11.3 机器人技术概述
11.3.1 机器人的概念
暂未补充相关内容
11.3.2 机器人的定义和发展历程
1. 机器人的定义
机器人是具备感知、交互、决策能力，可自主或协同完成特定任务的智能装备，其核心价值在于替代或辅助人类执行复杂、重复、危险场景下的工作。
2. 发展历程
机器人技术已进入 4.0 时代，核心特征是：云端大脑分布式部署，充分利用边缘计算优势，融合任务记忆与常识知识，实现规模化部署；强调智能协作、理解与决策能力，具备更强的自适应能力，除物体识别、人脸识别外，可根据环境变化动态调整行为模式。
11.3.3 机器人 4.0 的核心技术
- 云 - 边 - 端的无缝协同计算：构建面向大规模机器人的服务平台，云侧提供高性能计算与知识存储，边缘侧处理数据并实现协同共享，机器人端专注实时操作；
- 持续学习与协同学习：通过少量数据建立基础识别能力，自主采集并标注相关数据，重新训练模型以提升性能；
- 知识图谱：融合动态化、个性化知识，与机器人的感知、决策能力深度结合；
- 场景自适应：主动观察场景内人、物变化，预测潜在事件，动态调整行动模式，核心在于场景预测能力；
- 数据安全：保障端到端数据安全传输与服务器端安全存储，防范数据泄露与恶意攻击。
11.3.4 机器人的分类
1. 按控制方式分类
- 操作机器人：远距离执行特殊任务，如核电站放射性物质处理机器人；
- 程序机器人：按预先设定的程序、条件、位置作业；
- 示教再现机器人：记录并重复所教操作过程，示教方式包括直接示教与遥控示教；
- 智能机器人：可执行预设动作，且能根据工作环境变化调整行为；
- 综合机器人：集成操纵、示教再现、智能机器人功能，如火星机器人。
2. 按应用行业分类
- 工业机器人：应用于制造业生产环节，如装配、焊接、搬运机器人；
- 服务机器人：面向生活服务场景，如家政、医疗辅助机器人；
- 特殊领域机器人：应用于特定专业场景，如消防、勘探、太空探索机器人。
11.4 边缘计算概述
11.4.1 边缘计算概念
边缘计算是将数据处理、应用程序运行及功能服务实现，由网络中心下放到网络边缘节点的技术模式。通过在网络边缘侧的智能网关上就近采集、处理数据，无需将大量原生数据上传至远端大数据平台，可满足行业在敏捷性、实时性、数据优化、应用智能及安全隐私保护等方面的关键需求。
11.4.2 边缘计算的定义
边缘计算的业务本质是云计算在数据中心之外汇聚节点的延伸与演进，核心发展方向为'边云协同'和'边缘智能'，具体落地形态分为三类：
- 云边缘：云服务在边缘侧的延伸，逻辑上仍属于云服务，需与云服务紧密协同；
- 边缘云：在边缘侧构建中小规模云服务能力，核心服务由边缘云提供；
- 云化网关：以云化技术重构嵌入式网关系统，提供协议/接口转换、边缘计算能力，云端控制器负责资源调度、应用管理与业务编排。
软件平台需导入云理念、架构与技术，具备端到端实时、协同式智能、可信赖、可动态重置等能力；硬件平台需具备异构计算能力。
11.4.3 边缘计算的特点
- 联接性：作为基础特性，需适配物理对象与应用场景的多样性，具备丰富的联接功能；
- 数据第一入口：作为物理世界与数字世界的桥梁，汇聚大量、实时、完整的数据，支持数据全生命周期管理与价值创造，支撑预测性维护、资产效率管理等创新应用；
- 约束性：需适配工业现场恶劣工作条件（防电磁、防尘、防爆、抗振动、抗电流/电压波动），且对功耗、成本、空间有较高要求；
- 分布性：天然具备分布式部署特征，需支持分布式计算与存储、资源动态调度与统一管理、分布式智能及分布式安全。
11.4.4 边云协同
边缘计算与云计算优势互补，云计算擅长全局性、非实时、长周期的大数据处理与分析，在长周期维护、业务决策支撑等领域发挥作用；边缘计算更适用局部性、实时、短周期数据的处理与分析，支撑本地业务的实时智能化决策与执行，二者通过六大协同模式实现高效联动：
- 资源协同：边缘节点提供计算、存储等基础设施资源，接受云端资源调度管理策略，含设备、资源及网络连接管理；
