Simon X. Yang:机器人智能网络

兰巨龙:感谢杨坚先生的精采报告。下面有请加拿大盖尔弗大学Simon X. Yang教授给我们做报告,报告的题目是机器人智能网络。

Simon X. Yang:今天主要介绍的是我们实验室从事的、把网络用到机器人系统,特别强调智能。里面有两个关健词,一个就是智能,使得系统更加的聪明,容易操作,更有效,更加的可行,而且有自动性。

关于机器人,大家对机器人了解的很多,看到大量的科幻电影,机器人在日常生活中用的越来越多,它身上有三大部分,第一部分把信息要采集进来,机器人和人一样,信息采进来以后要进行处理,进行决策。还有一个就是把决策的结果传给机器人去执行。网络是一个非常重要的环节,怎样把产业的信息传输到系统里面。现在的信息量越来越大,强调决策越来越多,目前大家都在做一些尝试的研究,把云计算和网络用起来,通过计算,传到云端,算完之后很快传回来。还要传回机器人去执行。使得机器人更加的有效,而且功能更全。

第一部分是介绍关于无线传播网络的检测,每一个出现无线传播网络的节点,是一个电子鼻,人的鼻子常常有问题,比较主观,而且可重复性比较差。我们这里通过仿生的方法,用智能的方法做的电子鼻,使得它的原理和人的鼻子是一样的。我们用的是信息采集,使得做下来的结果是一样的。

这是无线传播网络,我们不是被动的减量,把信息采集可以看四周的信息。大家知道短期的天气是非常好的材料,可以很方便的预测明天气温的情况,也可以知道周围人的老百姓会不会抱怨,如果不抱怨就不采取措施,如果抱怨就要采取措施。无线传感器网络,主要是用了网络的传输协议,使得更省能源,更优。电子鼻在外面用的时候需要电池,所以需要可靠,有信号处理,还有网络层。这是示意图,老的电子鼻部分有传感器,802.1协议,最后是进入计算机网络。这是它的电路图,这是802.15.4结构,分不同的层次,主要是做网络的优化。

这是电子鼻采集的信号,怎样把这些信号准确的传过去,满足它的人员,这是考虑的因素,当网络出现变化的时候怎样平衡,怎样通过别的节点进行多传多跳。我们特别强它的服务质量,人员的节省。

这是做电子鼻的节点,最早看到的是大的版本,这是下的版本,更节省能源,真正的用户是农民。除了刚才讲的网络是在无线传感器网络部分,还涉及到网络的传输问题,公共网下不同的人可以有不同的数据,农场主可以采取措施,可以得到数据等等。

我们第二部分讲的是机器人的遥控,特别强调网络,怎么能够有效的传到基站,再由基站传回去,有可能是第三层,甚至更远,我们这里有几级传输。为什么要用这部分?这里涉及到高效,因为机器人上面的资源有限,而且机器人强调实时性,所以有这个问题。这是传感器和控制器,它有声音识别,通过无线传感器到实验室的计算机,然后对它进行监控,以及监测。

普通的信息是直接传输,图象要通过压缩以后再传递。我们的一个核心部分,它的核心部分在于网络延迟,管单用了公共网,会有一个网络延迟,我们研究通过智能系统减少它的延迟。这是我们实验室的数据,中午的时候,普通信号的延迟,这图象的延迟。这里面发表了文章,我就不详细介绍了。

最后一个例子,有些部分早就做完了,涉及到云计算,前面是机械部分,我们设计了一个机器人摘西红柿,涉及到图象处理,机械手的设计,运动控制,让他走的更快一些,传统的方法,西红柿通过它的颜色和形状,有很多麻烦的地方,比如图象采集进来,有它的颜色,它的东西在什么地方,两个西红柿或者两个水果,用机器去采摘。这个博士生做的更简洁的运算处理,把它做B型处理化。深度的时候,通过不同的方法对它进行分块,最后有一个地址,分布计算之后,还要结合起来。这是他提出的概念,怎样通过分布的应用,这里有不同的区域,通过信息采集之后,图象处理比较慢,而且送到云端,把大的算法分成小的部分,因为云端的运算能力很大。

这是运用的一些软件,比如HTML5,这个学生在美国硅谷公司工作,在读的博士生,他用了最新的算法,这是他运用的最新的算法。这个算法会用到不同的水果、蔬菜上。

这也是一个比较难的东西,尽管和网络的关系不大,比较有趣的是,这是一种剪刀加手,这是摘茄子,下面是摘草莓,现在劳动力成本比较高,有些用的比较成功,有的用的不是很成功。受到一些人的启发。我们设计了一个剪刀可以剪,最后可以放到篮子里面,那个学生开了一个公司,专门卖这个产品,拿到机器人上面运用还比较远,但是做个剪刀拿到商场去卖,还卖的不错。在家庭里面用比较好。

最后简单介绍一下和印度有一个合作,用机器人的传感器形成一个网络,使得对安全的监控,是一个国际项目。通过手机,计算机,可以看到一些情况,他们可以通过无线网,也可以通过有线的进行传递。

我的报告就到这里。谢谢大家。


  • 本站原创文章仅代表作者观点,不代表SDNLAB立场。所有原创内容版权均属SDNLAB,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用,转载须注明来自 SDNLAB并附上本文链接。 本站中所有编译类文章仅用于学习和交流目的,编译工作遵照 CC 协议,如果有侵犯到您权益的地方,请及时联系我们。
  • 本文链接https://www.sdnlab.com/15320.html
分享到:
相关文章
条评论

登录后才可以评论

SDNLAB君 发表于15-12-11
0