基于行为树的机器人云平台执行引擎和执行方法

摘要

本发明提供了一种基于行为树的机器人云平台执行引擎和执行方法，所述机器人云平台执行引擎包括服务端应用集群、机器人以及中间件，所述服务端应用集群由若干个服务端应用组成；所述服务端应用生成机器人指令，通过中间件发送给机器人，机器人对生成的机器人指令解析生成行为，并通过中间件将机器人指令执行结果反馈给服务端应用。该机器人云平台执行引擎具有智能化程度高、适用性强、工作灵活、接入便捷和维护成本低的特点。

说明书

技术领域

本发明涉及智能机器人与云计算技术领域，具体地涉及一种基于行为树的机器人云平台执行引擎和执行方法。

背景技术

智能机器人技术正在被越来越多的应用于生活中各个场景，但是大多数机器人只能执行单一预置的任务，换一个场景可能就需要完全不同的另一台机器人，例如导览机器人只能在某一个场馆工作，行动路径和导览内容都是预先设置好无法更改的，换一个场馆就无法使用。并且智能化程度比较低，遇到特殊场景就无法做出合适的行为，遇到不同的服务对象无法提供有针对性的服务。通常有限状态机（FSM）会被用于机器人的决策，但是面对复杂的场景，机器人的状态会非常多，状态间的变化关系会非常复杂，在开发中需要投入非常大的成本，并且复用性较差，很难复用到类似机器人的开发中。

发明内容

针对现有技术存在的问题，本发明提出了一种基于行为树的机器人云平台执行引擎。该机器人云平台执行引擎采用行为树作为决策结构，结合了云平台的扩展能力和人工智能，具有维护成本低、工作灵活、接入便捷、智能化程度高等特点。

为了实现上述目的，本发明采用如下技术方案：一种基于行为树的机器人云平台执行引擎，所述机器人云平台执行引擎包括：服务端应用集群、机器人以及中间件，所述服务端应用集群由若干个服务端应用组成；所述服务端应用生成机器人指令，通过中间件发送给机器人，机器人对生成的机器人指令解析生成行为，并通过中间件将机器人指令执行结果反馈给服务端应用。

进一步地，所述服务端应用分为基础设施层、功能模块层以及交互层。

进一步地，所述基础设施层包含行为树模块、机器人通信模块和会话模块，所述行为树模块具有循序执行节点、选择执行节点、并行执行节点、条件节点、执行节点功能；同时，所述行为树模块用于定义具体条件逻辑和行为逻辑的接口；所述机器人通信模块用于封装基于MQTT消息的收发机制和消息审计功能；所述会话模块用于封装机器人会话中所有状态数据的读写逻辑功能。

进一步地，所述功能模块层包含行为树解析模块、指令分发模块、会话管理模块、数据源管理模块、设备控制模块和场景配置模块；所述行为树解析模块采用基于json的行为树schema，处理行为树的生成；所述指令分发模块用于处理服务端应用与机器人之间的通信；所述会话管理模块负责场景中的状态数据维护，包括基于redis的存储功能的实现；所述场景配置模块用于管理各个场景下的全局参数，通过json文件配置，运行时进行加载和存储；所述数据源管理模块采用监听者模式，负责数据输入输出。

进一步地，所述交互层包括API、控制台和客户端；所述API用于控制场景会话的开启与关闭；所述控制台基于日志采集埋点，展示和监控所述机器人云平台执行引擎的执行情况；所述客户端用于提供基础的开发SDK，支持python，c++语言。

进一步地，所述机器人云平台执行引擎通过http，udp协议对摄像头、大屏显示器进行控制管理。

本发明还提供了一种所述机器人云平台执行引擎的执行方法，具体为：所述机器人云平台执行引擎运行时，交互层收到请求，会话管理模块开启一个会话，并生成一个全局唯一的会话id，根据请求的场景，所述场景配置模块加载预制的配置参数，包括需要机器人的种类、机器人的数量、需要监听的数据源、环境参数；所述会话id作为key，保存使用相应的数据结构，根据场景配置，生成行为树，最后通过循环执行行为树来实现对机器人的控制。

进一步地，所述生成行为树的方法具体为：行为树解析模块根据配置文件生成行为树。

进一步地，所述生成行为树的方法具体为：通过调用云平台提供的算法知识库务，算法知识库根据会话内上下文生成相应的任务规划，行为树解析模块收到任务规划后，解析任务规划，生成行为树。

与现有技术相比，本发明具有如下有益效果：本发明通过行为树模块来降低维护成本、提高灵活性。首先树形结构非常清晰，每一个子节点代表一个子功能模块，每一个叶子节点代表一个条件或者一个行为；其次行为树应对场景变化非常迅速，通过不断循环遍历，不同状态会得到不同的行为执行，可以灵活应对场景中不同的情况。并且行为树易于维护，子树结构都可以模块化和得以复用，降低了开发成本。

通常行为树会作为机器人本地的执行模块，本发明将行为树放在云端，可以同时作用于多台机器人，进而加强机器人之间的协作能力，做出更优的统筹决策。执行过程中，行为树可以很方便的获取所有机器人的状态以及环境数据，来进行统筹规划。

本发明包含机器人客户端，以便于不同类型机器人的接入。客户端支持多种语言，包括python、java、c++等主流语言。客户端抽象了一套SDK API，机器人只需实现指令收发的业务逻辑，而不需要关注通信协议的实现和解析，降低了接入成本。

此外，本发明应用云计算技术，机器人通过执行引擎连接云平台，能够充分发挥云平台计算能力强、扩展能力强的特点。通过数据源管理模块，执行引擎可以把机器人采集到的数据传递到云平台，相对于机器人本地的计算能力，云平台执行更快，可以提供更快的响应，来控制机器人。云平台可以根据场景加载不同场景信息，生成不同的行为树，完成不同场景任务。云平台提供了更强大的情景模式数据库，加上人工智能技术，可以不断学习和优化任务规划，发挥智能化优势。通过服务端应用的更新，可以实现对机器人控制的升级，来适应和满足场景中新出现的需求。

附图说明

图1为本发明基于行为树的机器人云平台执行引擎的结构部署图；

图2为本发明基于行为树的机器人云平台执行引擎的系统架构图；

图3为本发明机器人云平台执行引擎的控制方法流程图。

具体实施方式

如图1，本发明提供了基于行为树的机器人云平台执行引擎的结构部署图，所述机器人云平台执行引擎包括：服务端应用集群、机器人以及中间件，所述服务端应用集群由若干个服务端应用组成；所述服务端应用生成机器人指令，通过中间件发送给机器人，机器人对生成的机器人指令解析生成行为，并通过中间件将机器人指令执行结果反馈给服务端应用。所述服务端应用通过中间件，可以与云平台所提供的算法知识库通信，获取任务规划以及人工智能服务。如图2，为本发明基于行为树的机器人云平台执行引擎的结构图，可以看出所述服务端应用分为基础设施层、功能模块层以及交互层，所述基础设施层包含行为树模块、机器人通信模块和会话模块，所述行为树模块具有循序执行节点、选择执行节点、并行执行节点、条件节点、执行节点等功能。同时，所述行为树模块用于定义具体条件逻辑和行为逻辑的接口；所述机器人通信模块用于封装基于MQTT消息的收发机制和消息审计功能；所述会话模块用于封装机器人会话中所有状态数据的读写逻辑功能。

所述功能模块层包含行为树解析模块、指令分发模块、会话管理模块、数据源管理模块、设备控制模块和场景配置模块；所述行为树解析模块采用基于json的行为树schema，处理行为树的生成；通过json文件的配置，行为树解析模块能够在内存生成行为树，并且循环促发执行。同时行为树解析模块也支持从外部系统接收任务规划，再适配成定义的schema，生成行为树。基于这种扩展模式，可以充分里用云平台的优势，集成知识库，机器人协同等算法模块，生成更加智能和灵活的行为树，来控制机器人以及机器人集群。所述指令分发模块用于处理服务端应用与机器人之间的通信，一方面根据执行节点的具体逻辑，生成发给机器人的指令，通过通信SDK包向机器人发送消息，同时也监听机器人反馈的消息。所述会话管理模块负责场景中的状态数据维护，包括基于redis的存储功能的实现；所述场景配置模块用于管理各个场景下的全局参数，通过json文件配置，运行时进行加载和存储；所述数据源管理模块采用监听者模式，负责数据输入输出。同时，该机器人云平台执行引擎通过http，udp等协议，用于对摄像头、大屏显示器等设备进行控制管理。

所述交互层包括API、控制台和客户端；所述API用于控制场景会话的开启与关闭；所述控制台基于日志采集埋点，展示和监控所述机器人云平台执行引擎的执行情况；所述客户端用于提供基础的开发SDK，支持python，c++等多种语言，封装了与服务端应用的通信协议，包括消息格式，创建连接、关闭连接过程，心跳连接等功能。机器人利用SDK的功能只需要实现对指令的接收和解析，以及发送。

如图3，提供了本发明所述机器人云平台执行引擎的执行方法流程图，具体为：所述机器人云平台执行引擎运行时，服务端应用中的交互层收到请求，会话管理模块开启一个会话，并生成一个全局唯一的会话id。根据请求的场景，所述场景配置模块初始化场景，加载预制的配置参数，包括需要机器人的种类，机器人的数量，需要监听的数据源，环境参数，同时初始化机器人。所述会话id作为key，保存使用相应的数据结构。根据场景配置，通过调用云平台提供的算法知识库，算法知识库根据会话内上下文获取相应的任务规划，行为树解析模块收到任务规划后，解析任务规划，构建行为树，最后循环执行行为树，向机器人发送指令，并接受反馈，来实现对机器人的控制。

本发明中生成行为树的方法还可以为：通过行为树解析模块根据配置文件生成行为树。

本发明的机器人云平台执行引擎具有智能化程度高、适用性强、工作灵活、接入便捷和维护成本低的特点。利用云平台的计算能力，执行引擎可以对接多种智能算法，并且得到快速的响应，发挥人工智能的优势。同时执行引擎将行为树维护在服务端，可以集成所有场景下机器人的状态和环境数据，有利于多机器人协同作业，做出统筹决策。机器人本体可以通过执行引擎加载不同场景配置，也可以从云平台下载智能场景，从而完成不同种类任务，适应多种多样的场景。执行引擎也完全继承了行为树的优越特性，机器人能够灵活的对场景中不同条件做出执行决策，满足场景需要。行为树模块化的结构使得执行规划易于更新和维护，进而降低了使用成本。通过执行引擎提供的多语言的SDK开发包，机器人能够快速和便捷的接入执行引擎。