云机器人系统的服务质量保证方法研究

Quality of Service (QoS) including latency, energy consumption and operating cost is one of the most important factors to the overall performance of cloud robotics. Cloud robotic systems have the characteristics of highly cooperation, large data volume, highly real-time and heterogeneity. Based on these characteristics, we plan to investigate various QoS improvement approaches to improve QoS for cloud robotics in this project. First, considering the communication and task cooperation of cloud robotics, the placement of robotic swarms will be optimized using game theory for saving the latency and energy consumption. Second, based on the min-cost and max-flow model, both offline and online algorithms for data flow scheduling will be investigated to minimize the latency, energy consumption and operating cost. Third, to overcome the challenges caused by the characteristic of large data volume, a three-layers computation framework will be proposed and a novel streaming workflow allocation approach will be developed based on multi-objective optimization theory for QoS guarantees. In addition, heuristic algorithms will be studied to adapt to the highly real-time and heterogeneity nature of cloud robotic systems. Finally, joint optimization of robotic swarm placement, data flow scheduling, and streaming workflow allocation problems will be investigated based on multi-constraint convex optimization theory for further QoS improvement. The above approaches aim to provide reliable theory basis and technique support for QoS-aware cloud robotic systems.

服务质量（延时、能耗与费用）是决定云机器人系统能否高效工作的重要因素。针对云机器人系统高协同性、大数据性、高实时性与高异构性给服务质量带来的挑战，本项目拟提出一套改善云机器人服务质量的研究方案。首先，结合机器人集群通信与任务协同，以博弈论为理论基础，研究机器人集群布局算法，优化机器人集群布局策略。其次，借助机器人集群协同通信，基于最小费用最大流模型，研究面向多路数据传输的离线与在线网络流量调度算法。再者，结合大数据性特征，引入多层资源协同思想构建融合计算框架；以延时、能耗与通信费用最小化为目标，以多目标优化理论为基础，研究流体工作流计算迁移算法；借助云机器人系统和流体工作流聚类技术，研究启发式算法。最后，以多约束的凸优化理论为基础，以机器人集群布局、网络流量调度与流体工作流计算迁移的内在关联关系为切入点，研究跨层联合优化机制提高服务质量，为构建高服务质量云机器人系统提供理论支撑和技术支持。

服务质量关系到云机器人系统能否高效工作。云机器人系统呈现出来的高协同性、高实时性、大数据性及高异构性等特点给服务质量带来新的挑战，使现有服务质量保证方法难以完全适用。因此，本项目拟结合云机器人系统的高协同性、大数据量、高实时性及高异构性等特征，以构建低延时、低能耗与低运营费用的云机器人系统为目标，研究云机器人系统通信与任务协同机器人集群布局、面向机器人集群通信协同网络流量调度、流体工作流计算迁移、以及跨层联合优化等关键技术，构建高服务质量云机器人系统。. 在本项目的研究中，我们提出一套云机器人系统服务质量的改进方法，主要包含：1）提出基于博弈论的机器人集群布局决策机制，改善高延时与高能耗问题。2）借助最小费用最大流模型，设计机器人集群通信协同网络流量调度策略，降低延时、能耗与运营费用。3）提出基于多目标优化理论的流体工作流计算迁移决策机制，提高服务质量。4）提出基于多约束凸优化理论的跨层联合优化策略，进一步提高云机器人系统服务质量。三年来，申请人围绕着本项目的研究内容以第一或通讯身份共发表包括IEEE TPDS、Infocom 2021、IEEE TSC、ICPP 2020、IEEE IoTJ、软件学报在内的国际国内重要学术会议和期刊19篇，ESI高被引论文2篇，热点论文1篇，获吴文俊人工智能自然科学二等奖、CCF-B类会议ICPP 2020最佳论文亚军奖。课题组培养毕业硕士研究生12名，在读硕士研究生14名。申请人2019年起担任国际期刊International Journal of Systems and Service-Oriented Engineering主编（Editor-in-Chief），取得了一定的国际国内学术影响力。