CN114995182B - 一种机器人生态圈系统 - Google Patents

一种机器人生态圈系统 Download PDF

Info

Publication number
CN114995182B
CN114995182B CN202210744016.8A CN202210744016A CN114995182B CN 114995182 B CN114995182 B CN 114995182B CN 202210744016 A CN202210744016 A CN 202210744016A CN 114995182 B CN114995182 B CN 114995182B
Authority
CN
China
Prior art keywords
robot
task
ecosphere
subsystem
self
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210744016.8A
Other languages
English (en)
Other versions
CN114995182A (zh
Inventor
刘红卫
张育林
李泰博
张翔
韩伟
熊丹
徐磊
胡能浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Defense Technology Innovation Institute PLA Academy of Military Science
Original Assignee
National Defense Technology Innovation Institute PLA Academy of Military Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Defense Technology Innovation Institute PLA Academy of Military Science filed Critical National Defense Technology Innovation Institute PLA Academy of Military Science
Publication of CN114995182A publication Critical patent/CN114995182A/zh
Application granted granted Critical
Publication of CN114995182B publication Critical patent/CN114995182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00Systems controlled by a computer
    • G05B15/02Systems controlled by a computer electric
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/26Pc applications
    • G05B2219/2642Domotique, domestic, home control, automation, smart house
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Manipulator (AREA)

Abstract

本申请公开了一种机器人生态圈系统,包括环境支持类子系统、自我维持类机器人子系统、自我复制类机器人子系统、自我进化类机器人子系统、任务管理与控制类机器人子系统、任务执行类机器人子系统。本申请的机器人生态圈系统是一个异构机器人集群,可通过集群内部分工与智能协同实现整个生态圈系统的自我维持、自我进化、自我复制、执行任务等,是不依赖于人类支持、可独立生存与发展并执行特定任务的机器人集群系统,可用于地球上恶劣环境值守、地外天体建设等,无论是对促进科技进步还是社会经济发展都具有重大意义。

Description

一种机器人生态圈系统
技术领域
本申请涉及机器人技术领域,特别地,涉及一种机器人生态圈系统。
背景技术
近年来,机器人集群技术不断取得突破性进展,其迅猛发展势头对加速社会变革、更新人类生产生活方式起到重要推动作用。研究者已经在多无人机协同飞行技术、仿生机器人集群技术、无人车集群技术等方面开展了大量研究。文献[1]对多无人机任务规划的基本原则、功能模块、控制方式等进行了梳理和总结,系统性分析了多无人机集群技术的体系结构和任务规划流程,如图1所示[1]
文献[2]针对无人系统集群技术的指挥控制与效益评估问题,提出复合型指挥控制架构概念,以期更好满足无人系统集群技术的现代化应用需求;提出指挥组织结构的结构熵概念,用于指挥组织结构的效用评估。文献[3]通过分析蚁群、蜂群、鸽群、鱼群等典型的生物群集,从组织结构的分布式、行为主体的简单性、作用模式的灵活性、系统整体的智能性等方面梳理了生物群体智能的特点。文献[4]基于仿生学原理,通过模拟鸽群层级行为,设计并通过仿真实现了一种无人机自主编队控制器。文献[5]基于代数图论理论,设计了一种面向空地协同任务的无人机—无人车异构时变编队跟踪控制方法,有效实现了异构集群系统的分布式控制。文献[6]为解决能源电力系统的能量调度问题,提出了基于信息—物理—社会融合的智慧能源调度机器人及其知识自动化的关键理论方法。
参考文献:
[1]杨晨,张少卿,孟光磊.多无人机协同任务规划研究[J].指挥与控制学报,2018,4(3):234-248。
[2]张卓翔,赵方亮,张耀鸿.基于无人集群的指挥控制架构研究[J].舰船电子工程,2021,41(6):32-36。
[3]段海滨,李沛.基于生物群集行为的无人机集群控制[J].科技导报,2017,35(7):17-25。
[4]邱华鑫,段海滨,范彦铭.基于鸽群行为机制的多无人机自主编队[J].控制理论与应用,2015,32(10):1298-1304。
[5]周思全,化永朝,董希旺.面向空地协同作战的无人机-无人车异构时变编队跟踪控制[J].航空兵器.2019,26(4):54-59。
[6]程乐峰,余涛,张孝顺.信息-物理-社会融合的智慧能源调度机器人及其知识自动化:框架、技术与挑战[J].中国电机工程学报.2018,38(1):25-41。
当前机器人集群基于群体智能算法实现复杂任务应用,如多机器人协同操控、多无人车协同围捕、多无人机协同侦察等,但是这些无人系统集群仍然离不开后方人类的物质、能量补给,需要直接或间接在人类控制下进行活动。例如需要人类为无人系统集群补充能量、维修系统故障、提供运行支持等。这使得当前的无人系统仍然摆脱不了人类的干预或支持,没有实现真正意义上的无人化应用。
综上可见,相关机器人集群技术已经在社会各领域获得了诸多应用,为人们生产生活带来极大便利。然而,这些技术在应用过程中都不能长时间离开人的参与,也无法做到独立生存与发展。地球上的许多区域诸如高原、海岛、极地、核辐射区以及地外空间等自然环境恶劣,无法满足人类的工作条件,人类无法参与其中,这就为相关工作的开展带来了障碍与挑战。因此,发展能够独立生存与发展的机器人系统,无论是对促进科技进步还是社会经济发展都具有重大意义。
发明内容
本申请提供了一种机器人生态圈系统,以解决现有的相关机器人集群技术在应用过程中都不能长时间离开人的参与,也无法做到独立生存与发展的技术问题。
本申请采用的技术方案如下:
一种机器人生态圈系统,包括:
环境支持类子系统,用于提供包括能源供给、环境信息感知、信息通信、导航定位、作业庇护、原料与零件供应以保障机器人生态圈内各类机器人系统的持续有效运行;
自我维持类机器人子系统,用于使机器人生态圈持续有效地利用环境中的能源,对生态圈系统进行故障检测与排除,维持机器人生态圈在无人环境下长时间自身形态和功能稳定运转;
自我复制类机器人子系统,用于实际根据需要生产制造与生态圈内已有机器人在结构、形态和功能上完全一致的子代机器人;
自我进化类机器人子系统,用于根据环境与任务需求,对机器人生态圈中各类机器人的原有软件与硬件进行迭代、升级乃至更替,使其适应环境的变化与任务目标的更新;
任务管理与控制类机器人子系统,用于综合评估生态圈内现场态势进行任务决策、协调、控制、反馈,更好执行系统任务;
任务执行类机器人子系统,用于根据任务场景与工作目标执行不同类型的作业任务。
进一步地,所述环境支持类子系统包括:
能源供给设施,用于有效利用环境中包括太阳能、风能、水利能、地热能、核能、化学燃料或矿物的各种能源的设施,所述能源供给设施具备能源的开采、收集、储存、调配与输送功能,在接收到机器人生态圈其他分系统的能源需求信号后,持续稳定地向其输送所需能源;
环境感知装置,用于正确感知环境中包括温度、湿度、气压、光强、风力、噪声、辐射以及空气成分的各种信息,实时动态感知环境变化信息,结合环境历史信息并经其内部装置处理后,将信息及时、准确地传达给机器人生态圈内其他子系统;
通信装置,用于有效建立起机器人生态圈内各子系统间的实时通信,通信方式根据各子系统的实际情况采用有线通信、无线通信;
导航定位装置,用于准确获取机器人生态圈及其内部各子系统包括位置、速度的状态信息,并根据实际需求为各类机器人精准导航;
庇护所,用于为机器人生态圈内机器人及相关设备设施提供安全、可靠工作环境,为机器人提供适宜的温度、湿度条件,并具备防风沙、防雨雪、耐腐蚀、防辐射特性;
原料与零件库,用于为机器人生态圈的自维持、自复制或自进化提供难以获取的原料或暂时无法加工的零件供其使用。
进一步地,所述自我维持类机器人子系统包括:
故障检测机器人,用于对生态圈内其他机器人或设备设施进行功能检测并发现是否存在故障,所述故障检测机器人存储有系统内其他机器人的性能和状态参数,以便识别其功能和状态是否出现故障,检测完毕后,向任务管理与控制类机器人子系统发送检测结果,报告其他机器人的工作状态,并与故障维修机器人相配合,完成故障排除工作;
故障维修机器人,设置有手眼相机、机械臂、末端操控装置,用于根据故障检测机器人的检测结果对其他机器人进行故障修复与排除,包括硬件故障维修和查找系统软件故障并进行优化;
能源补给机器人,具备能源存储或转运功能,用于根据其他机器人的需求,为生态圈中其他机器人进行能量、养分补给,包括补充电能、水、零件、原材料;
废料清除机器人,设置有手眼相机、机械臂、存储废料装置、微生物分解装置或零件粉碎装置,用于处理机器人生态圈在运行维护过程中产生的各类废弃材料、可回收材料或部件。
进一步地,所述自我复制类机器人子系统包括:
制造机器人,用于收到生态圈内其他机器人的制造指令后,根据生态圈内其他机器人零部件的构造和参数情况,生产制造所需的原料、零部件,包括金属元素的开采与提纯、零部件的制造加工;
装配机器人,设置有手眼相机、机械臂、夹爪,用于按照操作指令,准确拆卸或安装零部件的机器人;
搬运机器人,设置有移动小车、无人机、手眼相机、机械臂、夹爪,用于搬运原材料或零部件,并将其运送到指定地点。
进一步地,所述制造机器人包括有内部存储各类零件结构图的3D打印机,用于根据实际需要打印出所需零部件。
进一步地,所述自我进化类机器人子系统通过模仿生物界的遗传与进化功能,使生态圈内的机器人在复制过程中,产生机器人的基因重组与变异,并产生新的幼体机器人,所述幼体机器人经过学习阶段后,成长为成熟机器人,在这一过程中,通过环境或任务评价系统对经过变异后的机器人进行选择,能更好满足任务需求的机器人将得以保存,据此实现机器人生态圈的自我进化功能。
进一步地,所述任务执行类机器人子系统的任务场景包括地面、水下、空中乃至地外天体,所述任务执行类机器人子系统包括若干任务执行类机器人,所述任务执行类机器人的类型与功能根据其任务场景与工作目标相匹配。
进一步地,所述任务管理与控制类机器人子系统包括:
任务决策机器人,设置有规则库和任务决策方法,用于综合评估生态圈内现场态势,并决策是否开展任务;
任务协调机器人,用于在任务决策机器人下达任务指令后输出协调指令,使生态圈内各功能单元密切配合、达到综合效益最大化;
任务控制机器人,用于落实任务协调机器人的协调指令,使生态圈中各类机器人按照指令开展或停止工作。
进一步地,所述任务决策机器人的任务决策方法使用机器学习领域的决策树方法,所述决策树方法根据影响因素的重要程度逐层进行决策得到决策结果。
进一步地,所述任务管理与控制类机器人子系统还包括:
任务反馈机器人,用于对任务执行类机器人子系统中的任务执行类机器人的工作效果做出评估,并将评估结果进行反馈,从而与任务决策机器人、任务协调机器人、任务控制机器人的工作流程形成闭环,使任务管理与控制类机器人子系统的工作形成良性循环。
相比现有技术,本申请具有以下有益效果:
本申请提出了一种机器人生态圈系统,该机器人生态圈系统是一个异构机器人集群,通过集群内部分工与智能协同实现整个生态圈系统的自我维持、自我进化、自我复制。机器人生态圈系统可以在完全没有人类支持的情况下,利用环境中的物质和能量具备如下能力:实现自我复制,使机器人集群数量呈指数级增长;实现自我维持,包括能源自我补给、故障自我维修、运行自我保障、任务自我决策等;实现自我进化,利用机器人进化学方法实现生态圈系统中所有机器人软件系统或硬件系统的更新,更好地适应新的任务场景。此外,机器人生态圈还包括特定的任务执行类机器人,可以根据任务需要进行设置,从而完成不同的操作任务。本申请的机器人生态圈系统是不依赖于人类支持的、可以独立生存与发展并执行特定任务的机器人集群系统,可用于地球上恶劣环境值守、地外天体建设等,无论是对促进科技进步还是社会经济发展都具有重大意义。
除了上面所描述的目的、特征和优点之外,本申请还有其它的目的、特征和优点。下面将参照附图,对本申请作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是现有的无人机任务规划系统示意图。
图2是本申请优选实施例的机器人生态圈系统示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参照图2,本申请的优选实施例提供一种机器人生态圈系统,包括环境支持类子系统、自我维持类机器人子系统、自我复制类机器人子系统、自我进化类机器人子系统、任务管理与控制类机器人子系统、任务执行类机器人子系统,其中:
为充分保障机器人生态圈内各类机器人系统的持续有效运行,应首先建立环境支持类机器人或相关设备设施作为环境支持类子系统,所述环境支持类子系统用于提供包括能源供给、环境信息感知、信息通信、导航定位、作业庇护、原料与零件供应以保障机器人生态圈内各类机器人系统的持续有效运行;
机器人生态圈在运行过程中,需要维持其自身形态及功能的稳定,因此,应建立自我维持类机器人子系统,所述自我维持类机器人子系统用于使机器人生态圈持续有效地利用环境中的能源,对生态圈系统进行故障检测与排除,维持机器人生态圈在无人环境下长时间自身形态和功能稳定运转;
与自然界的事物一样,机器人生态圈内的机器人在工作一段时间后,必然会产生磨损、故障与废弃等情况。因此,必须建立机器人生态圈的自我复制类机器人子系统,使因报废而不能工作的机器人得以被替换,或者根据任务需求产生更多数量的机器人系统,所述自我复制类机器人子系统用于实际根据需要生产制造与生态圈内已有机器人在结构、形态和功能上完全一致的子代机器人;
随着环境的变化与任务目标的更新,单一、固定的工作模式将无法满足任务需求,因此,机器人生态圈必须建立所述自我进化类机器人子系统,所述自我进化类机器人子系统用于根据环境与任务需求,对机器人生态圈中各类机器人的原有软件与硬件进行迭代、升级乃至更替,使其适应环境的变化与任务目标的更新;
机器人生态圈的建立是面向具体任务与目标的,因此,生态圈中各类机器人的行为也应当以任务目标为导向。鉴于机器人生态圈中分系统较多,机器人数量庞大,为更好执行系统任务,应建立机器人生态圈系统的任务管理与控制类机器人子系统,所述任务管理与控制类机器人子系统用于综合评估生态圈内现场态势进行任务决策、协调、控制、反馈,更好执行系统任务,所述任务管理与控制类机器人子系统处于生态圈的中枢地位,其接收的信息是全局性的,既包括时间、位置、气象、能源等环境信息,也包括其他分系统所传递的实时状态信息;
所述任务执行类机器人子系统,用于根据任务场景与工作目标执行不同类型的作业任务。
本实施例提出了一种机器人生态圈系统,包括环境支持类子系统、自我维持类机器人子系统、自我复制类机器人子系统、自我进化类机器人子系统、任务管理与控制类机器人子系统、任务执行类机器人子系统。该机器人生态圈系统是一个异构机器人集群,通过集群内部分工与智能协同实现整个生态圈系统的自我维持、自我进化、自我复制。机器人生态圈系统可以在完全没有人类支持的情况下,利用环境中的物质和能量具备如下能力:实现自我复制,使机器人集群数量呈指数级增长;实现自我维持,包括能源自我补给、故障自我维修、运行自我保障、任务自我决策等;实现自我进化,利用机器人进化学方法实现生态圈系统中所有机器人软件系统或硬件系统的更新,更好地适应新的任务场景。此外,机器人生态圈还包括特定的任务执行类机器人,可以根据任务需要进行设置,从而完成不同的操作任务。本实施例的机器人生态圈系统是不依赖于人类支持的、可以独立生存与发展并执行特定任务的机器人集群系统,可用于地球上恶劣环境值守、地外天体建设等,无论是对促进科技进步还是社会经济发展都具有重大意义。
具体地,所述环境支持类子系统包括能源供给设施、环境感知装置、通信装置、导航定位装置、庇护所、原料与零件库,其中:
所述能源供给设施用于有效利用环境中包括太阳能、风能、水利能、地热能、核能、化学燃料或矿物的各种能源的设施,所述能源供给设施具备能源的开采、收集、储存、调配与输送功能,在接收到机器人生态圈其他分系统的能源需求信号后,持续稳定地向其输送所需能源,例如,可根据系统的现实功率需求,建立规模适度的光伏电站、配合石墨烯等先进储能电池为系统提供电能,或根据是否需要水资源建立具有适当容量的水井、管道等;
所述环境感知装置用于正确感知环境中包括温度、湿度、气压、光强、风力、噪声、辐射以及空气成分等各种信息,实时动态感知环境变化信息,结合环境历史信息并经其内部装置处理后,将信息及时、准确地传达给机器人生态圈内其他子系统,例如设置已较为成熟的小型气象站,可根据系统实际需求,选择适当型号的气象站为系统提供上述参数。对于一些特殊参数如辐射强度、特殊气体离子浓度等,可额外增加相关设备,满足系统需求;
所述通信装置用于有效建立起机器人生态圈内各子系统间的实时通信,通信方式根据各子系统的实际情况采用有线通信、无线通信,机器人生态圈分系统众多,交互关系繁杂,各类信息应能够准确、实时、稳定地传达,因此通信装置应具有准确性、实时性、容错性的特点。通信方式可选择有线通信和无线通信等,例如,可建立5G传感网络,在各机器人身上安装用于接收和发射信号的天线,实现彼此间的实时通信;
所述导航定位装置用于准确获取机器人生态圈及其内部各子系统包括位置、速度的状态信息,并根据实际需求为各类机器人精准导航,如可以根据具体使用场景考虑使用全球导航卫星系统(GNSS)、惯导设备(IMU)等;
所述庇护所用于为机器人生态圈内机器人及相关设备设施提供安全、可靠工作环境,为机器人提供适宜的温度、湿度等条件,并具备防风沙、防雨雪、耐腐蚀、防辐射特性,机器人生态圈面向的任务场景环境条件复杂甚至恶劣,庇护所可为机器人创造适宜的工作空间,例如,根据实际系统规模,建立具有一定长、宽、高的庇护所,并合理设计其外形尺寸,根据内部设备需求设计保温隔热措施等;
所述原料与零件库用于为机器人生态圈的自维持、自复制或自进化提供难以获取的原料或暂时无法加工的零件供其使用,机器人在进行自维持、自复制、自进化的过程中需要使用各种各样的原料及器材,在这一过程中,其需要的某些原料或器材或许难以获取,因此,应在相应的场所储备一定的原料与零件供其使用。例如,对于一些常见的故障器件及消耗较大的原材料,可将其存储在庇护所内的指定空间内,在系统需要时及时调配。
具体地,所述自我维持类机器人子系统包括故障检测机器人、故障维修机器人、能源补给机器人、废料清除机器人,其中:
所述故障检测机器人用于对生态圈内其他机器人或设备设施进行功能检测并发现是否存在故障,所述故障检测机器人存储有系统内其他机器人的性能和状态参数,以便识别其功能和状态是否出现故障,检测完毕后,向任务管理与控制类机器人子系统发送检测结果,报告其他机器人的工作状态,必要时还应与故障维修机器人密切配合,完成故障排除工作;
所述故障维修机器人设置有手眼相机、机械臂、末端操控装置等,用于根据故障检测机器人的检测结果对其他机器人进行故障修复与排除,包括硬件故障维修和查找系统软件故障并进行优化;故障维修机器人应具有较强的机械操作能力,能够拆卸并重装机器人身上发生故障的硬件;能够查找系统软件故障并进行优化,任务管理与控制类机器人子系统可以查看生态圈内各个子系统中软件的日志信息、动作/事件列表、故障提示等,基于这些事件信息判别软件系统运行状态,如正常运行、轻微故障、重大故障等,并确定故障类型,进而根据故障树模型给出相应的软件故障处理措施,如重启、重新安装软件、软件代码升级等。关于软件故障自我修复的研究有一些,比如:孟雷,基于POMDP的AUV软件自修复技术研究.哈尔滨工程大学硕士学位论文,2015年,在此不再赘述;高性能手眼相机配合高灵敏度机械臂可实现故障检测机器人与故障维修机器人的功能需求;
所述能源补给机器人具备能源存储或转运功能,用于根据其他机器人的需求,为生态圈中其他机器人进行能量、养分补给,包括补充电能、水、零件、原材料等,能源补给机器人根据其他机器人的需求向其进行有效的能源补给,例如,电源补给机器人的相关功能可利用UPS电源搭配移动无人车进行实现;
所述废料清除机器人设置有手眼相机、机械臂、存储废料装置、微生物分解装置或零件粉碎装置,用于处理机器人生态圈在运行维护过程中产生的各类废弃材料、可回收材料或部件,所述废料清除机器人的微生物分解装置模仿生物圈中分解者的功能,应能够维持机器人生态圈的能量循环过程,使生态圈的能量处于动态平衡过程中,并确保生态圈内机器人的工作不对环境造成污染。
与自然界的事物一样,机器人生态圈内的机器人在工作一段时间后,必然会产生磨损、故障与废弃等情况。因此,必须建立机器人生态圈的自我复制类机器人,使因报废而不能工作的机器人得以被替换,或者根据任务需求产生更多数量的机器人系统,所述自我复制类机器人子系统包括制造机器人、装配机器人、搬运机器人,其中:
所述制造机器人用于收到生态圈内其他机器人的制造指令后,根据生态圈内其他机器人零部件的构造和参数情况,生产制造所需的原料、零部件,包括金属元素的开采与提纯、零部件的制造加工,其中,所述制造机器人包括有内部存储各类零件结构图的3D打印机,用于根据实际需要打印出所需零部件;制造机器人是指能够按照机器人生态圈内其他机器人的需求,生产制造所需的原料、器件的机器人。制造机器人作为机器人生态圈的“生产者”,发挥着初步生产制备原材料,并将原材料进行初加工的功能。因此,制造机器人应具备挖掘所处环境原位资源、并将其加工成为生态圈所需器件的能力,例如金属元素的开采与提纯等,有关无人矿山的详细内容可以参考文献:陈龙,平行矿山:从数字孪生到矿山智能.自动化学报.2021,47(07),以及中科院的无人矿山方案,另外,国外针对月球上资源开发与金属、硅提取,也研究了基于机器人技术的开采技术,在这个场景里完全实现无人化。制造机器人应完全掌握生态圈内其他机器人零部件的构造和参数情况,以便于在收到其他机器人的制造指令后,快速生产制造所需要的零部件。目前,3D打印技术已较为成熟,可在系统实际部署前将各类零件的结构图提前储存至打印机内,在系统实际需要时快速打印出所需部件,因而高性能的3D打印机将是制造机器人的重要组成部分;
所述装配机器人设置有手眼相机、机械臂、夹爪,用于按照操作指令,准确拆卸或安装零部件,装配机器人应与制造机器人、搬运机器人以及任务管理与控制类机器人密切协调,共同完成装配任务,使完成装配的器件能够按照设计意图准确发挥其功能作用。装配机器人的功能可由手眼相机、机械臂、夹爪等共同配合完成;
所述搬运机器人设置有移动小车、无人机、手眼相机、机械臂、夹爪,用于搬运原材料或零部件,并将其运送到指定地点,搬运机器人兼具运输小型化精密零部件与大批量重型原材料的性能,可以根据实际需要将该类机器人设计成为不同规格或类型的机器人。搬运机器人的功能可由移动小车、无人机、手眼相机、机械臂、夹爪等配合完成。
具体地,所述自我进化类机器人子系统通过模仿生物界的遗传与进化功能,使生态圈内的机器人在复制过程中,产生机器人的基因重组与变异,并产生新的幼体机器人,所述幼体机器人经过学习阶段后,成长为成熟机器人,在这一过程中,通过环境或任务评价系统对经过变异后的机器人进行选择,能更好满足任务需求的机器人将得以保存,据此实现机器人生态圈的自我进化功能,进化机器人学是生物学、机器人学的交叉领域:
(1)在生物进化研究中,数值模拟可信度低、实际物种进化时间尺度长,机器人进化为研究生物进化机理提供了手段;
(2)在机器人研究中,机器人进化借鉴了生物进化机制,为机器人适应新环境、产生新能力,提供了独特的设计手段。
机器人进化的典型过程:
(1)基因编码与表达:形态发生阶段运用3D打印技术,通过给定的基因型构造机器人的表现型,这一阶段构建了幼年阶段的机器人。
(2)个体学习:基于学习算法将学会一系列基本任务,成长为成年机器人。
(3)筛选与交叉、变异:成年阶段会进入更加严苛的筛选,无法通过筛选的机器人将会被回收转换为基本组件。通过筛选的机器人通过遗传信息交换机制,将自身基因(含交叉、变异)传递给制造中心,用来构建下一代机器人。
国内外有关于机器人进化的相关研究,如:
D Stephane,Nicolas B,Jean-Baptiste M,et al.Evolutionary robotics:what,why,and where to[J].Frontiers in Robotics and AI,2015,2。
刘策越.面向快速测试进化形态的模块化机器人研究.中国矿业大学博士学位论文,2018年。
自我进化类机器人的工作贯穿机器人生态圈系统的全生命周期。
具体地,所述任务执行类机器人子系统的任务场景包括地面、水下、空中乃至地外天体,所述任务执行类机器人子系统包括若干任务执行类机器人,所述任务执行类机器人的类型与功能根据其任务场景与工作目标相匹配,因此,任务执行类机器人也是多种多样的,例如,执行温度监测任务的系统可设计相应的红外测温机器人,可在白天、夜间可靠测量各类物体的温度;执行环境侦察任务的系统可设计为高分辨率成像无人机,可按需选择其航程、航速、分辨率等关键指标。
具体地,所述任务管理与控制类机器人子系统包括任务决策机器人、任务协调机器人、任务控制机器人,该类机器人主要由计算机和各类软件组成,可在执行任务前按照任务场景设计并测试成熟的算法,提前置入系统内部,随系统部署而投入使用,其中:
所述任务决策机器人设置有较为全面的规则库和简洁高效的任务决策方法,用于综合评估生态圈内现场态势,并决策是否开展任务,具体地,所述任务决策机器人的任务决策方法使用机器学习领域的决策树方法,所述决策树方法根据影响因素的重要程度逐层进行决策得到决策结果,根据事先设定好的规则,可以实现任务决策,通俗地讲,就是满足设定好的某些规则就执行任务,满足另一些规则就不执行任务,这个比较简单;或者利用机器学习中的任务决策方法,如决策树、朴素贝叶斯、支持向量机、神经网络等都可以实现任务决策,这是本领域内的常用的技术;
所述任务协调机器人用于在任务决策机器人下达任务指令后输出协调指令,使生态圈内各功能单元密切配合、达到综合效益最大化;
所述任务控制机器人用于落实任务协调机器人的协调指令,使生态圈中各类机器人按照指令开展或停止工作。
在另一实施例中,所述任务管理与控制类机器人子系统除了包括任务决策机器人、任务协调机器人、任务控制机器人外,还包括任务反馈机器人,所述任务反馈机器人用于对任务执行类机器人子系统中的任务执行类机器人的工作效果做出评估,并将评估结果进行反馈,设置任务反馈机器人旨与任务决策机器人、任务协调机器人、任务控制机器人的工作流程形成闭环,使任务管理与控制类机器人子系统的工作形成良性循环。
上述实施例提供的机器人生态圈系统初始化与任务启动过程包括:
一、环境初始化
在机器人生态圈系统的物理组成全部建设完成后,应进行系统的初始化设置。首先,要将全系统的组成部分按规划安置于执行任务的环境中,将系统所需的必备物质条件全部投放到位,包括支撑能源、关键零部件、必要基础设施等,为系统运行提供充分的物质保障。在系统的组成部分安装完毕并建立好物质基础后,应畅通能量流动与信息传递渠道,构建物质运输与通信传感网络。
二、联调联试并迭代优化
完成准备工作后,进行全系统联调联试。按照实际任务要求,将系统投入工作状态,在运行过程中监控、记录发现的问题,并加以解决。通过不断改进、优化系统性能,使系统经过多次迭代后,顺利完成任务并达到预期目标。机器人生态圈系统通过全流程测试,整体工程构建完成。
三、投入使用
完全脱离人类控制,将机器人生态圈系统正式投入使用,在无人化环境下长期生存与发展,执行人类赋予的任务。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (4)

1.一种机器人生态圈系统,其特征在于,包括:
环境支持类子系统,用于提供包括能源供给、环境信息感知、信息通信、导航定位、作业庇护、原料与零件供应以保障机器人生态圈内各类机器人系统的持续有效运行;
自我维持类机器人子系统,用于使机器人生态圈持续有效地利用环境中的能源,对生态圈系统进行故障检测与排除,维持机器人生态圈在无人环境下长时间自身形态和功能稳定运转;
自我复制类机器人子系统,用于实际根据需要生产制造与生态圈内已有机器人在结构、形态和功能上完全一致的子代机器人;
自我进化类机器人子系统,用于根据环境与任务需求,对机器人生态圈中各类机器人的原有软件与硬件进行迭代、升级乃至更替,使其适应环境的变化与任务目标的更新;
任务管理与控制类机器人子系统,用于综合评估生态圈内现场态势进行任务决策、协调、控制、反馈,更好执行系统任务;
任务执行类机器人子系统,用于根据任务场景与工作目标执行不同类型的作业任务;
所述环境支持类子系统包括:
能源供给设施,用于有效利用环境中包括太阳能、风能、水利能、地热能、核能、化学燃料或矿物的各种能源的设施,所述能源供给设施具备能源的开采、收集、储存、调配与输送功能,在接收到机器人生态圈其他分系统的能源需求信号后,持续稳定地向其输送所需能源;
环境感知装置,用于正确感知环境中包括温度、湿度、气压、光强、风力、噪声、辐射以及空气成分的各种信息,实时动态感知环境变化信息,结合环境历史信息并经其内部装置处理后,将信息及时、准确地传达给机器人生态圈内其他子系统;
通信装置,用于有效建立起机器人生态圈内各子系统间的实时通信,通信方式根据各子系统的实际情况采用有线通信、无线通信;
导航定位装置,用于准确获取机器人生态圈及其内部各子系统包括位置、速度的状态信息,并根据实际需求为各类机器人精准导航;
庇护所,用于为机器人生态圈内机器人及相关设备设施提供安全、可靠工作环境,为机器人提供适宜的温度、湿度条件,并具备防风沙、防雨雪、耐腐蚀、防辐射特性;
原料与零件库,用于为机器人生态圈的自维持、自复制或自进化提供难以获取的原料或暂时无法加工的零件供其使用;
所述自我维持类机器人子系统包括:
故障检测机器人,用于对生态圈内其他机器人或设备设施进行功能检测并发现是否存在故障,所述故障检测机器人存储有系统内其他机器人的性能和状态参数,以便识别其功能和状态是否出现故障,检测完毕后,向任务管理与控制类机器人子系统发送检测结果,报告其他机器人的工作状态,并与故障维修机器人相配合,完成故障排除工作;
故障维修机器人,设置有手眼相机、机械臂、末端操控装置,用于根据故障检测机器人的检测结果对其他机器人进行故障修复与排除,包括硬件故障维修和查找系统软件故障并进行优化;
能源补给机器人,具备能源存储或转运功能,用于根据其他机器人的需求,为生态圈中其他机器人进行能量、养分补给,包括补充电能、水、零件、原材料;
废料清除机器人,设置有手眼相机、机械臂、存储废料装置、微生物分解装置或零件粉碎装置,用于处理机器人生态圈在运行维护过程中产生的各类废弃材料、可回收材料或部件;
所述自我复制类机器人子系统包括:
制造机器人,用于收到生态圈内其他机器人的制造指令后,根据生态圈内其他机器人零部件的构造和参数情况,生产制造所需的原料、零部件,包括金属元素的开采与提纯、零部件的制造加工;
装配机器人,设置有手眼相机、机械臂、夹爪,用于按照操作指令,准确拆卸或安装零部件的机器人;
搬运机器人,设置有移动小车、无人机、手眼相机、机械臂、夹爪,用于搬运原材料或零部件,并将其运送到指定地点;
所述自我进化类机器人子系统通过模仿生物界的遗传与进化功能,使生态圈内的机器人在复制过程中,产生机器人的基因重组与变异,并产生新的幼体机器人,所述幼体机器人经过学习阶段后,成长为成熟机器人,在这一过程中,通过环境或任务评价系统对经过变异后的机器人进行选择,能更好满足任务需求的机器人将得以保存,据此实现机器人生态圈的自我进化功能;
所述任务执行类机器人子系统的任务场景包括地面、水下、空中乃至地外天体,所述任务执行类机器人子系统包括若干任务执行类机器人,所述任务执行类机器人的类型与功能根据其任务场景与工作目标相匹配;
所述任务管理与控制类机器人子系统包括:
任务决策机器人,设置有规则库和任务决策方法,用于综合评估生态圈内现场态势,并决策是否开展任务;
任务协调机器人,用于在任务决策机器人下达任务指令后输出协调指令,使生态圈内各功能单元密切配合、达到综合效益最大化;
任务控制机器人,用于落实任务协调机器人的协调指令,使生态圈中各类机器人按照指令开展或停止工作。
2.根据权利要求1所述的机器人生态圈系统,其特征在于,所述制造机器人包括有内部存储各类零件结构图的3D打印机,用于根据实际需要打印出所需零部件。
3.根据权利要求1所述的机器人生态圈系统,其特征在于,所述任务决策机器人的任务决策方法使用机器学习领域的决策树方法,所述决策树方法根据影响因素的重要程度逐层进行决策得到决策结果。
4.根据权利要求1所述的机器人生态圈系统,其特征在于,所述任务管理与控制类机器人子系统还包括:
任务反馈机器人,用于对任务执行类机器人子系统中的任务执行类机器人的工作效果做出评估,并将评估结果进行反馈,从而与任务决策机器人、任务协调机器人、任务控制机器人的工作流程形成闭环,使任务管理与控制类机器人子系统的工作形成良性循环。
CN202210744016.8A 2022-06-02 2022-06-27 一种机器人生态圈系统 Active CN114995182B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2022106237585 2022-06-02
CN202210623758 2022-06-02

Publications (2)

Publication Number Publication Date
CN114995182A CN114995182A (zh) 2022-09-02
CN114995182B true CN114995182B (zh) 2023-03-17

Family

ID=83036993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210744016.8A Active CN114995182B (zh) 2022-06-02 2022-06-27 一种机器人生态圈系统

Country Status (1)

Country Link
CN (1) CN114995182B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101590646B (zh) * 2009-04-23 2011-04-27 昆山市工业技术研究院有限责任公司 架空线缆攀援机器人行走和越障机构
CN101973031B (zh) * 2010-08-24 2013-07-24 中国科学院深圳先进技术研究院 云机器人系统及实现方法
DE102015216272A1 (de) * 2015-08-26 2017-03-02 Airbus Operations Gmbh Modularer Roboter-Bausatz, Schwarm modularisierter Roboter und Verfahren zum Erledigen von Aufgaben durch einen Schwarm modularisierter Roboter
CN110509312B (zh) * 2019-08-29 2021-03-26 炬星科技(深圳)有限公司 机器人配置更新方法、电子设备及计算机可读存储介质
CN114237959A (zh) * 2021-12-17 2022-03-25 深圳市优必选科技股份有限公司 机器人生命周期管理方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN114995182A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN108229685B (zh) 一种空地一体的无人智能决策方法
Zhang et al. A bean optimization-based cooperation method for target searching by swarm uavs in unknown environments
Ouyang et al. Initial development of the hybrid aerial underwater robotic system (haucs): Internet of things (iot) for aquaculture farms
Yu et al. An extended flexible job shop scheduling model for flight deck scheduling with priority, parallel operations, and sequence flexibility
CN114788168A (zh) 模块化支撑系统的集成系统
Zhou et al. A chaotic parallel artificial fish swarm algorithm for water quality monitoring sensor networks 3D coverage optimization
CN114995182B (zh) 一种机器人生态圈系统
CN109189089A (zh) 用于卫星地面飞控任务的智能辅助决策方法
CN116449863A (zh) 一种基于信息素的强化学习的无人机集群多目标搜索方法
Zheng et al. Robustness of the planning algorithm for ocean observation tasks
Han et al. Dynamic collaborative charging algorithm for mobile and static nodes in Industrial Internet of Things
CN115574826B (zh) 基于强化学习的国家公园无人机巡护路径优化方法
Kenzin et al. Coordinated recharging of heterogeneous mobile robot teams during continuous large scale missions
Sun et al. Overview of parallel computing for meta-heuristic algorithms
CN115562336A (zh) 一种基于量子郊狼优化机制的多无人机协同任务分配方法
Lei et al. Robot Ecosphere for Lunar Exploration and Development
Yang et al. Brain storm robotics: an automatic design framework for multi-robot systems
Liu et al. Convolutional Neural Network Based Unmanned Ground Vehicle Control via Deep Reinforcement Learning
CN115373409B (zh) 一种复杂环境下水下机器人协同捕捞海生物的路径规划方法
Liao et al. Cooperative Path Planning of Ground-air Robots for Distributed Photovoltaic Inspection
El Baz et al. Smart systems, the fourth industrial revolution and new challenges in distributed computing
SHI Theory of Self-maintaining Robots
CN113110582B (zh) 无人机集群智能系统控制方法
Sun et al. Research on emergency supplies distribution in 5G network environment based on K-class mean value algorithm
Khalil et al. A Novel Bio-Inspired Path Planning for Autonomous Underwater Vehicle for Search and Tracing of Underwater Target

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant