本技术涉及自然语言处理，特别涉及机器人控制方法、装置、电子设备及存储介质。
背景技术：
1、大语言模型(llm：large language model)是一种人工智能模型，旨在理解和生成人类语言。在需要调用多个大语言模型以固定频率输出指令对同一机器比如具身智能机器人等进行控制的场景下，由于各大语言模型的响应时间不同，可能出现后调用的大语言模型先于之前调用的大语言模型生成指令的情况，这会造成指令顺序以及频率的混乱，影响对机器人比如具身智能机器人的控制。
技术实现思路
1、有鉴于此，本技术提供机器人控制方法、装置、电子设备及存储介质，以实现按照指定顺序以及频率输出指令对机器人进行控制。
2、本技术提供的技术方案如下：
3、根据本技术第一方面的实施例，提出了一种机器人控制方法，该方法应用于机器人，该方法包括：
4、当基于已配置的指令接收频率确定当前需要接收指令时，则检查当前是否接收到服务器输出的由大语言模型生成的指令；其中，所述服务器在接收到终端的触发消息之后以轮询的方式调用大语言模型来生成用于控制机器人的指令，所述服务器按照调用大语言模型的先后顺序向所述机器人下发各大语言模型生成的指令；所述终端为所述服务器提供服务的终端；
5、若当前未收到所述服务器输出的指令，则基于之前的历史指令预测出当前指令，并按照预测的当前指令执行；
6、若当前收到所述服务器输出的指令，则基于当前收到的当前指令校准之前预测的指令，并依据当前收到的当前指令执行。
7、可选的，该方法进一步包括：
8、若基于已配置的指令接收频率确定当前不需要接收指令时接收到所述服务器下发的指令，则基于当前指令校准之前预测的指令。
9、可选的，所述依据当前收到的当前指令执行包括：
10、基于之前的历史指令预测出当前对应的参考指令；
11、依据当前收到的当前指令和所述参考指令确定目标指令；
12、基于所述目标指令执行。
13、可选的，所述终端的触发消息包括：
14、所述终端获得的自然语言指令和/或所述机器人当前所处的周边环境信息。
15、可选的，所述服务器按照调用大语言模型的先后顺序向所述机器人下发各大语言模型生成的指令，包括：
16、针对每一大语言模型，将该大语言模型生成的指令缓存至已配置的缓冲区中与该大语言模型对应的缓冲区位置；
17、将首先被调用的大语言模型作为当前大语言模型；
18、检查当前大语言模型对应的缓冲区位置中是否缓存了该当前大语言模型生成的指令，如果是，按照下发当前大语言模型生成的指令给所述机器人，并将当前大语言模型之后被调用的下一个大语言模型作为当前大语言模型，返回检查当前大语言模型对应的缓冲区位置中是否缓存了该当前大语言模型生成的指令；如果否，返回检查当前大语言模型对应的缓冲区位置中是否缓存了该当前大语言模型生成的指令。
19、根据本技术第二方面的实施例，提出了一种机器人控制系统，该系统包括：
20、机器人，用于执行第一方面所述的方法；
21、服务器，用于在接收到终端的触发消息之后以轮询的方式调用大语言模型来生成用于控制机器人的指令，并按照调用大语言模型的先后顺序向所述机器人下发各大语言模型生成的指令；
22、终端，用于向所述服务器发送触发消息；
23、任一大语言模型，用于在接收到所述服务器的调用请求时，生成所述终端的触发消息对应的用于控制所述机器人的指令。
24、根据本技术第三方面的实施例，提出了一种机器人控制装置，该装置应用于机器人，该装置包括：
25、指令检查单元，用于当基于已配置的指令接收频率确定当前需要接收指令时，则检查当前是否接收到服务器输出的由大语言模型生成的指令；其中，所述服务器在接收到终端的触发消息之后以轮询的方式调用大语言模型来生成用于控制机器人的指令，所述服务器按照调用大语言模型的先后顺序向所述机器人下发各大语言模型生成的指令；所述终端为所述服务器提供服务的终端；
26、第一执行单元，用于若当前未收到所述服务器输出的指令，则基于之前的历史指令预测出当前指令，并按照预测的当前指令执行；
27、第二执行单元，用于若当前收到所述服务器输出的指令，则基于当前收到的当前指令校准之前预测的指令，并依据当前收到的当前指令执行。
28、可选的，所述第二执行单元还用于：
29、若基于已配置的指令接收频率确定当前不需要接收指令时接收到所述服务器下发的指令，则基于当前指令校准之前预测的指令；
30、和/或，所述第二执行单元具体用于：
31、基于之前的历史指令预测出当前对应的参考指令；
32、依据当前收到的当前指令和所述参考指令确定目标指令；
33、基于所述目标指令执行；
34、和/或，所述终端的触发消息包括：
35、所述终端获得的自然语言指令和/或所述机器人当前所处的周边环境信息；
36、和/或，所述服务器按照调用大语言模型的先后顺序向所述机器人下发各大语言模型生成的指令，包括：
37、针对每一大语言模型，将该大语言模型生成的指令缓存至已配置的缓冲区中与该大语言模型对应的缓冲区位置；
38、将首先被调用的大语言模型作为当前大语言模型；
39、检查当前大语言模型对应的缓冲区位置中是否缓存了该当前大语言模型生成的指令，如果是，按照下发当前大语言模型生成的指令给所述机器人，并将当前大语言模型之后被调用的下一个大语言模型作为当前大语言模型，返回检查当前大语言模型对应的缓冲区位置中是否缓存了该当前大语言模型生成的指令；如果否，返回检查当前大语言模型对应的缓冲区位置中是否缓存了该当前大语言模型生成的指令。
40、根据本技术第四方面的实施例，提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。
41、根据本技术第五方面的实施例，提出了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行第一方面所述的方法。
42、由以上技术方案可见，本技术实施例在基于已配置的指令接收频率确定当前需要接收指令时，若当前未收到所述服务器输出的指令，则按照基于之前的历史指令预测出的当前指令执行；若当前收到所述服务器输出的指令，则基于当前收到的当前指令校准之前预测的指令，并依据当前收到的当前指令执行；其中，服务器输出的由大语言模型生成的指令并非按照相关技术中的方法直接将输出指令按照生成顺序进行输出，而是按照调用大语言模型的先后顺序向所述机器人下发，通过上述方法，避免了各大语言模型的响应时间不同造成的指令顺序以及频率混乱的情况，实现了按照指定顺序以及频率输出指令对机器人进行控制。
1.一种机器人控制方法，其特征在于，该方法应用于机器人，该方法包括：
2.根据权利要求1所述的方法，其特征在于，该方法进一步包括：
3.根据权利要求1所述的方法，其特征在于，所述依据当前收到的当前指令执行包括：
4.根据权利要求1所述的方法，其特征在于，所述终端的触发消息包括：
5.根据权利要求1所述的方法，其特征在于，所述服务器按照调用大语言模型的先后顺序向所述机器人下发各大语言模型生成的指令，包括：
6.一种机器人控制系统，其特征在于，该系统包括：
7.一种机器人控制装置，其特征在于，该装置应用于机器人，该装置包括：
8.根据权利要求7所述的装置，其特征在于，所述第二执行单元还用于：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其特征在于，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1至5中任一项所述的方法。
