養老服務機器人的技術發展趨勢

(黃岡師范學院 電子信息學院，湖北 黃岡 438000)

0 引言

進入21世紀，世界人口正在進入老齡化階段，我國已經迎來了老齡化時代，并且成為全球人口老齡化形勢最嚴峻的國家之一。到2020年，我國老年人將達到2.48億。到2050年，我國老年人口將達4.8億，占世界人口1/4；相當于全國每3～4個人中就有1個老年人，平均增長率為3.2%，幾近人口增長速度的5倍，形勢非常嚴峻[1]。眾所周知，在我國，“空巢老人”不在少數，子女因為學習工作等原因背井離鄉，家里只剩下孤零零的老人。如何解決老人的“孤獨感”？尤其是“未來的老年人”在物質上的需求得到滿足，精神需求如何滿足呢？日本是人口老齡化政策較成熟的國家之一，現在已經有了比較成熟的服務機器人產業，機器人照顧老年人已成為常態，而我國服務機器人起步比較晚，但發展迅猛，加上巨大的需求，將會成為全球最大的潛在市場。

養老機器人是服務機器人的一種，是能夠為老年人的日常事務和基本需求提供幫助和支持。服務機器人與人們的生活密切相關，我們現在已經從信息技術時代(Information Technology,IT)進入了數據時代(Data Technology,DT)，未來將進入機器人時代(Robot Technology,RT)[2]。現在的機器人已經能給老人提供簡單的生活護理和日常服務了，未來的機器人不僅可以陪老人情感交流，而且更加注重健康生活品質，給老人更多關懷和精神慰藉。

1 基本概念

機器人是綜合了機械、電子信息、人工智能、生物醫學、仿生學等多種學科的復雜智能裝備[3]。隨著信息技術、傳感器技術和無線網絡技術的不斷發展，機器人在“智能”和“人性”上有了新的突破。大數據與人工智能在服務機器人中的應用，促使機器人的感知識別能力逐漸接近于人或其他生物。當無線網絡和移動終端逐漸普及，機器人就可以通過網絡來解決復雜問題而不需要考慮網絡布線的難題，同時機器人之間的協作也帶來了便利。

1.1 基本分類

服務機器人與網絡技術相結合，就出現了網絡機器人，普適機器人和云機器人。網絡機器人是機器人技術和網絡技術相結合的產物，由控制器、伺服器和傳感器等各種網絡資源組成。網絡機器人可以通過網絡通訊技術進行多機器人協作，最終完成單個機器人無法完成的任務，但它受到通訊、信息和資源訪問等方面的制約。普適機器人是機器人技術與傳感器網絡技術結合的產物，它能通過周圍的傳感器網絡獲得全局的感知能力，大大提升了機器人與環境的認知和交互能力，并為機器人高效智能的服務打下了基礎[4-5]。在普適機器人的基礎上結合云技術，出現了云機器人。云機器人是指把機器人連接到某種云計算設備平臺，共享信息和服務，機器人只需要通過網絡發送一個需求信息，遠端就會有成千上萬的計算機來為它提供資源或完成相關任務了，它的大腦在云端，而不是機器人本體了。

1.2 云機器人

“云機器人”的概念是在2010年出現的，是由卡耐基梅隆大學的James Kuffner教授在Humanoids會議上第一次提出的，成為了一個重要的研究方向[6-11]。Kuffner教授認為，云機器人就是云計算與機器人的結合，就像其他網絡終端一樣，機器人本體不需要具備強大的計算能力或存儲所有資料，只需要對云提出請求時，云端給予相應的響應和滿足[12-13]。云機器人可以借助云超強的計算能力、存儲能力和通訊資源，把機器人本體需要完成的復雜任務卸載到云平臺，不僅使得機器人的知識能力不受物理本體限制而大幅度得到提高，而且使得機器人存在的系統復雜、低智能和高價格等一系列瓶頸問題從根本上得到解決[14-16]。云服務機器人通過互聯網和云計算，幫助機器人互相學習、共享知識，不僅降低成本，而且提高自主學習的能力與對復雜環境的適應性。

2 基于云架構的服務機器人的體系結構

2.1 基于云的機器人服務平臺

老年人最關心的就是健康狀況，對老年人實現健康管理將是一個系統工程，它涉及到醫院和保險公司及老人本人，也就是涉及到企事業單位和個人，如果要將整個健康管理系統建立起來，設備投入和各種資源的投入將是巨大的。如果將云計算和健康管理系統相結合，云計算可以憑借虛擬化的技術和資源整合技術，實現資源按需分配，可以降低老人到醫院公司等地建立檔案的經費。另外，云計算動態擴展性、虛擬化的超大規模以及資源復用，成本低廉，可以極大降低設備投入，減少用戶的使用成本。

SOA是云計算的主流架構，它是熱門的服務導向模型，主要由三部分組成：服務需求者、服務提供者和服務注冊端(如圖1)。該服務是可以被獨立開發的，它們都有著標準接口的松散耦合組件。服務對于接口也是獨立的，可以認為是獨立單元。這樣獨立式的構架，是非常有利于服務開發的。基于SOA的機器人服務系統結合云計算就產生了機器人即服務RaaS(Robot as a Service)，RaaS系統繼承了大量的機器人單元，研究人員就把這些單元打包成服務，開發者或客戶就可以根據需要把它們組合成新的機器人應用。

圖1 SOA的工作原理

隨著云計算和機器人的結合和云機器人的提出，科研人員根據對它們不同的思考和理解，提出了不同的云機器人服務平臺。2010年，Rajesh Arumugam[17]提出了服務機器人云平臺DAvinCi，該軟件是面向服務性機器人的云框架，利用了Hadoop計算群和ROS系統，提高了機器人執行算法任務的效率，但對系統的網絡延遲、通信問題還有待進一步解決。北京理工大學的趙連翔[18]等人提出了機器人云平臺架構，包含資源層、管理層、服務層3層結構，它解決了多用戶在資源共享、安全應用等方面的問題，并將機器人的資源和服務存儲在云端，實現了機器人的遙操作。

總的來說，機器人云服務平臺可以大致分為三類，它們分別是基于網絡機器人的云服務平臺(Robot+Cloud)，基于傳感器網絡的云服務平臺(Sensor+Cloud)和基于RSNP模型的云服務平臺(Robot Service Network Protocol)。基于網絡機器人的云服務平臺有RoboEarth平臺，RoboEarth是一個開源的巨大的網絡數據庫，它可以為全世界機器人服務，不同類型的機器人都可以在這里分享資源和信息。這類平臺的機器人服務需要在機器人端執行，開發者如果沒有專業機器人技術背景，是很難實現用該平臺開發機器人服務的。基于傳感器的云服務平臺，它是把傳感器虛擬化，當用戶需要用時，可以被動態地調用。此類平臺需要開發機器人服務與互聯網服務的集成服務，所以開發人員必須是同時具備機器人和互聯網背景的專家，也較難實現。基于RSNP模型的云服務平臺，是分布式的服務架構，RSNP確定了機器人服務標準化規范，它可以將機器人服務和網絡服務整合在一起，給各類機器人提供服務并合作。因為RSNP是基于網絡服務技術的分布式架構，只要有網絡開發經驗的就可以進行服務機器人的開發了，所以在3種云服務平臺中RSNP模型是最容易實現了。

2.2 云機器人系統架構

通過高效的云機器人架構，傳統的服務機器人不僅可以大幅度瘦身，而且還可以通過云基礎設施提供的彈性資源來克服局限性。該系統基于RaaS(Robot as a Service, 機器人即服務)的設計思想，一方面能利用云端資源為服務機器人提供服務，另一方面也能將機器人本地資源配置成云基礎設置的一部分來提供服務，直接供用戶調用[14-16，19-20]。該系統從上而往下主要包括四層(如圖2所示)，分別為用戶層、應用層、云服務層和服務機器人層。

圖2 云機器人系統的體系結構圖

用戶層主要是各種客戶端；應用層是機器人的多種服務為客戶端提供的應用程序；云服務層不僅負責機器人的資源管理與調度，而且還要通過云計算技術處理大量任務和海量的信息；服務機器人層主要是機器人負責執行和收集物理環境的數據信息。用戶層和服務機器人層較具體，應用層和云服務層較抽象，下面重點講一下應用層和云服務層。

2.3 應用層

云機器人可以選擇接入到合適的云資源獲取相應服務。通過云機器人系統的云平臺環境，云機器人可以實現基本應用和高級應用2種服務類型。高級應用服務包括自主學習、知識共享、大數據挖掘、語音識別、SLAM、抓握等。基本應用服務是指云架構中的比較典型的服務XaaS(X as a service, XaaS)，其中X可以用任何東西來替換， 比如云計算常用的3種服務模式：基礎設施即服務 (Infrastructure as a Service, IaaS)、平臺即服務(Platform as a Service, PaaS)及軟件即服務(Software as a Service, SaaS)，基礎設施在最下端，平臺在中間，軟件在頂端。基礎設施即服務(IaaS)是將場外服務器、存儲和網絡硬件等封裝成服務直接供用戶使用，如Amazon、Microsoft等大公司的彈性計算云和簡單存儲服務，為企業提供計算和存儲服務；平臺即服務(PaaS)有時也叫中間件，是對資源更進一步抽象，它提供給軟件開發人員的是開發工具、數據庫、Web服務器和應用程序的運行環境等；而軟件即服務(SaaS)的針對性更強，它將某些特定應用軟件功能封裝成服務，它的面向對象是終端用戶。養老服務機器人的健康服務就是以SaaS的方式來提供的，比如老人的“健康云”[21]服務包括信息提醒，運動服務，健康膳食等。針對不同老人的不同需求，可以以一種可擴展的、靈活的方式來實現健康服務的動態重組，此應用可以推廣到家庭更多成員和更多人群。

2.4 云服務層

云服務層，主要負責對日常統計的數據進行分析、挖掘及統計，然后給出用戶健康狀況評估、用戶環境分析和用戶數據報表生成等。它不僅提供用戶的遠程查詢服務，而且提供智能分析模型方案。云端會實時的動態分配云資源，同時利用云基礎設施不斷使機器人的硬件設施得到簡化并為機器人提供更多的服務和可能性。根據使用的云資源類型的不同，可以將云機器人系統中的云平臺分為3種模式[16](如圖3)(1)基于遠程云的模式：由遠程云資源和機器人構成，機器人通過廣域網訪問遠程云資源；(2)基于本地云的模式：由本地云資源和機器人構成，機器人通過本地網絡訪問本地云資源；(3)基于機器人的自組織云(Ad Hoc 云)模式：多個機器人構成云資源，為機器人自身或其他終端設備提供云服務，其克服了廣域網的延遲等問題。

圖3 機器人的云資源圖

3 服務機器人的關鍵技術

面向老年人的陪護服務機器人，能夠提升生活品質，關鍵是和老年人可以交流互動與情感陪伴，給老年人的精神上得到更大的滿足。為了提高用戶體驗，服務機器人向著“人”的方向發展，它的推廣與應用的關鍵技術主要包括面向非結構環境下、低成本的SLAM (Simultaneous Localization and Mapping即時定位與地圖構建)實現自主導航和規劃、人機交互技術、視覺的圖像理解、高可靠性的語音識別、軟體結構的新材料應用、人工皮膚技術等[2]。

3.1 SLAM技術

服務機器人的SLAM技術，可以實現機器人在居家環境的自主定位與導航并規劃。它可以自動感知、理解并適應所處的室內環境，如果想要從一個未知位置到另一個位置，就得在移動過程根據位置估計和地圖定位，同時建造增量地圖[22-23]，整個過程包括地圖構建、傳感、定位、建模等。伴隨著云技術的不斷進步，SLAM已經取得了很大的進展。但SLAM本身所具有的高復雜性和機器人資源有限制約著發展，為了實現機器人真正的自主性，云機器人創造了良好的突破口。云機器人卸載復雜的計算密集型任務到云端，云端以服務化的形式“按需”加載SLAM云調用包并持續輸入必要感知數據，即可實現定位和地圖構建導航功能。這樣，機器人不僅提供了海量的存儲空間和強大的計算能力，而且實現了機器人的知識共享和人類的分析經驗的參與，可以使機器人導航應用更方便快捷[18]。

云機器人SLAM發展迅速，從開始的基于多機器人、多攝像機協作的SLAM，發展到深度學習的視覺SLAM，取得可喜成績。山東大學的趙洋[24]等對傳統SLAM算法和基于深度學習的SLAM算法做了深入的對比研究。他指出，深度學習算法依賴多層神經網絡學習圖像的層次化特征表示，可以實現比傳統識別方法更高的識別準確率。將深度學習和SLAM技術相結合，可以生成環境語義地圖，構建環境語義知識庫，供機器人進行認知與任務推理，從而提高了機器人的服務能力和人機交互的智能性。傳統的SLAM算法，具有較大的人為性，性能也會隨光照強度等環境變化而下降，尤其是在物體識別領域不理想，成為了SLAM系統性能發展的瓶頸。近年來，SLAM算法嘗試用深度學習從海量圖像集中直接學習高層次特征，由于深度學習的特征蘊含在每一層深度神經網絡的神經元中，因此這類嘗試對機器人環境中識別物體的準確率更高，遷移能力增強，模型泛化能力也更強。綜上所述，深度學習與SLAM的結合在一定程度上改善了場景識別等外界因素帶來的應用局限性，同時對語義庫構建的快速準確性產生了重要影響，從而提高了機器人的學習能力和智能化的服務水平。然而，目前深度學習的訓練參數很大程度依賴專家經驗，其訓練效果依賴于數據庫質量和已知場景的相似度，再加上要將深度學習架構應用于整個SLAM系統，未來還有很長的路要走。

3.2 人-機-環境交互系統

服務機器人的“人-機-環境”交互系統是指以環境/對象感知系統為基礎，進一步建立人機交互系統[25]。目前主流的人-機-環境交互的方式是手勢，語音，表情，控制面板等，以后手機、平板和可穿戴設備將成為移動控制端的主流趨勢。

服務機器人領域，人機交互顯得尤為重要，它是衡量服務機器人用戶體驗度的重要指標。一直以來，用戶和機器人都會有很強的距離感。因為機器人大多只有枯燥的語言邏輯、固定的功能再加上面無表情，讓用戶沒法和它親近起來。當人工智能和云計算的迅猛發展，融合了很多智能和情感到機器人中，用戶體驗大幅上升。在人機交流的過程中，機器人可以通過傳感器得知用戶的表情、語言、動作、生理等情感狀態，并可以調整自身的狀態做出相應的情感反應，可以學習并了解到用戶的需求和習慣，然后通過云端共享給其他的機器人使用，這樣就極大提高機器人的服務效率并豐富了其服務功能。人機交互主要包括兩個方面的內容，一方面是人機之間的交互信息，服務機器人可以借助可穿戴傳感器及體感外設等設備來檢測用戶狀態，評估用戶的健康狀態及跌倒檢測等服務；另一方面是用戶對機器人的主動控制，需要機器人能理解用戶并確保能完成用戶的控制和任務指令。

另外，機器人能和人自然地交互，完成各項服務任務，需要它能自然感知和理解環境，尤其當外部環境變動大，單靠機器人本身的能力使很難完成各種高智能化的家庭服務任務的。這就需要將智能空間技術應用到環境中去，將室內裝配上人工地標、傳感器、攝像頭、通信設備等計算機系統，建立一個“人-機”共存的生態環境。

3.2.1 環境的感知與適應

智能空間技術是指將感知和執行器件安裝在空間相應位置，因此降低了機器人本身攜帶感知器件的要求，能夠在動態的環境里更加穩準快的實現服務任務。如果把智能空間技術應用于服務機器人系統，機器人將更加容易實現對空間內部的人和物的全面感知，從而執行相應的服務任務。機器人與環境交互式通過將觸覺、視覺、聽覺、嗅覺、力覺等多種傳感器信息融合處理，然后獲得具有甚至超過人的感知能力，家庭這樣非結構化環境的適應能力也顯著提升。

老人是服務對象，智能空間和服務機器人需要通過觀察老人的行為來理解老人的想法和需求，以便對老人進行特別監護。比如通過傳感器裝置實現對老人脈搏、血壓、體溫等基本生命參數進行觀測，能檢測出異常身體狀況并發出相應的服務指令，使得機器人能自動的執行相應的服務。另外，如果老人需要物品的傳遞和整理，就可以通過在物體上布置各種人工標志或RFID標簽等方法，對被操作物實現快速定位和識別。人工標志或RFID標簽中包括物品屬性、操作方式和路徑規劃等，可以方便機器人快捷的完成服務任務。

隨著智能家居等設施的市場化，智能空間的搭建越來越容易，進一步為服務機器人降低了成本，為逐步走入社會家庭提供了重要的技術支持。未來的服務機器人智能空間將包括多種異質機器人，機器人之間會有更多的的協作，服務任務也會變得更加復雜，這將涉及到異種智能空間的互聯技術和機器人執行任務的智能空間無縫連接技術，這些將成為未來智能空間技術研究的重要課題[26]。

3.2.2 視覺技術與圖像處理

人類主要通過視覺、聽覺、觸覺等器官感知外部世界，其中一大半的信息都是由視覺獲得的，所以視覺的重要性是不言而喻的。機器人的視覺系統，是利用計算機來模擬生物視覺功能的科學技術，為了認知現實世界，實現對客觀世界三維場景的理解，它的首要目標是要用圖像創建或恢復現實世界模型。圖像創建一般是三維場景在二維平面的灰色投影的過程，然后再進行多點對一點的映射逆變換從二維平面恢復三維立體場景。

采用一般的圖像處理器較難實現實時圖像處理，而采用以Hadoop云平臺基礎架構，它的分布式文件系統和MapReduce以及并行計算處理，大大降低了圖像識別的運行周期，有效地提高了圖像識別的準確率和圖像處理速度。將深度學習與云計算相結合，微軟圖像識別引擎的深度神經網絡訓練已經到達150層，它將是云服務機器人發展的一個重要的方向。

To sumup,this study examines and tries to prove the hypothesis that various modes,or in our case,the visual mode,find their way into textual narration,and with such intertwining of different modes in the textual content,both humor and politics can be discussed implicitly or metaphorically.

3.2.3 語音識別技術

語音是在人類情感交互的過程中作為人類獲取信息和溝通最方便最有效的工具之一，它傳達的信息包含文字符號部分，還包含情感和情緒部分[27-28]。傳統的語音合成技術，完成的僅僅文本符號的語音轉化，而忽略了語音信號中情感的信息。語音情感的識別分為與內容有關的情感識別和與內容無關的情感識別，同樣一句話，被不同經歷尤其情感背景不同的人說，其表達的效果和意思就完全不同。情感的大部分信息主要體現在韻律上，可以通過調整句子的基礎頻和時長等韻律來表達。重慶郵電大學的張若凡[29]等人提出了基于語譜圖的老年人語音情感識別方法，他們采用改進的維納濾波算法，針對老人年語音情感庫進行了語音增強，選取合適的語音情感庫，進一步進行預處理、提取和調整，轉換成要求的格式，接著用CNN進行訓練，并用分類器進行分類，最后得出老人的情感識別結果。

基于云技術的語音云服務，不僅降低了對機器人本身的硬件要求，而且可以提升語音識別的準確性和識別率，提升了用戶體驗，使人機交互更加自然和人性。例如使用科大訊飛語音云平臺，它是以 “云+端”的形式，向開發者提供了一系列的語音合成、語音搜索及語義理解等智能交互服務，開發者能通過它擁有超強的語音識別能力，而不需要在本地維護龐大的語音識別庫。為了使老人可以有更好的交互體驗，在初始化自然語言處理引擎時需要上傳語義庫，交流就可以更符合真實場景了[28]。

總之，傳統語音信號處理識別已經從在單機中完成的，漸漸轉到云計算環境的平臺上，例如Hadoop平臺，它可以充分發揮MapReduce并行計算的優勢，能夠將數據處理和任務分配到多個計算機中同時進行，大大提高了語音信號處理的效率，云計算在語音平臺中的應用也成為趨勢。因此，基于云的服務機器人的語音識別技術必將成為機器人水平發展的重要指標。

3.3 仿生技術與軟體結構

養老服務機器人外形設計應該擬人化，現在的仿人機器人就是追求擬人的外貌、動作和語音，甚至情感，這樣更容易產生親切。尤其在老年人處于孤寂狀態，這樣對老年人的精神起到很好的慰藉作用。

服務機器人的軟體結構使用了新型的合成材料，它可以模擬自然界的生物運動模式。涉及材料、微機電、液壓、控制等多學科，從材料、設計、加工、傳感到控制等方面開展的交叉與融合研究。人工皮膚是可以替代人的皮膚組織的，它是仿生材料[30]的一種，能模仿生物的特點、特性和系統結構及相互作用的過程，為機器人實現與人類似的行為功能提供技術支持。通過這種材料能讓機器人獲得一種接近人類的皮膚和肌肉，結合結構驅動一體化的設計，它可以感知壓力并與大腦溝通，把壓力信號改變成電子信號，傳遞給大腦，令機器人在智能化的基礎上擁有“感覺”，無論從外觀還是行為感知功能，機器人都越來越趨近于“人”了。

仿生材料與軟體結構模仿生物系統的原理、結構和相互作用，讓機器人具備了低能耗、效率高、環境適應力強等優點，其中，仿生材料、人工肌肉和結構驅動一體化設計將成為未來研究的熱點問題。

4 養老服務機器人發展的機遇與挑戰

4.1 國家政策支持

近年來，為了實施《中國制造2025》將機器人作為重點發展領域，進一步推進我國機器人產業快速健康可持續發展，特別制定了《機器人產業發展規劃(2016-2020年)》和《新一代人工智能發展規劃》，然后到《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》[31]，出臺了一系列支持機器人產業發展的政策措施，體現了中國已經把人工智能技術提升到國家發展戰略的高度，為機器人的發展創造了前所未有的優良環境。在服務機器人領域，重點推進專業服務機器人實現更多的細分并成體系，個人/家庭服務機器人實現大規模市場化[32]。如果把服務機器人的發展與中國老齡化社會的大背景相結合，對于解決人口老齡化問題，無疑是巨大的支持與幫助。

4.2 安全可靠性

云機器人技術作為一種新興技術，還有許多問題如系統的安全性、通信協議的可靠性和有效性等需要探索與解決。除此，由于是服務機器人，還是面向老人的，我們還需要考慮眾多其他因素。首先需要考慮材料和設計上確保整體的機械安全可靠，不能因為降低成本而忽略；第二，要考慮到老年人身體的退化，操作很容易出錯，不能因此造成對老年人的傷害；第三，老年人的適應能力不如年輕人了，如果機器人的使用年限能適當延長，將會給老年人帶來福音[33]。當老年人熟悉了服務機器人的使用也有了感情，若因為年限而不得不更換時，老年人可能會出現抵觸情緒，接受新的機器人的又需要很長的時間。

4.3 5G無線通信

5G無線通信是多種新型無線接入技術和現有無線接入技術集成后的解決方案總稱，它最大的優勢體現在“物聯網”上，對于機器人而言，不僅意味著更快的傳輸速度，更穩定的信號，更低的功耗，還意味著更好的安全性和更高的服務水平。5G技術需要一種分布式的核心操作系統，可把終端擴展至5G網絡再到云端。5G網絡將是一個無處不在，它是具有超低延遲、高度彈性化、超高的承載能力以及超強的通訊能力的虛擬化基礎設施，能夠透過云端的巨大存儲和計算能力，將機器人和智能家居設備、可穿戴設備等智能終端結合在一起，為機器人的智能化又可以推進一步。目前，為機器人賦予與人完全一樣的行動功能還是一個挑戰，但透過5G技術可以充分提升機器人的行動力和認知服務。

隨著5G通信技術的到來，云機器人的發展迎來了契機。5G網絡可以從容應對機器人對帶寬和時延的挑戰，它的網絡切片和MEC也能為機器人的服務應用提供端到端定制化支持。由于服務型機器人應用場景的同質化較高，比起不同行業需求千差萬別的工業型機器人，云機器人的服務共享網絡更容易實現，但目前我國機器人的使用密度還很低，一定程度上制約了服務機器人的發展。所以，大面積推廣機器人的使用勢在必行。

5 結束語

隨著老齡化社會的到來，科技的進步與勞動力不足等因素推動著服務機器人的發展，它將成為21世紀高技術服務業的重要組成部分[34]。互聯網技術的迅猛發展，隨之誕生的云機器人讓機器人服務質量又上了一個新的臺階。云機器人可以根據設計功能的不同給老年人提供不同的服務，現在的機器人可以提供基本的生活服務，未來的云機器人還可以陪老人聊天和娛樂，給老人帶來更多精神慰藉。所以，云機器人在未來的養老系統中占據著舉足輕重的地位。