CN210161164U - 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢 - Google Patents

仿人脑机器人控制中枢及仿人脑行走机器人控制中枢 Download PDF

Info

Publication number
CN210161164U
CN210161164U CN201920315455.0U CN201920315455U CN210161164U CN 210161164 U CN210161164 U CN 210161164U CN 201920315455 U CN201920315455 U CN 201920315455U CN 210161164 U CN210161164 U CN 210161164U
Authority
CN
China
Prior art keywords
area
module
brain
core
imitating
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
CN201920315455.0U
Other languages
English (en)
Inventor
张建政
吴强
董易
杨明伦
黄迅
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.)
Shanghai Haozhi Intelligent Technology Co Ltd
Original Assignee
Shanghai Haozhi Intelligent Technology Co Ltd
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 Shanghai Haozhi Intelligent Technology Co Ltd filed Critical Shanghai Haozhi Intelligent Technology Co Ltd
Priority to CN201920315455.0U priority Critical patent/CN210161164U/zh
Application granted granted Critical
Publication of CN210161164U publication Critical patent/CN210161164U/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Manipulator (AREA)

Abstract

本实用新型提供了仿人脑机器人控制中枢及仿人脑行走机器人控制中枢,用于解决现有技术中机器人控制系统在硬件和软件上不区分功能区,对计算任务、计算资源分配不清导致运行缓慢、容易出错、各功能升级更新困难、难以添加新功能的技术问题,仿人脑机器人控制中枢包括:仿大脑模块、仿小脑模块、仿脑干模块;仿大脑模块按功能分为多个功能区;仿小脑模块包括运动指令生成区;仿人脑行走机器人控制中枢包括:仿大脑模块,仿脑干模块,仿小脑模块;其中,仿大脑模块按功能分为核心运算区、智能视觉区和路径规划防碰撞区;实施本实用新型的技术方案,有效利用机器人计算资源、反馈时间短、维护升级成本低、可实现无条件反射功能。

Description

仿人脑机器人控制中枢及仿人脑行走机器人控制中枢
技术领域
本实用新型属于自动化控制领域,涉及仿人脑机器人控制中枢及仿人脑行走机器人控制中枢。
背景技术
尽管在控制技术发展过程中,各种先进技术层出不穷,但是人类大脑是迄今为止仍然是公认的最优秀的控制系统。探索人脑的构造,使之造福于人类一直是技术领域孜孜以求的目标。从古至今,虽然每个人类个体千差万别,但是人类大脑构造并没有太大区别。事实上,以亿计数的每个人,尽管他们的脾气秉性和处理问题的方式可能大相径庭,但是大脑的构造几乎相同,大脑中不同功能区域控制的人体功能也几乎相同。目前大部分的控制系统设计出发点还是从应用角度出发,来设计满足使用需求的控制器,因此不同控制领域控制器也是多种多样,难以统一到一个框架之内。
因此需要一种适用场景光、反馈速度快、功能多的类人脑机器人控制中枢。
实用新型内容
为了解决上述技术问题,本实用新型中披露了仿人脑机器人控制中枢及仿人脑行走机器人控制中枢,本实用新型的技术方案是这样实施的:
一种仿人脑机器人控制中枢,包括:仿大脑模块、仿小脑模块和仿脑干模块;其中,所述仿大脑模块按功能分为多个功能区,每个功能区包括一个或多个片体核,所述多个功能区之间并行工作,彼此交互;所述仿小脑模块包括运动指令生成区,所述运动指令生成区包括一个或多个片体核,所述仿小脑模块从所述仿大脑模块和/或所述仿脑干模块读取信号,并发送运动指令至所述仿脑干模块;所述仿脑干模块包括交互区和控制总线,所述交互区与所述仿大脑模块、所述仿小脑模块连接并进行数据交互,所述控制总线连接所述交互区和外部机器人设备。
优选地,所述片体核为选自CPU核、GPU核、ASIC核、DSP核、ARM核、LAN 核、LEX核、MSC核、SAF核中的一个或多个。
优选地,所述功能区包括多个片体核,所述多个片体核的组合方式包括:现场可编程门阵列FPGA组合、片上系统SoC组合和片上网络NoC组合中的一个或多个。
优选地,所述功能区包括视觉分析区,所述视觉分析区包括GPU核。
优选地,所述交互区包括存储器,所述功能区不设有存储器。
一种仿人脑行走机器人控制中枢,包括:仿大脑模块,所述仿大脑模块按功能分为核心运算区、智能视觉区和路径规划防碰撞区;所述核心运算区、智能视觉区和路径规划防碰撞区并行工作,彼此交互;所述核心运算区包括CPU核;所述智能视觉区包括GPU核;所述路径规划防碰撞区包括CPU核;仿小脑模块,包括行走区,所述行走区包括MSC核;仿脑干模块,包括交互区和控制总线,所述交互区与所述核心运算区、所述智能视觉区、所述路径规划防碰撞区和所述行走区连接并进行数据交互;所述控制总线连接所述交互区和机器人运动模块、机器人视觉模块。
优选地,所述交互区包括存储器;所述核心运算区、所述智能视觉区、所述路径规划防碰撞区和所述行走区不包括存储器。
优选地,所述仿大脑模块还包括迭代学习模块,所述迭代学习模块包括人工智能算法核。
实施本实用新型的技术方案可解决现有技术中机器人控制系统在硬件和软件上不区分功能区,对计算任务、计算资源分配不清导致运行缓慢、容易出错、各功能升级更新困难、难以添加新功能的技术问题;实施本实用新型的技术方案,设置仿大脑模块,并设置独立工作的不同功能区,并在硬件和软件系统上根据功能区加以区分,有效利用机器人的计算资源,简化各功能区程序的复杂程度、实现各功能区的独立高效工作,缩短机器人的反馈时间;各功能区独立编程、便于升级和维护;每个功能区包含一个或多个各类片体核,片体核采取不同拓扑构架,增加兼容性;仿人脑模块、仿小脑模块和仿脑干模块可以互相交互,使机器人具有无条件反射功能。
附图说明
为了更清楚地说明本实用新型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实用新型的一种实施例,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为本实用新型的实施例1的系统结构示意图;
图2为本实用新型的实施例1和实施例4的功能区结构示意图;
图3为本实用新型的实施例2的功能区结构示意图;
图4为本实用新型的实施例3的功能区结构示意图;
图5为本实用新型的实施例4的系统结构示意图。
在上述附图中,各图号标记分别表示:
1-仿大脑模块;2-片体核;3-仿小脑模块;4-交互区;5-控制总线;6-功能区;7-视觉分析区;8-存储器;9-核心运算区;10-智能视觉区;11-路径规划防碰撞区;12-行走区;13-迭代学习模块;14-外部机器人设备;15-仿脑干模块;16-运动指令生成区;17-机器人运动模块;18-机器人视觉模块。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型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实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,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,都属于本实用新型保护的范围。
实施例1
一种仿人脑机器人控制中枢,如图1和图2所示,包括:仿大脑模块1、仿小脑模块3和仿脑干模块15;其中,仿大脑模块1按功能分为多个功能区6,每个功能区6包括一个或多个片体核2,多个功能区6之间并行工作,彼此交互;仿小脑模块3包括运动指令生成区16,运动指令生成区16包括一个或多个片体核2,仿小脑模块3从仿大脑模块1和/或仿脑干模块15读取信号,并发送运动指令至仿脑干模块15;仿脑干模块15包括交互区4和控制总线5,交互区4与仿大脑模块1、仿小脑模块3连接并进行数据交互,控制总线5连接交互区4和外部机器人设备14。
用户可以根据需要这是仿大脑模块1的功能,包括但不限于机器人的听觉、视觉、触觉、运动规划等功能中的一种或多种,类似人的大脑进行主要的数据处理工作。从硬件上区分各功能区,实现控制中枢对计算任务的精准分配,有效利用计算资源。多个功能区6之间可以进行核间通信,提高控制中枢整体的工作效率。用户可以根据机器人的适用场景设置合适的功能区6数量,并根据功能类型、功能的实现方式、成本控制等因素在各功能区6中设置不同的片体核2数量,以实现最优的控制效果。片体核2的数量可以作冗余设置,在正常工作时冗余设置的片体核2可以辅助运算以加快运算速度,或单独运算以提高控制效果的准确性;片体核2过载时,冗余设置的片体核2可以避免系统崩溃,提高机器人的可靠性;片体核2损坏时,冗余设置的片体核2可以使该功能区6保持正常运行,提高装置的可靠性。仿小脑模块3中的运动指令生成区16与伺服电机、步进电机、液压系统等外部机器人设备14交互,实现机器人运动,仿小脑模块3可以在收到仿大脑模块1的指令后开始工作,也可以根据仿脑干模块15传输来的传感器信号等数据快速反应,实现类似人类的非条件反射。
多个功能区6之间并行工作,可以独立完成计算任务,各个功能区6可以分别单独编程,简化每个功能区6的编程难度,便于用户对功能区6的控制程序进行修改或升级。此外,由于各功能区6在运行上互不影响,用户可以根据机器人的功能需要增加或减少功能区6,利于控制中枢未来扩展新功能,用户也可以根据需要减少无用的机器人功能区6,降低能耗。
多个片体核2间可以采取多种类型的拓扑架构,在该具体实施方式中,多个片体核2设置为总线型拓扑构架。对外接口可以设置为USB、RS-485通信接口以及其他常用接口,功能设备可以包括距离传感器、温度传感器、压力传感器等常用传感器、工业照相机、麦克风、按钮、键盘等常用输入设备、显示器、音响等输出设备以及机械手、伺服电机、步进电机等设备中的一种或几种。
在一种优选的实施方式中,如图1和图2所示,片体核2为选自CPU核、 GPU核、ASIC核、DSP核、ARM核、LAN核、LEX核、MSC核、SAF核中的一个或多个。用户可以根据机器人需要实现的功能选择合适的片体核2种类以及数量,以实现机器人的不同功能,包括但不限于语音识别、语音交互、机器人运动规划、机器人动作、姿态控制以及图像识别等功能中的一种或多种。
在一种优选的实施方式中,如图1和图2所示,功能区6包括多个片体核2,多个片体核2的组合方式包括:现场可编程门阵列FPGA组合、片上系统SoC组合和片上网络NoC组合中的一个或多个。FPGA为现场可编程门阵列,属于半定制电路,功能强大,并且用户可以在使用前对其根据需要进行编程,兼容性强;使用片上系统SoC组合,每个功能区6包括多个片体核2硬件并且完整嵌入了所有系统,可以直接使用,简化用户对片体核2的设置,并且利于用户对软件部分进行保护;NoC组合在SoC组合的基础上进行通信方式改变,设计中使用全局异步,局部同步的时钟机制,信息传输更为可靠。
在一种优选的实施方式中,如图1和图2所示,功能区6包括视觉分析区7,视觉分析区7包括GPU核。机器人可以设置相机,用以采集环境、目标的图像信息,图像信息传输至视觉分析区7,视觉分析区7的GPU可以对机器人采集的图像进行实时处理,通过颜色、形状等参数分析图像,进而使机器人具有人脸识别、道路识别、障碍物识别、物体识别等功能,以实现机器人的视觉功能。
在一种优选的实施方式中,如图1和图2所示,交互区4包括存储器8,功能区6不设有存储器8。存储器8设置在交互区4中,便于仿大脑模块1中的多个功能区6共用同一个存储器8,简化功能区6结构,降低控制中枢生产的难度和成本,并且易于更换新存储器8,从而进行维护和升级。
实施例2
一种仿人脑机器人控制中枢,与实施例1不同的是,如图3所示,功能区6 中各片体核2设置为交叉开关型拓扑架构。片体核2间进行信息交互,每个片体核2分配该功能区6的不同计算,提高功能区6运算速度,减少机器人的反馈时间,提升用户体验。
实施例3
一种仿人脑机器人控制中枢,与前述实施例不同的是,如图4所示,功能区 6中各片体核2设置为网络型,设置主片体核2,多个片体核2与一个主片体核2 交互。主片体核2对工作任务进行分配,自由调度多个片体核2,实现功能区6 的性能最大化。
实施例4
一种仿人脑行走机器人控制中枢,与实施例1不同的是,如图2和图5所示,包括:仿大脑模块1,仿大脑模块1按功能分为核心运算区9、智能视觉区10和路径规划防碰撞区11;核心运算区9、智能视觉区10和路径规划防碰撞区11并行工作,彼此交互;核心运算区9包括CPU核;智能视觉区10包括GPU核;路径规划防碰撞区11包括CPU核;仿小脑模块3,包括行走区12,行走区12包括 MSC核;仿脑干模块15,包括交互区4和控制总线5,交互区4与核心运算区9、智能视觉区10、路径规划防碰撞区11和行走区12连接并进行数据交互;控制总线5连接交互区4和机器人运动模块17、机器人视觉模块18。
在该具体实施方式中,机器人视觉模块18可以设置为包括普通照相机、红外相机、补光灯,用于拍摄图像并通过控制总线5传输至智能视觉区10,由智能视觉区10使用GPU核对图像进行处理,可以实现机器人的图像识别功能。智能视觉区10识别环境图像后,将结果传输至路径规划防碰撞区11;路径规划防碰撞区11根据环境图像判断道路,以此规划机器人的行走路径,并将规划的路径直接传输至仿小脑模块3或通过仿脑干模块15传输至仿小脑模块3,由行走区 12控制机器人的机器人运动模块17实现机器人的移动。若路径规划防碰撞区11 发现图像不合格,无法合理规划道路,则将图像不合格的信息传输智能视觉区10,由智能视觉区10控制机器人视觉模块18重新拍摄照片;核心运算区9可以用来处理用户输入的控制指令,并向其他功能区6发出控制指令。
在一种优选的实施方式中,如图2和图5所示,交互区4包括存储器8;核心运算区9、智能视觉区10、路径规划防碰撞区11和行走区12不包括存储器8。存储器8设置在交互区4便于仿大脑模块1中的多个功能区6共用同一个存储器 8,简化功能区6结构,降低控制中枢生产的难度和成本,并且易于更换新存储器8,降低装置的维护和升级成本。
在一种优选的实施方式中,如图2和图5所示,仿大脑模块1还包括迭代学习模块13,迭代学习模块13包括人工智能算法核。迭代学习模块13可以通过读取存储器8中不断变动的存储数据,并对其进行分析,根据图像路况、规划的路径、机器人行走是否错误碰撞障碍物等信息,判断路径规划的合理程度,并存储结果,作为未来机器人各功能区6的工作参考。
需要指出的是,以上所述仅为本实用新型的较佳实施例而已,并不用以限制本实用新型,凡在本实用新型的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实用新型的保护范围之内。

Claims (8)

1.一种仿人脑机器人控制中枢,其特征在于,包括:仿大脑模块、仿小脑模块和仿脑干模块;其中,
所述仿大脑模块按功能分为多个功能区,每个功能区包括一个或多个片体核,所述多个功能区之间并行工作,彼此交互;
所述仿小脑模块包括运动指令生成区,所述运动指令生成区包括一个或多个片体核,所述仿小脑模块从所述仿大脑模块和/或所述仿脑干模块读取信号,并发送运动指令至所述仿脑干模块;
所述仿脑干模块包括交互区和控制总线,所述交互区与所述仿大脑模块、所述仿小脑模块连接并进行数据交互,所述控制总线连接所述交互区和外部机器人设备。
2.根据权利要求1所述的一种仿人脑机器人控制中枢,其特征在于,所述片体核为选自CPU核、GPU核、ASIC核、DSP核、ARM核、LAN核、LEX核、MSC核、SAF核中的一个或多个。
3.根据权利要求2所述的一种仿人脑机器人控制中枢,其特征在于,所述功能区包括多个片体核,所述多个片体核的组合方式包括:现场可编程门阵列FPGA组合、片上系统SoC组合和片上网络NoC组合中的一个或多个。
4.根据权利要求3所述的一种仿人脑机器人控制中枢,其特征在于,所述功能区包括视觉分析区,所述视觉分析区包括GPU核。
5.根据权利要求4所述的一种仿人脑机器人控制中枢,其特征在于,所述交互区包括存储器,所述功能区不设有存储器。
6.一种仿人脑行走机器人控制中枢,其特征在于,包括:
仿大脑模块,所述仿大脑模块按功能分为核心运算区、智能视觉区和路径规划防碰撞区;所述核心运算区、智能视觉区和路径规划防碰撞区并行工作,彼此交互;所述核心运算区包括CPU核;所述智能视觉区包括GPU核;所述路径规划防碰撞区包括CPU核;
仿小脑模块,包括行走区,所述行走区包括MSC核;
仿脑干模块,包括交互区和控制总线,所述交互区与所述核心运算区、所述智能视觉区、所述路径规划防碰撞区和所述行走区连接并进行数据交互;所述控制总线连接所述交互区和机器人运动模块、机器人视觉模块。
7.根据权利要求6所述的一种仿人脑行走机器人控制中枢,其特征在于,所述交互区包括存储器;所述核心运算区、所述智能视觉区、所述路径规划防碰撞区和所述行走区不包括存储器。
8.根据权利要求7所述的一种仿人脑行走机器人控制中枢,其特征在于,所述仿大脑模块还包括迭代学习模块,所述迭代学习模块包括人工智能算法核。
CN201920315455.0U 2019-03-13 2019-03-13 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢 Active CN210161164U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201920315455.0U CN210161164U (zh) 2019-03-13 2019-03-13 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201920315455.0U CN210161164U (zh) 2019-03-13 2019-03-13 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢

Publications (1)

Publication Number Publication Date
CN210161164U true CN210161164U (zh) 2020-03-20

Family

ID=69788581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201920315455.0U Active CN210161164U (zh) 2019-03-13 2019-03-13 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢

Country Status (1)

Country Link
CN (1) CN210161164U (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109834713A (zh) * 2019-03-13 2019-06-04 上海飒智智能科技有限公司 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109834713A (zh) * 2019-03-13 2019-06-04 上海飒智智能科技有限公司 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢

Similar Documents

Publication Publication Date Title
US8996177B2 (en) Robotic training apparatus and methods
Castello et al. Adaptive foraging for simulated and real robotic swarms: the dynamical response threshold approach
JP4333364B2 (ja) ロボット装置、顔認識方法及び顔認識装置
US9412064B2 (en) Event-based communication in spiking neuron networks communicating a neural activity payload with an efficacy update
US20130325775A1 (en) Dynamically reconfigurable stochastic learning apparatus and methods
Lin et al. Evolutionary digital twin: A new approach for intelligent industrial product development
CN104899561A (zh) 一种并行化的人体行为识别方法
EP2014425B1 (en) Method and device for controlling a robot
CN110174891A (zh) 一种基于wifi无线通信的agv集群控制系统及方法
CN105500371A (zh) 服务机器人控制器及其控制方法
CN107247460A (zh) 一种机器蜜蜂的集群控制方法与系统
Wang et al. Research of UAV target detection and flight control based on deep learning
CN100565395C (zh) 可重构数字控制器的自治域系统
CN210161164U (zh) 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢
Wan et al. Robotic computing on fpgas: Current progress, research challenges, and opportunities
CN106375682A (zh) 影像处理方法、装置与可移动设备、无人机遥控器及系统
CN110262996A (zh) 一种基于高性能可重构计算的超级计算机
Calvaresi et al. A framework based on real-time os and multi-agents for intelligent autonomous robot competitions
CN109834713A (zh) 仿人脑机器人控制中枢及仿人脑行走机器人控制中枢
CN205334194U (zh) 一种基于可编程自动化控制器的机器人控制系统
CN112230618B (zh) 一种从全局任务自动合成多机器人分布式控制器的方法
Barman et al. Dynamite: A testbed for multiple mobile robots
Rodriguez et al. Embodied computing: self-adaptation in bio-inspired reconfigurable architectures
Morelli et al. A robotic vehicle testbench for the application of MBD-MDE development technologies
JP2005321954A (ja) ロボット装置、情報処理システム及び情報処理方法、並びにコンピュータ・プログラム

Legal Events

Date Code Title Description
GR01 Patent grant
GR01 Patent grant