技术领域
[0001] 本
发明涉及一种群体
机器人领域中的实时云服务
支撑，尤其是涉及一种机载式动态云系统及其实时响应资源分配方法。
背景技术
[0002] 单个机器人往往难以独立较好地胜任复杂环境中的任务：在执行任务时，一旦出现故障，只能立即终止任务返回，很可能造成无法估量的损失。随着计算机小型化与通信技术的迅速发展，
群体机器人的使用将有利于提升复杂环境中任务执行的准确性、鲁棒性等。
[0003] 机器人在面临不同任务时所需的计算资源往往存在巨大的差异，如在集群运动、导航等任务中机器人面临的
数据处理压
力较小，而在
图像处理、目标识别与追踪任务中单个机器人的计算能力往往又不足。解决此问题的常用方法是利用云服务技术，让机器人可以从高性能的云端获得额外的计算资源。云机器人就是云计算与机器人学的结合，就像其它网络终端一样，机器人本身不需要存储所有资料信息，也无须具备超强的计算能力，只需要对云端提出需求，云端进行相应响应并满足机器人的要求。这实质上是利用云端服务平台强大的数据融合和处理能力给机器人系统带来极大的性能提升。但是，在群体机器人系统中，这种集中式的云服务方式，会因通信链路拥堵、距离遥远等因素导致时延较高，甚至不可用。因此，需要一种新的云服务方式对整个群体机器人系统中的所有机器人实现实时的云服务支撑。
发明内容
[0004] 本发明的目的就是为了克服上述
现有技术存在的
缺陷而提供一种机载式动态云系统及其实时响应资源分配方法。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] 一种机载式动态云系统，将多个机器人的机载空闲计算资源整合起来形成一个动态的、实时的云系统，为群体机器人系统中的机器人执行计算密集型任务时提供实时云服务支撑。
[0007] 所述系统中的机器人包括资源需求机器人和资源提供机器人。
[0008] 各机器人根据自身实时任务需求和空闲计算资源情况，在资源需求机器人和资源提供机器人之间进行切换。
[0009] 一种如上述机载式动态云系统的实时响应资源分配方法，包括：
[0010] 步骤S1：资源需求机器人发起计算任务卸载
请求；
[0011] 步骤S2：按照在实时性要求下的可用计算资源最大原则，根据各机器人的机载可用计算资源分配通信网络带宽资源，得到效用带宽分配结果；
[0012] 步骤S3：基于得到的效用带宽分配结果和计算任务，结合各机器人的可用计算资源进行任务分配。
[0013] 所述步骤S2具体包括：
[0014] 步骤S21：确定资源需求机器人到各资源提供机器人的
信噪比；
[0015] 步骤S22：基于资源需求机器人到各资源提供机器人的信噪比确定第一中间变量：
[0016]
[0017] 其中：Bk(i)为对应于第i个资源提供机器人的第一中间变量，ki为资源需求机器人到第i个资源提供机器人的信噪比，n为资源提供机器人的数量，B为总通信网络带宽资源；
[0018] 步骤S23：确定对应于第一中间变量的传输速率；
[0019] 步骤S24：判断对应于第一中间变量的传输速率是否小于当前计算需求所需要的最小传输速率，若为是，则将第一中间变量作为第二中间变量，反之，则确定第二中间变量：
[0020]
[0021] 其中：Bvi为对应于第i个资源提供机器人的第二中间变量，Trrequired(i)为当前计算需求所需要的最小传输速率；
[0022] 步骤S24：根据第二中间变量确定效用带宽分配结果：
[0023]
[0024] 其中：Bi为最终效用带宽的分配结果。
[0025] 所述步骤S3具体包括：
[0026] 步骤S31：根据计算任务确定满足实时性要求的时间上限；
[0027] 步骤S32：确定资源需求机器人和各资源提供机器人的可处理数据量模型；
[0028] 步骤S33：根据建立的资源需求机器人和各资源提供机器人的可处理数据量模型进行任务分配。
[0029] 所述资源需求机器人的可处理数据量模型为：
[0030] f0(SData)+tMap+tReduce≤tDeadline
[0031] 其中：f0(SData_0)为资源需求机器人的数据处理时间，SData_0为资源需求机器人的可处理数据量，tMap为数据分割需要的时间，tReduce为子任务处理结果的融合时间，tDeadline为满足实时性要求的时间上限；
[0032] 资源提供机器人的可处理数据量模型为：
[0033] fi(SData_i)+SData_i/Tri+tMap+tReduce≤tDeadline
[0034] 其中：fi(SData_i)为第i个资源提供机器人的数据处理时间，为SData_i第i个资源提供机器人的可处理数据量，Tri为第i个资源提供机器人和资源需求机器人之间的传输速率。
[0035] 所述第i个资源提供机器人和资源需求机器人之间的传输速率具体为：
[0036]
[0037] 其中：B是总带宽资源，Trrequired(i)是当前任务所需的通信传输速率，Trmax(i)是机器人当前的可用计算资源需要的传输速率，k是系统系数，与
波长、发射器、接收天线等系统状态有关，Pi是传输功率，di是资源提供机器人和资源使用机器人之间的距离，l是无线信道的衰减系数
[0038] 与现有技术相比，本发明具有以下有益效果：
[0039] 1)在使群体机器人能够按需共享计算资源，为计算密集型任务提供高性能机载式动态云，而无需依赖云
服务器和通信
基础设施。
[0040] 2)将效用带宽和计算任务进行结合，从而实现实时性要求下的可用计算资源最大的效果。
附图说明
[0041] 图1为典型机载式动态云示意图；
[0042] 图2为机载式动态云计算效用带宽分配示意图；
[0043] 图3为载式动态云任务分配示意图。
具体实施方式
[0044] 下面结合附图和具体
实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0045] 本设备取报告的目的在于提供一种机载式动态云及其实时响应资源管理方法，该方法能够将一定范围内的多个机器人的机载计算资源整合起来形成一个动态的、实时的云系统，称之为机载式动态云，供其中某些需要的机器人使用。具体的，在群体机器人系统中，如果某机器人有复杂计算任务，而且机载的空闲计算资源无法满足计算速度需求，该机器人会按照当前的通信条件、附近群体机器人的空闲机载计算资源等条件，将计算任务卸载至最合适的一个或多个机器人中。这些提供计算资源的机器人组成的机制式动态云为该机器人提供实时云服务。
[0046] 但是，群体机器人系统中每个机器人的
硬件配置不尽相同，外加当前已经在执行的具有不同计算量的任务，导致每个机器人可用的计算资源都不相同；同时，动态变化的、有限的网络资源会导致机器人获得的传递速率各不相同。在整合机载式动态云中的可用资源时，该两点带来了较大的困难。例如，如果具有较多空闲计算资源的设备分配了较少的通信资源，会造成计算资源的浪费；反之，如果具有较少空闲计算资源的设备分配了较多的通信资源，会造成通信资源的浪费。为了有效的利用机载式动态云中的计算资源，需要根据当前通信网络条件以及空闲机载计算资源合理地进行通信、计算资源地分配，以满足任务的实时性要求。
[0047] 为了实现上述目的，提供一种机载式动态云系统，如图1所示，将多个机器人的机载空闲计算资源整合起来形成一个动态的、实时的云系统，为群体机器人系统中的机器人执行计算密集型任务时提供实时云服务支撑。
[0048] 系统中的机器人包括资源需求机器人和资源提供机器人。
[0049] 各机器人根据自身实时任务需求和空闲计算资源情况，在资源需求机器人和资源提供机器人之间进行切换。
[0050] 一种如上述机载式动态云系统的实时响应资源分配方法，包括：
[0051] 步骤S1：资源需求机器人发起计算任务卸载请求；
[0052] 步骤S2：按照在实时性要求下的可用计算资源最大原则，根据各机器人的机载可用计算资源分配通信网络带宽资源，得到效用带宽分配结果，步骤S2具体包括：
[0053] 步骤S21：确定资源需求机器人到各资源提供机器人的信噪比；
[0054] 步骤S22：基于资源需求机器人到各资源提供机器人的信噪比确定第一中间变量：
[0055]
[0056] 其中：Bk(i)为对应于第i个资源提供机器人的第一中间变量，ki为资源需求机器人到第i个资源提供机器人的信噪比，n为资源提供机器人的数量，B为总通信网络带宽资源；
[0057] 步骤S23：确定对应于第一中间变量的传输速率；
[0058] 步骤S24：判断对应于第一中间变量的传输速率是否小于当前计算需求所需要的最小传输速率，若为是，则将第一中间变量作为第二中间变量，反之，则确定第二中间变量：
[0059]
[0060] 其中：Bvi为对应于第i个资源提供机器人的第二中间变量，Trrequired(i)为当前计算需求所需要的最小传输速率；
[0061] 步骤S24：根据第二中间变量确定效用带宽分配结果：
[0062]
[0063] 其中：Bi为最终效用带宽的分配结果。
[0064] 步骤S3：基于得到的效用带宽分配结果和计算任务，结合各机器人的可用计算资源进行任务分配。
[0065] 实时响应任务分配，首先要识别空闲计算资源与需要的数据传递速率之间的关系，例如，某机器人剩余的计算能力可以在5ms内完成10Kb数据的处理，为保证时效性，需要在10ms内完成整个处理过程，即仅有少于5ms的数据传递用时，则所需的数据传递速率需大于10Kb/5ms＝2Mb/s的传输速率；其次需要计算机载式动态云中的机器人在满足实时性要求的前提下可处理的数据的大小；最后根据数据大小在最合适的机载式动态云中进行分配。一般情况下，即
[0066] tProcessing＝fi(SData)， (式1)
[0067] tTransmision＝SData/Tr， (式2)
[0068] 式中，fi代表第i个机器人，SData是需要的处理的数据大小，Tr是数据传输速率，tProcessinq是数据处理时间，tTransmision是数据传输时间。其中，式1中处理数据大小与处理时间与具体任务类型有关，本发明不做具体限定；式2中的传递速率Tr由所述计算效用带宽分配方法得到。定义tDeadline是满足实时性要求的时间上限，tMap是数据分割需要的时间，tReduce是返回的子任务处理结果的融合时间。因此，机载式动态云中的机器人i可处理的数据量是[0069] fi(SData)+SData/Tr+tMap+tReduce≤tDeadline (式3)
[0070] 需要注意，资源需求机器人自身也具有一部分空闲计算资源，这部分计算资源不需要进行数据传输，因此，资源需求机器人自身在满足实时性要求下的可处理的数据量为fi(SData)+tMap+tReduce≤tDeadline (式4)
[0071] 因此步骤S3具体包括：
[0072] 步骤S31：根据计算任务确定满足实时性要求的时间上限；
[0073] 步骤S32：确定资源需求机器人和各资源提供机器人的可处理数据量模型；
[0074] 资源需求机器人的可处理数据量模型为：
[0075] f0(SData)+tMap+tReduce≤tDeadline
[0076] 其中：f0(SData_0)为资源需求机器人的数据处理时间，SData_0为资源需求机器人的可处理数据量，tMap为数据分割需要的时间，tReduce为子任务处理结果的融合时间，tDeadline为满足实时性要求的时间上限；
[0077] 资源提供机器人的可处理数据量模型为：
[0078] fi(SData_i)+SData_i/Tri+tMap+tReduce≤tDeadline
[0079] 其中：fi(SData_i)为第i个资源提供机器人的数据处理时间，为SData_i第i个资源提供机器人的可处理数据量，Tri为第i个资源提供机器人和资源需求机器人之间的传输速率。
[0080] 其中，第i个资源提供机器人和资源需求机器人之间的传输速率具体为：
[0081]
[0082] 其中：B是总带宽资源，Trrequired(i)是当前任务所需的通信传输速率，Trmax(i)是机器人当前的可用计算资源需要的传输速率，k是系统系数，与波长、发射器、接收天线等系统状态有关，Pi是传输功率，di是资源提供机器人和资源使用机器人之间的距离，l是无线信道的衰减系数
[0083] 步骤S33：根据建立的资源需求机器人和各资源提供机器人的可处理数据量模型进行任务分配。
[0084] 图1是本发明实施例中的典型机载式动态云示意图。请参照图1，本发明的一种机载式动态云及其实时响应资源管理方法，包括两类机器人：一种是组成机载式动态云的机器人，即在机载式动态云内部的资源提供机器人，一种是使用机载式动态云的机器人，即机载式动态云外部的资源使用机器人。请参照图1，当前由八个机器人组成的群体机器人系统中有两个机器人有计算密集型任务的计算需求，六个机器人没有计算任务需求，那么这两个资源使用机器人根据所述发明使用六个资源提供机器人的计算资源，满足计算密集型任务的实时性要求。
[0085] 图2是本发明实施例中的机载式动态云计算效用带宽分配示意图。请参照图2，本发明的一种机载式动态云及其实时响应资源管理方法主要包括识别空闲计算资源和分配有限网络资源。机器人的广播消息中包含附近机器人的空闲计算资源信息和当前的通信资源信息。然后，根据所述发明一种机载式动态云及其实时响应资源管理方法中的所述计算效用带宽分配方法和所述实时响应任务分配方法，实现机载式动态云的实时任务分配。
[0086] 图3是本发明实施例中的机载式动态云资源管理及任务分配示意图。请参照图3，利用异构群体机器人的机载计算资源组成机载式动态云，为资源需求机器人提供实时云服务支撑。在该系统中，如果机器人有计算需求，会按照当前的通信条件、附近机器人的可用计算资源，将计算任务卸载至最合适的机器人中，满足实时性要求。为了实现这个目的，对于有计算需求的机器人，首先需要识别当前系统中通信资源与空闲计算资源的状态，然后在满足实时响应的可用资源中选择最合适的机器人进行计算任务的卸载。
