面向移动性的云机器人计算卸载与任务分配方法研究

The future of robots is moving towards compactness, low cost and multi-tasks. The limited onboard computational capacity of small robots can not meet our expectation for them to undertake complex tasks. Cloud robotics, a novel way to provide small robot almost unlimited resources with respect to data and process, quickly became the most important solution to this problem. Based on the applicant’s previous research experiences in both robotics and cloud computing, this project will focus on the architecture and key technologies of mobility-oriented cloud robotic platform: first, we will propose a cross-layer resources normalization model and inter-operation model; second, based on the models, we will utilize some technics such as distributed action algorithm and multi-properties planning to design and improve algorithms for computation offloading and task assignment of cloud robot platform with multiple robots; finally, we will profoundly analyse the network problems in cloud robotics, and design a cross-layer network optimization methods to support the applications in cloud robotic platform. Utilizing our Aneka Cloud Platform and RoboSen multi-robot platform, we will develop a cloud robotic platform to validate our proposed technologies and provide a unified solution in architecture level, fundamental level, as well as technical level to the research community of cloud robotics.

随着机器人向集约化、低成本、多任务的方向发展，人类对机器人功能及性能的期望与其本体有限的板载处理能力之间的矛盾愈演愈烈。云机器人的诞生，使机器人节点可以实时利用云计算平台的资源和数据扩展自己的能力，从而成为了解决上述矛盾的有效手段。结合申请人在多机器人系统和云计算领域的研究基础，本项目将深入分析并解决面向移动性的云机器人平台体系架构及关键技术问题：首先，在充分考虑节点移动性的基础上提出云机器人跨层次资源归一化模型和互操作模型；其次，利用分布式拍卖算法以及多属性规划等理论和方法设计移动云机器人系统计算卸载与任务分配优化算法；最后，深入分析移动云机器人平台网络架构，提出跨层次网络优化方法，为云机器人平台提供良好支撑。本项目将基于课题组已建立的Aneka云计算平台和RoboSen多机器人平台开发云机器人系统并进行实验验证，为面向移动性的云机器人系统研究提供架构、理论基础和应用层面的解决方案。

随着人工智能相关技术的不断发展，人类对机器人功能及性能的期望与其本体有限的板载处理能力之间的矛盾愈演愈烈。云机器人的诞生，使机器人节点可以实时利用云计算平台的资源和数据扩展自己的能力，从而成为了解决上述矛盾的有效手段。然而，已有的云机器人系统大多集中在云端智能的研究，如何优化云机器人网络架构使其能够从底层保障机器人的协同协作，任务分配和实时交互尚有待研究。鉴于以上分析，本课题在以下方面进行了深入研究：1）充分考虑云机器人系统异构性，提出云机器人跨层次资源归一化模型和QoS量化指标体系，为计算卸载与任务分配提供量化指标和理论依据；2）基于所提出的资源模型，提出了能耗敏感的云机器人计算卸载策略，显著提升了任务执行效率与网络生存时间；并进一步提出了QoS服务保障的云机器人任务分配机制，实现了资源的弹性调度；3）面向云机器人系统的移动性，提出了基于连通支配集骨干网的云机器人网络架构构建方法，并给出了网络资源预分配方法，为云机器人系统提供了稳定、强健、快速的网络架构；4）开展了面向云机器人系统的智能化应用研究，以SLAM和图像识别为典型范例，分别给出了其云机器人系统实现方案，实现了智能化应用在低成本机器人上的部署,为云机器人系统提供了一整套从架构、理论基础到应用层面的解决方案。