摘 要

随着机器人技术的不断发展，云机器人正逐步进入人们的视野。云机器人能够凭借云服务器提供的强大的计算资源，实现自身计算、处理任务能力的大幅提升。因此，当移动机器人在面对复杂环境时，通过云计算与移动机器人的有机结合，能够为移动机器人提供多样的任务处理方式。

在“云 移动机器人”的研究中，自适应策略的设计以及信息系统的设计是云机器人软件开发的重点与难点。为保证云机器人在面对复杂环境时能够有效的处理任务，同时提高机器人向云平台传输数据的高效性、安全性，本文提出了面向移动机器人和云平台的自适应分布式流框架。

本文首先归纳分析了当前主流的云机器人架构、通信模型的研究现状。通过总结当前相关研究中存在的不足，阐述了设计一套自适应流框架的重要性及其必要性。接着文章定义了流框架的应用场景，并根据该场景将流框架分为两部分：数据交互层、自适应策略层。通过分析应用场景中的功能需求，使用Python设计了具有一定自适应能力的API（Application Programming Interface）——RobotStream。其中RobotStream的核心模块为：数据发送/接收模块以及移动机器人自适应模块，前者通过Kafka信息系统实现了数据的安全传输；后者为移动机器人提供了四种自适应策略（功能迁移、计时器、功能拷贝、自毁）。为搭建完整的自适应流框架，本文还设计了云机器人的处理平台和信息系统。

最后，本文通过自适应流框架与应用场景相结合，实现了对数据交互层以及自适应策略层的性能评价，验证了流框架的可行性与实用性。测试结果表明，自适应流框架在提高数据安全性的情况下，并未明显降低数据传输速度；同时在检测到环境变化时，本地计算机能够触发自适应策略，降低自身的CPU利用率并调用云计算资源处理任务。

关键词：云机器人；安全性；流框架；Kafka信息系统；自适应策略

Abstract

With the continuous development of robot technology, cloud robot is gradually entering people's vision. With the powerful computing resources provided by the cloud server, the cloud robot can greatly improve its computing and task processing capabilities. Therefore, when the mobile robot is facing a complex environment, it can provide a variety of task processing methods for the mobile robot through the organic combination of cloud computing and mobile robot.

In the research of "Cloud Mobile Robot", the design of the adaptive strategy and the design of an information system is the key and difficult points in the software development of cloud robot. To ensure that the cloud robot can effectively process tasks in the face of a complex environment, and improve the efficiency and security of data transmission from the robot to the cloud platform, this paper proposes an adaptive distributed flow framework for mobile robots and cloud platforms.

Firstly, this paper summarizes and analyzes the current research status of the mainstream cloud robot architecture and communication model. By summing up the shortcomings of current research, this paper expounds the importance and necessity of designing a set of adaptive flow framework. Then the paper defines the application scenario of the flow framework and divides the flow framework into two parts: the data interaction layer and adaptive strategy layer. By analyzing the functional requirements in the application scenario, an API (Application Programming Interface) —— RobotStream, which has a certain adaptive ability, is designed using python. The core modules of RobotStream are data sending/receiving module and mobile robot adaptive module. The former realizes the safe transmission of data through the Kafka information system; the latter provides four adaptive strategies (migrate, timer, copyas, destroy) for a mobile robot. To build a complete adaptive flow framework, this paper also designs the processing platform and information system of the cloud robot.

Finally, this paper realizes the performance evaluation of the data interaction layer and adaptive strategy layer through the combination of adaptive flow framework and application scenarios and verifies the feasibility and practicability of the flow framework. The test results show that the adaptive flow framework does not significantly reduce the data transmission speed while improving the data security; at the same time, the local computer can trigger the adaptive strategy, reduce its CPU utilization and call the cloud-computing resource processing task when detecting the environment change.

Key Words: Cloud robot; Security; Flow framework; Kafka information system; Adaptive strategy

目录

第1章 绪论 1

1.1 论文研究背景 1

1.2 相关技术发展现状 2

1.2.1 云机器人的平台架构 2

1.2.2 云机器人的通信模型 3

1.3 论文研究意义 5

1.4 论文主要组织架构 5

第2章 云机器人自适应流框架的应用场景 7

2.1 应用场景设定 7

2.2 数据交互层的应用场景 7

2.2.1 机器人数据收集部分 7

2.2.2 机器人数据处理部分 8

2.3 自适应策略层的应用场景 10

2.3.1 云服务器数据处理部分 10

2.3.2 自适应策略实现流程 10

2.3.3 自适应策略具体使用示例 12

2.4 本章小结 13

第3章 云机器人的API设计 14

3.1 总体设计 14

3.2 具体模块设计 18

3.2.1 设备工作状态判断模块 18

3.2.2 数据类型判断模块 20

3.2.3 数据加密解密模块 22

3.2.4 数据发送、接收模块 24

3.2.5 数据同步异步模块 26

3.2.6 移动机器人算法模块 26

3.2.7 移动机器人自适应模块 30

3.2.8 异常模块 35

3.3 本章小结 35

第4章 云平台以及信息系统的设计 36

4.1 云平台的设计 36

4.1.1 云平台的介绍与选择 36

4.1.2 云服务器搭建 37

4.1.3 Docker搭建 38

4.1.4 Jupyter Notebook搭建 39

4.2 信息系统的设计 40

4.2.1 Kafka信息系统的简介 40

4.2.2 Kafka信息系统与其他常用信息系统的对比 41

4.2.3 Kafka信息系统的环境搭建 42

4.3 本章小结 43

第5章 云机器人自适应流框架的性能评价 44

5.1 数据交互层的性能测评 44

5.1.1 实验设备 44

5.1.2 网络环境 45

5.1.3 实验软件 46

5.1.4 性能测评 46

5.2 自适应策略层的性能测评 48

5.2.1 实验设备 48

5.2.2 网络环境 48

5.2.3 性能测评 48

5.3 本章小结 51

第6章 总结与展望 52

6.1 经济性与环保性分析 52

6.1.1 经济性分析 52

6.1.2 环保性分析 52

6.2 总结 52

6.3 展望 53

参考文献 54

致谢 56

第1章 绪论

1.1 论文研究背景

机器人研究是一项涉及多学科、多领域的新兴研究，其对于一个国家的工业、农业和服务业等行业的发展都具有十分重要的意义。机器人技术的发展已经成为衡量一个国家制造和科技水平的重要标志^[1]。同时机器人的发展可以分为三个阶段：（1）、示教再现机器人；（2）、具有视觉、感知以及一定判断能力功能的机器人；（3）、具备自适应、推理、判断和决策等能力的智能机器人。虽然如今机器人的发展已经进入第三阶段，智能机器人可以满足一部分工业生产和仿真研究需求，但当其处在逼近于真实的复杂环境时，还是存在一些问题，例如：当智能机器人本身不能提供足够的计算资源时，执行FastSLAM、EKFSLAM等复杂算法会降低机器人系统的整体使用效果；当智能机器人所处的网络环境发生变化时，机器人缺少动态选择数据处理目的地的能力，无法根据环境信息进行合理的任务调度。

云计算是在分布式计算、网格计算、并行计算等发展的基础上提出的以Internet为服务方式，并提供动态可伸缩的虚拟化的一种新型计算模型[2]。由于云计算能够为使用者提供丰富的计算资源，所以云计算十分适合对大数据进行处理，这也使得越来越多研究人员试图将智能机器人与云计算相结合来解决上述问题。