[论文解读] Robotics Evolution: from Remote Brain to Cloud

Alaa Sheta, Nazeeh Ghatasheh+2 more|arXiv (Cornell University)|Jan 8, 2019

Robotics and Automated Systems参考文献 68被引用 5

一句话总结

本文提出了一种机器人技术范式转变，即从机载处理转向基于云的计算，使先进机器人系统能够将复杂任务卸载至远程云基础设施。通过利用云机器人技术，该方法增强了处理能力、可扩展性与自主性，尤其在动态或资源受限环境中表现突出，为智能、物联网集成的机器人系统铺平了道路。

ABSTRACT

Robotic systems have been evolving since decades and touching almost all aspects of life, either for leisure or critical applications. Most of traditional robotic systems operate in well-defined environments utilizing pre-configured on-board processing units. However, modern and foreseen robotic applications ask for complex processing requirements that exceed the limits of on-board computing power. Cloud computing and the related technologies have high potential to overcome on-board hardware restrictions and can improve the performance efficiency. This research highlights the advancements in robotic systems with focus on cloud robotics as an emerging trend. There exists an extensive amount of effort to leverage the potentials of robotic systems and to handle arising shortcomings. Moreover, there are promising insights for future breed of intelligent, flexible, and autonomous robotic systems in the Internet of Things era.

研究动机与目标

• 分析传统机器人系统因机载计算能力受限而存在的局限性。
• 研究云计算如何克服现代机器人技术中硬件能力的限制。
• 考察云机器人在物联网时代推动智能、灵活与自主系统发展中的作用。
• 识别从远程大脑向基于云的机器人架构转型过程中的关键技术推动力与挑战。

提出的方法

• 提出将复杂机器人任务的处理方式从机载执行转向基于云的执行。
• 将云机器人技术与物联网（IoT）生态系统集成，以实现实时数据共享与协同。
• 采用分布式计算模型，将感知、规划与决策任务卸载至远程云服务器。
• 利用虚拟化与容器化技术，实现机器人应用在云环境中的可扩展且安全的部署。
• 强调使用标准化API与中间件，实现机器人与云服务之间无缝通信。
• 分析云机器人系统中延迟、带宽与计算效率之间的权衡。

实验结果

研究问题

• RQ1 云计算如何克服机载机器人处理器的计算能力限制？
• RQ2 从集中式机载处理向基于云的机器人控制转变，需要哪些架构调整？
• RQ3 云机器人如何提升机器人系统在动态环境中的自主性与适应能力？
• RQ4 将云机器人与物联网基础设施集成面临哪些关键挑战？
• RQ5 通过将复杂任务卸载至云端，可实现哪些性能提升？

主要发现

• 云机器人显著提升了处理能力，突破了传统机器人系统中机载硬件的限制。
• 将计算任务卸载至云端，可实现实时执行复杂算法，如深度学习与路径规划。
• 云机器人与物联网的集成，可构建可扩展、互联的机器人生态系统，实现数据与服务共享。
• 所提出的架构提升了系统灵活性，降低了对本地硬件升级的依赖。
• 延迟与网络可靠性仍是关键挑战，尤其对时间敏感的机器人应用而言。
• 研究结果表明，基于云的机器人系统在复杂、动态环境中实现了更高的性能效率与适应能力。