雾计算赋能机器人同步定位与地图构建

doi:10.11959/j.issn.2096-3750.2018.00050

物联网学报 ›› 2018, Vol. 2 ›› Issue (2): 33-40.doi: 10.11959/j.issn.2096-3750.2018.00050

雾计算赋能机器人同步定位与地图构建

杨旸,李凯,徐海东,王华俊,王昆仑,李剑,周明拓

中国科学院上海微系统与信息技术研究所，上海 200050

修回日期:2018-05-20 出版日期:2018-06-01 发布日期:2018-07-03
作者简介:杨旸（1974-），男，博士，中国科学院上海微系统与信息技术研究所教授、博士生导师，IEEE Fellow，主要研究方向为无线传感器网络（物联网）、新一代移动通信系统（5G）、雾计算与网络技术、开放无线测试验证平台等。|李凯（1973-），男，中国科学院上海微系统与信息技术研究所高级工程师，主要研究方向为雾计算试验床、5G系统仿真。|徐海东（1973-），男，中国科学院上海微系统与信息技术研究所工程师，主要研究方向为软件定义无线网络。|王华俊（1987-），女，中国科学院上海微系统与信息技术研究所工程师，主要研究方向为5G通信系统仿真。|王昆仑（1987-），男，博士，中国科学院上海微系统与信息技术研究所助理研究员，主要研究方向为雾计算和5G通信系统。|李剑（1976-），男，中国科学院上海微系统与信息技术研究所工程师，主要研究方向为雾计算试验床。|周明拓（1977-），男，博士，中国科学院上海微系统与信息技术研究所研究员，主要研究方向为雾计算架构、工业互联网和无线传感网。

Fog computing-enabled robot simultaneous localization and mapping

Yang YANG,Kai LI,Haidong XU,Huajun WANG,Kunlun WANG,Jian LI,Mingtuo ZHOU

Shanghai Institute of Microsystem and Information Technology,Chinese Academy of Sciences,Shanghai 200050,China

Revised:2018-05-20 Online:2018-06-01 Published:2018-07-03

摘要/Abstract

摘要：

机器人探索预先未知的环境时通常需要同步定位和地图构建（SLAM），例如，在救援场景中，可以利用雾计算这种新兴的计算模式来实现更快、更精确、更节能的机器人SLAM。基于此，提出了雾计算赋能机器人SLAM的框架设计，并分析了其面临的挑战，最后通过真实试验床演示了该框架设计。

关键词: 雾计算, 机器人, 同步定位和地图构建

Abstract:

Robot simultaneous localization and mapping (SLAM) is often required when robots are used to explore prior-unknown environment,e.g.,in rescue scenarios.Fog computing,an emerging computing mode could be used to enable faster,more accurate,speedier,and energy-saved robot SLAM.The framework of fog-enabled robot SLAM addressing was proposed,and challenges it faced were analyzed.Finally,technologies by real implementation of testbed were demonstrated.

Key words: fog computing, robot, simultaneous location and mapping

中图分类号:

TP393

杨旸,李凯,徐海东,王华俊,王昆仑,李剑,周明拓. 雾计算赋能机器人同步定位与地图构建[J]. 物联网学报, 2018, 2(2): 33-40.

Yang YANG,Kai LI,Haidong XU,Huajun WANG,Kunlun WANG,Jian LI,Mingtuo ZHOU. Fog computing-enabled robot simultaneous localization and mapping[J]. Chinese Journal on Internet of Things, 2018, 2(2): 33-40.

图/表 6

图1

图2

图3

表1

满足雾机器人SLAM的挑战和要求所需要的功能"

挑战和要求	功能
	机器人身份验证应在南向接口上支持
安全	南向接口、北向接口和水平接口应支持数据信息加密
	关键帧和地图数据中包含的敏感信息在存入数据库之前应加密或删除
	任务调度器可以根据任务的QoS需求、机器人的状态、雾节点和云端协调计算、存储、通信资源
扩展性	对于时延敏感的任务，任务调度程序可以将它们分配给机器人或邻近的雾节点；对于时延不敏感的任务，任务调度程序可以将它们分配给云
	任务调度器在决定任务调度时应考虑计算与通信之间消耗资源的平衡
	雾节点可以形成协作网络，以支持更强大的通信、计算和存储系统
开放	南向接口、北向接口和水平接口应用层的信息模型、消息原语和协议栈应基于常见的机器人应用进行标准化任务调度、资源编排和模块部署的策略可以由用户开放和定义
	各种资源应通过图形化界面进行可视化操作
自治	网络拓扑结构应该灵活支持不同的应用场景，如独立机器人、机器人和雾网络、机器人网络、雾节点和云端网络等机器人和雾节点都可以独立完成任务
	机器人可独立工作，不需要与雾节点和云端连接
RAS	雾节点可以完成工作，不需要与云端连接
	雾节点可以组织一个协作网络来支持更可靠的通信和巨大的存储空间
敏捷性	机器学习功能可以部署在雾端或云端，提供更智能的任务调度方案
	机器人可以通过雾节点或云端的历史大数据获得更多的经验和知识
层级架构	解决方案可以是一个（仅机器人）、2个（机器人和雾节点）或3个（机器人、雾节点和云端）层每个级别都可以独立工作
	雾节点可以为更高QoS应用提供分布式计算、存储解决方案
可编程	应用程序的工作流程可以通过编程满足不同的QoS要求
	任务调度策略、资源分配策略、信息处理机制可以由用户编程

表1

图4

图5

参考文献 12

[1]	CADENA C , CARLONE L , CARRILLO H ,et al. Simultaneous localization and mapping:present,future,and the robust-perception age[J]. IEEE Transactions on Robotics, 2016,32(6): 1309-1332.
[2]	OpenFog.OpenFog reference architecture for fog computing[R]. 2017.
[3]	DASTJERDI A V , GUPTA H , CALHEIROS R N ,et al. Fog computing:principles,architectures,and applications[J]. arXiv Preprint,arXiv:1601.02752, 2016.
[4]	HOU X S , LI Y , CHEN M ,et al. Vehicular fog computing:a viewpoint of vehicles as the infrastructures[J]. IEEE Transactions on Vehicular Technology, 2016,65(6): 3860-3873.
[5]	DEY S , MUKHERJEE A . Robotic slam:a review from fog computing and mobile edge computing perspective[C]// The 13th International Conference on Mobile and Ubiquitous Systems:Computing Networking and Services. 2016: 153-158.
[6]	DEY S , MUKHERJEE A . Robotic SLAM - a review from fog computing and mobile edge computing perspective[C]// MOBIQUITOUS ’16 Adjunct Proceedings. 2016: 153-158.
[7]	YANG Y , ZHAO S , ZHANG W ,et al. DEBTS:delay energy balanced task scheduling in homogeneous fog networks[J]. IEEE Internet of Things Journal, 2018,PP(99):1.
[8]	ZHAO S , YANG Y , SHAO Z ,et al. FEMOS:fog-enabled multi-tier operations scheduling in dynamic wireless networks[J]. IEEE Internet of Things Journal, 2018,5(2): 1169-1183.
[9]	DINH T Q , TANG J , LA Q D ,et al. Offloading in mobile edge computing:task allocation and computational frequency scaling[J]. IEEE Transactions on Communications, 2017,65(8): 3571-3584.
[10]	WANG J , XU J , YANG Y ,et al. GPP based open cellular network towards 5G[J]. China Communications, 2017,14(6): 189-198.
[11]	CHEN X , JIAO L , LI W ,et al. Efficient multi-user computation offloading for mobile-edge cloud computing[J]. IEEE Transactions on Networking, 2016,24(5): 2795-2808.
[12]	PU L , CHEN X , XU J ,et al. D2D fogging:an energy-efficient and incentive-aware task offloading framework via network-assisted D2D collaboration[J]. IEEE Journal on Selected Areas in Communications, 2016,34(12): 3887-3901.

雾计算赋能机器人同步定位与地图构建

Fog computing-enabled robot simultaneous localization and mapping

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 12

相关文章 2

Metrics

推荐阅读 0

[1]	解增辉, 梅斌, 毕伟尧, 谢福贵, 刘辛军. 一种轻量化五轴全并联加工机器人研发与应用[J]. 物联网学报, 2021, 5(3): 10-20.
[2]	周际援,罗皓,邱磊,王田. 一种基于雾计算思想的私密性云存储方案[J]. 物联网学报, 2019, 3(1): 65-72.