[发明专利]知识分享处理方法、智能机器人设备、知识分享系统、任务学习系统

说明书

本发明公开一种用于机器人设备的知识分享的服务器端及机器人端处理方法、服务器、智能机器人设备、知识分享系统、以及任务学习系统，本发明实施例实现了利用机器人设备对智能模型和/或应用程序的使用来收集数据，和利用收集的数据信息对服务器端存储的智能模型和/或应用程序进行优化，并通过服务器与机器人设备交互的分享和分发架构，实现了从不同的多台机器人设备分布式地收集数据和实验的架构模式，解决了从一台机器人设备无法获取大量的数据，只能依靠仿真环境进行模型和程序的训练、优化而产生的模型优化效率低、无法复现真实情景等问题，使得智能模型和应用程序的优化速度得以显著提升。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种用于机器人设备的知识分享的服务器端处理方法、服务器、用于机器人设备的知识分享的机器人端处理方法、智能机器人设备、用于机器人设备的知识分享系统、以及机器人任务学习系统。

背景技术

近年来，以深度学习为代表的人工智能技术获得了显著的进步。尤其是在应用方面，已经能够对输入信息进行复杂的分析，例如图像中物品的识别和抓握点的分析，也能够对机器人动作依据任务的完成情况进行优化，例如谷歌公司利用深度强化学习技术优化机器人开门动作、苏黎世联邦理工学院利用仿真技术和深度强化学习技术优化名为ANYmal的四足机器人的步态。这些进步一定程度上将机器人应用程序或模型与具体机型或任务之间的关系解耦，使得机器人应用程序和模型的通用性获得增强。

然而，大多数应用于机器人且有效的人工智能模型是需要大量的数据和实验进行训练和优化的。而从一台机器人获取如此大量的数据是不现实的，且仿真环境无法全面准确地复现真实情景，这就导致了很难快速训练和优化出符合实际场景的有效人工智能模型。

发明内容

本发明实施例提供一种机器人设备的知识分享方案，以解决现有技术中难以快速训练和优化出符合实际场景的有效人工智能模型的问题。

第一方面，本发明实施例提供一种用于机器人设备的知识分享的服务器端处理方法，该方法包括：

从第一机器人设备获取第一数据信息存储，其中，所述第一数据信息为通过在第一机器人设备上使用本地智能模型和/或应用程序而得到的数据信息；

根据所述第一数据信息对服务器端存储的第一智能模型和/或第一应用程序进行优化，得到第二智能模型和/或第二应用程序存储；以及

将第二智能模型和/或第二应用程序传输至第二机器人设备，以使得所述第二机器人设备获得由于第一机器人设备的使用而获得优化的第一智能模型和/或第一应用程序。

第二方面，本发明实施例提供一种用于机器人设备的知识分享的机器人端处理方法，该方法包括：

从服务器端获取智能模型和/或应用程序；

在第一机器人设备上通过使用本地智能模型和/或应用程序获取第一数据信息存储；

将所述第一数据信息传输至所述服务器端，以使得所述服务器端能够根据所述第一数据信息对其上存储的所述智能模型和/或应用程序进行优化。

第三方面，本发明实施例提供了一种用于机器人设备的知识分享的服务器，其包括：

第一数据获取模块，用于从第一机器人设备获取第一数据信息存储，其中，所述第一数据信息为通过在第一机器人设备上使用本地智能模型和/或应用程序而得到的数据信息；

优化模块，用于根据所述第一数据信息对所述服务器上存储的所述第一智能模型和/或第一应用程序进行优化，得到第二智能模型和/或第二应用程序存储；以及

分发模块，用于将第二智能模型和/或第二应用程序传输至第二机器人设备，以使得所述第二机器人设备获得由于第一机器人设备的使用而获得优化的第一智能模型和/或第一应用程序。

第四方面，本发明实施例提供了一种智能机器人设备，其包括：