前言：想要寫出一篇引人入勝的文章？我們特意為您整理了云控制下的業務服務機器人系統設計范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：文中提出一種基于云控制的業務引導機器人系統的設計方案。系統的硬件部分由攝像頭和光電傳感器等模塊組成。在機器人系統中采用深度強化學習，實現了對未知環境的預測，提高機器人對環境的適應能力。仿真結果表明：機器人可實現路線識別和自動導航的功能，能較好適應未知環境、及時完成業務的引導工作；該系統設計合理，操作簡單，具有一定的市場價值。

關鍵詞：深度強化學習；自動導航；云控制；路線識別；機器人；未知環境

引言

隨著人工智能的發展，機器人技術已成時下研究的熱點之一。機器人也逐漸滲透到人們的生活中，同時也在慢慢改變著人們的生活方式。因此，研究和開發機器人有著一定的社會意義和經濟價值。近年來，服務型機器人成為了人們關注和研究的熱點，例如智能家居服務機器人、兒童看護機器人和老人陪護機器人等。其中，業務服務型機器人在辦理業務方面有著很大的發展空間。為了解決人力成本高，效率低的問題，很多業務廳都使用服務機器人替代人力的新型高效服務方案。雖然現在已出現了前臺服務機器人和設備，但是智能化普遍不高，而且服務效率很低，無法滿足人們的需求，而且本地資源的有限性限制了機器人的開發。隨著云技術的不斷發展，云控制技術給機器人的開發及研究提供新的方向。云計算資源規模龐大，服務器數量眾多并且分布廣。云計算系統的平臺管理技術能夠高效調配大量服務器資源，使其更好協同工作能力，其能方便地部署和開通新業務，快速發現且恢復系統故障。因此，通過云控制技術實現資源分配和調度[1]，利用線上控制多組機器人，提高機器人的工作效率，結合云平臺實現多組數據的收集和分析，增強機器人的可控制性。通過云端搭建神經網絡和ROS操作系統，實現了多機控制協作。由此可見，結合云端對機器人進行開發在一定程度上可以提高機器人智能性。

1系統總體架構

業務服務機器人系統的架構有三層：海端機器人組、云服務端和遠程控制端。如圖1所示，系統架構采用分層設計，使得具有一定的靈活性，便于移植和控制。海端機器人[2]組由多組智能機器人組成，主要負責引導用戶，并提供服務，其工作流程如下：首先，機器人獲取到用戶需要辦理的業務指令后，上傳攝像頭對周圍環境感知的數據到云端；接著，結合線上云服務端算法，驅動電機工作，實現自動導航；最后，完成引導用戶的任務。云服務端為上層用戶端，主要用于搭建數據庫服務端、TensorFlow學習框架和ROS系統。基于Linux操作環境開發，便于開發和移植。云端通過網絡接收機器人的請求服務和機器人感知的數據，結合TensorFlow學習框架，通過ROS節點消息[3]實現對機器人控制；通過云服務端，遠程控制端可以間接訪問機器人組。遠程控制端，即可以提供遠程服務。遠程服務端可以細分為兩部分：管理員控制端和用戶服務端。工作人員可以通過此系統的上位機登錄管理員控制終端，實現對系統的監控和控制；用戶通過Web端可以實現對系統發送請求服務和查看相關業務的辦理進程。

2機器人硬件設計

該機器人硬件設計總體框圖如圖2所示，機器人硬件設計遵循簡易化模塊搭建原則，即去除多余的傳感器和驅動設備，以最簡的硬件搭建最完成的硬件系統。該機器人的核心板選用JetsonNano板；攝像頭選用的是網絡USB攝像頭；HDMI顯示器選用分辨率為1024×600，尺寸為7寸的電容屏；電機驅動模塊選用TB6612雙路PWM驅動模塊；光電傳感器模塊選用E18-D80NK光電傳感器。

2.1核心控制板

核心控制板選用的是JetsonNano人工智能GPU開發板。JetsonNano有很高的計算性能，提供了470多個GFLOP，可用于快速運行AI算法，并行運行多個神經網絡，同時處理多個高分辨率顯示器。JetsonNano的功耗低，它的功耗僅為5～10W；提供豐富的接口，搭配4個USB3.0接口、40PINGPIO擴展口、多個HDMI接口、MIPICSI攝像頭接口和千兆以太端口等。同時，此核心板搭配有功能擴展板，功能擴展板實現了對核心板功能的擴展，擴展板擴展了多個SPI接口，I2C接口和PWM接口等外部接口。

2.2電機驅動模塊

電機驅動模塊選用L298N，其通過控制高低電平進而控制電機的轉動，高速時可輸出相對較高的力矩。L298N的定位精度較高，可以讓電機達到精確的控制。通過控制PWM信號調整電機的運動速度變化，且此模塊具有驅動能力強發熱低，抗干擾能力強的特點。

2.3光電傳感器模塊

光電傳感器模塊選用E18-D80NK傳感器模塊，該傳感器具有成本低和性能穩定的特點。該模塊由發射器和接收器組成，發射器對檢測的物體不間斷地發射紅外光束，接收器把檢測反射回來的光束轉換為電流后傳輸給主控驅動電路。發射器和接收器的檢測距離具有可調節性，調節范圍為50～2000cm，探測的距離遠且不易被外界干擾。

3機器人結構設計

服務機器人結構設計如圖3所示，從下到上為移動層、升降層和交互層。移動層的底盤采用三個全向輪以中心對稱結構的分布，邊側的三個高清攝像頭和底側的多個紅外傳感器相結合檢測收集周邊的路況和障礙；升降層通過步進電機轉動絲桿，從而上下移動圓盤來控制機器人的整體高度，以適應不同高度的使用者；交互層由顯示器構成，頂部的顯示屏可以與用戶進行交互，顯示屏顯示需辦理業務的排隊人數和目的最優路線圖。

4系統軟件設計

4.1云服務端架構設計

云服務端架構包括ROS操作系統、TensorFlow和MySQL數據庫三部分，如圖4所示。云服務端主要用于機器人路線規劃算法的計算任務和數據分析存儲，云服務端提供了API接口供管理員和用戶通過Web端訪問，利用搭建的通信協議層與海端的機器人進行通信。

4.1.1ROS系統ROS（RobotOperatingSystem）[4]是由WillowGarage公司在2010年一個開源的機器人操作系統，旨在提高機器人開發過程中的軟件利用率。ROS是一種分布式處理框架，主要特點包括：具有點對點的設計特點，支持多機協作；支持語言混合開發，支持Python、C++等編程語言；架構精簡，集成度高，每一個的功能節點可以單獨編譯，接口統一，提高了軟件復用率。云服務端上裝載有ROS_bridge[5]，ROS_bridg是ROS開源環境下的一個擴展模塊，由ChristopherCrick，GraylinJay，SarahOsentosiki，BenjaminPitzer和OdestChadwickeJenkins提出ROS_bridg是一種中間插件，通過ROS_bridg可以使得云端ROS系統和海端的機器人群進行交互控制，使得機器人控制更加高效性。

4.1.2TensorFlow學習框架TensorFlow是谷歌研發的第二代人工智能學習系統，完全開源。在云服務端搭建TensorFlow學習框架，通過將訓練完成的coco訓練集部署在云服務端可以實現機器人群對周圍環境物體的識別；通過部署深度Qt可以實現機器人群自動規劃路線以及導航的工作。在云端搭建TensorFlow學習框架結合通信層協議，可以實現在多機協作工作，在云端服務器完成強化學習后，機器人只需要通過請求服務即可獲取云端訓練好的數據集。這樣大大提高了工作效率，不需要單獨對每個機器人強化學習訓練。

4.2控制端操作界面設計

針對本系統設計了一套基于Qt的系統操作界面，如圖5所示。Qt[6]是一個跨平臺基于C++的的圖形界面設計的開發框架。圖形用戶界面（GraphicalUserInterface，GUI），又稱為圖形用戶接口，是采用圖形方式顯示的計算機操作用戶界面[7]。此界面主要由業務信息、人流情況、業務路線、導航地點輸入以及地圖這5個主要選項組成。業務信息功能是提供當前業務的具體信息，點擊進去即可獲取詳細的信息，例如辦理業務的具體步驟和需要辦理的子業務等等；人流情況功能是提供客戶當前該業務的人流量的信息，方便用戶根據人流量計劃辦理的業務的時間；通過業務路線功能，用戶可以在顯示屏上查看辦理的路線以及導航路線圖；界面提供了業務的擁擠度功能，用戶可以直觀看到辦理業務的人流擁擠程度。

5系統試驗與分析

為了測試系統的性能，在物理仿真環境Gazebo下進行了流程測試和路徑規劃。如圖6所示，地圖設置入口和出口，測試機器人從入口運動到出口的情況。首先在云端運行ROS系統后，已經訓練打包好的路線規劃算法的消息，仿真機器人通過通信接口訂閱云端的消息后，執行路線規劃算法，仿真效果如圖6所示，仿真機器人有效地避過障礙物，順利到達出口。路線規劃算法是基于Q-Learing算法，Q即是Q（s，a），就是某一時刻state狀態下，采取動作ation后收獲到的效益期望reward。Q學習算法是一種基于數值迭代的動作規劃方法[8]，通過評估仿真機器人某一狀態下運動好壞，自動規劃最優運動的動作。利用Q-Learing算法可以使機器人具備自學習能力[9]，機器人可以通過與環境交互，在錯誤中進行學習，自主學習最優路線的走法。

6結語

本文將云計算與ROS系統結合，設計基于云控制的業務機器人系統。通過深度強化學習，機器人組能夠在未知的的環境中自動導航，完成終端分配的任務，并通過構建云平臺，實現機器人資源的調度和分配。仿真結果表明，所設計的機器人系統對未知環境較好地適應能力，可控制性高，可移植性強。

參考文獻

[1]李波，薛端，黃鑫.云機器人系統研究綜述[J].計算機工程與應用，2017，53（17）：26-40.

[2]陳賢，武延軍.基于的云機器人服務框架[J].計算機系統應用，2016，25（10）：73-80.

[3]熊安，卞春江，周海，等.基于的機器人定位與導航系統的仿真設計[J].電子設計工程，2018，26（24）：188-193.

[4]安峰.基于開源操作系統的機器人軟件開發[J].單片機與嵌入式系統應用，2017，17（5）：27-29.

[6]鄭松濤.基于Qt的助教辦公自動化系統客戶端的分析與設計[D].北京：北京郵電大學，2019.

[7]喻曉，夏澎.基于的便攜式心電監護儀應用軟件設計[J].計算機系統應用，2017，26（5）：221-226.

[8]方敏，李浩.基于狀態回溯代價分析的啟發式學習[J].模式識別與人工智能，2013，26（9）：838-844.

[9]江其洲，曾碧.基于深度強化學習的移動機器人導航策略研究[J].計算機測量與控制，2019，27（8）：217-221.

[10]王博瑋，陸中成.基于云的餐廳服務機器人系統設計[J].自動化表，2019，40（8）：65-69.

作者：林宏偉 陳澤興 陳俞秀 陳琪媚 趙其湛 洪遠泉 單位：韶關學院