本公开涉及机器人技术领域，提供了一种机器人自动选择电梯的方法及装置。该方法包括：通过每个机器人对应的择梯相关信息训练神经网络模型，得到每个机器人对应的第一择梯模型；对每个机器人对应的第一择梯模型的模型参数进行参数聚合，得到全局参数；基于全局参数更新神经网络模型的模型参数，得到第二择梯模型；计算每个机器人对应的信息质量评估结果；基于每个机器人对应的信息质量评估结果确定每个机器人对应的择梯相关信息的比例；按照每个机器人对应的择梯相关信息的比例，进行多轮模型训练，以更新第二择梯模型的模型参数，使得第二择梯模型的模型精度大于预设模型精度；利用第二择梯模型为目标区域中的机器人自动选择电梯提供支持。选择电梯提供支持。选择电梯提供支持。
【技术实现步骤摘要】
机器人自动选择电梯的方法及装置
[0001]本公开涉及机器人
，尤其涉及一种机器人自动选择电梯的方法及装置。
技术介绍
[0002]随着机器人技术的发展和人工智能研究的不断深入，服务机器人逐渐发成人类生活中不可或缺的角色，其功能越来越智能化，且被广泛应用在餐饮、货物运输等领域中。在一些实际的应用场景中，电梯环境作为一种动态不确定的复杂环境，研究高层建筑中的机器人自适应乘梯决策问题是十分必要的。一些使用专家系统的机器人可以根据专家的经验选择乘梯方案，但是面对医院、园区、楼宇、社区和酒店等场所，乘梯的用户流分布不同、乘用电梯的时间分布不同，很难做到一套专家系统适用于所有的场景。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下技术问题：机器人无法在不同的场所下自动选择电梯的问题。
技术实现思路
[0004]有鉴于此，本公开实施例提供了一种机器人自动选择电梯的方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，机器人无法在不同的场所下自动选择电梯的问题。
[0005]本公开实施例的第一方面，提供了一种机器人自动选择电梯的方法，包括：获取目标区域内每个机器人对应的择梯相关信息；通过每个机器人对应的择梯相关信息训练设置在该机器人上的神经网络模型，得到每个机器人对应的第一择梯模型；获取每个机器人对应的第一择梯模型的模型参数，并对每个机器人对应的第一择梯模型的模型参数进行参数聚合，得到全局参数；基于全局参数更新设置在机器人服务中心上的神经网络模型的模型参数，得到第二择梯模型；根据每个机器人对应的第一信息和机器人服务中心对应的第二信息，计算每个机器人对应的信息质量评估结果，其中，第一信息，包括：择梯相关信息和第一择梯模型的模型精度，第二信息，包括：基础数据信息和第二择梯模型的模型精度；基于每个机器人对应的信息质量评估结果确定之后的多轮模型训练中每个机器人对应的择梯相关信息的比例；按照每个机器人对应的择梯相关信息的比例，进行多轮模型训练，以更新第二择梯模型的模型参数，使得第二择梯模型的模型精度大于预设模型精度；利用第二择梯模型为目标区域中的机器人自动选择电梯提供支持。
[0006]本公开实施例的第二方面，提供了一种机器人自动选择电梯的装置，包括：第一获取模块，被配置为获取目标区域内每个机器人对应的择梯相关信息；第一训练模块，被配置为通过每个机器人对应的择梯相关信息训练设置在该机器人上的神经网络模型，得到每个机器人对应的第一择梯模型；第二获取模块，被配置为获取每个机器人对应的第一择梯模型的模型参数，并对每个机器人对应的第一择梯模型的模型参数进行参数聚合，得到全局参数；更新模块，被配置为基于全局参数更新设置在机器人服务中心上的神经网络模型的模型参数，得到第二择梯模型；计算模块，被配置为根据每个机器人对应的第一信息和机器
人服务中心对应的第二信息，计算每个机器人对应的信息质量评估结果，其中，第一信息，包括：择梯相关信息和第一择梯模型的模型精度，第二信息，包括：基础数据信息和第二择梯模型的模型精度；确定模块，被配置为基于每个机器人对应的信息质量评估结果确定之后的多轮模型训练中每个机器人对应的择梯相关信息的比例；第二训练模块，被配置为按照每个机器人对应的择梯相关信息的比例，进行多轮模型训练，以更新第二择梯模型的模型参数，使得第二择梯模型的模型精度大于预设模型精度；服务模块，被配置为利用第二择梯模型为目标区域中的机器人自动选择电梯提供支持。
[0007]本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0008]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0009]本公开实施例与现有技术相比存在的有益效果是：获取目标区域内每个机器人对应的择梯相关信息；通过每个机器人对应的择梯相关信息训练设置在该机器人上的神经网络模型，得到每个机器人对应的第一择梯模型；获取每个机器人对应的第一择梯模型的模型参数，并对每个机器人对应的第一择梯模型的模型参数进行参数聚合，得到全局参数；基于全局参数更新设置在机器人服务中心上的神经网络模型的模型参数，得到第二择梯模型；根据每个机器人对应的第一信息和机器人服务中心对应的第二信息，计算每个机器人对应的信息质量评估结果，其中，第一信息，包括：择梯相关信息和第一择梯模型的模型精度，第二信息，包括：基础数据信息和第二择梯模型的模型精度；基于每个机器人对应的信息质量评估结果确定之后的多轮模型训练中每个机器人对应的择梯相关信息的比例；按照每个机器人对应的择梯相关信息的比例，进行多轮模型训练，以更新第二择梯模型的模型参数，使得第二择梯模型的模型精度大于预设模型精度；利用第二择梯模型为目标区域中的机器人自动选择电梯提供支持。采用上述技术手段，可以解决现有技术中，机器人无法在不同的场所下自动选择电梯的问题，进而提高机器人在不同的场所下自动选择电梯的效率。
附图说明
[0010]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0011]图1是本公开实施例提供的一种机器人自动选择电梯的方法的流程示意图；图2是本公开实施例提供的一种机器人自动选择电梯的装置的结构示意图；图3是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0012]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体
细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0013]下面将结合附图详细说明根据本公开实施例的一种机器人自动选择电梯的方法和装置。
[0014]图1是本公开实施例提供的一种机器人自动选择电梯的方法的流程示意图。如图1所示，该机器人自动选择电梯的方法包括：S101，获取目标区域内每个机器人对应的择梯相关信息；S102，通过每个机器人对应的择梯相关信息训练设置在该机器人上的神经网络模型，得到每个机器人对应的第一择梯模型；S103，获取每个机器人对应的第一择梯模型的模型参数，并对每个机器人对应的第一择梯模型的模型参数进行参数聚合，得到全局参数；S104，基于全局参数更新设置在机器人服务中心上的神经网络模型的模型参数，得到第二择梯模型；S105，根据每个机器人对应的第一信息和机器人服务中心对应的第二信息，计算每个机器人对应的信息质量评估结果，其中，第一信息，包括：择梯相关信息和第一择梯模型的模型精度，第二信息，包括：基础数据信本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人自动选择电梯的方法，其特征在于，包括：获取目标区域内每个机器人对应的择梯相关信息；通过每个机器人对应的择梯相关信息训练设置在该机器人上的神经网络模型，得到每个机器人对应的第一择梯模型；获取每个机器人对应的第一择梯模型的模型参数，并对每个机器人对应的第一择梯模型的模型参数进行参数聚合，得到全局参数；基于所述全局参数更新设置在机器人服务中心上的所述神经网络模型的模型参数，得到第二择梯模型；根据每个机器人对应的第一信息和所述机器人服务中心对应的第二信息，计算每个机器人对应的信息质量评估结果，其中，所述第一信息，包括：所述择梯相关信息和所述第一择梯模型的模型精度，所述第二信息，包括：基础数据信息和所述第二择梯模型的模型精度；基于每个机器人对应的信息质量评估结果确定之后的多轮模型训练中每个机器人对应的择梯相关信息的比例；按照每个机器人对应的择梯相关信息的比例，进行所述多轮模型训练，以更新所述第二择梯模型的模型参数，使得所述第二择梯模型的模型精度大于预设模型精度；利用所述第二择梯模型为所述目标区域中的机器人自动选择电梯提供支持。2.根据权利要求1所述的方法，其特征在于，所述择梯相关信息，包括：机器人的位置信息、机器人预设范围内的电梯的位置信息、不同时间段内电梯的使用频率、不同时间段内电梯运行状态以及不同时间段内电梯内的人数。3.根据权利要求1所述的方法，其特征在于，所述根据每个机器人对应的第一信息和所述机器人服务中心对应的第二信息，计算每个机器人对应的信息质量评估结果，包括：根据每个机器人对应的第一信息和所述机器人服务中心对应的第二信息，计算每个机器人对应的夏普利值，并根据每个机器人对应的夏普利值确定每个机器人对应的质量评估结果；或者计算每个机器人对应的择梯相关信息和基础数据信息的相似度，并根据每个机器人对应的所述相似度，确定每个机器人对应的质量评估结果；或者根据每个机器人对应的择梯相关信息的种类和数据量，计算每个机器人对应的择梯相关信息的数据质量得分，根据每个机器人对应的择梯相关信息的数据质量得分，确定每个机器人对应的质量评估结果。4.根据权利要求1所述的方法，其特征在于，所述按照每个机器人对应的择梯相关信息的比例，进行所述多轮模型训练，以更新所述第二择梯模型的模型参数，使得所述第二择梯模型的模型精度大于预设模型精度，包括：循环执行如下步骤进行所述多轮模型训练：按照每个机器人对应的择梯相关信息的比例，从每个机器人对应的择梯相关信息中确定出每个机器人对应的训练数据，利用每个机器人对应的训练数据训练每个机器人对应的第一择梯模型，已更新每个机器人对应的第一择梯模型的模型参数；对每个机器人对应的第一择梯模型的模型参数进行参数聚合，以更新所述全局参数，
并用所述全局参数更新所述第二择梯模型的模型参数；当所述第二择梯模型的模型精度大于所述预设模型精度时，结束所述多轮模型训练，...
【专利技术属性】
技术研发人员：兰婷婷，支涛，
申请(专利权)人：北京云迹科技股份有限公司，
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。