在5G网络建设全面铺开的大背景下CONTROL ENGINEERING China版权所有，未来云机器人在中国将会得到飞跃式发展。

　　1. 云机器人的概念与发展

　　传统工业机器人在面对复杂生产环境时该如何解决以下需求？

　　（1）大量数据存储与处理；（2）高计算能力；（3）强学习能力。

　　传统机器人借助机载电脑，具备一定计算和数据存储能力，达到计算智能层级。能根据编写的程序完成特定任务，借助于人类发出的命令，完成精确指令和任务，当没有对应程序支持的情况下，机器人通常无法对外界突发扰动做出合理反应。传统机器人在执行即时定位和地图构建、物品抓取、定位导航等复杂任务时，大量数据的获取和处理会给机器人本身带来巨大的储存和计算压力，即使能够完成任务，实时性也并不理想。云机器人借助于5G网络，云计算与人工智能技术，达到了感知智能层级。云机器人的基本特征是由云上的“大脑”进行控制。位于云端数据中心具有强大存储能力和运算能力的“大脑”，利用人工智能算法和其他先进的软件技术，通过5G通信网络来控制本地机器人，使云机器人能全面感知环境、相互学习、共享知识，不仅能够降低成本，还会帮助机器人提高自学能力、适应能力，推动其更快更大规模普及。云机器人的这些能力提高了其对复杂环境的适应性，云机器人也必将成为机器人未来的发展趋势。与传统机器人相比，云机器人将带来技术、社会、工业各个层面发生颠覆性的变化，包括新的价值链、新的技术、新的体系结构、新的体验和新的商业模式等。

　　云机器人是机器人借助云计算而发展起来的一种新兴技术，整体处于初级发展阶段，但很多国家和地区已对云机器人开展相关研究并取得了一定成果。在国外，2010年www.cechina.cn，卡耐基梅隆大学的James Kuffner教授首次将机器人与云计算相结合，提出了“云机器人”的概念。当时云机器人作为机器人学术领域的新概念，其意义在于利用互联网与云计算，采集大量云机器人运行数据，进行存储与分析，使云机器人能够快速学习与分享知识，提高智能化水平。同年，新加坡的ASORO实验室研究了在Hadoop 平台中运行Fast Slam算法的框架Davichi，结合机器人操作系统（ROS）作为机器人生态系统的消息传递框架，将平台作为机器人的“大脑”，利用云计算为服务机器人提供可扩展性和并行性，可视为云机器人服务平台的雏形。2011—2014年欧洲开展了RoboEarth项目，RoboEarth已经发展成为一个基于云的数据库，各种机器人可以在其中分享信息、相互学习。2013年，加州伯克利大学将机器人与云端谷歌目标识别引擎结合，完成机器人抓取任务。2014年美国康奈尔大学研制出了一款“机器人大脑”RoboBrain，使机器人能够学习解决从未遇到的问题。RoboBrain是机器人的“云大脑”，大量机器人通过高速无线网络技术链接这个“大脑”。RoboBrain可以向面临未知情况“迷茫”的机器人提供可以识别的命令和建议。2015年，Zeynep Dogmus将云计算与医疗机器人相结合，研制了一种模块化的云康复机器人系统。2018 年 Amazon向公众提供了一个ROS云机器人开发平台——AWS Robo Maker，能够协助用户轻松完成开发、测试和部署机器人应用程序的工作。

　　在国内，2012年南开大学开始研究云计算与机器人系统的结合，历时多年研制出以家庭服务机器人“小南”为硬件平台的云架构家庭服务机器人系统，中国云机器人的发展也在逐步加快进程。2017年，中国企业达闼科技发布全球智能机器人云平台，并与中国移动、软银、华为无线应用场景实验室共同发布《GTI 5G和云机器人白皮书》，分析了5G网络带给云机器人的巨大价值与商业机会。研究发展云机器人也得到了国家层面的支持，《“智能机器人”重点专项2017 年度项目申报指南》中就明确提出要构建云机器人服务平台。在2020年5G网络建设全面铺开的大背景下CONTROL ENGINEERING China版权所有，未来云机器人在中国将会得到飞跃式发展。

　　云机器人在云端管理与多机器人协作，自主运行能力，数据共享与分析方面有极大优势。

　　随着面对的任务与环境日益复杂化，机器人不仅仅局限于机械执行预置程序的自动化装置，用户希望机器人能具备一定的自主能力。这往往意味着机器人需要运行更为复杂的算法、保存更为庞大的数据，以及接踵而至更高的能耗、更大的体积以及昂贵的价格。如何在各种客观限制条件下提高机器人的自主行为能力，解决资源受限与能力提升之间的矛盾，是机器人研究者和实践者当前所面临的重要挑战之一。云机器人依靠云端计算机集群强大运算和存储能力，能够给机器人提供具有感知智能的“大脑”。将机器人与云计算相结合，可以增强单个机器人的能力，执行复杂功能任务和服务，同时，使得分布在世界各地、具有不同能力的机器人通过开展合作、共享信息资源，完成更大、更复杂的任务。这将广泛扩展机器人的应用领域，加速和简化机器人系统的开发过程，有效降低机器人的制造和使用成本。这对于家庭机器人、工业机器人和医疗机器人的大规模应用，具有极其深远的意义。比如，在云端可以建立机器人的“大脑”，包含增强学习、深度学习、视觉识别和语音识别、移动机器人未知环境导航（如街道点云数据3D重构、SLAM、路线导航）、大规模多机器人协作、复杂任务规划等功能。

　　1）云端管理与多机器人协作

　　在工厂或仓库中使用大量工业机器人时，需要机器人具有多种拓展功能。为保障整个现场各设备的协同运行，需要利用统一的软件平台进行管理，需要与各种自动化设备通信，例如传送带、行吊、机床和扫描仪等。

　　采用本地方式管理机器人和自动化设备可能需要更多的服务器，而云端技术能够提供更强大的处理能力而不需要在本地部署成本高昂的服务器。在云端面对海量机器人，都能实现数据的处理和调度管理。在工厂生产线上，机器人将与许多自动化设备进行协同工作，那么信息交互和共享将变得极为重要。不同的机器人与云端软件进行通信，云端“大脑”对环境信息进行分析，能更好地将任务分配给正确类型的机器人，系统实时掌握每一个机器人的工作状态，指定距离最近的机器人去执行任务。管理者不需要到现场进行监控，通过云端可以在远方进行操作和管理，提升工作效率。

　　2）自主运行的能力

　　传统的机器人都是由管理者进行示教后，根据程序，完成指定的任务，但传统机器人在面对具有高数据密度的场景，如语音视觉识别、环境感知与运动规划时，由于搭载的处理器性能较低，无法有效应对复杂任务。因此，在工作过程中可能会遇到障碍而停机，甚至发生事故，破环生产计划。

　　结合云端计算能力，机器人将可以拥有智能和自主性的同时有效降低机器人功耗与硬件要求，使云机器人更轻、更小、更便宜。一个很好的例子就是机器人的导航能力，移动机器人在仓库、物流中心和工厂生产线之间运输货物，他们可以避开人员、叉车和其他设备。通过安装在机器人上的激光雷达，可以对周围环境进行扫描，并将大量数据推送到云端进行处理和构建地图，规划线路，然后向下传输给本地机器人进行导航。同时这些地图和信息可以传输给其它的机器人，实现多机器人之间的协作，提高货物的搬运效率。

　　3）数据共享和分析

　　大数据分析是云计算赋予机器人的额外能力，机器人在执行任务过程中会收集大量的运行数据，包括环境信息、机器的状态和生产需求等等，这些数据经过整理和分析，可以得出最佳的决策方案。

　　机器人每天可能产生几十GB的数据，这些数据需要在云端进行存储和管理，机器人产生的数据存放在云端将非常有价值。因为，通过历史数据的分析，系统可以预先判断下一步会发生什么，并做出相应的响应处理。

　　从存储到分析，再到任务的下发，对于机器人整个过程的控制有着巨大的意义。还有，云端可以实现人工智能的服务，包括语音指令，可以进一步拉近了人与机器的距离，实现更加便利的控制。

　　云端的数据服务可以连接到每一个机器人和自动化设备，数据共享令机器之间更有默契。系统可以掌握机器设备的状态，给每个机器人下达不同的任务指令，让机器之间互相协作，高效地完成生产任务。

　　总的来说，云端技术将让机器人效率更高、性能更好，人与机器之间的交互会更轻松。

　　3. 云机器人的关键技术

　　云机器人不同于传统的机器人架构CONTROL ENGINEERING China版权所有，其通过网络连接到云端的控制核心，获取了人工智能、大数据和超高计算能力的支持，降低了机器人本身的成本和功耗。与传统机器人相比：

　　具有“感知”与“互联”能力的5G通信技术，能进行庞大“记忆”与“计算”的云计算技术以及能够自主“控制”、“识别”、“学习”的人工智能技术是云机器人的关键技术。

　　1）5G通信技术

　　云端机器人的架构来源于人类多层级控制结构，人类大脑发出指令，通过脊髓传导至肢体肌肉，驱动骨骼进行运动www.cechina.cn，平均信息延迟在100ms以上。5G通信技术作为下一代移动通信技术，如图1所示5G具有灵活、可移动、高带宽、低时延和高可靠的特点。其峰值速度将超过10G/s，端对端的延迟将低于1毫秒，并允许每平方公里超过100万台机器人终端设备进行网络连接和处理要求。

图1 5G机器人控制

　　eMBB（3D/超高清视频等大流量移动宽带业务）、mMTC（大规模物联网业务）、和 URLLC（如无人驾驶、工业自动化等需要低时延、高可靠连接的业务）是5G网络的三大主要应用场景。以上三大应用场景使5G通信网络成为云机器人理想的数据通道，是云机器人实用化的关键。5G网络强大的网络性能能够从容应对机器人对带宽和时延的挑战，而5G网络切片和MEC能够为机器人应用提供端到端定制化的支持。

　　未来5G网络将成为一个无所不在的虚拟化基础设施，可以通过云端的超强处理和监控能力，将大量的云机器人整合在一起，从而深度渗透进工业、商业、家庭的每个角落，全方位改变社会的面貌。5G技术将不断为机器人赋能，使其具备真正的认知和行动能力。

　　2）云计算技术

　　云计算是一种计算模型，可以随时随地的按需访问共享的、可配置的计算资源池（如网络、服务器、存储、应用程序和服务），只需最少的管理工作就可以快速配置和分发。云计算将硬件资源虚拟化、动态地扩展，并在 Internet 上作为服务提供，它还允许提供者为用户提供几乎无限资源的访问。它汇集了所有技术（Web服务、虚拟化、面向服务的架构、网格计算等）和用于提供 IT 功能（软件、平台、硬件）的可扩展、弹性的业务模型作为服务请求。云计算为高性能算法的部署提供了物质基础。

　　2007 年，Google在其内部网络数据规模十分强大的基础上，提出一整套基于分布式、并行集群方式的云计算架构。随着网络的快速发展，使得所有主要的行业参与者都积极提供云解决方案，特别是 Amazon EC2、Microsoft Azure、谷歌应用程序和 IBM blue cloud。国内的浪潮、阿里、腾讯和华为等企业也开始提供相应的云计算服务。云计算为用户提供三种级别的效劳：基础设施即服务（IaaS）是以虚拟机的形式为客户提供硬件资源，客户自己维护应用程序、数据库和服务器软件，而供应商维护云虚拟化、硬件服务器、存储和网络。平台即服务（PaaS）把开发环境作为一种服务来提供给用户，用户在平台上开发自己的应用程序并开源给其他用户。软件即服务（SaaS）是用户可以远程地接入网络即可使用服务提供商在云上部署的服务，包括 B/S 或 C/S 两种架构。

　　3）人工智能技术

　　基于云计算的超强运算能力和5G的强大通信能力，使得人工智能技术在机器人上的应用成为可能。机器学习，尤其是深度学习，可以更广泛的应用于各个领域，云机器人将比传统机器人更有能力、更加智能。

　　通过5G通信网络和云计算平台可实现多台机器人联网，逐步应用蚁群算法、免疫算法等多种智能算法，使机器人不断进行学习，以适应生产环境的多样性，组成高度和谐的复杂生产系统，一体化生产解决方案将成为可能。人工智能的算法和数据在人工介入下，将得到不断自我增强和优化，实现人机协同的增益模式。机器人本身甚至还可以通过自我学习，成为活跃的移动大数据收集器，用以储存信息，并将数据上传到服务器端，从而不断强化云端的数据库控制工程网版权所有，方便其他机器人使用学习。人工智能技术使得云机器人具备在陌生环境下识别周围环境和事物并实现自主运行的能力。目前计算机视觉、图像识别等技术已相对成熟，随着深度学习算法和物联网的发展和应用，云端智能技术将在所有智能机器人的应用领域不断提升。

　　4. 云机器人在智能制造中的应用

图2 云机器人在汽车工厂的应用

　　如图2所示，云机器人作为智能工厂中感知与执行层，直接关系智能制造的高效、高品质、低能耗和安全性。云机器人在智能制造中有如下应用：

　　（1）通过敏捷物联网网管与周边各种自动化设备以及其他机器人互联协同；

　　（2）通过IoT平台以及多种传感器完成数据收集，上传云端平台；

　　（3）在后台云计算的支持下，适应复杂环境，支持复杂行为，完成作业任务的敏捷切换与管控；

　　（4）借助云平台的大数据分析功能，实现智能维护与故障预诊断功能，同时具备进化功能。

　　目前云机器人开始逐步应用于智能工厂，尤其是汽车制造领域。如宝马公司基于微软的Azure云计算服务研发的物联网平台，目前连接了3000多台机器、云机器人和自动传输系统。云机器人通过云计算平台与各类设备深度协同，提高工厂生产效率与品质。世界最大的汽车制造商大众汽车（Volkswagen）也表示，它将利用亚马逊网络服务（AWS）的计算机和IoT技术来采集与分析大量云机器人数据，来高效管理其制造工厂中的各类机器人，甚至优化整个产品供应链。

　　5. 云机器人未来发展趋势

　　通过关键技术的不断迭代，提升云机器人的智能化、信息化水平，使云机器人接近认知智能层级。不断增强机器人的拟人化和交互沟通能力，学会推理决策，最终实现人机共融，扩大应用范围是未来重要的发展趋势。总体来看在第四次工业革命浪潮的推动下，人机共融将成为新一代机器人的发力点，也是世界机器人领域研发创新的主要方向。

　　一方面，云机器人必须具备内部进化能力，而单一的计算平台是不可能实现的，其需要机器人在云端的计算平台之间交互。云机器人上传采集的环境信息，由云端“大脑”进行存储和分析，借助新一代移动通信网络和云计算技术，实现机器人间的相互学习与知识共享；另一方面云机器人还要具备外部进化的交互。在智能制造中，需要机器助人、工厂要人、智能学人。人同时操控多个机器人协同工作，可以提高效率、增加灵活性。人与机器人协调互动，不仅将提高机器人的工作效率和质量，还能增强机器人的自学习功能提升认知能力，逐步实现人机共融。云机器人的大规模应用，最终会实现人与机器人的关系从“主仆关系”到“伙伴关系”的转换。