摘要
随着人工智能技术的发展，促进了机器人相关技术日益丰富完善，使得服务机器人逐步走入大众视野，服务机器人开始在多种场景下得到应用。在某些场景下，服务机器人代替人力已成为趋势。虽然现阶段服务机器人已经得到了大量应用，但多数使用场景较为简单，且在一些场景下的技术还不够成熟，服务机器人领域还有许多问题项待解决,增强服务机器人的人机交互能力是一个重要的研究方向。以自然语言处理为代表的深度学习技术有了长足的进步，使对话系统成为增强交互能力的一种方式，但现有的对话系统模型存在生成回复简单、信息量少的问题。因此本文首先改进现有多轮对话模型并提出基于知识的多轮对话模型，以提升对话系统回复生成丰富性以及信息量。然后在对话系统的基础上设计服务机器人人机交互系统，以下是本文的主要工作: 首先改进分层循环注意力网络HRAN模型，当前分层循环注意力网络成为生成式多轮对话的主流语言模型，它在传统序列到序列的基础上引入分层注意力机制，分别对历史对话和句内词进行建模，使用对话历史信息指导的生成。本文对分层循环注意力网络HRAN模型改进，使用基于相似度计算的注意力机制代替原模型基于多层感知机的注意力机制，并在解码方式上做出改进，最后在KdConv中文数据集上进行验证，在Distinct等评价指标上取得更好效果; 然后设计并实现了一种基于知识多轮对话模型，在改进的分层循环注意力网络基础上通过引入结构化的外部知识信息，以解决分层循环注意力网络模型回复多样性的问题。在模型中设计了知识编码器，引入了外部三元组知识，将用户对话过程中的实体关联到相关的三元组信息并通过知识注意力机制对相关知识赋以不同权重，进一步增强模型生成对话所包含知识的丰富性以及产生回答的多样性，最后同样在KdConv中文数据集上进行验证，在相关评价指标上相较于对比模型有更好表现; 最后设计服务机器人人机交互系统，实现了一种基于对话系统的人机交互的方法。应用本文设计的基于知识的多轮对话系统，并使用SLAM、路径规划、自主探索算法等机器人室内导航相关技术，设计人机交互系统服务流程，通过GUI界面的形式，使服务机器人不仅可以与用户进行多轮的对话交流，还可以满足定位导航需求，提升服务机器人人机交互能力，帮助用户完成一些智能化任务。
NETL