基于边缘计算的云原生机器人系统

doi:10.11959/j.issn.2096-6652.202030

智能科学与技术学报 ›› 2020, Vol. 2 ›› Issue (3): 275-283.doi: 10.11959/j.issn.2096-6652.202030

所属专题：边缘计算

基于边缘计算的云原生机器人系统

王大伟¹(),王卓¹,王鹏¹,王志刚¹,王海涛²

¹ 英特尔（中国）研究中心有限公司，北京 100490
² 英特尔亚太研发有限公司，上海 200241

修回日期:2020-08-31 出版日期:2020-09-20 发布日期:2020-10-20
作者简介:王大伟（1974- ），男，博士，英特尔（中国）研究中心有限公司英特尔中国研究院系统架构师，主要研究方向为机器人的软件系统架构、机器人系统优化以及云边端融合的机器人系统|王卓（1972- ），男，英特尔（中国）研究中心有限公司英特尔中国研究院系统架构师，主要研究方向为机器人的硬件系统架构、异构计算平台、传感器融合以及硬件加速器|王鹏（1979- ），女，博士，英特尔（中国）研究中心有限公司英特尔中国研究院技术规划与战略合作总监，主要研究方向为服务机器人、视觉计算、人机交互等。曾获得英特尔全球品牌大使、英特尔技术最高奖、英特尔中国最佳员工以及国际消费电子展最佳创新奖、最佳无线应用奖、最佳技术奖。发表国内外学术论文30余篇，申请国际专利10余项|王志刚（1978- ），男，博士，英特尔（中国）研究中心有限公司英特尔中国研究院研究员，中国计算机学会会员，主要研究方向为机器人的时空智能、多层次AI认知系统及机器人系统优化|王海涛（1978- ），男，英特尔亚太研发有限公司软件架构师，中国计算机学会会员，主要研究方向为边缘计算软硬件系统设计、云原生软件架构、时间敏感网络及机器人系统优化

Cloud native robot system based on edge computing

Dawei WANG¹(),Zhuo WANG¹,Peng WANG¹,Zhigang WANG¹,Haitao WANG²

¹ Intel China Research Center Co.,Ltd.,Beijing 100190,China
² Intel Asia-Pacific Research ＆Development Co.,Ltd.,Shanghai 200241,China

Revised:2020-08-31 Online:2020-09-20 Published:2020-10-20

摘要/Abstract

摘要：

随着人工智能的飞速发展，全球机器人市场在持续扩大，机器人的能力从执行固定的操作发展到自主感知、理解和决策。但要实现机器人的大规模应用，需要机器人在有限功耗的限制下，具备强大的计算能力和低廉的部署成本。利用边缘计算提供性价比更高的服务，增强机器人本体的计算能力，实现规模化部署是实现这一目标的关键。分析了实现边缘增强的机器人系统面临的挑战，提出了基于边缘计算的云原生机器人系统，并探讨了实现该系统的4种可行的技术方案。提出的系统是由基于机器人本体的智能系统向云-边-端融合的多机器人协同的智能系统发展的趋势，也是实现机器人大规模应用的关键技术。

关键词: 机器人, 机器人4.0, 云原生, 边缘计算, 机器人操作系统

Abstract:

With the rapid development of artificial intelligence,the global robot market continues to grow quickly,and the capabilities of robots have evolved from performing fixed operations to the ability to autonomously sense,understand and make decisions.However,to achieve large-scale application of robots,robots need to have powerful computing capabilities and low deployment costs under the constraints of limited power consumption.Using edge computing to provide more cost-effective services,enhance the computing power of the robot body,and achieve large-scale deployment is the key to achieving this goal.The challenges faced by robot systems with the edge enhancement were analyzed,the concept of cloud-native robot systems based on edge computing was proposed,and four feasible technical solutions for implementing the system were discusses.The cloud-native robot system is the inevitable direction for the development of robot systems from intelligent systems based on robot ontology to cloud-edge-end fusion multi-robot collaborative intelligent systems and the key technology for promoting the large-scale application of robots.

Key words: robot, robot 4.0, cloud native, edge computing, robot operating system

中图分类号:

TP242.6

王大伟, 王卓, 王鹏, 等. 基于边缘计算的云原生机器人系统[J]. 智能科学与技术学报, 2020, 2(3): 275-283.

Dawei WANG, Zhuo WANG, Peng WANG, et al. Cloud native robot system based on edge computing[J]. Chinese Journal of Intelligent Science and Technology, 2020, 2(3): 275-283.

图/表 10

图1

表1

图2

图3

图4

图5

图6

图7

图8

表2

参考文献 13

[1]	中国电子学会. 中国机器人产业发展报告[R]. 2019.
	Chinese Institute of Electronics. 2019 China robotic industry development report[R]. 2019.
[2]	国际数据公司. 人工智能时代的机器人3.0新生态[Z]. 2017.
	IDC. Robot 3.0:new ecology in the age of artificial intelligence[Z]. 2017.
[3]	Intel Labs China,CloudMinds Technology Inc.,SIASUN Robot ＆Automation Co.,Ltd. Ecovacs Robotics.Robot 4.0 Whitepaper[Z]. 2019.
[4]	WANG Z G , WANG H T , SHE Q ,et al. Preliminary analysis on key technology of robot 4.0[J]. Journal of Computer Research and Development, 2020,57(9): 1854-1863.
[5]	Intel Labs China. Adaptive huma-robot interaction (AHRI) whitepaper[Z]. 2019.
[6]	Intel Labs China. Adaptive human-robot interaction (AHRI) SDK 2.1[Z]. 2020.
[7]	QUIGLEY M , CONLEY K , GERKEY B P ,et al. ROS:an open-source robot operating system[C]// ICRA Workshop on Open Source Software.[S.l.:s.n]. 2009.
[8]	SHI X S , CAO L , WANG D W ,et al. HERO:accelerating autonomous robotic tasks with FPGA[C]// 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway:IEEE Press, 2018.
[9]	IDC. IDC futurescape:worldwide IoT 2020 predictions[Z]. 2019.
[10]	AMY M , LAUER M , FABRE J C . Adaptive fault tolerance on ROS:a component-based approach[C]// ROSCon2016.[S.L.:s.n]. 2016.
[11]	CRICK C , JAY G , OSENTOSKI S ,et al. ROS and rosbridge:roboticists out of the loop[C]// The 7th Annual ACM/IEEE International Conference on Human-Robot Interaction. New York:ACM Press, 2012: 493-494.
[12]	ARUMUGAM R , ENTI V R , BINGBING L ,et al. DAvinCi:a cloud computing framework for service robots[C]// IEEE International Conference on Robotics ＆ Automation. Piscataway:IEEE Press, 2010: 3084-3089.
[13]	MOHANARAJAH G , HUNZIKER D , D’ANDREA R ,et al. Rapyuta:a cloud robotics platform[J]. IEEE Transactions on Automation Science ＆ Engineering, 2015,12(2): 481-493.

处理器	视觉SLAM	自动导航	3D建图	图像采集	物体检测	人脸识别	人体识别	物体分割	合计
CPU	128%	34%	91.58%	49.69%	—	48.79%	—	25%	377.06%
GPU	—	—	—	—	—	100%	—	—	100%
ASIC（VPU）	—	—	—	—	1块	—	1块	2块	4块

方案	通信层级	通信开销	带宽优化	开发成本	系统性能	部署难度
桥接解决方案	应用层	高	易	低	低	高
统一云原生解决方案	网络层	低	难	高	高	高
覆盖网络解决方案	网络层	低	难	高	高	低
非ROS2边缘服务解决方案	应用层	高	易	高	高	低

[1]	苏震, 刘殿勇, 孙达智, 梁霄. 基于路径参数一致的水下机器人编队与避障控制[J]. 智能科学与技术学报, 2022, 4(4): 533-541.
[2]	蔡莹皓, 杨华, 安璇, 王文硕, 杜沂东, 张嘉韬, 王志刚. 神经符号学及其应用研究[J]. 智能科学与技术学报, 2022, 4(4): 560-570.
[3]	赵超, 许杰, 陈星宇, 梅魁志, 兰旭光. 机器人持续学习进展与展望[J]. 智能科学与技术学报, 2022, 4(3): 308-323.
[4]	崔少伟, 王硕, 胡静怡, 张超凡. 面向机器人操作任务的视触觉传感技术综述[J]. 智能科学与技术学报, 2022, 4(2): 186-199.
[5]	徐德, 秦方博. 机器人自动轴孔装配研究进展[J]. 智能科学与技术学报, 2022, 4(2): 200-211.
[6]	葛悦光, 张少林, 蔡莹皓, 鲁涛, 温大勇, 王海涛, 王硕. 本体知识表示方法在机器人领域的应用研究综述[J]. 智能科学与技术学报, 2022, 4(2): 212-222.
[7]	赵航, 刘胜, 罗坤, 陈世超, 孔令辉, 贾凡. 面向KubeEdge边缘计算系统应用研究[J]. 智能科学与技术学报, 2022, 4(1): 118-128.
[8]	王腾, 潘晶, 董璐, 孙长银. 面向防疫的智能导诊机器人关键技术及应用[J]. 智能科学与技术学报, 2021, 3(2): 187-194.
[9]	邓晓燕, 俞祝良, 林灿光, 顾正晖, 李远清. 基于脑机接口的人机共享控制技术研究[J]. 智能科学与技术学报, 2021, 3(1): 85-92.
[10]	傅汇乔, 唐开强, 邓归洲, 王鑫鹏, 陈春林. 基于深度强化学习的六足机器人运动规划[J]. 智能科学与技术学报, 2020, 2(4): 361-371.
[11]	付海军,陈世超,林懿伦,熊刚,胡斌. 人在回路的混合增强智能在Sawyer的研究与验证[J]. 智能科学与技术学报, 2019, 1(3): 280-286.
[12]	徐天成,王雪军,卢东东,卢梦叶,林祺,张小强,成艺. 智能针灸机器人关键技术及发展趋势[J]. 智能科学与技术学报, 2019, 1(3): 305-310.
[13]	白天翔,沈震,刘雅婷,董西松. 平行机器：一种智能机器的管理与控制框架[J]. 智能科学与技术学报, 2019, 1(2): 181-191.
[14]	毛翊超,陆麒. 基于视觉伺服技术的工业机器人高动态物体跟踪系统[J]. 智能科学与技术学报, 2019, 1(1): 62-69.
[15]	郑亚君,薛磊,董璐,王庆领. 基于UWB定位技术的多移动机器人编队控制[J]. 智能科学与技术学报, 2019, 1(1): 83-87.

基于边缘计算的云原生机器人系统

Cloud native robot system based on edge computing

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 13

相关文章 15

Metrics

推荐阅读 0