БОЛЬШИЕ ДАННЫЕ В РОБОТОТЕХНИКЕ

      Датчики скорости, акселерометры, гироскопы, визуальные и тактильные датчики — это далеко не полный перечень устройств, которые могут одновременно присутствовать на роботизированной платформе и генерировать непрерывный поток данных, семь дней в неделю, 24 часа в сутки. Скорость опроса устройств обычно лежит в диапазоне от десятков до сотен герц, при этом объем вырабатываемых данных может достигать сотен мегабайт в час, и это без применения систем технического зрения. В том случае, если система использует элементы технического зрения, вырабатываемая информация может достигать колоссального объема — десятков терабайт в час

.

      Робототехника неразрывно связана с данными, а данные неразрывно связаны с робототехникой. При этом, с одной стороны, возможности функционирования платформы определяются способностью алгоритмов обрабатывать большой объем данных, с другой стороны, зрелость и готовность самих алгоритмов определяет выбор аппаратного обеспечения для решения какой-либо конкретной задачи. Другими словами, сам концепт обработки больших данных не является новым для робототехники, и робототехника и большие данные продолжают сосуществовать и воздействовать друг на друга.

 

 

      В робототехнике, с развитием технологий глубокого обучения (англ. Deep Learning), вопрос обработки больших объемов данных переходит из категории возможностей в категорию необходимости, это обусловлено самой концепцией глубокого обучения, в которой большое количество свободных настраиваемых весов нейронной сети требует большого и непрерывного объема входных данных. Именно объем, сложность и адекватность входного потока данных, наряду с самой архитектурой глубокой нейронной сети, позволяют создавать адаптивные системы управления, эффективно функционирующие в сложном, непрерывно меняющемся окружении.

      Структура и объем потоков данных, так же как и аппаратные возможности платформы, определяют подход к проектированию и функционированию системы. Сегодня можно выделить три основных подхода к построению систем.

      На рис. 2.1 показана концепция, в которой все получаемые от датчиков данные полностью обрабатываются и хранятся внутри самой аппаратной платформы. Эта концепция хороша тем, что платформа может функционировать полностью обособленно, без наличия какой-либо внешней инфраструктуры. Эта концепция хороша еще и тем, что можно минимизировать задержки передачи данных между элементами системы — это важно при создании контуров быстрого регулирования.

      На рис. 2.2 представлена концепция, в которой основная обработка данных происходит на ЭВМ, расположенной в относительной близости от роботизированной платформы, при этом контроллер самой платформы выполняет только операции ввода-вывода, фильтрации, передачи данных и быстрого регулирования. Передача данных между ЭВМ и платформой осуществляется с задержками, обычно не превышающими 50 мс в каждом направлении, для движущихся платформ зачастую применяется беспроводное соединение. При этом сохраняется возможность плавного управления движением, наряду с широкими возможностями обработки данных на отдельно стоящей вычислительной станции. Следует отметить, что данный подход применяется, даже когда аппаратное обеспечение роботизированной платформы обладает достаточными вычислительными возможностями для обособленного функционирования, при этом основной акцент делается на удобстве разработки ПО.

      На рис. 2.3 представлена концепция облачной обработки данных, в которой все данные поступают в облачный центр обработки, расположенный удаленно от роботизированной платформы. Задержки передачи данных в этом случае достигают сотен миллисекунд, что на данный момент, к сожалению, не позволяет непосредственно управлять движением, но открывает широкие возможности доступа к практически неограниченным масштабируемым вычислительным ресурсам и созданию качественных систем технической диагностики, основанной на глубоком анализе данных. Кроме того, данная концепция позволяет производить одновременный анализ данных, поступающих с множества соединенных с облаком платформ. Данная концепция широко развивается и носит название «промышленный интернет вещей» (англ. Industrial Internet of Things, IIoT).

Рис.1. Мусорные баки и Большие Данные. Фото случайно снято в г. Бангалор, Индия, в 2016 году.

Рис.2.1.

Рис.2.2.

Рис.2.3.