【技术实现步骤摘要】
本专利技术属于机器人及人工智能，尤其是涉及一种基于语义网络和知识库控制机器人任务决策的系统。
技术介绍
1、现有技术中，机器人的控制更多依赖于固定程序化的脚本、知识符号或者新出的大模型，从技术应用层面来说程序化脚本和知识符号无法自适应环境改变，大语言模型能够处理动态场景下的机器人任务控制，但是无法快速高效的进行决策，且训练成本巨大。
2、传统知识库只存放物体、人物、常识、动作等知识，然后使用预制的机器人规划方法进行规划，在此过程中的知识只能形成各个孤立的节点，并且参数属性需要在机器人执行任务的时候才能同步并获得注入。再者，知识库的规模限制了机器人的自主决策控制能力和多样性，使得机器人的作业行为过于程序化和僵化。
3、与此同时，通过预制模型的机器人任务规划输出为一个个的行为序列，这样构建复杂机器人任务时出现大量冗余动作和行为，这些行为和任务在运行时并不会被完全覆盖到。
4、对此，迫切需要在知识库、图谱计算、大语言模型的基础上进行改进和创新，依托于机器人作业的大数据语义网络基础，设计一种新的方案，将语义网络应用到机器人行为决策上来。
5、公开号为的cn114153943a的专利文献公开了一种基于知识图谱构建机器人行为树的系统及方法，系统包括：知识图谱及行为树，知识图谱通过一组有向连接的动作节点，根据aog格式构建，动作节点包括动作类别及其对应的一组动作特征、动作作用对象，有向连接根据比对动作特征连接动作节点；行为树根据主谓宾结构的任务，将主语和宾语作为动作作用对象，将谓语分类到动作类别
6、上述技术方案基于知识图谱构建行为树，但是很多行为在知识图谱中是不存在的，会造成行为树构建的失败或者不准确。
技术实现思路
1、鉴于上述，本专利技术的目的是提供一种基于语义网络和知识库控制机器人任务决策的系统，结合语义网络、大语言模型以及知识库为机器人任务生成决策行为树。
2、为实现上述专利技术目的，本专利技术提供的一种基于语义网络和知识库控制机器人任务决策的系统，包括语义网络模块、大语言模型模块、知识库模块、任务决策模块以及变量存储模块；
3、所述语义网络模块用于提供构建任务决策行为树的语义网络，该语义网络通过大语言模型的问答结果和知识库进行补充拓展；
4、所述大语言模型模块用于利用大语言模型进行知识问答输出问答结果；
5、所述知识库模块用于提供构建任务决策行为树的知识；
6、所述任务决策模块用于依据语义网络模块、大语言模型模块、知识库模块构建任务决策行为树，具体通过查询语义网络构建决策树的节点，通过大语言模型的问答结果进行节点参数的填充，通过知识库进行节点参数的填充；
7、所述变量存储模块用于存储在构建任务决策行为树时的临时变量。
8、优选地，所述语义网络为有向连接的图结构，顺序连接关联语义节点，使用出入度和有向连接表示语义节点之间的权重和可能性，每个语义节点包括标志符和参数列表，其中，有向连接关系包括关系类型和关系属性，关系属性包括路由可能性、执行顺序、以及条件描述，语义节点包括单个语义的语义节点、附带装饰信息的语义节点、附带条件的语义节点以及允许目标为集合的语义节点，以适配任务决策行为树的构建。
9、优选地，所述大语言模型预存知识，能够在拓展语义网络和任务决策行为树构建时，基于输入问题进行问答搜索，输出问答结果，同时基于任务分解问题进行搜索，给出任务规划的多种可能性结果，问答结果和可能性结果作为拓展知识连接到语义网络上，或者作为补充知识补充到任务决策行为树的节点中。
10、优选地，所述知识库为精细化知识，包括动作知识库和对象知识库，其中，动作知识库包括动作、动作所属动作类型、动作特征、以及动作作用对象；对象知识库包括对象、对象属性。
11、优选地，所述构建任务决策行为树包括：
12、根据任务理解命令和任务分类结果，确定任务对应的谓语以及目标对象；
13、依据目标对象在对象知识库中搜索目标对象对应的对象实例作为动作作用的目标对象实例；
14、将谓语分类到动作知识库中动作类别，并依据动作类别对应的一组任务语义构建行为集合；
15、在语义网络中搜索行为集合对应的语义节点集合，然后按照语义节点集合中构建任务决策行为树，并为任务决策行为树中的动作节点添加节点参数，其中节点参数来自于从对象知识库中搜索的目标对象实例、动态感知的场景实例以及基于大语言模型经过多轮对话得到的问答结果中的至少一个。
16、优选地，所述在语义网络中搜索行为集合对应的语义节点集合，然后按照语义节点集合构建任务决策行为树，包括：
17、行为对应的语义节点集合包括单个语义节点、附带装饰信息的语义节点、附带条件的语义节点以及目标为集合的语义节点；
18、依据语义节点集合对应的拓扑结构构建决策行为树时，当语义节点为单个语义节点时，则对应生成动作节点并顺序执行；当语义节点为附带条件的语义节点时，为附带条件的语义节点生成分支，具体生成一个选择节点，并在选择节点下连接一个条件节点和分支的动作节点；当语义节点为当附带装饰信息的语义节点时，为附带装饰信息的语义节点生成装饰节点，并在装饰节点下生成顺序节点和动作节点；当语义节点为允许目标为集合的语义节点时，为目标为集合的语义节点生成多个装饰节点，针对每个装饰节点按照上述方式进行展开生成；
19、依据语义节点集合对应的拓扑结构生成的动作节点、顺序节点选择节点、条件节点、装饰节点构成任务决策行为树。
20、优选地，具体构建时，当语义节点附带条件时，查询规则知识，依据规则知识构建选择节点，并在选择节点下依据规则知识生成条件节点。
21、优选地，在构建任务决策行为树时，根据子动作节点的执行顺序调换任务决策行为树中各子行为的执行顺序。
22、优选地，在构建任务决策行为树时，还包括任务决策行为树校验过程，校验条件为：
23、每个行为下的子行为必须对应全是顺序节点或者选择节点，并行节点能够与顺序节点共存，选择节点必须包含条件节点及条件节点包含的条件节点判断布尔参数，任何行为必须包含完成动作的动作标识参数。
24、与现有技术相比，本专利技术具有的有益效果至少包括：
25、本专利技术在动作知识的基础上，将复杂语义网络的设计思维引入，使得动作知识间存在依存关系，仅仅依靠语义网络就可以构建出机器人的行为；最终生成的任务决策行为树。相较于语言、脚本控制序列，行为树在控制逻辑结构上优于行为序列，行为树既能够表示顺序又能够表示动作行为间的层次，而且相同的行为规划不会重复出现。
本文档来自技高网...【技术保护点】
1.一种基于语义网络和知识库控制机器人任务决策的系统，其特征在于，包括语义网络模块、大语言模型模块、知识库模块、任务决策模块以及变量存储模块；
2.根据权利要求1所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述语义网络为有向连接的图结构，顺序连接关联语义节点，使用出入度和有向连接表示语义节点之间的权重和可能性，每个语义节点包括标志符和参数列表，其中，有向连接关系包括关系类型和关系属性，关系属性包括路由可能性、执行顺序、以及条件描述，语义节点包括单个语义的语义节点、附带装饰信息的语义节点、附带条件的语义节点以及允许目标为集合的语义节点，以适配任务决策行为树的构建。
3.根据权利要求2所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，有向链接包括可行性连接和必然性连接两种不同的状态，当出现可能性连接状态时，路由可能性prop表示动作节点的选择强度。
4.根据权利要求1所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述大语言模型预存知识，能够在拓展语义网络和任务决策行为树构建时，基于输入问题进行问答
5.根据权利要求1所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述知识库为精细化知识，包括动作知识库和对象知识库，其中，动作知识库包括动作、动作所属动作类型、动作特征、以及动作作用对象；对象知识库包括对象、对象属性。
6.根据权利要求1所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述构建任务决策行为树包括：
7.根据权利要求6所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述在语义网络中搜索行为集合对应的语义节点集合，然后按照语义节点集合构建任务决策行为树，包括：
8.根据权利要求7所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，具体构建时，当语义节点附带条件时，查询规则知识，依据规则知识构建选择节点，并在选择节点下依据规则知识生成条件节点。
9.根据权利要求7所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，在构建任务决策行为树时，根据子动作节点的执行顺序调换任务决策行为树中各子行为的执行顺序。
10.根据权利要求7所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，还包括任务决策行为树校验过程，校验条件为：
...【技术特征摘要】
1.一种基于语义网络和知识库控制机器人任务决策的系统，其特征在于，包括语义网络模块、大语言模型模块、知识库模块、任务决策模块以及变量存储模块；
2.根据权利要求1所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述语义网络为有向连接的图结构，顺序连接关联语义节点，使用出入度和有向连接表示语义节点之间的权重和可能性，每个语义节点包括标志符和参数列表，其中，有向连接关系包括关系类型和关系属性，关系属性包括路由可能性、执行顺序、以及条件描述，语义节点包括单个语义的语义节点、附带装饰信息的语义节点、附带条件的语义节点以及允许目标为集合的语义节点，以适配任务决策行为树的构建。
3.根据权利要求2所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，有向链接包括可行性连接和必然性连接两种不同的状态，当出现可能性连接状态时，路由可能性prop表示动作节点的选择强度。
4.根据权利要求1所述的基于语义网络和知识库控制机器人任务决策的系统，其特征在于，所述大语言模型预存知识，能够在拓展语义网络和任务决策行为树构建时，基于输入问题进行问答搜索，输出问答结果，同时基于任务分解问题进行搜索，给出任务规划的多种可能性结果，问答结果和多种可能性结果作为拓展知识连接到语义网络上，或者作为...
【专利技术属性】
技术研发人员：宋伟，周元海，朱世强，孙尧，任杰，穆宗昊，方伟，
申请(专利权)人：之江实验室，
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。