基于ROS的云机器人服务框架

随着机器人技术的发展和硬件的普及,机器人的市场应用前景越来越广泛.但是,目前的机器人仍存在着许多局限,具体表现为可移植性弱,本地计算成本高,服务应用较少等.云机器人的提出,将机器人的计算能力从本地迁移到云端,不但提高了机器人的计算能力,降低了机器人硬件成本,而且能使资源的分配更为均衡,为解决机器人发展面临的困难提供了有效的解决途径.在云机器人的基础思想之上,提出一种基于ROS的云机器人服务框架.该服务框架使用开源的机器人操作系统ROS作为机器人运行的基础,增强了其对于不同硬件和软件环境的可移植性.同时,在框架的云端部分加入了机器人的服务管理系统和服务解析模块,能够方便快速地对机器人服务进行扩展和调用.在最后的实验部分,通过人脸识别服务模块对云机器人服务框架进行了实验验证.     

面向服务机器人的智能环境服务构件开发方法

针对服务机器人应用需要,引入基于构件的开发方法,设计了一种支持和增强服务机器人功能的智能环境服务构件系统.制定了服务构件的基本组成结构与交互模式,实现了机器人的跨平台服务调用,有效解决了资源多样异构性带来的问题.服务构件将资源辅助功能封装成共享服务,借助智能环境通信网络,基于规范的服务接口和说明,提供开放的服务访问和调用.它可以被独立地部署并由第三方任意组合应用.本文分别从辅助资源端和服务机器人客户端出发,详细论述了应用web service(WS)中间件技术开发服务构件和服务调用程序的基本原理,并给出了实验验证.     

智能机器人服务环境下传感数据映射及服务组合方法研究

为了提高传感器数据信息可利用性和机器人服务的智能性,针对动态异构智能空间提出基于SSN(语义传感器网络)本体的传感器数据映射方法和Web服务组合方法.首先,利用SSN本体技术建立智能空间中的传感器数据本体模型,通过传感器标注和语义映射语言(SASML)自动将动态传感器数据映射进SSN本体文件,实现物理-信息的转换.在此基础上,利用面向服务计算的思想,采用Web服务技术将空间设备功能封装成统一的接口,建立智能空间服务模型.最后,采用无回溯反向链(NBBC)算法实现动态Web服务组合,以实现提供复杂服务的能力.智能空间背景下的系统运行实验结果表明,构建的SSN本体模型能够有效融合传感器数据信息,实现的服务组合算法能够将单个简单服务组件组合成具有复杂功能的服务序列,从而进一步提高机器人服务的智能性.     

服务机器人智能空间软件平台设计与实现——基于UPnP中间件技术

服务机器人与智能空间技术相结合的方法可以扩展机器人的感知和决策能力,减轻其负担。基于UPnP中间件技术搭建了服务机器人智能空间软件平台,采用面向服务架构设计结合多智能体的应用构造模式,以服务为基本单元完成多种智能设备和机器人的实现,并设计中心管理节点对服务机器人智能空间进行全局调度和操作。实验表明,服务机器人智能空间软件平台具有性能稳定、动态自适应性高、设备间耦合度低、可扩展性强等特点,为服务机器人智能空间更深入的研究和推广实用化打下较好的基础。     

基于网络的Context Aware智能控制系统

提出一种基于网络的Context Aware智能控制系统的体系结构、Context任务控制管理模型。系统将机器人作为Context Aware智能系统的智能接口。通过对Java JINI的服务查找机制进行修改,增强了JINI的服务查找、分发机制,使得系统可以通过综合分析服务提供者当前状态、服务申请者的状态、系统当前的性能以及Context感知信息,经模糊决策,通过”Pull”方式,或“Push”方式给服务申请者(或第三方用户)提供所需的服务。最后对系统性能进行分析。一个应用实例说明Context Aware智能控制系统的应用。     

基于IHDR算法和BP神经网络复合框架的机器人服务自主认知和发育系统

为了解决传统的基于知识或基于学习的机器人服务认知机制的智能性和普适性较差的问题,构建了一个基于IHDR(增量分层判别回归)算法和BP(反向传播)神经网络复合框架的机器人服务任务自主认知和自主发育系统.在家庭服务机器人智能空间中丰富的传感器和物联网技术的支持下,采集大量用于机器人学习和发育的样本数据;在此基础上,针对智能空间样本数据的混合特性,设计改进的IHDR算法,实现对混合型样本数据的聚类更新和响应计算,并将生成的IHDR树作为机器人存储历史经验的"大脑",使机器人能够利用"大脑"中已有的经验进行自主学习和相应判断,以实现对服务的自主认知;利用JSHOP2(Java simple hierarchical planner)规划器对认知的复杂任务进行分解,得到可被机器人直接执行的原子任务.为了避免IHDR树规模不足的局限性,设计基于BP神经网络的服务认知算法,利用样本数据训练BP神经网络,实现智能空间实际场景到用户所需服务的映射,在IHDR树无法提供历史经验的情况下,使机器人仍能基于BP神经网络自主进行服务决策.然后将此映射结果以增量的方式更新到IHDR树中,丰富其具备的经验知识,实现机器人服务自主认知能力的发育.仿真实验结果表明,该复合框架可以有效提高服务机器人对智能空间情景下用户所需服务的认知准确性及认知发育能力,推进人机共融的实现.     

基于情感-时空信息的机器人服务自主认知及个性化选择

为了提高机器人的人机交互能力,针对家庭服务机器人在认知服务任务时往往忽略用户情感因素的弊端,提出了以用户情感为核心的机器人服务任务自主认知方法以及个性化服务选择策略.首先,利用智能空间本体技术结合用户情感状态与时间空间信息建立情感-时空本体模型,消除智能空间中的信息异构性.在此基础上,将与情感-时空相关的服务规则库编码并训练BP（逆向传播）神经网络构建推理机,将实时更新的智能空间信息与神经网络相匹配,推理出机器人需要执行的服务,实现机器人对以用户情感为核心的服务任务自主认知.最后,将用户情感状态作为执行服务的奖惩反馈信号,对服务集合中的子类服务进行动态的偏好度调节,完成有针对性的服务选择.仿真结果表明,基于该方法能够实现以用户情感为核心的机器人服务任务自主认知,同时可以根据用户偏好变化提供个性化的服务,有效提高了家庭服务机器人的智能性和灵活性,增强了用户的服务体验.     

智能体Petri网融合的多机器人?多任务协调框架

为解决异构的服务机器人团队为多位老人服务时的协调问题以及在此过程中如何最大化老人的总体满意度, 提出了一种服务于多人的多机器人?多任务协调框架. 首先, 结合时延Petri网和颜色Petri网提出了可扩展时延?颜色Petri网(Scalable timed-colored Petri net, STdCPN)对养老院情境下服务机器人照顾老人的过程进行建模. 然后, 将老人的感受和情绪作为机器人照顾老人时的重要指标, 构建了服务对象满意度模型. 最后, 设计智能体来实现该协调框架的调度, 该智能体通过考虑老人“个人因素” 和机器人的实时状态、位置等信息来对任务进行合理的规划调度, 使机器人帮助老人完成任务的同时, 最大化老人总体满意度.     

云计算下多源信息资源云服务模型可信保障机制的研究

针对云计算环境下多源信息资源云服务模型在复杂异构的云网络下存在安全、容错、监管等可信性问题,以及现存保障机制缺乏普适性和独立性,提出一种能从制度上保证服务监管的第三方可信保障机制.分析比对多种信息资源服务模式,将可信性机理、信誉评估、云端访问加密等技术融合,引入第三方信任平台,设计第三方监管角色,搭建独立于服务过程之外的第三方可信保障机制,并设立访问控制模型保障其自身可信性.通过构建商务领域下的应用示例平台,表明该保障机制能充分考虑云计算环境下多源信息资源服务体系中的共性问题,能面向不同应用领域,适用于各种不同类型信息服务应用,具有一定的普适性.     

服务机器人云平台服务质量指标体系综述

服务机器人的诞生丰富了人们的生活,并且随着大数据、云计算等技术的迅速发展,服务机器人连接云平台并从中调取算法服务已经能够实现,云服务机器人已然成为服务机器人的重点研究方向之一,而服务机器人云平台作为云服务机器人的云端服务平台有着重要的作用,需要对服务机器人云平台服务质量进行全面地评估,使服务机器人云平台能够和云服务机器人更好地结合。对服务机器人云平台服务质量指标体系进行综述,分别从软件QOS指标、网络QOS指标、服务机器人QOS指标三方面展开研究,并对三方面指标内容进行总结分析,得出一种服务机器人云平台服务质量指标体系,通过该体系能够对目前的服务机器人云平台以及相关云服务机器人的服务质量进行较为全面地评估,对该体系的未来发展进行展望。     

养老服务机器人的技术发展趋势

随着人工智能,无线网络,云计算的发展,服务机器人已经进入快速发展阶段。我国已经进入老龄化社会,服务机器人成为缓解社会压力,推动科技发展的关键技术和社会热点。它给出了基于云计算的服务机器人基本概念、体系结构及关键技术,重点阐述了人机交互技术在机器人拟“人”化的实现过程,分析了养老服务机器人未来发展社会、政策及技术方面的支持与保障,总结了制约云机器人发展的障碍和改善方法。     

Reusable robot system for display and disposal tasks at convenience stores based on a SysML model and RT Middleware

Service robots are increasingly being expected to replace human labor; however, in practical settings, these robots have not been fully utilized, partly because the applications that service robots are expected are quite broad. Suitable hardware and software should be developed in order to cope with a wide variety of applications. Ideally, these resources should be developed using common hardware and software platforms are required. Middleware platforms for robotics software, such as ROS and RT Middleware, have already been developed. However, these platforms still face reusability problems due to the inconsistency present in system architectures. Systems are typically assumed to be reused with a given architecture, and if the user-side software architecture is inconsistent with this assumption, the system's reusability suffers. To address this issue, we propose a procedure for optimizing system development using SysML. In this study, our robot system is designed to complete a display disposal tasks in a convenience store; we verify the validity of the robot system using this task. In addition, to verify the reusability of the developed robot system, we employ system functions developed for another task and demonstrate their reuse and operation.     

Inferring user intent to interact with a public service robot using bimodal information analysis

ABSTRACT

Achieving polite service with a public service robot requires it to proactively ascertain who will interact with it in human-populated environments. Enlightened by interactive inference of intentions among humans, we investigate a novel and practical interactive intention-predicting method for people using bimodal information analysis for a public service robot. Different from the traditional research, only the visual cues are used to analyze the user's attention, this method combines the RGB-D camera and laser information to perceive the user, which realizes the 360-degree range perception, and compensates for the lack of perspective using the RGB-D camera. In addition, seven kinds of interactive intent features were extracted, and a random forest regression model was trained to score the interaction intentions of the people in the field of view. Considering the inference order of two different sensors, a priority rule for intention inference is also designed. The algorithm is implemented into a robot operation system (ROS) and evaluated on our public service robot. Extensive experimental results illustrate that the proposed method enables public service robots to achieve a higher level of politeness than the traditional, passive interactivity approach in which robots wait for commands from users.     

A hardware intelligent processing accelerator for domestic service robots

ABSTRACT

We present a method for implementing hardware intelligent processing accelerator on domestic service robots. These domestic service robots support human life; therefore, they are required to recognize environments using intelligent processing. Moreover, the intelligent processing requires large computational resources. Therefore, standard personal computers (PCs) with robot middleware on the robots do not have enough resources for this intelligent processing. We propose a ‘connective object for middleware to an accelerator (COMTA),’ which is a system that integrates hardware intelligent processing accelerators and robot middleware. Herein, by constructing dedicated architecture digital circuits, field-programmable gate arrays (FPGAs) accelerate intelligent processing. In addition, the system can configure and access applications on hardware accelerators via a robot middleware space; consequently, robotic engineers do not require the knowledge of FPGAs. We conducted an experiment on the proposed system by utilizing a human-following application with image processing, which is commonly applied in the robots. Experimental results demonstrated that the proposed system can be automatically constructed from a single-configuration file on the robot middleware and can execute the application 5.2 times more efficiently than an ordinary PC.     

Peer to peer trade in HTM5 meta model for agent oriented cloud robotic systems

Cloud computing is a methodology and not a technology. Adaptation of cloud computing services for robotic applications is relatively straightforward while adaptation of underlying ideas will require a new design attitude. Cloud computing is a cost-effective and dynamic business model. Currently cloud robotics is understood as a client server methodology which enables robots utilize resources and services placed at centralized servers. These cloud servers treat robots as any other client computer offering them platform, infrastructure, process or algorithm as a service. HTM5 is an OMG MDA based multi-view meta-model for agent oriented development of cloud robotic systems. HTM5 encourages design of peer-to-peer service ecosystems based on an open registry and matchmaking mechanism. In peer-to-peer cloud robotics, a robot can trade its hardware, software and functional resources as a service to other robots in the ecosystem. The peer-to-peer trade in such systems may be driven by contracts and relationships between its member agents. This article discusses trade-view model of HTM5 methodology and its use in developing a cloud robotic ecosystem that implements peer-to-peer, contract based economy. The article also presents a case study with experiments that implement distributed artificial intelligence and peer-to-peer service oriented trade on simulated and real robot colonies.     

基于云平台的智能语音交互机器人设计

现有的语音交互机器人多采用用户提问、机器人回答的单向交流方式,人机交互的智能性和灵活性较差。本文研究运用树莓派(Raspberry Pi)计算机和配套的语音板作为硬件载体,融合语音唤醒、语音识别、语音合成、自然语言处理等人工智能技术,调用科大讯飞开放云平台、在线图灵机器人,搭建一种基于云平台的智能语音交互机器人系统,并结合自主开发的本地知识库和问题库,使智能语音交互机器人能够根据不同环境与任务需求实现双向互动交流,实现由机器人采集信息和交流反馈,以提供高适应性的无接触人机语音交互服务。     

基于RGB-D信息的移动机器人SLAM和路径规划方法研究与实现

移动机器人在各种辅助任务中需具备自主定位、建图、路径规划与运动控制的能力。本文利用RGB-D信息和ORB-SLAM算法进行自主定位,结合点云数据和GMapping算法建立环境栅格地图,基于二次规划方法进行平滑可解析的路径规划,并设计非线性控制器,实现了由一个运动底盘、一个RGB-D传感器和一个运算平台组成的自主移动机器人系统。经实验验证,这一系统实现了复杂室内环境下的实时定位与建图、自主移动和障碍物规避。由此,为移动机器人的推广应用提供了一个硬件结构简单、性能良好、易扩展、经济性好、开发维护方便的解决方案。