Due to generally limited computing capability of an individual robot, cloud-based robotic systems are increasingly used. However, applications in large-scale multi-robot systems will be hindered by communication congestion and consequent lack of computing resources. In this study, an intern-sufficient cloud is investigated to alleviate the burden of communication and thus support more robots. At the same time, it enables heterogeneously idle computing resources of robots inside the system to be shared on demand, instead of relying on cloud servers and communication infrastructures, to make the scope of application wider. To this end, a hierarchical communication mechanism and a resource schedule algorithm are proposed. In the mechanism, the transmission power, signal-to-noise ratio, available bandwidth, and other relevant features are taken into account to estimate link quality for data transmission. Then, the constrained communication conditions and heterogeneous computing resources are balanced by the resource scheduling algorithm, so that the most appropriate computing resources of the robots are contributed to the mobile cloud. Furthermore, a multitarget navigation task is applied on the cloud to validate the work. Thereby, simulations and experiments are performed. The results show that the proposed intern-sufficient cloud can provide stable resources of communication and computation for a multi-robot system with 20 physical robots while achieving more effective multitarget navigation.

由于单个机器人的计算能力普遍有限，因此越来越多地使用基于云的机器人系统。然而，大规模多机器人系统中的应用将受到通信拥塞和随之而来的计算资源缺乏的阻碍。在这项研究中，研究了一个足够实习的云来减轻通信负担，从而支持更多的机器人。同时，它使系统内部机器人异构空闲的计算资源按需共享，而不是依赖云服务器和通信基础设施，使应用范围更广。为此，提出了分层通信机制和资源调度算法。在机制中，传输功率、信噪比、可用带宽、并考虑其他相关特征来估计数据传输的链路质量。然后，通过资源调度算法平衡受限通信条件和异构计算资源，使机器人最合适的计算资源贡献给移动云。此外，在云上应用了多目标导航任务以验证工作。由此，进行模拟和实验。结果表明，所提出的内部充足云可以为具有 20 个物理机器人的多机器人系统提供稳定的通信和计算资源，同时实现更有效的多目标导航。通过资源调度算法平衡受限的通信条件和异构计算资源，将机器人最合适的计算资源贡献给移动云。此外，在云上应用了多目标导航任务以验证工作。由此，进行模拟和实验。结果表明，所提出的内部充足云可以为具有 20 个物理机器人的多机器人系统提供稳定的通信和计算资源，同时实现更有效的多目标导航。通过资源调度算法平衡受限的通信条件和异构计算资源，将机器人最合适的计算资源贡献给移动云。此外，在云上应用了多目标导航任务以验证工作。由此，进行模拟和实验。结果表明，所提出的内部充足云可以为具有 20 个物理机器人的多机器人系统提供稳定的通信和计算资源，同时实现更有效的多目标导航。进行了模拟和实验。结果表明，所提出的内部充足云可以为具有 20 个物理机器人的多机器人系统提供稳定的通信和计算资源，同时实现更有效的多目标导航。进行了模拟和实验。结果表明，所提出的内部充足云可以为具有 20 个物理机器人的多机器人系统提供稳定的通信和计算资源，同时实现更有效的多目标导航。