1、 云端大腦增強機器人的能力
2010 年提出的云機器人概念引入了云端大腦，機器人嘗試引入云計算、云存儲及其它云技術(shù)，達到機器人融合基礎設施和共享服務的優(yōu)點。相比于獨立的機器人本體，連接云端大腦后的機器人擁有以下四個核心優(yōu)勢。
1、信息和知識共享： 一個云端大腦可以控制很多機器人，云端大腦可以匯集來自所有連接機器人的視覺、語音和環(huán)境信息，經(jīng)云端大腦智能分析處理后的數(shù)據(jù)信息可以被所有連接機器人使用。利用云服務器，各機器人本體獲取和處理的信息可以保持最新，并安全備份。
2、 平衡計算負載： 一些機器人功能需要較高的計算能力，利用云端平衡計算負載可以降低機器人本體的硬件需求，在保證能力的同時，讓機器人更輕、更小、更便宜。
3、 協(xié)同合作： 通過云端大腦，機器人本體不再獨立工作， 多機器人可以協(xié)同工作，例如共同搬運貨物，配合完成一整套工作流程等。
4、 獨立于本體持續(xù)升級： 借助云端大腦，機器人可以獨立于本體持續(xù)升級，不再依賴于本體硬件設備。
2、 邊緣計算對機器人服務的提升
IoT 應用的快速發(fā)展，使得大量數(shù)據(jù)在網(wǎng)絡邊緣產(chǎn)生，推動了邊緣計算的產(chǎn)生和發(fā)展。邊緣計算的提出始于 4G 時代，將計算和存儲資源部署到網(wǎng)絡邊緣，不僅可以減少核心網(wǎng)和互聯(lián)網(wǎng)上的流量，還可以顯著降低傳輸時延， 提高網(wǎng)絡可靠性。
低時延的業(yè)務需要終端、移動蜂窩網(wǎng)(接入網(wǎng)和核心網(wǎng))、互聯(lián)網(wǎng)、數(shù)據(jù)中心的端到端的保障。目前的測試結(jié)果表明 5G 手機和基站的數(shù)據(jù)通路延時可以達到 4 毫秒，在 URLLC 模式下，手機和基站的延時可以達到 1 毫秒以下， 相比 4G 的 20毫秒提高了 20倍左右。對于互聯(lián)網(wǎng)和數(shù)據(jù)中心的時延，一般情況下由于地理位置分布廣和未針對低時延優(yōu)化，從核心網(wǎng)網(wǎng)關(guān)到互聯(lián)網(wǎng)數(shù)據(jù)中心可在幾十到幾百毫秒之間。在 5G 中，其核心網(wǎng)引入了分布式網(wǎng)關(guān)，網(wǎng)關(guān)可以下沉到基站附近，邊緣服務器可以直接連接到分布式網(wǎng)關(guān)上，大大降低網(wǎng)絡的端到端時延。
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的問題，增強機器人云端大腦的實時響應能力，對于滿足機器人 4.0 的要求十分關(guān)鍵，比如實時的推理、 場景理解、 操控等等。邊緣計算和云計算的結(jié)合，將突破終端的計算能力和存儲的限制，提高 AI 算法的訓練和推理能力，比如提升精度和降低訓練時間。同時將大部分機器人的智能布署在邊緣和云端，通過協(xié)作和不斷的訓練，持續(xù)不斷的提高機器人智能，比如通過邊緣計算能更好的支持實時的多機協(xié)作，支持實時的知識圖譜提取、理解和決策，持續(xù)不斷的提高機器人的智能。邊緣計算和云計算還可以解決機器人終端升級維護的困難，在機器人本體的生命周期內(nèi)不斷升級，提高機器人的能力， 增強數(shù)據(jù)安全和隱私保護， 充分利用摩爾定律帶來的性能提升。
3、 云-邊-端一體化對機器人系統(tǒng)的支撐
云–邊–端一體化構(gòu)建了一個通過機器人提供多樣化服務的規(guī)模化運營平臺。其中，服務機器人本體是服務的實施者，而實際功能則根據(jù)服務的需要無縫地在終端計算(機器人本體)、邊緣計算和云計算之間分布和協(xié)同。機器人系統(tǒng)類似現(xiàn)在智能手機上的各種 APP，主要關(guān)注如何實現(xiàn)高性價比的多模態(tài)感知融合、自適應交互和實時安全計算。
多模態(tài)感知融合： 為了支持機器人的移動、避障、交互和操作，機器人系統(tǒng)必須裝備多種傳感器(如攝像頭、麥克風陣列、激光雷達、超聲波等)。 同時，環(huán)境里的傳感器可以補足機器人的物理空間局限性。大部分數(shù)據(jù)需要在時間同步的前提下進行處理，并且調(diào)用不同復雜度的算法模塊(例如 SLAM，圖像處理，人和物體的識別等)。機器人硬件系統(tǒng)和邊緣計算需要協(xié)同來支持(可能來自多個機器人的)多傳感器數(shù)據(jù)同步和計算加速，因此應該采用能靈活組合 CPU、 FPGA 和 DSA (Domain-Specific Accelerator) 的異構(gòu)計算平臺。另一部分沒有強實時性要求的感知任務(如人的行為識別、場景識別等)，可以由云計算支持。
自適應交互： 為了支持機器人的個性化服務和持續(xù)學習能力， 需要將感知模塊的輸出與知識圖譜結(jié)合對環(huán)境和人充分理解，并且逐步提取和積累與服務場景和個人相關(guān)的個性化知識。通用知識和較少變化的領域知識應該存放在云端，而與地域和個性化服務相關(guān)的知識應該存放在邊緣或者終端。無論知識存放在哪里，在機器人系統(tǒng)中應該有統(tǒng)一的調(diào)用接口，并可以保證實時通訊。基于 ROS2 構(gòu)造涵蓋終端和網(wǎng)絡側(cè)的軟件系統(tǒng)框架可以滿足未來的需求。
實時安全計算： 未來的服務機器人應用將有大量需要實時響應的情形(如語音交互、協(xié)同操作等)，因此需要在邊緣服務器部署相應的加速硬件。同時，機器人也將處理大量涉及用戶隱私的數(shù)據(jù)(如視頻、圖像、對話等)。云–邊–端一體化架構(gòu)需要構(gòu)建隱私數(shù)據(jù)的安全傳輸和存儲機制，并且限定物理范圍。對于可以進行物理操作的機器人，要構(gòu)建獨立的安全監(jiān)測機制，保證即使機器人系統(tǒng)被遠程攻擊劫持后也不會造成物理安全損害。