[发明专利]一种Docker主机、基于Docker的云机器人系统及其构建方法

说明书

本申请涉及一种Docker主机、基于Docker的云机器人系统及其构建方法，所述构建方法包括：在开源的应用容器引擎Docker主机上设置可数据连接并共享的Docker容器，并构建成机器人控制系统ROS容器集群；将实体执行端的至少一机器人与所述ROS容器集群相连接，以通过所述ROS容器集群部分分担或全部分担所述机器人的存储和/或计算功能。不难理解的是，通过此种方式，可以使得云机器人充分享有Docker技术所带来的高效性能，提高云机器人的存储、计算和智能学习能力，使其发展速度符合现在高速智能化的技术发展时代。

技术领域

本申请涉及机器人技术领域，具体涉及一种基于Docker的云机器人系统构建方法，还涉及一种采用该方法构建的云机器人系统，以及一种Docker主机。

背景技术

现有技术中，云机器人系统整体架构，由云平台和机器人本体两大部分组成。其中云平台包括云存储、云网络和云引擎。云存储主要是对云机器人资源进行存储，如对象模型、算法库、任务库、语义映射等。

Rajesh Arumugam提出了服务机器人云平台DAvinCi，是基于ROS(Robot OperateSystem)系统采用Hadoop分布式系统架构Map/Reduce机制构建的。DAvinci服务器为机器人提供代理服务将ROS和Hadoop集群绑定。机器人上的ROS节点向DAvinci请求服务或从Hadoop集群获取信息。但DAvinci对系统的网络延迟、通信问题还有待进一步解决。

Zhihui Du等为了解决机器人资源共享的问题构建了机器人云计算中心RCC(Robot Cloud Center)，解决了多样性的任务请求问题。

Lujia Wang等为了解决云机器人资源分配问题，提出基于twisted socket的云机器人系统异步数据传输架构和基于博弈论的资源分配优化算法，解决了机器人实时任务感知的问题。

欧盟项目RoboEarth的科学家们提出了机器人万维网，目的是利用互联网来建立一个开源的巨大的网络数据库，让联网的机器人能够接入并更新信息。RoboEarth可以为机器人提供动作序列、对象模型和运行环境等语义映射信息，机器人根据映射信息完成任务。

D.Hunziker等提出了Rapyuta云机器人平台。在假设机器人可以与云平台高宽带连接的条件下，Rapyuta为云机器人提供了机器人基于语义是别的任务管理、命令数据结构等功能模块。

众所周知的是，云机器人可以访问大数据中心的庞大资源，然而数据的安全性、容错性直接影响到云机器人识别和决策的正确率。目前大多数云机器人的软件架构采用Hadoop分布式文件系统，以一种可靠容错的方式并行处理上T级别的数据集，Hadoop每个集群(Cluster)由一个名字节点(NameNode)、多个数据节点(DataNode)、多个客户端(Client)组成。NameNode主要负责管理文件系统的命名空间、集群配置信息和存储块的复制等，将文件系统的元数据(Metadata)存储在内存中，这些信息主要包括了文件信息、每个文件对应的文件块信息、每个文件块(Block)所在DataNode信息等。

针对此，现有技术云机器人网络有两部分:机器人之间的网络称为(R2R)Robot－to－Robot和机器人与云之间的网络称为R2C(Robot－to－Cloud)。在R2R层，连接方式通常为无线网络，如WLAN，移动Ad－hoc网络。在R2C层提供信息、计算和存储的共享中心。资源配置直接影响到整个系统的运行效率和实时性。

资源分配管理是计算系统、存储系统的常见问题，目前云机器人资源配置常用算法有如下几种。

(1)蚁群算法。该算法对任务处理中的资源分配具有较好的性能，Merkle D等提出的蚁群算法解决了挖掘供应链中受限资源的调度问题。

(2)粒子群算法。基于自然进化的全局化概率优化方法，Rodriguez等提出的粒子群算法解决了机器人云系统中的信息流成本最小的问题。