[发明专利]管理用户与机器人之间的会话

说明书

示例性实施方式可以：从一个或多个输入模态接收包括关于物理环境的参数或测量值的一个或多个输入；基于分析从该一个或多个输入模态接收的输入来识别用户；通过分析用户的身体动作、视觉动作和/或音频动作来确定该用户是否表现出参与或有兴趣建立交流交互的迹象，该用户的身体动作、视觉动作和/或音频动作是至少部分地基于从一个或多个输入模态接收的一个或多个输入来确定的；以及通过使用显示设备创建该机器人计算设备的视觉动作或通过生成要由一个或多个扬声器再现的一个或多个音频文件来确定该用户是否对与该机器人计算设备的扩展交流交互感兴趣。

相关申请的交叉引用

本申请要求于2020年2月29日提交的名称为“Systems And Methods To ManageConversation Interactions Between A User And A Robot Computing Device OrConversation Agent[管理用户与机器人计算设备或会话代理之间的会话交互的系统和方法]”的美国临时专利申请序列号62/983,590和于2021年2月25日提交的名称为“SystemsAnd Methods To Manage Conversation Interactions Between A User And A RobotComputing Device Or Conversation Agent[管理用户与机器人计算设备或会话代理之间的会话交互的系统和方法]”的美国临时专利申请序列号63/153,888的优先权，这两个美国临时专利申请的内容均通过引用以其全文并入本文。

技术领域

本披露涉及用于管理用户与机器人计算设备之间的交流交互的系统和方法。

背景技术

成功的人与人之间的交流就像一场舞蹈，是对话者之间不断但协调的来回。人类对话者之间的话轮转换和切换发言权是无缝的，并且无需明确的信号即可工作，例如告诉对方发言或给出说话者让出发言权的手势信号。人类能够很自然地理解某人是否参与会话。所有这些技能也可以进一步扩展到多方交互。

相比之下，人机交互目前是非常繁琐且不对称的，需要人类用户明确地使用所谓的唤醒词或热词(“Alexa”、“嗨，Siri”、“OK，Google”等)来发起会话事务并提供经常学习的明确命令或短语以呈现成功的结果。交互仅以单事务方式运行(即，人类用户有明确的请求，而代理提供单一的响应)。因此，多轮交互很少见，并且仅限于收集信息或减少歧义的直接请求(例如，用户：“Alexa，我想预订(Alexa,I want to make a reservation)。”，Alexa：“好的，哪家餐厅(Ok,which restaurant)？”，用户：“圣莫尼卡的Tar and Roses(Tar andRoses in Santa Monica)”)。当前的会话代理也是完全反应性的，并且在用户对交互失去兴趣后不会主动与用户互动或重新互动。进一步地，最先进的会话代理很少使用多模态输入来更好地理解用户的意图、当前状态或消息，或消除这些信息的歧义。因此，需要分析多模态输入并提供更像人类的会话交互的会话代理或模块。

发明内容

在参考附图考虑以下描述和所附权利要求时，这些和其他特征和本发明技术的特性、以及相关结构元素的操作方法和功能、以及零件的组合与制造的经济性将变得更加显而易见，所有附图形成本说明书的一部分，在附图中，相同的附图标记表示各个附图中的对应部分。然而，将明确了解的是，附图仅出于说明和描述的目的，而不旨在作为对本发明的限制的限定。如在本说明书和权利要求中所使用的，除非上下文中另外明确指明，否则单数形式的“一个(a)”、“一个(an)”以及“该(the)”包括复数对象。

附图说明

图1A图示了根据一种或多种实施方式的用于与儿童和/或父母互动的社交机器人或数字伴侣的系统。

图1B图示了根据一种或多种实施方式的儿童与社交机器人或数字伴侣互动的系统中的模块或子系统。

图1C图示了根据一种或多种实施方式的儿童与社交机器人或数字伴侣互动的系统中的模块或子系统。