CN112634684A - 智能教学方法和装置 - Google Patents

Abstract

本申请提出了一种智能教学方法，包括：加载教学内容；生成多个虚拟机器人；使至少一个所述虚拟机器人与用户进行教学内容的互动；使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动。通过多个虚拟机器人与用户之间共同互动教学，营造多人互动的学习氛围，且多个虚拟机器人可以互相配合，充分引导、鼓励、启发学生的积极性。并且，不同的虚拟机器人之间具有差异化，对同一用户可分别作出不同的反馈或响应，使不同虚拟机器人进行上述互动时，用户感受不同，对用户更有吸引力，提高用户在教学中参与互动的积极性。

Description

智能教学方法和装置

技术领域

本申请涉及在线教学技术领域，尤其涉及一种智能教学方法和装置。

背景技术

在线教育改善了教育资源分布不均衡，打破了时间和地点的限制。并且，由于AI的发展，在线教育中，出现了使用虚拟教师角色进行在线教育，该方法可以针对用户的自身情况，实施个性化教学。例如，申请号为CN201910205680.3的专利申请就公开了一种智能机器人教学***及学生学习方法，实现在虚拟教学中，通过AI技术，识别用户表情、动作等、情感等，在人工智能机器人上实现了不同人性格的分析和设定，实现了逼真的人机个***互。

但是，目前的智能教学方法中，仅设置一位虚拟教师角色，包括上述的专利申请，采用的是一对一的教学方式，即通过一虚拟教师角色与用户进行教学互动，不足以激发学生的学习兴趣、提高参与度。而用户在真实场景下，尤其是针对学生用户，通常是与多位同学一起上课，与教师、与同学进行互动。在真实场景下，由于多位学习伙伴和讨论对象的参与，学生不仅可从教师获得知识输入，也可从学习伙伴获得知识输入，并且由于有学习伙伴，营造了学习氛围，也能提高学习的积极性。

因此，如何能够针对仅一位用户的情况下营造多位用户共同互动的教学效果，是本申请所要改进的技术问题。

发明内容

鉴于现有技术的以上问题，本申请提供一种智能教学方法和装置，以能营造多个虚拟机器人与用户共同互动学习的学习氛围，提高用户学习的积极性。

为达到上述目的，本申请提供了一种智能教学方法，包括：

加载教学内容；

生成多个虚拟机器人；

使至少一个所述虚拟机器人与用户进行教学内容的互动；

使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动。

由上，通过生成多个虚拟机器人，以及使至少一个所述虚拟机器人与用户进行教学内容的互动、使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动。营造了多个虚拟机器人与用户共同学习的氛围，且虚拟机器人之间、与用户均可进行互动，以引导用户学习。本申请实现了多个虚拟机器人与用户共同互动的氛围，且多个虚拟机器人可以互相配合，充分引导、鼓励、启发学生的积极性。

可选的，所述生成多个虚拟机器人包括：根据预设的不同的参数属性，生成不同参数属性的虚拟机器人；所述参数属性包括至少以下之一：性别、年龄、性格、爱好、身高、体型、职业、语速、语调、表情变化率。

由上，不同的虚拟机器人应赋予不同的人格属性，使不同虚拟机器人进行互动时，用户感受不同，对用户更有吸引力，提高用户参与互动的积极性。

可选的，所述虚拟机器人与用户进行教学内容的互动时，包括：

不同的所述虚拟机器人采用不同参数的深度神经网络对用户的自然语言进行理解或对情感进行识别；

各所述虚拟机器人根据理解的所述自然语言或识别的情感生成互动中的相应的信息，并输出。

由上，实现了不同虚拟机器人之间的差异化，对用户可分别作出不同的反馈或响应，使不同虚拟机器人进行互动时，用户感受不同，对用户更有吸引力，提高用户参与互动的积极性。

可选的，对采集的用户的文本输入或语音输入进行所述自然语言的理解；根据采集的用户肢体图像或面部表情图像进行所述情感的识别。

可选的，所述输出包括：以适配虚拟机器人参数属性的动作或表情的方式进行所述信息的输出。

由上，实现了不同虚拟机器人之间的差异化的输出，使不同虚拟机器人进行互动时，用户感受不同，对用户更有吸引力，提高用户参与互动的积极性。

本申请还提供了一种智能教学***，包括：

在线教学模块，用于加载教学内容；

群智机器人模块，用于生成至少两个虚拟机器人，及用于使至少一个所述虚拟机器人与用户进行教学内容的互动，使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动。

可选的，所需虚拟机器人被配置有：

语言采集模块，用于采集用户的自然语言，采集的自然语言包括文本形式或语音形式的语言。

自然语言理解模块，用于通过语义识别理解所述自然语言，并生成互动中的语音信息；

语言输出模块，用于对自然语言理解模块生成的语言信息进行输出；

行为输出模块，用于输出虚拟机器人的动作或表情。

可选的，所需虚拟机器人还被配置有：

图像采集模块，用于采集用户肢体图像或面部表情图像；

情感识别模块，用于根据采集的用户肢体图像或面部表情图像识别出用户的情感；

所述语言输出模块还用于根据识别出的用户的情感进行所述输出；

所述行为输出模块还用于根据识别出的用户的情感输出虚拟机器人的动作或表情。

可选的，还包括：数据库模块，其包括用户数据库与课程数据库；

所述用户数据库用于存储用户的个人信息、课程进度和风格偏好；

所述课程数据库用于存储通用数据库和每课数据库；所述通用数据库存储有问候语和通用聊天语料库，所述每课数据库存储当前课时所需的虚拟机器人数量、角色和课程内容。

可选的，还包括：测评模块，其包括学习效果评价模块和课后测试模块；所述学习效果评价用于通过主动交互占比、答题正确率、课堂情绪分数组成的评价指标评价用户学习效果；所述课后测试模块用于实现对当前课程的内容测试；

复习模块，用于发送复习内容，并记录用户的复习进度和次数到所述用户数据库中。

本申请还提供了一种计算设备，包括：通信接口，以及至少一个处理器；其中，所述至少一个处理器用于执行程序指令，所述程序指令当被所述至少一个处理器执行时使得所述计算设备实现上述任一所述的方法。

本申请还提供了一种计算机可读存储介质，其上存储有程序指令，所述程序指令当被计算机执行时使得所述计算机实现上述任一所述的方法。

综上所述，本申请生成多个虚拟机器人，由多个虚拟机器人与用户之间共同互动教学，可营造多人互动的学习氛围，且多个虚拟机器人可以互相配合，充分引导、鼓励、启发学生的积极性。并且，不同的虚拟机器人采用不同的参数属性生成，赋予了不同的人格属性，并且通过不同的深度神经网络进一步实现了不同虚拟机器人之间的差异化，对同一用户可分别作出不同的反馈或响应，使不同虚拟机器人进行上述互动时，用户感受不同，对用户更有吸引力，提高用户参与互动的积极性。

本申请的这些和其它方面在以下(多个)实施例的描述中会更加简明易懂。

附图说明

以下参照附图来进一步说明本申请的各个特征和各个特征之间的联系。附图均为示例性的，一些特征并不以实际比例示出，并且一些附图中可能省略了本申请所涉及领域的惯常的且对于本申请非必要的特征，或是额外示出了对于本申请非必要的特征，附图所示的各个特征的组合并不用以限制本申请。另外，在本说明书全文中，相同的附图标记所指代的内容也是相同的。具体的附图说明如下：

图1是本申请智能教学方法的一实施例的流程图；

图2是本申请智能教学***的一实施例的示意图；

图3是本申请实施例提供的一种计算设备的结构性示意性图。

具体实施方式

说明书和权利要求书中的词语“第一、第二、第三等”或模块A、模块B、模块C等类似用语，仅用于区别类似的对象，不代表针对对象的特定排序，可以理解地，在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

在以下的描述中，所涉及的表示步骤的标号，如S110、S120……等，并不表示一定会按此步骤执行，在允许的情况下可以互换前后步骤的顺序，或同时执行。

说明书和权利要求书中使用的术语“包括”不应解释为限制于其后列出的内容；它不排除其它的元件或步骤。因此，其应当诠释为指定所提到的所述特征、整体、步骤或部件的存在，但并不排除存在或添加一个或更多其它特征、整体、步骤或部件及其组群。因此，表述“包括装置A和B的设备”不应局限为仅由部件A和B组成的设备。

本说明书中提到的“一个实施例”或“实施例”意味着与该实施例结合描述的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在本说明书各处出现的用语“在一个实施例中”或“在实施例中”并不一定都指同一实施例，但可以指同一实施例。此外，在一个或多个实施例中，能够以任何适当的方式组合各特定特征、结构或特性，如从本公开对本领域的普通技术人员显而易见的那样。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。如有不一致，以本说明书中所说明的含义或者根据本说明书中记载的内容得出的含义为准。另外，本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

为了准确地对本申请中的技术内容进行叙述，以及为了准确地理解本申请，在对具体实施方式进行说明之前先对本说明书中所使用的术语给出如下的解释说明或定义：

群智机器人：多个智能教育机器人互相协作完成教学任务，体现群体智能时，将这些教育机器人称为群智机器人。这些教育机器人在一些实施例中可以是虚拟的机器人，例如通过一台计算机上的软件模拟的不同的虚拟角色。在一些实施例中，也可以是将所述各个虚拟机器人对应的程序下载到不同的可执行相应程序的实体机器人中来实现。

当使用实体的教育机器人实现时，该实体的教育机器人至少包括：处理器(CPU)、存储器、麦克风、摄像头、扬声器、显示器。存储器存储相应的虚拟机器人的程序及经训练的深度神经网络模型；麦克风、摄像头用于采集语音和图像；扬声器用于播放语音；显示器用于显示该机器人的表情动画(如显示笑容画面)或肢体动画(如显示表示鼓掌的画面)，或文字等；CPU用于执行存储器内的程序及使用所述深度神经网络模型，以对所述采集语音和图像生成对应的反馈语音通过扬声器播放，或通过显示器显示。换句话说，当采用实体教育机器人时，即相当于以嵌设有一计算机的形状为机器人的设备来实现。为描述方便，后述该教育机器人均以虚拟机器人为例进行描述。

人机交互：指学生与智能教育机器人的交互，以问答、对话、闲聊等交互性内容为主，人机交互可以在课程任意时间开始和结束。

本申请通过引入群智机器人作为陪伴角色，利用多个虚拟机器人同时参与到在线教学中，营造多用户共同学习的氛围，并且多个虚拟机器人扮演不同角色时，可以互相配合，充分引导、鼓励、启发学生的积极性，营造浓厚的学习氛围，激发学习热情和学习兴趣，提升学习效率。本申请的具有群智机器人的虚拟教学方法可用于各种虚拟教学中，例如在线虚拟教学，该教学可以为英语、数学、语文等任一的在线虚拟教学。当为英语在线虚拟教学时，还可支持中文、英文、中文夹杂英文的语言模式的教学。下面参照附图对本申请进行详细描述。

如图示1出了本申请提供的一种智能教学方法的一实施例的流程图，以一用户的在线教学为例进行说明，包括以下步骤：

S110：加载教学内容；包括导入用户数据库和课程数据库；该两数据库将在后文具体描述。

本步骤的一具体实现方式可以是：用户在终端上，如计算机、PAD或手机上，启动相应实现本发明的在线教学应用，该在线教学应用根据用户的标识(如用户的登录名、手机号)，从服务器数据库中读取该用户对应的数据库和课程数据库，以进行在线教学的初始化工作。

S120：按照用户数据库中的用户对虚拟形象的喜好、按照课程数据库提供的信息，例如虚拟机器人形象、数量、角色等，生成多个虚拟机器人，构成群智机器人，该多个虚拟机器人在用户的终端上进行显示。

每个虚拟机器人生成时，根据预设的不同的参数属性，生成不同参数属性的虚拟机器人，所述参数属性包括至少以下之一：性别、年龄、性格、爱好、身高、体型、职业、语速、语调、表情变化率。这样生成的各个虚拟机器人表现上具有差异化。

其中，上述虚拟机器人可以以虚拟机器人物、虚拟的动画角色、虚拟动物等形象进行展示。以虚拟机器人物为例，其具体实现方式可以为：通过计算机技术将人体结构数字化，综合利用人体建模、骨骼绑定和实时渲染技术进行实现。具体的，通过采集大量的动作数据，包括脸部数据、身体数据，眼睛和牙齿等动作和表情数据，建模虚拟教师角色的三维模型，合成虚拟教师角色形象，完成人体建模。然后，辅以人工智能算法对虚拟教师角色进行实时驱动，包括，构建带有三维骨骼架构的仿生三维模型，通过采用蒙皮算法仿生三维模型的三维骨骼架构上绑定到虚拟教师角色三维模型的骨骼位置，包括模型顶点的绑定及同时进行纹理的渲染，生成动作向量数据驱动三维模型的动作和表情。

S130：根据加载的所述教学内容，由所述多个虚拟机器人实现与用户互动中的教学。

其中，教学过程中，使至少一个所述虚拟机器人与用户进行教学内容的互动，例如与用户进行问答，或根据理解、识别的用户的自然语言和情感给出相应的反馈信息。该互动的实现方式可包括以下子步骤：

S131：采集用户的语言和图像信息。

采集的语言信息可以是文字形式或语音形式。例如，根据用户的文本输入采集文字形式的语言，根据用户通过麦克风的语音输入采集语音形式的语言，另外，当采集的是语音形式的语言时，为了便于后续的处理，进一步的可将语音形式的语言进行识别，转换为文字形式的语言。

采集用户图像可以是根据摄像头采集用户肢体图像或面部表情图像。

S132：不同的所述虚拟机器人采用不同参数的深度神经网络对用户的自然语言进行理解或对情感进行识别；

该步骤中的对自然语言进行理解具体包括：根据采集的用户的语言信息，识别出对于的语义内容，即理解用户意图，并根据识别出的语义生成对应的输出语言内容。自然语言理解模块可以由冗余神经网络(RNN)实现。具体的，当将用户的语言，如文字形式的语言中的各个分词依次输入到经训练后的RNN后，RNN会进行语义的识别，并依次生成各个分词构成语言输出。通常，根据语言信息的输入生成相应的输出语言，可以采用编码器-解码器结构的RNN实现。该用户的语言信息与生成的输出语言信息构成句子-句子式的结构，如问题-答案类、或语句-响应语句类。

该步骤中的对情感进行识别具体包括：根据采集的用户的行为图像识别出用户的情感，该情感可以对应为高兴、沮丧、疑惑、确认、以及注意力度等。情感识别模块可以由卷积神经网络(CNN)实现，具体的，当将用户的行为图像输入经训练后的CNN后，CNN判断出对应各类情感的概率，并将最大概率所对应的情感作为输出，即识别出该用户的行为图像对应的情感。另外，还可以根据识别出的用户的情感生成用户情感曲线，并给出情感分数。

其中，不同的虚拟机器人的进行自然语言理解和情感识别时，可以采用不同参数的RNN或CNN，参数包括深度神经网络的层数、激活函数等从而在训练中可以生成不同的神经网络，以使不同的虚拟机器人能对相同的输入有不同的识别结果，从而可以用不同内容的语言或动作表情进行输出，即实现不同虚拟机器人的差异化。

S133：各所述虚拟机器人根据理解的所述自然语言理解或识别的情感生成互动中的相应的信息。

本步骤即使用上述深度神经网络进行相应的输出，深度神经网络采用编码-解码结构时，可以根据输入的用户的语言和图像，直接生成互动中的相应的信息。

S134：以适配虚拟机器人参数属性的动作与表情的方式进行所述信息的输出；该步骤具体包括：

对自然语言理解模块生成的语言进行输出。输出方式可以为文本方式，如通过显示屏输出，也可以通过语音合成模块将文本转换为语音输出，当进行语音合成时，可以根据前述的虚拟机器人的参数属性(如性别、年龄、语速、声音粗细)输出合成的语音，以和对应的虚拟机器人参数属性对应的性格一致。

同时输出该机器人的动作与表情，以展示给用户。例如该机器人为虚拟机器人时，则可以以动画形式播放该机器人的动作与表情。动作表情可以是举手动作、思考动作，与用户的表情相同或相似的表情等，由于虚拟机器人具有动作和表情，容易带入用户进入氛教学围中。

其中，教学过程中，还需要使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动，例如将一个虚拟机器人的输出的语言(虚拟机器人之间的互动时，输出的语言可以为文字形式)或动作与表情(虚拟机器人之间的互动时，输出的动作与表情可以是对应的参数，如表示某动作的参数)作为另一个虚拟机器人的输入，从而实现虚拟机器人之间配合互动，以实现配合提问、相互答疑、相互纠错、相互对话等，实现教学中对用户的启发与引导等。相比与用户进行互动的来说，由于是由教学***将一个虚拟机器人的输出直接作为另一虚拟机器人的输入，该虚拟机器人之间的互动不需要经过摄像头、麦克风等外部设备。

需要说明的是，当用户使用一台电脑进行智能教学时，该电脑的麦克风、摄像头作为各个虚拟机器人共用的用于实现对用户语言采集和图像采集的设备。

其中，教学过程中，会按照读取的课程数据库的内容上课，上课内容和进度根据测评结果调整。

S140：课程内容结束后，可以进行课程后的相关内容项目的执行，下面列举几例说明：

上课结束后，可以调出本节课程的知识点总结和回顾，然后开展课程答疑。

上课结束后，还可以启动课程的学***，取值范围为1～10，其中5表示中性，1～4表示消极程度，越小消极程度越高，6～10表示积极程度，越大积极性越高。学习效果评价指标保存在课程数据库中。

上课结束后，还可以启动课后测试，通过对当前课程的内容测试，考察用户的知识点掌握情况，测试结果保存在课程数据库中。

上课结束后，还可以按照艾宾浩斯遗忘曲线发送复习内容，并记录用户的复习进度和次数存入用户数据库中。

由上，通过本发明方法，在教学过程中，当判断用户出现某情感时，如沮丧(表示未理解教学内容)，可驱动至少一个虚拟机器人相应的动作、表情，或播放对应的语音或展示相应的文字或画面等，以激励用户情绪，并且可以调整虚拟机器人动作或表情的变化率，即提高虚拟机器人的活跃度等，以更有效的激励用户，实现教学中的互动。另外，还可以根据用户实际情况实施实时内容调整的教学。另一方面，也可以触发虚拟机器人之间，或与用户之间的问答互动，该问答互动具有引导教学内容的性质，实现互动式教学。当虚拟机器人发起问题时，实现对用户的学习的引导。从而实现当用户在用户遇到困难时适时的给出提示和引导，实现多个虚拟机器人与用户交互式的学习。

如图2示出了本申请的具有群智机器人的虚拟教学装置，包括：

数据库模块10，包含用户数据库110和课程数据库120，分别用于存储用户信息和课程数据，该数据库模块10可以存储在网络侧，如服务器端。

所述用户数据库110存储的用户信息包括用户个人信息、课程进度和风格偏好三部分。个人信息包含姓名、年龄、联系方式、家庭住址等必要联系信息；课程进度包含课时安排、学习进度、学习效果、复习进度等必要的学习信息；风格偏好包括用户个人的上课习惯、喜欢的上课风格、喜爱的虚拟机器人形象。

所述课程数据库120存储的信息包括数据库属性信息、通用数据库、每课数据库。其中，数据库属性信息包含当前数据库版本、修改记录和声明文件；通用数据库包含问候语和通用聊天语料库，用于课前或课后可能的问候、闲聊等；每课数据库包含当前课时所需的机器人数量、角色和课程全部内容，课程全部内容由视频录像、图片和文字构成，其中上课的视频录像可按照用户编号+课时+日期命名方式命名。进行当前智能教育课程前，导入数据库存储的前次信息，还可以根据前次课后测评结果调整本次课程内容和进度。并，进行当前智能教育课程时，根据所述机器人数量、角色生成多个虚拟机器人，构成群智机器人。

在线教学模块20，用于从数据库模块10的用户数据库110和课程数据库120中加载所存储的内容。

群智机器人模块30，用于生成至少两个虚拟机器人。各个虚拟机器人可以分别与用户互动，与用户进行问答，各个虚拟机器人之间也可以互动实现虚拟机器人之间配合互动，以实现配合提问、相互答疑、相互纠错、相互对话实现教学中对用户的启发与引导等。

其中，针对每个虚拟机器人，设置如下模块：

语言采集模块310，用于采集用户的语言，采集的语言可以是文字形式或语音形式。

图像采集模块320，用于采集用户的行为图像，如肢体动作的图像、脸部的图像。

自然语言理解模块330，用于根据语言采集模块310采集的用户的语言信息，识别出对于的语义内容，即理解用户意图，并根据识别出的语义生成对应的输出语言以回复用户。自然语言理解模块330可以由冗余神经网络(RNN)实现。

情感识别模块340，用于根据图像采集模块320采集的用户的行为图像，识别出用户的情感。情感识别模块可以由卷积神经网络(CNN)实现。另外，还可以用于根据识别出的用户的情感生成用户情感曲线，并给出情感分数。

语言输出模块350，用于对自然语言理解模块330生成的语言进行输出。输出方式和对应的虚拟机器人参数属性对应的性格一致。

行为输出模块360，用于输出该机器人的动作与表情，以展示给用户。

测评模块40，包括学习效果评价模块410和课后测试模块420。学习效果评价模块410用于评价用户学习效果。课后测试模块420用于对当前课程的内容测试，考察用户的知识点掌握情况。

复习模块50，用于发送复习内容，并记录用户的复习进度和次数存入用户数据库110中。

图3是本申请实施例提供的一种计算设备1500的结构性示意性图。该计算设备1500包括：处理器1510、存储器1520、通信接口1530、总线1540。

应理解，图3所示的计算设备1500中的通信接口1530可以用于与其他设备之间进行通信。

其中，该处理器1510可以与存储器1520连接。该存储器1520可以用于存储该程序代码和数据。因此，该存储器1520可以是处理器1510内部的存储单元，也可以是与处理器1510独立的外部存储单元，还可以是包括处理器1510内部的存储单元和与处理器1510独立的外部存储单元的部件。

可选的，计算设备1500还可以包括总线1540。其中，存储器1520、通信接口1530可以通过总线1540与处理器1510连接。总线1540可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。所述总线1540可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。

应理解，在本申请实施例中，该处理器1510可以采用中央处理单元(centralprocessing unit，CPU)。该处理器还可以是其它通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。或者该处理器1510采用一个或多个集成电路，用于执行相关程序，以实现本申请实施例所提供的技术方案。

该存储器1520可以包括只读存储器和随机存取存储器，并向处理器1510提供指令和数据。处理器1510的一部分还可以包括非易失性随机存取存储器。例如，处理器1510还可以存储设备类型的信息。

在计算设备1500运行时，所述处理器1510执行所述存储器1520中的计算机执行指令执行上述方法的操作步骤。

应理解，根据本申请实施例的计算设备1500可以对应于执行根据本申请各实施例的方法中的相应主体，并且计算设备1500中的各个模块的上述和其它操作和/或功能分别为了实现本实施例各方法的相应流程，为了简洁，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行一种多样化问题生成方法，该方法包括上述各个实施例所描述的方案中的至少之一。

本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，均属于本申请保护范畴。

Claims (10)

1.一种智能教学方法，其特征在于，包括：

加载教学内容；

生成多个虚拟机器人；

使至少一个所述虚拟机器人与用户进行教学内容的互动；

使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动。

2.根据权利要求1所述的方法，其特征在于，所述生成多个虚拟机器人包括：

根据预设的不同的参数属性，生成不同参数属性的虚拟机器人；所述参数属性包括至少以下之一：

性别、年龄、性格、爱好、身高、体型、职业、语速、语调、表情变化率。

3.根据权利要求2所述的方法，其特征在于，所述虚拟机器人与用户进行教学内容的互动时，包括：

不同的所述虚拟机器人采用不同参数的深度神经网络对用户的自然语言进行理解或对情感进行识别；

各所述虚拟机器人根据理解的所述自然语言或识别的情感生成互动中的相应的信息，并输出。

4.根据权利要求3所述的方法，其特征在于：

对采集的用户的文本输入或语音输入进行所述自然语言的理解；

根据采集的用户肢体图像或面部表情图像进行所述情感的识别。

5.根据权利要求3所述的方法，其特征在于，所述输出包括：

以适配虚拟机器人参数属性的动作或表情的方式进行所述信息的输出。

6.一种智能教学***，其特征在于，包括：

在线教学模块，用于加载教学内容；

群智机器人模块，用于生成至少两个虚拟机器人，及用于使至少一个所述虚拟机器人与用户进行教学内容的互动，使至少两个所述虚拟机器人用于虚拟机器人之间进行教学内容的互动。

7.根据权利要求6所述的***，其特征在于，所需虚拟机器人被配置有：

语言采集模块，用于采集用户的自然语言，采集的自然语言包括文本形式或语音形式的语言；

自然语言理解模块，用于通过语义识别理解所述自然语言，并生成互动中的语音信息；

语言输出模块，用于对自然语言理解模块生成的语言信息进行输出；

行为输出模块，用于输出虚拟机器人的动作或表情。

8.根据权利要求7所述的***，其特征在于，所需虚拟机器人还被配置有：

图像采集模块，用于采集用户肢体图像或面部表情图像；

情感识别模块，用于根据采集的用户肢体图像或面部表情图像识别出用户的情感；

所述语言输出模块还用于根据识别出的用户的情感进行所述输出；

所述行为输出模块还用于根据识别出的用户的情感输出虚拟机器人的动作或表情。

9.根据权利要求6所述的***，其特征在于，还包括：

数据库模块，其包括用户数据库与课程数据库；

所述用户数据库用于存储用户的个人信息、课程进度和风格偏好；

所述课程数据库用于存储通用数据库和每课数据库；所述通用数据库存储有问候语和通用聊天语料库，所述每课数据库存储当前课时所需的虚拟机器人数量、角色和课程内容。

10.根据权利要求9所述的***，其特征在于，还包括：

测评模块，其包括学习效果评价模块和课后测试模块；所述学习效果评价用于通过主动交互占比、答题正确率、课堂情绪分数组成的评价指标评价用户学习效果；所述课后测试模块用于实现对当前课程的内容测试；

复习模块，用于发送复习内容，并记录用户的复习进度和次数到所述用户数据库中。

Images