步骤包括：

S101利用公共数据集训练AI模型并下发至边缘端；

S102定期从边缘端收集用户反馈数据集；

S103利用累计用户反馈数据集对AI模型进行优化调整；

S104更新AI模型并下发至边缘端。

3.根据权利要求1所述的方法，其特征是所述S2边缘端根据不同压缩率对AI模型进行压缩、存储的具体步骤包括：

S201设置边缘端压缩率对AI模型进行压缩；

S202边缘端收集用户反馈数据集并上传至云端供模型优化使用。

4.根据权利要求1所述的方法，其特征是所述S4机器人根据用户的服务状态通过边缘端选定AI模型进行推理的具体步骤包括：

S401用户选择在线或者离线服务；

S402选择在线服务时，机器人访问边缘端将推理放在边缘端执行；

S412选择离线服务时，机器人根据自身需求从边缘端下载压缩后的AI模型，在本地执行推理；

S403推理错误时，机器人选择将错误数据上传至边缘端。

5.一种基于云边端的机器人AI服务系统，其特征是所述的系统具体包括云端模块、边缘端模块、模型运行模块和机器人端模块：

云端模块：云端自动更新AI模型并下发至边缘端；

边缘端模块：边缘端根据不同压缩率对AI模型进行压缩、存储；

模型运行模块：将压缩的AI模型在机器人端运行；

机器人端模块：机器人根据用户的服务状态通过边缘端选定AI模型进行推理。

6.根据权利要求5所述的系统，其特征是所述云端模块具体包括模型训练模块、反馈收集模块、模型调整模块和模型更新模块：

模型训练模块：利用公共数据集训练AI模型并下发至边缘端；

反馈收集模块：定期从边缘端收集用户反馈数据集；

模型调整模块：利用累计用户反馈数据集对AI模型进行优化调整；

模型更新模块：更新AI模型并下发至边缘端。

7.根据权利要求6所述的系统，其特征是所述边缘端模块具体包括压缩设置模块和数据上传模块：

压缩设置模块：设置边缘端压缩率对AI模型进行压缩；

数据上传模块：边缘端收集用户反馈数据集并上传至云端供模型优化使用。

8.根据权利要求7所述的系统，其特征是所述机器人端模块具体包括模式选择模块、在线服务模块、离线服务模块和数据收集模块：

模式选择模块：用户选择在线或者离线服务；

在线服务模块：选择在线服务时，机器人访问边缘端将推理放在边缘端执行；

离线服务模块：选择离线服务时，机器人根据自身需求从边缘端下载压缩后的AI模型，在本地执行推理；

数据收集模块：推理错误时，机器人选择将错误数据上传至边缘端。