智能机器人原理与应用 课件 第15章 室内环境自适应智能商用服务机器人系统.pptx

智能机器人原理与应用

;15室内环境自适应智能商用服务机器人系统;15.1服务机器人研究发展概况;“机器人云服务”用于用户服务云端管理、机器人资源优化调度及服务大数据分析，以实现机器人服务的网络化、数据化、智能化。结合了云服务，服务机器人的运行流程更加高效，始于用户或业务逻辑触发服务需求，经过语言/动作/屏幕指令/APP程序等多种人机交互形式，机器人感知并理解用户意图，进而进行任务规划和调度执行，最终向用户提供所需服务，如图15.2所示。;服务机器人与工业机器人系统构成类似，如图15.3所示，由于二者的应用场景及用途不同，相应的技术需求存在巨大差异：

1）服务机器人由于非结构化环境的不确定性，往往需要更多源的传感器组合，且有更高的环境感知与运动控制算法要求；

2）服务机器人具有更复杂的业务逻辑，更强调人机交互的智能性、友好性、及时性，更强调机器人云平台的应用，以实现云端智能；

3）由于运行复杂算法和适应复杂环境的需要，服务机器人有更高的计算性能要求；

4）公共服务型机器人，对感知系统和机械结构的精度要求低于工业机器人和特种服务机器人，但对性价比及能耗的要求更高；

5）服务机器人对环境中其他设备有更多的物联与调度需求，且更加强调自主协同与多机协作。;15.1服务机器人研究发展概况;15.1服务机器人研究发展概况;15.1服务机器人研究发展概况;15.2.1“云迹科技”智能服务机器人;15.2.1“云迹科技”智能服务机器人;15.2.1“云迹科技”智能服务机器人;酒店智能服务机器人在HDOS中扮演着由线上转线下的关键部分，HDOS将住客、员工、管理者、机器人、AI语音客服连接起来，通过住客需求端的数字化，完成任务分发，任务执行。这样减少了完成客户服务过程中不必要的冗长信息传递，减少服务过程中遗漏和出错，大大提高了服务效率，减轻人力负担。;室内环境的封闭性、高动态性和不确定性问题以及商用情况下的高性能、易操作、安全性需求，对室内智能商用服务机器人的要求更为苛刻。例如非结构化环境下的高精度混合定位建图技术、基于自主深度学习引擎的目标识别与动态避障技术、地形自适应的伺服驱动与控制技术、多机器人自主协同与优化调度技术以及场景化多模态人机交互与意图理解技术。为了使得服务机器人能够根据不同的室内环境如酒店、楼宇、社区等场景，提供智能化、便捷化的服务体验，也需要一种智能服务机器人技术平台。;高精度定位导航：

在环境感知、定位精度、定位速度、定位稳定性等方面，酒店与楼宇等跨楼层室内复杂环境存在的空间特征稀疏、动态扰动、地面扰动给机器人高精度定位与导航带来了难题。

机器视觉与动态避障：

如何在复杂环境中实现高精度的目标检测和跟踪，如何在动态环境中实现高效的路径规划和避障，室内环境目标的多样性、动态性、不确定性以及光照变化给机器人带来的场景理解与动态避障等困难需要解决。

伺服驱动控制：

如何实现高精度的运动控制，如何提高机器人的操作精度和驱动力控制，复杂环境给机器人的高通过性与高稳定性运动控制带来的技术问题。;模块化与轻量化设计：

如何实现机器人模块化与重构技术，如何提高机器人轻量化设计技术，尤其是复杂环境对机器人模块化与轻量化的高要求等问题。

智能物联与协同调度：

如何实现多机器人协同技术，在人机共存环境中，应用机器人群组通过跨楼层自主乘梯完成智能导引、物品配送等多样化任务，为了达到“少人工干预、高用户满意度”服务指标，给机器人协同与群组调度带来了技术难题。

人机交互：

如何使用人机交互技术，通过屏幕、语音等方式与用户进行交互，在特定场景下，机器人与用户的交互过程中，因语音识别不准确、意图表达个性化与多样性、新词汇与新说法等诸多问题带来的用户意图理解障碍。;15.3云迹室内智能商用服务机器人关键技术及实现;酒店、楼宇等室内场景是一种典型的非结构化环境，局部环境特征稀疏，且存在动态扰动与地面扰动，给服务机器人的高精度定位与导航带来技术挑战，如下：

1）不同楼层客房走廊、电梯厅等区域相似度高，部分区域环境特征不明显，影响定位与导航的精度；

2）人员、推车等不确定性物体在场景中移动带来动态扰动，影响定位与导航的稳定性；

3）局部地面的坡坎、坑洼及材质差异带来地面扰动，影响定位与导航的准确性。

针对这些问题，如果使用基于多源异构信息的高精度混合定位建图及导航技术，定位与建图数据动态修正、回环检测优化及数据存储压缩，能够显著提升机器人定位导航的精度、速度及可靠性。这种方法定位精度非常高，能够达到厘米级别，并且具有高达99.95%的定位成功率，建图运行速度也非常快。此外，建图闭环的耗时很短，即在智能机器人定位建图（SLAM）中，检测并修正机器人的轨迹和地图的一种方法，当机器人回到之前访问过的地方时，它可以通过匹配当前的观测和历史的数据，发现自己