本申请提供一种岗位数据存储方法、装置及岗位机器人。该方法包括：获取自身采集的感知数据；将感知数据输入至预设的岗位技能模型中进行处理，生成与感知数据对应的岗位数据；根据预先构建的记忆存储模型对岗位数据进行识别，以确定岗位数据的存储类型；其中，存储类型包括：不存储、本地暂存以及云端数据库永久存储；根据岗位数据的存储类型对岗位数据进行存储。通过上述方式，一来可以将存储的数据与岗位机器人的场景相结合，使得岗位机器人的“记忆”具有岗位行业特性，便于岗位机器人有效、且快速地利用存储的数据。二来，通过上述分类存储方式可以针对不同的岗位数据进行针对性地分类存储，该方式也降低了岗位机器人的存取压力。力。力。
【技术实现步骤摘要】
一种岗位数据存储方法、装置及岗位机器人
[0001]本申请涉及机器人
，具体而言，涉及一种岗位数据存储方法、装置及岗位机器人。
技术介绍
[0002]随着社会的发展和科学技术的不断进步，越来越来的机器人进入到用户的日常生活中。针对不同的场景下有不同的机器人，比如针对仓储环境设计有仓储机器人，针对酒店等公共环境设计有服务机器人。
[0003]然而，专利技术人在实践中发现，目前的机器人，在数据存储时会将所有采集的数据进行存储，且通常是将所有数据上传至云端，该方式会对机器人造成过大的存取压力，同时，机器人若需要使用存储的此类采集数据时，还需要再次对采集数据进行解析识别，无法有效、且快速地利用存储的数据。
技术实现思路
[0004]本申请实施例的目的在于提供一种岗位数据存储方法、装置及岗位机器人，以改善“机器人存取数据压力大，且无法有效、且快速地利用存储的数据”的问题。
[0005]本专利技术是这样实现的：第一方面，本申请实施例提供一种岗位数据存储方法，应用于岗位机器人，所述方法包括：获取自身采集的感知数据；其中，所述感知数据与自身预先配置的岗位身份相关联；将所述感知数据输入至预设的岗位技能模型中进行处理，生成与所述感知数据对应的岗位数据；根据预先构建的记忆存储模型对所述岗位数据进行识别，以确定所述岗位数据的存储类型；其中，所述存储类型包括：不存储、本地暂存以及云端数据库永久存储；根据所述岗位数据的存储类型对所述岗位数据进行存储。
[0006]在本申请实施例中，岗位机器人在获取自身采集的感知数据后，将其输入至预设的岗位技能模型中，进而得到与岗位相关联的岗位数据；然后再将岗位数据进行识别，以针对不同的岗位数据采用不同的存储方式，通过上述方式，一来可以将存储的数据与岗位机器人的场景相结合，使得岗位机器人的“记忆”具有岗位行业特性，便于岗位机器人有效、且快速地利用存储的数据。二来，通过上述分类存储方式可以针对不同的岗位数据进行针对性地分类存储，该方式也降低了岗位机器人的存取压力。
[0007]结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述将所述感知数据输入至预设的岗位技能模型中进行处理，生成与所述感知数据对应的岗位数据，包括：确定所述感知数据的数据格式；其中，所述感知数据的数据格式包括图片格式、视频格式及音频格式；将所述感知数据输入至与所述感知数据的数据格式所对应的岗位技能模型中进行处理，生成与所述感知数据对应的岗位数据；其中，所述与所述感知数据的数据格式所对应的岗位技能模型包括图像识别模型、语音转换模型。
[0008]在本申请实施例中，岗位机器人根据采集的感知数据的数据格式的不同，采用各
自对应的岗位技能模型进行处理，通过该方式，以使得岗位机器人能够同时用于多种数据格式的数据的有效处理。
[0009]结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述方法还包括：统计输入至所述岗位技能模型中的感知数据的数量；当所述输入至所述岗位技能模型中的感知数据的数量大于第一阈值时，采用输入所述岗位技能模型的感知数据对所述岗位技能模型进行更新。
[0010]在本申请实施例中，在岗位机器人的运行过程中，岗位机器人可以统计输入至岗位技能模型中的感知数据的数量，并在该数量大于第一阈值时，触发岗位技能模型的更新，即，采用输入岗位技能模型的实时感知数据再对模型的训练，以此可以优化模型。
[0011]结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述记忆存储模型包括检索策略、暂存策略以及永久存储策略；所述根据预先构建的记忆存储模型对所述岗位数据进行识别，以确定所述岗位数据的存储类型，包括：基于所述检索策略，将所述岗位数据与自身存储的数据和云端数据库的数据进行数据比对；若数据比对为重复数据，则确定所述岗位数据的存储类型为不存储；若数据比对为非重复数据，则判断所述岗位数据是否与所述暂存策略或所述永久存储策略匹配；其中，若所述岗位数据与所述暂存策略匹配，则确定所述岗位数据的存储类型为本地暂存；若所述岗位数据与所述永久存储策略匹配，则确定所述岗位数据的存储类型为云端数据库永久存储。
[0012]在本申请实施例中，通过记忆存储模型所配置的检索策略能够使得当岗位数据为已存储在数据时，不会对该岗位数据再次存储，进而避免岗位机器人反复存储重复数据，给自身造成过大的存取压力。并且，通过记忆存储模型所述配置的暂存策略以及永久存储策略，使得岗位机器人能够根据岗位数据按照不同的策略进行存储，通过该方式，也在一定程度上降低了岗位机器人的存取压力。
[0013]结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述记忆存储模型还包括：定期清理策略；所述方法还包括：基于所述定期清理策略，获取本地暂存的数据的存储时长，及将达到预设时长的本地暂存的数据进行清理。
[0014]在本申请实施例中，岗位机器人还用于获取本地暂存的数据的存储时长，当其存储的某项数据的存储时长达到预设时长后，将其进行清理，进而有效地减少本地存储的压力。
[0015]结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述基于所述定期清理策略，获取本地暂存的数据的存储时长，及将达到预设时长的本地暂存的数据进行清理之前，所述方法还包括：将所述本地暂存的数据上传至云端数据库进行存储。
[0016]在本申请实施例中，岗位机器人在将本地暂存的数据清理之前，可以将本地暂存的数据上传至云端数据库进行存储备份，以便后续岗位机器人能够再次从云端数据库中调用该数据。
[0017]结合上述第一方面提供的技术方案，在一些可能的实现方式中，所述根据所述岗位数据的存储类型对所述岗位数据进行存储，包括：基于预先配置的岗位知识图谱对所述岗位数据进行重构；其中，所述岗位知识图谱与自身预先配置的岗位身份相关联；将重构后的岗位数据根据所述岗位数据的存储类型进行存储。
[0018]在本申请实施例中，岗位机器人在配置岗位身份时，会配置岗位知识图谱，进而使
得岗位机器人在获取到岗位数据后，可以基于配置的岗位知识图谱对岗位数据进行重构，而后续存储重构后的岗位数据，通过该方式能够使得岗位机器人存储的数据更加具有岗位行业特性，使得岗位机器人的“记忆”更符合自身的岗位身份。
[0019]结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述获取自身采集的感知数据之前，所述方法还包括：获取用户配置的特征数据；其中，所述特征数据包括配置的岗位身份信息；确定所述特征数据的数据格式；其中，所述特征数据的数据格式包括图片格式或文本格式；将所述特征数据输入至与所述特征数据的数据格式所对应的岗位技能模型中进行处理，生成与所述特征数据对应的岗位数据；其中，所述与所述特征数据的数据格式所对应的岗位技能模型包括图片扫描模型、文本抽取模型；将与所述特征数据对应的岗位数据进行存储。
[0020]在本申请实施例中，岗位机器人在配置过程，首先获取用户配置的特征数据，然后确定特征数据的数据格式；再将特征数据输入至本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种岗位数据存储方法，其特征在于，应用于岗位机器人，所述方法包括：获取自身采集的感知数据；其中，所述感知数据与自身预先配置的岗位身份相关联；将所述感知数据输入至预设的岗位技能模型中进行处理，生成与所述感知数据对应的岗位数据；根据预先构建的记忆存储模型对所述岗位数据进行识别，以确定所述岗位数据的存储类型；其中，所述存储类型包括：不存储、本地暂存以及云端数据库永久存储；根据所述岗位数据的存储类型对所述岗位数据进行存储。2.根据权利要求1所述的方法，其特征在于，所述将所述感知数据输入至预设的岗位技能模型中进行处理，生成与所述感知数据对应的岗位数据，包括：确定所述感知数据的数据格式；其中，所述感知数据的数据格式包括图片格式、视频格式及音频格式；将所述感知数据输入至与所述感知数据的数据格式所对应的岗位技能模型中进行处理，生成与所述感知数据对应的岗位数据；其中，所述与所述感知数据的数据格式所对应的岗位技能模型包括图像识别模型、语音转换模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：统计输入至所述岗位技能模型中的感知数据的数量；当所述输入至所述岗位技能模型中的感知数据的数量大于第一阈值时，采用输入所述岗位技能模型的感知数据对所述岗位技能模型进行更新。4.根据权利要求1所述的方法，其特征在于，所述记忆存储模型包括检索策略、暂存策略以及永久存储策略；所述根据预先构建的记忆存储模型对所述岗位数据进行识别，以确定所述岗位数据的存储类型，包括：基于所述检索策略，将所述岗位数据与自身存储的数据和云端数据库的数据进行数据比对；若数据比对为重复数据，则确定所述岗位数据的存储类型为不存储；若数据比对为非重复数据，则判断所述岗位数据是否与所述暂存策略或所述永久存储策略匹配；其中，若所述岗位数据与所述暂存策略匹配，则确定所述岗位数据的存储类型为本地暂存；若所述岗位数据与所述永久存储策略匹配，则确定所述岗位数据的存储类型为云端数据库永久存储。5.根据权利要求1所述的方法，其特征在于，所述记忆存储模型还包括：定期清理策略；所述方法还包括：基于所...
【专利技术属性】
技术研发人员：韩威俊，肖雪松，严骊，龙胜海，
申请(专利权)人：成都明途科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。