[发明专利]一种基于深度学习的评测实体机器人响应的方法及其系统

说明书

本发明提供了一种基于深度学习的评测实体机器人响应的方法，该方法为：S1、监控每台实体机器人的情况，将对应的机器人设备信息推送给用户；创建评测任务，选择要评测的机器人，设置要评测的机器人执行环节的响应时间、次数、时长；S2、监控是否有待评测任务，若是，则根据评测任务下发的评测信息，发起执行评测请求；S3、存储每台机器人的评测数据，以实体机器人及每次测试作为唯一标识来记录数据；S4、对评测的结果进行数据分析、评测结果的统计、评测覆盖率，以图形化的方式进行展示；S5、针对每次测试的方式及输出的测试数据进行深度学习，优化测试方式及测试报告；完成实体机器人的各个能力的响应速度的评测，提升了评测结果的可信度。

技术领域

本发明涉及机械自动化测试领域，特别是一种基于深度学习的评测实体机器人响应的方法及其系统。

背景技术

实体机器人的响应速度是机器人很重要的指标，其直接影响机器人的灵活度。目前机器人有各种评测的标准，但是仅仅针对整体的机器人响应速度做测试，并且测试的方式很繁琐，准确性不高。在研发机器人的过程中需要对机器人的每个执行环节的响应速度进行评测，使得机器人整体的响应速度能到达标准，甚至能够达到业界的顶峰。

深度学习 (DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI,Artificial Intelligence) 。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

现有技术中的激情人响应的测试存在如下缺点：1、业界中实体机器人响应测试多数是等机器人装配好后，使用人工及秒表的方式对其整体响应速度进行测试，这种测试方式繁琐且测试效率低。

2、实体机器人由机械臂、语音对话、人脸识别、视频图像等等多个模块组成，并且每个模块中也存在多个组件组成，比如语音对话，涉及到麦克风的拾音能力及语音识别等等，若只是按整机去测试，会出现无法精确定位问题，到底是哪个节点响应速度慢。

3、实体机器人是由软硬件组成，每台设备多少会存在区别，并且受使用环境，比如说网络的不同，也会影响机器人的响应速度，对于每台实体机器人应该进行监控及评测是很有必要，若是以目前的人工技术进行测试，达不到对应的效果，并且人工成本很高，对于一些运营中的机器人不可能进行多次现场测试。

4、每次新增实体机器人或者新增新的能力，就需要进行评测，这个是很庞大的工作量，并且人工进行评测也很吃力，人工的能力无法达到。

发明内容

为克服上述问题，本发明的目的是提供一种基于深度学习的评测实体机器人响应的方法，能自动化完成实体机器人的各个能力的响应速度的评测，从多方面去考核实体机器人的能力，提升了评测结果的可信度。

本发明采用以下方案实现：一种基于深度学习的评测实体机器人响应的方法，所述方法包括如下步骤：

步骤S1、监控每台实体机器人的情况，将对应的机器人设备信息推送给用户，能实时了解设备情况；创建评测任务，选择要评测的机器人，设置要评测的机器人执行环节的响应时间、次数、时长；

步骤S2、监控是否有待评测任务，若是，则根据评测任务下发的评测信息，发起执行评测请求，下发执行评测命令，执行评测；否，则等待消息；

步骤S3、存储每台机器人的评测数据，以实体机器人及每次测试作为唯一标识来记录数据，为后续进行数据分析及深度学习做准备；

步骤S4、对评测的结果进行数据分析、评测结果的统计、评测覆盖率，以图形化的方式进行展示；