[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

说明书

本发明公开了一种面向机械臂抓取的自然语言指令消歧方法及系统，包括以下步骤：标定物体抓取区域和释放区域的各点位置坐标；通过词预测模型训练生成词向量模型；对输入句子进行处理，基于词向量模型生成相应的句向量；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；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；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；通过堆栈确定句子时序逻辑中的指定物体；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。本发明实现自然语言指令之间语义的一致性判别，进一步指导机械臂完成抓取任务。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种面向机械臂抓取的自然语言指令消歧方法及系统。

背景技术

随着自然语言处理和人工智能技术的不断发展与突破，服务型机器人在人机交互中的表现更加自然。自然语言处理的语义消歧技术是指对于两个表达方式不同、语义相同的句子而言，能够实现两者之间语义的一致性判别。目前，对于复杂的、时序逻辑不同(语义相同)的自然语言指令而言，机器人难以正确理解其语义和实现语义的一致性判别。与此同时，自然语言指令控制机械臂已成为机器人操作研究领域的热点。机械臂已经能够根据简单的自然语言指令完成一些基本的操作任务，例如开关门、拿杯子等。然而由于自然语言指令表达的多样性，自然语言指令的消歧研究对于机械臂抓取至关重要。许多学者致力于去训练一个语义解析模型，将自然语言指令转化为一个可执行的逻辑程序，让机械臂再根据逻辑程序去实现抓取任务。

现有技术通过训练语义解析模型获得句子逻辑形式，其需要人工对不同的自然语言现象进行分类，并分别建立一个庞大的语料库，一一进行标注，进而通过神经网络模型进行训练，整个过程需要耗费大量的时间和人力。简单的自然语言指令通过训练好的语义解析模型会生成大量的逻辑程序，但其中包括许多虚假程序(部分能够实现自然语言指令的任务，但不能体现句子语义)。例如，当自然语言指令含有时序操作要求时，虚假程序虽然可能指导机械臂实现预期的任务效果，但是指导机械臂抓取的整个过程是错误的。因此，对于两句复杂的、时序逻辑不同(语义相同)并包含了不同自然语言现象的指令而言，训练一个获取句子逻辑形式的语义解析模型去实现句子之间的语义消歧是不可行的。即当前只能通过一些简单的自然语言指令指导机械臂完成基本的操作任务。对于复杂的、时序逻辑不同(语义相同)的自然语言指令而言，它们之间的语义消歧难以实现，进而不能正确指导机械臂实现相同的抓取任务。

发明内容

本发明的目的是提供一种面向机械臂抓取的自然语言指令消歧方法及系统，实现自然语言指令之间语义的一致性判别，进一步指导机械臂完成抓取任务。

为了解决上述技术问题，本发明提供了一种面向机械臂抓取的自然语言指令消歧方法，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。

作为本发明的进一步改进，所述步骤S1中位置坐标为机械臂末端的位姿。