本發明涉及智能機器人領域，尤其涉及一種用于智能機器人的協同處理方法及系統。

背景技術：

隨著科學技術的不斷發展，信息技術、計算機技術以及人工智能技術的引入，機器人的研究已經逐步走出工業領域，逐漸擴展到了醫療、保健、家庭、娛樂以及服務行業等領域。

現有技術中，服務于用戶的機器人通常根據自身的條件來完成用戶交予的簡單任務，例如，用戶發出一個語音問題，機器人通過語音識別技術回答問題。然而實際生活中出現的問題多種多樣，用戶對機器人的需求也在逐漸增多，智能機器人往往難以滿足用戶逐漸增多的需求，也難以應對所在場景中出現的各種各樣的問題，因此，亟需一種解決方案來改善這一問題。

技術實現要素：

本發明所要解決的技術問題之一是需要提供一種能夠提高機器人的智能性，使得機器人面對復雜場景時能實現復雜任務的處理的解決方案。

為了解決上述技術問題，本申請的實施例首先提供了一種用于智能機器人的協同處理方法，所述智能機器人安裝有機器人操作系統，所述方法包括：接收并解析多模態輸入數據，根據所述多模態輸入數據的解析結果判斷是否需要其他智能終端來協同工作；在判斷需要其他智能終端來協同工作時向對應智能終端發送任務請求，所述任務請求攜帶有請求處理的任務信息，結合所述智能設備反饋的任務處理結果執行多模態輸出。

優選地，該方法還包括：識別來自其他智能終端反饋的數據的有效性，將有效性數據作為用于后續分析的分析數據進行存儲，所述其他智能終端反饋的數據為該終端采集的數據、接受任務的確認數據或執行任務得到的任務處理結果數據。

優選地，所述智能終端包括智能機器人和智能設備中的至少一個。

優選地，在判斷需要其他智能終端來協同工作，向所述云端服務器發送協同工作請求；根據所述云端服務器返回的協同工作分配信息建立與對應智能終端的通信連接，并向對應智能終端發送任務請求。

優選地，接收并解析其他智能終端發送的任務請求，判斷在執行該任務的過程中是否需要云端服務器來協同處理，在判斷需要云端服務器來協同處理時建立與云端服務器的通信連接，并將需要云端服務器協同處理的數據發送至云端服務器，結合云端服務器反饋的任務處理結果執行相應操作并進行相應多模態輸出；在不需要云端服務器協同處理時，結合其他智能終端發送的任務請求完成協同工作。

根據本發明另一方面，還提供了一種用于智能機器人的協同處理裝置，所述智能機器人安裝有機器人操作系統，所述裝置包括：多模態數據解析模塊，其用于接收并解析多模態輸入數據，根據所述多模態輸入數據的解析結果判斷是否需要其他智能終端來協同工作；任務請求發送模塊，其用于在需要其他智能終端來協同工作時向對應智能終端發送任務請求，所述任務請求攜帶有請求處理的任務信息；多模態輸出模塊，其用于結合所述智能設備反饋的任務處理結果執行多模態輸出。

優選地，該裝置還包括：數據有效性識別模塊，其識別來自其他智能終端反饋的數據的有效性，將有效性數據作為用于后續分析的分析數據進行存儲，所述其他智能終端反饋的數據為該終端采集的數據、接受任務的確認數據或執行任務得到的任務處理結果數據。

優選地，所述任務請求發送模塊，其進一步用于在判斷需要其他智能終端來協同工作，向所述云端服務器發送協同工作請求，根據所述云端服務器返回的協同工作分配信息建立與對應智能終端的通信連接，并向對應智能終端發送任務請求。

優選地，所述多模態數據解析模塊，其進一步用于接收并解析其他智能終端發送的任務請求，判斷在執行該任務的過程中是否需要云端服務器來協同處理；所述任務請求發送模塊，其進一步用于在判斷需要云端服務器來協同處理時建立與云端服務器的通信連接，并將需要云端服務器協同處理的數據發送至云端服務器，所述多模態輸出模塊，其進一步用于結合云端服務器反饋的任務處理結果執行相應操作并進行相應多模態輸出；在不需要云端服務器協同處理時，結合其他智能終端發送的任務請求完成協同工作。

與現有技術相比，上述方案中的一個或多個實施例可以具有如下優點或有益效果：

本發明實施例的用于智能機器人的協同處理方法，根據接收到的多模態輸入數據判斷是否需要其他智能終端來協同工作，在判斷需要時向對應智能終端發送任務請求，然后結合智能設備反饋的任務處理結果執行多模態輸出，因此，在執行較為復雜的任務過程中，能夠使多個機器人進行信息共享來實現協同交互，提高了機器人的擬人性和智能性。

本發明的其它特征和優點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發明的技術方案而了解。本發明的目的和其他優點可通過在說明書、權利要求書以及附圖中所特別指出的結構和/或流程來實現和獲得。

附圖說明

附圖用來提供對本申請的技術方案或現有技術的進一步理解，并且構成說明書的一部分。其中，表達本申請實施例的附圖與本申請的實施例一起用于解釋本申請的技術方案，但并不構成對本申請技術方案的限制。

圖1為涉及本發明的應用于智能機器人的協同處理方法的示例一的流程示意圖。

圖2為涉及本發明的應用于智能機器人的協同處理方法的示例二的流程示意圖。

圖3為涉及本發明的應用于智能機器人的協同處理方法的示例三的流程示意圖。

圖4為涉及本發明的應用于智能機器人的協同處理裝置400的示例的結構框圖。

具體實施方式

以下將結合附圖及實施例來詳細說明本發明的實施方式，借此對本發明如何應用技術手段來解決技術問題，并達成相應技術效果的實現過程能充分理解并據以實施。本申請實施例以及實施例中的各個特征，在不相沖突前提下可以相互結合，所形成的技術方案均在本發明的保護范圍之內。

另外，附圖的流程圖示出的步驟可以在諸如一組計算機可執行指令的計算機系統中執行。并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執行所示出或描述的步驟。

隨著智能機器人產品的普及，越來越多的家庭和商家都需要機器人為其服務。然而實際生活中出現的問題多種多樣，用戶對機器人的需求也在逐漸增多，智能機器人往往難以滿足用戶逐漸增多的需求，也難以應對所在場景中出現的各種各樣的問題，因此，亟需一種解決方案來改善這一問題。

本發明實施例的應用于智能機器人的協同處理方法提高了機器人面對復雜問題的解決能力，使得機器人在面對復雜場景時，能夠較為智能地通過協同工作的方式完成復雜任務，給用戶提供更多幫助和服務。一方面，機器人在執行任務之前，根據接收到的多模態輸入數據判斷是否需要其他智能終端來協同工作，在判斷需要時向對應智能終端發送任務請求，隨后，再結合智能設備反饋的任務處理結果執行多模態輸出。另一方面，該機器人還能接收并解析其他智能終端發送的任務請求，判斷是否可以執行該任務，以及根據待處理任務的解析結果判斷是否需要借助云端服務器來執行該任務請求，在判斷需要時建立與云端服務器的通信連接，并將相關數據發送至云端服務器，隨后結合云端服務器反饋的任務處理結果執行相應操作并進行相應多模態輸出，在不需要云端服務器時，則結合其他智能終端發送的任務請求完成協同工作。通過這兩方面，本發明實施例的機器人能夠與其他智能終端進行協同工作來完成復雜的任務，使機器人更加智能。需要說明的是，本發明實施例中的智能機器人安裝有機器人操作系統，該系統配置較高能夠更好地實現機器人的各個功能。

另外，在本發明實施例中，機器人還能夠接收并存儲來自其他智能終端反饋的有效數據，通過存儲這些有效數據能夠在特殊情況下進行后續分析，得到更為準確的處理結果，其中涉及到的其他終端反饋的數據主要包括該終端采集的數據，例如煙霧濃度數據、溫度數據、圖像數據等，和/或執行任務得到的任務處理結果數據，例如，對煙霧濃度數據、溫度數據、圖像數據等處理得到的煙霧濃度值、溫度分布范圍和圖像匹配程度等數據。

需要說明的是，與某一智能機器人進行協同工作的除了其他的智能機器人外，一些智能終端，例如智能煙霧傳感器、智能溫度傳感器、智能監控器等，也能夠協助該智能機器人工作。這些終端設備主要負責采集數據和完成一部分的數據處理以及與其他設備建立聯系。終端與終端之間可以通過P2P的方式建立聯系，并進行數據分享。各個終端在分享其他數據的同時也要對分享的數據進行運算來辨別數據是否有效。

在本發明實施例中的云端服務器內部存儲有針對設定任務(滿足運算量大、處理速度快等一系列指標)的任務處理策略，在該服務器接收到智能終端發送來的任務請求信息時，云端服務器解析該信息并查找到相應的任務處理策略，根據對應的任務處理策略分配對應的智能終端來完成指定任務或在本地進行復雜任務處理。

實施例一

圖1為涉及本發明的應用于智能機器人的協同處理方法的示例一的流程示意圖，該實施例的方法主要包括以下步驟。

在步驟S110中，智能機器人接收并解析多模態輸入數據。

多模態輸入數據可以來自于用戶輸入的數據，也可以是其他智能終端通過與該智能機器人建立通信連接后發送過來的數據，還可以是智能機器人端通過自身的采集設備采集得到的數據，亦或是來自云端服務器發送的數據。這些多模態輸入數據主要包括文本數據、音頻數據、視頻數據、圖像數據以及用于使機器人能夠輸出一定動作或執行軟件或硬件的程序指令。

隨后，對接收到的多模態輸入數據進行解析，具體解析結果可以包括識別多模態輸入數據的數據特征和/或多模態輸入數據所表征的任務信息等信息。還以上面的家庭防火場景為例，對煙霧濃度數據進行解析得到該多模態輸入數據為煙霧濃度屬性的數據和需要執行的任務信息是判斷煙霧濃度是否達到預設濃度值。

對于多模態輸入數據為語音數據時，需要采用ASR技術將語音數據轉換成文本信息。具體先對多模態輸入數據進行例如去噪之類的預處理，然后將預處理后的語音信息進行語音識別的綜合分析，生成與語音信息對應的文本信息。

在步驟S120中，根據多模態輸入數據的解析結果判斷是否需要其他智能終端來協同工作，若判斷結果為“是”，則執行步驟S130，否則執行步驟S150對多模態輸入數據進行處理，根據多模態輸入數據的處理結果執行多模態輸出。

在一個例子中，在智能機器人對多模態輸入數據進行解析處理后，可以根據預存儲的任務策略數據庫來判斷是否需要其他智能終端來協同工作以及查詢對應的參與協同工作的智能終端。例如，在檢測煙霧的智能機器人采集到煙霧濃度數據后，根據該煙霧濃度數據的解析結果，即數據特征和任務信息，通過查詢內部存儲的任務策略數據庫得到需要其他智能終端來協同工作，并查詢得到對應的終端為智能溫度傳感器和具備視覺捕捉功能的機器人。需要說明的是，任務策略數據庫可以包括針對某一任務的協同任務和對應該協同任務的協同智能終端標識及優先級別。

在步驟S130中，智能機器人向對應智能終端發送任務請求，該任務請求攜帶有請求處理的任務信息。

智能機器人在檢測到需要其他智能終端來協同工作時，若存在多個參與協同工作的智能終端，則可以根據各智能終端的優先級別分別與對應的智能終端建立通信連接，在該智能機器人與對應的智能終端的協助工作關系建立好后，該智能機器人將攜帶有需要對應智能終端處理的相應任務信息的任務請求發送給該智能終端。以家庭防火場景為例，在檢測煙霧的智能機器人確定需要與智能溫度傳感器和具備視覺捕捉功能的機器人一起協同工作時，則根據優先級別先與智能溫度傳感器建立通信連接，發送檢測溫度的任務信息，然后與具有視覺捕捉功能的機器人建立通信連接，發送檢測明火的任務信息。

各個接收到任務請求的智能終端對任務信息進行分析并結合自身實際處理條件確定是否能夠完成任務，實際處理條件包括當前是否有其他任務占用CPU資源等情況。若可以執行協同任務則各個智能終端和發出任務請求的智能機器人建立協同關系，并將任務處理過程需要的數據和任務處理結果返回給該智能機器人。若不能執行協同任務，則智能終端向請求發起的智能機器人返回無法執行任務的信息，這種情況下，該智能機器人通過云端服務器來完成協同任務，具體可以向云端服務器發送任務請求信息，云端服務器根據各智能終端當前任務執行狀態重新分配協同工作的終端，然后智能機器人向對應終端發送任務請求信息，或者，云端服務器自行處理任務請求信息中攜帶的任務信息。

在步驟S140中，智能機器人結合智能設備反饋的任務處理結果執行多模態輸出。

具體地，在參與協同工作的其他智能終端完成了該智能機器人發出的需要執行的任務后，這些協同工作的終端將任務處理結果通過建立的通道反饋給該智能機器人。這些任務處理結果還可以包括協同工作的終端為執行任務所采集的數據。智能機器人將根據接收到的多模態輸入數據的處理結果和協同終端的任務處理結果進行結合，執行多模態輸出。

以家庭防火場景為例，檢測溫度的智能機器人檢測室內溫度，并將室內溫度的布局作為任務處理結果發送給檢測煙霧的智能機器人，另一方面，具備視覺捕捉功能的智能機器人通過視覺處理來捕捉具有明火的圖像，也將處理結果發送給檢測煙霧的智能機器人。檢測煙霧的智能機器人根據對煙霧濃度數據的處理結果、室內溫度布局和明火發生位置找到溫度異常地點并進行報警處理或滅火處理等多模態輸出。

在步驟S150中，智能機器人對接收到的多模態輸入數據進行處理，根據多模態輸入數據的處理結果執行多模態輸出。

在智能機器人接收到的任務無需與其他智能終端協同處理時，則在該機器人的本地和/或云端服務器配合處理的方式采用設定算法對多模態輸入數據進行運算得到處理結果，再根據處理結果進行多模態輸出。

本發明實施例的用于智能機器人的協同處理方法，根據接收到的多模態輸入數據判斷是否需要其他智能終端來協同工作，在判斷需要時向對應智能終端發送任務請求，然后結合智能設備反饋的任務處理結果執行多模態輸出，因此，在執行較為復雜的任務過程中，能夠使多個機器人進行信息共享來實現協同交互，提高了機器人的擬人性和智能性。

實施例二

圖2為涉及本發明的應用于智能機器人的協同處理方法的示例二的流程示意圖，該實施例的方法主要包括以下步驟，其中，將與實施例一相似的步驟以相同的標號標注，且不再贅述其具體內容，僅對區別步驟進行具體描述。

在步驟S110中，智能機器人接收并解析多模態輸入數據。

在步驟S120’中，根據多模態輸入數據的解析結果判斷是否需要其他智能終端來協同工作，若判斷結果為“是”，則執行步驟S210，否則執行步驟S150對多模態輸入數據進行處理，根據多模態輸入數據的處理結果執行多模態輸出。

需要說明的是，該步驟與實施例一對應的步驟具有區別。本實施例為了減輕智能機器人本地的數據存儲負擔和處理負擔，預存儲的任務策略數據庫中只存儲針對某一任務是否需要協同工作的判定信息，例如以這種模式：煙霧檢測任務——需要協同工作，而在需要協同工作時對應的參與協同工作的智能終端的信息無需存儲進來。例如，在檢測煙霧的智能機器人采集到煙霧濃度數據后，根據該煙霧濃度數據的解析結果即數據特征和任務信息，根據任務策略數據庫得到需要其他智能終端來協同工作的判定信息。

在步驟S210中，在判斷需要其他智能終端來協同工作時，智能機器人向云端服務器發送協同工作請求，協同工作請求可以包括智能機器人針對接收的多模態數據的任務信息。

在一個實施例中，云端服務器內部存儲有協同任務處理策略庫，該策略庫中有針對不同協同任務的策略指引信息，例如參與協同工作的終端信息、備用方案等內容。云端服務器根據協同工作請求中的智能機器人的任務信息查找對應的其他智能終端，將查找到的參與協同工作的智能終端的信息生成協同工作分配信息發送給請求發起的智能機器人。由于很有可能出現待參與協同工作的其他智能終端當前處于執行其他任務的狀態中，因此云端服務器進一步還對所有智能終端的任務執行狀態進行監控，這樣能夠防止出現待參與協同工作的智能終端由于執行其他任務而無法進行協同工作。在云端服務器發現待分配協同任務的智能終端在執行任務時，則根據策略庫中的備用方案分配其他的智能終端。通過云端服務器來完成上述分配任務，一方面能夠減輕智能機器人本地數據處理的負擔，另一方面，在面對特殊情況下，能夠及時有效地根據備用方案來解決突發問題。

在步驟S220中，根據云端服務器返回的協同工作分配信息建立與執行智能終端的通信連接。

智能機器人解析協同工作分配信息獲取參與協同工作的智能終端的標識等信息，通過P2P模式建立與智能終端的通信。當然，如果協同工作分配信息中包括多個智能終端，則智能機器人也可以根據各終端優先級來建立通信聯系。

在步驟S130中，智能機器人向對應智能終端發送任務請求，該任務請求攜帶有請求處理的任務信息。

在步驟S140中，智能機器人結合智能設備反饋的任務處理結果執行多模態輸出。

進一步地，所述發出任務協同的機器人可在多次任務執行中進行自學習，獲取執行協同任務的其他機器人的信息及知識庫內。

在步驟S150中，智能機器人對接收到的多模態輸入數據進行處理，根據多模態輸入數據的處理結果執行多模態輸出。

實施例三

圖3為涉及本發明的應用于智能機器人的協同處理方法的示例三的流程示意圖，該實施例的方法主要包括以下步驟，其中，將與實施例一相似的步驟以相同的標號標注，且不再贅述其具體內容，僅對區別步驟進行具體描述。

在步驟S110中，智能機器人接收并解析多模態輸入數據。

在步驟S310中，根據多模態輸入數據的解析結果判斷是否是其他智能終端發送的任務請求，在判斷結果為“是”時，則執行步驟S320，否則執行步驟S150對多模態輸入數據進行處理。

本實施例的智能機器人除了主動發出協同工作請求以外，也可以作為針對其他智能終端的協同終端來接收任務請求。在一個實施例中，智能機器人解析多模態輸入數據，若該多模態輸入數據中包含有標識任務請求的標識符，則判定為該多模態輸入數據是任務請求數據。

在步驟S320中，判斷在執行該任務的過程中是否需要云端服務器來協同處理，在判斷結果為“是”時，則執行步驟S330，否則執行步驟S350結合其他智能終端發送的任務請求完成協同工作。

在一個例子中，智能機器人對任務請求進行解析，分析完成該任務所涉及的具體過程，也就是判斷實現該任務所需要完成的子任務，將每一個子任務與預存儲的任務列表進行比對，若每一個子任務對應的處理主體為本地，則智能機器人判斷不需要云端服務器來協同處理；若其中一個子任務對應的處理主體為云端服務器，則判斷需要云端服務器來協同工作。以地鐵防爆場景為例，用于該場景的智能終端包括：安檢智能設備、智能監控器、圖像分析機器人和防爆機器人。安檢智能設備檢測到旅客行李可能存在危險品時，建立與智能監控器的通信，智能監控器對行李的所屬者進行監控獲取旅客面部圖像信息，智能監控器建立與圖像分析機器人的通信，發送給圖像分析機器人“嫌疑人判定任務”，圖像分析機器人對該任務進行解析得到需要完成“面部特征提取”子任務和“嫌疑人面部特征對比”子任務，通過對比存儲的任務列表或者根據自身的硬件配置和軟件處理條件得到在執行嫌疑人判定任務的過程中，該機器人只能進行面部特征的提取等簡單操作，而進行嫌疑人面部特征對比等處理需要云端服務器來協助。

在步驟S330中，建立與云端服務器的通信連接，并將需要云端服務器協同處理的數據發送至云端服務器。

在確定需要云端服務器協助工作時，智能機器人建立與云端服務器的通信連接，將需要云端服務器處理的子任務的信息發送給該服務器。繼續以上面的地鐵防爆任務為例，在圖像分析機器人建立與云端服務器的通信連接后，將“嫌疑人面部特征對比”的子任務信息連同提取出的面部特征數據發送給云端服務器。云端服務器接收到該任務信息后，調用公安信息庫，通過將提取出的面部特征數據與信息庫中存儲的恐怖分子的面部圖像進行比對，判斷該嫌疑人是否為恐怖分子，并將判斷結果返回給圖像分析機器人。

在步驟S340中，結合云端服務器反饋的任務處理結果執行相應操作并進行相應多模態輸出。

具體地，在參與協同工作的云端服務器完成了該智能機器人發出的需要執行的子任務后，將任務處理結果通過建立的通道反饋給該智能機器人。智能機器人通過將適應本地處理的子任務處理結果和云端服務器的子任務處理結果進行結合，執行多模態輸出。

進一步地，所述發出任務協同的機器人可在多次任務執行中進行自學習，獲取執行協同任務的其他機器人的信息及知識庫內。

接著以上面的場景為例，圖像分析機器人結合云端反饋的任務處理結果能夠判斷出該嫌疑人是否為恐怖分子。在判定嫌疑人為恐怖分子時生成防爆機器人啟動指令啟動防爆機器人對嫌疑人進行控制和危險品的防爆處理。

在步驟S350中，在不需要云端服務器協同處理時，結合其他智能終端發送的任務請求完成協同工作。

在步驟S150中，智能機器人對接收到的多模態輸入數據進行處理，根據多模態輸入數據的處理結果執行多模態輸出。

實施例四

圖4為本申請實施例的應用于智能機器人的協作處理裝置400的結構框圖。如圖3所示，本申請實施例的協作處理裝置400主要包括：多模態數據解析模塊410、任務請求發送模塊420、多模態輸出模塊430以及數據有效性識別模塊440。

多模態數據解析模塊410，其用于接收并解析多模態輸入數據，根據所述多模態輸入數據的解析結果判斷是否需要其他智能終端來協同工作。多模態數據解析模塊410，其進一步用于接收并解析其他智能終端發送的任務請求，判斷在執行該任務的過程中是否需要云端服務器來協同處理。

任務請求發送模塊420，其用于在需要其他智能終端來協同工作時向對應智能終端發送任務請求，所述任務請求攜帶有請求處理的任務信息。任務請求發送模塊420，其進一步用于在判斷需要其他智能終端來協同工作，向所述云端服務器發送協同工作請求，根據所述云端服務器返回的協同工作分配信息建立與對應智能終端的通信連接，并向對應智能終端發送任務請求。

任務請求發送模塊420，其進一步用于在判斷需要云端服務器來協同處理時建立與云端服務器的通信連接，并將需要云端服務器協同處理的數據發送至云端服務器。

多模態輸出模塊430，其用于結合所述智能設備反饋的任務處理結果執行多模態輸出。另一方面，多模態輸出模塊430，其進一步用于結合云端服務器反饋的任務處理結果執行相應操作并進行相應多模態輸出；在不需要云端服務器協同處理時，結合其他智能終端發送的任務請求完成協同工作。

數據有效性識別模塊440，其識別來自其他智能終端反饋的數據的有效性，將有效性數據作為用于后續分析的分析數據進行存儲，所述其他智能終端反饋的數據為該終端采集的數據、接受任務的確認數據或執行任務得到的任務處理結果數據。

通過合理設置，本實施例的協作處理裝置400可以執行實施例一、實施例二和實施例三的各個步驟，此處不再贅述。

由于本發明的方法描述的是在計算機系統中實現的。該計算機系統例如可以設置在機器人的控制核心處理器中。例如，本文所述的方法可以實現為能以控制邏輯來執行的軟件，其由機器人操作系統中的CPU來執行。本文所述的功能可以實現為存儲在非暫時性有形計算機可讀介質中的程序指令集合。當以這種方式實現時，該計算機程序包括一組指令，當該組指令由計算機運行時其促使計算機執行能實施上述功能的方法。可編程邏輯可以暫時或永久地安裝在非暫時性有形計算機可讀介質中，例如只讀存儲器芯片、計算機存儲器、磁盤或其他存儲介質。除了以軟件來實現之外，本文所述的邏輯可利用分立部件、集成電路、與可編程邏輯設備(諸如，現場可編程門陣列(FPGA)或微處理器)結合使用的可編程邏輯，或者包括它們任意組合的任何其他設備來體現。所有此類實施例旨在落入本發明的范圍之內。

應該理解的是，本發明所公開的實施例不限于這里所公開的特定結構、處理步驟或材料，而應當延伸到相關領域的普通技術人員所理解的這些特征的等同替代。還應當理解的是，在此使用的術語僅用于描述特定實施例的目的，而并不意味著限制。

說明書中提到的“一個實施例”或“實施例”意指結合實施例描述的特定特征、結構或特性包括在本發明的至少一個實施例中。因此，說明書通篇各個地方出現的短語“一個實施例”或“實施例”并不一定均指同一個實施例。

雖然本發明所公開的實施方式如上，但所述的內容只是為了便于理解本發明而采用的實施方式，并非用以限定本發明。任何本發明所屬技術領域內的技術人員，在不脫離本發明所公開的精神和范圍的前提下，可以在實施的形式上及細節上作任何的修改與變化，但本發明的專利保護范圍，仍須以所附的權利要求書所界定的范圍為準。