買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉江西理工大學南昌校區申請的專利一種支持多模態交互的機器人操作系統及操作方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119884910B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510369620.0，技術領域涉及：G06F18/2411；該發明授權一種支持多模態交互的機器人操作系統及操作方法是由謝俊濤;陳敏;吳志剛;譚震偉;盧安淋;曾鑫程;葉錦城;張乃文;嚴蕓曦設計研發完成，并于2025-03-27向國家知識產權局提交的專利申請。

本一種支持多模態交互的機器人操作系統及操作方法在說明書摘要公布了：本發明公開了一種支持多模態交互的機器人操作系統及操作方法，涉及智能機器人技術領域，所述系統包括：數據接收模塊、目標對象識別模塊、分析決策模塊和響應模塊；數據接收模塊用于對獲取到的多模態異構數據進行預處理，得到感官數據；其中，多模態異構數據包括視覺數據、聽覺數據、觸覺數據和語義數據中的至少一項；目標對象識別模塊用于根據感官數據對目標對象建立對應的用戶畫像；分析決策模塊用于根據用戶畫像進行偏好分析，并基于深度學習模型得出響應策略；響應模塊用于基于響應策略發出操作指令。本發明實現了能夠從用戶的個體特征出發，更好地理解用戶的需求并作出響應。

本發明授權一種支持多模態交互的機器人操作系統及操作方法在權利要求書中公布了：1.一種支持多模態交互的機器人操作系統，其特征在于，所述系統包括： 數據接收模塊、目標對象識別模塊、分析決策模塊和響應模塊； 所述數據接收模塊用于對獲取到的多模態異構數據進行預處理，得到感官數據；其中，所述多模態異構數據包括視覺數據、聽覺數據、觸覺數據和語義數據中的兩種或兩種以上； 所述目標對象識別模塊用于根據所述感官數據對目標對象建立對應的用戶畫像； 所述分析決策模塊用于利用深度學習模型根據所述用戶畫像進行偏好分析，并基于偏好分析得出響應策略； 所述響應模塊用于基于所述響應策略發出操作指令； 所述目標對象識別模塊包括多模態數據融合單元、用戶畫像單元和用戶分類單元； 所述多模態數據融合單元用于基于多模態數據融合模型提取所述感官數據的特征，所述特征包括年齡、性別、語言習慣、知識水平、是否殘障中的至少一項； 所述用戶畫像單元用于根據來源自同一個用戶的所述感官數據建立所述用戶畫像，并根據聲紋特征作為索引，存儲與管理所述用戶畫像； 所述分析決策模塊包括輸入子模塊和輸出子模塊： 所述輸入子模塊用于從所述用戶畫像中提取用戶的歷史行為序列數據，通過注意力機制為每個數據點分配權重并輸入到長短時記憶網絡中，其中，注意力能量的計算公式如下： 其中，為所述注意力能量，為所述歷史行為序列數據的時間步數，為注意力向量，為權重矩陣，為偏置向量，為第i個輸入數據，為雙曲正切激活函數； 利用注意力轉換公式將注意力能量轉換為注意力權重，其中，注意力轉換公式如下： 其中，為所述注意力權重，exp為指數函數，為對全時間步所述注意力能量進行指數運算的總和； 將輸入序列與注意力權重相乘得到加權輸入序列，其中，加權輸入序列的計算公式如下： 其中，為經過注意力加權后的第t個輸入，為第t個時間步對第i個輸入的注意力權重，為第i個輸入數據； 所述輸出子模塊用于： 基于所述加權輸入序列計算偏好表示，其中，偏好表示的計算公式如下： 其中，為全連接層的權重矩陣，為對所述加權輸入序列的總和，為修正線性單元激活函數，為全連接層的偏置向量； 基于偏好表示生成響應策略，其中，響應策略的計算公式如下： 其中，為所述偏好表示，為全連接層的權重矩陣，為偏置向量，為激活函數； 所述響應模塊包括： 實時情景感知單元，用于基于所述感官數據、所述用戶畫像及操作行為識別當前的交互情景，以制定對應的輸出方式；其中，所述用戶畫像包括偏好信息和情緒狀態，所述輸出方式為操作指令的具體表現形式； 動態決策子單元，用于在交互過程中對所述交互情景和所述情緒狀態進行持續監測并提取特征向量，當預設時段內所述交互情景和或所述情緒狀態的所述特征向量與前一時刻的所述特征向量之間的歐氏距離超出預設閾值時，重新制定所述輸出方式。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江西理工大學南昌校區，其通訊地址為：330000 江西省南昌市經濟技術開發區雙港東大街1180號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。