沈云輝，賴燕梅，何 娟

（1.廣東工業(yè)大學機電工程學院，廣州 510000；2.首都師范大學文學院北京100089；3.中山大學管理學院，廣州 510000）

0 引言

云是一個資源池，它包含大量虛擬資源(硬件、開發(fā)平臺和I/O服務)，用戶可以對這些資源進行配置。這個資源池的調(diào)用通?；跍蕰r、收費模式管理，它最顯著的特性是軟件即服務(SaaS)[1]。本文中機器人采用“機器人+云計算”模式，機器人的操作系統(tǒng)和數(shù)據(jù)庫部署在云端，它可以調(diào)用API來實現(xiàn)語音識別、人臉識別和語義識別。機器人的發(fā)展日新月異，人類不僅希望單個機器人能夠獨立完成高復雜度的任務，也希望機器人能夠合作完成任務。多機器人協(xié)調(diào)在智能農(nóng)業(yè)、搜救、運輸?shù)阮I域得到了廣泛地應用[2]。此外，云機器人和自動化研究[3]為多機器人協(xié)調(diào)在客戶服務中的應用提供了現(xiàn)實的可能性。

本文將重點關注商業(yè)客戶服務，重點介紹多機器人協(xié)作對客戶服務的貢獻。在商業(yè)交易過程中，商場服務機器人充當購物助手，這些機器人可以利用云服務技術實現(xiàn)信息的共享。機器人還可以收集顧客的信息，判斷他們對商品的喜好，然后給顧客及時有效的建議。該技術將有助于為客戶提供個性化服務。同時，多機器人協(xié)作的應用也為傳統(tǒng)商店的轉(zhuǎn)型以及傳統(tǒng)商店的體驗與電子商務功能相結(jié)合提供了一些可能性[4]。

機器人的協(xié)同通常分為合作協(xié)同和競爭協(xié)同。合作協(xié)同是建立在分工的基礎上的，通過對任務的分工，將群體機器人分為若干個子群。根據(jù)協(xié)同方式進一步細化為合作協(xié)作和競爭協(xié)同[5]。競爭協(xié)同則是通過允許多個機器人擁有同一個任務或目標，建立承包機制。

隨著近年許多研究者將研究重點轉(zhuǎn)移到如何使多機器人更好地進行協(xié)調(diào)的研究上，多機器人系統(tǒng)和多移動機器人系統(tǒng)(MRSs)的研究在規(guī)模和重要性上都有很大的提高[6]。而當許多機器人一起工作，通信往往受到網(wǎng)絡的限制，杰弗里·霍林格[7]和桑吉夫·辛格證明即時協(xié)調(diào)的滾動規(guī)劃可以包含周期性約束，從而使與需要連續(xù)連接的算法相比有了顯著的改進，并為機器人提供一個實現(xiàn)更好地實時信息交換的基礎。近年來，在機器人的發(fā)展中，關于機器人的協(xié)同控制實驗，曹永康等[8]人通過結(jié)合理論在多輪式移動機器人平臺上進行應用分布式協(xié)作控制策略，探索分布式共識算法的有效性，同時避免了集中式協(xié)同控制方案易受通信范圍和帶寬限制以及對團隊領導或集中站的干擾，不能擴展到團隊中的所有機器人的弊端[8]。在最新的研究中，關于如何將多機器人彼此協(xié)同共識控制問題上，傅勤等[9]將Lyapunov泛函方法應用于具有分布參數(shù)模型的多智能體系統(tǒng)，并在適當?shù)腟obole空間上解決這種多智能體系統(tǒng)的共識控制問題，進一步為機器人的協(xié)同工作方向打下基礎。

本文所涉及的客戶服務是人工智能客戶服務。人工智能客戶服務是指機器人通過語音與客戶進行溝通，記住客戶的記錄，通過語義分析了解用戶的意圖，與用戶進行友好的溝通，為客戶提供必要的客戶信息和其他相關服務所需的信息。人工智能客服是針對客戶需求的創(chuàng)新服務。

1 系統(tǒng)架構(gòu)

基于多機器人協(xié)作方法的客戶服務系統(tǒng)框架如圖1所示。包括組織層、客戶端層、應用層、公有云服務層和私有云服務層、場景分類層和交互信息共享層。

圖1 多機器人協(xié)同系統(tǒng)結(jié)構(gòu)圖

組織層包括企業(yè)、商店和酒店，以及為公眾提供服務的醫(yī)院和政府機構(gòu)?？蛻舳藢邮墙M織層的客戶。應用場景分類層的功能是通過客戶端與機器人之間的對話記錄來區(qū)分對話場景。組織(機器人所有者)可以根據(jù)所屬行業(yè)為機器人選擇場景。例如，商店選擇的交互場景是購物，酒店選擇的交互場景是酒店。當對話場景確定后，機器人的交互狀態(tài)將切換到相應的場景狀態(tài)模式，提高語義識別程度，優(yōu)化交互體驗。應用層主要描述了那些機器人的協(xié)同方法?？紤]到場景的分類，機器人會根據(jù)場景的知識庫與客戶進行溝通。機器人通過與其他機器人共享云數(shù)據(jù)庫，保存客戶的信息，包括客戶的人臉或聲紋，以及每次與客戶交互的交互狀態(tài)。例如，如果一個人與機器人A進行了交流，然后這個人遇到了機器人B。當機器人B在另一個地方識別到這個人的人臉或者聲音信息時，機器人B會首先識別出這個人。機器人B會下載他與機器人A通信時生成的數(shù)據(jù)。在分析他和其他機器人的交互信息的基礎上與他展開對話。

為了清晰描述數(shù)據(jù)在機器人之間的傳遞和狀態(tài)的繼承，本文提出的框架數(shù)據(jù)流程如圖2所示。圖中，顧客A分別與2個不同的機器人交流如何到達酒店?？蛻鬉首先與機器人B溝通。機器人B收到客戶的問題，通過步驟B1和B2得到答案。最后，機器人B給出了客戶A的答案，同時通過步驟D1和D2保存客戶的口語對話狀態(tài)和數(shù)據(jù)。一段時間后，客戶A遇到了機器人C，機器人C獲得機器人B的口語對話狀態(tài)以及在識別到客戶A身份ID后從云服務獲得客戶數(shù)據(jù)。機器人C立即知道客戶要去酒店，即使客戶沒有告訴機器人C去酒店，機器人C會直接告訴客戶怎么去酒店。這樣縮短了客戶端A獲取目標信息的交互時間。交互信息共享機制是一種機器人與商家之間管理信息的一種機制。特別地，他為每個組織(商家)提供1個帳戶和密碼來管理他們的數(shù)據(jù)。組織(商家)可以直接管理他們的信息是公開的還是只對他們自己開放。同時，為了保證客戶信息的安全和隱私，未經(jīng)客戶允許，客戶的信息不會被保存。當機器人保存客戶的面部數(shù)據(jù)時，他會嘗試獲得客戶的許可，然后保存數(shù)據(jù)。公共云服務層一般是指Microsoft Azure、Amazon Web services等云服務，均包括很多API。通過調(diào)用這些API來獲取人臉識別、語音識別等其它功能。云機器人不僅可以降低成本，還可以優(yōu)化資源分配。私有云服務是存儲和管理商家和客戶的信息，通過機器人合作系統(tǒng)的配合為客戶提供個性化的服務。當用戶與機器人交互時，獲得用戶的許可后，將信息保存到云端，包括用戶的身份ID、聊天記錄、購物信息、位置等。同時，如果商家需要，還可以將商店中出售的商品、折扣促銷信息、組織位置等信息保存在私有云中。在與客戶溝通時，機器人可以根據(jù)客戶的歷史購買記錄推薦相關產(chǎn)品或配件產(chǎn)品。如果機器人屬于同一個商業(yè)圈(聯(lián)盟)，他們可以提出互補或相關的產(chǎn)品建議。

圖2 多機器人協(xié)同框架工作流程圖

2 對話狀態(tài)跟蹤器

多機器人協(xié)作是一項應用于機器人路徑規(guī)劃、搜索等其他領域的成熟技術。本文展示了多機器人協(xié)作在服務機器人中的應用。正如語音交互機器人是基于云服務的，也是云機器人的一種。他們的系統(tǒng)和數(shù)據(jù)庫是共享的，因此機器人協(xié)作是會話狀態(tài)的連接和繼承?？梢允褂脤υ挔顟B(tài)跟蹤技術。早期口語對話系統(tǒng)使用提前制定的規(guī)則[10]，這種技術的優(yōu)點是，它不依賴于大量的數(shù)據(jù)來實現(xiàn)，只提供規(guī)則就可以不斷改善，但它依賴于大量的人力且應用范圍是非常狹窄的。隨后，在對話狀態(tài)跟蹤中使用生成模型[11]，通過對收集到的對話行為和潛在意圖進行統(tǒng)計分析，可以得到上下文。與生成模型不同，對話狀態(tài)跟蹤的判別模型通過時間遞歸神經(jīng)網(wǎng)絡（RNN）中的長短期記憶(LSTM)選擇性地保留交互語料庫，提高了識別的準確性[12]。

首先，對固定場景建立特殊的場景模型。場景模型包含場景的獨有特征，這些特征設置成像插槽一樣。例如，機票購買的場景模型:對話狀態(tài)列出并編碼購票時間、購票號碼、購票數(shù)量、購票地點，當客戶查詢購票信息時，機器人通過自動語音識別(ASR)識別購票信息，然后通過使用自然語言工具包(NLTK)(一種自然語言預處理方案)進行預處理生成的文本。機器人會根據(jù)設定的條件積極引導交互的詢問問題，像插槽一樣去填充場景模型所需的信息。因為機器人使用云操作系統(tǒng)，當客戶端I與機器人A通信并離開時，交互不會消失，而是掛起(保存)并綁定到客戶的ID。所以當客戶I再次和機器人對話時，即使不是機器人A，假設是機器人B，那么機器人B就可以讀取上次客戶I和機器人A的數(shù)據(jù)并繼續(xù)對話。

3 個性化數(shù)據(jù)庫架構(gòu)

本文提出的框架涉及到私有云中的許多不同信息，包括來自組織者例如商場、酒店、銀行等和用戶的信息。在隱私安全越來越受到重視的時代，如何做好個性化服務和信息安全是一個巨大的考驗。本文所述的系統(tǒng)將根據(jù)對應用戶的信息分別管理和存儲在每個組織者知識庫中，每個組織都有自己唯一的賬號和密碼管理，與此同時，系統(tǒng)都有自己的客戶(組織者)操作終端，移動電話應用操作終端，可以隨時上傳和更新數(shù)據(jù)。這個知識庫的架構(gòu)如圖3所示。圖中，以酒店及商場的個性化知識構(gòu)建為例，有3種方法可以為數(shù)據(jù)源構(gòu)建知識庫。第1種方式是組織者使用終端(APP、Web)編輯和上傳私有數(shù)據(jù)；第2種方法是從公有云服務導入通用數(shù)據(jù)。這2種方法可以準確的添加大量的數(shù)據(jù)，但是也有不足之處。第1種缺乏效率，第2種缺乏時效性。第3種是收集大量機器人和客戶的交互數(shù)據(jù)，包括分詞后詞向量表達和詞性標注，然后利用深度神經(jīng)網(wǎng)絡(DNN)對數(shù)據(jù)進行訓練和處理，最后將分析結(jié)果上傳到云端。知識庫中存儲的數(shù)據(jù)主要基于服務數(shù)據(jù)，商戶的信息是否可以被其他商戶訪問由信息提供者決定，從而保證商戶信息隱私，提高客戶服務水平。

圖3 構(gòu)建知識庫的工作流程

4 結(jié)束語

本文提出了一種基于多機器人協(xié)作方式的個性化客戶服務系統(tǒng)，該系統(tǒng)有效地管理和使用了機器人信息、組織信息和客戶信息，同時保護了客戶和企業(yè)信息的隱私。在為客戶提供個性化服務和個性化推薦的同時，也為企業(yè)節(jié)約了人力資源成本。同時，個性化知識庫添加數(shù)據(jù)的方式有3種，為組織開展大數(shù)據(jù)分析提供有針對性的、實時的高數(shù)據(jù)源，為了解客戶和升級服務奠定了基礎。對話狀態(tài)跟蹤技術將機器人協(xié)作的方法應用于語音交互服務領域，使客戶體驗到不間斷的交互環(huán)境。這種互動將完全與最后的互動相聯(lián)系，在一定程度上消除了顧客與機器人之間機械的和不協(xié)調(diào)的互動感。雖然機器人的語音識別正確率仍然不高，而且只是暫時支持在會場等嘈雜場所進行單人對話。在未來，我們將嘗試設計機器人與多個交互對象交互，這樣機器人就可以同時與一群人交互。