4. Облачные вычисления

Массово-параллельные вычисления по требованию в настоящее время широко доступны из коммерческих источников, таких как Облако эластичных вычислений Amazon, движок вычислений Google и Лазурь Microsoft’а. Эти системы обеспечивают доступ к десяткам тысяч удаленных процессоров для краткосрочных вычислительных задач. Эти услуги первоначально использовались преимущественно разработчиками веб-приложений, но все чаще используются в научно-технической области высокопроизводительных вычислений (HPC) приложений.

Неопределенность в считывании, моделях и контроле является центральным вопросом в робототехнике и автоматизации. Такая неопределенность может быть смоделирована как возмущение в положении, ориентации, форме и контроле. Облачное вычисление является идеальным для анализа на основе выборки Монте-Карло. Например, параллельные облачные вычисления могут быть использованы для вычисления результатов кросс-продукта из многих возможных возмущений в объекте и представляемой среды, формы и реакции робота на датчики и команды. Эта идея изучается в медицине и физике элементарных частиц.

Выборка на основе облака может быть использована для вычисления надежных захватов в присутствии неопределенности формы (см. рис. 6). Этот алгоритм планирования захвата принимает в качестве входного сигнала номинальный полигональный контур с гауссовой неопределенностью вокруг каждой вершины и центра масс и использует параллельную-выборку для вычисления качества измерений захвата, основанного на нижней границе вероятности достижения силового закрытия.

У облачного вычисления есть потенциал, чтобы ускорить много вычислительно-интенсивных робототехник и приложений систем автоматизации, таких как навигация робота, путем выполнения SLAM в Облаке, как показано на рис. 7, и следующего вида планирования для распознавания объектов. Формирование контроля наземных роботов на основе Облака также было продемонстрировано.

Для получения оптимальных методов планирования движения на основе выборки, таких как RRT, облачное вычисление полезно для создания графиков; это также важно признать, что эти графики могут быстро расти, поэтому алгоритмы для уменьшения графика необходимы для облегчения передачи данных, как показано на рис. 8.

Облако также облегчает анализ видео и изображений и преобразования, (см рис. 7). Обработка изображений в облаке была использована для вспомогательных технологий для слабовидящих и для пенсионеров.

Бекрис и др. предлагают архитектуру для эффективного планирования движения новых роботизированных манипуляторов, спроектированных для гибких производственных этажей, в которых вычисления распределяются между роботом и Облаком.

Важно признать, что Облако является склонным к различным задержкам сети и качеству обслуживания. Некоторые приложения не чувствительны ко времени, например, упорядочивание (уборка) помещения или предвычисление стратегий захвата или автономная оптимизация машинного расписания, но многие приложения имеют требования в режиме реального времени и это активная область исследования.