[发明专利]任务推理模型学习及任务推理方法、机器人及存储装置在审
| 申请号： | 201811519907.3 | 申请日： | 2018-12-12 |
| 公开（公告）号： | CN109816109A | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 欧勇盛;王志扬;徐升;熊荣;韩伟超;江国来;段江哗;李浩;吴新宇;冯伟 | 申请（专利权）人： | 中国科学院深圳先进技术研究院 |
| 主分类号： | G06N5/00 | 分类号： | G06N5/00;G06N7/00;G09B9/00 |
| 代理公司： | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人： | 李庆波 |
| 地址： | 518055 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及机器人领域，公开了一种任务推理模型学习及任务推理方法、机器人及存储装置，该任务推理模型学习方法包括：获取示教数据，该示教数据中包括物体、动作和效应三种类型的数据；对示教数据进行学习，以得到任务推理模型，其中该任务推理模型为贝叶斯网络模型，该贝叶斯网络模型包括描述物体、动作和效应三种类型数据的节点，以及节点之间的连接关系和每个节点的概率分布。通过上述方式，本申请能够使得利用该任务推理模型的机器人可以具有推理能力。 | ||
| 搜索关键词： | 推理模型 示教数据 推理 机器人 贝叶斯网络模型 存储装置 学习 机器人领域 概率分布 连接关系 申请 | ||
【主权项】：
1.一种任务推理模型学习方法，其特征在于，包括：获取示教数据，所述示教数据中包括物体、动作和效应三种类型的数据；对所述示教数据进行学习，以得到任务推理模型，其中所述任务推理模型为贝叶斯网络模型，所述贝叶斯网络模型包括描述所述物体、动作和效应三种类型数据的节点，以及所述节点之间的连接关系和每个所述节点的概率分布。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院，未经中国科学院深圳先进技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811519907.3/，转载请声明来源钻瓜专利网。
- 上一篇：深度学习加速装置、设备及方法
- 下一篇：一种解析量子程序存储文件的方法及装置
