一种机器人与环境协同工作系统

技术领域

本发明涉及机器人协同技术领域，特别涉及一种机器人与环境设备协同工作系统。

背景技术

随着机器人技术、5G通信技术和人工智能技术的发展，基于5G、边缘计算的机器人与环境设备协同工作方式成为可能，能更好地满足机器人在各场景对算力、存储、时延、安全等的需求。

相关技术如公开号为CN112287609A一种面向机器人任务划分的端、边、云协同计算装置，属于机器人技术领域。该装置包括任务建模计算层、任务离线切分层和任务在线执行层；任务建模计算层对不同的机器人任务在不同的设备下分层执行的计算时延以及传输时延进行计算；任务离线切分层根据计算时延和传输时延对目标网络模型进行水平和垂直切分，生成最佳的任务执行策略；任务在线执行层则根据任务离线切分层输出的任务执行策略进行任务的分配、下发和调度，完成任务的在线运行。

相关技术存在有以下问题，尚缺乏一种协同工作系统提供“机器人-环境设备-云端”三者之间高速率、低时延、广覆盖的数据连接和传输，并能够根据具体应用进行机器人的实时调度、管理网络以及保证网络安全。

发明内容

针对上述问题，本发明提供了一种机器人与环境协同工作系统，采用如下的技术方案。

一种机器人与环境协同工作系统，所述系统包括机器人层、环境设备层、智能化云端层和机器人应用层，所述机器人层包括机器人、与所述机器人连接的设备和终端，所述机器人层用于数据采集、云端通信和数据收发；所述机器人层用于进行采集数据的融合与上传。

更进一步的，所述数据采集模块采集的数据包括视觉数据、雷达数据、环境数据、公共服务数据、气象数据、道路数据和医疗数据。

更进一步的，所述环境设备层通过通信网络与机器人层建立通信，环境设备层包括感知、通信和调控设备组成，所述环境设备层依托于多源数据感知融合平台和边缘计算平台；所述环境设备层通过通信网络与所述机器人层建立通信。

更进一步的，所述多源异构数据融合采集位于机器人上的传感器、环境设备数据以及其他相关信息数据，基于人工智能技术，实现对多源数据的多级智能融合分析。

更进一步的，所述边缘计算平台用于对采集的数据进行边缘侧计算，实现对环境情况的数字化感知和就近边缘端算力部署。

更进一步的，所述智能化云端层用于进行数据融合感知分析、全息仿真和云控，所述智能化云端层与所述机器人以及所述环境设备层连接；

所述智能化云端层用于进行实时信息共享、实时云计算、实时应用编排、以及数据分析，

所述智能化云端层用于提供所述机器人、所述环境设备以及基础设施正常运行所需的实时动态基础数据。

更进一步的，所述多源数据融合感知分析包括：

视频编解码、帧数据的分析、行人、机器人、物体标识识别；

雷达数据分析，包括方向角、速度、距离识别；

各类传感数据融合分析，包括雷达数据与视频数据叠加，机器人装载单元数据与雷达数据、视频数据叠加，以及第三方数据叠加。

更进一步的，所述机器人上进行公众商业服务和产业公共服务的软件应用共同组成机器人应用层。

更进一步的，所述机器人应用层的应用以容器化方式部署在所述边缘计算平台，利用多接入边缘计算平台提供的位置能力、流量引导能力、视频处理能力、AI处理能力，用于进行机器人感知共享、机器人在线诊断、机器人辅助运动、机器人传感器信息增强以及协同调度。

更进一步的，所述边缘计算平台将业务部署在边缘节点，减少数据传输路由长度，以降低机器人的通信时延；

所述多接入边缘计算平台提供IT基础资源以及虚拟化应用托管环境；

所述多接入边缘计算平台用于为所述机器人与所述环境设备协同应用提供按需的资源规划和编排、应用生命周期管理、所述机器人与所述环境设备的协同应用以及用户业务上下文信息的迁移管理。

所述边缘计算平台通过标准化接口将网络能力开放给机器人与环境设备协同应用；

所述边缘计算平台可获取无线网络信息，包括无线测量报告中终端用户的信号强度、位置信息、业务承载等信息，辅助所述机器人与所述环境设备协同应用获取更精确的机器人位置。

所述边缘计算平台于贴近所述机器人的边缘侧提供计算能力和存储能力，为机器人与环境设备协同应用提供高精地图的存储和分析计算以及传感数据的存储和分析计算，并进一步为各种所述机器人与所述环境设备协同应用的决策算法提供计算能力。

所述边缘计算平台完成数据源本地数据处理、加密和决策，提供实时、高可靠通信能力

本发明的至少具有如下的技术效果，

能够提供“机器人-环境设备-云端”三者之间高速率、低时延、广覆盖的数据连接和传输，并能够根据具体应用进行机器人的实时调度、管理网络以及保证网络安全。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请实施例的协同工作系统示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例公开了提供一种机器人与环境设备协同工作系统。

参照图1，一种机器人与环境设备协同工作系统，该系统包括机器人层，环境设备层，智能化云端层和机器人应用层。机器人层由机器人本身以及装载的设备和终端组成。

机器人层是整个协同工作系统的主要服务对象，也是应用功能的执行者，包括数据采集、机器人与云端层通信、云端层负责数据或者指令的收发。机器人层负责将本身携带的各类传感采集的数据的进行融合和上传。机器人层采集的数据主要以视觉数据和雷达数据为主，还包括环境/公共服务数据，还可通过与气象平台、物联网平台、医疗平台等对接，获取到气象、道路、医疗等数据信息。

环境设备层由部署于建筑物上、路侧或其他地方的感知、通信、调控设备组网构成；环境设备层依托多源数据感知融合平台和边缘计算平台，具备高精度全局环境感知、推理预测能力；通过5G通信网络来实现环境设备层与机器人层之间的通信。环境设备层负责将本身携带的各类传感采集的数据的进行融合和上传。

环境设备层采集的数据主要以视觉数据和雷达数据为主，还包括环境/公共服务数据，还可通过与气象平台、物联网平台、医疗平台等对接，获取到气象、道路、医疗等数据信息。

通过环境设备层和机器人层来实现采集数据的融合与上传。环境设备层与机器人层采集的数据在一定准则下可以自动分析、融合，以完成所需的决策和评估任务。机器人与环境设备协同体系的环境设备层负责环境设备端的数据实时处理和多传感器数据融合，实现环境内各处位置设备采集的数据的多元数据融合。

环境设备层依托多源数据感知融合平台和边缘计算平台，多源异构数据融合是通过采集位于机器人上的传感器、环境设备数据以及其他相关信息数据，基于人工智能技术，实现对多源数据的多级智能融合分析，包括“硬件级-数据级-算法级”，多源数据感知融合平台为机器人与环境设备协同系统提供精准全面的智能决策能力。

边缘计算平台负责对环境内多处位置采集的数据进行边缘侧计算，完成对环境多处位置环境情况的数字化感知和就近边缘端算力部署。

边缘计算平台的工作如下，针对不同的应用边缘计算平台利用的数据不同，进行分析决策也不同，如边缘计算平台会利用机器人层感知的雷达数据和环境设备层的雷达数据进行处理，会进行误差最小化分析，并且分析后数据会上传给智能云端层。边缘计算平台也会进行机器人层对机器人本身决策行为数据提取工作和运动预测，这些分析处理后的信息会上传给智能云端层进行进一步云计算、应用编排等操作。

多接入边缘计算平台一方面通过将业务部署在边缘节点，减少数据传输路由长度，以降低机器人协作蜂窝网网络的端到端通信时延；另一方面多接入边缘计算平台将作为本地服务托管环境。

多接入边缘计算平台提供IT基础资源以及虚拟化应用托管环境，机器人与环境设备协同应用也可以部署在其中。

多接入边缘计算平台可为机器人与环境设备协同应用提供按需的资源规划和编排、应用生命周期管理(例如：创建、消亡、注册、授权等)、机器人与环境设备协同应用及用户业务上下文信息迁移管理。

多接入边缘计算平台通过标准化API接口将网络能力开放给机器人与环境设备协同应用。

多接入边缘计算平台可以获取无线网络信息，包括无线测量报告中终端用户的信号强度、位置信息、业务承载等信息，辅助机器人与环境设备协同应用获取更精确的机器人位置。

在进行信息处理时，针对不同的应用(安全类、效率类、视频类、定位类、信息服务类)所涉及的数据不同，处理方法过程不同，包括数据删选、数据比对、数据计算等多个方法，如其中进行安全的避障应用和提高效率的优化导航应用需要用到机器人层和环境设备层采集的雷达数据，雷达数据需要通过滤波算法对数据进行一定的修正，处理的过程分为数据预处理、航迹起始、数据关联、跟踪滤波等多个工程，进行安全的避障应用和提高效率的优化导航应用需要用到机器人层和环境设备层采集的视频数据，视频数据需要图像数据去噪、图像特性提取、图像分割等处理。

协同工作系统中的智能化云端层具备多源数据融合感知分析、全息仿真、云控等能力。所述智能化云端层连接机器人、环境设备，具有实时信息共享、实时云计算、实时应用编排、大数据分析、信息安全等基础服务机制，提供包含机器人、环境设备、基础设施正常运行所需的实时动态基础数据，以及大规模网联应用实时协同计算环境；云控能力包括使得智能化云端层具有实时信息共享、实时云计算、实时应用编排、大数据分析、信息安全等基础服务机制。

智能化云端层实现的多源数据融合感知分析主要包括：

视频编解码、帧数据的分析、行人/机器人/物体等标识识别等；

1、雷达数据分析，包括方向角、速度、距离识别等；

2、其他传感器数据分析；

3、各类传感数据融合分析，包括雷达数据与视频数据叠加，机器人装载单元数据与雷达数据、视频数据叠加，以及第三方数据叠加。并且智能化云端层提供统一开放接口，提供二次融合能力。

机器人应用层中包含的应用根据不同服务对象主要包括公众商业服务和产业公共服务两大类；按照具体应用场景分类包括安全类、效率类、视频类、定位类、信息服务类五大类。机器人上进行的公众商业服务和产业公共服务的软件应用组成机器人应用层。

在进行信息交互时，针对不同的应用(安全类、效率类、视频类、定位类、信息服务类)需要交互的层不同，交互的数据不同。本申请的系统中实现实时信息共享、实时云计算、实时应用编排、大数据分析、信息安全等云控部署在智能化云端层，所以各类应用都需要经云端层的分析决策，如导航应用过程的数据交互过程是将机器人层和环境设备层采集的雷达数据和视频数据通过协作蜂窝网进行通信实时上传至云端，云端进行根据雷达数据和视频数据确定机器人环境信息，然后为机器人规划出从起点到要去的终点的一条路径完成导航决策，并且将该决策结果，结果包括依次要通过的路径点数据，然后再通过协作蜂窝网进行通信下发给机器人层，实现数据的交互过程。在不同的应用中涉及的数据交互过程不同。

机器人应用层包含的应用，以容器化方式部署在多接入边缘计算平台，(MultiEdgeComputing，MEC)，利用多接入边缘计算平台提供的位置能力、流量引导能力、视频处理能力、AI处理能力等，进行机器人感知共享、机器人在线诊断、机器人辅助运动、机器人传感器信息增强以及协同调度等一系列功能。

上述的多接入边缘计算平台与机器人协作蜂窝网进行通信，将机器人协作蜂窝网上的业务部署在多接入边缘计算平台上，借助蜂窝通信接口或直连通信接口实现“机器人-环境设备-云端”协同交互。

机器人协作蜂窝网提供机器人运行网络需求端到端解决方案，无线侧支持超级上行实现机器人与环境设备协同高速率业务下载。

多接入边缘计算平台一方面通过将业务部署在边缘节点，减少数据传输路由长度，以降低机器人协作蜂窝网网络的端到端通信时延；另一方面多接入边缘计算平台将作为本地服务托管环境。

多接入边缘计算平台提供IT基础资源以及虚拟化应用托管环境，机器人与环境设备协同应用也可以部署在其中。

多接入边缘计算平台可为机器人与环境设备协同应用提供按需的资源规划和编排、应用生命周期管理(例如：创建、消亡、注册、授权等)、机器人与环境设备协同应用及用户业务上下文信息迁移管理。

多接入边缘计算平台通过标准化API接口将网络能力开放给机器人与环境设备协同应用。

多接入边缘计算平台可以获取无线网络信息，包括无线测量报告中终端用户的信号强度、位置信息、业务承载等信息，辅助机器人与环境设备协同应用获取更精确的机器人位置。

多接入边缘计算平台在贴近机器人的边缘侧提供计算能力和存储能力，可以为机器人与环境设备协同应用提供高精地图的存储和分析计算以及传感数据的存储和分析计算，并进一步为各种机器人与环境设备协同应用的决策算法提供计算能力。

多接入边缘计算平台完成数据源本地数据处理、加密和决策，提供实时的可靠性高的通信能力。

尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。