AI研习丨专题：面向防疫的5G巡检机器人技术与应用
2021-02-25 18:50:16
?
?
文/ 汪中原，李林，周振宇，王犇，章海兵，徐琳
?
摘 要
隨著復工復產的穩步推進，各大公共場所的人流量大幅度增加，戴口罩、測體溫成為人們進出的必檢項。巡檢機器人可以協助人開展自主巡檢、自動篩查及智能預警，減輕防疫人員的壓力。本文重點關注面向防疫的5G巡檢機器人技術與應用，首先探討自主定位導航、多模態感知融合、集群任務分配和移動邊緣技術四類前沿研究工作；然后以科大智能5G巡檢機器人為應用案例闡述防疫機器人的實際應用場景；最后對其未來發展做出展望。
?
關 鍵 字
防疫；5G；巡檢機器人
?
0 引言
作為“制造業皇冠頂端的明珠”，機器人的研發、制造和應用，是衡量一個國家科技創新和高端制造業水平的重要標志。美國、日本和德國等西方發達國家大力發展顛覆性機器人技術和系統，積極主導、參與并擁抱機器人建設。美國政府于2011年正式推出了《國家機器人計劃》，以“建立美國在下一代機器人技術及應用方面的領先地位”。歐盟于2016年啟動了《歐盟機器人研發計劃》（SPARC），旨在“保持機器人技術的領導地位，促進行業和供應鏈的建設，到2020 年能夠占到世界機器人技術市場的42%以上”。日本政府于2015年公布了《機器人新戰略》，提出三大核心目標，即 “世界機器人創新基地”“世界第一的機器人應用國家”和“邁向世界領先的機器人新時代”。
?
近年來，我國機器人產業正處于快速發展期，中央及各地方相關主管部門陸續出臺政策規劃，在項目支持、平臺建設與應用示范等方面為機器人產業發展營造良好的生態環境。我國的機器人技術水平顯著提升，關鍵零部件取得重大突破，產業規模持續增長。根據國際數據公司IDC《全球商用機器人技術支出指南》，中國機器人及相關服務的消費額持續高速增長，到2021年將達到746億美元，2017—2021年復合年增長率（CAGR）達到31.9%，預計到2021年將占全球總量的34%以上，是全球最大的機器人市場。
?
2019年末，全球范圍內發生新冠肺炎疫情，減少人與人之間的接觸是防止疫情擴散的有效手段。在此背景下，用機器人替代人的需求被激發，機器人在巡檢、醫療和配送等領域走上防疫一線。根據國際機器人聯合會的分類標準，機器人分為服務機器人和工業機器人兩大類。在我國防控新冠肺炎疫情期間，這兩類機器人都發揮了積極的作用。例如在呼吸機和口罩機等防疫物資生產制造方面，工業機器人發揮了巨大的作用；在防疫應急處置和輔助作業方面，服務機器人用得更多，這也是疫情中發展最快的一類機器人。在服務機器人中有三類機器人在本次疫情中發揮了積極作用，第一類是巡檢機器人——開展人體測溫、口罩識別、定點巡視等任務；第二類是消毒機器人——在醫院、商場和戶外等場所開展消毒工作；第三類是配送機器人——將食物、藥品和物資等運送到指定地點。
?
本文重點關注面向防疫的5G巡檢機器人技術與應用。所謂5G 巡檢機器人，即基于5G網絡的高速率、低時延和高可靠的特性，針對巡檢機器人的移動特點，以及協同工作的低時延、高可靠性要求，對常用的5G網絡技術進行面向移動機器人的針對性優化。例如，基于SA架構構建5G網絡，采用上下行時隙優化配比、多載波聚合提升通信速率；部署MEC+邊緣云實現云邊協同，降低時延；優化網絡傳輸，增加網絡設備冗余，實施網絡切片，提升網絡通信可靠性。通過建立多機器人系統分布式控制5G 通信機制與指標體系，建設5G通訊個體移動機器人平臺，為機器人間、機器人與管控系統間的數據通信，提供安全、可靠的無線通信服務，確保高效、精準且安全的多機器人間協同工作，實現機器人在各類場景的全天候、全自主和智能化巡檢。其代表性企業，如科大智能科技股份有限公司，其5G巡檢機器人在能源電力、軌道交通及航空航天等領域均有典型應用。
?
針對防疫巡檢機器人的需求，如何提高對于復雜場景的智能判斷和適應能力，提高巡檢機器人在測溫、巡邏和防疫等諸多環節的工作能力是研究的重點，5G巡檢機器人技術則是解決這一類問題的關鍵。本文首先探討面向防疫的5G巡檢機器人技術與應用要解決的關鍵問題，包括自主定位導航、多模態感知融合、集群任務分配和移動邊緣計算；接著以行為管控、測溫巡視等防疫工作為應用案例，闡述科大智能5G巡檢機器人關鍵技術的落地應用；最后討論目前研究存在的問題，以及未來研究面臨的挑戰。
?
1 關鍵問題
5G 巡檢機器人技術主要是研究如何基于移動5G網絡，融合智能感知、物聯網和人工智能等技術，具備巡檢機器人的紅外熱成像體溫檢測、未佩戴口罩人員識別和群體協作等功能，從而協助人實現快捷高效的巡檢，其中包含了以下四個關鍵問題。
?
（1）自主定位導航。機器人執行任務，首先要回答一個基本問題，即我在哪、要去哪、怎么去。為了支持移動、定位、避障和繞障等操作，巡檢機器人需基于激光雷達、里程計和超聲波等信息，實現在未知環境的自主運動。
?
（2）多模態感知融合。為了支持機器人的個性化服務和持續學習能力，需要將感知模塊的輸出進行充分理解，逐步提取并積累與服務場景和個人相關的個性化知識。
?
（3）集群任務分配。巡檢機器人集群任務分配是多個任務分配給系統中的不同機器人，以達到總的巡檢時間最短、消耗最小、任務完成度最高等目的。
?
（4）移動邊緣計算。邊緣計算的引入將解決終端能力受限和云計算的實時響應問題，增強機器人的實時響應能力，持續不斷地提高機器人能力。
?
1.1 機器人對場景的適應——自主定位導航
機器人需要根據操作人員的在線指令或預先設定的任務，半自動/ 自動進行任務區域內的全局/ 局部路徑規劃，精準定位到達巡檢點完成相應任務。機器人導航定位與路徑規劃的完成必須依賴于其傳感器所獲得的信息, 如里程計、聲納、激光和視覺傳感器等。由于傳感器自身的限制，感知信息存在不同程度的不確定性，直接使用感知信息很難得到準確的環境模型，通常需要對感知信息再處理，從而完成導航和定位。此外，機器人運動路線是否滿足機器人和環境條件的要求、規劃耗時和空間占用是否最小、路徑是否最優，都會直接影響機器人的工作狀態和效率。
?
如圖1所示，自主定位導航包括三個關鍵的科學問題。
?
（1）大場景不確定信息下的地圖創建方法，實現通過機器人在復雜環境中的移動，構建任務區域的環境地圖。
圖1 自主定位導航
（2）動態環境下機器人的自主定位方法，通過相關算法處理，實時生成機器人當前環境內絕對位置航向數據，同時降低錯誤的觀察數據對機器人定位的影響，提高機器人定位的魯棒性。
?
（3）復雜場景下機器人的路徑規劃與導航控制方法, 規劃機器人在全局和局部條件下的最優路徑。
?
1.2 機器人對場景的理解——多模態感知融合
為了實現對巡檢區域內溫濕度、氣體濃度、人員行為和設備缺陷等實時監測并告警，需要構建涵蓋不同傳感器組合的環境感知融合框架, 同時兼備經濟性因素，最大限度利用各傳感器的有效信息, 采用人工智能算法對傳感器采集的局部或全局信息進行處理分析，獲得被監測對象的一致性解釋與描述，實現對巡檢區域的自主感知。
?
如圖2所示，多模態感知融合包括四個關鍵的科學問題。
?
（1）字符識別技術。實現復雜場景下的不同字體、大小、長短的文字檢測和識別，將文字拆分成片段和鏈接兩種元素，利用全卷積網絡在多個尺度上密集的檢測，并根據幾何規則組合完成整詞檢測；實現一種端到端可訓練的文字識別神經網絡模型，將卷積神經網絡、循環神經網絡和聯結時序分類三者結合，并可以由圖片和文字標注端到端的訓練，簡化傳統方法中復雜的訓練和測試流程。
圖2 多模態感知融合
（2）人臉識別技術。存在光照、姿態、表情、遮擋、年齡變化、偽妝、仿偽和圖像成像質量等情況下的人臉關鍵點檢測和魯棒的人臉特征描述，大規模圖像人臉驗證時，需要將待檢測人臉特征與大規模數據庫進行特征距離計算，在大規模人臉數據中實現實時驗證。
?
（3）缺陷識別技術。缺陷為種類繁多、形態多樣、外觀不規則、部分缺陷細小、外觀表現形式并不明確等情況，特征提取后在特征空間存在某些類間間距小、類內間距大的情況，難以訓練；另外，缺陷樣本數據缺乏，在少量的樣本中又包含眾多的類別形式，需要從這些小樣本中學習到缺陷的特征。
?
（4）行為識別技術。當前行為識別高度依賴物體和場景，目前算法的行為識別更多的是學習到物體與場景的語義特征，而非行為這個動作，采用交互式學習后并泛化至非特定場景依賴的行為，通過明確行為長度與語義的定義，減少行為時長帶來的不確定，對多幀信息的融合處理進行行為語義判斷。
?
1.3 機器人對任務的規劃——集群任務分配
在大場景和多任務下，往往需要多個機器人，也就是機器人集群開展巡檢任務。隨著機器人日益成熟和普及，對機器人集群調度的需求也越來越強烈。5G 高速率、低延遲和廣鏈接為機器人集群的調度，提供了網絡支持。機器人集群巡檢往往存在大量的巡檢任務和一定數量的巡檢機器人。機器人集群的任務分配問題是機器人集群調度至關重要的環節，分配結果將直接影響機器人巡檢的效率。巡檢機器人集群任務分配是多個任務分配給系統中的不同機器人，以達到總的巡檢時間最短、消耗最小和任務完成度最高等目的。現階段的機器人集群任務分配算法大都以最優化總路徑或總時間等單個指標為目標，導致每個機器人的任務分配不均衡，實際效率低下。
?
如圖3 所示，集群任務分配包括兩個關鍵科學問題。
圖3 集群任務分配
（1）根據巡檢任務，兼顧時間、能耗和完成率等不同的因素，將機器人執行任務產生的代價定量描述出來。
?
（2）如何將待執行任務合理地分配給機器人，以實現整體執行效果最優，提高系統的運行效率。
?
1.4 機器人的能力邊界——移動邊緣計算
機器人在移動過程中會不斷地采集視頻或者其他信息并生成對時延、可靠性，有著嚴格要求的計算密集型任務數據，對這些數據的處理，對于計算能力有限的巡檢終端而言是一個不小的負擔，故而需要卸載到計算能力更為強大的平臺上。現有的通信架構中，數據主要被上傳至遠端的云計算平臺處理，大量任務數據的遠程收發和處理，以及爆發式增長的設備連接和任務計算需求，導致業務處理的響應時延和可靠性無法保障。
?
如圖4 所示，移動邊緣計算包括四個關鍵的科學問題。
圖4 移動邊緣計算
一是巡檢終端在進行任務卸載時，必須動態優化信道選擇，以提升任務處理性能；而在實際的物聯網場景中，由于終端位置和工作環境的變化，時變的信道狀態信息更加難以預知。
?
二是巡檢業務對時延和可靠性等性能指標有著嚴格的要求，并因業務類型的不同嚴苛程度各異, 一旦在實際的任務處理忽視該問題，勢必會造成重要信息無法及時傳達。
?
三是裝載多種傳感器的巡檢機器人大多采用容量有限的電池供電，執行巡檢任務過程中若不停調用傳感器信息將加劇數據傳輸的能耗。
?
因此，如何在信道狀態信息缺失和電池容量有限的情況下選擇最優信道進行任務卸載，在提升自身能效的同時，保障業務數據的高可靠低時延通信需求是需要解決的重要問題之一。
?
2 應用案例
下面結合具體應用案例（見圖5），闡述上述前沿問題在現實中的落腳點。科大智能5G防疫機器人是一套智能化巡視檢查的綜合管理系統，主要應用于大型工廠等人員流動較大區域，用來作為行為管控和測溫巡視的標準化防疫工作。其中包括自主移動平臺、現場人臉頭像采集、人體紅外熱成像采集，以及后臺數據分析、故障告警等多重功能。
圖5 應用案例
（1）自主定位導航。針對巡檢區域環境特點，機器人搭載激光傳感器，并融合里程計信息進行地圖構建和定位導航。根據傳感器自身的限制及環境特點，采用不確定性信息的處理，基于圖優化的增量式地圖構建、地圖更新及智能繞障技術，通過離線轉換工具生成具有統一坐標系的機器人定位用的三維點云地圖和導航用的二維柵格地圖；同時利用三維激光測距傳感器的觀測信息與所創建的地圖進行匹配，獲取機器人的定位信息；根據定位數據及目標點數據的關系實時規劃可行路徑，實現在任務區域的高精度、大場景地圖構建和自主導航。
?
（2）多模態感知融合。采用“人體識別+人像識別+ 紅外/ 可見光雙傳感”技術，通過全段紅外傳感器鑒別出人流中的高溫人員，根據疑似發燒者的人體體征和人臉信息，利用紅外測溫技術，即可快速篩查提問異常者并進行報警，解決一般紅外測溫漏判、錯判，以及無法在大流量下識別發燒者的難題，協助工作人員二次測溫。
?
（3）集群任務分配。對機器人集群進行巡檢任務規劃；從時間、路程和效用三個維度，計算巡檢機器人在任務執行過程中的代價；對巡檢任務進行分配；通過5G 基站下發巡檢指令到機器人集群。巡檢機器人集群任務分配是多個任務分配給系統中的不同機器人，以達到總的巡檢時間最短、消耗最小、任務完成度最高等目的。
?
（4）移動邊緣計算。基于強化學習和李雅普諾夫優化，提出一種可以在線執行的EUP-UCB算法來解決信息不確定情況下的設備效用最大化問題。該算法通過李雅普諾夫優化可以將長期傳輸能耗和高可靠低時延通信需求的約束代入優化目標，并將長時的設備效用最大化問題轉化為一系列瞬時的信道選擇決策問題。
?
3 未來挑戰
目前，關于5G巡檢機器人的研究是前沿熱點問題之一。防疫作為最具潛力的落地應用之一，雖然已有部分早期的研究成果，但與大規模的商業化應用還相去甚遠。下面簡述面向防疫的5G巡檢機器人的三大潛在未來研究挑戰。
?
（1）場景認知問題。機器人對場景認知的目的是為復雜未知環境下的機器人提供足夠的決策信息，這就需要將機器人通過視覺、觸覺和聽覺等技術獲取的異構數據進行融合，實現優勢互補，從而提升機器人對周圍環境的感知能力。因此，需要全面深入分析機器人與環境之間的交互關系，以實現靈活、穩定和可靠的機器人認知系統。
?
（2）自主學習問題。盡管目前巡檢機器人可以做到一些基本的紅外測溫、物體識別和人臉識別等，但對于目前機器人商業應用還有一定的差距。目前，機器學習存在固有的魯棒性問題，其訓練數據中存在長尾數據無法被準確識別的問題，因此很難通過現有的監督學習方法在部署產品前解決。要解決這些問題必須使機器人具有自主學習能力。具體來說，機器人可以先實現通過少量的數據去建立基本的能力，然后自主尋找關聯數據并進行自動標注。通過不斷學習迭代，利用新的數據來對已有的識別模型進行再訓練以改進性能，從而提升自我能力。
?
（3）數據安全問題。由于機器人搜集了多種感知信息，包括視覺數據、語音數據和位置數據等，這些重要的隱私數據都需要得到保護。因此，需要建立完整的數據安全保障機制，既要求保證端到端的安全傳輸，也要保障在服務器端的安全存儲。在機器人側，傳感器數據安全地傳輸到可信計算單元，以及控制命令安全地傳輸到執行單元尤其重要，只有確保輸入輸出的安全，才可以確保機器人在受到網絡攻擊的情況下，也能保證機器人物理安全的邏輯得到正確執行。
?
4 結束語
本文介紹了巡檢機器人的發展背景，并依托當前熱點的應用防疫，詳細剖析了前沿問題，以及關鍵技術的研究現狀；同時以典型應用為例闡述了技術的落地路線和方法；最后展望了未來商業化落地的挑戰。隨著5G技術的發展，以及人工智能的深度融合，5G 巡檢機器人技術將推動機器人實現從感知到認知、從推理到決策的智能化進階。
總結
以上是生活随笔為你收集整理的AI研习丨专题：面向防疫的5G巡检机器人技术与应用的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 头条系 巨量算数 _signature
- 下一篇： 疯壳AI开源无人机PWM（电机控制）