[发明专利]一种面向机械臂抓取的自然语言指令消歧方法及系统

权利要求书

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；

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；

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；

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，则将两个组合成时序逻辑完整形式；

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。

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。

7.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。