基于概率本体的语义定位方法、装置及机器人制造方法及图纸

本发明专利技术提供一种基于概率本体的语义定位方法、装置及机器人，该方法包括：基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型；基于实体贝叶斯网络模型，进行多次实例化，组合成目标态势贝叶斯网络，并推理出第一概率值；在机器人存在目标历史任务数据的情况下，基于目标历史任务数据和目标态势贝叶斯网络，推理出第二概率值；基于第一概率值和第二概率值，采用权重因子进行计算，获取机器人的操作对象的定位结果，以使得机器人根据操作对象的定位结果执行任务并记录历史任务数据。本发明专利技术提供的基于概率本体的语义定位方法、装置及机器人，能够提高语义定位精度。能够提高语义定位精度。能够提高语义定位精度。

【技术实现步骤摘要】
基于概率本体的语义定位方法、装置及机器人


[0001]本专利技术涉及位置服务
，尤其涉及一种基于概率本体的语义定位方法、装置及机器人。

技术介绍

[0002]智能服务机器人在执行日常任务时，首先需要具备获取任务中目标物体的能力，因此搜索特定物体是服务机器人完成日常任务的关键一环。受益于传感器技术和感知算法的迅猛发展，近年来机器人的感知能力得到了明显提升。但人类生活环境中物体摆放位置与状态杂乱，如果机器人能够像人类一样，具有的常识性知识和积累经验能力来辅助搜索，将极大缩小物体检测和识别算法搜索空间。
[0003]本体是一种有效表现概念层次结构和语义的模型，成为机器人利用知识的重要工具。Tenorth等人提出一种知识处理系统KnowRob，其使用本体作为知识载体，通过定义物体类和位置属性存储物体语义位置。KnowRob同时支持抽象规则定义，将对象的属性知识与语义环境地图相结合，实现物体位置推理。Schuster等人提出一个基于本体的语义相似度模型。如果机器人知道一些物体的位置，它可以根据与已知物体的语义相似度获得新物体的位置。
[0004]可见，现有技术中的两种方法都是以本体作为知识表示及推理基础，可以为机器人提供丰富的物体位置语义信息。但受限于基于逻辑描述的网络本体语言，其只能表示机器人确定性位置信息，而实际应用中影响物体位置的因素很多，服务机器人操作物体位置总是存在不确定性，故语义定位精度较低。

技术实现思路

[0005]本专利技术提供一种基于概率本体的语义定位方法、装置及机器人，用以解决现有技术中语义定位精度低的缺陷，实现结合人类常识和历史任务的参考价值进行语义定位，提高语义定位精度。
[0006]本专利技术提供一种基于概率本体的语义定位方法，包括：
[0007]基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型；
[0008]基于所述实体贝叶斯网络模型，进行多次实例化，组合成目标态势贝叶斯网络，并推理出第一概率值；
[0009]在所述机器人存在目标历史任务数据的情况下，基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值；
[0010]基于所述第一概率值和所述第二概率值，采用权重因子进行计算，获取所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据；
[0011]其中，所述目标历史任务数据与所述机器人的操作对象的位置上下文信息具有对
应关系，所述位置上下文信息包括物体类型、温度条件和用户偏好的一种或者多种。
[0012]根据本专利技术提供的一种基于概率本体的语义定位方法，在所述推理出第一概率值之后，还包括：在所述机器人不存在目标历史任务数据的情况下，将所述第一概率值作为所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据。
[0013]根据本专利技术提供的一种基于概率本体的语义定位方法，所述基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型，包括：
[0014]基于机器人的操作对象的位置上下文信息，构建概率本体模型；
[0015]将所述概率本体模型中的各目标要素，依据所述人类常识设计对应的局部概率，生成实体片段，并将各所述实体片段合并成所述多实体贝叶斯网络模型；
[0016]其中，所述目标要素至少包括所述操作对象的存储位置、所述操作对象的类型、所述操作对象的区域以及用户信息。
[0017]根据本专利技术提供的一种基于概率本体的语义定位方法，所述基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值，包括：
[0018]基于所述目标历史任务数据，采用狄利克雷分布，计算所述目标态势贝叶斯网络中各所述节点的概率分布，并更新所述目标态势贝叶斯网络；
[0019]基于更新后的所述目标态势贝叶斯网络，采用标准贝叶斯推理算法，获取所述第二概率值。
[0020]根据本专利技术提供的一种基于概率本体的语义定位方法，所述权重因子的计算公式为：
[0021][0022]其中，α
t+1
为第t+1时刻的权重因子，α
t
为第t时刻的权重因子，n
t+1
为第t+1时刻的所述目标历史任务数据的数量，n
t
为第t时刻的所述目标历史任务数据的数量，d为所述权重因子衰减系数，m为衰减速度。
[0023]本专利技术还提供一种基于概率本体的语义定位装置，包括：
[0024]模型构建模块，用于基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型；
[0025]第一概率获取模块，用于基于所述实体贝叶斯网络模型，进行多次实例化，组合成目标态势贝叶斯网络，并推理出第一概率值；
[0026]第二概率获取模块，用于在所述机器人存在目标历史任务数据的情况下，基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值；
[0027]第一语义定位模块，用于基于所述第一概率值和所述第二概率值，采用权重因子进行计算，获取所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据；
[0028]其中，所述目标历史任务数据与所述机器人的操作对象的位置上下文信息具有对应关系，所述位置上下文信息包括物体类型、温度条件和用户偏好的一种或者多种。
[0029]本专利技术还提供一种机器人，包括如上所述的基于概率本体知识的语义定位装置。
[0030]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理
器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于概率本体的语义定位方法的步骤。
[0031]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于概率本体的语义定位方法的步骤。
[0032]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于概率本体的语义定位方法的步骤。
[0033]本专利技术提供的基于概率本体的语义定位方法、装置及机器人，基于概率本体知识表达，对物体存放位置不确定性进行规范化描述和建模，获取多实体贝叶斯网络模型，通过多次实例化泛化组合成目标态势贝叶斯网络，分别以人类常识和目标历史任务作为样本，在目标态势贝叶斯网络中推理出第一概率值和第二概率值，通过权重因子将第一概率值和第二概率值动态融合，得到定位结果并辅助机器人对操作对象在语义定位上进行认知。能够结合人类常识和历史任务的参考价值，提高语义定位精度，进而在非结构化人类生活环境下决策指导机器人对操作对象执行任务，提高任务执行效率。
附图说明
[0034]为了更清楚地说明本专利技术或现有技术中的技术方案，下面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概率本体知识的语义定位方法，其特征在于，包括：基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型；基于所述实体贝叶斯网络模型，进行多次实例化，组合成目标态势贝叶斯网络，并推理出第一概率值；在所述机器人存在目标历史任务数据的情况下，基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值；基于所述第一概率值和所述第二概率值，采用权重因子进行计算，获取所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据；其中，所述目标历史任务数据与所述机器人的操作对象的位置上下文信息具有对应关系，所述位置上下文信息包括物体类型、温度条件和用户偏好的一种或者多种。2.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，在所述推理出第一概率值之后，还包括：在所述机器人不存在目标历史任务数据的情况下，将所述第一概率值作为所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据。3.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，所述基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型，包括：基于机器人的操作对象的位置上下文信息，构建概率本体模型；将所述概率本体模型中的各目标要素，依据所述人类常识设计对应的局部概率，生成实体片段，并将各所述实体片段合并成所述多实体贝叶斯网络模型；其中，所述目标要素至少包括所述操作对象的存储位置、所述操作对象的类型、所述操作对象的区域以及用户信息。4.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，所述基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值，包括：基于所述目标历史任务数据，采用狄利克雷分布，计算所述目标态势贝叶斯网络中各所述节点的概率分布，并更新所述目标态势贝叶斯网络；基于更新后的所述目标态势贝叶斯网络，采用标准贝叶斯推理算法，获取所述第二概率值。5.根据权利...

【专利技术属性】
技术研发人员：葛悦光，王硕，张少林，鲁涛，蔡莹皓，温大勇，王睿，王海涛，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：