(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210584920.7 (22)申请日 2022.05.27 (71)申请人 西南交通大 学 地址 610000 四川省成 都市二环路北一段 (72)发明人 郭鹏　王梓鹏　汪世杰　史海超　 张笑菀　汪健强　 (74)专利代理 机构 无锡风创知识产权代理事务 所(特殊普通 合伙) 32461 专利代理师 单虎 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种基于云边协同的两阶段机器人运动决 策技术框架 (57)摘要 本发明涉及涉及一种基于云边协同的两阶 段机器人运动决策技术框架， 发 明利用两阶段决 策方法， 将地图模型放在云端环节， 生成巡逻路 径坐标的过程在云服务器上运行， 利用快速随机 搜索树算法， 形成轨迹之后发送给机器人底盘， 机器人利用运动控制和避障决策算法执行巡逻 任务。 建立起一套机器人控制系统的工作流程与 决策机制， 确定了基于云边协同实现两阶段混合 决策的基本技术框架， 降低对单一机器人的存储 与计算要求， 从而在整体上降低搭建成本并且提 高设备效率， 对企业基于云边协同优化机器人控 制性能与算力分配有参 考价值。 权利要求书1页 说明书7页 附图2页 CN 114952839 A 2022.08.30 CN 114952839 A 1.一种基于云边协同的两阶段机器人运动决策技术框架， 其特征在于： 包含以下两个 环节： 环节1： 机器人运动路径规划， 即给定机器人起始点和终止点之后机器人应当采用什么 方法运动过去； 环节2： 如何控制机器人的四个电机让底盘按照规划出来的路径去运动。 2.根据权利要求1所述的一种基于云边协同的两阶段机器人运动决策技术框架， 其特 征在于： 通过改进RRT(随机搜索树)算法进行路径规划 工作， 其核心是在含有起始点Qint、 终点Qend、 不可穿越障碍区域b(x， y)的地图中以随机策略概率p生成若干个随机坐标点 Qrandom， 最终连成一条 可行的路径l， 概 率决策函数表现为： 其中dstset是算法求解时人工设定的临界距离以判断是否已经靠近Qend,如果靠近就 应该改变随机策略以加快向目标点的靠 拢。 3.根据权利要求1所述的一种基于云边协同的两阶段机器人运动决策技术框架， 其特 征在于： 通过IMU传感器结合PID的方式实现电机控制以达成运动效果， 以e(t)作为误差的 PID表达式为： 4.根据权利要求1所述的一种基于云边协同的两阶段机器人运动决策技术框架， 其特 征在于： 采用改进的数值积分方法将IMU采集的加速度值转化为位移并用于PID的误差e(t) 的衡量， 从加速度到位移的数值表达式为： 其中S和V是求积结果， 对应位移与速度、 h是步长， 对应时间采集步长， m是修正次数， 表 示理查德外推 法的修正次数； S2n是利用梯形方法进 行积分计算的结果， Sm(h)是利用采样点 对梯形进 行精细化调整后的最 终结果， 通过数值积分就可以得到加速度时间序列a(t)和位 移时间序列S(t)。权　利　要　求　书 1/1 页 2 CN 114952839 A 2一种基于云边 协同的两阶段 机器人运动决策技术框架 技术领域 [0001]本发明属于云边协同领域机器人集群计算性能优化领域， 涉及到一种面向云边协 同系统简化机器人运动控制过程并提高系统计算资源利用效率的方法， 尤其涉及到一种基 于云边协同的两阶段机器人运动决策技 术框架。 背景技术 [0002]随着智慧仓储与智慧工厂场景的广泛研究， 如何对现有的任务处理过程进行优化 并降低重复性计算导致的浪费是一个重要的问题。 2019年以后， 边缘计算的兴起更是引发 了如何利用云边协同的理念提高现有的智慧工厂方法的实际运行效果并降低其能耗成本 的研究热潮， 其中尤其是在重复性的机器人运动控制环节有很大 的改进需求。 目前在机器 人运动控制领域存在着以下几点 不足： [0003]1、 运动轨迹由机器人自己生成， 中央计算机给定任务指令之后机器人根据机载地 图和机载雷达自动的寻找最优路径造成重复性计算。 N台计算机需要重复N次地图加载、 地 图扫描、 地图建模、 地图存 储、 地图更新的工作， 严重浪费了能源与算力。 [0004]2、 严重依赖于中央计算机的处理能力， 部分企业的实际设备将所有的环节都放在 计算机上面， 以云计算的形式作业， 导致大量的数据在云边之 间流动形成庞大的数据负载， 机器人延迟高， 运行效果 不好。 [0005]机器人通常的采用IMU(惯性导航单元)里程计算法， 其信号 处理过程极其粗糙， 缺 乏基于优化的数值积分方法进 行的数据处理， 在运行过程不论是采集时间还是采集精度都 严重不足， 因此需要 多个雷达的辅助校准， 导 致额外成本 。 发明内容 [0006]本发明主要涉及几种关键的技术， 主要包括路径规划、 机器人动力学建模、 给定路 径下的运动控制、 用于运动控制的传感器信息读取与处理技术。 为实现智慧工厂机器人集 群的计算 性能优化， 本发明提供了一种两阶段运动决策技 术框架。 [0007]包括以下几个步骤： [0008]步骤1： 用一台计算性能更好地PC作为云端， 云端运行运动规划阶段的决策任务。 采用Python编写基于RRT算法 的路径搜索程序， 并且根据任务 向其输入目的点和起始点坐 标。 [0009]步骤2： 云端采用RRT脚本根据预先输入的只存储在云端的地图， 计算出从起始点 到终点的最优路径的坐标。 [0010]步骤3： 云端将这一条任务路径上所有坐标点的坐标以列表的形式发送给车间中 的一台机器人， 以机器人作为 边缘端执行运动控制阶段决策任务。 [0011]步骤4： 根据机器人物理模型建立 起机器人运动学模型。 [0012]步骤5： 根据机器人电气元件建立起机器人电控特性测试曲线， 以明确控制指令的 实际效果。说　明　书 1/7 页 3 CN 114952839 A 3