买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京爱宾果科技有限公司申请的专利一种教育机器人中多模态学习状态的动态识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120951018B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511474109.3，技术领域涉及：G06F18/2321；该发明授权一种教育机器人中多模态学习状态的动态识别方法是由吕远;闵海波;张建忠设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种教育机器人中多模态学习状态的动态识别方法在说明书摘要公布了：本发明公开了一种教育机器人中多模态学习状态的动态识别方法，涉及智能教育领域，包括：在目标学习任务中选定N个历史学员及其M个状态维度，获取状态维度的状态向量，进行无监督聚类，获得K个状态簇，基于K个状态簇及其对应的任务得分，构建M个状态维度的状态簇序列，在M个状态维度的状态簇序列中，确定各状态簇在同一簇序号中的维度天赋权重，获取目标学员在M个状态维度的状态向量，将目标学员在各状态维度的维度天赋权重与其对应的任务掌握度进行加权求和，确定目标学员的个性化掌握度；本发明有效克服了学习状态评估的僵化，提升了评估结果对个体差异的适应能力，显著提升了教育机器人对个体学习状态演变过程的识别能力。

本发明授权一种教育机器人中多模态学习状态的动态识别方法在权利要求书中公布了：1.一种教育机器人中多模态学习状态的动态识别方法，其特征在于，包括： S1、在目标学习任务中选定N个历史学员及其M个状态维度； S2、获取N个历史学员在M个状态维度的状态向量； 所述状态向量包括生理活跃向量、认知负荷向量和学习投入向量，分别用于表征学员的外显生理状态、认知加工强度和主动参与程度； 其中，生理活跃向量基于学员的面部表情、语音语调和肢体动作的多模态信号提取；认知负荷向量基于任务交互过程中的反应延迟、错误率和回视行为的日志数据构建；学习投入向量基于操作频次、提问行为和持续交互时长的参与性指标生成； S3、在任一个状态维度上，对N个状态向量进行无监督聚类，获得K个状态簇； S4、锚定K个状态簇内对应的历史学员，并获取其在目标学习任务结束时的任务得分； S5、根据所述任务得分确定K个状态簇的任务掌握度，并基于任务掌握度在M个状态维度上构建状态簇序列； S6、在M个状态维度的状态簇序列中，确定各状态簇在同一簇序号中的维度天赋权重； S7、获取目标学员在M个状态维度的状态向量，并基于所述状态向量查找目标学员的维度天赋权重； S8、将目标学员在各状态维度的维度天赋权重与其对应的任务掌握度进行加权求和，确定目标学员的个性化掌握度； 所述在M个状态维度上构建状态簇序列，包括： S5-1、在K个状态簇中，计算各状态簇的任务得分均值和任务得分方差； S5-2、根据任务得分均值和任务得分方差，计算各状态簇的任务掌握度； 所述任务掌握度的计算式为： ； 其中，表示状态簇的任务掌握度，表示状态簇内历史学员任务得分的均值，其取值范围为归一化后的；表示状态簇内历史学员任务得分的方差，为任务得分方差的动态调节系数，表示极小的正数； S5-3、将各状态簇的任务掌握度从高到低排序，并生成单调递增的K个簇序号； S5-4、基于K个簇序号，对K个状态簇进行升序排列，直至生成M个状态维度的状态簇序列； 所述确定各状态簇在同一簇序号中的维度天赋权重，包括： S6-1、在M个状态维度的状态簇序列中，配对具有同一簇序号的状态簇，生成K个状态簇元组； S6-2、计算状态簇元组中M个状态簇的簇级模长和簇内特征散度； S6-3、根据所述簇级模长和簇内特征散度，计算状态簇元组中M个状态簇的维度状态强度； S6-4、将状态簇元组中M个状态簇的维度状态强度进行归一化，得到各状态簇在同一簇序号中的维度天赋权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京爱宾果科技有限公司，其通讯地址为：100000 北京市石景山区群明湖大街6号院2号楼2层201-34；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。