27、智能制造中的资源动态调度与云机器人应用

智能制造中的资源动态调度与云机器人应用

1. 边缘计算与机器人调度方法讨论

边缘计算让机器人具备终端智能，能依据产品信息快速响应。机器人的招投标模式对多任务、多目标系统中的复杂调度问题有显著效果。由于代理的离散性，调度系统具有良好的可移植性，整个作业集群也有不错的可扩展性。此外，ELBS方法在设备故障诊断和任务转移方面有一定适用性。

在机器人能源感知方面，ELBS方法有良好的应用效果。不过，实际制造调度中存在动态随机性，如模糊的交付数据、不确定的处理时间、设备故障维护和紧急订单等。而且，ELBS方法仅考虑了设备能耗和设备工作量两个单一因素，存在一定不足。同时，多智能体系统（MAS）中智能体通过多对多通信交互，广播模式因大量通信信息导致效率较低。

2. 云机器人服务提供

2.1 从网络机器人到云机器人的转变

过去几十年，工业生产中自动化设备的引入使工业领域有了诸多改进。工业机器人的发展让编程机器人在实时应用、精度、鲁棒性和兼容性方面达到了较高水平，形成了机器人网络以应对极端环境、探索未知空间和准确把握实际需求。

机器人网络是一组通过有线或无线通信网络连接的机器人，单个机器人视为节点。节点间共享传感数据和信息，操作员可远程传输命令数据并接收测量反馈，保证特定操作的执行。网络机器人可应用于远程医疗手术、救灾等场景，但存在计算和存储能力受限的问题，面对高复杂度处理任务时能力有限。

随着云计算、大数据等新兴技术的发展，无处不在的云基础设施提供的弹性资源使网络机器人向云机器人转变成为可能。2010年，James J. Kuffner提出“云机器人”概念并阐述了其潜在优势，此后引发了广泛讨论和研究。