專利名稱：用于識別和處理異常情況的機器人和方法
技術領域：
本發(fā)明的實施例涉及一種識別和處理可能在機器人正提供服務時發(fā)生的異常情況、例外情況或錯誤情況(在下文中統(tǒng)稱為異常情況)的機器人和方法。
背景技術：
與那些安裝在工業(yè)現場的按照相同的方式處理給定任務的機器人不同，安裝在家中的機器人需要在多種操作情況下提供服務，并靈活地處理在提供服務時由于操作情況的不確定性而可能發(fā)生的情況。但是，在現有技術中，當非預期的信息被輸入到機器人中或者由于操作情況的不確定性而發(fā)生設計者未預料的例外情況時，機器人將它們識別為輸入錯誤或者僅定義發(fā)生例外情況，而可能不能適當地識別和處理這樣的情況。在這種關系下，提出了這樣的機器人:使用由機器人的感測單元輸入的數據來配置分層數據結構，使用所述分層數據結構來增強機器人對環(huán)境情況的識別能力，并確定將來的情況以使得機器人可適當地處理非預期的情況。然而，如果機器人確定的情況與實際識別的情況不匹配，則機器人繼續(xù)探測周圍，直到確定的數據被輸入到機器人為止，或者僅僅是忽略這樣的情況。因此，現有技術的機器人可能不能適當地處理異常情況。

發(fā)明內容
因此，本發(fā)明的一方面在于提供一種用于基于除機器人的設計者預定義的輸入數據以外的輸入數據來識別由于噪聲或操作情況的不確定性是否發(fā)生異常情況，并執(zhí)行用于處理異常情況的處理任務的機器人和方法。在以下描述中將部分闡述本發(fā)明的另外的方面，還有一部分從描述中將是顯而易見的，或者可由本發(fā)明的實施而得知。根據本發(fā)明的一方面，一種機器人包括:感測單元，用于感測機器人的內部信息和外部信息；存儲單元，用于存儲由感測單元感測的信息、推斷模型、學習模型、機器人可提供的服務、用于提供服務的子任務以及用于處理異常情況的處理任務；控制器，用于根據用戶命令或通過存儲單元中的推斷模型來選擇將由機器人提供的服務，通過存儲單元中的學習模型確定在用于提供選擇的服務的子任務正被執(zhí)行時是否發(fā)生異常情況，如果確定發(fā)生異常情況，則通過存儲單元中的推斷模型選擇用于處理異常情況的處理任務。關于選擇將由機器人提供的服務的步驟，控制器可確定將由機器人提供的服務是否被選擇，如果將由機器人提供的服務沒有被選擇，則在存儲單元中檢索所述信息、推斷模型和機器人可提供的服務，并確定所述信息是否滿足推斷模型中包括的規(guī)則，從而選擇將由機器人提供的服務。關于確定異常情況是否發(fā)生的步驟，控制器可選擇用于提供選擇的服務的子任務，確定與所述子任務相應的學習模型是否在存儲單元中，如果在存儲單元中存在與所述子任務相應的學習模型，則從存儲單元檢索與選擇的子任務相應的學習模型并從存儲單元檢索與學習模型的輸入相應的信息，將檢索的信息輸入到學習模型，并基于來自學習模型的結果確定是否發(fā)生異常情況。如果在存儲單元中不存在與所述子任務相應的學習模型，則控制器可在存儲單元中檢索所述信息，通過將所述信息映射到異常情況的發(fā)生/未發(fā)生來訓練學習模型，并將經過訓練的學習模型存儲在存儲單元中，從而創(chuàng)建與所述子任務相應的學習模型。關于選擇用于處理異常情況的處理任務的步驟，控制器可在存儲單元中檢索所述信息、推斷模型和用于處理異常情況的處理任務，并確定所述信息是否滿足推斷模型中包括的規(guī)則，以選擇用于處理異常情況的處理任務。根據本發(fā)明的另一方面，一種用于識別和處理機器人中的異常情況的方法包括:根據用戶命令或通過機器人的存儲單元中的推斷模型來選擇將由機器人提供的服務；通過存儲單元中的學習模型來確定在用于提供選擇的服務的子任務正被執(zhí)行時是否發(fā)生異常情況；如果確定發(fā)生異常情況，則通過存儲單元中的推斷模型來選擇用于處理異常情況的處理任務。選擇的步驟可包括:確定將由機器人提供的服務是否被選擇；如果將由機器人提供的服務沒有被選擇，則在存儲單元中檢索機器人的內部信息和外部信息、推斷模型和機器人可提供的服務；確定所述信息是否滿足推斷模型中包括的規(guī)則，從而選擇將由機器人提供的服務。確定是否發(fā)生異常情況的步驟可包括:選擇用于提供選擇的服務的子任務；確定與所述子任務相應的學習模型是否在存儲單元中；如果在存儲單元中存在與所述子任務相應的學習模型，則從存儲單元檢索與選擇的子任務相應的學習模型并從存儲單元檢索與學習模型的輸入相應的信息；將檢索的信息輸入到學習模型，并基于來自學習模型的結果確定是否發(fā)生異常情況。確定是否發(fā)生異常情況的步驟可還包括:如果在存儲單元中沒有與所述子任務相應的學習模型，則在存儲單元中檢索所述信息；通過將所述信息映射到異常情況的發(fā)生/未發(fā)生來訓練學習模型；將經過訓練的學習模型存儲在存儲單元中，從而創(chuàng)建與所述子任務相應的學習模型。選擇處理任務的步驟可包括:在存儲單元中檢索所述信息、推斷模型和用于處理異常情況的處理任務；確定所述信息是否滿足推斷模型中包括的規(guī)則，以選擇用于處理異常情況的處理任務。


通過結合附圖對實施例的以下描述，本發(fā)明的這些和/或其他方面將變得清楚并更易于理解，其中:圖1是示意性地示出根據本發(fā)明的實施例的用于識別和處理異常情況的機器人的配置的框圖；圖2是示出根據本發(fā)明的實施例的存儲在機器人的存儲單元中的內容的框圖；圖3是示出根據本發(fā)明的實施例的用于創(chuàng)建學習模型的方法的流程圖；圖4是示出根據本發(fā)明的實施例的由機器人執(zhí)行的，用于識別異常情況并選擇處理任務的方法的流程圖。
具體實施例方式現在將詳細描述本發(fā)明的實施例，其示例在附圖中被示出，其中，相同的標號始終是指相同的元件。圖1是示意性地示出根據本發(fā)明的實施例的用于識別和處理異常情況的機器人的配置的框圖，圖2是示出根據本發(fā)明的實施例的存儲在機器人的存儲單元中的內容的框圖，圖3是示出根據本發(fā)明的實施例的用于創(chuàng)建學習模型的方法的流程圖。參照圖1和圖2，根據本發(fā)明的實施例的機器人包括:感測單元101，用于感測機器人的內部信息和外部信息；存儲單元102，用于存儲由感測單元101感測的信息、推斷模型202、學習模型203、機器人可提供的服務204、用于提供服務的子任務205以及用于處理異常情況的處理任務206 ;控制器103，用于選擇將由機器人提供的服務，確定在用于提供服務的子任務正被執(zhí)行時是否發(fā)生異常情況，并且如果確定發(fā)生異常情況，則選擇針對所述異常情況的應對任務；驅動單元104，用于驅動機器人以提供由控制器103選擇的服務，并驅動機器人的胳膊和腿以由控制器等完成子任務或處理任務。感測單元101包括布置在機器人中的多個傳感器。可包括用于感測機器人的內部信息的傳感器(諸如用于感測在機器人的接合處(joint)上設置的電動機的扭矩的加速度傳感器、用于感測機器人的位置、速度、加速度等的慣性傳感器、用于感測傾斜度的傾斜傳感器、或陀螺儀傳感器)以及用于感測機器人的外部環(huán)境的傳感器或用于感測用戶信息的傳感器(諸如用于感測視覺信息的視覺傳感器、用于感測聽覺信息的音頻傳感器、用于感測觸覺信息的觸覺傳感器、用于感測距物體的距離的超聲傳感器、用于感測溫度的溫度傳感器、或用于感測濕度的濕度傳感器)。存儲單元102存儲由感測單元101感測的關于機器人、環(huán)境和用戶的信息201、推斷模型202、學習模型203、機器人可提供的服務204、用于提供服務的子任務205以及用于處理異常情況的處理任務206。關于機器人、環(huán)境和用戶的信息201包括機器人信息、機器人外部環(huán)境信息和用
戶信息。機器人信息包括由機器人的加速度傳感器感測的在機器人的接合處上設置的電動機的扭矩值、由慣性傳感器感測的機器人的位置、速度和加速度值等。機器人外部環(huán)境信息包括由視覺傳感器感測的視覺信息、由溫度傳感器感測的溫度、由濕度傳感器感測的濕度、以及通過處理視覺信息或聽覺信息而產生的指示對象是否損壞或者地板是否臟的信息。用戶信息包括由視覺傳感器感測的視覺信息、由音頻傳感器感測的聽覺信息、以及通過處理視覺信息或聽覺信息而產生的指示用戶是否口渴或是否饑餓的信息。例如，當用戶說“我渴了”時，機器人的感測單元101的音頻傳感器感測用戶的語音，并且指示用戶口渴的信息被存儲在存儲單元102中。機器人可提供的服務204包括機器人可按照適于機器人的目的而提供的所有類型的服務，諸如遞送飲料、準備膳食、清掃等。機器人可提供的服務204由用于提供服務的子任務205組成，所述子任務205按照預定順序與機器人可提供的服務204相關聯地存儲在存儲單元102中。
用于提供服務的子任務205是指機器人執(zhí)行的用于提供服務的各個動作，例如，提起特定物體的任務、移動到特定位置的任務、通知用戶特定信息的任務等。通過按順序執(zhí)行用于提供服務的子任務205來實現機器人可提供的服務204。例如，將飲料遞送給用戶的服務明確包括搜索飲料的任務、拿起飲料的任務、攜帶飲料移向用戶的任務、以及將飲料遞給用戶的任務，所述任務需要按預定順序來執(zhí)行以完成將飲料遞送給用戶的服務。異常情況是指正在執(zhí)行用于提供服務的子任務之一的機器人可能不能執(zhí)行下一子任務的情況。例如，正在執(zhí)行搜索飲料的任務以提供飲料遞送服務的機器人可能不能找到飲料的情況，以及正在執(zhí)行攜帶飲料移向用戶的任務的機器人落下容納飲料的杯子的情況。用于處理異常情況的處理任務206是指在識別出異常情況時由機器人執(zhí)行以處理異常情況的各個動作。處理任務206的示例包括:在機器人在執(zhí)行搜索飲料的任務中可能不能找到飲料的情況下用于向用戶通知指示沒有找到飲料的信息的任務、以及在機器人在執(zhí)行攜帶飲料移向用戶的任務中落下容納飲料的杯子的情況下用于拾起容納飲料的杯子的任務。推斷模型202用于使用若干命題(包括事實和規(guī)則)來推斷新信息，所述推斷模型202的示例包括一階邏輯(FOL)和貝葉斯網絡。存儲在存儲單元102中的推斷模型202包括與對將由機器人提供的服務的選擇相關的規(guī)則以及與對用于處理異常情況的處理任務的選擇相關的規(guī)則。例如，存儲在存儲單元102中的推斷模型202可包括:“如果用戶口渴，則遞送飲料”的規(guī)則、“如果用戶忙并且地板臟，則清掃地板”的規(guī)則、“如果用戶餓了，則準備膳食”的規(guī)則、“如果有未損壞的物體，則拾起該物體”的規(guī)則以及“如果物體損壞并且用戶不忙，則通知用戶”的規(guī)則。學習模型203是一種用于針對輸入數據計算輸出數據的映射函數，所述學習模型203的示例包括支持向量機(SVM)。在接收到輸入數據時，學習模型輸出與輸入數據相應的輸出數據?；旧?，學習模型203由機器人的設計者預定義并被存儲在存儲單元102中。然而，在存儲單元102中沒有與由機器人提供的服務相應的學習模型的情況下，控制器103從存儲單元102檢索與學習模型的產生相關的信息201，以創(chuàng)建學習模型。學習模型的產生意味著用于從訓練數據推斷學習模型的一系列處理，其中，所述訓練數據包括輸入數據和相應的輸出數據。參照圖3，由控制器103產生學習模型203的具體處理包括:控制器103收集與學習模型相關的訓練數據的操作301、控制器103通過將輸入數據映射到訓練數據中的輸出數據來訓練學習模型的操作302、以及控制器103將經過訓練的學習模型存儲在存儲單元102中的操作303。訓練數據包括與在用于提供選擇的服務的子任務正被執(zhí)行時可能發(fā)生的異常情況相關的信息以及異常情況的發(fā)生/未發(fā)生。將描述以下示例，在該示例中，控制器103通過接收機器人的手部接合處的扭矩值來創(chuàng)建確定機器人是否正握住物體的學習模型，從而通過該學習模型確定異常情況。
具體地講，假設機器人的手部被設計為具有二十二個接合處，拇指、食指和中指中包括的九個接合處對握住物體起主要作用，其中，所述九個接合處的九個扭矩值可被定義為九階向量。當機器人正握住物體時，控制器103實時測量所述九個扭矩值若干次，并在各個測量時序將所述九個扭矩值存儲為輸入數據和作為輸出數據的(+1)。此外，當機器人落下物體時，控制器103實時測量所述九個扭矩值若干次，并在各個測量時序將所述九個扭矩值存儲為輸入數據和作為輸出數據的(-1)。控制器103可通過將輸入數據(即，所述九個扭矩值)映射到輸出數據來創(chuàng)建學習模型。當機器人正在執(zhí)行用于提供服務的子任務時，在感測單元101實時測量包括在機器人的拇指、食指和中指中的接合處的九個扭矩值并且控制器103輸入所述九個扭矩值以創(chuàng)建學習模型時，學習模型輸出(+1)或(-1)。此外，控制器103可通過學習模型的輸出來確定機器人是否落下了物體。控制器103通過存儲單元102中的推斷模型202選擇將由機器人提供的服務，通過存儲單元102中的學習模型203來確定在執(zhí)行用于提供選擇的服務的子任務中是否發(fā)生異常情況，并且，如果確定發(fā)生異常情況，則通過存儲單元102中的推斷模型202選擇用于處理所述異常情況的任務。對于選擇將由機器人提供的服務，控制器103確定將由機器人提供的服務是否被選擇。如果將由機器人提供的服務未被選擇，則控制器103從存儲單元102檢索關于機器人和用戶的周圍的信息201、推斷模型202和機器人可提供的服務204，并通過檢索的信息201和推斷模型202選擇將由機器人提供的服務。具體地講，控制器103針對機器人可提供的服務中的每一個服務確定存儲單元102中的信息201是否滿足包括在推斷模型202中的規(guī)則，以選擇將由機器人提供的服務。例如，假設“用戶I 口渴”的信息、“用戶I忙”的信息、“用戶2忙”的信息以及“起居室干凈”的信息被存儲在存儲單元102中，包括“如果用戶口渴，則遞送飲料”的規(guī)則、“如果用戶忙并且地板臟，則清掃地板”的規(guī)則以及“如果用戶餓了，則準備膳食”的規(guī)則的推斷模型被存儲在存儲單元102中，并且飲料遞送服務、膳食準備服務以及清掃服務被存儲在存儲單元102中?？刂破?03從存儲單元102檢索所述信息、推斷模型和機器人可提供的服務。然后，控制器103確定檢索的信息是否滿足推斷模型的規(guī)則。具體地講，控制器103從“用戶I 口渴”的信息推斷要將飲料遞送給用戶1，并且控制器103對用戶I選擇飲料遞送服務作為將由機器人提供的服務。按照類似方式，由于用戶I和用戶2不餓，因此控制器103不選擇膳食準備服務，并且由于起居室干凈，因此控制器103不選擇清掃服務?？刂破?03在與選擇的服務相應的多個任務205中選擇將由機器人按照預定順序執(zhí)行的子任務。此外，控制器103確定與選擇的子任務相應的學習模型是否在存儲單元102中，如果確定與選擇的子任務相應的學習模型在存儲單元102中，則控制器103從存儲單元102檢索與選擇的子任務相應的學習模型。如果確定在存儲單元102中沒有與選擇的子任務相應的學習模型，則控制器103從存儲單元102檢索信息201，并創(chuàng)建與選擇的子任務相應的學習模型。
控制器103從存儲單元102檢索用于提供選擇的服務的子任務，并根據所述子任務控制驅動單元104。例如，飲料遞送服務可包括搜索飲料的任務、拿起飲料的任務、攜帶飲料移向用戶的任務以及將飲料遞給用戶的任務，控制器103檢索搜索飲料的任務，根據搜索飲料的任務控制驅動單元104。如果找到飲料，則搜索飲料的任務完成，控制器103從存儲單元102檢索拿起飲料的任務，以相應地控制驅動單元104。按照類似的方式，控制器103控制驅動單元，使得機器人按順序執(zhí)行包括在飲料提供服務中的所有子任務。驅動單元104通過根據來自控制器103的控制信號驅動機器人的胳膊、腿等，來實現選擇的服務。在執(zhí)行選擇的子任務的過程中，控制器103從存儲單元102檢索與學習模型203的輸入相應的信息201,將檢索的信息201輸入到學習模型203,并基于結果確定是否發(fā)生異常情況。例如，假設在接收到機器人的手部的九個扭矩值時學習模型203被存儲為:當機器人握住杯子時輸出(+1)，并當機器人落下杯子時輸出(-1)。在機器人正在執(zhí)行攜帶物體移向用戶的任務時，控制器103在存儲單元102中檢索九個扭矩值和學習模型203，并將所述九個扭矩值輸入到學習模型203。這樣做，如果從學習模型的輸出是(+1)，則控制器103可確定機器人正握住物體，因此沒有發(fā)生異常情況，而如果從學習模型的輸出是(-1)，則控制器103可確定機器人落下了物體，因此發(fā)生異常情況。如果發(fā)生異常情況，則控制器103從存儲單元102檢索關于機器人和用戶的周圍的信息201、推斷模型202以及用于處理異常情況的任務206，確定檢索的信息201是否滿足推斷模型202中包括的規(guī)則，并選擇用于處理異常情況的處理任務。例如，如果在機器人在執(zhí)行將物體遞送給用戶的任務時落下所述物體并且用戶忙的情況下發(fā)生異常情況，則“物體被損壞”的信息、“地板臟”的信息和“用戶忙”的信息被存儲在存儲單元102中。此外，假設包括“如果用戶忙并且地板臟，則清掃地板”的規(guī)則、“如果有未損壞的物體，則拾起所述物體”的規(guī)則和“如果有損壞的物體并且用戶不忙，則通知用戶”的規(guī)則的推斷模型202被存儲在存儲單元102中，并且通知用戶的任務、拾起物體的任務、和清掃地板的任務被存儲為用于處理異常情況的處理任務?？刂破?03檢索所述信息、推斷模型和用于處理異常情況的處理任務，確定檢索的信息是否滿足推斷模型的規(guī)則，并選擇用于處理異常情況的處理任務。由于物體被損壞，因此控制器103不選擇拾起物體的任務。并且由于用戶忙，因此控制器103不選擇通知用戶的任務。由于用戶忙并且地板臟，因此控制器103選擇清掃地板的任務?？刂破?03根據清掃地板的任務來控制驅動單元104，并且機器人的胳膊和腿實現清掃地板的任務。圖4是示出根據本發(fā)明的實施例的由機器人確定異常情況是否發(fā)生并選擇處理任務的方法的流程圖。根據本發(fā)明的實施例，將參照圖4描述控制器103進行的用于確定異常情況和用于選擇處理任務的操作?？刂破?03確定將由機器人提供的服務是否被選擇(401)。如果將由機器人提供的服務被選擇，則控制器103不選擇將由機器人提供的服務，而是選擇用于提供選擇的服務的子任務(411)。如果將由機器人提供的服務沒有被選擇，則從存儲單元102檢索關于機器人和用戶的周圍的信息以及推斷模型。然后，控制器103確定存儲單元102中的信息是否滿足推斷模型中包括的規(guī)則，以選擇將由機器人提供的服務(403)。如果將由機器人提供的服務被選擇，則控制器103選擇用于提供選擇的服務的子任務(411)。用于提供選擇的服務的子任務按照預定順序被存儲以提供服務，并且控制器103按照所述預定順序選擇子任務(411)。如果將由機器人執(zhí)行的子任務被選擇，則控制器103確定與選擇的子任務相應的學習模型是否在存儲單元102中(412)。如果沒有與選擇的子任務相應的學習模型，則控制器103通過收集訓練數據的操作301、使用所述訓練數據訓練學習模型的操作302和將經過訓練的學習模型存儲在存儲單元102中的操作303來創(chuàng)建與選擇的子任務相應的學習模型(419)。如果在存儲單元102中存在與選擇的子任務相應的學習模型，則控制器103從存儲單元102檢索與選擇的子任務相應的學習模型(413)。然后，控制器103從存儲單元102檢索選擇的子任務，并根據檢索的子任務控制機器人的驅動單元104，以使機器人執(zhí)行選擇的子任務(414)。當選擇的子任務正被執(zhí)行時，控制器103從存儲單元102檢索與學習模型的輸入相應的信息(415)，將檢索的信息輸入到學習模型，并基于來自學習模型的輸出確定是否發(fā)生異常情況(416)。如果確定沒有發(fā)生異常情況，則控制器103確定選擇的子任務是否被完成(417)。如果選擇的子任務未被完成，則控制器103實時地重復以下處理:從存儲單元102檢索與學習模型的輸入相應的信息(415)，將檢索的信息輸入到學習模型，并通過基于來自學習模型的輸出確定是否發(fā)生異常情況(416)。也就是說，控制器103檢索存儲單元102中的信息，將所述信息輸入到學習模型，并基于輸出來監(jiān)控是否發(fā)生異常情況，直到選擇的子任務被完成為止。如果選擇的子任務被完成，則控制器103確定由機器人提供的服務是否被完成(418)。如果由機器人提供的服務未被完成，則控制器103選擇用于提供所述服務的下一子任務(411)。如果由機器人提供的服務被完成，則控制器103待機以選擇下一服務。如果確定發(fā)生異常情況，則控制器103從存儲單元102檢索關于機器人和用戶的周圍的信息、推斷模型以及用于處理異常情況的處理任務(421)?？刂破?03確定存儲單元102中的信息是否滿足推斷模型中包括的規(guī)則，以選擇用于處理異常情況的處理任務(422 )。然后，控制器103根據選擇的處理任務控制機器人的驅動單元104，以使機器人執(zhí)行選擇的處理任務(423)。當用于處理異常情況的處理任務被完成時，控制器103再次選擇用于提供選擇的服務的子任務(404)，并按順序執(zhí)行所述子任務，以完成提供選擇的服務的步驟。從以上描述清楚的是，通過使用學習模型確定是否發(fā)生異常情況并使用推斷模型選擇用于處理異常情況的處理任務，即使除預定義的輸入數據以外的輸入數據(未見過的輸入)由于噪聲或機器人的操作情況的不確定性被輸入到機器人中，學習模型也不將其識別為輸入錯誤，而是可輸出與其相應的數據，并且基于所述輸出數據，機器人的控制器可確定是否發(fā)生異常情況。此外，控制器可選擇用于處理異常情況的處理任務并使機器人執(zhí)行所述處理任務。盡管已顯示和描述了本發(fā)明的一些實施例，但是本領域的技術人員將理解，在不脫離本發(fā)明的原理和精神的情況下，可在這些實施例中進行改變，本發(fā)明的范圍在權利要求及其等同物中被限定。
權利要求
1.一種機器人,包括: 感測單元，用于感測機器人的內部信息和外部信息； 存儲單元，用于存儲由感測單元感測的信息、推斷模型、學習模型、機器人可提供的服務、用于提供服務的子任務以及用于處理異常情況的處理任務； 控制器，用于根據用戶命令或 通過推斷模型來選擇將由機器人提供的服務，選擇用于提供選擇的服務的子任務，并通過學習模型確定在選擇的子任務正被執(zhí)行時是否發(fā)生異常情況。
2.根據權利要求1所述的機器人，其中，控制器確定將由機器人提供的服務是否被選擇，如果將由機器人提供的服務沒有被選擇，則在存儲單元中檢索所述信息、推斷模型和機器人可提供的服務，并確定所述信息是否滿足推斷模型中包括的規(guī)則，從而選擇將由機器人提供的服務。
3.根據權利要求1所述的機器人，其中，控制器確定與所述子任務相應的學習模型是否在存儲單元中，如果在存儲單元中存在與所述子任務相應的學習模型，則從存儲單元檢索與選擇的子任務相應的學習模型并從存儲單元檢索與學習模型的輸入相應的信息，將檢索的信息輸入到學習模型，并基于來自學習模型的結果確定是否發(fā)生異常情況。
4.根據權利要求3所述的機器人，其中，如果在存儲單元中不存在與所述子任務相應的學習模型，則控制器在存儲單元中檢索所述信息，通過將所述信息映射到異常情況的發(fā)生/未發(fā)生來訓練學習模型，并將經過訓練的學習模型存儲在存儲單元中，從而創(chuàng)建與所述子任務相應的學習模型。
5.根據權利要求1所述的機器人，其中，如果確定發(fā)生異常情況，則控制器通過推斷模型選擇用于處理異常情況的處理任務。
6.根據權利要求5所述的機器人，其中，控制器檢索存儲單元中的所述信息、推斷模型和用于處理異常情況的處理任務，并確定所述信息是否滿足推斷模型中包括的規(guī)則，以選擇用于處理異常情況的處理任務。
7.一種用于在機器人中識別和處理異常情況的方法，所述方法包括: 感測機器人的內部信息和外部信息； 根據用戶命令或通過機器人的存儲單元中的推斷模型來選擇將由機器人提供的服務; 選擇用于提供選擇的服務的子任務； 通過存儲單元中的學習模型來確定在所述子任務正被執(zhí)行時是否發(fā)生異常情況。
8.根據權利要求7所述的方法，其中，選擇服務的步驟包括: 確定將由機器人提供的服務是否被選擇； 如果將由機器人提供的服務沒有被選擇，則在存儲單元中檢索機器人的所述信息、推斷模型和機器人可提供的服務； 確定所述信息是否滿足推斷模型中包括的規(guī)則，從而選擇將由機器人提供的服務。
9.根據權利要求7所述的方法，其中，確定的步驟包括: 確定與所述子任務相應的學習模型是否在存儲單元中； 如果在存儲單元中存在與所述子任務相應的學習模型，則從存儲單元檢索與選擇的子任務相應的學習模型并從存儲單元檢索與學習模型的輸入相應的信息；將檢索的信息輸入到學習模型， 基于來自學習模型的結果確定是否發(fā)生異常情況。
10.根據權利要求9所述的方法，其中，確定是否發(fā)生異常情況的步驟還包括: 如果在存儲單元中沒有與所述子任務相應的學習模型，則在存儲單元中檢索機器人的內部信息和外部信息； 通過將所述信息映射到異常情況的發(fā)生/未發(fā)生來訓練學習模型； 將經過訓練的學習模型存儲在存儲單元中，從而創(chuàng)建與所述子任務相應的學習模型。
11.根據權利要求7所述的方法，還包括:如果確定發(fā)生異常情況，則通過存儲單元中的推斷模型選擇用于處理異常情況的處理任務。
12.根據權利要求11所述的方法，其中，選擇處理任務的步驟包括: 檢索存儲單元中的機器人的內部信息和外部信息、推斷模型和用于處理異常情況的處理任務； 確定所述信息是否滿足推斷模型中包括的規(guī)則，以選擇用于處理異常情況的處理任務。
全文摘要
在此公開了一種用于識別和處理異常情況的機器人和方法。所述機器人包括感測單元，用于感測機器人的內部信息和外部信息；存儲單元，用于存儲由感測單元感測的信息、推斷模型、學習模型、機器人可提供的服務、用于提供服務的子任務以及用于處理異常情況的處理任務；控制器，用于通過存儲單元中的學習模型來確定在用于提供選擇的服務的子任務正被執(zhí)行時是否發(fā)生異常情況，如果確定發(fā)生異常情況，則通過存儲單元中的推斷模型選擇用于處理異常情況的處理任務。即使除機器人的設計者定義的數據以外的數據由于噪聲或操作環(huán)境被輸入到機器人中，所述機器人也可識別和處理異常情況。
文檔編號B25J19/02GK103203753SQ201310012878
公開日2013年7月17日 申請日期2013年1月14日 優(yōu)先權日2012年1月12日
發(fā)明者張峻源, 盧慶植 申請人:三星電子株式會社