仿人机器人的资源预测

仿人机器人被设计为在以人为中心的环境中运行，它们需要执行大量具有挑战性的任务，这些任务在复杂性、资源需求和执行时间上各不相同。在如此高度动态的环境中，期望能够预见即将发生的情况，以预测未来的资源需求（如 CPU 或内存使用）。资源预测信息对于检测即将到来的资源瓶颈或冲突至关重要，并可用于增强资源协商过程或执行推测性资源分配。本文提出了一种基于马尔可夫链的预测模型，用于预测仿人机器人 ARMAR-III 在人机交互场景中的行为。预测算法所需的机器人状态信息通过自监控收集，并与环境上下文信息相结合。加入资源特征后，可以生成未来可能资源需求的概率分布。通过机器人框架 ArmarX 提供的公开机制，实现了模型参数的在线学习。