[发明专利]一种基于知识图谱推理机器人行为链路的方法

说明书

本发明公开了一种基于知识图谱推理机器人行为链路的方法，涉及人工智能机器人任务行为规划、知识图谱领域。本发明方法首先构建三元组知识图谱，再构建机器人本体知识图谱；然后根据构建的三元组知识图谱和机器人本体知识图谱规划行为树链路，得到完整的机器人行为目标；再根据行为树链路，获得所有路径；然后根据机器人能够执行的动作进行筛选路径，并对筛选后的链路进行排序；最后利用排序后的链路完成机器人行为链路规划。本发明方法将机器人行为控制问题转化为知识图谱求解问题。

技术领域

本发明涉及人工智能机器人任务行为规划、知识图谱领域，尤其涉及一种基于知识图谱推理机器人行为链路的方法。

背景技术

目前机器人行为控制多依赖于规则约束进行控制，在进行作业任务规划时，会遇到作业目标不存在或者无法直接作用于作业目标的问题（例如拿取鸡蛋不能直接完成，而是要分解为打开壁橱、拿取鸡蛋两个过程）；无法根据环境与认知推理复杂多步骤行为规划。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提出了一种基于知识图谱推理机器人行为链路的方法，其具体技术方案如下：

一种基于知识图谱推理机器人行为链路的方法，包括以下步骤：

步骤（1）构建三元组知识图谱，表征动作与物体之间的关系；

步骤（2）构建机器人本体知识图谱，表示物体之间的类别从属关系；

步骤（3）根据步骤（1）构建的三元组知识图谱和步骤（2）构建的机器人本体知识图谱规划行为树链路，该链路由一系列的动作和操作物体构成，得到完整的机器人行为目标；

步骤（4）根据步骤（3）规划得到的行为树链路，获得机器人完成动作任务的所有路径；

步骤（5）对步骤（4）获得的所有路径根据机器人能够执行的动作进行筛选，并对筛选后的链路进行排序，选择排序后最佳的行为链路；

步骤（6）利用步骤（5）排序后的链路完成机器人行为链路规划，规划过程是形成行为链路的过程。

进一步的，所述步骤（1）具体为：三元组知识图谱中三元组序列的节点由名词构成，该名词表示物体的名称或者是人物、动物的名称，并包含名词特征列表，名词特征列表能够修饰名词，作为名词的属性；节点之间关系为及物动词节点vt，表示源节点通过动作vt作用到目标节点。

进一步的，所述步骤（2）具体为：机器人本体知识图谱中的节点均为名词，该名词记作ontology节点，ontology节点包含描述该节点的标签labels，节点ontology之间具有有向边记作关联，关联为is关系，表示节点ontology之间的从属。

进一步的，所述步骤（3）具体为：

首先将由外部下达的机器人的语义命令，通过nlp自然语言处理后，生成包含主谓宾的命令格式：发起方s，任务的动作v，任务的作用目标o；

然后对语义命令的s、v、o展开搜索，其中o作为起始目标x，当目标x在机器人作业场景中不存在时，在机器人本体知识图谱中向上查询，即查询x的父类，获取ontology；如果ontology存在，那么获取ontology的所有子类，记作{ontology}c；如果ontology不存在，那么获取ontology的本体；依次类推进行搜索，直到获取到存在于场景中的ontology；

重复以上过程，获取不到ontology时，认为规划行为树链路规划失败；

其中在每次向上搜索本体（父类）时，都获取父类对应的子类，由所述子类构成了一个子类的集合，如果搜索出现有多个父类的情况，则对每个父类按照以上步骤进行搜索；如果出现一个子类别有多个父类别，增加父类别的权重；如果存在多个父类节点，那么依次对多个父类节点进行搜索查询，获得对应的子类节点，直到找到存在于场景中的本体节点集合，每个本体节点都包含权重；

最后将搜索出的节点即同时在场景中的作用目标，进行权重从大到小进行排序，获得最佳可实现操作的目标，以目标为基准进行逆向求解动作链路，进而得到完整的机器人行为目标。