CN104794214B - 一种设计大数据驱动云机器人的方法 - Google Patents

Abstract

本发明提出一种设计大数据驱动云机器人的方法，设计思路为“瘦终端(机器人终端)+胖网络(云平台)”：机器人终端只负责执行，其一切行为都由云平台来控制。其主要步骤如下：1机器人的信息采集模块收集周围物理世界信息，并通过其无线通信模块发送给云平台；2基于大数据资源中数据，按照大数据驱动工作机制，云平台利用软件资源中的资源对障碍物分布图构建、物品模型识别、清扫模式等任务进行计算，产生供机器人执行的指令；3云平台通过网络模块向终端发送指令，终端的决策系统分析指令，运动控制模块、清洁模块等据此执行动作；4根据动作的执行结果，产生新的大数据，发回云平台并更新大数据资源；本方法可设计高智能、低能耗、低成本的网络化、数据化机器人。

Description

一种设计大数据驱动云机器人的方法

技术领域

本发明涉及信息领域，特别是指一种设计大数据驱动云机器人的方法。

背景技术

单机模式的机器人是孤立的，其不具备自我学习能力，当机器人处于陌生的、非结构化的环境时，就不能分析并高效率地应对新环境。因此，面对人类生活环境的多样性，服务机器人能否自我学习成为关键。

无线网络技术的发展使得机器人可以在移动中自主地连接网络，为多机器人之间的协作提供了方便。

2010年，在IEEE Humanoids机器人大会上，卡耐基梅隆大学的James Kuffner博士(现在Google)首次提出了云机器人(Cloud Robotics)的概念。云机器人的定义还没有得到统一，但以下描述能够较好地反映云机器人的一些主要特征：云机器人是一个连接在云平台的瘦终端模型(thin-client model)，云机器人利用云平台中的计算、存储等资源完成自己的任务，并能够学习其他机器人的技能，从而变得的更加智能。

发明内容

本发明提出一种设计大数据驱动云机器人的方法，解决了现有技术中的机器人智能性不高、障碍物分布图构建难、机器人功能更新难等问题。

本发明的技术方案是这样实现的：一种设计大数据驱动云机器人的方法，包括以下步骤：

机器人终端通过信息采集模块采集周围物理世界数据，并将采集的外界数据以及自身请求通过机器人终端的无线通信模块发送给云平台；

所述云平台通过网络模块接收所述机器人终端传输的外界数据及请求，基于云平台中大数据资源中数据，按照大数据驱动工作机制，云平台利用软件资源中的资源对障碍物分布图构建、物品模型识别、清扫模式进行计算，产生供机器人终端执行的指令，并将指令发送至所述机器人终端；

所述机器人终端通过无线通信模块接收所述云平台发送的控制指令并发送至机器人终端的决策系统，机器人终端的决策系统接收控制指令，然后对控制指令进行分析，并控制机器人终端的运动模块、清洁模块执行动作，执行动作过程中产生的数据通过无线通信模块发送给所述云平台，并更新大数据资源。

优选的，所述云平台利用网络模块接收所述机器人终端的社交网络数据和已公开的数据建立大数据资源。

优选的，所述云平台还包括硬件资源，所述硬件资源包括CPU计算资源、存储资源、传输带宽资源。

优选的，所述软件资源用于存储同类机器人的经验数据和异类机器人的技能数据。

优选的，所述机器人终端的决策系统连接人机界面模块和清洁模块，所述机器人终端通过人机界面模块反馈机器人终端的当前状态以及接收用户的指令，所述机器人终端通过清洁模块完成清扫、消毒的功能。

优选的，所述机器人终端的决策系统连接定位模块，所述定位模块用于定位机器人终端在障碍物分布图中的位置。

优选的，云平台建立大数据资源，基于大数据驱动工作机制，发送控制指令的过程为：

大数据的建立：建立已知目标模型与相应匹配动作的数据库；

建立映射：建立部分知识与完整目标模型的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，在数据库中发现与输入数据匹配的一个或者多个目标模型；

建立输出集：对于上述匹配的目标模型，从大数据中发现所有与目标相匹配的动作，形成动作集；

输出的选择：从动作集中选择一个最合适的动作。

优选的，云平台建立大数据资源，基于大数据驱动工作机制，并发送最优清扫路径的控制指令的过程为：

大数据的建立：建立已知障碍物分布图与清扫路径之间的关系；在各种分布图下，记录不同清扫路径的效率，在分布图和效率之间建立映射关系；

建立映射：建立障碍物分布图部分知识与清扫路径的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物分布图进行分类；

建立输出集：对于上述匹配的障碍物分布图，从大数据中发现所有与障碍物分布图相匹配的清扫路径，形成清扫路径集；

输出的选择：从清扫路径集中选择一个最合适的清扫路径。

优选的，云平台建立大数据资源，基于大数据驱动工作机制，并发送最优清扫动作的控制指令的过程为：

大数据的建立：建立已知障碍物形状与相匹配的清扫动作的数据库；

建立映射：建立障碍物形状部分知识与清扫动作的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物形状进行分类；

建立输出集：对于上述匹配的一类障碍物形状，从大数据中发现所有与障碍物形状相匹配的清扫动作，形成清扫动作集；

输出的选择：从清扫动作集中选择一个最合适的清扫动作。

优选的，云平台建立大数据资源，基于大数据驱动工作机制，并发送最优障碍物分布图的控制指令的过程为：

大数据的建立：建立已知障碍物形状部分知识与整体障碍物分布图之间，以及已知障碍物分布图部分知识与整体障碍物分布图相匹配的数据库；

建立映射：建立障碍物形状与障碍物分布图之间，以及部分障碍物分布图与整体障碍物分布图之间的映射关系的数据库；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物分布图进行分类；

建立输出集：对于输入的部分障碍物分布图，从大数据中发现所有与之相匹配的整体障碍物分布图，形成障碍物分布图集；

输出的选择：从障碍物分布图集中选择一个最合适的整体障碍物分布图。

本发明的有益效果为：本发明的设计大数据驱动云机器人的方法，提升了机器人的智能；提高机器人功能更新的速度，降低更新难度；扩展了机器人的应用领域；加速和简化了机器人系统的开发过程，降低了机器人的设计和使用成本。机器人成为互联网络终端，利用云计算技术，机器人能够将计算量大的任务传输到云平台进行；同时利用云平台提供的服务扩展自己的知识库与能力；构建一个巨大的网络数据库系统，机器人在这里可以分享信息、互相学习彼此的行为。本发明的设计大数据驱动的云机器人的方法不仅为设计高智能、低能耗、低成本的室内清洁机器人提供一种解决方案；而且也为研究网络化、数据化的机器人工作机制提供理论依据和方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种设计大数据驱动云机器人的方法一个实施例系统结构框图；

图2为本发明一种设计大数据驱动云机器人的方法一个实施例的机器人终端的功能模块框图；

图3为本发明一种设计大数据驱动云机器人的方法一个实施例的云平台的模块框图；

图4为本发明一种设计大数据驱动云机器人的方法一个实施例的机器人工作流程图；

图5为本发明一种设计大数据驱动云机器人的方法一个实施例的云平台分析建立大数据并发送控制指令的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例通过在云平台上建立大数据，大数据中包括机器人终端自身的运行状态数据、机器人终端收集的周围环境的数据、通过互联网获取的网络数据、障碍物分布图数据等，可以利用他们驱动机器人完成清扫。

如图1、4所示，一种设计大数据驱动云机器人的方法，包括以下步骤：

机器人终端通过信息采集模块采集周围物理世界数据，并将采集的外界数据以及自身请求通过机器人终端的无线通信模块发送给云平台；

所述云平台通过网络模块接收所述机器人终端传输的外界数据及请求，基于云平台中大数据资源中数据，按照大数据驱动工作机制，云平台利用软件资源中的资源对障碍物分布图构建、物品模型识别、清扫模式进行计算，产生供机器人终端执行的指令，并将指令发送至所述机器人终端；

所述机器人终端通过无线通信模块接收所述云平台发送的控制指令并发送至机器人终端的决策系统，机器人终端的决策系统接收控制指令，然后对控制指令进行分析，并控制机器人终端的运动模块、清洁模块执行动作，执行动作后产生的数据通过无线通信模块发送给所述云平台，并更新大数据资源。

其中，如图2为机器人终端的功能模块框图，机器人终端包括信息采集模块、人机界面模块、无线通信模块、运动控制模块、定位模块、清洁模块、决策系统。信息采集模块、人机界面模块、无线通信模块、运动控制模块、定位模块、清洁模块分别连接决策系统，运动控制模块与定位模块相连。各模块的作用如下：

信息采集模块：采集机器人终端周围环境信息，包括图像采集系统，以及各种传感器，如Kinect3D传感器、碰撞传感器、红外避障传感器、视觉传感器等。

人机界面模块：采用液晶触摸屏，及时反馈机器人终端的当前状态，以及接收用户的指令。

无线通信模块：机器人终端通过WiFi/4G接入互联网络，与云平台形成双向交互通道。另外，电脑、智能手机也可通过蓝牙技术给机器人终端发送额外指令。

运动控制模块：采用MC33886作为电机驱动芯片，根据主芯片发出的PWM信号的占空比对控制电机进行调速；同时，利用编码器检测速度，完成闭环控制。

定位模块：我们以机器人终端出发点为原点，通过计算机器人终端相对于原点的行进距离，再利用障碍物分布图探测算法，就可以定位出机器人终端在障碍物分布图中的相对位置。

清洁模块：完成包括吸尘、清扫、消毒等功能。

决策系统：机器人终端搭载ARM处理器、机器人操作系统ROS。接收到云平台发送的指令后，其负责对运动控制模块、清洁模块等做出决策。

如图3为云平台的模块框图，云平台包括了网络模块和大数据资源、软件资源、硬件资源，云平台通过网络模块更新大数据资源中的大数据，更新软件资源中的资源。机器人是云平台的一种服务(Robot as a Service,RaaS)，是由很多Raas单元组成；机器人终端是可以通过云平台的软件进行定义并更新其功能的软件定义机器人(Software DefinedRobot)。

大数据资源：(1)机器人终端从周围物理世界感知的具有时空标记的大量信息；(2)机器人终端在社交网络中产生的数据；(3)已存在的公开数据：(a)RoboEarth项目过去几年积累的数据；(b)Google的Goggles物品模型数据库；(c)MIT KIT object dataset物品模型数据库；(d)Columbia大学的GraspIt！抓取动作数据库。

软件资源：其他同类机器人在房间障碍物分布图构建、物品模型识别、清扫动作等方面的工作算法；其他异类机器人的技能，如警卫机器人、餐饮机器人、娱乐机器人、教育机器人，宠物机器人等。

硬件资源：CPU计算资源、存储资源、传输带宽资源等。

网络模块：通过高速局域网LAN、无线局域网WLAN、超宽带UWB、SDH光接口等方式接入到互联网络。

如图5为云平台分析建立大数据库并发送控制指令的方法流程图。

云平台分析建立大数据库并发送控制指令的过程为：

大数据的建立：建立已知目标模型与相应匹配动作的数据库；

建立映射：建立部分知识与完整目标模型的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，在数据库中发现与输入数据匹配的一个或者多个目标模型；

建立输出集：对于上述匹配的目标模型，从大数据中发现所有与目标相匹配的动作，形成动作集；

输出的选择：从动作集中选择一个最合适的动作。

云平台建立大数据资源，基于大数据驱动工作机制，并发送最优清扫路径的控制指令的过程为：

大数据的建立：建立已知障碍物分布图与清扫路径之间的关系；在各种分布图下，记录不同清扫路径的效率，在分布图和效率之间建立映射关系；

建立映射：建立障碍物分布图部分知识与清扫路径的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物分布图进行分类；

建立输出集：对于上述匹配的障碍物分布图，从大数据中发现所有与障碍物分布图相匹配的清扫路径，形成清扫路径集；

输出的选择：从清扫路径集中选择一个最合适的清扫路径。

云平台建立大数据资源，基于大数据驱动工作机制，并发送最优清扫动作的控制指令的过程为：

大数据的建立：建立已知障碍物形状与相匹配的清扫动作的数据库；

建立映射：建立障碍物形状部分知识与清扫动作的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物形状进行分类；

建立输出集：对于上述匹配的一类障碍物形状，从大数据中发现所有与障碍物形状相匹配的清扫动作，形成清扫动作集；

输出的选择：从清扫动作集中选择一个最合适的清扫动作。

云平台建立大数据资源，基于大数据驱动工作机制，并发送最优障碍物分布图的控制指令的过程为：

大数据的建立：建立已知障碍物形状部分知识与整体障碍物分布图之间，以及已知障碍物分布图部分知识与整体障碍物分布图相匹配的数据库；

建立映射：建立障碍物形状与障碍物分布图之间，以及部分障碍物分布图与整体障碍物分布图之间的映射关系的数据库；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物分布图进行分类；

建立输出集：对于输入的部分障碍物分布图，从大数据中发现所有与之相匹配的整体障碍物分布图，形成障碍物分布图集；

输出的选择：从障碍物分布图集中选择一个最合适的整体障碍物分布图。

利用数据挖掘中的聚类技术，对障碍物分布图进行分类。那么，对于一类障碍物分布图，我们可以选择相同的清扫路径。

利用数据挖掘中的聚类技术，对障碍物进行分类。那么，对于一类障碍物，我们可以选择相同的清扫动作。

在大数据驱动机制中，应用数据挖掘技术发现室内家具摆放的规律，如，桌子和椅子摆放在一起的概率极高。同时，鉴于室内常见家具形状有一定的规律，机器人终端在云端不断地积累数据，进而将建立并不断地更新云机器人终端自己的家具模型库。

本发明设计大数据驱动云机器人的方法，机器人终端是通过云计算框架下被软件来定义的：

在服务机器人领域，我们引入云计算技术设计机器人。机器人的执行端和控制端相分离，机器人终端只是一个简单的执行者，终端的一切行为都由云端网络来控制。因此，机器人的体积、能耗、成本都将大幅度地下降，而智能会大幅度提高。

本发明设计大数据驱动云机器人的方法，机器人终端是基于大数据驱动机制工作的：

机器人终端在房间障碍物分布图构建、物品模型识别，清扫动作等方面都是利用大数据驱动的结果。即，机器人终端工作产生数据，积累数据，机器人终端从数据中学习，修正工作步骤，如此周而复始，数据会逐步得到除噪、修正，直至精确，机器人终端的性能会持续地得到改善。

本发明设计大数据驱动云机器人的方法，机器人终端具备自学习能力：

利用云平台，机器人终端之间可以共享障碍物分布图、清扫技能等数据。基于这些数据的共享，机器人终端可实现清扫模式的自动切换，学习新技能。如，秋季干燥和春季潮湿下的不同清扫模式。多种清扫策略的自动切换：在小区域内进行精细清扫策略，而在有大片空白区域的地方，进行大面积清扫策略。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种设计大数据驱动云机器人的方法，其特征在于，包括以下步骤：

机器人终端通过信息采集模块采集周围物理世界数据，并将采集的外界数据以及自身请求通过机器人终端的无线通信模块发送给云平台；

所述云平台通过网络模块接收所述机器人终端传输的外界数据及请求，基于云平台中大数据资源中数据，按照大数据驱动工作机制，云平台利用软件资源中的资源对障碍物分布图构建、物品模型识别、清扫模式进行计算，产生供机器人终端执行的指令，并将指令发送至所述机器人终端；

所述机器人终端通过无线通信模块接收所述云平台发送的控制指令并发送至机器人终端的决策系统，机器人终端的决策系统接收控制指令，然后对控制指令进行分析，并控制机器人终端的运动模块、清洁模块执行动作，执行动作过程中产生的行为数据通过无线通信模块发送给所述云平台，利用行为数据及外界数据建立并更新大数据资源；

利用云平台建立大数据资源，大数据驱动工作机制为：

大数据的建立：建立已知目标模型与相应匹配动作的数据库；

建立映射：建立部分知识与完整目标模型的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，在数据库中发现与输入数据匹

配的一个或者多个目标模型；

建立输出集：对于上述匹配的目标模型，从大数据中发现所有与目标相匹

配的动作，形成动作集；

输出的选择：从动作集中选择一个最合适的动作。

2.如权利要求1所述的设计大数据驱动云机器人的方法，其特征在于：所述云平台利用网络模块接收所述机器人终端的行为数据、外界数据、社交网络数据和已公开的数据建立大数据资源。

3.如权利要求 1 所述的设计大数据驱动云机器人的方法，其特征在于：

所述云平台还包括硬件资源，所述硬件资源包括 CPU 计算资源、存储资源、传输带宽资源。

4.如权利要求 1 所述的设计大数据驱动云机器人的方法，其特征在于：

所述软件资源用于存储同类机器人的经验数据和异类机器人的技能数据；更新所述软件资源模块中的资源，则可以更新机器人终端的功能。

5.如权利要求 1 所述的设计大数据驱动云机器人的方法，其特征在于：

所述机器人终端的决策系统连接人机界面模块和清洁模块，所述机器人终端通过 人机界面模块反馈机器人终端的当前状态以及接收用户的指令，所述机器人终 端通过清洁模块完成清扫、消毒的功能。

6.如权利要求 1 所述的设计大数据驱动云机器人的方法，其特征在于：

所述机器人终端的决策系统连接定位模块，所述定位模块用于定位机器人终端在障碍物分布图中的位置。

7.如权利要求1所述的设计大数据驱动云机器人的方法，其特征在于：

利用云平台建立大数据资源，基于大数据驱动工作机制，并发送最优清扫路径的控制指令的过程为：

大数据的建立：建立已知障碍物分布图与清扫路径之间的关系；在各种分 布图下，记录不同清扫路径的效率，在分布图和效率之间建立映射关系；

建立映射：建立障碍物分布图部分知识与清扫路径的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物分布图进行分类；

建立输出集：对于上述匹配的障碍物分布图，从大数据中发现所有与障碍

物分布图相匹配的清扫路径，形成清扫路径集；

输出的选择：从清扫路径集中选择一个最合适的清扫路径。

8.如权利要求1所述的设计大数据驱动云机器人的方法，其特征在于：

利用云平台建立大数据资源，基于大数据驱动工作机制，并发送最优清扫动作的控制指令的过程为：

数据的建立：建立已知障碍物形状与相匹配的清扫动作的数据库；

建立映射：建立障碍物形状部分知识与清扫动作的映射关系；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物形状进行分类；

建立输出集：对于上述匹配的一类障碍物形状，从大数据中发现所有与障

碍物形状相匹配的清扫动作，形成清扫动作集；

输出的选择：从清扫动作集中选择一个最合适的清扫动作。

9.如权利要求1所述的设计大数据驱动云机器人的方法，其特征在于：

利用云平台建立大数据资源，基于大数据驱动工作机制，并发送最优障碍物分布图的控制指令的过程为：

大数据的建立：建立已知障碍物形状部分知识与整体障碍物分布图之间， 以及已知障碍物分布图部分知识与整体障碍物分布图相匹配的数据库；

建立映射：建立障碍物形状与障碍物分布图之间，以及部分障碍物分布图 与整体障碍物分布图之间的映射关系的数据库；

发现目标：使用数据挖掘的聚类/分类技术，对障碍物分布图进行分类；

建立输出集：对于输入的部分障碍物分布图，从大数据中发现所有与之相匹配 的整体障碍物分布图，形成障碍物分布图集；

输出的选择：从障碍物分布图集中选择一个最合适的整体障碍物分布图。