[發明專利]任務機器人的測試方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210635736.0
• 申請日: 2022-06-07
• 公開（公告）號: CN114880241A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 周毅
• 申請（專利權）人: 北京來也網絡科技有限公司;來也科技（北京）有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅嵐

本申請涉及一種任務機器人的測試方法、裝置、電子設備及存儲介質，方法包括：獲取任務機器人的待測試流程中的多個狀態節點以及各狀態節點之間的轉移條件；根據多個狀態節點以及各狀態節點之間的轉移條件，生成對應的狀態樹；根據狀態樹，生成至少一個測試用例；基于測試用例對任務機器人進行測試，并得到測試結果。實現了自動對任務機器人進行測試，降低了任務機器人測試所需的人工成本，提高了任務機器人的測試效率，且相比通過人為查看任務機器人給出的答案是否符合預期來得到測試結果，本申請得到的測試結果的準確性更高。本申請還能結合RPA和AI實現IA的對任務機器人進行測試，以進一步降低任務機器人測試所需的人工成本。

技術領域

本申請涉及機器人流程自動化及人工智能技術領域，特別涉及一種任務機器人的測試方法及裝置。

背景技術

機器人流程自動化(Robotic Process Automation，簡稱RPA)，是通過特定的“機器人軟件”，模擬人在計算機上的操作，按規則自動執行流程任務。

人工智能(Artificial Intelligence，簡稱AI)是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門技術科學。

智能自動化(Intelligent Automation，IA)是一系列從機器人流程自動化到人工智能的技術總稱，將RPA與光學字符識別(Optical Character Recognition，OCR)、智能字符識別(Intelligent Character Recognition，ICR)、流程挖掘(Process Mining)、深度學習(Deep Learning，DL)、機器學習(Machine Learning，ML)、自然語言處理(NaturalLanguage Processing，NLP)、語音識別(Automatic Speech Recognition，ASR)、語音合成(Text To Speech，TTS)、計算機視覺(Computer Vision，CV)等多種AI技術相結合，以創建能夠思考、學習及自適應的端到端的業務流程，涵蓋從流程發現、流程自動化，到通過自動而持續的數據收集、理解數據的含義，使用數據來管理和優化業務流程的整個歷程。

通常，任務機器人在正常工作之前，需要經過性能測試。相關技術，在對任務機器人進行測試時，可以通過用戶界面交互的方式，由工作人員在用戶交互界面輸入問題，然后人為的查看任務機器人給出的答案是否符合預期。這種任務機器人的測試方法，不僅耗費人工成本，且效率低，準確性差。

發明內容

本申請提供一種任務機器人的測試方法、裝置、電子設備及存儲介質，以解決相關技術中的任務機器人的測試方法存在的耗費人工成本、效率低且準確性差的技術問題。

本申請第一方面實施例提供一種任務機器人的測試方法，包括：獲取任務機器人的待測試流程中的多個狀態節點以及各狀態節點之間的轉移條件；根據多個狀態節點以及各狀態節點之間的轉移條件，生成對應的狀態樹；根據狀態樹，生成至少一個測試用例；基于測試用例對任務機器人進行測試，并得到測試結果。

在一些實施例中，根據多個狀態節點以及各狀態節點之間的轉移條件，生成對應的狀態樹，包括：將各狀態節點作為狀態樹中的節點，將各狀態節點之間的轉移條件，作為狀態樹中對應節點之間的邊，以生成對應的狀態樹。

在一些實施例中，將各狀態節點作為狀態樹中的節點，將各狀態節點之間的轉移條件，作為狀態樹中對應節點之間的邊，以生成對應的狀態樹，包括：將各狀態節點中的起始狀態節點，作為狀態樹的根節點，根節點位于狀態樹的第1層；根據各狀態節點以及各狀態節點之間的轉移條件，確定狀態樹的第2層至第N層的節點以及相鄰層的節點之間的邊，其中，將第n-1層的節點中第一節點對應的轉移節點，作為第一節點的子節點，子節點位于狀態樹的第n層，并將第一節點與對應的轉移節點之間的轉移條件，作為第一節點與第一節點的子節點之間的邊；其中，n為大于1且小于或等于N的整數；第N層的節點與第1層至第N-1層中任意節點對應同一狀態節點，或者第N層的節點不存在對應的轉移節點。