1,、 云端大腦增強機器人的能力

　　2010 年提出的云機器人概念引入了云端大腦,，機器人嘗試引入云計算、云存儲及其它云技術(shù),，達到機器人融合基礎(chǔ)設(shè)施和共享服務(wù)的優(yōu)點,。相比于獨立的機器人本體,，連接云端大腦后的機器人擁有以下四個核心優(yōu)勢。

　　1、信息和知識共享： 一個云端大腦可以控制很多機器人,，云端大腦可以匯集來自所有連接機器人的視覺,、語音和環(huán)境信息，經(jīng)云端大腦智能分析處理后的數(shù)據(jù)信息可以被所有連接機器人使用,。利用云服務(wù)器,，各機器人本體獲取和處理的信息可以保持最新，并安全備份,。

　　2,、 平衡計算負載： 一些機器人功能需要較高的計算能力，利用云端平衡計算負載可以降低機器人本體的硬件需求,，在保證能力的同時,，讓機器人更輕、更小,、更便宜,。

　　3、 協(xié)同合作： 通過云端大腦,，機器人本體不再獨立工作,， 多機器人可以協(xié)同工作，例如共同搬運貨物,，配合完成一整套工作流程等,。

　　4、 獨立于本體持續(xù)升級： 借助云端大腦,，機器人可以獨立于本體持續(xù)升級,，不再依賴于本體硬件設(shè)備。

　　2,、 邊緣計算對機器人服務(wù)的提升

　　IoT 應(yīng)用的快速發(fā)展,，使得大量數(shù)據(jù)在網(wǎng)絡(luò)邊緣產(chǎn)生，推動了邊緣計算的產(chǎn)生和發(fā)展,。邊緣計算的提出始于 4G 時代,，將計算和存儲資源部署到網(wǎng)絡(luò)邊緣，不僅可以減少核心網(wǎng)和互聯(lián)網(wǎng)上的流量,，還可以顯著降低傳輸時延,， 提高網(wǎng)絡(luò)可靠性。

　　低時延的業(yè)務(wù)需要終端,、移動蜂窩網(wǎng)(接入網(wǎng)和核心網(wǎng))、互聯(lián)網(wǎng),、數(shù)據(jù)中心的端到端的保障,。目前的測試結(jié)果表明 5G 手機和基站的數(shù)據(jù)通路延時可以達到 4 毫秒，在 URLLC 模式下，手機和基站的延時可以達到 1 毫秒以下,， 相比 4G 的 20毫秒提高了 20倍左右,。對于互聯(lián)網(wǎng)和數(shù)據(jù)中心的時延，一般情況下由于地理位置分布廣和未針對低時延優(yōu)化,，從核心網(wǎng)網(wǎng)關(guān)到互聯(lián)網(wǎng)數(shù)據(jù)中心可在幾十到幾百毫秒之間,。在 5G 中，其核心網(wǎng)引入了分布式網(wǎng)關(guān),，網(wǎng)關(guān)可以下沉到基站附近,，邊緣服務(wù)器可以直接連接到分布式網(wǎng)關(guān)上，大大降低網(wǎng)絡(luò)的端到端時延,。

　　邊緣計算的引入將解決終端能力受限和云計算的實時響應(yīng)的問題,，增強機器人云端大腦的實時響應(yīng)能力，對于滿足機器人 4.0 的要求十分關(guān)鍵,，比如實時的推理,、 場景理解、 操控等等,。邊緣計算和云計算的結(jié)合，將突破終端的計算能力和存儲的限制,，提高 AI 算法的訓(xùn)練和推理能力,，比如提升精度和降低訓(xùn)練時間。同時將大部分機器人的智能布署在邊緣和云端,，通過協(xié)作和不斷的訓(xùn)練,，持續(xù)不斷的提高機器人智能，比如通過邊緣計算能更好的支持實時的多機協(xié)作,，支持實時的知識圖譜提取,、理解和決策，持續(xù)不斷的提高機器人的智能,。邊緣計算和云計算還可以解決機器人終端升級維護的困難,，在機器人本體的生命周期內(nèi)不斷升級，提高機器人的能力,， 增強數(shù)據(jù)安全和隱私保護,， 充分利用摩爾定律帶來的性能提升。

　　3,、 云-邊-端一體化對機器人系統(tǒng)的支撐

　　云–邊–端一體化構(gòu)建了一個通過機器人提供多樣化服務(wù)的規(guī)?；\營平臺。其中,，服務(wù)機器人本體是服務(wù)的實施者,，而實際功能則根據(jù)服務(wù)的需要無縫地在終端計算(機器人本體)、邊緣計算和云計算之間分布和協(xié)同。機器人系統(tǒng)類似現(xiàn)在智能手機上的各種 APP,，主要關(guān)注如何實現(xiàn)高性價比的多模態(tài)感知融合,、自適應(yīng)交互和實時安全計算。

　　多模態(tài)感知融合： 為了支持機器人的移動,、避障,、交互和操作，機器人系統(tǒng)必須裝備多種傳感器(如攝像頭,、麥克風(fēng)陣列,、激光雷達、超聲波等),。 同時,，環(huán)境里的傳感器可以補足機器人的物理空間局限性。大部分數(shù)據(jù)需要在時間同步的前提下進行處理,，并且調(diào)用不同復(fù)雜度的算法模塊(例如 SLAM,，圖像處理，人和物體的識別等),。機器人硬件系統(tǒng)和邊緣計算需要協(xié)同來支持(可能來自多個機器人的)多傳感器數(shù)據(jù)同步和計算加速,，因此應(yīng)該采用能靈活組合 CPU、 FPGA 和 DSA (Domain-Specific Accelerator) 的異構(gòu)計算平臺,。另一部分沒有強實時性要求的感知任務(wù)(如人的行為識別,、場景識別等)，可以由云計算支持,。

　　自適應(yīng)交互： 為了支持機器人的個性化服務(wù)和持續(xù)學(xué)習(xí)能力,， 需要將感知模塊的輸出與知識圖譜結(jié)合對環(huán)境和人充分理解,，并且逐步提取和積累與服務(wù)場景和個人相關(guān)的個性化知識,。通用知識和較少變化的領(lǐng)域知識應(yīng)該存放在云端，而與地域和個性化服務(wù)相關(guān)的知識應(yīng)該存放在邊緣或者終端,。無論知識存放在哪里,，在機器人系統(tǒng)中應(yīng)該有統(tǒng)一的調(diào)用接口，并可以保證實時通訊,?；?ROS2 構(gòu)造涵蓋終端和網(wǎng)絡(luò)側(cè)的軟件系統(tǒng)框架可以滿足未來的需求。

　　實時安全計算： 未來的服務(wù)機器人應(yīng)用將有大量需要實時響應(yīng)的情形(如語音交互,、協(xié)同操作等),，因此需要在邊緣服務(wù)器部署相應(yīng)的加速硬件,。同時,，機器人也將處理大量涉及用戶隱私的數(shù)據(jù)(如視頻,、圖像,、對話等)。云–邊–端一體化架構(gòu)需要構(gòu)建隱私數(shù)據(jù)的安全傳輸和存儲機制,，并且限定物理范圍,。對于可以進行物理操作的機器人，要構(gòu)建獨立的安全監(jiān)測機制,，保證即使機器人系統(tǒng)被遠程攻擊劫持后也不會造成物理安全損害,。