CN114493164B - 基于边缘计算的机器人任务解析方法和系统 - Google Patents
基于边缘计算的机器人任务解析方法和系统 Download PDFInfo
- Publication number
- CN114493164B CN114493164B CN202111669302.4A CN202111669302A CN114493164B CN 114493164 B CN114493164 B CN 114493164B CN 202111669302 A CN202111669302 A CN 202111669302A CN 114493164 B CN114493164 B CN 114493164B
- Authority
- CN
- China
- Prior art keywords
- workflow
- robot
- task
- unit
- intelligent robot
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000004364 calculation method Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000006978 adaptation Effects 0.000 claims description 39
- 230000000007 visual effect Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 16
- 238000004659 sterilization and disinfection Methods 0.000 description 15
- 238000005507 spraying Methods 0.000 description 13
- 238000004140 cleaning Methods 0.000 description 12
- 239000007921 spray Substances 0.000 description 10
- 239000000645 desinfectant Substances 0.000 description 8
- 238000004887 air purification Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000000249 desinfective effect Effects 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种基于边缘计算的机器人任务解析方法和系统。本发明降低了数据和指令在系统边缘侧与云端反复交互带来的通信开销，降低了服务的延迟，提升了响应速度，而且让智能机器人更为适应任务现场的场景和环境，对任务进行自适应性地调整和决策，充分简化了云端系统的构成。
Description
技术领域
本申请涉及机器人领域，特别涉及基于边缘计算的机器人任务解析方法和系统。
背景技术
随着信息化时代的发展以及智能机器人技术的进步，智能机器人已经被广泛应用于多个领域。
例如，在物流配送领域，物流机器人可以实现包裹、信件、餐饮、物料等物品在居民社区、工业园区、写字楼的物流配送。在卫生与环境维护方面，利用配装了清扫装置、喷雾装置的智能机器人可以实现垃圾清理、空气净化、防疫消毒等功能。在医院、检疫检验等单位，智能机器人可以实现样本的采集、寄存以及实验室送检，可以提高样本配送管理效率，降低人与人接触的交叉感染风险。在大型商圈等场景下应用的智能机器人，可以实现室内引路、商品承载的功能。在停车场，智能机器人可以实现空余车位的停车引导。
随着应用领域日益丰富、机器人数量和种类增多以及智能机器人自身功能的日趋强大，在智能机器人工作任务的解析过程中，如何能够适应功能的多样性、工作流的复杂性、实际工作场景和环境因素多变性，增强任务解析的效率、准确率以及可执行性，成为了智能机器人领域新的亟待解决之问题。
发明内容
(一)申请目的
基于此，本申请提供了基于边缘计算的机器人任务解析方法和系统。本申请公开了以下技术方案。
(二)技术方案
本申请公开了一种基于边缘计算的机器人任务解析方法，包括：
步骤S1：由机器人系统的云端后台服务器向系统边缘侧的智能机器人下达基本任务项；
步骤S2：由智能机器人将所述基本任务项转化为工作流，所述工作流由时序性的作业任务单元组成；
步骤S3：通过智能机器人感知识别工作场景模式和工作环境参数，并检测智能机器人自身状态信息；
步骤S4：将所述工作流与所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项；
步骤S5：根据所述工作流的适配因素项执行专家决策调度，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令。
在一些实施例中，步骤S2包括：根据基本任务项中的服务请求类型，调用预设的工作流模板；根据所述服务请求位置以及服务描述信息，对工作流模板中的作业任务单元原型进行赋值；进而，对赋值后的作业任务单元进行时序性排列。
在一些实施例中，步骤S3包括：通过智能机器人搭载的激光雷达、视觉摄像头、测距仪等设备，实现点云数据、视觉数据、空间数据的感知，并利用目标提取和识别技术，进行空间目标的类型、尺寸、相对位置、空间面积、空间结构等场景特征的分析识别；进而，根据实时所在空间范围内的场景特征，确定工作场景模式；
以及，利用智能机器人自身搭载的传感器，以及利用NFC通信从工作场所布设的传感器网络当中，获得工作环境参数。
在一些实施例中，步骤S4包括：根据工作流中的每一个作业任务单元，确定与该作业任务单元相关的工作场景模式、工作环境参数以及机器人自身状态信息的因素集合；根据作业任务单元属性槽位中的属性赋值，评估所述因素集合中每个因素的适配度；根据所述因素集合中每个因素的适配度，加和确定对作业任务单元的适配度。
在一些实施例中，步骤S5包括：采用基于BP神经网络的架构，针对工作流全部作业任务单元的总体适配度组成的的输入量，决策该工作流中各个作业任务单元的是否予以执行。
本申请公开了一种基于边缘计算的机器人任务解析系统，包括：云端后台服务器以及边缘侧的智能机器人；
所述云端后台服务器用于向系统边缘侧的智能机器人下达基本任务项；
所述智能机器人包括：工作流转化单元、场景环境感知单元、机器人自检单元、工作流适配单元、决策调度器；
其中，所述工作流转化单元，用于将所述基本任务项转化为工作流，所述工作流由时序性的作业任务单元组成；
场景环境感知单元，通过智能机器人感知识别工作场景模式和工作环境参数；
机器人自检单元，用于检测智能机器人自身状态信息；
工作流适配单元，用于将所述工作流与所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项；
决策调度器，根据所述工作流的适配因素项执行专家决策调度，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令。
在一些实施例中，所述工作流转化单元根据基本任务项中的服务请求类型，调用预设的工作流模板；根据所述服务请求位置以及服务描述信息，对工作流模板中的作业任务单元原型进行赋值；进而，对赋值后的作业任务单元进行时序性排列。
在一些实施例中，所述场景环境感知单元通过智能机器人搭载的激光雷达、视觉摄像头、测距仪等设备，实现点云数据、视觉数据、空间数据的感知，并利用目标提取和识别技术，进行空间目标的类型、尺寸、相对位置、空间面积、空间结构等场景特征的分析识别；进而，根据实时所在空间范围内的场景特征，确定工作场景模式；以及，利用智能机器人自身搭载的传感器，以及利用NFC通信从工作场所布设的传感器网络当中，获得工作环境参数。
在一些实施例中，所述工作流适配单元根据工作流中的每一个作业任务单元，确定与该作业任务单元相关的工作场景模式、工作环境参数以及机器人自身状态信息的因素集合；根据作业任务单元属性槽位中的属性赋值，评估所述因素集合中每个因素的适配度；根据所述因素集合中每个因素的适配度，加和确定对作业任务单元的适配度。
在一些实施例中，所述决策调度器采用基于BP神经网络的架构，针对工作流全部作业任务单元的总体适配度组成的的输入量，决策该工作流中各个作业任务单元的是否予以执行。
(三)有益效果
从而，本发明基于边缘计算的机器人任务解析方法降低了数据和指令在系统边缘侧与云端反复交互带来的通信开销，降低了服务的延迟，提升了响应速度，而且让智能机器人更为适应任务现场的场景和环境，对任务进行自适应性地调整和决策，充分简化了云端系统的构成。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本申请，而不能理解为对本申请的保护范围的限制。
图1是本申请公开的机器人任务解析方法流程图；
图2是本申请公开的工作流适配具体流程图；
图3是本申请公开的机器人任务解析系统结构图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。
下面参考图1，本申请提供一种基于边缘计算的机器人任务解析方法。
目前，智能机器人本身是具备独立的感知、运算、决策和执行能力的智能化终端设备。智能机器人搭载了激光雷达、视觉摄像头、测距仪以及匹配其功能的各类传感装置，还能够利用NFC等通信手段接入其工作场所布设的传感器网络，从而可以对其工作场景和环境参数进行全面的感知。智能机器人具备地图寻址、室内外定位、自主路径规划、视距目标识别、障碍物规避等算法，可以实现完全自主的空间行进。智能机器人内置的处理器具有较强的运算能力，能够支撑相对复杂的分析任务和指令集合的执行，从而能够基于工作流的设置以及各种因素实现自主决策，准确高效完成机器人的各种工作任务。智能机器人还能够自主执行电池充电、故障报错等自身维护。
边缘计算是在网络系统的边缘侧就近、直接执行计算和进行服务。由于网络的边缘侧临近数据源头，减少了数据在网络上转移的过程，从而基于边缘计算提供的服务也会更为快速。本发明中，智能机器人作为智能化终端设备，具备支持边缘计算的能力，是良好的边缘计算载体。
对于智能机器人，采用边缘计算的架构执行任务解析，云端后台服务器只向边缘侧的智能机器人提供基本任务项，由智能机器人将基本任务项解析为时序性的工作流，结合工作场景模式和工作环境参数，以及结合机器人自身状态，执行工作流的匹配调整、任务决策和执行调度。
具体来看，该基于边缘计算的机器人任务解析方法包括：
步骤S1：由机器人系统的云端后台服务器向系统边缘侧的智能机器人下达基本任务项；
步骤S2：由智能机器人将所述基本任务项转化为工作流，所述工作流由时序性的作业任务单元组成；
步骤S3：通过智能机器人感知识别工作场景模式和工作环境参数，并检测智能机器人自身状态信息；
步骤S4：将所述工作流与所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项；
步骤S5：根据所述工作流的适配因素项执行专家决策调度，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令。
其中，步骤S1中，云端后台服务器能够向边缘侧的任意一台智能机器人下达所述基本任务项。云端后台服务器接收用户的客户端面向机器人系统发送的服务请求，并根据服务请求类型、服务请求位置、空间地图、智能机器人的功能配置、机器人实时位置等因素，向智能机器人下达该基本任务项。基本任务项只需要描述基本的任务信息，包括上面提到的服务请求类型、服务请求位置，以及必要的服务描述信息。
例如，对于物流配送服务，用户可以利用手机APP向机器人系统发送取件送件类型的服务请求，该服务请求包含地址信息，云端后台服务器结合物流配送区域地图和物流功能机器人实时位置，确定实时位置或者移动路径与该服务请求的地址最为接近的物流功能机器人，并将基本任务项发送给该物流功能机器人。基本任务项中包括取件送件服务请求和服务请求地址信息，以及物品重量、尺寸、时效等服务描述信息。对于物流配送的路径规划、行进过程、时间安排等则不需要有云端后台服务器在该基本任务项中进行设置，而是通过后续的步骤由边缘侧的智能机器人来自主设计和执行。
同理，在建筑物内部清洁、消毒和空气净化服务中，云端后台服务器接收针对建筑物内部指定空间区域的服务请求，服务请求包括该空间区域的分布楼层、位置等。云端后台服务器向执行环境维护功能的机器人下达基本任务项，基本任务项中包括清洁、消毒或者空气净化等服务请求类型，及上述空间区域信息。对于机器人执行上述工作的路径规划、动作步骤、消毒剂类型和用量、空气清洁剂的类型和用量等则不需要云端后台服务器在该基本任务项中进行设置，而是通过后续的步骤由边缘侧的智能机器人来自主设定执行。
步骤S2中，由智能机器人将所述基本任务项转化为工作流，工作流由一系列的作业任务单元构成，作业任务单元按照执行动作和功能的时序性排列。
智能机器人根据基本任务项中的服务请求类型，调用预设的工作流模板；并且，根据所述服务请求位置以及服务描述信息，对工作流模板中的作业任务单元原型进行赋值；进而，对赋值后的作业任务单元进行时序性排列。
具体来说，不同服务请求类型对应各自的工作流模板，所述工作流模板中具有依序排列的作业任务单元原型，例如，对于上述取件送件服务请求类型，调用的工作流模板包括依序排列的目的地位置定位、机器人实时定位、行进路径规划、行进导航、发送到达通知等作业任务单元原型；对于上述建筑物内部清洁、消毒和空气净化服务类型，调用的工作流模板包括目标工作空间位置定位、机器人实时定位、行进路径规划、行进导航、工作路径规划、工作导航、清扫作业、消毒喷雾作业、空气清新喷雾作业等作业任务单元原型。
每个作业任务单元原型中包括至少一个属性槽位，通过对作业任务单元原型赋值填充属性槽位，直至工作流模板中的全部作业任务单元原型的属性槽位填充完成。例如，对于目的地位置定位、机器人实时定位、目标工作空间位置定位等作业任务单元原型，其属性槽位包括空间位置坐标；对于行进路径规划、工作路径规划等作业任务单元原型，其属性槽位包括路径起始点、终止点、若干中途点的一系列空间位置坐标；对于消毒喷雾作业、空气清新喷雾作业等作业任务单元原型，其属性槽位包括喷雾位置点、喷雾时长、消毒剂类型和用量、空气清洁剂的类型和用量等。
步骤S3中，通过智能机器人搭载的激光雷达、视觉摄像头、测距仪等设备，实现点云数据、视觉数据、空间数据的感知，并利用目标提取和识别技术，进行空间目标的类型、尺寸、相对位置、空间面积、空间结构等场景特征的分析识别；进而，智能机器人根据实时所在空间范围内的场景特征，确定工作场景模式。
智能机器人还利用自身搭载的传感器，以及利用NFC通信从工作场所布设的传感器网络当中，获得工作环境参数。例如在建筑物内部清洁、消毒和空气净化服务中，获得空气PM2.5颗粒浓度、气体成分浓度、空气温度、空气湿度、风速风向等工作环境参数。
智能机器人可以实时对自身状态信息进行监测，包括电池电量、部件故障、机器人行进方向、机器人行进速度等。
步骤S4中，对于步骤S2中生成的工作流，将其中包含的时序性的作业任务单元，与步骤S3中确定的所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项。
对于以上适配因素项的计算过程可参见图2。
步骤S41中，首先根据工作流中的每一个作业任务单元，确定与该作业任务单元相关的工作场景模式、工作环境参数以及机器人自身状态信息的因素集合。对于作业任务单元m来说，确定其相关的工作场景模式、工作环境参数、机器人自身状态信息形成的因素集合表示为{em1、em2…eml}；其中，eml表示第l项工作场景模式、工作环境参数或者机器人自身状态信息的因素。例如，对于行进路径规划的作业任务单元来说，因素集合中相关的工作场景模式、工作环境参数和机器人自身状态信息包括空间目标类型、空间目标尺寸、空间目标相对位置、风速风向、机器人行进方向、机器人行进速度等。又例如，对于消毒喷雾作业、空气清新喷雾作业，因素集合相关的工作场景模式、工作环境参数和机器人自身状态信息包括工作空间面积、工作空间结构、空气PM2.5颗粒浓度、气体成分浓度、空气温度、空气湿度、风速风向。
步骤S42，根据作业任务单元属性槽位中的属性赋值，评估所述因素集合中每个因素的适配度，表示为{δm1,δm2,…δml}，其中δml表示所述因素集合中第l项因素eml与作业任务单元属性赋值的适配度。例如，对于消毒喷雾作业、空气清新喷雾作业的作业任务单元，根据其属性赋值喷雾时长、消毒剂类型和用量、空气清洁剂的类型和用量，针对因素集合中的工作空间面积、工作空间结构、空气PM2.5颗粒浓度、气体成分浓度、空气温度、空气湿度、风速风向等因素，依次确定每个因素的适配度。
步骤S43，根据所述因素集合中每个因素的适配度，加和确定对作业任务单元的适配度。对于作业任务单元m来说，其总体适配度：
δm＝δm1+δm2…+δml
从而，工作流包含的每个作业任务单元的适配度形成该工作流的适配因素项。
步骤S5中，对于工作流的适配因素项，将其输入基于专家模型的决策调度器，执行专家决策调度。该决策调度器可以采用基于BP神经网络的架构，针对工作流全部作业任务单元的总体适配度组成的的输入量，决策该工作流中各个作业任务单元的是否予以执行。进而，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令。
为了执行以上方法，本发明提供了一种基于边缘计算的机器人任务解析系统，包括：云端后台服务器以及边缘侧的智能机器人；
所述云端后台服务器用于向系统边缘侧的智能机器人下达基本任务项；
所述智能机器人包括：工作流转化单元、场景环境感知单元、机器人自检单元、工作流适配单元、决策调度器；
其中，所述工作流转化单元，用于将所述基本任务项转化为工作流，所述工作流由时序性的作业任务单元组成；
场景环境感知单元，通过智能机器人感知识别工作场景模式和工作环境参数；
机器人自检单元，用于检测智能机器人自身状态信息；
工作流适配单元，用于将所述工作流与所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项；
决策调度器，根据所述工作流的适配因素项执行专家决策调度，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令。
云端后台服务器能够向边缘侧的任意一台智能机器人下达所述基本任务项。云端后台服务器接收用户的客户端面向机器人系统发送的服务请求，并根据服务请求类型、服务请求位置、空间地图、智能机器人的功能配置、机器人实时位置等因素，向智能机器人下达该基本任务项。基本任务项只需要描述基本的任务信息，包括上面提到的服务请求类型、服务请求位置，以及必要的服务描述信息。
例如，对于物流配送服务，用户可以利用手机APP向机器人系统发送取件送件类型的服务请求，该服务请求包含地址信息，云端后台服务器结合物流配送区域地图和物流功能机器人实时位置，确定实时位置或者移动路径与该服务请求的地址最为接近的物流功能机器人，并将基本任务项发送给该物流功能机器人。基本任务项中包括取件送件服务请求和服务请求地址信息，以及物品重量、尺寸、时效等服务描述信息。对于物流配送的路径规划、行进过程、时间安排等则不需要有云端后台服务器在该基本任务项中进行设置，而是通过后续的步骤由边缘侧的智能机器人来自主设计和执行。
同理，在建筑物内部清洁、消毒和空气净化服务中，云端后台服务器接收针对建筑物内部指定空间区域的服务请求，服务请求包括该空间区域的分布楼层、位置等。云端后台服务器向执行环境维护功能的机器人下达基本任务项，基本任务项中包括清洁、消毒或者空气净化等服务请求类型，及上述空间区域信息。对于机器人执行上述工作的路径规划、动作步骤、消毒剂类型和用量、空气清洁剂的类型和用量等则不需要云端后台服务器在该基本任务项中进行设置，而是通过后续的步骤由边缘侧的智能机器人来自主设定执行。
所述工作流转化单元将所述基本任务项转化为工作流，工作流由一系列的作业任务单元构成，作业任务单元按照执行动作和功能的时序性排列。所述工作流转化单元根据基本任务项中的服务请求类型，调用预设的工作流模板；并且，根据所述服务请求位置以及服务描述信息，对工作流模板中的作业任务单元原型进行赋值；进而，对赋值后的作业任务单元进行时序性排列。
具体来说，不同服务请求类型对应各自的工作流模板，所述工作流模板中具有依序排列的作业任务单元原型，例如，对于上述取件送件服务请求类型，调用的工作流模板包括依序排列的目的地位置定位、机器人实时定位、行进路径规划、行进导航、发送到达通知等作业任务单元原型；对于上述建筑物内部清洁、消毒和空气净化服务类型，调用的工作流模板包括目标工作空间位置定位、机器人实时定位、行进路径规划、行进导航、工作路径规划、工作导航、清扫作业、消毒喷雾作业、空气清新喷雾作业等作业任务单元原型。
每个作业任务单元原型中包括至少一个属性槽位，通过对作业任务单元原型赋值填充属性槽位，直至工作流模板中的全部作业任务单元原型的属性槽位填充完成。例如，对于目的地位置定位、机器人实时定位、目标工作空间位置定位等作业任务单元原型，其属性槽位包括空间位置坐标；对于行进路径规划、工作路径规划等作业任务单元原型，其属性槽位包括路径起始点、终止点、若干中途点的一系列空间位置坐标；对于消毒喷雾作业、空气清新喷雾作业等作业任务单元原型，其属性槽位包括喷雾位置点、喷雾时长、消毒剂类型和用量、空气清洁剂的类型和用量等。
场景环境感知单元通过智能机器人搭载的激光雷达、视觉摄像头、测距仪等设备，实现点云数据、视觉数据、空间数据的感知，并利用目标提取和识别技术，进行空间目标的类型、尺寸、相对位置、空间面积、空间结构等场景特征的分析识别；进而，智能机器人根据实时所在空间范围内的场景特征，确定工作场景模式。
智能机器人通过场景环境感知单元，利用自身搭载的传感器，以及利用NFC通信从工作场所布设的传感器网络当中，获得工作环境参数。例如在建筑物内部清洁、消毒和空气净化服务中，获得空气PM2.5颗粒浓度、气体成分浓度、空气温度、空气湿度、风速风向等工作环境参数。
智能机器人通过机器人自检单元可以实时对自身状态信息进行监测，包括电池电量、部件故障、机器人行进方向、机器人行进速度等。
工作流适配单元对于生成的工作流中包含的时序性的作业任务单元，与确定的所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项。
首先根据工作流中的每一个作业任务单元，确定与该作业任务单元相关的工作场景模式、工作环境参数以及机器人自身状态信息的因素集合。对于作业任务单元m来说，确定其相关的工作场景模式、工作环境参数、机器人自身状态信息形成的因素集合表示为{em1、em2…eml}；其中，eml表示第l项工作场景模式、工作环境参数或者机器人自身状态信息的因素。例如，对于行进路径规划的作业任务单元来说，因素集合中相关的工作场景模式、工作环境参数和机器人自身状态信息包括空间目标类型、空间目标尺寸、空间目标相对位置、风速风向、机器人行进方向、机器人行进速度等。又例如，对于消毒喷雾作业、空气清新喷雾作业，因素集合相关的工作场景模式、工作环境参数和机器人自身状态信息包括工作空间面积、工作空间结构、空气PM2.5颗粒浓度、气体成分浓度、空气温度、空气湿度、风速风向。
根据作业任务单元属性槽位中的属性赋值，评估所述因素集合中每个因素的适配度，表示为{δm1,δm2,…δml}，其中δml表示所述因素集合中第l项因素eml与作业任务单元属性赋值的适配度。例如，对于消毒喷雾作业、空气清新喷雾作业的作业任务单元，根据其属性赋值喷雾时长、消毒剂类型和用量、空气清洁剂的类型和用量，针对因素集合中的工作空间面积、工作空间结构、空气PM2.5颗粒浓度、气体成分浓度、空气温度、空气湿度、风速风向等因素，依次确定每个因素的适配度。
根据所述因素集合中每个因素的适配度，加和确定对作业任务单元的适配度。对于作业任务单元m来说，其总体适配度：
δm＝δm1+δm2…+δml
从而，工作流包含的每个作业任务单元的适配度形成该工作流的适配因素项。
决策调度器对于工作流的适配因素项，将其输入基于专家模型的决策调度器，执行专家决策调度。该决策调度器可以采用基于BP神经网络的架构，针对工作流全部作业任务单元的总体适配度组成的的输入量，决策该工作流中各个作业任务单元的是否予以执行。进而，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令。
从而，本发明基于边缘计算的机器人任务解析方法降低了数据和指令在系统边缘侧与云端反复交互带来的通信开销，降低了服务的延迟，提升了响应速度，而且让智能机器人更为适应任务现场的场景和环境，对任务进行自适应性地调整和决策，充分简化了云端系统的构成。
本文中的模块、单元的划分仅仅是一种逻辑功能的划分，在实际实现时可以有其他的划分方式，例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元在物理上可以是分开的，也可以是不分开的。作为单元显示的部件可以是物理单元，也可以不是物理单元，即可以位于一个具体地方，也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元和/或子单元来实现实施例的方案。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于边缘计算的机器人任务解析方法，其特征在于，包括：
步骤S1：由机器人系统的云端后台服务器向系统边缘侧的智能机器人下达基本任务项；
步骤S2：由智能机器人将所述基本任务项转化为工作流，所述工作流由时序性的作业任务单元组成；
步骤S3：通过智能机器人感知识别工作场景模式和工作环境参数，并检测智能机器人自身状态信息；
步骤S4：将所述工作流与所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项；
步骤S5：根据所述工作流的适配因素项执行专家决策调度，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令；
步骤S4包括：根据工作流中的每一个作业任务单元，确定与该作业任务单元相关的工作场景模式、工作环境参数以及机器人自身状态信息的因素集合；根据作业任务单元属性槽位中的属性赋值，评估所述因素集合中每个因素的适配度；根据所述因素集合中每个因素的适配度，加和确定对作业任务单元的适配度。
2.根据权利要求1所述的基于边缘计算的机器人任务解析方法，其特征在于，步骤S2包括：根据基本任务项中的服务请求类型，调用预设的工作流模板；根据所述服务请求位置以及服务描述信息，对工作流模板中的作业任务单元原型进行赋值；进而，对赋值后的作业任务单元进行时序性排列。
3.根据权利要求2所述的基于边缘计算的机器人任务解析方法，其特征在于，步骤S3包括：通过智能机器人搭载的激光雷达、视觉摄像头、测距仪设备，实现点云数据、视觉数据、空间数据的感知，并利用目标提取和识别技术，进行空间目标的类型、尺寸、相对位置、空间面积、空间结构场景特征的分析识别；进而，根据实时所在空间范围内的场景特征，确定工作场景模式；
以及，利用智能机器人自身搭载的传感器，以及利用NFC通信从工作场所布设的传感器网络当中，获得工作环境参数。
4.根据权利要求1所述的基于边缘计算的机器人任务解析方法，其特征在于，步骤S5包括：采用基于BP神经网络的架构，针对工作流全部作业任务单元的总体适配度组成的输入量，决策该工作流中各个作业任务单元的是否予以执行。
5.一种基于边缘计算的机器人任务解析系统，包括：云端后台服务器以及边缘侧的智能机器人；其特征在于：
所述云端后台服务器用于向系统边缘侧的智能机器人下达基本任务项；
所述智能机器人包括：工作流转化单元、场景环境感知单元、机器人自检单元、工作流适配单元、决策调度器；
其中，所述工作流转化单元，用于将所述基本任务项转化为工作流，所述工作流由时序性的作业任务单元组成；
场景环境感知单元，通过智能机器人感知识别工作场景模式和工作环境参数；
机器人自检单元，用于检测智能机器人自身状态信息；
工作流适配单元，用于将所述工作流与所述工作场景模式、工作环境参数、机器人自身状态信息进行适配，生成所述工作流的适配因素项；
决策调度器，根据所述工作流的适配因素项执行专家决策调度，基于专家决策对时序性的作业任务单元进行执行调度，向智能机器人下达动作和功能控制指令；
所述工作流适配单元根据工作流中的每一个作业任务单元，确定与该作业任务单元相关的工作场景模式、工作环境参数以及机器人自身状态信息的因素集合；根据作业任务单元属性槽位中的属性赋值，评估所述因素集合中每个因素的适配度；根据所述因素集合中每个因素的适配度，加和确定对作业任务单元的适配度。
6.根据权利要求5所述的基于边缘计算的机器人任务解析系统，其特征在于，所述工作流转化单元根据基本任务项中的服务请求类型，调用预设的工作流模板；根据所述服务请求位置以及服务描述信息，对工作流模板中的作业任务单元原型进行赋值；进而，对赋值后的作业任务单元进行时序性排列。
7.根据权利要求6所述的基于边缘计算的机器人任务解析系统，其特征在于，所述场景环境感知单元通过智能机器人搭载的激光雷达、视觉摄像头、测距仪设备，实现点云数据、视觉数据、空间数据的感知，并利用目标提取和识别技术，进行空间目标的类型、尺寸、相对位置、空间面积、空间结构场景特征的分析识别；进而，根据实时所在空间范围内的场景特征，确定工作场景模式；以及，利用智能机器人自身搭载的传感器，以及利用NFC通信从工作场所布设的传感器网络当中，获得工作环境参数。
8.根据权利要求5所述的基于边缘计算的机器人任务解析系统，其特征在于，所述决策调度器采用基于BP神经网络的架构，针对工作流全部作业任务单元的总体适配度组成的输入量，决策该工作流中各个作业任务单元的是否予以执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111669302.4A CN114493164B (zh) | 2021-12-30 | 2021-12-30 | 基于边缘计算的机器人任务解析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111669302.4A CN114493164B (zh) | 2021-12-30 | 2021-12-30 | 基于边缘计算的机器人任务解析方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114493164A CN114493164A (zh) | 2022-05-13 |
| CN114493164B true CN114493164B (zh) | 2024-04-09 |
Family
ID=81508978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111669302.4A Active CN114493164B (zh) | 2021-12-30 | 2021-12-30 | 基于边缘计算的机器人任务解析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114493164B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116880555B (zh) * | 2023-07-21 | 2024-07-23 | 河南天腾航空科技有限公司 | 一种基于边缘计算的无人机机群调度系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145100A (zh) * | 2018-08-24 | 2019-01-04 | 深圳追科技有限公司 | 一种可定制化流程的任务型客服机器人系统及其工作方法 |
| CN109623843A (zh) * | 2019-01-22 | 2019-04-16 | 重庆众兄共创科技有限公司 | 基于云计算智能决策算法的家庭智能服务机器人 |
| CN109746918A (zh) * | 2019-02-14 | 2019-05-14 | 中山大学 | 一种联合优化的云机器人系统延时的优化方法 |
| CN110308753A (zh) * | 2019-06-06 | 2019-10-08 | 上海交通大学 | 一种智能农业机器人云控制系统及方法 |
| CN111222793A (zh) * | 2020-01-08 | 2020-06-02 | 北京仿真中心 | 一种数据交互方法和系统 |
| CN111273892A (zh) * | 2020-02-13 | 2020-06-12 | 济南浪潮高新科技投资发展有限公司 | 一种基于云端技术和边缘计算实现智能机器人的方法 |
| CN111352713A (zh) * | 2020-02-26 | 2020-06-30 | 福建师范大学 | 边缘环境面向时延优化的自动驾驶推理任务工作流调度方法 |
| CN112099510A (zh) * | 2020-09-25 | 2020-12-18 | 东南大学 | 一种基于端边云协同的智能体控制方法 |
| CN112732450A (zh) * | 2021-01-22 | 2021-04-30 | 清华大学 | 端-边-云协同框架下的机器人知识图谱生成系统及方法 |
| CN113085618A (zh) * | 2021-05-18 | 2021-07-09 | 上海交通大学宁波人工智能研究院 | 一种分离式充电机器人及充电方法 |
| CN113395679A (zh) * | 2021-05-25 | 2021-09-14 | 安徽大学 | 一种无人机边缘服务器的资源和任务分配优化系统 |
| CN113535766A (zh) * | 2021-08-04 | 2021-10-22 | 城云科技（中国）有限公司 | 作业流配置方法、装置、电子装置及存储介质 |
| CN113568747A (zh) * | 2021-07-27 | 2021-10-29 | 上海交通大学 | 基于任务分类与时序预测的云机器人资源调度方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10169884B2 (en) * | 2017-01-03 | 2019-01-01 | International Business Machines Corporation | Image-based device configuration |
-
2021
- 2021-12-30 CN CN202111669302.4A patent/CN114493164B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109145100A (zh) * | 2018-08-24 | 2019-01-04 | 深圳追科技有限公司 | 一种可定制化流程的任务型客服机器人系统及其工作方法 |
| CN109623843A (zh) * | 2019-01-22 | 2019-04-16 | 重庆众兄共创科技有限公司 | 基于云计算智能决策算法的家庭智能服务机器人 |
| CN109746918A (zh) * | 2019-02-14 | 2019-05-14 | 中山大学 | 一种联合优化的云机器人系统延时的优化方法 |
| CN110308753A (zh) * | 2019-06-06 | 2019-10-08 | 上海交通大学 | 一种智能农业机器人云控制系统及方法 |
| CN111222793A (zh) * | 2020-01-08 | 2020-06-02 | 北京仿真中心 | 一种数据交互方法和系统 |
| CN111273892A (zh) * | 2020-02-13 | 2020-06-12 | 济南浪潮高新科技投资发展有限公司 | 一种基于云端技术和边缘计算实现智能机器人的方法 |
| CN111352713A (zh) * | 2020-02-26 | 2020-06-30 | 福建师范大学 | 边缘环境面向时延优化的自动驾驶推理任务工作流调度方法 |
| CN112099510A (zh) * | 2020-09-25 | 2020-12-18 | 东南大学 | 一种基于端边云协同的智能体控制方法 |
| CN112732450A (zh) * | 2021-01-22 | 2021-04-30 | 清华大学 | 端-边-云协同框架下的机器人知识图谱生成系统及方法 |
| CN113085618A (zh) * | 2021-05-18 | 2021-07-09 | 上海交通大学宁波人工智能研究院 | 一种分离式充电机器人及充电方法 |
| CN113395679A (zh) * | 2021-05-25 | 2021-09-14 | 安徽大学 | 一种无人机边缘服务器的资源和任务分配优化系统 |
| CN113568747A (zh) * | 2021-07-27 | 2021-10-29 | 上海交通大学 | 基于任务分类与时序预测的云机器人资源调度方法及系统 |
| CN113535766A (zh) * | 2021-08-04 | 2021-10-22 | 城云科技（中国）有限公司 | 作业流配置方法、装置、电子装置及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| 5G边缘计算环境下工作流任务的卸载策略;葛海波 等;《传感器与微系统》;20200723;第39卷(第8期);第130-133, 137页 * |
| A Thing-Edge-Cloud Collaborative Computing Decision-Making Method for Personalized Customization Production;Chun Jiang 等;《IEEE Access》;20210108;第9卷;第10962-10973页 * |
| Robotic Edge Resource Allocation for Agricultural Cyber-Physical System;Mahbuba Afrin 等;《IEEE Transactions on Network Science and Engineering》;20210810;第9卷(第6期);第3979 -3990页 * |
| 基于博弈论的云机器人计算卸载策略研究;杨卫霞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20210415(第4期);第I140-220页 * |
| 无人飞行器集群智能调度技术综述;杜永浩 等;《自动化学报》;20190414;第46卷(第2期);第222-241页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114493164A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111656296B (zh) | 用于机器人自主运动规划和导航的系统和方法 | |
| Samadi et al. | Global path planning for autonomous mobile robot using genetic algorithm | |
| KR102522951B1 (ko) | 세정 장치들의 제어 방법 | |
| Tan et al. | Toward a framework for robot-inclusive environments | |
| US20200276699A1 (en) | Method for operating a robot in a multi-agent system, robot, and multi-agent system | |
| CN113657565A (zh) | 机器人跨楼层移动方法、装置、机器人及云端服务器 | |
| CN114493164B (zh) | 基于边缘计算的机器人任务解析方法和系统 | |
| Jeon et al. | Multi-robot task allocation for real-time hospital logistics | |
| US20220281106A1 (en) | Control platform, control system, service providing system, service providing method, and control method | |
| TW201816363A (zh) | 導航資料產生方法及相關設備、物體運送方法及相關設備 | |
| CN112327828A (zh) | 路径规划方法、装置及计算机可读存储介质 | |
| Naveen et al. | Wireless and Solar-Powered Multipurpose Robot for Industrial Automation: A Sustainable Solution | |
| Safin et al. | Modelling a turtlebot3 based delivery system for a smart hospital in gazebo | |
| US20240182282A1 (en) | Hybrid autonomous system and human integration system and method | |
| Krupitzer et al. | RoCoSys: A framework for coordination of mobile IoT devices | |
| Liu et al. | An application of charging management for mobile robot transportation in laboratory environments | |
| Löcklin et al. | Trajectory Prediction of Moving Workers for Autonomous Mobile Robots on the Shop Floor | |
| CA3137337A1 (en) | AUTONOMOUS CLEANING ROBOT | |
| JP2021196487A (ja) | 地図変換システム、及び地図変換プログラム | |
| JP2021165875A (ja) | 制御プラットフォーム及び制御方法 | |
| JP2022013117A (ja) | 経路策定システム、移動ロボット、経路策定プログラムおよび移動ロボットの制御プログラム | |
| Rivas et al. | Auction model for transport order assignment in AGV systems | |
| Heikkilä et al. | Entropy-based coordination for maintenance tasks of an autonomous mobile robot system | |
| Shuhua et al. | Research on the order picking optimization problem of the automated warehouse | |
| Waqas et al. | Development of localization-based waiter robot using RP-LIDAR |
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 |