CN103926838B - 基于云计算的自主心智发育云机器人系统 - Google Patents

Abstract

一种基于云计算的自主心智发育云机器人系统，该系统包括图像处理模块、机器人自主心智发育模块、云计算模块、移动机器人模块、多通道无线通信模块以及智能移动终端模块，其中机器人自主心智发育模块在云计算模块实现，移动机器人模块经由多通道无线通信模块以无线通信的方式分别与图像处理模块、云计算模块和智能移动终端模块进行数据交换。该系统在实现机器人心智自主发育的过程中，无需移动机器人自身携带大量的计算资源以完成运算密集型任务，这些任务均交由云计算模块完成，能够有效的减轻机器人执行运算密集型任务的负担；此外，借助于云计算模块存储的知识，还可以实现不同机器人间知识的共享。

Description

基于云计算的自主心智发育云机器人系统

技术领域

本发明涉及一种利用云计算来实现自主心智发育的云机器人系统，属于智能机器人研究技术领域。

背景技术

机器人技术的发展大致经历了以下三个阶段：第一阶段(20世纪60年代)为可编程示教再现型机器人，其特征是机器人按照事先设计的程序进行重复性的工作；第二阶段(20世纪70年代)为具有一定感觉功能和自适应能力的离线编程机器人，其特征是可以根据作业对象的状况改变其作业内容，即所谓的“知觉判断机器人”；第三阶段(20世纪80年代中期以后)为智能机器人，其带有多种传感器，能够融合从不同传感器获得的信息，具有很强的自适应能力、学习能力，及自治功能。

机器人技术涉及计算机、控制论、机构学、信息和传感技术、人工智能、仿生学等学科的知识，是当前科技研究的热点方向，但是如何实现真正的机器人智能仍然是一个亟待解决的问题。在1986年《IEEE Journal of Robotics and Automation》(电气和电子工程师协会期刊机器人及自动化)2(1)：14-23页发表的《A robust layered control system fora mobile robot》(一个用于移动机器人的稳健分层控制系统)中提到了实现机器人智能的两种方法：一是“基于知识”的方法，即直接对机器人编程，使其完成特定任务；二是“基于行为”的方法，即面对复杂环境，机器人通过与环境相互作用完善其功能。但是，这两种方法均是面向任务，一旦任务改变，就需对机器人重新编程。在实际应用中，机器人所处的环境往往是不断变化的，在设计阶段很难估计到后期可能发生的变化，因此，这种“局限性”就限制了机器人的智能化。在1998年,“AAI Books”出版社出版的《Evolutionary robotics:fromintelligent robot to artificial life》(机器人技术的进化：从智能机器人到人工生命)一书中提出了基于“种群进化”的方法，即依据生物进化规律，使机器人完成从简单到复杂的进化过程，但是该方法只能实现机器人种群的系统进化。尽管上述传统的方法，包括“基于知识”、“基于学习”，及“生物进化”的方法，在机器人智能研究领域取得了一系列成果，但是上述方法均不能使机器人在未知的、动态变化的环境中像人类一样灵活的完成任务。

为了解决这一问题，在1996年《Visual Communication and Image Processing》(虚拟通讯和图像处理)431-487页上发表的《Learning in image analysis and beyond：Development》(图像分析及其他方面的学习：发育)首次提出了“自主心智发育”的概念，即：机器人模仿人脑的发育过程，利用一个类人脑的自然或人工嵌入式系统，在自主心智发育程序(基因编码或人工设计)的控制下，通过其自身的传感器和效应器与环境(包括内在环境极其组件)的实时交互，自主完成心智的发育。自主心智发育机器人与传统机器人的不同之处表现在：自主心智发育机器人不是针对某种特定的任务，必须要对未知可能发生的任务生成合理的表示，要像人一样进行在线学习。另外自组织特性也是发育机器人的独特之处，在没有人类进行干扰的情况下，自主心智发育机器人需要保证对所学知识进行合理的组织和存储。

自主心智发育机器人是当前机器人智能研究领域的新兴话题，引起了国内外学者的广泛关注。在2000年《IEEE Transactions on Neural Networks》(电气和电子工程师协会神经网络学报)22(11)：1277-1293页上发表的《Hierarchical discriminantregression》(分层判别回归树算法)提出了用于自主心智发育机器人自主学习的HDR(分层判别回归树)算法。在2001年《Science》(科学)291(5504)：599-600页上发表的《Autonomousmental development by robots and animals》(机器人和动物的自主心智发育)中详细阐述了自主心智发育机器人的思想框架和算法模型。在2004年《International Journal ofhumanoid robotics》(仿人机器人国际期刊)1(2)：199-236也上发表的《Developmentalrobotics:Theory and experiments》(发育机器人技术：理论和实验)系统归纳了自主心智发育机器人的理论，并列举了一系列验证自主心智发育机器人理论的实验。在2007年《IEEETransactions on Neural Networks》(电气和电子工程师协会神经网络学报)18(2)：397-415页上发表的《Incremental Hierarchical discriminant regression》(增量分层判别回归树算法)又提出了用于自主心智发育机器人的发育算法IHDR(增量分层判别回归树)算法。

国内在自主心智发育机器人领域的研究开展的较晚，但是也取得了一系列的研究成果。在2005年《复旦大学学报》44(6)：965-970页上发表的《一种带有实时视觉特征学习的自主发育机器人探索》将视觉特征抽取和自主心智发育结合，建立了验证自主心智发育理论的简化系统。2007年，复旦大学陈东岳发表的博士论文《具有感知和认知能力的智能机器人若干问题的研究》提出了基于有监督学习的分类神经网络算法，对传统HDR算法进行改进。在2007年《智能系统学报》2(4)：35-39页上发表的《发育机器人研究综述》较为全面的介绍了发育机器人的基本概念、核心思想和发展历程，重点剖析了几种典型的发育模型和学习方法。2008年复旦大学林剑峰发表的硕士论文《自主心智发育机器人的语音感知映射》通过对隐马尔可夫模型进行双隐层扩展，并调整其搜索和训练算法，使其能够达到自主心智发育感知映射的基本要求，即无需人为干预，不受环境限定，不针对特定和领域。2011年《黑龙江工程学院学报自然科学版》在25(1)：53-56页上发表的《任务驱动的发育机器人研究》提出了一种任务驱动的发育机器人范式，将不同环境下的不同任务分开存储，每个任务中存储对应网络训练的权值和阈值，该范式不仅可以体现发育机器人的基本思想，满足机器人实时性的要求，同时能够有效地解决多任务之间冲突的问题。2012年，浙江工业大学瞿心昱发表的博士论文《基于仿人脑认知计算模型的机器人视觉学习方法》针对机器人知识存储、积累和发育问题，模拟人脑长时记忆及其与工作技艺相互协调机理，提出一种视觉陌生度驱动的生长式长时记忆的自主学习算法，将自主学习到的视觉知识不断积累到长时记忆中，实现与人类相仿的自主学习、生长式记忆与智能发育能力。2013年《解放军理工大学学报自然科学版》在14(5)：508-510页上发表的《自主环境认知的发育机器人发育模型》定义了发育机器人的体系结构，以及信息处理流程中的算法问题，给出了一个任务驱动的发育模型。

尽管国内外在自主心智发育机器人领域取得了一系列成果，但是该领域仍然存在着一系列挑战，其中最为突出的两点包括：如何解决自主心智发育机器人自身能够携带资源的有限性和对其计算性能要求不断增长间的矛盾；如何实现自主心智发育机器人间知识的共享。

发明内容

本发明针对自主心智发育机器人研究领域存在的上述两个问题，提出一种既能够减少自主心智发育机器人自身需携带的计算资源又能够实现自主心智发育机器人间知识共享的基于云计算的自主心智发育云机器人系统。

本发明的基于云计算的自主心智发育云机器人系统，包括以下部分：

(1)图像处理模块：用于环境图像的获取和环境图像特征的提取，包含数字摄像头和信号处理器(嵌入式信号处理板)，数字摄像头和信号处理器均安装在移动机器人模块上。数字摄像头连接至信号处理器，数字摄像头负责获取环境图像并将图像数据发送到信号处理器中，信号处理器负责环境图像特征的提取，并由多通道无线通信模块把提取的图像特征以无线方式发送至云计算模块；

(2)机器人自主心智发育模块：通过运行自主心智发育程序实现机器人心智的自主发育。自主心智发育程序是基于提取的环境图像特征使用IHDR算法完成机器人心智的自主发育，IHDR算法包含IHDR树构建和IHDR树搜索两个部分，IHDR树构建是指：以在图像处理模块中提取的环境图像特征为输入，机器人的行为决策为输出建立反映输入与输出间映射关系的IHDR发育树；IHDR树搜索是指：已知IHDR树的输入(即提取的环境图像特征)，利用建立的IHDR发育树寻找与之匹配的输出(即机器人的行为决策)。自主心智发育程序在云计算模块中运行；

(3)云计算模块：利用云端服务器的计算资源运行自主心智发育程序实现机器人心智的自主发育，使机器人摆脱运算密集型任务；利用云端存储资源存储机器人通过自主学习积累的知识，实现不同机器人间知识的共享；

(4)移动机器人模块：该模块专注于任务的执行，经由多通道无线通信模块以无线通信的方式分别与图像处理模块、云计算模块和智能移动终端模块进行数据交换；移动机器人模块有训练模式和执行模式两种工作模式：

①训练模式：该模式对应于IHDR树构建，是指移动机器人依据云端服务器上运行的自主心智发育程序，在外界的帮助下(如在人的指导下)，通过与环境的互动，自主的学习新任务，进行知识的积累；

②执行模式：该模式对应于IHDR树搜索，移动机器人在训练模式下经过训练学会如何完成新任务之后就可工作在执行模式。在执行模式下，移动机器人根据其在训练模式下积累的知识，自主地与环境互动完成任务；

(5)多通道无线通信模块：在训练模式和执行模式下，用于实现图像处理模块、云计算模块、智能移动终端模块及移动机器人模块间的无线通信，完成数据交换；

(6)智能移动终端模块：该模块用于实现训练模式下人与移动机器人间的有效交互：发送指令，控制移动机器人的运动状态(例如运动方向、运动速度等)；同时还能够实时的读取移动机器人的状态信息(例如运动方向、运动速度等)以及移动机器人获取的环境图像等。

上述基于云计算的自主心智发育云机器人系统的具体运行流程如下：

首先，进行“知识学习”：是指自主心智发育云机器人系统工作在训练模式下，基于提供的训练“样本”，利用IHDR算法建立环境图像特征与机器人行为决策之间的映射关系；经过“知识学习”阶段的不断积累，建立知识库；

然后，进入“知识检索”阶段：是指自主心智发育云机器人系统工作在执行模式下，把图像处理模块提取的环境图像特征作为输入，利用IHDR树搜索程序在建立的知识库中进行检索，寻找与之匹配的最佳输出(机器人行为决策)，从而控制机器人做出相应的行动；

另外，如果在现有的知识库中无法找到有效的输出，则需外界给予相应的输出，进入“再学习”阶段，把新建立的输入与输出映射加入其知识库，实现知识库的更新。

本发明无需移动机器人自身携带大量的计算资源以完成运算密集型任务(如自主心智发育程序)，这些任务均交由云计算模块完成；此外，借助于云计算模块存储的知识，可以实现不同机器人间知识的共享。

附图说明

图1是基于云计算的自主心智发育云机器人系统的组成示意图。

图2是IHDR树构建实现流程图。

图3是IHDR树搜索实现流程图。

图4是移动机器人模块的两种工作模式。

图5是基于云计算的自主心智发育云机器人系统的运行流程图。

图6是实验场景示意图。

图7是实验一在训练模式下的理论速度和执行模式下的实际速度的对比图。

图8是实验一在执行模式下执行任务的视频截图。

图9是实验二在训练模式下的理论速度和执行模式下的实际速度的对比图。

图10是实验二在执行模式下执行任务的视频截图。

图11是未经过训练的自主心智发育云机器人系统在实验场景中的运动速度与经过训练的自主心智发育云机器人系统在实验场景中的运动速度的对比图。

具体实施方式

如图1所示，本发明的基于云计算的自主心智发育云机器人系统包括图像处理模块、机器人自主心智发育模块、云计算模块、移动机器人模块、多通道无线通信模块以及智能移动终端模块。

图像处理模块包含数字摄像头和信号处理器(嵌入式信号处理板)，两部分通过USB接口连接。数字摄像头安装在移动机器人模块的前上部，信号处理器安装在移动机器人模块的顶部。在自主心智发育云机器人系统运行时，数字摄像头能够实时的获取环境图像并将其发送到信号处理器中。信号处理器采用增量主元分析法对接收的环境图像数据进行特征提取，然后经由多通道无线通信模块把提取的图像特征以无线方式发送至云计算模块。

机器人自主心智发育模块在云计算模块中实现。机器人自主心智发育模块通过运行自主心智发育程序实现机器人心智的自主发育。自主心智发育程序是在提取环境图像特征的基础上使用IHDR算法完成机器人心智的自主发育。自主心智发育程序在云计算模块中运行；

①IHDR算法包括IHDR树构建和IHDR树搜索两部分，其具体实现流程如图2和图3所示。IHDR树构建利用机器人在训练过程中得到的训练样本S(其中S＝{(x_i,y_i)|x_i∈X,y_i∈Y,i＝1,2,...n})构建输入X与输出Y之间的映射关系。对于给定的输入X，IHDR树搜索用于在构建的IHDR树中寻找与之匹配的输出Y；若无法找到与输入匹配的输出，则需要为之指定输出，并在线更新训练样本S；

②在本发明中，输入X＝{X₁,X₂},其中X₁代表目标代码，X₂代表目标物与机器人系统间的距离。输出Y＝{Y₁,Y₂,Y₃}，其中Y₁代表机器人的运动速度，Y₂代表机器人的运动路线，Y₃代表机器人的机械手动作。

云计算模块的云端服务器中包含有大量的计算和存储资源，其中云端计算资源用于转移本应由移动机器人模块执行的运算密集型任务(如自主心智发育程序)，这样就大大减轻了移动机器人模块的计算负担，有利于降低机器人系统的复杂度和制造成本。对于任意输入X，在云计算模块中运行的自主心智发育程序能够找出与之匹配的输出Y，然后经由多通道无线通信模块，把Y发送给移动机器人模块，进而控制移动机器人模块的行为决策。云端存储资源用于存储机器人在自主心智发育过程中积累的知识，即构建的IHDR树。借助于多通道无线通信模块，不同机器人系统均可以访问存储在云端的知识，从而可以实现机器人间知识的共享，避免了机器人面对相同任务时的重复学习。

移动机器人模块经由多通道无线通信模块以无线通信的方式分别与图像处理模块、云计算模块及智能移动终端模块进行数据交换。移动机器人模块并不承担图像处理和机器人自主心智发育程序这些运算密集型的任务，仅仅用于执行在云端运行的自主心智发育程序输出的Y对应的行为决策。如图4所示，移动机器人模块工作在两种模式：训练模式和执行模式。在训练模式下，移动机器人在人的指导下运行：首先，安装在移动机器人模块之上的图像处理模块实时的采集环境图像数据并提取其特征，同时移动机器人模块也会实时记录其自身的状态，包括运动速度、运动路线(直线或拐弯)，及手臂动作。然后，提取的环境图像特征和与之对应的移动机器人状态会以无线方式发送到远程云服务器。云服务器运行IHDR建树程序，构建IHDR树。机器人经过若干次训练掌握新任务后，就可以工作在执行模式。执行模式是指：对于任意输入，移动机器人模块根据构建的IHDR树计算其对应的输出，进而控制移动机器人模块的决策。在执行模式下，图像处理模块同样会实时的采集环境图像并提取其特征，然后提取的环境图像特征以无线方式发送到云服务器。云服务器以接收到的环境图像特征为输入，运行IHDR搜树程序计算与输入匹配的输出。如果无法找到满足条件的输出，则需要为其设定输出，此时新增的输入输出映射会被添加到构建的IHDR树中。最后，云计算模块把得到的输出经由多通道无线通信模块发送给移动机器人模块，进而指导其行为决策。

多通道无线通信模块由串口转无线设备和无线路由器构成，可以同时提供多个无线通信链路，实现图像处理模块、云计算模块、智能移动终端模块及移动机器人模块间的数据交换。串口转无线设备安装在移动机器人的底部，其可以通过串口把设备连接到无线网络之中。

智能移动终端模块用于训练模式下移动机器人模块与人间的交互。如上所述，移动机器人模块在训练模式下需要按照人的指令进行工作，学习新的任务。传统的方法往往需要人为的借助计算机向移动机器人模块发送指令，并监控移动机器人模块的状态。这在一定程度上给移动机器人的训练带来了不便，例如机器人对计算机的依赖使训练的场所受到限制，无法在室外进行训练；另外，通过计算机向移动机器人发送控制指令需要使用机器人支持的高级语言(如C++等)编写专门的程序，这就要求相关训练人员具有一定的编程能力。为了克服传统方法的上述不足，智能移动终端模块为相关训练人员提供了一个界面友好、操作简单的应用程序。借助于该应用程序，训练人员无需具有相关程序设计基础，就可以直接向移动机器人模块发送指令，并监控移动机器人模块的状态。智能移动终端模块是利用Java语言编写、在使用Android(安卓)系统的智能设备(例如智能手机和平板电脑)上运行的、用于人机交互的应用程序。智能移动终端模块能够指示移动机器人执行不同的动作，比如前进或后退、左转弯或右转弯，及设定运动速度；同时还能够实时的读取移动机器人的运行状态信息(如运行速度、运行路线等)。

如图5所示，上述自主心智发育云机器人系统的具体运行流程如下：

首先，进行“知识学习”：是指自主心智发育云机器人系统工作在训练模式，基于提供的训练“样本”，利用IHDR算法建立环境图像特征与机器人行为决策之间的映射关系。经过“知识学习”阶段的不断积累，机器人逐步建立自己的知识库。

然后，进入“知识检索”阶段：是指自主心智发育云机器人系统工作在执行模式，把图像处理模块提取的环境图像特征作为输入，利用IHDR树搜索程序在建立的知识库中进行检索，寻找与之匹配的最佳输出(机器人行为决策)，从而控制机器人执行相应的动作。

另外，如果在现有的知识库中无法找到与输入匹配的有效输出，则需外界给予相应的输出，进入“再学习”阶段，把新建立的输入与输出映射加入其知识库，实现知识库的在线更新。

本发明中，知识库的建立、检索及在线更新均在云计算模块中完成，移动机器人模块仅仅专注于任务的执行。

利用本发明开展三个实验对所构建自主心智发育云机器人系统的可行性进行验证。图6描述了实验场景的示意图，实验场景包含三条线路和两个拐弯，在两个拐弯和终点处分别放置不同颜色的小球作为路标(拐弯1处放置篮球或红球，拐弯2处放置绿球，终点处放置黄球)。

在实验一中，拐弯1、拐弯2、终点处分别放置蓝球、绿球，及黄球。在该实验中，自主心智发育云机器人系统首先工作在训练模式以学习新任务。新任务描述如下：(1)自主心智发育云机器人系统首先从起点出发沿线路1保持匀速直线行驶，然后先后经历匀加速和匀减速直线行驶后停止在拐弯1处的蓝球前；(2)在拐弯1处，自主心智发育云机器人系统向右转弯90度后进入线路2。在线路2中，自主心智发育云机器人系统首先匀速直线行驶，然后先后经历匀加速和匀减速直线行驶后停止在拐弯2处的绿球前；(3)在拐弯2处，自主心智发育云机器人系统向左转弯90度后进入线路3。在线路3中，自主心智发育云机器人系统同样先后经历匀速、匀加速，及匀减速直线行驶后停止在终点处。虽然自主心智发育云机器人系统在三个线路中均经历了匀加速和匀减速运动，但是在三个线路中匀加速、匀减速的时间和加速度均不相同。自主心智发育云机器人系统经历若干次训练掌握新任务后，就可以工作在执行模式。在执行模式下，自主心智发育云机器人系统首先被放置在实验场景的起点处，然后自主心智发育云机器人系统能够根据其在训练模式下学习的知识去自主的执行任务。为了便于验证自主心智发育云机器人系统的可行性，在执行模式下自主心智发育云机器人系统的运行速度和运行路线均被记录下来，以便于与训练模式下的运行速度和运行路线对比。图7描述了在实验一中自主心智发育云机器人系统在训练模式下的理论速度和执行模式下的实际速度的对比图。在图7中，阶段1、3、5分别对应自主心智发育云机器人系统在线路1、2、3上的运动速度；阶段2、4分别对应自主心智发育云机器人系统在拐弯1、2处的运动速度(自主心智发育云机器人系统在弯道处执行转弯动作时，其速度为0)。图7的实验结果表明自主心智发育云机器人系统在执行模式下的实际速度与训练模式下的理论速度吻合的很好。图8描述了在实验一中自主心智发育云机器人系统在执行模式下执行任务的视频截图，记录的视频表明机器人系统在执行模式下的运动路线与在训练模式下设定的路线基本相同。

实验一说明：本发明提出的自主心智发育云机器人系统在有效转移机器人需要从事运算密集型任务的前提下，能够有效的进行知识的学习和利用，进而实现机器人心智的自主发育。

在实验二中，实验场景局部发生变化：在拐弯1处放置红球及白色圆柱形木块以替代原来的蓝球，实验场景的其余部分保持不变。在该实验中，为了适应新的实验场景，自主心智发育云机器人系统需要再次经历训练模式。需要注意的是，自主心智发育云机器人系统只在场景发生变化的线路1中进行训练。在训练模式下，自主心智发育云机器人系统从起点出发沿线路1保持匀速直线行驶，然后先后经历匀加速和匀减速直线行驶后停止在拐弯1处的红球前。在拐弯1处，自主心智发育云机器人系统使用机械手搬起放置的白色圆柱形木块，向右转弯90度后进入线路2。在线路2和3中自主心智发育云机器人系统不经过训练。经过若干次在线路1上的训练，自主心智发育云机器人系统放入到实验场景中，并工作在执行模式。同样在执行模式下自主心智发育云机器人系统的运行速度和运行路线均被记录下来。图9描述了在实验二中自主心智发育云机器人系统在训练模式下的理论速度和在执行模式下的实际速度的对比图，该图的实验结果表明：实际速度与理论速度吻合的很好。此外，与图7相比，图9中阶段2的长度明显延长，这是由于在实验二中的拐弯1处，自主心智发育云机器人系统需要占用更长的时间搬起白色圆柱形木块。图10描述了在实验二中自主心智发育云机器人系统在执行模式下执行任务的视频截图，记录的视频表明机器人系统在执行模式下的运动路线和机械手操作与在训练模式下设定的操作基本相同。

实验二说明：本发明提出的自主心智发育云机器人系统具有很好的灵活性和适应性，面对局部发生变化的环境，只需熟悉变化的部分。

在实验三中，使用的实验场景与实验一完全相同，但是采用了一个完全没有经过训练的自主心智发育云机器人系统，该自主心智发育云机器人系统直接工作在执行模式去执行任务。图11描述了未经过训练的自主心智发育云机器人系统在实验场景中的运动速度与经过训练的自主心智发育云机器人系统在实验场景中的运动速度(由实验一中自主心智发育云机器人系统在执行模式下的运动速度得来)的对比图。如图11所示，两个速度曲线的变化趋势基本相同。但是，两个速度曲线之间存在一定的时间延时，这是由于在两个自主心智发育云机器人系统中，摄像头安装的角度不完全相同造成的。

实验三表明：基于本发明提出的自主心智发育云机器人系统，可以实现知识在不同机器人间共享，从而避免了不同的机器人在面对相同任务时的重复训练。

Claims (1)

1.一种基于云计算的自主心智发育云机器人系统，其特征是，包括以下部分：

(1)图像处理模块：用于环境图像的获取和环境图像特征的提取，包含数字摄像头和信号处理器，数字摄像头和信号处理器均安装在移动机器人模块上，数字摄像头连接至信号处理器，数字摄像头负责获取环境的图像并将图像发送到信号处理器中，信号处理器负责环境图像特征的提取，并经由多通道无线通信模块把提取的图像特征以无线方式发送至云计算模块；

(2)机器人自主心智发育模块：通过运行自主心智发育程序实现机器人心智的自主发育，自主心智发育程序是基于提取的环境图像特征使用增量分层判别回归即IHDR算法完成机器人心智的自主发育，IHDR算法包含IHDR树构建和IHDR树搜索两个部分，IHDR树构建是指：以在图像处理模块中提取的环境图像特征为输入，机器人的行为决策为输出建立反映输入与输出间映射关系的IHDR发育树；IHDR树搜索是指：已知IHDR树的输入，利用建立的IHDR发育树寻找与之匹配的输出；自主心智发育程序在云计算模块中运行；

(3)云计算模块：利用云端计算资源运行自主心智发育程序实现机器人心智的自主发育，使机器人摆脱运算密集型任务；利用云端存储资源存储机器人通过自主学习积累的知识，实现不同机器人间知识的共享；

(4)移动机器人模块：该模块专注于任务的执行，经由多通道无线通信模块以无线通信的方式分别与图像处理模块、云计算模块和智能移动终端模块进行数据交换；移动机器人模块有训练模式和执行模式两种工作模式：

①训练模式：该模式对应于IHDR树构建，是指移动机器人模块依据云端服务器上运行的自主心智发育程序，在外界的帮助下，通过与环境的互动，自主的学习新任务，进行知识的积累；

②执行模式：该模式对应于IHDR树搜索，移动机器人模块在训练模式下经过训练学会如何完成新任务之后工作在执行模式；在执行模式下，移动机器人模块根据其在训练模式下积累的知识，通过自主地与环境互动完成任务；

(5)多通道无线通信模块：在训练模式和执行模式下，用于实现图像处理模块、云计算模块、智能移动终端模块以及移动机器人模块之间进行无线通信，完成数据交换；

(6)智能移动终端模块：该模块用于实现训练模式下人与移动机器人间的有效交互；智能移动终端模块能够发送指令，指示移动机器人执行不同的动作及设定运动速度，同时还能够实时的读取移动机器人的运动状态信息。