[发明专利]基于云边端架构的机器人展厅场景的多终端任务协同方法和装置

说明书

一种基于云边端架构的机器人展厅场景的多终端任务协同方法和装置，该方法包括：获取用户以及当前场景的信息并上传到边缘端；在边缘端通过机器学习模型和知识库进行用户意图推理，生成待执行的任务信息数据、用户和场景相关的特征数据；根据上述数据在云端通过大语言模型进行机器人以及二级设备的协同运行决策；在边缘端获得云端决策结果生成指令统一下发至机器人，由机器人统一分发执行。本发明基于云边端系统架构，可以实现机器人在展厅导览场景中快速应答，并且和场景中多个设备相互之间智能联动的效果。

技术领域：

本发明涉及导览场景中人工智能机器人的多终端任务协同领域，是一种基于云边端基础架构下的多终端任务生成、分发的方法和装置。适用于展厅导览过程中机器人与多设备终端协同工作的任务执行场景。

技术背景：

导览机器人主要用于展厅场景下，直接面向客户，针对展厅展品进行介绍和演示的机器人。其服务过程需要联动展厅中已有的多种终端设备协同工作以达到更好的展示讲解效果。比如：导览机器人需要根据当前展厅用户提问进行展厅内容的讲解、回答，根据用户人数、用户位置等信息判断是否需要开启扬声器设备，结合讲解进度在展厅的展示屏进行相应的内容展示。此外，机器人本身还需要具有迎接宾客，讲解、带路、送别等多重能力。

云边端的基础架构中：云：是传统云计算的中心节点，是边缘计算的管控端。边：是云计算的边缘侧，分为基础设施边缘和设备边缘，边涉及的概念是云的子集。端：是终端设备，如手机、lbs定位器、各类传感器、摄像头等。整体过程是通过云服务进行大规模的数据计算和存储管控。在边缘端进行具体业务场景的模型的计算和决策生成，通过边缘端进行数据的计算可以产生更快的网络服务响应，满足各行业在实时业务、应用智能、安全与隐私保护等方面的需求。最终生成的结果回归到端上进行具体的执行。通过云边端的架构可以极大缓解云端的计算负载，同时可以降低数据网络通信的延迟。

发明内容：

本发明要克服现有技术的上述缺点，提供基于云边端架构的机器人展厅场景的多终端任务协同方法和装置。

本发明设计了基于云边端架构的机器人展厅场景的多终端任务协同方法。通过该方法，在云端使用深度学习进行模型的训练，在云端进行知识图谱的生产和管理，在边缘端运行各个深度学习算法模型，计算得到的人物特征数据、场景特征数据、任务指令数据。将多种特征数据以及知识图谱数据作为输入，通过云端LLM计算出合理的输出返回到边缘端，最终发送给导览机器人，导览机器人作为端侧总控控制二级终端进行任务的运行。

本发明中将原本复杂的计算分别在边缘端、云端进行计算，并在终端侧通过机器人总控模块进行采集数据的预处理，从而从源头减少整体链路上的数据通信量和存储量。通过设立边缘端服务端，进一步解决了终端智能机器人的计算资源约束问题，同时也降低云端与终端智能机器人之间的通信延迟问题。通过云端知识库的存储管理能力还达成了多展厅之间知识库的共享能力。通过展厅中多种传感器设备实时获得的数据作为数据源参与推理决策，提升了导览机器人的智能化，本系统可以用于解决展厅机器人与多终端联合完成任务的问题。

本发明提供机器人展厅导览场景的云边端多终端任务协同方法，包括步骤：

步骤一：终端实时检测并获取用户以及当前场景的信息,上传到边缘端；

步骤二：边缘端通过机器学习模型和知识图谱，生成待执行的任务信息数据、用户和场景相关的特征数据；

步骤三：云端根据任务信息数据以及用户和场景相关的特征数据通过大语言模型进行机器人以及二级设备的协同运行决策；

步骤四：边缘端获得根据决策结果生成具体任务指令统一下发至机器人；

步骤五：机器人收到指令之后，对任务进行解析，分发到机器人本体和二级终端进行任务执行。

优选的，终端实时检测并获取用户及当前场景的具体过程包括：