JP7712609B2 - ロボティック・プロセス・オートメーション・ワークフローのための再構成可能なワークベンチパイプライン - Google Patents

Description

（関連出願の相互参照）
本出願は、２０１９年１２月９日に出願された米国非仮特許出願第１６／７０７，９７７号、及び２０１９年１０月１５日に出願された米国仮特許出願第６２／９１５，４１３号の利益を主張する。これらの先に出願された出願の主題は、その全体が参照により本明細書に組み込まれる。

本発明は、一般に、ロボティック・プロセス・オートメーション（ＲＰＡ）に関し、より具体的には、ＲＰＡワークフローのための再構成可能ワークベンチパイプラインに関する。

現在のＲＰＡワークフローは、本質的に決定論的であり、アクティビティの静的パイプラインを含む。言い換えれば、単一のロジックフローが、ワークフローを遂行する際に、ロボットによって作成され、適用される。「パイプライン」とは、データを抽出する一連のステップを指し、及び／又は抽出されたデータに基づいて行われる特定のアクションを指す。しかしながら、そのような静的パイプラインは、すべての状況、特に経時的に変化するもの、又は特定のユーザーをターゲットとするものに最適ではない場合がある。したがって、改善されたソリューションが有益であり得る。

本発明の特定の実施形態は、現在のＲＰＡ技術によってまだ完全に識別され、認識され、又は解決されていない当技術分野の問題及び必要性に対するソリューションを提供し得る。例えば、本発明のいくつかの実施形態は、ＲＰＡワークフローのための再構成可能ワークベンチパイプラインに関する。

一実施形態では、ＭＬを使用してＲＰＡワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法は、ＲＰＡロボットによって、グローバルワークフローを遂行することを含む。コンピュータ実装方法はまた、グローバルワークフローのパイプラインがシナリオに対して正しく作業していないと判定することと、ＡＩ駆動テストを採用し、パイプラインに適用される、及び／又はグローバルワークフローのパイプラインで改良される１つ若しくは複数のＭＬモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化することを含む。コンピュータ実装方法は、ローカルワークフローのパイプラインに、識別したＭＬモデル及び／又は他のコンポーネントを実装することを更に含む。

別の実施形態では、ＭＬを使用してＲＰＡワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法は、グローバルワークフローのパイプラインがシナリオに対して正しく機能していないと判定することと、ＡＩ駆動テストを採用し、パイプラインに適用される、及び／又はグローバルワークフローのパイプラインで改良される１つ若しくは複数のＭＬモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化することと、を含む。コンピュータ実装方法はまた、ローカルワークフローのパイプラインに、識別したＭＬモデル及び／又は他のコンポーネントを実装することを含む。

更に別の実施形態では、ＭＬを使用してＲＰＡワークフローのための再構成可能ワークベンチパイプラインを提供するコンピュータ実装方法は、ＡＩ駆動テストを採用し、パイプラインに適用される、及び／又はグローバルワークフローのパイプラインで改良される１つ若しくは複数のＭＬモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化することと、ローカルワークフローのパイプラインに、識別したＭＬモデル及び／又は他のコンポーネントを実装することと、を含む。ＡＩ駆動テストは、パイプラインの第１のコンポーネントの出力をチェックすることと、第１のコンポーネントの出力が正しくない場合、第１のコンポーネントを再構成又は交換することと、を含む。ＡＩ駆動テストはまた、パイプライン内の各後続コンポーネントの出力をチェックすることと、パイプラインの出力が正しいか、又はすべてのコンポーネントの出力がチェックされるまで、誤って動作している各コンポーネントを再構成又は交換することと、を含む。

本発明の特定の実施形態の利点が容易に理解されるように、上記で簡単に記載した本発明の具体的な説明は、添付の図面に示している特定の実施形態を参照することによって提供される。これらの図面は、本発明の典型的な実施形態のみを示しており、したがってその範囲を限定するものと見なされるべきではないことを理解されたい、本発明は、添付の図面を使用することによって追加の具体性及び詳細を伴って記載し、説明する。

本発明の一実施形態による、ＲＰＡシステムを示すアーキテクチャ図である。

本発明の一実施形態による、デプロイメントされたＲＰＡシステムを示すアーキテクチャ図である。

本発明の一実施形態による、デザイナと、アクティビティと、ドライバとの間の関係を示すアーキテクチャ図である。

本発明の一実施形態による、ＲＰＡシステムを示すアーキテクチャ図である。

本発明の一実施形態による、ＲＰＡワークフローのための再構成可能ワークベンチパイプラインを実装するように構成されたコンピューティングシステムを示すアーキテクチャ図である。

本発明の一実施形態による、出力を生成していない（又は正しい出力を生成していない）再構成可能なワークベンチパイプライン及びその性能を修正するための操作を示す図である。

本発明の一実施形態による、ＭＬを使用してＲＰＡワークフローのための再構成可能ワークベンチパイプラインを実装するプロセスを示すフローチャートの図である。

いくつかの実施形態は、ＲＰＡワークフローのための再構成可能ワークベンチパイプラインに関する。いくつかの実施形態では、再構成可能ワークベンチパイプラインは、パイプラインの動作を修正又は改善する機械学習（ＭＬ）モデルを適用してもよい。特定の実施形態では、これは、ＭＬモデルではなくルールベースの動作であり得る。いくつかの実施形態では、システムは、所与のユースケースを満たすために、モデル及び／又は変換コンポーネントを提案し得る制御を有してもよい。

例えば、様々な添付ファイル（例えば、請求書、購入注文書など）を有する可能性がある電子メールを受信する場合を考える。請求書処理のためにフラグが立てられた請求書をＭＬモデルに送信する前に、電子メール内の請求書を識別してフラグを立てるためのゲート機能として動作するパイプライン内に、コンポーネントを有することが望ましい場合がある。しかしながら、パイプラインは、すべての場合において正しく動作しない可能性がある。したがって、パイプラインを通して請求書を実行するとき、システムは、パイプラインの端部に出力があるか否かを監視し得る。出力がない場合、システムは、一連の変換を異なるパイプラインステージに適用することによって、パイプラインに改良を加え得る。例えば、システムは、最初のステージから開始し、その後の各ステージをチェックして、障害の原因を探し得る。システムは、パイプラインのコンポーネント１、コンポーネント２、コンポーネント３などをチェックし得る。パイプラインが電子メール内の文書を適切に識別できない場合、システムは、ソリューションを見つけようと試みるために、パイプラインコンポーネントの異なるインスタンス及び／又は構成を適用しようと試み得る。ソリューションが見つからない場合、システムはＲＰＡ開発者に通知し得る。

いくつかの実施形態の再構成可能パイプラインは、文書処理、他のデータ変換パイプライン、データ抽出パイプラインなどに適用され得る。再構成可能パイプラインは、人間の入力及び／又は分類、抽出などのための特殊化したモデルのコンポーネントを含み得る。例えば、グローバルワークフロー（例えば、領収書抽出子）を最初に構築して使用し得るが、このワークフローは、特定のユーザー又は特定のタスクに対して最適に又は全く作業しない可能性がある。ＭＬモデルは、所与のタスクのためのグローバルワークフローを特殊化するために、潜在的にヒューマンインザループと共に採用され得る。いくつかの実施形態では、多くの人間の入力が収集され、再トレーニングに使用されるにつれて、ＭＬモデルが、更に知的になるように、ＭＬモデルを再トレーニングするために、人間の入力が、追跡され、使用されてもよい。

文書処理及び他の複雑な人工知能（ＡＩ）アプリケーションのコンテキストでは、ユーザーは、異なるデータ、ユースケース、ユーザーがインタラクトするシステム、及び結果を有する傾向がある。例えば、Ｗａｌｍａｒｔ（登録商標）、及び小規模な「家族経営」の小売業者の両方が、請求書処理ソリューションの恩恵を受け得るが、それらの要件は著しく異なる。小規模小売業者向けの請求書処理ソリューションは、着信する電子メールから請求書を検索することと、光学文字認識（ＯＣＲ）及び／又は画像認識（以下に詳細に記載するコンピュータビジョン（ＣＶ）技術を使用するなど）を使用して請求書に対してテキスト認識を実施することと、ＯＣＲ／ＣＶによって認識されたデータから請求書情報を検索することと、検索した請求書情報をＱｕｉｃｋＢｏｏｋｓ（登録商標）に入力することと、を含み得る。

しかしながら、Ｗａｌｍａｒｔ（登録商標）の請求書処理ソリューションは、実質的に複雑であり得る。そのような大規模小売業者は、異なるシステムに進むべき異なるタイプの膨大な数の請求書を扱い、領収書以外の追加項目がある。例えば、複数の文書タイプを含めることができ、分類子を使用して正しい文書をピックアップする必要があり得る。したがって、大規模小売業者は、分類子がこのデータ内の請求書のタイプを識別し、それらのタイプに基づいて正しいダウンストリームワークフローに請求書を渡すことを望む場合がある。そのような大規模小売業者はまた、異なる言語で書かれた着信請求書を有する可能性が高いため、例えば、言語プロセッサは、これらの請求書を英語に変換するために有益であり得る。

いくつかの実施形態のワークベンチパイプラインにより、ワークフローをグローバル要件からローカルアプリケーションにカスタマイズして仕立てるために、モデルの「ブロック」又は他のロジックをワークフローに適用することができる。これらのブロック及び／又はロジックは、パイプラインのステージ（又はコンポーネント）である。まず、いくつかの実施形態では、ＲＰＡ開発者は、（例えば、ＭＬモデルへの呼出しを介して）組み込まれたインテリジェンスを有する特定のアプリケーションの「グローバル」ワークフローとして初期ワークフローを作成する。ＭＬモデルは、遂行中のロボットの挙動を監視し、更に、特定のアクティビティがワークフローに含まれるか、他のアクティビティに置換されるか、又は改良されるべきであることを自動的に判定し得る。例えば、ロボットが請求書を処理した後に、ユーザーがＱｕｉｃｋＢｏｏｋｓ（登録商標）に頻繁にアクセスして、特定のフィールドを修正していると、監視ＭＬモデルが判定した場合、ＭＬモデルは、異なるテキスト認識モデル、又はＣＶモデル（例えば、テキストが、定型化され、定型化された単語及び画像と共に会社ロゴ内に配置される）を検索し、代わりにこのモデルを使用するようにテキスト認識アクティビティを改良してもよい。

いくつかの実施形態では、ベースＭＬモデルをグローバルワークフローに使用してもよく、カスタムモデルを後で追加してもよい。この意味で、ワークフローは、初期実装後に、ブロックの追加、削除、及び／又は変更を可能にするプラグアンドプレイ機能を有してもよい。例えば、グローバルモデルは領収書データ抽出モデルであってもよいが、スペイン語の領収書を解析するためにローカルモデルとして、スペイン語の翻訳モデルを追加してもよい。

図１は、本発明の一実施形態による、ＲＰＡシステム１００を示すアーキテクチャ図である。ＲＰＡシステム１００は、開発者がワークフローを設計し、及び実装することを可能にし得るデザイナ１１０を含む。デザイナ１１０は、アプリケーション統合のためのソリューション、並びにサードパーティのアプリケーション、管理情報技術（ＩＴ）タスク、及びビジネスＩＴプロセスをオートメーション化することを提供し得る。デザイナ１１０は、ビジネスプロセスのグラフィカル表現であるオートメーションプロジェクトの開発を容易にし得る。簡単に言えば、デザイナ１１０は、ワークフロー及びロボットの開発及びデプロイメントを容易にする。

オートメーションプロジェクトにより、本明細書で「アクティビティ」と定義する、ワークフローで開発されたステップのカスタムセット間の遂行順序及び関係の制御を開発者に与えることによって、ルールベースのプロセスのオートメーション化を可能にする。デザイナ１１０の実施形態の一商用例は、ＵｉＰａｔｈ Ｓｔｕｄｉｏ（商標）である。各アクティビティは、ボタンのクリック、ファイルの読み取り、ログパネルへの書き込みなど、アクションを含んでもよい。いくつかの実施形態では、ワークフローを、ネストしても、又は埋め込んでもよい。

いくつかのタイプのワークフローは、限定しないが、シーケンス、フローチャート、有限状態機械（ＦＳＭ）、及び／又はグローバル例外ハンドラを含んでもよい。シーケンスは、ワークフローを乱すことなく、１つのアクティビティから別のアクティビティへの流れを可能にする線形プロセスに特に適している場合がある。フローチャートは、複雑なビジネスロジックに特に適しており、複数の分岐論理演算子を介して多様な方法で、決定の統合、及びアクティビティの接続を可能にする。ＦＳＭは、大規模なワークフローに特に適している場合がある。ＦＳＭは、条件（すなわち、遷移）又はアクティビティによってトリガされるワークフローの遂行において有限数の状態を使用し得る。グローバル例外ハンドラは、遂行エラーに遭遇したときのワークフローの挙動を判定し、プロセスをデバッグするために特に適している場合がある。

ワークフローがデザイナ１１０で開発されると、ビジネスプロセスの遂行は、コンダクタ１２０によって編成され、コンダクタ１２０は、デザイナ１１０で開発されたワークフローを遂行する１つ又は複数のロボット１３０を編成する。コンダクタ１２０の実施形態の一市販例は、ＵｉＰａｔｈ Ｏｒｃｈｅｓｔｒａｔｏｒ（商標）である。コンダクタ１２０は、環境内のリソースの作成、監視、及びデプロイメントの管理を容易にする。コンダクタ１２０は、サードパーティのソリューション及びアプリケーションとの統合ポイントとして作用し得る。

コンダクタ１２０は、すべてのロボット１３０を管理し、集中ポイントからロボット１３０を接続し、及び遂行し得る。管理され得るロボット１３０のタイプは、限定しないが、アテンディッドロボット１３２、アンアテンディッドロボット１３４、開発ロボット（アンアテンディッドロボット１３４と同様であるが、開発及びテストの目的で使用される）、及び非生産ロボット（アテンディッドロボット１３２と同様であるが、開発及びテストの目的で使用される）を含む。アテンディッドロボット１３２は、ユーザーイベントによってトリガされ、同じコンピューティングシステム上で人間と一緒に動作する。アテンディッドロボット１３２は、集中プロセスデプロイメント及びログ記録媒体のために、コンダクタ１２０と共に使用され得る。アテンディッドロボット１３２は、人間のユーザーが達成する様々なタスクを助け、ユーザーイベントによってトリガされ得る。いくつかの実施形態では、プロセスを、このタイプのロボットのコンダクタ１２０から開始できず、及び／又はロックされた画面の下で実行できない。特定の実施形態では、アテンディッドロボット１３２は、ロボットトレイ又はコマンドプロンプトからのみ起動され得る。いくつかの実施形態では、アテンディッドロボット１３２は人間の監督下で実行するべきである。

アンアテンディッドロボット１３４は、仮想環境で無人で実行し、多くのプロセスをオートメーション化し得る。アンアテンディッドロボット１３４は、リモート遂行、監視、スケジューリング、及び作業キューのサポートの提供を担当し得る。いくつかの実施形態では、すべてのロボットタイプのデバッグを、デザイナ１１０で実行してもよい。アテンディッドロボット及びアンアテンディッドロボットの両方は、限定しないが、メインフレーム、ウェブアプリケーション、ＶＭ、エンタープライズアプリケーション（例えば、ＳＡＰ（登録商標）、ＳａｌｅｓＦｏｒｃｅ（登録商標）、Ｏｒａｃｌｅ（登録商標）などによって製造されたもの）、及びコンピューティング・システム・アプリケーション（例えば、デスクトップ及びラップトップアプリケーション、モバイル・デバイス・アプリケーション、ウェアラブル・コンピュータ・アプリケーションなど）を含む、様々なシステム及びアプリケーションをオートメーション化し得る。

コンダクタ１２０は、限定しないが、プロビジョニング、デプロイメント、構成、キューイング、監視、ログ記録、及び／又は相互接続性の提供を含む、様々な機能を有し得る。プロビジョニングは、ロボット１３０とコンダクタ１２０（例えば、ウェブアプリケーション）との間の接続の作成及び保守を含み得る。デプロイメントは、遂行のために、割り当てられたロボット１３０へのパッケージバージョンの正しい送達を保証することを含み得る。構成は、ロボット環境及びプロセス構成の維持及び送達を含み得る。キューイングは、キュー及びキュー項目の管理を提供することを含み得る。監視は、ロボット識別データを追跡し続け、ユーザー権限を維持することを含み得る。ログ記録は、データベース（例えば、ＳＱＬデータベース）及び／又は別のストレージ機構（例えば、大規模なデータセットを記憶し、迅速に照会する能力を提供するＥｌａｓｔｉｃＳｅａｒｃｈ（登録商標））に、ログを記憶し、及びインデックス付けすることを含み得る。コンダクタ１２０は、サードパーティのソリューション及び／又はアプリケーションのための通信の集中ポイントとして作用することによって、相互接続性を提供し得る。

ロボット１３０は、デザイナ１１０に構築されたワークフローを実行する遂行エージェントである。ロボット１３０のいくつかの実施形態の一商用例は、ＵｉＰａｔｈ Ｒｏｂｏｔｓ（商標）である。いくつかの実施形態では、ロボット１３０は、デフォルトで、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｉｃｅ Ｃｏｎｔｒｏｌ Ｍａｎａｇｅｒ（ＳＣＭ）管理サービスをインストールする。結果として、そのようなロボット１３０は、ローカル・システム・アカウントの下でインタラクティブなＷｉｎｄｏｗｓ（登録商標）セッションを開き、Ｗｉｎｄｏｗｓ（登録商標）サービスの権利を有し得る。

いくつかの実施形態では、ロボット１３０は、ユーザーモードでインストールされてもよい。このようなロボット１３０の場合、これは、所与のロボット１３０がインストールされているユーザーと同じ権利を有することを意味する。この特徴は、その最大の可能性で各機械の完全な利用を保証する高密度（ＨＤ）ロボットにも利用可能であり得る。いくつかの実施形態では、任意のタイプのロボット１３０をＨＤ環境で構成してもよい。

いくつかの実施形態におけるロボット１３０は、いくつかのコンポーネントに分割され、その各々は、特定のオートメーションタスクに専用である。いくつかの実施形態におけるロボットコンポーネントは、限定しないが、ＳＣＭ管理ロボットサービス、ユーザー・モード・ロボット・サービス、エグゼキュータ、エージェント、及びコマンドラインを含む。ＳＣＭ管理ロボットサービスは、Ｗｉｎｄｏｗｓ（登録商標）セッションを管理し、及び監視し、コンダクタ１２０と遂行ホスト（すなわち、ロボット１３０が遂行されるコンピューティングシステム）との間のプロキシとして作用する。これらのサービスは、ロボット１３０の資格情報で信頼され、資格情報を管理する。コンソールアプリケーションは、ローカルシステムの下でＳＣＭによって起動される。

いくつかの実施形態におけるユーザー・モード・ロボット・サービスは、Ｗｉｎｄｏｗｓ（登録商標）セッションを管理し、及び監視し、コンダクタ１２０と遂行ホストとの間のプロキシとして作用する。ユーザー・モード・ロボット・サービスは、ロボット１３０のための資格情報で信頼され、資格情報を管理し得る。ＳＣＭ管理ロボットサービスがインストールされていない場合、Ｗｉｎｄｏｗｓ（登録商標）アプリケーションが、自動的に起動されてもよい。

エグゼキュータは、Ｗｉｎｄｏｗｓ（登録商標）セッション下で所与のジョブを実行し得る（すなわち、エグゼキュータはワークフローを遂行し得る。エグゼキュータは、パ－モニタ・ドット・パー・インチ（ＤＰＩ）設定を認識していてもよい。エージェントは、システム・トレイ・ウィンドウに利用可能なジョブを表示するＷｉｎｄｏｗｓ（登録商標）Ｐｒｅｓｅｎｔａｔｉｏｎ Ｆｏｕｎｄａｔｉｏｎ（ＷＰＦ）アプリケーションであってもよい。エージェントは、サービスのクライアントであってもよい。エージェントは、ジョブの開始又は停止、及び設定の変更を要求し得る。コマンドラインは、サービスのクライアントである。コマンドラインは、コンソールアプリケーションであり、コンソールアプリケーションは、ジョブの開始を要求し、その出力を待つことができる。

上記で説明したようにロボット１３０のコンポーネントを分割することは、各コンポーネントが遂行していることについて、開発者、サポートユーザー、及びコンピューティングシステムによる、容易な実行、識別、及び追跡に役立つ。このようにして、エグゼキュータ及びサービスに対して異なるファイアウォールルールを設定するなど、特別な挙動をコンポーネントごとに構成し得る。エグゼキュータは、いくつかの実施形態では、モニタごとにＤＰＩ設定を常に認識し得る。結果として、ワークフローは、それらが作成されたコンピューティングシステムの構成にかかわらず、任意のＤＰＩで遂行され得る。いくつかの実施形態では、デザイナ１１０からのプロジェクトは、ブラウザのズームレベルとは無関係であってもよい。ＤＰＩを認識していない、又は意図的に認識していないとマークされたアプリケーションの場合、いくつかの実施形態では、ＤＰＩを無効にし得る。

図２は、本発明の一実施形態による、デプロイメントされたＲＰＡシステム２００を示すアーキテクチャ図である。いくつかの実施形態では、ＲＰＡシステム２００は、図１のＲＰＡシステム１００であってもよいし、その一部であってもよい。クライアントサイド、サーバサイド、又はその両方は、本発明の範囲から逸脱することなく、任意の所望の数のコンピューティングシステムを含み得ることに留意されたい。クライアントサイドでは、ロボットアプリケーション２１０は、エグゼキュータ２１２と、エージェント２１４と、デザイナ２１６と、を含む。しかしながら、いくつかの実施形態では、デザイナ２１６は、コンピューティングシステム２１０上で実行されていなくてもよい。エグゼキュータ２１２は、実行中のプロセスである。図２に示すように、いくつかのビジネスプロジェクトが同時に実行されてもよい。エージェント２１４（例えば、Ｗｉｎｄｏｗｓ（登録商標）サービス）は、本実施形態ではすべてのエグゼキュータ２１２に対する単一の接続ポイントである。本実施形態におけるすべてのメッセージは、コンダクタ２３０にログ記録され、コンダクタ２３０は、データベースサーバ２４０、インデクササーバ２５０、又はその両方を介してログ記録したものを更に処理する。図１に関して上述したように、エグゼキュータ２１２は、ロボットコンポーネントであってもよい。

いくつかの実施形態では、ロボットは、機械名とユーザー名との間の関連付けを表す。ロボットは、複数のエグゼキュータを同時に管理し得る。同時に実行される複数のインタラクティブなセッション（例えば、Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｅｒ ２０１２）をサポートするコンピューティングシステムでは、複数のロボットが同時に実行され、それぞれが一意のユーザー名を使用して別々のＷｉｎｄｏｗｓ（登録商標）セッションで実行されてもよい。これは、上記ではＨＤロボットと呼ばれる。

エージェント２１４はまた、ロボットのステータス（例えば、ロボットがまだ機能していることを示す「ハートビート」メッセージを定期的に送信する）を送信し、遂行されるパッケージの必要なバージョンをダウンロードする役割も担う。エージェント２１４とコンダクタ２３０との間の通信は、いくつかの実施形態では、常にエージェント２１４によって開始される。通知シナリオでは、エージェント２１４は、ロボットにコマンド（例えば、始動、停止など）を送信するために、コンダクタ２３０によって後で使用されるＷｅｂＳｏｃｋｅｔチャネルを開き得る。

サーバサイドには、プレゼンテーション層（ウェブアプリケーション２３２、オープン・データ・プロトコル（ＯＤａｔａ）代表状態転送（ＲＥＳＴ）アプリケーション・プログラミング・インタフェース（ＡＰＩ）エンドポイント２３４、並びに通知監視２３６）、サービス層（ＡＰＩ実装／ビジネスロジック２３８）、及び永続層（データベースサーバ２４０、インデクササーバ２５０）が含まれる。コンダクタ２３０は、ウェブアプリケーション２３２と、ＯＤａｔａ ＲＥＳＴ ＡＰＩエンドポイント２３４と、通知監視２３６と、ＡＰＩ実装／ビジネスロジック２３８と、を含む。いくつかの実施形態では、ユーザーがコンダクタ２２０のインターフェース（例えば、ブラウザ２２０を介して）内で実施するほとんどのアクションは、様々なＡＰＩを呼び出すことによって実施される。そのようなアクションは、限定しないが、本発明の範囲から逸脱することなく、ロボットでのジョブの開始、キュー内のデータの追加／削除、無人で実行するためのジョブのスケジューリングなどを含んでもよい。ウェブアプリケーション２３２は、サーバプラットフォームのビジュアル層である。本実施形態では、ウェブアプリケーション２３２は、ハイパーテキストマークアップ言語（ＨＴＭＬ）及びＪａｖａＳｃｒｉｐｔ（ＪＳ）を使用する。しかしながら、本発明の範囲から逸脱することなく、任意の所望のマークアップ言語、スクリプト言語、又は任意の他のフォーマットを使用してもよい。ユーザーは、コンダクタ２３０を制御する様々なアクションを実施するために、本実施形態では、ブラウザ２２０を介してウェブアプリケーション２３２からのウェブページとインタラクトする。例えば、ユーザーは、ロボットグループを作成し、ロボットにパッケージを割り当て、ロボットごと及び／又はプロセスごとにログを分析し、ロボットを起動し、及び停止するなどしてもよい。

ウェブアプリケーション２３２に加えて、コンダクタ２３０はまた、ＯＤａｔａ ＲＥＳＴ ＡＰＩエンドポイント２３４を公開するサービス層を含む。しかしながら、本発明の範囲から逸脱することなく、他のエンドポイントを含んでもよい。ＲＥＳＴ ＡＰＩは、ウェブアプリケーション２３２とエージェント２１４の両方によって消費される。エージェント２１４は、本実施形態ではクライアントコンピュータ上の１つ又は複数のロボットの管理者である。

本実施形態におけるＲＥＳＴ ＡＰＩは、構成、ログ記録、監視、及びキューイング機能をカバーする。構成エンドポイントは、いくつかの実施形態では、アプリケーションユーザー、権限、ロボット、アセット、リリース及び環境を、定義し、及び構成するために使用されてもよい。例えば、エラー、ロボットによって送信された明示的なメッセージ、及び他の環境固有の情報など、様々な情報をログに記録するために、ＲＥＳＴエンドポイントをログに記録することが使用されてもよい。開始ジョブコマンドがコンダクタ２３０内で使用される場合に遂行されるべきパッケージバージョンを照会するために、デプロイメントＲＥＳＴエンドポイントがロボットによって使用され得る。ＲＥＳＴエンドポイントをキューイングすることは、キューにデータを追加すること、キューからトランザクションを取得すること、トランザクションのステータスを設定することなど、キュー及びキュー項目管理を担当し得る。

ＲＥＳＴエンドポイントの監視により、ウェブアプリケーション２３２及びエージェント２１４を監視し得る。通知監視ＡＰＩ２３６は、エージェント２１４の登録、エージェント２１４への構成設定の送達、並びにサーバ及びエージェント２１４からの通知の送信／受信のために使用されるＲＥＳＴエンドポイントであってもよい。通知監視ＡＰＩ２３６はまた、いくつかの実施形態では、ＷｅｂＳｏｃｋｅｔ通信を使用してもよい。

永続層は、本実施形態におけるサーバのペア、すなわちデータベースサーバ２４０（例えば、ＳＱＬサーバ）及びインデクササーバ２５０を含む。本実施形態におけるデータベースサーバ２４０は、ロボット、ロボットグループ、関連するプロセス、ユーザー、役割、スケジュールなどの構成を記憶する。この情報は、いくつかの実施形態では、ウェブアプリケーション２３２を介して管理される。データベースサーバ２４０は、キュー及びキュー項目を管理し得る。いくつかの実施形態では、データベースサーバ２４０は、（インデクササーバ２５０に加えて、又はその代わりに）ロボットによってログ記録されたメッセージを記憶してもよい。

インデクササーバ２５０は、いくつかの実施形態では任意選択であり、ロボットによってログ記録された情報を記憶し、及びインデックス付けする。特定の実施形態では、インデクササーバ２５０は、構成設定を介して無効にされてもよい。いくつかの実施形態では、インデクササーバ２５０は、オープン・ソース・プロジェクトのフルテキスト検索エンジンであるＥｌａｓｔｉｃＳｅａｒｃｈ（登録商標）を使用する。（例えば、ログメッセージ又は行書き込みのようなアクティビティを使用する）ロボットによってログ記録されたメッセージは、ログ記録ＲＥＳＴエンドポイントを介してインデクササーバ２５０に送信されてもよく、そこでそれらは将来の利用のためにインデックス付けされる。

図３は、本発明の一実施形態による、デザイナ３１０と、アクティビティ３２０，３３０と、ドライバ３４０との間の関係３００を示すアーキテクチャ図である。上記により、開発者は、デザイナ３１０を使用して、ロボットによって遂行されるワークフローを開発する。ワークフローは、ユーザー定義のアクティビティ３２０及びＵＩオートメーションアクティビティ３３０を含み得る。いくつかの実施形態は、本明細書では、コンピュータビジョン（ＣＶ）と呼ぶ、画像内の非テキスト視覚コンポーネントを識別し得る。そのようなコンポーネントに関係するいくつかのＣＶアクティビティは、限定しないが、クリック、タイプ、テキストを取得、ホバー、要素存在、リフレッシュ範囲、ハイライトなどを含み得る。いくつかの実施形態では、クリックは、例えば、ＣＶ、光学文字認識（ＯＣＲ）、ファジー文字マッチング、及びマルチアンカーを使用して要素を識別し、それをクリックする。タイプは、上記及び要素内のタイプを使用して要素を識別し得る。テキストを取得は、ＯＣＲを使用して特定のテキストの位置を識別し、それをスキャンし得る。ホバーは、要素を識別し、それをホバーし得る。要素存在は、上述した技術を使用して、画面上に要素が存在するか否かをチェックし得る。いくつかの実施形態では、デザイナ３１０に実装され得るアクティビティは、数百又は数千であってもよい。しかしながら、本発明の範囲から逸脱することなく、アクティビティの任意の数及び／又はタイプが利用可能である。

ＵＩオートメーションアクティビティ３３０は、特別な下位レベルのアクティビティのサブセットであり、それは、下位レベルコード（例えば、ＣＶアクティビティ）に書き込まれ、画面とのインタラクションを容易にする。ＵＩオートメーションアクティビティ３３０は、ロボットが、所望のソフトウェアとインタラクトし得るドライバ３４０を介して、これらのインタラクションを容易にする。例えば、ドライバ３４０は、ＯＳドライバ３４２、ブラウザドライバ３４４、ＶＭドライバ３４６、エンタープライズ・アプリケーション・ドライバ３４８などを含んでもよい。

ドライバ３４０は、フックを探し、キーを監視するなど、低レベルでＯＳとインタラクトし得る。それらは、Ｃｈｒｏｍｅ（登録商標）、ＩＥ（登録商標）、シトリックス（登録商標）、ＳＡＰ（登録商標）などとの統合を容易にし得る。例えば、「クリック」アクティビティは、ドライバ３４０を介してこれらの異なるアプリケーションで同じ役割を実施する。

図４は、本発明の一実施形態による、ＲＰＡシステム４００を示すアーキテクチャ図である。いくつかの実施形態では、ＲＰＡシステム４００は、図１及び／又は図２のＲＰＡシステム１００及び／又は２００であり得るか、それらを含み得る。ＲＰＡシステム４００は、ロボットを実行する複数のクライアント・コンピューティング・システム４１０を含む。コンピューティングシステム４１０は、その上で実行されるウェブアプリケーションを介してコンダクタ・コンピューティング・システム４２０と通信し得る。次に、コンダクタ・コンピューティング・システム４２０は、データベースサーバ４３０及び任意選択のインデクササーバ４４０と通信し得る。

図１及び図３に関して、これらの実施形態ではウェブアプリケーションが使用されているが、本発明の範囲から逸脱することなく、任意の適切なクライアント／サーバソフトウェアを使用し得ることに留意されたい。例えば、コンダクタは、クライアント・コンピューティング・システム上の非ウェブベースのクライアント・ソフトウェア・アプリケーションと通信するサーバサイドアプリケーションを実行してもよい。

図５は、本発明の一実施形態による、ＲＰＡワークフローのための再構成可能ワークベンチパイプラインを実装するように構成されたコンピューティングシステム５００を示すアーキテクチャ図である。いくつかの実施形態では、コンピューティングシステム５００は、本明細書に図示及び／又は記載したコンピューティングシステムのうちの１つ又は複数であってもよい。コンピューティングシステム５００は、情報を通信するためのバス５０５又は他の通信機構と、情報を処理するためにバス５０５に結合されたプロセッサ５１０と、を含む。プロセッサ５１０は、中央処理装置（ＣＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、グラフィックス・プロセッシング・ユニット（ＧＰＵ）、それらの複数のインスタンス、及び／又はそれらの任意の組合せを含む、任意のタイプの汎用又は専用プロセッサであってもよい。プロセッサ５１０はまた、複数の処理コアを有してもよく、コアの少なくともいくつかは、特定の機能を実施するように構成されてもよい。いくつかの実施形態では、複数並列処理を使用してもよい。特定の実施形態では、プロセッサ５１０の少なくとも１つは、生体ニューロンを模倣する処理要素を含むニューロモーフィック回路であってもよい。いくつかの実施形態では、ニューロモーフィック回路は、フォン・ノイマン・コンピューティング・アーキテクチャの典型的なコンポーネントを必要としなくてもよい。

コンピューティングシステム５００は、情報、及びプロセッサ５１０によって遂行される命令を記憶するメモリ５１５を更に含む。メモリ５１５は、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、キャッシュ、磁気若しくは光ディスクなどの静的ストレージ、又は任意の他のタイプの非一時的コンピュータ可読媒体、又はそれらの組合せのうちの任意の組合せから構成されてもよい。非一時的コンピュータ可読媒体は、プロセッサ５１０によってアクセスされ得る任意の利用可能な媒体であってもよく、揮発性媒体、不揮発性媒体、又はその両方を含んでもよい。媒体はまた、取り外し可能、取り外し不能、又はその両方であってもよい。

更に、コンピューティングシステム５００は、無線及び／又は有線接続を介して通信ネットワークへのアクセスを提供するためのトランシーバなどの通信デバイス５２０を含む。いくつかの実施形態では、通信デバイス５２０は、周波数分割多元接続（ＦＤＭＡ）、シングルキャリアＦＤＭＡ（ＳＣ－ＦＤＭＡ）、時分割多元接続（ＴＤＭＡ）、符号分割多元接続（ＣＤＭＡ）、直交周波数分割多重方式（ＯＦＤＭ）、直交周波数分割多元接続（ＯＦＤＭＡ）、移動体用グローバルシステム（ＧＳＭ）通信、汎用パケット無線サービス（ＧＰＲＳ）、ユニバーサル移動体通信システム（ＵＭＴＳ）、ｃｄｍａ ２０００、広帯域ＣＤＭＡ（Ｗ－ＣＤＭＡ）、高速ダウンリンク・パケット・アクセス（ＨＳＤＰＡ）、高速アップリンク・パケット・アクセス（ＨＳＵＰＡ）、高速パケットアクセス（ＨＳＰＡ）、ロング・ターム・エボリューション（ＬＴＥ）、ＬＴＥアドバンスト（ＬＴＥ－Ａ）、８０２．１１ｘ、Ｗｉ－Ｆｉ、ジグビー、超広帯域無線（ＵＷＢ）、８０２．１６ｘ、８０２．１５、ホームノードＢ（ＨｎＢ）、Ｂｌｕｅｔｏｏｔｈ、無線周波数識別（ＲＦＩＤ）、赤外線データ協会（ＩｒＤＡ）、近距離無線通信（ＮＦＣ）、第５世代（５Ｇ）、エヌアール（ＮＲ）、それらの任意の組合せ、並びに／あるいは本発明の範囲から逸脱しない任意の他の現在存在する、又は将来実施される通信規格及び／若しくはプロトコルを使用するように構成される。いくつかの実施形態では、通信デバイス５２０は、１つ又は複数のアンテナを含んでもよく、そのアンテナは、本発明の範囲から逸脱することなく、単数、アレイ、位相、切り替え、ビームフォーミング、ビームステア、それらの組合せ、及び又は任意の他のアンテナ構成である。

プロセッサ５１０は、バス５０５を介して、ディスプレイ５２５に更に結合され、そのディスプレイは、プラズマディスプレイ、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、電界放出ディスプレイ（ＦＥＤ）、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、フレキシブルＯＬＥＤディスプレイ、フレキシブル基板ディスプレイ、プロジェクションディスプレイ、４Ｋディスプレイ、高精細ディスプレイ、Ｒｅｔｉｎａ（登録商標）ディスプレイ、インプレーンスイッチング（ＩＰＳ）ディスプレイ、又はユーザーに情報を表示するための任意の他の適切なディスプレイである。ディスプレイ５２５は、抵抗性、容量性、表面弾性波（ＳＡＷ）容量性、赤外線、光学イメージング、分散信号技術、音響パルス認識、フラストレート全内部反射などを使用して、タッチ（触覚）ディスプレイ、３次元（３Ｄ）タッチディスプレイ、マルチ入力タッチディスプレイ、マルチタッチディスプレイなどとして構成され得る。本発明の範囲から逸脱することなく、任意の適切なディスプレイデバイス及び触覚Ｉ／Ｏが使用され得る。

キーボード５３０、及びコンピュータマウス、タッチパッドなどのカーソル制御デバイス５３５は、ユーザーがコンピューティングシステムとインターフェースすることを可能にするために、バス５０５に更に結合される。しかしながら、特定の実施形態では、物理的なキーボード及びマウスが存在しなくてもよく、ユーザーは、ディスプレイ５２５及び／又はタッチパッド（図示せず）のみを介してデバイスとインタラクトしてもよい。入力デバイスの任意のタイプ及び組合せを、設計上の選択事項として使用し得る。特定の実施形態では、物理的入力デバイス及び／又はディスプレイは存在しない。例えば、ユーザーは、コンピューティングシステム５００と通信する別のコンピューティングシステムを介して、コンピューティングシステム５００と遠隔にインタラクトしてもよく、又はコンピューティングシステム５００は、自律的に動作してもよい。

メモリ５１５は、プロセッサ５１０によって遂行された場合、機能を提供するソフトウェアモジュールを記憶する。モジュールは、コンピューティングシステム５００のためのオペレーティングシステム５４０を含む。モジュールは、本明細書に記載のプロセス又はその派生物の全部又は一部を実施するように構成されたワークベンチマーク・パイプライン・モジュール５４５を更に含む。コンピューティングシステム５００は、追加の機能を含む１つ又は複数の追加の機能モジュール５５０を含み得る。

当業者であれば、「システム」が、本発明の範囲から逸脱することなく、サーバ、組込みコンピューティングシステム、パーソナルコンピュータ、コンソール、パーソナル・デジタル・アシスタント（ＰＤＡ）、携帯電話、タブレット・コンピューティング・デバイス、量子コンピューティングシステム、又は任意の他の適切なコンピューティングデバイス、又はデバイスの組合せとして具現化され得ることを理解するであろう。上記の機能を「システム」によって実施されるものとして提示することは、本発明の範囲を限定することを決して意図するものではなく、本発明の多くの実施形態の一例を提供することを意図している。実際、本明細書に開示した方法、システム、及び装置は、クラウド・コンピューティング・システムを含むコンピューティング技術と一致する局所化された形態及び分散された形態で実装され得る。

本明細書に記載されたシステム特徴のいくつかは、それらの実装の独立性をより具体的に強調するために、モジュールとして提示されていることに留意されたい。例えば、モジュールは、カスタムの超大規模集積（ＶＬＳＩ）回路又はゲートアレイ、既製の半導体、例えばロジックチップ、トランジスタ、又は他のディスクリートコンポーネントなどを含むハードウェア回路として実装されてもよい。モジュールはまた、フィールド・プログラマブル・ゲート・アレイ、プログラマブル・アレイ・ロジック、プログラマブル・ロジック・デバイス、グラフィックス・プロセッシング・ユニットなどのプログラマブル・ハードウェア・デバイスに実装されてもよい。

モジュールはまた、様々なタイプのプロセッサによって遂行するためのソフトウェアに少なくとも部分的に実装されてもよい。遂行可能コードの識別されたユニットは、例えば、オブジェクト、手順、又は機能として編成され得るコンピュータ命令の１つ又は複数の物理ブロック又は論理ブロックを含んでもよい。それにもかかわらず、識別されたモジュールの遂行可能なものは、物理的に共に配置される必要はないが、論理的に共に結合されたときに、異なる場所に記憶され、モジュールを含み、モジュールの記載された目的を達成する異なる命令を含み得る。更に、モジュールは、例えば、ハード・ディスク・ドライブ、フラッシュデバイス、ＲＡＭ、テープ、及び／又は本発明の範囲から逸脱することなくデータを記憶するために使用される任意の他のそのような非一時的コンピュータ可読媒体であり得るコンピュータ可読媒体に記憶されてもよい。

実際、モジュールの遂行可能コードは、単一の命令、又は多くの命令であってもよく、いくつかの異なるコードセグメントにわたって、異なるプログラム中に、及びいくつかのメモリデバイスの間に、分散されてもよい。同様に、操作データは、本明細書ではモジュール内で識別され、及び図示され、任意の適切な形態で具現化され、任意の適切なタイプのデータ構造内に編成されてもよい。操作データは、単一のデータセットとして収集されてもよく、又は異なるストレージデバイスを含む異なる場所にわたって分散されてもよく、少なくとも部分的に、システム又はネットワーク上の電子信号としてのみ存在してもよい。

図６は、本発明の一実施形態による、出力を生成していない（又は正しい出力を生成していない）再構成可能なワークベンチパイプライン６００、及びその性能を修正するための操作を示している。初期状態Ａでは、４つのコンポーネント１、２、３、及び４が、連鎖して出力を生成する。しかしながら、右側の「Ｘ」で示すように、コンポーネント２からの出力により、出力が生成されないか、又は誤った出力が生成されている。ワークベンチパイプラインは、最初に、状態Ｂにおけるコンポーネント１の入力及び出力をチェックする。これらが正しいと判定され、したがって、ワークベンチパイプラインは、状態Ｃにおけるコンポーネント２の出力をチェックすることに進む。コンポーネント２の出力は、このユースケースに対してエラーがあると判定する。

次いで、システムは、新規のコンポーネントをテストすることによって問題に対するソリューションを見つけようと試みる（例えば、ＭＬモデル、条件付きロジックなど）。この例では、システムは、コンポーネント５の挿入がパイプラインの正しい出力を提供すると判定し、ステップＤでコンポーネント２とコンポーネント５とを置換する。これは、正しい出力を生成するようにパイプラインを改良し、したがってパイプラインを「修復」し、パイプラインを再構成可能にする。

図７は、本発明の一実施形態による、ＭＬを使用したＲＰＡワークフローのための再構成可能ワークベンチパイプラインを実装するプロセス７００を示すフローチャートである。プロセスは、７１０において、ＲＰＡロボットによるグローバルワークフローの遂行から始まる。次いで、７２０において、グローバルワークフローのパイプラインがシナリオに対して正しく作業していないと、（例えば、ＲＰＡロボット、別のソフトウェアアプリケーション、コンピューティングシステムなどによって）判定される。７３０において、ＡＩ駆動テストを採用し、パイプラインに適用される、及び／又はグローバルワークフローのパイプラインで改良される１つ若しくは複数のＭＬモデル又は他のコンポーネントを識別して、シナリオに関する、グローバルワークフローを修復するか、又はグローバルワークフローを特殊化する。

いくつかの実施形態では、パイプラインに適用されるモデル又は他のコンポーネントの識別は、図６に関して上述したプロセスと同様であってもよい。例えば、パイプラインが出力を生成していないか、又は正しい出力を生成していない場合、第１のコンポーネントの入力及び出力をチェックしてもよい。入力及び出力の一方又は両方が正しくない場合、（例えば、入力エラーの場合にデータソースを分析することによって、又は出力エラーがある場合に第１のコンポーネントを再構成又は交換することによって）修正アクションを実施してもよい。データソースを分析することは、入力を生成しているソフトウェア、システム、ロボットなどにおけるロジックをチェックすることを含んでもよい。例えば、データベース操作における１つ又は複数のＳＱＬコマンドは正しくない可能性がある。第１のコンポーネントを再構成することは、コンポーネントのパラメータを改良すること、そのロジックを変更すること、コンポーネントに異なるＭＬモデルに呼び出させること、それらの任意の組合せなどを含んでもよい。第１のコンポーネントの入力及び出力が正しい場合、パイプライン内で適切に作業していないすべてのコンポーネントが識別され、対処されるまで、第２のコンポーネントの出力がチェックされ、次いで第３のコンポーネントがチェックされ、以下同様である。

いくつかの実施形態では、７３０において、パイプラインについて１つ又は複数のＭＬモデル及び／又は他のコンポーネントを判定することができない場合、７３２において、システムは、パイプラインが正しく機能していないことをＲＰＡ開発者に通知し（例えば、ワークフロー、適切に機能していないパイプラインコンポーネント、交換コンポーネントがどれか及び／又は既存のコンポーネントへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を送信）し、７３４において、ＲＰＡ開発者からのガイダンスを受け取る。いくつかの実施形態では、ＲＰＡ開発者からのガイダンスは、パイプラインの修復バージョン、ローカルワークフロー、新規のパイプラインコンポーネント、それらの任意の組合せなどを含んでもよい。次に、システムは、７４０において、ローカルワークフローのパイプラインに、識別したＭＬモデル及び／又は他のコンポーネントを実装する。次いで、７５０において、新規のバージョンのＲＰＡロボットが生成され、ローカルワークフローを遂行する。７６０において、ＲＰＡロボットの新規のバージョンがデプロイメントされ、７７０において、ローカルワークフローがＲＰＡロボットの新規のバージョンによって遂行される。

図７で実施されるプロセスステップは、本発明の実施形態に従って、プロセッサが図７に記載したプロセスの少なくとも一部を実施するために、命令を符号化するコンピュータプログラムによって実施されてもよい。コンピュータプログラムは、非一時的コンピュータ可読媒体上で具現化されてもよい。コンピュータ可読媒体は、限定しないが、ハード・ディスク・ドライブ、フラッシュデバイス、ＲＡＭ、テープ、及び／あるいはデータを記憶するために使用される任意の他のそのような媒体又は媒体の組合せであってもよい。コンピュータプログラムは、コンピュータ可読媒体に記憶され得る、図７に記載したプロセスステップの全部又は一部を実装するように、コンピューティングシステム（例えば、図５のコンピューティングシステム５００のプロセッサ５１０）のプロセッサを制御するための符号化された命令を含んでもよい。

コンピュータプログラムは、ハードウェア、ソフトウェア、又はハイブリッド実装で実装してもよい。コンピュータプログラムは、互いに動作可能に通信し、情報又は命令を表示のために渡すように設計されたモジュールから構成してもよい。コンピュータプログラムは、汎用コンピュータ、ＡＳＩＣ、又は任意の他の適切なデバイス上で動作するように構成してもよい。

本発明の様々な実施形態のコンポーネントは、本明細書の図に一般的に記載及び図示されているように、多種多様な異なる構成で配置及び設計されてもよいことが容易に理解されよう。したがって、添付の図面に表すように、本発明の実施形態の詳細な説明は、特許請求される本発明の範囲を限定することを意図するものではなく、本発明の選択された実施形態を単に代表するものである。

本明細書を通して記載した本発明の特徴、構造、又は特性は、１つ又は複数の実施形態において任意の適切な方法で組み合わせられ得る。例えば、本明細書全体を通して「特定の実施形態」、「いくつかの実施形態」、又は同様の文言への言及は、実施形態に関連して記載した特定の特徴、構造、又は特性が本発明の少なくとも１つの実施形態に含まれることを意味する。したがって、本明細書全体を通して、「特定の実施形態では」、「いくつかの実施形態では」、「他の実施形態では」、又は同様の文言の出現は、必ずしもすべてが同じ実施形態のグループを指すわけではなく、記載した特徴、構造、又は特性は、１つ又は複数の実施形態において任意の適切な方法で組み合わせられ得る。

本明細書を通して特徴、利点、又は同様の文言への言及は、本発明で実現され得る特徴及び利点のすべてが本発明の任意の単一の実施形態であるべきであること、又は本発明の任意の単一の実施形態であることを意味するものではないことに留意されたい。むしろ、特徴及び利点に言及する文言は、実施形態に関連して記載した特定の特徴、利点、又は特性が本発明の少なくとも１つの実施形態に含まれることを意味すると理解される。したがって、本明細書を通して、特徴及び利点、並びに同様の文言の説明は、必ずしもそうとは限らないが、同じ実施形態を参照し得る。

更に、本発明の記載した特徴、利点、及び特性は、１つ又は複数の実施形態において任意の適切な方法で組み合わせられてもよい。当業者は、特定の実施形態の特定の特徴又は利点のうちの１つ又は複数なしに、本発明を実施し得ることを認識するであろう。他の例では、本発明のすべての実施形態には存在しない可能性がある特定の実施形態において、追加の特徴及び利点が認識され得る。

当業者であれば、上記のような本発明は、異なる順序のステップで、及び／又は開示されているものとは異なる構成のハードウェア要素で実施され得ることを容易に理解するであろう。したがって、本発明を、これらの好ましい実施形態に基づいて記載しているが、本発明の精神及び範囲内に留まりながら、特定の改良、変形、及び代替構造が明らかであることは、当業者には明らかであろう。したがって、本発明の範囲を決定するために、添付の特許請求の範囲を参照すべきである。

Claims (11)

1. 機械学習（ＭＬ）を使用してロボティック・プロセス・オートメーション（ＲＰＡ）ワークフローのための再構成可能ワークベンチパイプラインを提供するためのコンピューティングシステムによって遂行されるコンピュータ実装方法であって、
   前記コンピューティングシステム上で遂行するＲＰＡロボットによって、グローバルワークフローを遂行することと、ここで、前記グローバルワークフローは、タスクの初期ワークフローであり、前記グローバルワークフローは、複数のＭＬモデルを含むパイプラインを含み、
   前記コンピューティングシステムの前記ＲＰＡロボット、別のＲＰＡロボット、又は別のソフトウェアアプリケーションによって、前記グローバルワークフローの前記パイプラインの前記複数のＭＬモデルのうちの少なくとも１つのＭＬモデルが、入力クエリを含む入力及び前記グローバルワークフローの前記パイプラインの前記複数のＭＬモデルの各ＭＬモデルの前記入力クエリに関連付けられた結果を含む出力を順番にチェックすることによって、前記少なくとも１つのＭＬモデルへの入力に対して正しい出力を生成していないと判定することと、
   前記コンピューティングシステムによって、前記正しい出力を生成していない前記少なくとも１つのＭＬモデルを前記パイプライン内の少なくとも１つの新規のＭＬモデルと交換することと、
   前記コンピューティングシステムによって、前記コンピューティングシステムのローカルワークフローのローカルパイプラインを生成することと、
   前記ＲＰＡロボットによって、前記ローカルワークフローを遂行することと、を含み、
   生成された前記ローカルパイプラインは、交換された前記少なくとも１つの新規のＭＬモデルを含む、コンピュータ実装方法。
2. 前記パイプラインが正しく機能していないことをＲＰＡ開発者に通知することと、
   前記パイプラインをどのように修正するかに関する前記ＲＰＡ開発者からのガイダンスを受け取ることと、を更に含む、請求項１に記載のコンピュータ実装方法。
3. 前記通知が、前記ローカルワークフロー、適切に機能していない１つ又は複数のパイプラインＭＬモデル、交換ＭＬモデルがどれか及び／又は既存のＭＬモデルへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を、前記ＲＰＡ開発者に送信することを含む、請求項２に記載のコンピュータ実装方法。
4. 前記ＲＰＡ開発者からの前記ガイダンスが、前記パイプラインの修復バージョン、前記ローカルワークフロー、１つ又は複数の新規のパイプラインＭＬモデル、あるいはそれらの任意の組合せを含む、請求項２に記載のコンピュータ実装方法。
5. 前記パイプラインの第１のＭＬモデルの入力を分析することと、
   前記第１のＭＬモデルの前記入力が正しくない場合、前記第１のＭＬモデルの前記入力のデータソースを分析することと、を更に含む、請求項１に記載のコンピュータ実装方法。
6. 機械学習（ＭＬ）を使用してロボティック・プロセス・オートメーション（ＲＰＡ）ワークフローのための再構成可能ワークベンチパイプラインを提供するためのコンピューティングシステムによって遂行されるコンピュータ実装方法であって、
   前記コンピューティングシステムのＲＰＡロボット、別のＲＰＡロボット、又は別のソフトウェアアプリケーションによって、グローバルワークフローのパイプラインの複数のＭＬモデルのうちの少なくとも１つのＭＬモデルが、入力クエリを含む入力及び前記グローバルワークフローの前記パイプラインの前記複数のＭＬモデルの各ＭＬモデルの前記入力クエリに関連付けられた結果を含む出力を順番にチェックすることによって、前記少なくとも１つのＭＬモデルへの入力に対して正しい出力を生成していないと判定することと、
   前記コンピューティングシステムによって、前記正しい出力を生成していない前記少なくとも１つのＭＬモデルを前記パイプライン内の少なくとも１つの新規のＭＬモデルと交換することと、
   前記コンピューティングシステムによって、前記コンピューティングシステムのローカルワークフローのローカルパイプラインを生成することと、
   前記ＲＰＡロボットによって、前記ローカルワークフローを遂行することと、を含み、
   生成された前記ローカルパイプラインは、交換された前記少なくとも１つの新規のＭＬモデルを含む、コンピュータ実装方法。
7. 前記パイプラインが正しく機能していないことをＲＰＡ開発者に通知することであって、
   前記通知が、前記ローカルワークフロー、適切に機能していない１つ又は複数のパイプラインＭＬモデル、交換ＭＬモデルがどれか及び／又は既存のＭＬモデルへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を、前記ＲＰＡ開発者に送信することを含む、通知することを、更に含む、請求項６に記載のコンピュータ実装方法。
8. 前記パイプラインをどのように修正するかに関する前記ＲＰＡ開発者からのガイダンスを受け取ることであって、
   前記ＲＰＡ開発者からの前記ガイダンスが、前記パイプラインの修復バージョン、前記ローカルワークフロー、１つ又は複数の新規のパイプラインＭＬモデル、又はそれらの任意の組合せを含む、受け取ること、を更に含む、請求項７に記載のコンピュータ実装方法。
9. 第１のＭＬモデルの入力を分析することと、
   前記第１のＭＬモデルの前記入力が正しくない場合、前記第１のＭＬモデルの前記入力のデータソースを分析することと、を更に含む、請求項６に記載のコンピュータ実装方法。
10. 機械学習（ＭＬ）を使用してロボティック・プロセス・オートメーション（ＲＰＡ）ワークフローのための再構成可能ワークベンチパイプラインを提供するためのコンピューティングシステムによって遂行されるコンピュータ実装方法であって、
    前記コンピューティングシステムのＲＰＡロボット、別のＲＰＡロボット、又は別のソフトウェアアプリケーションによって、グローバルワークフローのパイプラインの複数のＭＬモデルのうちの少なくとも１つのＭＬモデルが、入力クエリを含む入力及び前記グローバルワークフローの前記パイプラインの前記複数のＭＬモデルの各ＭＬモデルの前記入力クエリに関連付けられた結果を含む出力を順番にチェックすることによって、前記少なくとも１つのＭＬモデルへの入力に対して正しい出力を生成していないと判定することと、
    前記コンピューティングシステムによって、前記正しい出力を生成していない前記少なくとも１つのＭＬモデルを前記グローバルワークフローの前記パイプライン内の少なくとも１つの新規のＭＬモデルと交換することと、
    前記コンピューティングシステムによって、前記コンピューティングシステムのローカルワークフローのローカルパイプラインを生成することと、
    ＲＰＡロボットによって、前記ローカルワークフローを遂行することと、を含み、
    生成された前記ローカルパイプラインは、交換された前記少なくとも１つの新規のＭＬモデルを含む、コンピュータ実装方法。
11. 前記グローバルワークフローの前記パイプラインが正しく機能していないことをＲＰＡ開発者に通知することであって、
    前記通知が、前記ローカルワークフロー、適切に機能していない１つ又は複数のパイプラインＭＬモデル、交換ＭＬモデルがどれか及び／又は既存のＭＬモデルへの改良が試みられたかを示すログデータ、あるいはそれらの任意の組合せを含む通信を、前記ＲＰＡ開発者に送信することを含む、通知すること、を更に含む、請求項１０に記載のコンピュータ実装方法。