本发明专利技术公开了一种面向机械臂抓取的自然语言指令消歧方法及系统，包括以下步骤：标定物体抓取区域和释放区域的各点位置坐标；通过词预测模型训练生成词向量模型；对输入句子进行处理，基于词向量模型生成相应的句向量；通过损失函数计算两个句向量之间的相似度，初步判别两个句子之间语义的一致性；对句子提取有用词，并根据时间状语优先级重新排序，获得规定的句子时序逻辑形式；根据得到的句子时序逻辑形式，判别句子之间语义的一致性；通过堆栈确定句子时序逻辑中的指定物体；结合方位词和位置坐标，机械臂对指定物体进行抓取和摆放。本发明专利技术实现自然语言指令之间语义的一致性判别，进一步指导机械臂完成抓取任务。进一步指导机械臂完成抓取任务。进一步指导机械臂完成抓取任务。
【技术实现步骤摘要】
一种面向机械臂抓取的自然语言指令消歧方法及系统
[0001]本专利技术涉及自然语言处理
，具体涉及一种面向机械臂抓取的自然语言指令消歧方法及系统。
技术介绍
[0002]随着自然语言处理和人工智能技术的不断发展与突破，服务型机器人在人机交互中的表现更加自然。目前，由于国家对人工智能的大力扶持，智能服务型机器人的市场不断扩大，已有相关成熟的产品投入到了酒店、家庭、工厂等多种环境中。自然语言处理的语义消歧技术是指对于两个表达方式不同、语义相同的句子而言，能够实现两者之间语义的一致性判别。目前，对于复杂的、时序逻辑不同(语义相同)的自然语言指令而言，机器人难以正确理解其语义和实现语义的一致性判别。与此同时，自然语言指令控制机械臂已成为机器人操作研究领域的热点。机械臂已经能够根据简单的自然语言指令完成一些基本的操作任务，例如开关门、拿杯子等。然而由于自然语言指令表达的多样性，自然语言指令的消歧研究对于机械臂抓取至关重要。许多学者致力于去训练一个语义解析模型，将自然语言指令转化为一个可执行的逻辑程序，让机械臂再根据逻辑程序去实现抓取任务。
[0003]现有技术通过训练语义解析模型获得句子逻辑形式，其需要人工对不同的自然语言现象进行分类，并分别建立一个庞大的语料库，一一进行标注，进而通过神经网络模型进行训练，整个过程需要耗费大量的时间和人力。简单的自然语言指令通过训练好的语义解析模型会生成大量的逻辑程序，但其中包括许多虚假程序(部分能够实现自然语言指令的任务，但不能体现句子语义)。例如，当自然语言指令含有时序操作要求时，虚假程序虽然可能指导机械臂实现预期的任务效果，但是指导机械臂抓取的整个过程是错误的。因此，对于两句复杂的、时序逻辑不同(语义相同)并包含了不同自然语言现象的指令而言，训练一个获取句子逻辑形式的语义解析模型去实现句子之间的语义消歧是不可行的。即当前只能通过一些简单的自然语言指令指导机械臂完成基本的操作任务。对于复杂的、时序逻辑不同(语义相同)的自然语言指令而言，它们之间的语义消歧难以实现，进而不能正确指导机械臂实现相同的抓取任务。
技术实现思路
[0004]本专利技术的目的是提供一种面向机械臂抓取的自然语言指令消歧方法及系统，实现自然语言指令之间语义的一致性判别，进一步指导机械臂完成抓取任务。
[0005]为了解决上述技术问题，本专利技术提供了一种面向机械臂抓取的自然语言指令消歧方法，包括以下步骤：
[0006]S1：标定物体抓取区域和释放区域的各点位置坐标；
[0007]S2：对语料库进行分词处理后，通过词预测模型训练生成词向量模型；
[0008]S3：对输入句子进行处理，基于词向量模型生成相应的句向量；
[0009]S4：通过损失函数计算两个句向量之间的相似度，初步判别两个句子之间语义的
一致性，若一致则进行下一步骤，否则返回步骤S2；
[0010]S5：对句子提取有用词，并根据时间状语优先级重新排序，获得规定的句子时序逻辑形式；
[0011]S6：根据得到的句子时序逻辑形式，判别句子之间语义的一致性，若一致则进行下一步骤，否则返回步骤S2；
[0012]S7：通过堆栈确定句子时序逻辑中的指定物体；
[0013]S8：结合方位词和位置坐标，机械臂对指定物体进行抓取和摆放。
[0014]作为本专利技术的进一步改进，所述步骤S1中位置坐标为机械臂末端的位姿。
[0015]作为本专利技术的进一步改进，所述步骤S2中，所述词预测模型采用Skip_gram模型或CBOW模型，词经过one
‑
hot编码进入神经网络训练得到词向量模型。
[0016]作为本专利技术的进一步改进，所述步骤S3具体包括以下步骤：
[0017]S31：通过分词模块对句子进行分词，并统计句子分词的个数，记为n；
[0018]S32：计算每个词的权重，词的权重计算公式：
[0019][0020]其中，x
i
表示一个句子中词语i的个数，y
i
表示整个语料库中词语i的个数；
[0021]S33：结合词向量模型和词的权重，计算句向量，句向量计算公式：
[0022][0023]其中，sen_vec表示句向量，vec
i
表示词向量，weight
i
表示词的权重。
[0024]作为本专利技术的进一步改进，所述步骤S4中的两个句向量之间的相似度计算，相似度计算公式：
[0025][0026]其中，A
i
、B
i
分别是向量A和向量B的各分量，m表示向量的维度；
[0027]设定阈值为0.9，若相似度值大于0.9，则进行步骤S5；若相似度值小于0.9，则进行步骤S2。
[0028]作为本专利技术的进一步改进，所述步骤S5中具体包括以下步骤：
[0029]S51：通过分词模块对句子进行分词，提取有用词，删除停用词，所述有用词包括时间状语、动词、名词和属性词；
[0030]S52：根据时间状语优先级对时间状语进行排序，并将时间状语提到其所负责词的前面；
[0031]S53：对提取到的每个时间状语所负责的词进行判别，判别依据为时间状语后的名词是否有两个：若只有一个名词，则时序逻辑不完整；若有两个名词，则时序逻辑完整；其中，若只有一个时间状语所负责的时序逻辑不完整，则将其舍去；若有两个时间状语所负责的时序逻辑不完整，则将两个进行组合成时序逻辑完整形式；
[0032]S54：将动词提取到其对应的时序逻辑后面，删除时间状语，并对每个时序逻辑形式里的特定物体对调位置，获得规定的时序逻辑形式。
[0033]作为本专利技术的进一步改进，所述步骤S6具体包括以下步骤：遍历步骤S5中得到的时序逻辑形式，若除动词外，时序逻辑形式指令一致，则语义相同，进行步骤S7；若除动词外，时序逻辑指令不一致，则语义不同，返回步骤S2。
[0034]作为本专利技术的进一步改进，所述步骤S7具体包括以下步骤：将时序逻辑中的属性词压入到堆栈中，当物体存到堆栈中时则会弹出前面对应的参数词，并返回相应计算结果，循环往复，依次获取每个时序逻辑形式里的指定物体。
[0035]作为本专利技术的进一步改进，所述步骤S8具体包括以下步骤：根据S1中标记的坐标位置，对方位词进行赋值，机械臂根据方位词和具体赋值对指定物体进行抓取和摆放，并依次记录每个物体对应的位置。
[0036]一种面向机械臂抓取的自然语言指令消歧系统，包括：
[0037]标定单元，标定物体抓取区域和释放区域的各点位置坐标；
[0038]词向量模型，对语料库进行分词处理后，通过词预测模型训练生成词向量；
[0039]句向量模型，对输入句子进行处理，基于词向量模型生成相应的句向量；
[0040]相似度计算单元，通过损失函数计算两个句向量之间的相似度，初步判别两个句子之间语义的一致性，若一致则进行下一单元，否则返回词向量模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种面向机械臂抓取的自然语言指令消歧方法，其特征在于：包括以下步骤：S1：标定物体抓取区域和释放区域的各点位置坐标；S2：对语料库进行分词处理后，通过词预测模型训练生成词向量模型；S3：对输入句子进行处理，基于词向量模型生成相应的句向量；S4：通过损失函数计算两个句向量之间的相似度，初步判别两个句子之间语义的一致性，若一致则进行下一步骤，否则返回步骤S2；S5：对句子提取有用词，并根据时间状语优先级重新排序，获得规定的句子时序逻辑形式；S6：根据得到的句子时序逻辑形式，判别句子之间语义的一致性，若一致则进行下一步骤，否则返回步骤S2；S7：通过堆栈确定句子时序逻辑中的指定物体；S8：结合方位词和位置坐标，机械臂对指定物体进行抓取和摆放。2.如权利要求1所述的一种面向机械臂抓取的自然语言指令消歧方法，其特征在于：所述步骤S1中位置坐标为机械臂末端的位姿。3.如权利要求1所述的一种面向机械臂抓取的自然语言指令消歧方法，其特征在于：所述步骤S2中，所述词预测模型采用Skip_gram模型或CBOW模型，词经过one
‑
hot编码进入神经网络训练得到词向量模型。4.如权利要求1所述的一种面向机械臂抓取的自然语言指令消歧方法，其特征在于：所述步骤S3具体包括以下步骤：S31：通过分词模块对句子进行分词，并统计句子分词的个数，记为n；S32：计算每个词的权重，词的权重计算公式：其中，x
i
表示一个句子中词语i的个数，y
i
表示整个语料库中词语i的个数；S33：结合词向量模型和词的权重，计算句向量，句向量计算公式：其中，sen_vec表示句向量，vec
i
表示词向量，weight
i
表示词的权重。5.如权利要求4所述的一种面向机械臂抓取的自然语言指令消歧方法，其特征在于：所述步骤S4中的两个句向量之间的相似度计算，相似度计算公式：其中，A
i
、B
i
分别是向量A和向量B的各分量，m表示向量的维度；设定阈值为0.9，若相似度值大于0.9，则进行步骤S5；若相似度值小于0.9，则进行步骤S2。6.如权利要求1所述的一种面向机械臂抓取的自然语言指令消歧方法，其特征在于：所述步骤S5中具体包括以下步骤：S51：通过分词模块对句子进行分...
【专利技术属性】
技术研发人员：迟文政，叶荣广，徐晴川，刘杰，洪阳，孙立宁，
申请(专利权)人：苏州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。