stringtranslate.com

Облачная робототехника

Облачная робототехника — это область робототехники , которая пытается использовать облачные технологии, такие как облачные вычисления , облачное хранилище и другие интернет-технологии, основанные на преимуществах конвергентной инфраструктуры и общих сервисов для робототехники. При подключении к облаку роботы могут извлечь выгоду из мощных вычислительных, хранилищных и коммуникационных ресурсов современного центра обработки данных в облаке, который может обрабатывать и обмениваться информацией от различных роботов или агентов (других машин, интеллектуальных объектов, людей и т. д.). Люди также могут делегировать задачи роботам удаленно через сети . Технологии облачных вычислений позволяют наделять роботизированные системы мощными возможностями, одновременно снижая затраты за счет облачных технологий. Таким образом, можно создавать легкие, недорогие, более умные роботы с интеллектуальным «мозгом» в облаке. «Мозг» состоит из центра обработки данных, базы знаний , планировщиков задач, глубокого обучения , обработки информации, моделей среды, поддержки связи и т. д. [1] [2] [3] [4]

Компоненты

Облако для роботов потенциально имеет по крайней мере шесть значимых компонентов: [5]

Приложения

Автономные мобильные роботы
Самоуправляемые автомобили Google — это облачные роботы. Автомобили используют сеть для доступа к огромной базе данных карт Google, спутниковой и модели окружающей среды (например, Streetview) и объединяют ее с потоковыми данными от GPS, камер и 3D-датчиков для отслеживания собственного положения с точностью до сантиметра, а также с прошлыми и текущими схемами движения, чтобы избегать столкновений. Каждый автомобиль может узнать что-то об окружающей среде, дорогах, вождении или условиях и отправляет информацию в облако Google, где ее можно использовать для улучшения производительности других автомобилей.
Облачные медицинские роботы
Медицинское облако (также называемое кластером здравоохранения) состоит из различных служб, таких как архив болезней, электронные медицинские записи, система управления здоровьем пациентов, практические услуги, аналитические услуги, клинические решения, экспертные системы и т. д. Робот может подключаться к облаку для предоставления клинических услуг пациентам, а также для оказания помощи врачам (например, робот для совместной хирургии). Более того, он также предоставляет службу совместной работы, обмениваясь информацией между врачами и лицами, осуществляющими уход, о клиническом лечении. [6]
Вспомогательные роботы
Домашний робот может использоваться для здравоохранения и мониторинга жизни пожилых людей. Система собирает информацию о состоянии здоровья пользователей и обменивается ею с облачной экспертной системой или врачами, чтобы облегчить жизнь пожилых людей, особенно тех, у кого хронические заболевания. Например, роботы способны оказывать поддержку, чтобы не допустить падения пожилых людей, экстренную здоровую поддержку, такую ​​как болезни сердца, заболевания крови. Опекуны пожилых людей также могут получать уведомления от робота через сеть в случае чрезвычайной ситуации. [7]
Промышленные роботы
Как подчеркивается в плане правительства Германии «Индустрия 4.0» , «Промышленность находится на пороге четвертой промышленной революции. Под воздействием Интернета реальный и виртуальный миры становятся все ближе и ближе друг к другу, образуя Интернет вещей. Промышленное производство будущего будет характеризоваться сильной индивидуализацией продукции в условиях высокогибкого (крупносерийного) производства, широкой интеграцией клиентов и деловых партнеров в бизнес и процессы с добавленной стоимостью, а также связью производства и высококачественных услуг, что приведет к так называемым гибридным продуктам». [8] В производстве такие облачные роботизированные системы могли бы научиться выполнять такие задачи, как продевание проводов или кабелей или выравнивание прокладок из профессиональной базы знаний. Группа роботов может обмениваться информацией для некоторых совместных задач. Более того, потребитель может размещать индивидуальные заказы на продукцию у производственных роботов напрямую с помощью систем онлайн-заказов. [9] Другая потенциальная парадигма — это роботизированные системы для покупок и доставки. После размещения заказа складской робот отправляет товар в беспилотный автомобиль или беспилотный летательный аппарат для доставки его получателю.

Изучите облачный мозг для роботов

Подход: непрерывное обучение. [10] Использование непрерывного обучения для создания облачного мозга для роботов было предложено CAS. Автор был мотивирован проблемой того, как заставить роботов объединять и передавать свой опыт, чтобы они могли эффективно использовать предыдущие знания и быстро адаптироваться к новым условиям. Чтобы решить эту проблему, они представляют архитектуру обучения для навигации в облачных робототехнических системах: непрерывное федеративное обучение с подкреплением (LFRL). В своей работе они предлагают алгоритм объединения знаний для модернизации общей модели, развернутой в облаке. Затем вводятся эффективные методы передачи обучения в LFRL. LFRL согласуется с когнитивной наукой человека и хорошо вписывается в облачные робототехнические системы. Эксперименты показывают, что LFRL значительно повышает эффективность обучения с подкреплением для навигации роботов. Развертывание облачной робототехнической системы также показывает, что LFRL способен объединять предыдущие знания.

Подход: федеративное обучение. [11] Использование непрерывного обучения для создания облачного мозга для роботов было предложено в 2020 году. Люди способны изучать новое поведение, наблюдая за другими, выполняющими навык. Аналогичным образом роботы также могут реализовывать это с помощью имитационного обучения. Кроме того, при наличии внешнего руководства люди могут более эффективно осваивать новое поведение. Итак, как роботы могут этого добиться? Для решения этой проблемы авторы представляют новую структуру под названием FIL. Она обеспечивает механизм слияния разнородных знаний для облачных роботизированных систем. Затем предлагается алгоритм слияния знаний в FIL. Он позволяет облаку объединять разнородные знания от локальных роботов и генерировать модели руководства для роботов с запросами на обслуживание. После этого мы вводим схему передачи знаний, чтобы облегчить локальным роботам получение знаний из облака. С помощью FIL робот способен использовать знания от других роботов для повышения точности и эффективности своего имитационного обучения. По сравнению с трансферным обучением и метаобучением FIL больше подходит для развертывания в облачных роботизированных системах. Они проводят эксперименты по задаче самостоятельного вождения для роботов (автомобилей). Результаты экспериментов показывают, что общая модель, созданная FIL, повышает эффективность обучения имитации локальных роботов в облачных робототехнических системах.

Подход: обучение с помощью коллег. [12] Использование обучения с помощью коллег для создания облачного мозга для роботов было предложено UM. Технологическая революция происходит в области робототехники с технологией глубокого обучения, управляемого данными. Однако создание наборов данных для каждого локального робота является трудоемким. Между тем, острова данных между локальными роботами делают данные невозможными для совместного использования. Для решения этой проблемы в работе представлено обучение с помощью коллег (PARL) в робототехнике, которое вдохновлено обучением с помощью коллег в когнитивной психологии и педагогике. PARL реализует совместную работу с данными с помощью фреймворка облачных роботизированных систем. Как данные, так и модели передаются роботами в облако после семантических вычислений и обучения локально. Облако объединяет данные и выполняет дополнение, интеграцию и передачу. Наконец, настройте этот более крупный общий набор данных в облаке для локальных роботов. Кроме того, мы предлагаем сеть DAT (сеть дополнения и передачи данных) для реализации обработки данных в PARL. Сеть DAT может реализовать дополнение данных от многолокальных роботов. Авторы проводят эксперименты по упрощенной задаче самостоятельного вождения для роботов (автомобилей). Сеть DAT имеет значительное улучшение в дополнении в сценариях самостоятельного вождения. Наряду с этим, экспериментальные результаты самостоятельного вождения также показывают, что PARL способен улучшить эффекты обучения при совместной работе с данными локальных роботов.

Исследовать

RoboEarth [13]финансировался Седьмой рамочной программой Европейского союза для исследований, проектов технологического развития, в частности, для изучения области облачной робототехники. Цель RoboEarth — позволить роботизированным системам извлекать выгоду из опыта других роботов, прокладывая путь для быстрого прогресса в машинном познании и поведении, и в конечном итоге для более тонкого и сложного взаимодействия человека с машиной. RoboEarth предлагает инфраструктуру облачной робототехники. База данных RoboEarth в стиле World-Wide-Web хранит знания, созданные людьми и роботами, в машиночитаемом формате. Данные, хранящиеся в базе знаний RoboEarth, включают программные компоненты, карты для навигации (например, местоположения объектов, модели мира), знания о задачах (например, рецепты действий, стратегии манипуляции) и модели распознавания объектов (например, изображения, модели объектов). Облачный движок RoboEarth включает поддержку мобильных роботов, автономных транспортных средств и дронов, которые требуют большого количества вычислений для навигации.[14]

Rapyuta [15] — это фреймворк облачной робототехники с открытым исходным кодом на основе RoboEarth Engine, разработанный исследователем робототехники в ETHZ. В рамках фреймворка каждый робот, подключенный к Rapyuta, может иметь защищенную вычислительную среду (прямоугольные ящики), что дает им возможность перемещать свои тяжелые вычисления в облако. Кроме того, вычислительные среды тесно взаимосвязаны друг с другом и имеют высокоскоростное соединение с хранилищем знаний RoboEarth. [16]

KnowRob [17] — это расширенный проект RoboEarth. Это система обработки знаний, которая объединяет методы представления и рассуждения знаний с методами получения знаний и обоснования знаний в физической системе и может служить общей семантической структурой для интеграции информации из разных источников.

RoboBrain [18]— это крупномасштабная вычислительная система, которая обучается на общедоступных интернет-ресурсах, компьютерном моделировании и реальных испытаниях роботов. Она аккумулирует все робототехнику в комплексную и взаимосвязанную базу знаний. Приложения включают прототипирование для исследований робототехники, домашних роботов и беспилотных автомобилей. Цель такая же прямая, как и название проекта — создать централизованный, постоянно работающий мозг, к которому могут подключаться роботы. Проект доминируют Стэнфордский университет и Корнеллский университет. И проект поддерживается Национальным научным фондом, Управлением военно-морских исследований, Управлением армейских исследований, Google, Microsoft, Qualcomm, Фондом Альфреда П. Слоана и Национальной инициативой робототехники, чьей целью является развитие робототехники, чтобы помочь сделать Соединенные Штаты более конкурентоспособными в мировой экономике.[19]

MyRobots — это сервис для подключения роботов и интеллектуальных устройств к Интернету. [20] Его можно рассматривать как социальную сеть для роботов и интеллектуальных объектов (например, Facebook для роботов). Благодаря общению, сотрудничеству и обмену информацией роботы также могут извлекать выгоду из этих взаимодействий, делясь информацией с датчиков, что дает им представление о своем текущем состоянии.

COALAS [21]финансируется программой приграничного сотрудничества INTERREG IVA Франция (Ланш) – Англия. Проект направлен на разработку новых технологий для людей с ограниченными возможностями посредством социальных и технологических инноваций и посредством социальной и психологической целостности пользователей. Целью является создание когнитивной системы вспомогательного проживания с кластером здравоохранения в облаке с бытовыми роботами-помощниками, такими как гуманоиды, интеллектуальные инвалидные коляски, которые подключаются к облаку.[7]

ROS (операционная система роботов) предоставляет экосистему для поддержки облачной робототехники. ROS — это гибкая и распределенная структура для разработки программного обеспечения роботов. Это набор инструментов, библиотек и соглашений, которые направлены на упрощение задачи создания сложного и надежного поведения роботов на самых разных роботизированных платформах. Библиотека для ROS, которая является чистой реализацией Java, называемая rosjava, позволяет разрабатывать приложения Android для роботов. Поскольку рынок Android стремительно растет и у него миллиард пользователей, это будет иметь важное значение в области облачной робототехники. [22]

Проект DAVinci — это предлагаемая программная структура, которая стремится исследовать возможности распараллеливания некоторых робототехнических алгоритмов в качестве задач Map/Reduce в Hadoop . [23] Целью проекта является создание облачной вычислительной среды, способной предоставить вычислительный кластер, созданный на основе стандартного оборудования, предоставляющего набор робототехнических алгоритмов в качестве SaaS и совместного обмена данными в робототехнической экосистеме. [23] Эта инициатива недоступна для общественности. [24]

C2RO (C2RO Cloud Robotics) — это платформа, которая обрабатывает приложения в реальном времени, такие как предотвращение столкновений и распознавание объектов в облаке. Ранее высокие задержки не позволяли обрабатывать эти приложения в облаке, поэтому требовалось вычислительное оборудование на системе (например, графический процессор или графический процессор). C2RO опубликовала рецензируемую статью на IEEE PIMRC17, показывающую, что ее платформа может сделать автономную навигацию и другие службы ИИ доступными на роботах — даже с ограниченным вычислительным оборудованием (например, Raspberry Pi) — из облака. [25] В конечном итоге C2RO заявила, что стала первой платформой, продемонстрировавшей облачный SLAM (одновременную локализацию и картографирование) на RoboBusiness в сентябре 2017 года.

Noos — это облачный сервис робототехники, предоставляющий централизованный интеллект для роботов, которые к нему подключены. Сервис был запущен в декабре 2017 года. Используя Noos-API, разработчики могли получать доступ к сервисам для компьютерного зрения, глубокого обучения и SLAM. Noos был разработан и поддерживается компанией Ortelio Ltd.

Rocos — это централизованная облачная платформа робототехники, которая предоставляет разработчикам инструменты и инфраструктуру для создания, тестирования, развертывания, эксплуатации и автоматизации флотов роботов в масштабе. Основанная в октябре 2017 года, платформа начала работу в январе 2019 года.

Ограничения облачной робототехники

Хотя роботы могут извлечь выгоду из различных преимуществ облачных вычислений, облако не является решением для всей робототехники. [26]

Вызовы

Исследования и разработки в области облачной робототехники имеют следующие потенциальные проблемы и задачи: [26]

Риски

История

Термин «Cloud Robotics» впервые появился в публичном лексиконе в рамках доклада Джеймса Каффнера в 2010 году на Международной конференции IEEE/RAS по гуманоидной робототехнике под названием «Облачные роботы». [28] С тех пор «Cloud Robotics» стал общим термином, охватывающим концепции обмена информацией, распределенного интеллекта и обучения флота, которые возможны с помощью сетевых роботов и современных облачных вычислений. Каффнер был частью Google, когда он выступал со своей презентацией, и технологическая компания дразнила своими различными инициативами в области облачной робототехники до 2019 года, когда она запустила платформу Google Cloud Robotics для разработчиков. [29]

С первых дней развития роботов было обычным делом производить вычисления на компьютере, который был отделен от реального механизма робота, но соединен проводами для питания и управления. По мере развития технологии беспроводной связи были разработаны новые формы экспериментальных роботов с «удаленным мозгом», управляемых небольшими встроенными вычислительными ресурсами для управления роботом и обеспечения безопасности, которые были беспроводным образом подключены к более мощному удаленному компьютеру для интенсивной обработки. [30]

Термин « облачные вычисления » стал популярен с запуском Amazon EC2 в 2006 году. Он ознаменовал доступность сетей с высокой пропускной способностью, недорогих компьютеров и устройств хранения данных, а также широкое внедрение аппаратной виртуализации и сервисно-ориентированной архитектуры . [31] В переписке с Popular Science в июле 2006 года Куффнер написал, что после того, как робот был запрограммирован или успешно обучен выполнять задачу, он мог поделиться своей моделью и соответствующими данными со всеми другими роботами, подключенными к облаку: [32]

«... робот затем мог бы «опубликовать» свою усовершенствованную модель на каком-то веб-сайте или в универсальном хранилище знаний, которое все будущие роботы могли бы загрузить и использовать. Мое видение заключается в том, чтобы иметь «базу данных знаний роботов», которая со временем улучшит возможности всех будущих роботизированных систем. Она будет служить хранилищем информации и статистики о физическом мире, к которой роботы смогут получить доступ и использовать ее для улучшения своих рассуждений о последствиях возможных действий и составления лучших планов действий с точки зрения точности, безопасности и надежности. Она также могла бы служить своего рода «библиотекой навыков». Например, если бы я успешно запрограммировал своего робота-дворецкого, как приготовить идеальный омлет, я мог бы «загрузить» программное обеспечение для приготовления омлета на сервер, которое все роботы затем могли бы загружать всякий раз, когда их просят приготовить омлет. Может быть целое сообщество пользователей роботов, загружающих программы навыков, во многом похожее на текущие модели «условно-бесплатного» и «бесплатного» программного обеспечения, которые популярны среди пользователей ПК».

—  Джеймс Каффнер , (июль 2006 г.)

Некоторые публикации и события, связанные с облачной робототехникой (в хронологическом порядке):

Смотрите также

Ссылки

  1. ^ ab "Cloud Robotics and Automation A special issue of the IEEE Transactions on Automation Science and Engineering". IEEE. Архивировано из оригинала 14 сентября 2017 г. Получено 7 декабря 2014 г.
  2. ^ "RoboEarth". Архивировано из оригинала 2014-12-01 . Получено 2014-12-07 .
  3. ^ Голдберг, Кен. «Облачная робототехника и автоматизация».
  4. ^ ab Li, R. "Cloud Robotics-Enable cloud computing for robots" . Получено 7 декабря 2014 г. .
  5. ^ Кехо, Бен; Патил, Сачин; Аббель, Питер ; Голдберг, Кен (13 сентября 2014 г.). «Обзор исследований в области облачной робототехники и автоматизации» (PDF) . Труды IEEE по науке и технике автоматизации .
  6. ^ «Влияние облачных вычислений на здравоохранение» (PDF) . 11 июля 2023 г.
  7. ^ ab Li, Ruijiao; Hu, Huosheng (16 октября 2013 г.). «Towards ROS Based Multi-robot Architecture for Ambient Assisted Living». Международная конференция IEEE 2013 по системам, человеку и кибернетике . стр. 3458–3463. CiteSeerX 10.1.1.648.3228 . doi :10.1109/SMC.2013.590. ISBN  978-1-4799-0652-9. S2CID  10169400.
  8. ^ "Проект будущего: Индустрия 4.0". Архивировано из оригинала 2 декабря 2014 года . Получено 9 декабря 2014 года .
  9. ^ ЛаСелль, Раш. «Автоматизация в облаке». Ассоциация робототехнической промышленности . Получено 9 декабря 2014 г.
  10. ^ Лю, Бойи; Ван, Луцзя; Лю, Мин (октябрь 2019 г.). «Непрерывное федеративное обучение с подкреплением: архитектура обучения для навигации в облачных робототехнических системах». IEEE Robotics and Automation Letters . 4 (4): 4555–4562. arXiv : 1901.06455 . doi : 10.1109/LRA.2019.2931179. ISSN  2377-3766. S2CID  58981458.
  11. ^ Лю, Бойи; Ван, Луцзя; Лю, Мин; Сюй, Чэн-Чжун (апрель 2020 г.). «Федеративное имитационное обучение: новая структура для облачных робототехнических систем с гетерогенными данными датчиков». IEEE Robotics and Automation Letters . 5 (2): 3509–3516. arXiv : 1912.12204 . doi : 10.1109/LRA.2020.2976321. ISSN  2377-3766. S2CID  209500667.
  12. ^ Лю, Бойи; Ван, Луцзя; Чэнь, Синьцюань; Хуан, Лэсюн; Хань, Донг; Сюй, Чэн-Чжун (май 2021 г.). «Обучение роботов с помощью сверстников: подход к совместному обучению на основе данных для облачных робототехнических систем». Международная конференция IEEE по робототехнике и автоматизации (ICRA) 2021 г. стр. 4062–4070. arXiv : 2010.08303 . doi :10.1109/ICRA48506.2021.9562018. ISBN 978-1-7281-9077-8. S2CID  223953372.
  13. ^ "roboearth" . Получено 7 декабря 2014 г. .
  14. ^ Waibel, M; Tenorth, M; D'Andrea, R (июнь 2011 г.). "RoboEarth" (PDF) . Журнал IEEE Robotics & Automation . 18 (2): 69–82. doi :10.1109/MRA.2011.941632.
  15. ^ "Рапьюта" . Получено 7 декабря 2014 г.
  16. ^ Hunziker, D; D'Andrea, R; Gajamohan, M; Waibel, M (май 2013 г.). "Rapyuta: The RoboEarth Cloud Engine". Международная конференция IEEE по робототехнике и автоматизации 2013 г. С. 438–444. CiteSeerX 10.1.1.800.2033 . doi :10.1109/ICRA.2013.6630612. ISBN  978-1-4673-5643-5. S2CID  7644907.
  17. ^ "KnowRob" . Получено 8 декабря 2014 г.
  18. ^ "RoboBrain Project" . Получено 7 декабря 2014 г.
  19. ^ «Robo Brain' копается в Интернете, чтобы обучать роботов».
  20. ^ "MyRobots". Архивировано из оригинала 11 декабря 2014 года . Получено 9 декабря 2014 года .
  21. ^ Ху, Хуошэн; Макдональд-Майер, Клаус Д.; Гу, Дунбин; Ли, Жуйцзяо. "COLAS". Архивировано из оригинала 9 декабря 2014 года . Получено 7 декабря 2014 года .
  22. ^ "ROSjava-Cloud Robotics". Архивировано из оригинала 27 декабря 2014 года . Получено 9 декабря 2014 года .
  23. ^ ab Arumugam, R.; Enti, VR; Bingbing, L.; Xiaojun, W.; Baskaran, K.; Kong, FF; Kumar, AS; Meng, KD; Kit, GW (2010). "DAvinCi: облачная вычислительная среда для сервисных роботов". Международная конференция IEEE по робототехнике и автоматизации 2010 г. стр. 3084–3089. doi :10.1109/ROBOT.2010.5509469. ISBN 978-1-4244-5038-1. S2CID  2669707.
  24. ^ "RoboEarth | Что такое облачная робототехника?". Архивировано из оригинала 2013-07-11 . Получено 2019-03-08 .
  25. ^ C2RO Cloud Robotics (18.10.2017). «Облачная робототехника в реальном времени в практических приложениях умного города». {{cite journal}}: Цитировать журнал требует |journal=( помощь )CS1 maint: числовые имена: список авторов ( ссылка )
  26. ^ abc Robotics-vo. "A Roadmap for US Robotics From Internet to Robotics 2013 Edition" (PDF) . Архивировано из оригинала (PDF) 5 сентября 2014 г. . Получено 8 декабря 2014 г. .
  27. ^ "Привязка облачной робототехники к серверу". Архивировано из оригинала 2018-06-18 . Получено 2018-06-18 .
  28. ^ ab Kuffner, James (2010). «Облачные роботы». Международная конференция IEEE-RAS по гуманоидной робототехнике.
  29. ^ Кроу, Стив (2018-10-24). «Google Cloud Robotics Platform станет доступна разработчикам в 2019 году». The Robot Report . Получено 2019-03-08 .
  30. ^ Инаба, Масаюки (1997). «Удаленно-мозговые роботы». Труды пятнадцатой Международной совместной конференции по искусственному интеллекту — Том 2. Morgan Kaufmann Publishers Inc., стр. 1593–1606.
  31. ^ "Облачные вычисления: столкновение облаков". The Economist . 2009-10-15 . Получено 2009-11-03 .
  32. ^ «Будущее роботов». Popular Science . Сентябрь 2006. С. 55–71.
  33. ^ "Комитет сетевых роботов" . Получено 8 декабря 2014 г.
  34. ^ "Google I/O 2011: Cloud Robotics, ROS для Java и Android" . Получено 9 декабря 2014 г.
  35. ^ «Большой грант NSF финансирует исследования по обучению роботов работе с людьми». 17 декабря 2012 г.
  36. ^ "cloud-robotics.cs.umn.edu/" . Получено 7 декабря 2014 г. .
  37. ^ Голдберг, Кен (2013). «Облачный робот, захватывающий с помощью движка распознавания объектов Google». Международная конференция IEEE по робототехнике и автоматизации 2013 г. С. 4263–4270. CiteSeerX 10.1.1.299.3857 . doi :10.1109/ICRA.2013.6631180. ISBN  978-1-4673-5643-5. S2CID  2744967.
  38. ^ "2013 IEEE IROS Workshop on Cloud Robotics. Tokyo. November 2013". Архивировано из оригинала 2016-09-05 . Получено 2014-12-07 .
  39. ^ "RobotApp" . Получено 7 декабря 2014 г. .
  40. ^ "DARPA-Cloud-Robotics" . Получено 7 декабря 2014 г. .
  41. ^ «Когда робототехника встречается с облаком, клиенты выигрывают» . Получено 18 апреля 2017 г.
  42. ^ "Управление роботом из облака" . Получено 17 апреля 2017 г.
  43. ^ Dawarka, V. и Bekaroo, G., 2018, декабрь. Архитектуры облачных роботов: направления будущих исследований на основе сравнительного анализа. Международная конференция по интеллектуальным и инновационным вычислительным приложениям (ICONIC) 2018 г. (стр. 1–7). IEEE.

Внешние ссылки