一种飞行陪伴机器人控制方法及装置制造方法及图纸

本发明专利技术提供了一种飞行陪伴机器人控制方法及装置，其中方法包括：建立蜂巢层级神经网络系统，包括底层、中层以及高层蜂巢神经网络，每层包括多个蜂巢单元，每个蜂巢单元组成一个指令应答模块，包括六个单元壁，每个蜂巢单元根据互不相同的信息源通过六个单元壁获取输入信息；接收指令，判断指令是自主动作还是指令动作；如果是自主动作，根据蜂巢层级神经网络系统存储的预设应答模式控制飞行陪伴机器人对指令进行响应；如果是指令动作，对指令进行指令意图分析，将指令意图分析结果融合到中层蜂巢神经网络的加权系数中，并对指令进行字段分析，将字段分析结果输入底层蜂巢神经网络辅助信息采集，根据第三结果控制飞行陪伴机器人对指令进行响应。

【技术实现步骤摘要】
一种飞行陪伴机器人控制方法及装置
本专利技术涉及电子
，尤其涉及一种飞行陪伴机器人控制方法及装置。
技术介绍
随着智能手机产品的普及以及手机功能的丰富，现代人们对手机的依赖会愈加强烈，随之而来的负面影响就是造成了严重的用眼过度，很难想象长此以往发展下去，未来十年、二十年、三十年后，人类的眼睛将是一个怎样的状况，因此如何能够帮助人们摆脱对手机的依赖成为一个迫在眉睫的研究课题。随着智能机器人应用领域的扩大，人们期望机器人可以在更多领域为人类服务，现阶段我国机器人行业也是群雄并起、如火如荼，在人机交互、大数据建立以及深度学习等方面技术已经走在了世界同行业的前列，可以说智能机器人行业应该是中国实现弯道超车的重要抓手，因此国家在这方面正在不断的加大投资和政策倾斜力度。现阶段获得专利的陪伴机器人大多是利用双腿行走或者是轮式以及履带式行走机构实现运动的，这类机器人大多体积庞大，行动缓慢，灵活性较低，因此对使用环境的要求就会比较高，成本也居高不下，造成了智能机器人普及率还比较低的现实情况。另外，现有的智能机器人的学习效率较低，不能满足人们的陪伴需求。
技术实现思路
本专利技术旨在解决上述问题之一。本专利技术的主要目的在于提供一种飞行陪伴机器人控制方法；本专利技术的另一目的在于提供一种飞行陪伴机器人控制装置。为达到上述目的，本专利技术的技术方案具体是这样实现的：本专利技术一方面提供了一种飞行陪伴机器人控制方法，包括：建立蜂巢层级神经网络系统，蜂巢层级神经网络系统至少包括底层蜂巢神经网络、中层蜂巢神经网络以及高层蜂巢神经网络，每层蜂巢神经网络包括多个蜂巢单元，每个蜂巢单元组成一个指令应答模块，包括六个单元壁，每个蜂巢单元根据互不相同的信息源通过六个单元壁获取输入信息，其中，六个单元壁对应六条信息源，每个单元壁对应的信息源互不相同，六条信息源分别为六个信息条件，六个信息条件包括：环境、大数据、云平台、应用市场、情绪分析和信息提存；接收指令，判断指令是自主动作还是指令动作；如果是自主动作，根据蜂巢层级神经网络系统存储的预设应答模式控制飞行陪伴机器人对指令进行响应；如果是指令动作，对指令进行指令意图分析，将指令意图分析结果融合到中层蜂巢神经网络的加权系数中，并对指令进行字段分析，将字段分析结果输入底层蜂巢神经网络辅助信息采集，根据第三结果控制飞行陪伴机器人对指令进行响应；其中，第三结果通过如下方式获得：底层蜂巢神经网络根据指令结合字段分析结果以蜂巢单元为单位按照各自的信号采集路径和采集方式采集输入信息，组合成以底层蜂巢单元为单位的底层指令应答模块，将每个蜂巢单元采集的输入信号进行整合形成底层蜂巢单元信息总和值数据，将底层蜂巢单元信息总和值数据代入激励函数进行运算，并将第一结果输出到中层蜂巢神经网络；中层蜂巢神经网络结合指令意图分析结果对第一结果中的每个底层蜂巢单元中的每一个信息数据增加不同的加权系数并进行整合形成中层蜂巢单元信息总和值数据，将中层蜂巢单元信息总和值数据代入激励函数进行运算，并将第二结果输出到高层蜂巢神经网络；高层蜂巢神经网络将第二结果中的每个中层蜂巢单元中的数据根据预设分析方式进行分析，选取理想的蜂巢单元中的数据代入激励函数进行运算并输出第三结果。此外，第三结果通过如下公式计算：Oj＝f(f(f(Xai+Xbi+Yai+Ybi+Zai+Zbi)+(Xan+Xbn+Yan+Ybn+Zan+Zbn)Wij)+Xaj+Xbj+Yaj+Ybj+Zaj+Zbj)其中，Xai、Xbi、Yai、Ybi、Zai、Zbi表示底蜂巢层神经网络的各个输入，Xan、Xbn、Yan、Ybn、Zan、Zbn表示中层蜂巢神经网络的各个输入，Wij为加权系数，Xaj、Xbj、Yaj、Ybj、Zaj、Zbj表示高层蜂巢神经网络的各个输入，f(·)为激励函数。此外，接收指令包括：通过传感器接收多模态的输入信号，对输入信号进行模数转换，得到指令。此外，如果是自主动作，且缺少辅助动作执行的参数，则请求补充指令中的参数，重新执行接收指令的操作。此外，如果是指令动作，且根据第三结果不能对指令提出执行方案，则请求用户补充指令中的参数，重新执行接收指令的操作。此外，方法还包括：对指令以及第三结果进行存储。本专利技术另一方面还提供了一种飞行陪伴机器人控制装置，包括：建立模块，用于建立蜂巢层级神经网络系统，蜂巢层级神经网络系统至少包括底层蜂巢神经网络、中层蜂巢神经网络以及高层蜂巢神经网络，每层蜂巢神经网络包括多个蜂巢单元，每个蜂巢单元组成一个指令应答模块，包括六个单元壁，每个蜂巢单元根据互不相同的信息源通过六个单元壁获取输入信息，其中，六个单元壁对应六条信息源，每个单元壁对应的信息源互不相同，六条信息源分别为六个信息条件，六个信息条件包括：环境、大数据、云平台、应用市场、情绪分析和信息提存；接收模块，接收指令，判断指令是自主动作还是指令动作；第一响应模块，用于在指令是自主动作时，根据蜂巢层级神经网络系统存储的预设应答模式控制飞行陪伴机器人对指令进行响应；第二响应模块，用于在指令是指令动作时，对指令进行指令意图分析，将指令意图分析结果融合到中层蜂巢神经网络的加权系数中，并对指令进行字段分析，将字段分析结果输入底层蜂巢神经网络辅助信息采集；根据第三结果控制飞行陪伴机器人对指令进行响应；其中，第三结果通过如下方式获得：底层蜂巢神经网络根据指令结合字段分析结果以蜂巢单元为单位按照各自的信号采集路径和采集方式采集输入信息，组合成以底层蜂巢单元为单位的底层指令应答模块，将每个蜂巢单元采集的输入信号进行整合形成底层蜂巢单元信息总和值数据，将底层蜂巢单元信息总和值数据代入激励函数进行运算，并将第一结果输出到中层蜂巢神经网络；中层蜂巢神经网络结合指令意图分析结果对第一结果中的每个底层蜂巢单元中的每一个信息数据增加不同的加权系数并进行整合形成中层蜂巢单元信息总和值数据，将中层蜂巢单元信息总和值数据代入激励函数进行运算，并将第二结果输出到高层蜂巢神经网络；高层蜂巢神经网络将第二结果中的每个中层蜂巢单元中的数据根据预设分析方式进行分析，选取理想的蜂巢单元中的数据代入激励函数进行运算并输出第三结果。此外，第三结果通过如下公式计算：Oj＝f(f(f(Xai+Xbi+Yai+Ybi+Zai+Zbi)+(Xan+Xbn+Yan+Ybn+Zan+Zbn)Wij)+Xaj+Xbj+Yaj+Ybj+Zaj+Zbj)其中，Xai、Xbi、Yai、Ybi、Zai、Zbi表示底蜂巢层神经网络的各个输入，Xan、Xbn、Yan、Ybn、Zan、Zbn表示中层蜂巢神经网络的各个输入，Wij为加权系数，Xaj、Xbj、Yaj、Ybj、Zaj、Zbj表示高层蜂巢神经网络的各个输入，f(·)为激励函数。此外，接收模块通过如下方式接收指令：通过传感器接收多模态的输入信号，对输入信号进行模数转换，得到指令。此外，第一响应模块，还用于在指令是自主动作，且缺少辅助动作执行的参数时，请求补充指令中的参数，指示接收模块重新执行接收指令的操作。此外，第二响应模块，还用于在指令是指令动作，且根据第三结果不能对指令提出执行方案时，请求用户补充指令中的参数，指示接收模块重新执行接收指令的操作。此外，装置还包括：存储模块；存储模块，用于对指令以及第本文档来自技高网...

【技术保护点】
一种飞行陪伴机器人控制方法，其特征在于，包括：建立蜂巢层级神经网络系统，所述蜂巢层级神经网络系统至少包括底层蜂巢神经网络、中层蜂巢神经网络以及高层蜂巢神经网络，每层蜂巢神经网络包括多个蜂巢单元，每个所述蜂巢单元组成一个指令应答模块，包括六个单元壁，每个所述蜂巢单元根据互不相同的信息源通过所述六个单元壁获取输入信息，其中，所述六个单元壁对应六条信息源，每个所述单元壁对应的信息源互不相同，所述六条信息源分别为六个信息条件，所述六个信息条件包括：环境、大数据、云平台、应用市场、情绪分析和信息提存；接收指令，判断所述指令是自主动作还是指令动作；如果是自主动作，根据所述蜂巢层级神经网络系统存储的预设应答模式控制所述飞行陪伴机器人对所述指令进行响应；如果是指令动作，对所述指令进行指令意图分析，将指令意图分析结果融合到所述中层蜂巢神经网络的加权系数中，并对所述指令进行字段分析，将字段分析结果输入所述底层蜂巢神经网络辅助信息采集，根据第三结果控制所述飞行陪伴机器人对所述指令进行响应；其中，所述第三结果通过如下方式获得：所述底层蜂巢神经网络根据所述指令结合所述字段分析结果以所述蜂巢单元为单位按照各自的信号采集路径和采集方式采集输入信息，组合成以底层蜂巢单元为单位的底层指令应答模块，将每个所述蜂巢单元采集的输入信号进行整合形成底层蜂巢单元信息总和值数据，将所述底层蜂巢单元信息总和值数据代入激励函数进行运算，并将第一结果输出到所述中层蜂巢神经网络；所述中层蜂巢神经网络结合所述指令意图分析结果对所述第一结果中的每个所述底层蜂巢单元中的每一个信息数据增加不同的加权系数并进行整合形成中层蜂巢单元信息总和值数据，将所述中层蜂巢单元信息总和值数据代入激励函数进行运算，并将第二结果输出到所述高层蜂巢神经网络；所述高层蜂巢神经网络将所述第二结果中的每个中层蜂巢单元中的数据根据预设分析方式进行分析，选取理想的蜂巢单元中的数据代入激励函数进行运算并输出所述第三结果。...

【技术特征摘要】
1.一种飞行陪伴机器人控制方法，其特征在于，包括：建立蜂巢层级神经网络系统，所述蜂巢层级神经网络系统至少包括底层蜂巢神经网络、中层蜂巢神经网络以及高层蜂巢神经网络，每层蜂巢神经网络包括多个蜂巢单元，每个所述蜂巢单元组成一个指令应答模块，包括六个单元壁，每个所述蜂巢单元根据互不相同的信息源通过所述六个单元壁获取输入信息，其中，所述六个单元壁对应六条信息源，每个所述单元壁对应的信息源互不相同，所述六条信息源分别为六个信息条件，所述六个信息条件包括：环境、大数据、云平台、应用市场、情绪分析和信息提存；接收指令，判断所述指令是自主动作还是指令动作；如果是自主动作，根据所述蜂巢层级神经网络系统存储的预设应答模式控制所述飞行陪伴机器人对所述指令进行响应；如果是指令动作，对所述指令进行指令意图分析，将指令意图分析结果融合到所述中层蜂巢神经网络的加权系数中，并对所述指令进行字段分析，将字段分析结果输入所述底层蜂巢神经网络辅助信息采集，根据第三结果控制所述飞行陪伴机器人对所述指令进行响应；其中，所述第三结果通过如下方式获得：所述底层蜂巢神经网络根据所述指令结合所述字段分析结果以所述蜂巢单元为单位按照各自的信号采集路径和采集方式采集输入信息，组合成以底层蜂巢单元为单位的底层指令应答模块，将每个所述蜂巢单元采集的输入信号进行整合形成底层蜂巢单元信息总和值数据，将所述底层蜂巢单元信息总和值数据代入激励函数进行运算，并将第一结果输出到所述中层蜂巢神经网络；所述中层蜂巢神经网络结合所述指令意图分析结果对所述第一结果中的每个所述底层蜂巢单元中的每一个信息数据增加不同的加权系数并进行整合形成中层蜂巢单元信息总和值数据，将所述中层蜂巢单元信息总和值数据代入激励函数进行运算，并将第二结果输出到所述高层蜂巢神经网络；所述高层蜂巢神经网络将所述第二结果中的每个中层蜂巢单元中的数据根据预设分析方式进行分析，选取理想的蜂巢单元中的数据代入激励函数进行运算并输出所述第三结果。2.根据权利要求1所述的方法，其特征在于，所述第三结果通过如下公式计算：Oj＝f(f(f(Xai+Xbi+Yai+Ybi+Zai+Zbi)+(Xan+Xbn+Yan+Ybn+Zan+Zbn)Wij)+Xaj+Xbj+Yaj+Ybj+Zaj+Zbj)其中，Xai、Xbi、Yai、Ybi、Zai、Zbi表示所述底蜂巢层神经网络的各个输入，Xan、Xbn、Yan、Ybn、Zan、Zbn表示所述中层蜂巢神经网络的各个输入，Wij为加权系数，Xaj、Xbj、Yaj、Ybj、Zaj、Zbj表示所述高层蜂巢神经网络的各个输入，f(·)为激励函数。3.根据权利要求1所述的方法，其特征在于，所述接收指令包括：通过传感器接收多模态的输入信号，对所述输入信号进行模数转换，得到所述指令。4.根据权利要求1所述的方法，其特征在于，如果是自主动作，且缺少辅助动作执行的参数，则请求补充所述指令中的参数，重新执行接收指令的操作。5.根据权利要求1所述的方法，其特征在于，如果是指令动作，且根据所述第三结果不能对所述指令提出执行方案，则请求用户补充所述指令中的参数，重新执行接收指令的操作。6.根据权利要求1至5任一项所述的方法，其特征在于，还包括：对所述指令以及所述第三结果进行存储。7.一种飞行陪伴机器人控制装置，其特征在于，包括：建立模块，用于建立蜂巢层级神经网络系统，所述蜂巢层级神经...

【专利技术属性】
技术研发人员：段炜，
申请(专利权)人：段炜，
类型：发明
国别省市：山东,37