8. Проблемы и будущие направления

Использование Облака для робототехники и систем автоматизации вводит много новых проблем. Подключения, присущие Облаку, поднимают ряд проблем конфиденциальности и безопасности. Эти проблемы включают данные, полученные подключенными к Облаку роботами и датчиками, особенно, если они могут включать в себя изображения или видео или данные из частных домах или корпоративные коммерческие тайны. Облачная робототехника и автоматизация также вводит возможность роботов и систем быть атакованными удаленно: хакер может перенять на себя робота и использовать его, чтобы подорвать функциональность или нанести ущерб. Например, исследователи из Университета Техаса в Остине продемонстрировали в оценочных исследованиях для Департамента внутренней безопасности (DHS) и Федеральной авиационной администрации (FAA), что возможно взломать и удаленно управлять беспилотными дронами через недорогие системы GPS-подмены. Эти опасения подняли новые нормативные, подотчетные и правовые вопросы, связанные с безопасностью, контроль и прозрачностью. Конференция "Мы Робот" является ежегодным форумом по этическим и политическим исследованиям.

На техническом фронте, новые алгоритмы и методы необходимы, чтобы справиться с изменяющимися во времени задержками сети и качеством услуг. Более быстрые соединения данных, проводные интернет-соединения и беспроводные стандарты, такие как LTE, сокращают задержку, но алгоритмы должны быть разработаны так, чтобы деградировать изящно, когда ресурсы Облака очень медленные, шумные или недоступные. Например, "в любой момент" алгоритмы балансировки нагрузки для распознавания речи на смартфонах посылают речевой сигнал Облаку для анализа и одновременной обработки изнутри, а затем используют лучшие результаты, доступные после приемлемой задержки. Аналогичные алгоритмы будут необходимы для робототехники и систем автоматизации.

Новым алгоритмам также необходим этот масштаб для формата больших данных, которые часто содержат грязные данные, что требует новых подходов для очистки или образца эффективности. Когда Облако используется для параллельной обработки, жизненно важно, чтобы алгоритмы супердискретизировались для принятия в расчет того, что некоторые отдаленные процессоры могут потерпеть неудачу или длительных задержек в ответных результатах. Когда используются человеческие вычисления, алгоритмам необходимо фильтровать недостоверные входные данные и сбалансировать затраты при человеческом вмешательстве с ценой провала робота.

Рис. 11. Многоуровневая помощь человеку, использующая облачные ресурсы для дистанционного управления. Липер и др. разработали интерфейс для операторов для управления выполнением захвата, используя набор различных стратегий. Результаты показывают, что люди имеют возможность выбирать лучшие и более надежные стратегии захвата. (Изображение воспроизводится с разрешения.)

Рис. 12. Краудсорсинговая идентификация объектов для облегчения захвата роботом. Сорокин и др. разработали облачную систему робота, который включает Amazons’s Mechanical Turk для получения семантической информации о мире и субъективных суждениях. Эта работа использует аспект человеческого вычисления облачной робототехники и автоматики. (Изображение воспроизводится с разрешения авторов.)

Перемещению алгоритмов роботов и автоматизации в Облако требуются структуры, которые облегчают этот переход. Облако обеспечивает три возможных уровня, на которых может быть реализована структура. Низкий уровень - это инфраструктура как сервис (IaaS), где пустые операционные системы представляются на (возможно, виртуальных) машинах в Облаке. Второй уровень - платформа как сервис (PaaS), обеспечивает больше структуры, включая инфраструктуру приложения и доступ к базе данных, в то время ограничивая выбор языков программирования, системных архитектур и моделей баз данных, которые могут быть использованы. Программное обеспечение как сервис (SaaS) на самом высоком уровне структуры представлено на примере различия между Google Docs, словесным облачным процессором и Microsoft Word, которые должны быть загружены и установлены локально.

Рис. 13. DARPA Robotics Challenge (DRC), использующий CloudSim, облачная платформа моделирования с открытым исходным кодом для тестирования производительности робота-гуманоида Atlas (показан) на различные задачи по реагированию на бедствия. Облако позволяет запускать интерактивные задачи моделирования в реальном времени в параллель для таких целей, как прогнозирование и оценка производительности, проверка проектных решений, оптимизация конструкций и обучение пользователей. Это состязание также привело к обеспечению обмена научно-исследовательских усилий робототехники. (Изображение воспроизводится с разрешения.)

Рис. 14. Леденцовый робот, разработанный Томом Тилли из Таиланда, выиграл Гран-при в научном состязании по разработке робота за 10$, организованном африканской робототехнической сетью (African Robotics Network). Эта конструкция может быть построена из лишних частей за 8.96$ США. (Изображение воспроизводится с разрешения.)

Проект РобоЗемля включает в себя облачную платформу вычислений, называемую Rapyuta, которая является структурой платформы как сервиса (PaaS) для перемещения вычислений от роботов и в Облако. Также подключается к хранилищу знаний РобоЗемли, интегрируя аспект Больших данных. Мы верим, что этот подход PaaS может быть продлен для использования парадигмы программное обеспечение как услуга (SaaS), которая предлагает много потенциальных преимуществ для роботов и систем автоматизации. С SaaS, интерфейс позволяет пересылать данные на сервер, который обрабатывает их и возвращает результаты, которые освобождают пользователей от нагрузки по поддержанию данных, программного обеспечения и аппаратных средств и позволяет компаниям контролировать собственное программное обеспечение.

Мы называем этот подход - робототехника и автоматизация как сервис (RAaaS). Чтобы проиллюстрировать эту концепцию, рассмотрим два сценария для аспиранта, настраивающего роботизированную производственную ячейку. Производственная ячейка содержит промышленного руку 7-DoF Fanuc с параллельно тисочным захватом и датчиком Microsoft Kinect RGBD. Цель промышленной ячейки - забрать и осмотреть детали по мере прохождения вниз по конвейерной линии, требование распознавания объекта и локализации, планирование захвата и планирование движения.

В сценарии 1 (сегодня с РОС) программное обеспечение работает на местном уровне. РОС (Роботизированная операционная система), хорошо известная общедоступная библиотека программного обеспечения робототехники, обеспечивает доступ к более чем 2000 доступным РОС пакетам. Однако, в настоящее время РОС поддерживается только на операционной системе Ubuntu Linux. В то время, как Ubuntu популярна, компьютеры, доступные для аспиранта, работают на OSX. Многие стабильные пакеты РОС предоставляются как пакеты, которые упрощают установку, но некоторое программное обеспечение доступно только как набор файлов исходного кода, который требует загрузки и установки зависимостей. Аспирант должен установить новую машину с Ubuntu и решить все библиотечные зависимости, включая те, которые конфликтуют с другими пакетами.

В противопоставление, сценарий 2 (в будущем с RAaaS), анализирующее и планирующее программное обеспечение работает в Облаке. Аспирант посещает веб-сайт для ввода модели робота, датчика и захвата. Затем она выбирает желаемое распознавание объекта и локализацию, планирование движения и алгоритмы захвата, и использует графический интерфейс для подключения этих алгоритмов к источнику информации. Ее робот начинает посылать данные в виде облачных точек с Kinect. Робот получает и выполняет планы движения и захватов, отчитывается о результатах в облачный источник информации, которые комбинированы с обратной связью других роботов для улучшения параметров облачного программного обеспечения с течением времени. Мы воодушевлены потенциалом такой системы и активно работаем с остальными над разработкой ее компонентов.

Этот обзор основан на исследовании, доступном в августе 2014 года. Информационный архив для новых разработок и обновлений доступен по адресу: http://goldberg.berkeley.edu/cloud-robotics/