一種將機器人所學知識進行備份和學習的方法
【專利摘要】本發明提出了一種將機器人所學知識進行備份和學習的方法，應用于機器人學習系統，機器人學習系統包括機器人、下一代機器人和云端服務器；機器人和下一代機器人的內部設有微處理器芯片或/和存儲芯片；機器人和下一代機器人都通過網絡與云端服務器通訊；方法包括：機器人將所學知識保存到內部的微處理器芯片或存儲芯片中；機器人連接網絡，在身份認證后將所學知識上傳到云端服務器；當前代其他機器人或下一代機器人連接網絡，驗證通過后將云端服務器中保存的所學知識下載到當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。實施本發明的將機器人所學知識進行備份和學習的方法，具有以下有益效果：使用操作流程更為簡單、節省時間。
【專利說明】一種將機器人所學知識進行備份和學習的方法
【技術領域】
[0001]本發明涉及機器人領域，特別涉及一種將機器人所學知識進行備份和學習的方法。
【背景技術】
[0002]目前出現了一些家用機器人，家用機器人在初次使用時都需要根據功能不同學習口令，或者是學習身份認證，或者通過遍歷房間學習構建家庭地圖，或者是學習認識家庭成員等，如果家用機器人更新換代，則下一代家用機器人需要重新學習同樣的內容。這樣就增加了使用操作流程的復雜性，同時由于下一代家用機器人要花大量的時間去學習，所以其浪費時間。
【發明內容】
[0003]本發明要解決的技術問題在于，針對現有技術的上述使用操作流程較為復雜、浪費時間的缺陷，提供一種使用操作流程更為簡單、節省時間的將機器人所學知識進行備份和學習的方法。
[0004]本發明解決其技術問題所采用的技術方案是:構造一種將機器人所學知識進行備份和學習的方法，應用于機器人學習系統，所述機器人學習系統包括機器人、下一代機器人和云端服務器；所述機器人和下一代機器人的內部都設有微處理器芯片或/和存儲芯片；所述機器人和下一代機器人都分別通過網絡與所述云端服務器通訊；所述方法包括如下步驟:
A)所述機器人將所學知識保存到其內部的所述微處理器芯片或存儲芯片中；所述所學知識包括機器人學習的內容和/或機器人參數設置內容；
B)所述機器人連接網絡，并在身份認證后將所述所學知識上傳到所述云端服務器；
C)當前代其他機器人或所述下一代機器人連接網絡，驗證通過后將所述云端服務器中保存的所述所學知識下載到所述當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。
[0005]在本發明所述的將機器人所學知識進行備份和學習的方法中，所述機器人學習系統還包括RFID芯片；所述機器人、當前代其他機器人或下一代機器人通過射頻信號識別所述RFID芯片；在所述步驟A)中，所述所學知識是使用所述RFID芯片的唯一 ID作為密鑰進行加密的數據。
[0006]在本發明所述的將機器人所學知識進行備份和學習的方法中，所述步驟A)進一步包括:
Al)加載加密算法，所述機器人讀取所述RFID芯片的唯一 ID獲得密鑰；
A2)所述機器人內部的微處理器芯片利用所述加密算法對所述所學知識進行加密得到加密的數據；
A3)將所述加密的數據暫存在所述機器人內部的微處理器芯片或存儲芯片中。
[0007]在本發明所述的將機器人所學知識進行備份和學習的方法中，所述步驟B)進一步包括:
BI)所述機器人連接網絡，并與所述云端服務器建立連接；
B2)進行身份認證；
B3)所述機器人將所述加密的數據上傳到所述云端服務器中指定的位置。
[0008]在本發明所述的將機器人所學知識進行備份和學習的方法中，所述步驟C)進一步包括:
Cl)當前代其他機器人或下一代機器人連接網絡，并與所述云端服務器建立連接；
C2)進行身份和口令的驗證；
C3)當驗證通過后，找到所述云端服務器中指定的存儲所述身份的位置，將所述加密的數據下載到所述當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。
[0009]在本發明所述的將機器人所學知識進行備份和學習的方法中，在所述步驟C)之后還包括如下步驟:
D)當前代其他機器人或下一代機器人讀取所述RFID芯片的唯一 ID得到密鑰，并將所述加密的數據進行解密。
[0010]在本發明所述的將機器人所學知識進行備份和學習的方法中，所述步驟D)進一步包括:
Dl)加載解密算法；所述解密算法存儲在所述當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中；
D2)所述當前代其他機器人或下一代機器人讀取所述RFID芯片的唯一 ID，并根據所述唯一 ID獲得密鑰；
D3)使用所述解密算法和密鑰對所述加密的數據進行解密得到解密的數據。
[0011 ] 在本發明所述的將機器人所學知識進行備份和學習的方法中，所述機器人學習的內容包括家庭地圖構建和身份學習；所述身份學習包括人臉識別的學習、聲音識別的學習和指紋識別的學習。
[0012]在本發明所述的將機器人所學知識進行備份和學習的方法中，在進行所述家庭地圖構建時，所述機器人在整個房間內行走一遍，并對房間的墻壁、障礙物和無障礙區域分別用不同的標識進行標記，以柵格方式在地圖中進行填充；每個柵格均以有序排列方式以數字形式存儲在其內部微處理器芯片中作為家庭地圖。
[0013]在本發明所述的將機器人所學知識進行備份和學習的方法中，所述機器人設有按鈕和攝像頭；在進行所述人臉識別的學習時，需要學習的人員按下所述機器人上的按鈕或遙控器上的按鈕，按照語音提示對準所述攝像頭，所述機器人進行拍照并保存所述需要學習的人員的正面照片和側面照片，所述機器人將所述正面照片和側面照片以圖片的形式存儲在其內部的微處理器芯片中。
[0014]實施本發明的將機器人所學知識進行備份和學習的方法，具有以下有益效果:將機器人所學知識存儲到云端服務器，當前代其他機器人或下一代機器人可將云端服務器中保存的所學知識下載到其內部的微處理器芯片或存儲芯片中，這樣就不用再進行學習了，所以其使用操作流程較為簡單、節省時間。
【專利附圖】
【附圖說明】
[0015]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
[0016]圖1為本發明將機器人所學知識進行備份和學習的方法一個實施例中的流程圖； 圖2為所述實施例中機器人將所學知識保存到其內部的微處理器芯片中的具體流程圖；
圖3為所述實施例中機器人連接網絡，并在身份認證后將所學知識上傳到云端服務器的具體流程圖；
圖4為所述實施例中當前代其他機器人或下一代機器人連接網絡，驗證通過后將云端服務器中保存的所學知識下載到當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中的具體流程圖；
圖5為所述實施例中當前代其他機器人或下一代機器人讀取RFID芯片的唯一 ID得到密鑰，并將加密的數據進行解密的具體流程圖。
【具體實施方式】
[0017]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0018]在本發明將機器人所學知識進行備份和學習的方法實施例中，其將機器人所學知識進行備份和學習的方法的流程圖如圖1所示。該將機器人所學知識進行備份和學習的方法應用于機器人學習系統，該機器人學習系統包括機器人、下一代機器人和云端服務器；機器人和下一代機器人的內部都設有微處理器芯片或/和存儲芯片；機器人和下一代機器人都分別通過網絡(互聯網)與云端服務器通訊。下一代機器人就是機器人進行更新換代后的新的機器人。本實施例中的機器人指的是家用機器人。圖1中，該將機器人所學知識進行備份和學習的方法包括如下步驟:
步驟SOl機器人將所學知識保存到其內部的微處理器芯片或存儲芯片中:本步驟中，機器人將所學知識保存到其內部的微處理器芯片或存儲芯片中，上述所學知識包括機器人學習的內容和/或機器人參數設置內容。也就是說，所學知識可以是機器人學習的內容，也可以是用戶根據自己的使用習慣設置的個性化參數(即機器人參數設置內容)。
[0019]步驟S02機器人連接網絡，并在身份認證后將所學知識上傳到云端服務器:本步驟中，機器人連接網絡，并在身份認證后將所學知識上傳到云端服務器。
[0020]步驟S03當前代其他機器人或下一代機器人連接網絡，驗證通過后將云端服務器中保存的所學知識下載到當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中:本步驟中，當前代其他機器人或下一代機器人連接網絡，驗證通過后將云端服務器中保存的所學知識下載到當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。值得一提的是，本實施例中，當前代其他機器人指的是與機器人是同一代的其他機器人，當機器人出現故障或損壞后，與該機器人是同一代的其他機器人也可以直接從云端服務器中下載機器人所學知識，這樣就不需要再進行學習了，只需下載下來就可以了，省去了重復學習的步驟，所以其使用操作流程較為簡單、節省時間。
[0021]在上述方式下，所學知識是沒有經過加密的。在本實施例的一些情況下，為了保證數據的安全性，需要對所學知識進行加密。這時，在本實施例中，機器人學習系統還包括RFID芯片；該RFID芯片可以做成卡片的形式，由用戶攜帶著或貼在墻壁上。機器人、當前代其他機器人或下一代機器人通過射頻信號識別RFID芯片。在上述步驟SOl中，上述所學知識是使用RFID芯片的唯一 ID (全球唯一 ID)作為密鑰進行加密的數據，也就是所學知識是經過加密的數據，這樣可進一步保證數據的安全性。當然，在本實施例的另外一些情況下，也可以采用普通密碼作為密鑰對機器人所學知識進行加密。用戶可根據實際情況選擇相應形式的密鑰。
[0022]本實施例中，上述步驟SOl還可進一步細化，其細化后的流程圖如圖2所示。圖2中，上述步驟SOl進一步包括:
步驟Sll加載加密算法，機器人讀取RFID芯片的唯一 ID獲得密鑰:本步驟中，加載加密算法，機器人讀取RFID芯片的唯一 ID獲得密鑰。具體的，上述加密算法采用序列加密算法或分組加密算法，比如RC4、AES等等，在機器人的微控制器芯片里面實現運算。密鑰儲存在RFID芯片里面，機器人需要先讀取RFID芯片的唯一 ID才能獲得密鑰，這個唯一 ID是一串二進制數字。當然，在本實施例的一些情況下，其加密算法也可以是序列加密算法或分組加密算法之外的其他加密算法，實際應用中，可根據具體情況選擇相應的加密算法，其方式比較靈活。
[0023]步驟S12機器人內部的微處理器芯片利用加密算法對所學知識進行加密得到加密的數據:本步驟中，機器人內部的微處理器芯片利用加密算法，用上述獲取的密鑰對所學知識進行加密，這樣就得到加密的數據。
[0024]步驟S13將加密的數據暫存在機器人內部的微處理器芯片或存儲芯片中:本步驟中，機器人輸出加密的數據，并將該加密的數據暫存在機器人內部的微處理器芯片或存儲芯片中。這樣就實現了對所學知識的加密，增加了數據的安全性。
[0025]對于本實施例而言，上述步驟S02還可進一步細化，其細化后的流程圖如圖3所示。圖3中，上述步驟S02進一步包括:
步驟S21機器人連接網絡，并與云端服務器建立連接:本步驟中，機器人連接網絡，并與云端服務器建立連接。
[0026]步驟S22進行身份認證:本步驟中，進行身份認證，身份認證通過后，執行步驟S23。
[0027]步驟S23機器人將加密的數據上傳到云端服務器中指定的位置:本步驟中，機器人將加密的數據上傳到云端服務器中指定的位置。這樣就將加密的數據存儲到了云端服務器，以供后續需要時將其從云端服務器中進行下載。這樣達到了方便易用的效果。
[0028]對于本實施例而言，上述步驟S03還可進一步細化，其細化后的流程圖如圖4所示。圖4中，上述步驟S03進一步包括:
步驟S31當前代其他機器人或下一代機器人連接網絡，并與云端服務器建立連接:本步驟中，當前代其他機器人或下一代機器人連接網絡，并與云端服務器建立連接，連接成功后，執行步驟S32。
[0029]步驟S32進行身份和口令的驗證:本步驟中，進行身份驗證和口令的驗證。
[0030]步驟S33當驗證通過后，找到云端服務器中指定的存儲身份的位置，將加密的數據下載到當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中:本步驟中，當驗證通過后，找到云端服務器中指定的存儲身份的位置，將加密的數據下載到當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。
[0031]對于本實施例而言，當將加密的數據下載到下一代機器人內部的微處理器芯片后，需要對加密的數據進行解密，這時，在所述步驟S03之后還包括如下步驟:
當前代其他機器人或下一代機器人讀取RFID芯片的唯一 ID得到密鑰，并將加密的數據進行解密:本步驟中，下一代機器人讀取RFID芯片的唯一 ID得到密鑰，并將加密的數據進行解密。該步驟還可進一步細化，其細化后的流程圖如圖5所示。圖5中，該步驟進一步包括:
步驟S41加載解密算法:本步驟中，加載解密算法，該解密算法存儲在當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。
[0032]步驟S42當前代其他機器人或下一代機器人讀取RFID芯片的唯一 ID，并根據唯一ID獲得密鑰:本步驟中，當前代其他機器人或下一代機器人讀取上述RFID芯片的唯一 ID，然后根據這個唯一 ID算出密鑰。
[0033]步驟S43使用解密算法和密鑰對加密的數據進行解密得到解密的數據:本步驟中，當前代其他機器人或下一代機器人的微處理器芯片使用解密算法和密鑰對加密的數據進行解密，這樣就可獲取機器人(上一代機器人)的所學知識，然后就可以進行應用。由于備份的數據在上傳之前就進行了加密處理，所以這樣既達到方便易用的效果，又有較強的安全性。
[0034]本實施例中，上述機器人學習的內容包括家庭地圖構建和身份學習；該身份學習包括人臉識別的學習、聲音識別的學習和指紋識別的學習。當機器人在進行家庭地圖的構建時，該機器人在整個房間內行走一遍，并對房間的墻壁、障礙物和無障礙區域進行標記，在進行標記時，其分別用不同的標識進行標記，以柵格方式在地圖中進行填充，例如:在無障礙物區域標記為0，在有障礙物的區域標記為1，墻壁標記為2。每個柵格均以有序排列方式以數字形式存儲在其內部微處理器芯片中作為家庭地圖。
[0035]對于身份學習，本實施例中以人臉識別的學習為例進行說明。在進行人臉識別的學習時，機器人需設有按鈕和攝像頭。具體的，在進行人臉識別的學習時，需要學習的人員按下機器人上相應的按鈕或遙控器上的按鈕，需要學習的人員按照語音提示對準攝像頭，機器人進行拍照并保存需要學習的人員的正面照片和側面照片，然后機器人將正面照片和側面照片以圖片的形式存儲在其內部的微處理器芯片中。值得一提的是，可以是一張正面照片，也可以是一張側面照片，當然還可以有其他角度的照片，拍的角度越多，其準確性就越聞。
[0036]總之，在本實施例中，機器人所學知識可以通過云存儲的方式存儲在云端服務器中指定位置，也可以進行本地存儲。進行備份時，機器人所學知識在既可以進行加密，也可以不進行加密，在實際應用中，可根據實際情況可選擇相應的備份方式，其簡化了使用者的操作流程，也增加了備份的靈活性。
[0037] 以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
【權利要求】
1.一種將機器人所學知識進行備份和學習的方法，應用于機器人學習系統，其特征在于，所述機器人學習系統包括機器人、下一代機器人和云端服務器；所述機器人和下一代機器人的內部都設有微處理器芯片或/和存儲芯片；所述機器人和下一代機器人都分別通過網絡與所述云端服務器通訊；所述方法包括如下步驟: A)所述機器人將所學知識保存到其內部的所述微處理器芯片或存儲芯片中；所述所學知識包括機器人學習的內容和/或機器人參數設置內容； B)所述機器人連接網絡，并在身份認證后將所述所學知識上傳到所述云端服務器； C)當前代其他機器人或所述下一代機器人連接網絡，驗證通過后將所述云端服務器中保存的所述所學知識下載到所述當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。
2.根據權利要求1所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述機器人學習系統還包括RFID芯片；所述機器人、當前代其他機器人或下一代機器人通過射頻信號識別所述RFID芯片；在所述步驟A)中，所述所學知識是使用所述RFID芯片的唯一 ID作為密鑰進行加密的數據。
3.根據權利要求2所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述步驟A)進一步包括: Al)加載加密算法，所述機器人讀取所述RFID芯片的唯一 ID獲得密鑰； A2)所述機器人內部的微處理器芯片利用所述加密算法對所述所學知識進行加密得到加密的數據； A3)將所述加密的數據暫存在所述機器人內部的微處理器芯片或存儲芯片中。
4.根據權利要求3所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述步驟B)進一步包括: BI)所述機器人連接網絡，并與所述云端服務器建立連接； B2)進行身份認證； B3)所述機器人將所述加密的數據上傳到所述云端服務器中指定的位置。
5.根據權利要求4所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述步驟C)進一步包括: Cl)當前代其他機器人或下一代機器人連接網絡，并與所述云端服務器建立連接； C2)進行身份和口令的驗證； C3)當驗證通過后，找到所述云端服務器中指定的存儲所述身份的位置，將所述加密的數據下載到所述當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中。
6.根據權利要求5所述的將機器人所學知識進行備份和學習的方法，其特征在于，在所述步驟C)之后還包括如下步驟: D)當前代其他機器人或下一代機器人讀取所述RFID芯片的唯一ID得到密鑰，并將所述加密的數據進行解密。
7.根據權利要求6所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述步驟D)進一步包括: Dl)加載解密算法；所述解密算法存儲在所述當前代其他機器人或下一代機器人內部的微處理器芯片或存儲芯片中； D2)所述當前代其他機器人或下一代機器人讀取所述RFID芯片的唯一 ID，并根據所述唯一 ID獲得密鑰； D3)使用所述解密算法和密鑰對所述加密的數據進行解密得到解密的數據。
8.根據權利要求1至7任意一項所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述機器人學習的內容包括家庭地圖構建和身份學習；所述身份學習包括人臉識別的學習、聲音識別的學習和指紋識別的學習。
9.根據權利要求8所述的將機器人所學知識進行備份和學習的方法，其特征在于，在進行所述家庭地圖構建時，所述機器人在整個房間內行走一遍，并對房間的墻壁、障礙物和無障礙區域分別用不同的標識進行標記，以柵格方式在地圖中進行填充；每個柵格均以有序排列方式以數字形式存儲在其內部微處理器芯片中作為家庭地圖。
10.根據權利要求8所述的將機器人所學知識進行備份和學習的方法，其特征在于，所述機器人設有按鈕和攝像頭；在進行所述人臉識別的學習時，需要學習的人員按下所述機器人上的按鈕或遙控器上的按鈕，按照語音提示對準所述攝像頭，所述機器人進行拍照并保存所述需要學習的人員的正面照片和側面照片，所述機器人將所述正面照片和側面照片以圖片的形式存儲在其內部的微處理器芯片中。
【文檔編號】G06K7/00GK104408519SQ201410599053
【公開日】2015年3月11日 申請日期:2014年10月29日 優先權日:2014年10月29日
【發明者】江玉結 申請人:廣州艾若博機器人科技有限公司