服务机器人的产业化发展之路

引子——能"产业化"的服务机器人 服务机器人是一种半自主或者全自主工作的机器人,它能完成有益于人类的服务工作,但不包括从事生产的设备[1,2]. 能产业化的服务机器人大致可以分成两大类:一种是提供专业服务的机器人,包括各种现场操控机器人、医疗服务机器人、救援及安全机器人、公共服务机器人、军用机器人等等;另一种是家用服务机器人,包括提供家务服务、娱乐休闲服务、安全健康服务以及助老助残等服务的机器人.     

《服务机器人科技发展“十二五”专项规划》解读

问：什么是服务机器人？答：根据国际机器人联合会（International Federation of Robotics,IFR）的定义,服务机器人是一种半自主或全自主工作的机器人,它能帮助人类完成除生产制造加工过程以外的设备。服务机器人包括专用服务机器人（Professional Service Robot）和家用服务机器人（Domestic Use Robot）。其中专用服务机器人是指在特殊环境下作业的机器人,如核电站事故检测与处理机器人、极地科考机器人、反恐防暴机器人、军用机器人、救援机器人等;     

德国GMD研究所的服务机器人

今天,新一代的机器人正在进入我们的日常生活,这就是服务机器人。当今世界上大量使用的是工业机器人,它们从事着高速度高精度的单调的工作,而且只有训练有素的人才会操作它。而服务机器人则不同,它要与只有普通技术知识的人们合作。完成服务领域中各种各样的任务。因此要求它具有高度的灵活性,能够适应不断变化的条件。德国ＧＭＤ研究所的“阿里阿德纳”计划的目标,是要开发出一组自主智能服务机器人,它们能在人类的自然工作环境中支持人类,从事一些简单的跑腿工作。它们与全自动的电梯及门等设备一起,构成现代化建筑的组成部分,…     

服务机器人

在工业机器人问世30年后的今天,它已被世人看作是一种生产工具。在制造、装配领域以及最近在服务行业,机器人的应用取得了明显的进展,从而使科幻小说中的下述古老梦想比过去任何时候都更有可能加以实现,那就是: 让自主机器人作为“人的助手”,用以提高人们的生活质量。图1示出了工业机器人与服务机器人可能发展趋势的比较。     

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ROS的服务机器人关键技术研究与实现

针对服务机器人服务业务的无监督实现问题,设计并实现了一种基于ROS(机器人操作系统)的智能服务机器人系统。该系统包括管理中心、机器人本体和客户端,采用基于ROS系统的node节点分布式架构。管理中心由服务器组成,管理中心是任务管理与执行调度的核心组成部分,负责对系统内各种资源进行管理和调度,机器人本体使用高性能核心处理器搭载环境传感器,通过基于EKF(扩展卡尔曼滤波)的SLAM算法解决移动机器人导航问题,客户端与机器人本体的信息交互采用基于rosbridge的节点通信技术。机器人系统通过语音交互技术实现了语音自主导航。本设计在实验室环境采用Turtlebot机器人进行实际测试,测试结果表明本方案可以初步实现机器人基础服务场景中的自主定位与导航及语音控制功能。     

基于嵌入式系统的服务机器人研究与开发

本文设计并实现了一种服务机器人系统,采用嵌入式系统,传感器阵列,语音识别与语音合成技术、无线数据通信技术,能够完成人脸跟踪、语音交互、自主移动、动作响应、远程遥控.实际实验表明,该机器人能够和人进行自然的交互,可以为人类提供一定的机器人服务功能.     

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.     

危险作业机器人关键技术综述

随着社会的发展，人们越来越希望用机器人代替自己完成那些枯燥、繁重、危险的工作。机器人可以分为工业机器人和特种机器人，工业机器人是指面向工业领域的多关节机械手或多自由度机器人。特种机器人包括：服务机器人、教育机器人、娱乐机器人、军用机器人、农业机器人等。机器人不是简单代替人工作，而是去做一些完成不适合人直接干、干小了和干不好的一些工作。比如：机器人可以进入病人体内进行检查和治疗，     

基于ROS的服务机器人云端协同计算框架

随着机器人应用技术的发展,服务机器人走进人们的生活日渐成为可能. 但机器人本身计算能力有限,同时仅靠自身的传感器接收的信息也有一定的局限性. 现有的机器人还不足以胜任面对复杂场景的应对能力,也不能够满足人们对服务机器人的期待. 本文设计的云机器人计算框架（cloud robot computing framework, CRCF）通过云端,将智能家居以及其他智能硬件与机器人相结合,为机器人提供更多更广的信息. 同时,CRCF通过互联网结合了其它第三方的云端应用API,为机器人提供更多的服务功能. CRCF框架旨在利用云端的大数据处理能力提升机器人的计算和存储能力,并结合第三方云端应用服务和智能硬件设备来拓展机器人的信息来源和服务功能. 最后,本文通过远程语音控制机器人的实验,验证了CRCF系统平台在结合硬件设备以及第三方云端应用的功能和性能.