CN117193334A - 一种机器人远程控制延迟优化方法及装置、电子设备 - Google Patents
一种机器人远程控制延迟优化方法及装置、电子设备 Download PDFInfo
- Publication number
- CN117193334A CN117193334A CN202311471434.5A CN202311471434A CN117193334A CN 117193334 A CN117193334 A CN 117193334A CN 202311471434 A CN202311471434 A CN 202311471434A CN 117193334 A CN117193334 A CN 117193334A
- Authority
- CN
- China
- Prior art keywords
- robot
- delay
- speed
- current position
- remote control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000001934 delay Effects 0.000 claims abstract description 6
- 238000003860 storage Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本申请的实施例揭示了一种机器人远程控制延迟优化方法及装置、电子设备。该方法包括:获取机器人发送的当前位置;估计延迟;基于延迟对机器人发送的当前位置进行补偿处理,确定出机器人的速度,并生成控制机器人速度的速度指令;基于机器人发送的当前位置、延迟和机器人的速度确定机器人的实际当前位置;将速度指令和实际当前位置发送至机器人。本申请的实施例可以在存在随机延迟的情况下提高路径跟踪性能。
Description
技术领域
本申请涉及视路径规划技术领域,具体涉及一种机器人远程控制延迟优化方法及装置、电子设备。
背景技术
工业4.0旨在为制造业和企业提供增强自动化、物理设备和计算机之间的互连及大数据技术,随着工业4.0的发展,远程控制机器人的出现能够帮助提高生产效率。远程控制移动机器人对于网络延迟具有严格要求。多接入边缘计算(MEC)已成为远程控制领域发展最快的解决方案,MEC的基本思想是把云计算平台从移动核心网络内部迁移到移动接入网边缘,实现计算及存储资源的弹性利用,这种MEC加速了远程控制工业4.0的部署。尽管相关技术中有足够的预留资源来容纳所有设备与远端控制器的通信,但物理设备和远程控制器之间通过通信网络进行通信,由于无线通信受到时间变化会产生随机延迟,网络延迟会导致***不稳定和性能下降,是影响远程控制***的主要问题。
相关技术中,通过无线通信网络找到保持***稳定性的最佳AGV速度只考虑了DL通道延迟,没有考虑到UL通道的延迟,因此对网络延迟的估计不准确,进而导致对机器人远程控制的精确性下降。
发明内容
为解决上述技术问题,本申请的实施例提供了一种机器人远程控制延迟优化方法及装置、电子设备。
根据本申请实施例的一个方面,提供了一种机器人远程控制延迟优化方法,包括:获取所述机器人发送的当前位置;估计延迟;所述延迟包括UL延迟;基于所述延迟对所述机器人发送的当前位置进行补偿处理,确定出所述机器人的速度,并生成控制所述机器人速度的速度指令;基于所述机器人发送的当前位置、所述延迟和所述机器人的速度确定机器人的实际当前位置;将所述速度指令和所述实际当前位置发送至所述机器人。
在本申请的一个实施例中,所述估计延迟的过程,包括:获取所述机器人在指定时段内经历的平均上行链路UL的通道延迟信息;根据所述平均上行链路UL的通道延迟信息计算UL延迟值;根据所述UL延迟值确定所述延迟。
在本申请的一个实施例中,所述根据所述平均上行链路UL的通道延迟信息计算UL延迟值,包括:
;
其中,表示当前采样时刻k处的估计UL延迟,/>表示之前第n个采样时刻处的接收UL延迟值。
在本申请的一个实施例中,所述延迟包括UL延迟和DL延迟;所述估计延迟的过程,包括:获取所述机器人在指定时段内经历的平均上行链路UL和平均下行链路DL的通道延迟信息;根据所述平均上行链路UL和平均下行链路DL的通道延迟信息计算UL延迟值和DL延迟值;根据所述UL延迟值和所述DL延迟值确定所述延迟。
根据本申请实施例的一个方面,提供了一种机器人远程控制延迟优化方法,配置于机器人,包括:接收远程控制器的速度指令和实际当前位置;根据所述速度指令估计下一时刻所述机器人的位姿。
在本申请的一个实施例中,所述速度指令中包括线速度和角速度/>;根据所述速度指令估计下一时刻所述机器人的位姿,包括:
;
;
其中,k时刻所述机器人在全局坐标系中的位姿为,其中,、/>分别表示k时刻所述机器人的横坐标、纵坐标和角速度,k+1时刻所述机器人在全局坐标系中的位姿为/>,∆T表示采样周期,/>表示速度指令中k时刻的线速度,/>表示速度指令中k时刻的角速度。
根据本申请实施例的一个方面,提供了一种机器人远程控制延迟优化装置,配置于用于控制机器人的远程控制器,包括:获取模块,配置为获取所述机器人发送的当前位置;延迟估计模块,配置为估计延迟;所述延迟包括UL延迟;机器人速度确定模块,配置为基于所述延迟对所述机器人发送的当前位置进行补偿处理,确定出所述机器人的速度,并生成控制所述机器人速度的速度指令;机器人实际当前位置确定模块,配置为基于所述机器人发送的当前位置、所述延迟和所述机器人的速度确定机器人的实际当前位置;发送模块,配置为将所述速度指令和所述实际当前位置发送至所述机器人。
根据本申请实施例的一个方面,提供了一种机器人远程控制延迟优化装置,配置于机器人,包括:控制模块,配置为接收远程控制器的速度指令和实际当前位置;估计模块,配置为根据所述速度指令估计下一时刻所述机器人的位姿。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如前所述的一种机器人远程控制延迟优化方法。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的一种机器人远程控制延迟优化方法。
在本申请的实施例所提供的技术方案中,本申请通过获取所述机器人发送的当前位置;估计延迟;基于所述延迟确定出所述机器人的速度,基于所述机器人发送的当前位置、所述延迟和所述机器人的速度确定机器人的实际当前位置,并利用该值来计算下一个采样周期的机器人速度和位置,然后循环重新开始。本申请实施例使用MEC平台的MRNI服务,扩展了遥控AGV用例,以提供无线网络的延迟信息,并利用该延迟信息预测AGV的当前实际位置,在存在随机延迟的情况下提高路径跟踪性能。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本申请的一示例性实施例示出的一种MEC框架示意图;
图2是本申请的一示例性实施例示出的一种机器人远程控制延迟优化方法的流程图;
图3是本申请的一示例性实施例示出的一种基于机器人的建模示意图;
图4是本申请的一示例性实施例示出的基于NDE-MRNI方法的远程控制AGV体系结构图;
图5本申请的一示例性实施例示出的基于NDE-MRNI方法的远程控制AGV消息序列图;
图6是本申请的一示例性实施例示出的一种机器人远程控制延迟优化装置的框图;
图7是本申请的另一示例性实施例示出的一种机器人远程控制延迟优化装置的框图;
图8是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的方案涉及机器人技术中的延迟优化技术。工业4.0旨在为制造业和企业提供增强自动化、物理设备和计算机之间的互连及大数据技术,随着自动化技术和智慧工厂的发展,逐渐通过远程控制机器人的方式帮助提高生产效率。远程控制移动机器人对于网络延迟具有严格要求。多接入边缘计算(MEC)已成为该领域发展最快的解决方案,MEC的基本思想是把云计算平台从移动核心网络内部迁移到移动接入网边缘,实现计算及存储资源的弹性利用,控制器组件位于远离物理设备的位置,通信网络用于物理设备和远程控制器之间的通信。这种MEC范式加速了远程控制工业4.0的部署,然而网络延迟会影响MEC***的性能,网络延时越小,***性能越好。尽管相关技术中有足够的预留资源来容纳所有设备与远端控制器的通信,但物理设备和远程控制器之间通过通信网络进行通信,由于5G无线通信受到时间变化不可避免会产生随机延迟,从而影响多接入边缘计算***的可靠性、稳定性,导致性能下降。
因此,网络延迟会导致***不稳定和性能下降,是影响远程控制***的主要问题,目前,相关技术中已经有一些控制方法来处理远程控制***中存在的网络延迟问题,例如基于无源性、基于波动变量、自适应、鲁棒和神经网络控制方法。然而,大多数的这些方法受到控制器算法的复杂性、约束延迟、缺乏实验数值分析等因素的限制。例如,相关技术中通过WiFi网络向边缘应用程序提供上下文信息来改善机器人运动,但是这种控制算法是简单而不现实的。相关技术中还可以通过无线通信网络找到保持***稳定性的最佳AGV速度,同时减少完成任务的时间,但是这种方式是在假设UL通道是无错误和延迟的基础上进行,只考虑了DL通道延迟,没有考虑到UL通道的延迟,因此对网络延迟的估计不准确,进而导致对机器人远程控制的精确性下降。
基于此,本申请的实施例提出一种机器人远程控制延迟优化的MEC架构,如图1所示,MEC架构包括MEC***层和主机层。MEC***层主要由MEC协调器组成,用于维护MEC***的整体视图,协调器负责根据所需的网络、计算和存储资源选择合适的MEC主机来实例化MEC应用程序,还用于通过联系虚拟化设施管理器(VIM)来实例化和终止MEC应用程序。主机层由MEC主机和MEC主机管理组成。MEC主机包括由VIM控制并负责托管MEC应用程序的虚拟化实例(即图1中的虚拟化设施),负责为MEC应用程序提供所需的功能服务的MEC平台,以及从平台消费和向平台提供数据的MEC应用程序。MEC平台和MEC应用程序通过Mp1参考点进行交互,用于服务注册、服务发现和通信支持。MEC平台通过Mp2参考点联系虚拟化设施的数据平面,以在不同的MEC服务和MEC应用程序间路由流量。MEC平台由MEC平台管理者控制,负责监控MEC应用程序的生命周期,并与虚拟化设施管理器VIM通信,以接收有关实例化MEC应用的性能统计和故障记录并采取行动。
在一示例性的实施例中,MEC平台可以提供的服务包括:
MEC无线网络信息(MRNI)服务:向授权的MEC应用程序提供如延迟、吞吐量和分组数据速率等网络上下文数据及无线接入承载的最新信息。授权的MEC应用程序可以使用该无线网络信息来动态地优化其操作。由于网络延迟是影响远程控制实例不稳定和性能下降的最关键因素,所以是重点测量数据,MRNI服务可以提供遥控AGV在指定时段内经历的平均上行链路(UL)和下行链路(DL)延迟的估计。
MEC定位服务:为授权的MEC应用程序提供与位置相关的信息,包括无线节点的所有服务的位置,以及所有相关无线节点的位置。
MEC带宽管理器服务:能对授权MEC应用程序的出入流量进行优先级划分并分配特定带宽。
本申请的实施例提出一种机器人远程控制延迟优化方法及一种机器人远程控制延迟优化装置、电子设备、计算机可读介质,下文将进行详细描述。
请参阅图2,图2是本申请的一示例性实施例示出的一种机器人远程控制延迟优化方法的流程图。
在一示例性的实施例中,一种机器人远程控制延迟优化方法至少包括步骤S110至步骤S150,详细介绍如下:
步骤S110,获取机器人发送的当前位置。
需要说明的是,本申请实施例中的机器人可以是遥控自动导引车AGV,即是一个两轮差速驱动机器人,其前部有一个辅助轮用来灵活机动,如图3所示。
在本申请实施例中,在获取机器人发送的当前位置之前,基于机器人进行建模,用于确定机器人的位置,从图3中可以看出,机器人坐标系由和/>定义,而/>和/>表示全局或世界坐标系,/>是机器人坐标系和全局坐标系之间的角度。遥控自动导引车AGV在全局坐标系中的位姿由/>给出,假设机器人以线速度v和角速度ω沿/>方向向前移动,以图4为遥控自动导引车AGV在全局坐标系中的速度分量如下所示:
;
其中,表示遥控自动导引车AGV在全局坐标系中/>轴的速度分量,/>表示遥控自动导引车AGV在全局坐标系中/>轴的速度分量,/>表示遥控自动导引车AGV在全局坐标系中的角速度,/>表示机器人坐标系和全局坐标系之间的角度,/>表示AGV的线速度,/>表示AGV的角速度,AGV的线速度/>和角速度/>是通过测量得出,AGV的线速度/>和角速度/>与AGV的车轮转速有关,AGV的线速度/>和角速度/>的计算表达式如下:
;
其中,是轴距,即AGV左(L)车轮和右(R)车轮之间的距离,r表示车轮半径,/>和分别是左轮和右轮的角速度。
使用矩阵表示法,我们可以将重写为下式,表示两轮差速驱动机器人(又称遥控自动导引车AGV)的正向运动学模型。该模型假设机器人在机器人坐标系中/>方向上的速度为零,并且机器人仅在/>方向上向前移动。/>;
通过将二阶龙格-库塔积分技术应用于机器人运动学模型可以跟踪机器人的位置,在离散时刻k,给定当前位姿和机器人控制输入/>和/>,经过∆T的采样周期后,可以在全局坐标系中近似估计k+1时刻的遥控自动导引车AGV位姿,即;
;
其中,k时刻所述机器人在全局坐标系中的位姿为,其中,、/>分别表示k时刻所述机器人的横坐标、纵坐标和角速度,k+1时刻所述机器人在全局坐标系中的位姿为/>,∆T表示采样周期,/>表示速度指令中k时刻的线速度,/>表示速度指令中k时刻的角速度。
基于固定参考点的知识和发出控制命令来定位AGV位置的机器人运动学模型的连续集成过程称为里程定位或航位推算,这种方法会随着时间的推移而出现误差,这种误差在长距离上会变得非常严重。这些误差是由AGV参数校准不准确、车轮打滑和数值积分误差累计引起的,但是通过保持较低的AGV速度并基于已知参考点周期性地重新启动航位推算过程,可以显著减少误差。
在AGV控制器算法上选择了纯追踪算法作为AGV控制器的算法,这种几何路径跟踪算法通过计算将AGV从当前位置移动到所需路径轨迹上,定义的未来位置(目标位置)所需的曲线曲率来实现追踪。这个定义的未来位置(目标位置)被称为前瞻距离,当能提供出当前位姿信息和适当的前瞻距离时,该控制器能计算适当的角速度命令,以在下一采样周期中沿着期望的轨迹移动AGV。
步骤S120,估计延迟;延迟包括UL延迟。
需要说明的是,本申请实施例中的延迟可以只包括UL延迟,步骤S120中估计延迟的过程包括:获取机器人在指定时段内经历的平均上行链路UL的通道延迟信息;根据平均上行链路UL的通道延迟信息计算UL延迟值;根据UL延迟值确定延迟。
在一示例性的实施例中,根据平均上行链路UL的通道延迟信息计算UL延迟值的计算表达式如下:
;
其中,表示当前采样时刻k处的估计UL延迟,/>表示之前第n个采样时刻处的接收UL延迟值。
需要说明的是,本申请实施例中的延迟可以包括UL延迟和DL延迟,如图4所示,步骤S120中估计延迟的过程包括:获取机器人在指定时段内经历的平均上行链路UL和平均下行链路DL的通道延迟信息;根据平均上行链路UL和平均下行链路DL的通道延迟信息计算UL延迟值和DL延迟值;根据UL延迟值和DL延迟值确定延迟。
在一示例性的实施例中,根据平均上行链路UL和平均下行链路DL的通道延迟信息计算UL延迟值和DL延迟值,计算表达式如下:
;
其中,表示当前采样时刻k处的估计UL延迟,/>表示之前第n个采样时刻处的接收UL延迟值。
;
其中,表示当前采样时刻k处的估计DL延迟,/>表示之前第n个采样时刻处的接收DL延迟值。通过实验试验确定n的最佳值,即用于估计当前延迟的先前接收的延迟样本的数量。
步骤S130,基于延迟对机器人发送的当前位置进行补偿处理,确定出机器人的速度,并生成控制机器人速度的速度指令。
需要说明的是,步骤S130中基于延迟对机器人发送的当前位置进行补偿处理的过程,包括以下过程:
基于延迟估计机器人的速度,其中/>和/>分别是估计的机器人的线速度和角速度;控制机器人速度的速度指令中包括/>和/>。
在一示例性的实施例中,机器人的速度、/>的计算表达式如下:
;
;
其中,和/>分别是估计的线速度和角速度,/>和/>分别是线速度和角速度的缓冲器,t是当前模拟时间。
步骤S140,基于机器人发送的当前位置、UL延迟值/>和估计的机器人速度/>确定出机器人的实际当前位置(/>,/>,/>),计算表达式如下:;
步骤S150,将速度指令和实际当前位置发送至机器人。
一种机器人远程控制延迟优化方法,配置于机器人,包括:接收远程控制器的速度指令和实际当前位置;根据速度指令和实际当前位置估计下一时刻机器人的速度和位姿。
机器人的实际当前位置(,/>,/>)被发送到主PLC控制器,并利用该值来计算下一个采样周期的AGV速度命令,然后循环重新开始,如图5所示。
由上可知,本申请实施例提供一种机器人远程控制延迟优化方法,通过获取机器人发送的当前位置;估计延迟;基于延迟确定出机器人的速度,基于机器人发送的当前位置、延迟和机器人的速度确定机器人的实际当前位置,并利用该值来计算下一个采样周期的机器人速度和位置,然后循环重新开始。本申请实施例使用MEC平台的MRNI服务,扩展了遥控AGV用例,以提供无线网络的延迟信息,并利用该延迟信息预测AGV的当前实际位置,在存在随机延迟的情况下提高路径跟踪性能。
图6是本申请的一示例性实施例示出的一种机器人远程控制延迟优化装置的框图,配置于远程控制器。如图6所示,该示例性的一种机器人远程控制延迟优化装置包括:
获取模块610,配置为获取机器人发送的当前位置;
延迟估计模块620,配置为估计延迟;延迟包括UL延迟。
机器人速度确定模块630,配置为基于延迟对机器人发送的当前位置进行补偿处理,确定出机器人的速度,并生成控制机器人速度的速度指令;
机器人实际当前位置确定模块640,配置为基于机器人发送的当前位置、延迟和机器人的速度确定机器人的实际当前位置;
发送模块650,配置为将速度指令和实际当前位置发送至机器人。
图7是本申请的另一示例性实施例示出的一种机器人远程控制延迟优化装置的框图,配置于机器人。如图7所示,该示例性的一种机器人远程控制延迟优化装置包括:
控制模块710,配置为接收远程控制器的速度指令和实际当前位置;
估计模块720,配置为根据速度指令估计下一时刻机器人的位姿。
需要说明的是,上述实施例所提供的一种机器人远程控制延迟优化装置与上述实施例所提供的一种机器人远程控制延迟优化方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的一种机器人远程控制延迟优化装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得电子设备实现上述各个实施例中提供的一种机器人远程控制延迟优化方法。
图8示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。需要说明的是,图8示出的电子设备的计算机***800仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机***800包括中央处理单元(Central Processing Unit,CPU)801,其可以根据存储在只读存储器(Read-Only Memory,ROM)802中的程序或者从储存部分808加载到随机访问存储器(Random Access Memory,RAM)803中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 803中,还存储有***操作所需的各种程序和数据。CPU801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(Input /Output,I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分807;包括硬盘等的储存部分808;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入储存部分808。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的***中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前所述的一种机器人远程控制延迟优化方法。该计算机可读存储介质计算机可读介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种机器人远程控制延迟优化方法,其特征在于,配置于用于控制机器人的远程控制器,包括:
获取所述机器人发送的当前位置;
估计延迟;所述延迟包括UL延迟;
基于所述延迟对所述机器人发送的当前位置进行补偿处理,确定出所述机器人的速度,并生成控制所述机器人速度的速度指令;
基于所述机器人发送的当前位置、所述延迟和所述机器人的速度确定机器人的实际当前位置;
将所述速度指令和所述实际当前位置发送至所述机器人。
2.根据权利要求1所述的一种机器人远程控制延迟优化方法,其特征在于,所述估计延迟的过程,包括:
获取所述机器人在指定时段内经历的平均上行链路UL的通道延迟信息;
根据所述平均上行链路UL的通道延迟信息计算UL延迟值;
根据所述UL延迟值确定所述延迟。
3.根据权利要求2所述的一种机器人远程控制延迟优化方法,其特征在于,所述根据所述平均上行链路UL的通道延迟信息计算UL延迟值,包括:
;
其中,表示当前采样时刻k处的估计UL延迟,/>表示之前第n个采样时刻处的接收UL延迟值。
4.根据权利要求1所述的一种机器人远程控制延迟优化方法,其特征在于,所述延迟包括UL延迟和DL延迟;所述估计延迟的过程,包括:
获取所述机器人在指定时段内经历的平均上行链路UL和平均下行链路DL的通道延迟信息;
根据所述平均上行链路UL和平均下行链路DL的通道延迟信息计算UL延迟值和DL延迟值;
根据所述UL延迟值和所述DL延迟值确定所述延迟。
5.一种机器人远程控制延迟优化方法,其特征在于,配置于机器人,包括:
接收远程控制器的速度指令和实际当前位置;
根据所述速度指令估计下一时刻所述机器人的位姿。
6.根据权利要求5所述的一种机器人远程控制延迟优化方法,其特征在于,所述速度指令中包括线速度和角速度/>;根据所述速度指令估计下一时刻所述机器人的位姿,包括:
;
;
其中,k时刻所述机器人在全局坐标系中的位姿为,其中,/>、分别表示k时刻所述机器人的横坐标、纵坐标和角速度,k+1时刻所述机器人在全局坐标系中的位姿为/>,∆T表示采样周期,/>表示速度指令中k时刻的线速度,/>表示速度指令中k时刻的角速度。
7.一种机器人远程控制延迟优化装置,其特征在于,配置于用于控制机器人的远程控制器,包括:
获取模块,配置为获取所述机器人发送的当前位置;
延迟估计模块,配置为估计延迟;所述延迟包括UL延迟;
机器人速度确定模块,配置为基于所述延迟对所述机器人发送的当前位置进行补偿处理,确定出所述机器人的速度,并生成控制所述机器人速度的速度指令;
机器人实际当前位置确定模块,配置为基于所述机器人发送的当前位置、所述延迟和所述机器人的速度确定机器人的实际当前位置;
发送模块,配置为将所述速度指令和所述实际当前位置发送至所述机器人。
8.一种机器人远程控制延迟优化装置,其特征在于,配置于机器人,包括:
控制模块,配置为接收远程控制器的速度指令和实际当前位置;
估计模块,配置为根据所述速度指令估计下一时刻所述机器人的位姿。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至6中任一项所述的一种机器人远程控制延迟优化方法。
10.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1至6中任一项所述的一种机器人远程控制延迟优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311471434.5A CN117193334A (zh) | 2023-11-07 | 2023-11-07 | 一种机器人远程控制延迟优化方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311471434.5A CN117193334A (zh) | 2023-11-07 | 2023-11-07 | 一种机器人远程控制延迟优化方法及装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117193334A true CN117193334A (zh) | 2023-12-08 |
Family
ID=88985477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311471434.5A Pending CN117193334A (zh) | 2023-11-07 | 2023-11-07 | 一种机器人远程控制延迟优化方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117193334A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914865A (zh) * | 2015-05-29 | 2015-09-16 | 国网山东省电力公司电力科学研究院 | 变电站巡检机器人定位导航***及方法 |
CN108983603A (zh) * | 2018-06-27 | 2018-12-11 | 广州视源电子科技股份有限公司 | 一种机器人与物体的对接方法及其机器人 |
CN111121768A (zh) * | 2019-12-23 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 一种机器人位姿估计方法、装置、可读存储介质及机器人 |
KR20210089284A (ko) * | 2020-01-07 | 2021-07-16 | 엘지전자 주식회사 | 자율주행시스템에서 차량의 원격제어를 위한 영상 보정 |
US20210302956A1 (en) * | 2021-03-24 | 2021-09-30 | Intel Corporation | Network aware and predictive motion planning in mobile multi-robotics systems |
CN114643579A (zh) * | 2022-03-29 | 2022-06-21 | 深圳优地科技有限公司 | 一种机器人定位方法、装置、机器人及存储介质 |
CN116045973A (zh) * | 2022-11-24 | 2023-05-02 | 中国科学院深圳先进技术研究院 | 一种机器人的定位方法、***及应用 |
-
2023
- 2023-11-07 CN CN202311471434.5A patent/CN117193334A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104914865A (zh) * | 2015-05-29 | 2015-09-16 | 国网山东省电力公司电力科学研究院 | 变电站巡检机器人定位导航***及方法 |
CN108983603A (zh) * | 2018-06-27 | 2018-12-11 | 广州视源电子科技股份有限公司 | 一种机器人与物体的对接方法及其机器人 |
CN111121768A (zh) * | 2019-12-23 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 一种机器人位姿估计方法、装置、可读存储介质及机器人 |
KR20210089284A (ko) * | 2020-01-07 | 2021-07-16 | 엘지전자 주식회사 | 자율주행시스템에서 차량의 원격제어를 위한 영상 보정 |
US20210302956A1 (en) * | 2021-03-24 | 2021-09-30 | Intel Corporation | Network aware and predictive motion planning in mobile multi-robotics systems |
CN114643579A (zh) * | 2022-03-29 | 2022-06-21 | 深圳优地科技有限公司 | 一种机器人定位方法、装置、机器人及存储介质 |
CN116045973A (zh) * | 2022-11-24 | 2023-05-02 | 中国科学院深圳先进技术研究院 | 一种机器人的定位方法、***及应用 |
Non-Patent Citations (1)
Title |
---|
钟兴: "基于时延预测的无人机集群控制技术及***", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 01, pages 25 - 30 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cui et al. | Offloading autonomous driving services via edge computing | |
CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
CN110633138B (zh) | 一种基于边缘计算的自动驾驶服务卸载方法 | |
CN113033925B (zh) | 用于控制自动驾驶车辆行驶、装置、电子设备和介质 | |
CN111831427A (zh) | 一种基于移动边缘计算的分布式车辆间任务卸载方法 | |
CN113183975B (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
CN112399375A (zh) | 基于终端能效优化的无人机辅助边缘计算的卸载方法 | |
CN113895460B (zh) | 行人轨迹预测方法、装置及存储介质 | |
CN114547223A (zh) | 轨迹预测方法、轨迹预测模型的训练方法及装置 | |
CN113701742A (zh) | 一种基于云端与边端融合计算的移动机器人slam方法 | |
CN114506343A (zh) | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 | |
KR20230008005A (ko) | 정보를 확정하기 위한 방법 및 장치 | |
CN117193334A (zh) | 一种机器人远程控制延迟优化方法及装置、电子设备 | |
CN112612277B (zh) | 车辆轨迹规划方法、装置、设备和计算机可读介质 | |
Atik et al. | Are turn-by-turn navigation systems of regular vehicles ready for edge-assisted autonomous vehicles? | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN112373471B (zh) | 用于控制车辆行驶的方法、装置、电子设备和可读介质 | |
CN113761091B (zh) | 闭环检测方法、装置、电子设备、***和存储介质 | |
CN113761701A (zh) | 目标仿真控制的方法和装置 | |
CN116521377B (zh) | 业务计算卸载方法、***、装置、设备及介质 | |
CN117334072B (zh) | 公交车辆到站时刻预测方法和装置 | |
Olenev et al. | Configuring Methods for Deadlock-Free Routing | |
CN117215195A (zh) | 一种基于粒子群算法的飞行航线准时到达规划方法及装置 | |
CN115416694A (zh) | 障碍物车辆的行驶状态预测方法、装置及自动驾驶车辆 | |
CN117565893A (zh) | 一种车辆控制方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |