ROS探索总结（七十二）—— ROS加速机器人智能化变革，从云端大脑到本地运动_人工智能

~欢迎关注~
微信公众号：古月居
新浪微博：古月春旭
知乎专栏：古月居
原文链接：ROS加速机器人智能化变革，从云端大脑到本地运动

2019年4月19日，古月君受邀参加了中国自动化学会主办的——国家机器人发展论坛，并做了题为《ROS加速机器人智能化变革》的主题报告，以下是报告的主要内容，和大家分享学习。

各位好，很荣幸能够分享我们在机器人操作系统ROS方面的研究，我来自一家新创公司——武汉精锋微控，目前主要做机器人的驱控系统。我们从2011年开始，就一直基于ROS做机器人的相关研究和开发，我们相信ROS是加速机器人智能化变革的重要工具之一，目前也已经看到了很多相关成果。

我们认为机器人的智能化需要全面发展，不仅要利用云计算等工具，为机器人配备一个超强大脑，还需要全面发展，充分提高本地的计算能力，让机器人成为一个头脑发达、四肢也发达的智能体。近年来我们一直围绕这两个主题在展开工作，ROS也为加速我们的研究和实现提供了强有力的工具支撑。

在机器人智能化进程中，机器人操作系统ROS作为一种重要的软件框架，大大提高了工作人员的开发效率，在分工协作、软件维护和系统扩展中具有重要意义。

2007年，斯坦福大学诞生了ROS的原型，2008年后由机器人孵化企业——Willow Garage公司接手维护，2010年正式开源，2013年建立开源机器人基金会，之后推出长期支持版Indigo、Kinetic、Melodic，保持和Ubuntu LTS的周期一致。

为了提高ROS在产品中的可用性，2017年还推出了完全重新设计的ROS 2。在不到12年的时间中，ROS已经发展成为机器人领域的普遍标准，各大公司也纷纷投入到ROS社区，不断推进下阶段ROS 2的进程。

ROS虽然意为机器人操作系统，但它本质上是一个针对机器人的软件框架，核心目标是提高机器人研发中的软件复用率，可以在通信机制、开发工具、应用功能和生态系统四大模块中减少开发者各自造轮子的重复工作。

ROS目前已经广泛应用于各种类型的机器人，涉及的应用功能也非常丰富，我们可以在友好的开源社区中找到很多高质量的项目，并且再次基础上二次开发，快速实现自己的应用功能。

在不到12年的时间里，ROS社区中的功能包数量、下载量、wiki的访问量，以及相关的学术文章，都在大幅度的逐年增长，据2018年7月份的数据统计，ROS wiki每个月的访问量近20万，功能包下载量有30多万。

以上为大家介绍了ROS的概况，接下来，我将从机器人的云端大脑和本地运动能力两个方面，汇报下我们基于ROS的一些工作。

云计算是一个强大的技术工具，可以为机器人的快速成熟提供强有力的推动。在2010年的Humanoids会议上，卡耐基梅隆大学的James Kuffner教授首次将云计算与机器人技术结合，提出“云机器人”的概念，这也引起了业界广泛的讨论与研究。云机器人作为机器人学术领域的一个新概念，其重要意义在于借助互联网与云计算，帮助机器人相互学习和知识共享，解决单个机器自我学习的局限性。

RoboEarth是欧盟在2011年初资助的一个基于ROS的云机器人项目，由埃因霍温等大学和飞利浦公司的35位科学家共同合作研发，目标是建立面向机器人的万维网。RoboEarth是专门为机器人服务的一个网站，提供一个巨大的网络数据库系统，机器人在这里可以分享信息、互相学习彼此的行为与环境。

由RoboEarth项目衍生了明星创业公司——Rapyuta。他们在Roboearth庞大数据库的基础上，将机器人的大脑也放入了云端，而且基于ROS提供了一系列基于web的开发工具，开发者可以在浏览器中完成机器人从设计、仿真到实现的全部过程。

云计算是很多大公司的优势，他们有庞大的计算能力和工具集群，所以他们也逐渐将触角延伸到机器人领域。2018年11月，最大的云计算平台厂商——亚马逊，推出了RoboMaker云机器人平台，同样是基于ROS框架，集成了自身在机器学习、图像语音处理和平台方面的优势，可以帮助开发者在云端快速实现大规模的机器人开发、测试和部署，还可以支持未来机器人软件的持续更新。

可参考：亚马逊云机器人平台RoboMaker，借助ROS重定义机器人开发方式

这些云机器人工具和平台都将提高机器人的可用性和易用性，而他们实现的核心也都是机器人操作系统ROS。

这是我们在2014年发表论文中提出的基于ROS的云机器人架构，设计理念是机器人即服务，可以将不同种类的机器人实现松耦合的连接，通过统一的服务单元，为用户提供丰富的应用功能。在本地云中实现以密集型计算为主的应用服务，比如机器人SLAM和视觉处理等，而在全局云中基于RoboEarth实现机器人全局数据的存储，共享学习和交互。

我们的主要创新工作是将传统云切分成了全局云和本地云两个部分，全局云是全局范围内的资源共享平台，包括世界各地的机器人可共享资源，同时对这些资源进行处理分析，以提供进一步基于数据的服务。

密集计算任务就交由本地云负责，这样可以释放全局云的计算压力，提高网络稳定性，本地云也可以根据局部需求做个性化定制，比如一个酒店组成的的本地云，其中的机器人主要以轮式移动型服务机器人为主，本地云就可以主力提供slam、导航、图像方面的服务，系统更加灵活，安全性也可以进一步提高。

这是我们基于全局云实现的知识分享演示，机器人对物体建模后分享至全局云端，所有可访问云端的设备都可以下载该模型，并作为物体识别的目标。

本地云为机器人提供SLAM与导航服务，利用ROS标准的接口封装统一的机器人功能。SLAM建立的地图可以在全局云端分享，如果有敏感信息的话，也可以在本地云端分享，提高安全性。

我们还可以通过手机、浏览器远程访问并监控机器人。

智能机器人的成熟不能只靠大脑方面的增强，机器人自身也需要有强健的筋骨，能够更好得完成大脑下达的指令，很多情况下还需要在机器人上搭配一个小脑，完成实时性较高的控制工作。所以我们进一步设计开发了新一代片上驱控系统，类似于手机中高通、华为各家争抢的SoC芯片，我们希望给机器人本身安装一个足够强大的“芯”脏，提高机器人控制系统自身的能力。

以工业机器人为例，通用的控制系统中包含不同厂家声场的驱动器、控制器和IO设备，其中包含20颗左右的可编程芯片，接线部署繁杂，体积大，而且产品间的兼容性问题不能充分发挥控制系统的性能。所以我们设计了一款全新架构的片上驱控系统，可广泛应用于多种机器人系统中，在体积大幅度减小的同时，整体性能和成本控制也更好。

该设计的核心是使用一颗SoC芯片，解决之前20颗芯片的问题，不再需要复杂的连线和通信。这颗SoC芯片是一款ARM+FPGA异构平台，我们在FPGA中使用硬件逻辑实现了常用电机类型的通用驱动和同步控制算法，ARM端嵌入了机器人控制算法和通信协议栈的支持，部分功能是基于ROS社区中的资源二次开发而来，整个系统支持ROS及其工业分支ROS-I接口。