Подключение роботов к облачным сетям открывает возможности совместного обучения
Облачная инфраструктура и ее обширный набор ресурсов, доступных через Интернет, потенциально могут предоставить значительные преимущества роботам и системам автоматизации. Мы рассматриваем роботов и системы автоматизации, которые полагаются на данные или код из сети для поддержки своей работы, т.е. где не все датчики, вычисления и память интегрированы в автономную систему. Этот опрос организован вокруг четырех потенциальных преимуществ облака: 1) Большие данные: доступ к библиотекам изображений, карт, траекторий и описательных данных; 2) Облачные вычисления: доступ к параллельным грид-вычислениям по запросу для статистического анализа, обучения и планирования движения; 3) Коллективное обучение роботов: роботы обмениваются траекториями, политиками управления и результатами; и 4) Человеческие вычисления: использование краудсорсинга для использования человеческих навыков для анализа изображений и видео, классификации, обучения и устранения ошибок. Облако также может улучшить роботов и системы автоматизации, предоставляя доступ к: а) наборам данных, публикациям, моделям, тестам и инструментам моделирования; б) открытые конкурсы проектов и систем; и в) программное обеспечение с открытым исходным кодом. Этот опрос включает более 150 ссылок на результаты и открытые проблемы. Веб-сайт с новыми разработками и обновлениями доступен по адресу: http://goldberg.berkeley.edu/cloud-robotics/.
## В чем суть открытия Вместо создания тяжелых автономных роботов со всей памятью и вычислительными ресурсами на борту, облачная робототехника позволяет машинам разгружать хранилище, вычисления, обучение и краудсорсинговую человеческую помощь через сеть. ## Как это устроено: принцип работы Облачная робототехника связывает машины с сетевой инфраструктурой по четырем направлениям: хранилищам больших данных, параллельным облачным вычислениям по требованию, коллективному совместному использованию политик роботов и краудсорсинговым человеческим вычислениям. Роботы извлекают онлайн-карты и траектории, выполняют планирование тяжелых движений на сетевых серверах и объединяют опыт работы парка машин. ## Что это меняет на практике Позволяет использовать недорогих и легких роботов в логистике и промышленной автоматизации за счет перемещения тяжелых процессов обработки, инструментов моделирования, программного обеспечения с открытым исходным кодом и моделей сравнительного анализа в общую облачную инфраструктуру. ## Границы метода и риски В значительной степени зависит от непрерывного сетевого подключения, вводит ограничения по задержке для управления в реальном времени и требует надежных средств обеспечения безопасности во время сбоев соединения. ## Результаты и доказательства - **Комплексный скор значимости:** 9.5 / 10.0 - **Уровень доказательности:** теоретическая модель / обоснование - **Бенчмарки и прирост:** Not applicable; qualitative survey synthesizing over 150 literature references, open challenges, datasets, and open-source software. - **Размер выборки / валидация:** N = Over 150 literature references