近日，世界卫生组织(世卫组织)在发现一种造成严重肺部问题的新流行病后，宣布全球进入紧急状态。这种疾病在国际上的蔓延引起了许多研究人员的注意，他们试图找到改善这一问题的解决方案。机器人技术的实施一直是提出的解决方案之一，因为自动仿人机器人可以在许多情况下使用，并限制人类对疾病的暴露。然而，他们中的大多数都有一些明显的缺点，如成本高和复杂性。研究人员的研究提出了一种新颖、安全、高效的可编程系统，使用仿人机器人，能够在紧急情况下自主移动和检测幸存者，并有可能与受害者进行语言交流。相关论文以题为“Secure Autonomous Cloud Brained Humanoid Robot Assisting Rescuers in Hazardous Environments”与2021年01月08日发表在《Electronics》上。

       近年来，机器人技术的研究已经成为工业界和学术界最热门的领域之一，随着最近云计算的流行，人们越来越有兴趣将类似的概念应用于机器人和自主系统。云机器人使机器人可以利用通信带宽的快速增长来卸载任务，而没有严格的实时性要求。这对于移动机器人来说特别有意义，因为机载计算需要额外的功率需求，这可能会减少机器人的运行时间，并限制机器人的移动性。

       事实证明，与传统的基于网络的机器人相比，基于云的机器人具有一些应用和优势。它们可以将计算密集型的新兴应用卸载到云端，如人工智能和机器学习。这些类型的机器人只需配备执行器、传感器和与云端通信并执行控制和导航任务所需的最低处理能力。因此，机器人的重量、成本和复杂性都降到最低，并且更容易获得和维护。机器人的机载软件变得更简单，需要更新的次数也更少。由于云上的服务器硬件可以独立于机器人进行升级，因此机器人的运行寿命得以延长，并通过新功能得到增强。

       此外，云端使机器人能够访问海量数据：机器人可以通过云端的数据库获取信息和知识来执行任务。它们的操作只需更新中央服务器上的软件即可扩展，而无需进行单独的本地更新。机器人不必处理这些数据的创建和维护。云还可以使机器人获得共享的知识和新技能：它为机器人提供了一个媒介，使其能够共享信息并相互学习新的技能和知识。云可以承载一个数据库或技能或行为库，这些技能或行为映射到不同的任务要求和环境复杂性。

系统架构

       本研究项目提出的系统架构如图1所示。该系统由一个人形机器人组成，该机器人以加密的方式与云服务器和安全网站进行通信，以通知救援人员。研究人员提出的架构是一个系统，其中互联网连接是强制性的，以使研究人员的仿人机器人检测和通信与受害者。

图1. 在提出的系统架构中，机器人将处理任务卸载到云服务器上。

硬件、组件和集成

       目前，仿人机器人的成本对于实验室或研究团队来说是一个抑制因素，他们无法制造可靠的腿部机器人。研究人员和工程师必须设计出功能性的机器人，而专业公司必须制造出这些机器人，以确保良好的工业集成。

       研究人员实现的自主仿人机器人除了Nao机器人外，主要由两部分组成：Raspberry Pi 3B+和Slamtec RPLiDARA2模块。对于周围障碍物的检测，研究人员使用了LiDAR--一种光检测和测距模块。LiDAR是一种连续向各个方向(360∘)发送脉冲光，并通过传感器测量每个角度的反射脉冲的勘测方法。根据接收到的脉冲的时间和波长，计算出每个最近的障碍物的距离。LiDAR适合研究人员的项目需求，因为它可以在低光照的情况下工作，这在危险的环境中是非常常见的，因此，所提出的机器人能够在这些条件下顺利运行是至关重要的。为了检测周围的障碍物并能够在房间内导航，所有这些捕获的测量数据都需要进行处理并播种到研究人员的算法中。Raspberry Pi 3 B+被用来进行这项操作，它是一种廉价、小巧、坚固的单板计算机（SBC）。

       Raspberry Pi的主要优势是它具有很高的可定制性，主要是因为它提供了大量（40个）通用输入输出（GPIO）引脚。Raspberry Pi的电源要求和软件的高可用性使它成为研究人员的最佳候选者之一。图2描述了Nao机器人，其组件和RPLidar A2模块以及Raspberry Pi 3B+。

与受害者对话管理

       在研究人员的案例中，设计一个仿人机器人与受害者互动并询问重要信息是非常必要的；例如，他们的健康状况。因此，研究人员采用了基于框架的对话系统，也称为基于表单的系统。对话管理架构如图3所示。
       当系统接收到输入时，首先要识别输入中的文字。因此，Nao可以应用Google Speech API将音频转换为文本。接下来的动作，句法解析，对句法结构进行详细的分析，当系统需要区分相似的句子时，这对系统是非常有利的。当使用模式匹配时，输入句子只需要包含一些关键词就可以认为是匹配的。系统配备了包含一个序列或一组关键词的脚本。对句子进行关键词的检查，如果所有的关键词都被表示出来，且没有其他脚本匹配，则认为是匹配的，可以自动生成响应。系统要想能够令人满意地参与对话，就必须能够识别和分析不同的对话，例如，它可以接收一个请求、一个问题或一个回复。

       系统的对话模型起到引导的作用，帮助系统对用户的输入进行定性，并对输入进行适当的响应。最后，在语音合成方面，研究人员在本地应用了Nao的文本转语音功能，对机器人的上游数据进行了优化。

结论

       在不久的将来，预计将有数以百万计的仿人机器人被部署在实地，在涉及人类生死存亡的危急情况下即时作出决定。这种机器必须有可能通过将它们的 "大脑 "连接到计算机网络，立即获得新的基本技能和信息。本文提出了一种新颖、快速、安全的系统，利用云服务器作为大脑与人形机器人连接，通信延迟最小。这样的系统赋予了人形机器人自主移动的能力，并在紧急情况下检测幸存者，另外还能与受害者进行互动。研究人员的研究已经被具体化为一个原型机器人，并进行了一些实验来验证其实用性。

       通过本文的研究结果和批判性讨论，可以看出应该更加重视该领域的研究，因为应该尽量降低人类在危险环境中的死亡率。这项工作是首次提出云端人形机器人在危险环境中的使用，开辟了一个具有多种可能性的领域，研究人员应该深入研究。在他们的研究过程中，出现了很多挑战，比如机器人与云端服务器之间的通信延迟，或者一些地方WiFi信号较弱的缺点。这款机器人是建立机器人时代云端模式的第一步，但要将这款原型机转化为消费类设备，还需要更多的研究。

       此外，考虑到本研究产生的令人满意的结果，今后研究人员计划对软件进行改进，目的是创建一个架构，该架构利用参与机器人之间的机器对机器(M2M)通信形成的特设云与使用机器对云(M2C)通信的云化基础设施相结合。

来源：贤集网