[发明专利]基于概率本体的语义定位方法、装置及机器人

权利要求书

1.一种基于概率本体知识的语义定位方法，其特征在于，包括：

基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型；

基于所述实体贝叶斯网络模型，进行多次实例化，组合成目标态势贝叶斯网络，并推理出第一概率值；

在所述机器人存在目标历史任务数据的情况下，基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值；

基于所述第一概率值和所述第二概率值，采用权重因子进行计算，获取所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据；

其中，所述目标历史任务数据与所述机器人的操作对象的位置上下文信息具有对应关系，所述位置上下文信息包括物体类型、温度条件和用户偏好的一种或者多种。

2.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，在所述推理出第一概率值之后，还包括：在所述机器人不存在目标历史任务数据的情况下，将所述第一概率值作为所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据。

3.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，所述基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型，包括：

基于机器人的操作对象的位置上下文信息，构建概率本体模型；

将所述概率本体模型中的各目标要素，依据所述人类常识设计对应的局部概率，生成实体片段，并将各所述实体片段合并成所述多实体贝叶斯网络模型；

其中，所述目标要素至少包括所述操作对象的存储位置、所述操作对象的类型、所述操作对象的区域以及用户信息。

4.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，所述基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值，包括：

基于所述目标历史任务数据，采用狄利克雷分布，计算所述目标态势贝叶斯网络中各所述节点的概率分布，并更新所述目标态势贝叶斯网络；

基于更新后的所述目标态势贝叶斯网络，采用标准贝叶斯推理算法，获取所述第二概率值。

5.根据权利要求1所述的基于概率本体知识的语义定位方法，其特征在于，所述权重因子的计算公式为：

其中，α_t+1为第t+1时刻的权重因子，α_t为第t时刻的权重因子，n_t+1为第t+1时刻的所述目标历史任务数据的数量，n_t为第t时刻的所述目标历史任务数据的数量，d为所述权重因子衰减系数，m为衰减速度。

6.一种基于概率本体知识的语义定位装置，其特征在于，包括：

模型构建模块，用于基于机器人的操作对象的位置上下文信息和人类常识，进行概率本体知识表达，构建多实体贝叶斯网络模型；

第一概率获取模块，用于基于所述实体贝叶斯网络模型，进行多次实例化，组合成目标态势贝叶斯网络，并推理出第一概率值；

第二概率获取模块，用于在所述机器人存在目标历史任务数据的情况下，基于所述目标历史任务数据和所述目标态势贝叶斯网络，推理出第二概率值；

第一语义定位模块，用于基于所述第一概率值和所述第二概率值，采用权重因子进行计算，获取所述机器人的操作对象的定位结果，以使得所述机器人根据所述操作对象的定位结果执行任务并记录历史任务数据；

其中，所述目标历史任务数据与所述机器人的操作对象的位置上下文信息具有对应关系，所述位置上下文信息包括物体类型、温度条件和用户偏好的一种或者多种。

7.一种机器人，其特征在于，包括如权利要求6所述的基于概率本体知识的语义定位装置。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于概率本体知识的语义定位方法的步骤。