陳 彬，黎曉東，尹作重，秦修功，張雪嫣

（北京機(jī)械工業(yè)自動化研究所有限公司，北京 100120）

0 引言

傳統(tǒng)機(jī)器人的存儲和計算能力僅限于機(jī)器人本體，而智能化則要求更多的知識存儲、檢索以及推理計算能力。針對此問題，2010年卡耐基梅隆大學(xué)的James Kuffner教授首次提出云機(jī)器人的概念，云機(jī)器人是機(jī)器人與云計算的結(jié)合，把機(jī)器人的數(shù)據(jù)處理、規(guī)劃、決策、協(xié)作等復(fù)雜計算功能卸載到云端，機(jī)器人本體只需配備簡單的網(wǎng)絡(luò)設(shè)備和基本的傳感器就可以完成復(fù)雜的服務(wù)任務(wù)，為徹底解決機(jī)器人“物美”與“價廉”的矛盾提供了新思路[1]。同時，在2010年，新加坡的ASORO實(shí)驗(yàn)室研究了在Hadoop中運(yùn)行FastSlam算法的框架Davichi[2]，DAvinCi軟件框架基于Hadoop集群，結(jié)合機(jī)器人操作系統(tǒng)（ROS）作為機(jī)器人生態(tài)系統(tǒng)的消息傳遞框架[3]，將平臺作為機(jī)器人的“大腦”，利用云計算為服務(wù)機(jī)器人提供可擴(kuò)展性和并行性，可視為機(jī)器人云服務(wù)平臺的雛形。2011～2014年歐洲開展了Roboearth[4]項(xiàng)目，RoboEarth已經(jīng)發(fā)展成為一個巨大的基于云的數(shù)據(jù)庫，各種機(jī)器人可以在其中分享有關(guān)環(huán)境、任務(wù)和對象的信息[5]。2015年，在RoboEarth的基礎(chǔ)上，Mohanarajah等[6]提出了Raptuya云機(jī)器人平臺[7]。的作者將RoboEarth項(xiàng)目的方法與UNR-PF的分布式執(zhí)行能力結(jié)合起來，開發(fā)了一個網(wǎng)絡(luò)化的機(jī)器人系統(tǒng)Rsi-Cloud，為服務(wù)提供商和機(jī)器人專家提供了一個可以分別開發(fā)機(jī)器人服務(wù)和機(jī)器人應(yīng)用的平臺。在文獻(xiàn)[8]中，Lei等人提出了云機(jī)器人視覺平臺（Cloud Robotics Visual Platform， CRVP）來增強(qiáng)機(jī)器人的視覺。在文獻(xiàn)[9]中雷建和等人提出一種仿人機(jī)器人云平臺。

本文將按照以下三個部分展開：1）機(jī)器人云平臺架構(gòu)：討論云平臺整體架構(gòu)，研究云計算在機(jī)器人方面上的應(yīng)用；2）機(jī)器人云平臺關(guān)鍵技術(shù)：研究云平臺資源管理、計算、通信和安全等；3）進(jìn)行總結(jié)與對將來發(fā)展的一些展望。

1 機(jī)器人云平臺架構(gòu)分析

本節(jié)主要就幾種機(jī)器人云平臺的架構(gòu)進(jìn)行分析。

Rapyuta云機(jī)器人平臺使機(jī)器人將密集的計算任務(wù)委托給云中的計算環(huán)境，計算環(huán)境提供對RoboEarth知識庫的訪問，使機(jī)器人從知識庫中下載地圖、對象模型和操作方法來執(zhí)行任務(wù)。圖1展示了RoboEarth架構(gòu)。服務(wù)器層包含RoboEarth數(shù)據(jù)庫，存儲了包括關(guān)于對象的可重復(fù)使用的信息、環(huán)境（例如地圖和對象位置）和鏈接到語義信息的動作（例如動作順序和技能）等模型，并提供基本的可推理Web服務(wù)。通用組件層是RoboEarth的動作集合，擴(kuò)展了機(jī)器人的感知、推理、建模和學(xué)習(xí)能力。動作技能層通過技能抽象層為機(jī)器人特定的、基于硬件的功能提供通用接口。

圖1 RoboEarth架構(gòu)

圖2展示了由ROS、Hadoop分布式文件系統(tǒng)（HDFS）和Map/Reduce組成的DAvinCi云計算平臺架構(gòu)。平臺利用ROS和機(jī)器人之間數(shù)據(jù)傳輸和通信，利用分布式文件系統(tǒng)（HDFS）存儲數(shù)據(jù)，利用Map/Reduce對機(jī)器人上傳的數(shù)據(jù)進(jìn)行批處理。將標(biāo)準(zhǔn)算法（SLAM、全局路徑規(guī)劃、傳感器融合等）封裝為云服務(wù)，平臺充當(dāng)機(jī)器人的代理和服務(wù)提供者，并從機(jī)器人生態(tài)系統(tǒng)收集數(shù)據(jù)，通過ROS和HDFS將機(jī)器人生態(tài)系統(tǒng)綁定到后端計算和存儲集群。DAvinCi服務(wù)器作為運(yùn)行ROS發(fā)布者列表的主節(jié)點(diǎn)，機(jī)器人上的ROS節(jié)點(diǎn)查詢主節(jié)點(diǎn)以訂閱和接收來自HDFS后端或其他機(jī)器人的消息/數(shù)據(jù)。

圖2 DAvinCi云計算平臺架構(gòu)

圖3展示了知識共享的機(jī)器人云平臺架構(gòu)。機(jī)器人通過傳感器采集數(shù)據(jù)上傳到云端和下載接收云服務(wù)，所以既是云服務(wù)的消費(fèi)者，又是云服務(wù)信息的數(shù)據(jù)源和生產(chǎn)者。云平臺包括四層：

協(xié)同機(jī)器人通信（CRC）層：遠(yuǎn)程云接入異構(gòu)機(jī)器人，需要一個“網(wǎng)關(guān)”組件來記錄機(jī)器人的特定信息，以及消息代理通道和本機(jī)機(jī)器人數(shù)據(jù)通道之間的映射。

處理層：用于過濾、聚類和處理從機(jī)器人收集的數(shù)據(jù)，包括實(shí)時接入處理、批量數(shù)據(jù)處理、數(shù)據(jù)濃縮處理。

數(shù)據(jù)庫層：存儲了一個全局世界模型，包括關(guān)于軟件組件、環(huán)境（如用于導(dǎo)航的對象位置和地圖）、對象識別模型（如點(diǎn)云、圖像和模型）和任務(wù)知識（如操作配方和技能以及操作策略）的信息。

服務(wù)層：讓機(jī)器人可以通過云端的機(jī)器人知識庫與其他機(jī)器人即時分享他們所學(xué)到的技能，其他機(jī)器人就可以通過重用共享的知識來提高學(xué)習(xí)的速度。

圖3 知識共享的機(jī)器人云平臺架構(gòu)

圖4展示了服務(wù)機(jī)器人云平臺總體架構(gòu)，包括物理資源層，云平臺基礎(chǔ)層，服務(wù)實(shí)現(xiàn)層和SOA接口層。物理資源層為云平臺各服務(wù)實(shí)例提供運(yùn)行環(huán)境支持。基礎(chǔ)層負(fù)責(zé)管理數(shù)據(jù)存儲，為服務(wù)提供統(tǒng)一的訪問接口。服務(wù)實(shí)現(xiàn)層由平臺開發(fā)者對服務(wù)進(jìn)行封裝，注冊、發(fā)布、部署、更新、管理和維護(hù)；服務(wù)分為服務(wù)定義和服務(wù)實(shí)例兩種，云平臺用戶可對服務(wù)定義進(jìn)行更新和修改，服務(wù)實(shí)例是在平臺中用于完成特定功能的線程。SOA接口層是平臺與用戶交互的中間件，提供服務(wù)的配置和管理接口，主要實(shí)現(xiàn)用戶交互、服務(wù)管理、服務(wù)調(diào)用和服務(wù)態(tài)勢監(jiān)測等功能。

圖4 服務(wù)機(jī)器人云平臺總體架構(gòu)[1]

2 機(jī)器人云平臺關(guān)鍵技術(shù)

云機(jī)器人系統(tǒng)很好地解決了云機(jī)器人應(yīng)用容量和多功能性的限制等，提高了云機(jī)器人的資源利用率并且可以轉(zhuǎn)向基于云的服務(wù)以擴(kuò)大它們的能力[10]。機(jī)器人與云平臺交互也帶來了很多新的問題，本節(jié)將探討機(jī)器人云平臺資源管理、計算、通信和安全這幾個關(guān)鍵問題。

平臺資源管理：云計算就是資源的一種“池化”，池化帶來的好處是資源的按需分配，可重復(fù)利用，從而提高資源利用率。虛擬化是實(shí)現(xiàn)資源池化的一種方式，衍生出了多種技術(shù)，包括vmware的exsi，hyper-v，kvm，xen等。最常用的開源云平臺管理系統(tǒng)為OpenStack，是構(gòu)建云計算系統(tǒng)的基礎(chǔ)框架，控制整個云平臺計算、存儲和網(wǎng)絡(luò)資源。此外還有很多商業(yè)化云計算部署系統(tǒng)，如VMware、Amazon Web Services、彈性計算云（Elastic Compute cloud，俗稱EC2）、谷歌計算引擎和Microsoft Azure等。

計算：平臺一般使用Hadoop處理大量數(shù)據(jù)，由分布式文件系統(tǒng)HDFS和MapReduce組成。Hadoop是支持運(yùn)行在大型計算機(jī)集群上的數(shù)據(jù)密集型分布式應(yīng)用程序，能跨集群中的并行處理數(shù)據(jù)，加快了大型計算的速度。這些處理大部分發(fā)生在數(shù)據(jù)或存儲附近，從而減少了網(wǎng)絡(luò)上的I/O延遲。Hadoop的HDFS文件系統(tǒng)還負(fù)責(zé)將文件數(shù)據(jù)分割成可管理的塊或塊，并將它們分布在多個節(jié)點(diǎn)上，MapReduc負(fù)責(zé)并行處理大數(shù)據(jù)集。

通信：機(jī)器人通常由大量復(fù)雜的異構(gòu)系統(tǒng)組成，采用不同的物理接口和通信協(xié)議。云基礎(chǔ)設(shè)施只能存儲和處理特定結(jié)構(gòu)的數(shù)據(jù)，即輸入接口需要將相應(yīng)的數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換成統(tǒng)一的格式，接口需要云平臺自己定義。早期是通過網(wǎng)關(guān)將機(jī)器人連接到廣域網(wǎng)，實(shí)現(xiàn)機(jī)器人與云服務(wù)平臺的互聯(lián)互通。在處理上傳和下載數(shù)據(jù)時，必須對數(shù)據(jù)格式進(jìn)行轉(zhuǎn)換。上傳數(shù)據(jù)必須進(jìn)行適當(dāng)?shù)念A(yù)處理，但數(shù)據(jù)交換的魯棒性和實(shí)時性能對從一種形式到另一種數(shù)據(jù)格式的轉(zhuǎn)換有很大的影響[10]。ROS框架提供了一種標(biāo)準(zhǔn)的跨機(jī)器人通信和消息傳遞形式，節(jié)點(diǎn)之間通過消息進(jìn)行通信，這些消息包含一個節(jié)點(diǎn)發(fā)送給其他節(jié)點(diǎn)的信息數(shù)據(jù)，消息類型有ROS標(biāo)準(zhǔn)類型和基于標(biāo)準(zhǔn)消息開發(fā)的自定義類型兩種。ROS將不兼容的傳感器、執(zhí)行器等硬件整合在一起，通過將其數(shù)據(jù)流轉(zhuǎn)換成消息總線，使用在硬件驅(qū)動器和計算單元之間兼容的數(shù)據(jù)類型。此外文獻(xiàn)[11]的作者提出的RSi Research cloud（RSicloud）架構(gòu)具有一種標(biāo)準(zhǔn)化的通信協(xié)議——機(jī)器人服務(wù)網(wǎng)絡(luò)協(xié)議（RSNP），可以結(jié)合不同的服務(wù)組件，利用機(jī)器人服務(wù)規(guī)范，提供各種新穎的服務(wù)。

安全：機(jī)器人通過云平臺分享信息、知識共享，但存在的安全問題也一直是人們關(guān)注的焦點(diǎn)。在文獻(xiàn)[12]中Nandhini et al.提出一種使用橢圓曲線密碼術(shù)（ECC）提供身份驗(yàn)證和密鑰協(xié)議的安全架構(gòu)，用于訪問托管在云中的機(jī)器人服務(wù)。為了改善云安全的相關(guān)問題文獻(xiàn)[10]中提到了三種方法，包括：

1）信任建立：用戶執(zhí)行一些預(yù)先設(shè)定的行為來檢查一個虛擬機(jī)的主機(jī)環(huán)境。

2）信任度量：一些不屬于云平臺提供商（如硬件供應(yīng)商或虛擬化軟件供應(yīng)商）的一些信任成分組件監(jiān)控虛擬機(jī)，并安全地向用戶或第三方報告信任度量。

3）基于信譽(yù)的信任：用戶通過服務(wù)提供商提供的身份驗(yàn)證VM的基礎(chǔ)設(shè)施，然后依靠法律、業(yè)務(wù)或其他外部因素來推斷信任。

3 結(jié)論

云機(jī)器人技術(shù)發(fā)展迅速，機(jī)器人云平臺的研究也更加深入。如何提高云與機(jī)器人之間的實(shí)時性交互，機(jī)器人云平臺整體架構(gòu)應(yīng)怎樣設(shè)計，云平臺如何為機(jī)器人更好地提供服務(wù)，還需要時間去研究和解決?，F(xiàn)有的云機(jī)器人平臺大都采用點(diǎn)對點(diǎn)的服務(wù)提供方式，導(dǎo)致云平臺需要重復(fù)構(gòu)建服務(wù)，降低了云平臺服務(wù)的效率和質(zhì)量；規(guī)范機(jī)器人云服務(wù)平臺的設(shè)計流程，統(tǒng)一機(jī)器人與云平臺的接口，將更多類型的機(jī)器人或終端設(shè)備融入機(jī)器人云服務(wù)平臺中，是今后的發(fā)展趨勢。