近年来,计算机与强化学习、深度学习、云计算技术蓬勃发展,取得了长足的进步。机器人技术与云计算的结合提高了机器人运行的效率,可以将任务分配到云端完成。机器人技术与深度学习的结合可以使机器人获取更多图像方面的信息,采取更多有价值的行动。而其中强化学习的发展更是为机器人领域再次注入了新鲜的血液。强化学习与云机器人的融合在性能的提高与拓展实验方向方面具有十分广阔的前景,可以探究不同的抓取方案,完善背后的原理,并将有机会彻底改变机器人技术的研究和应用现状。本文根据高并发与及时实验的需求和云机器人目前的技术规范设计了基于机器人操作系统（Robot Operating System,ROS）的云机器人平台,本平台用于云机器人的研究和应用,并为后面的实验提供平台支持。其中云平台基于面向服务的框架,根据机器人即服务的概念,本云平台分为三个级别:全局云,本地云和硬件机器人。随着机器人服务场景越发的复杂化和多样化,本文设计了基于云平台的多用户多机器人协同工作系统。系统使用HTTP协议与Gossip协议发送数据,用户通过Android语音识别向服务器发送文本命令,然后机器人从服务器接收用户命令,执行该命令并返回结果。通过将云技术和多机器人系统集成在一起,降低了每个机器人运算的时间,合理分配运算资源。实现了能效高,及时性高,成本低的特点。其中全局云建立在Robo Earth和Web应用程序的基础上,用于机器人之间的数据交互。而本地云负责机器人的应用服务和本地摄像头交互,根据应用需求调整本地服务器的数量,性能和拓扑,并与其他机器人组成下层局域网,搭建网络基础并减少对流量需求的依赖。该机器人从4个方面:传感器系统,执行系统,控制系统和信息处理系统进行设计,并且实现了统一的数据接口和通用功能,以提高面向用户的终端服务单元中服务模块的可复用性。在不同的情况下,服务器会根据机器人拍摄的照片确定机器人所处的场景,为每个用户授予不同的权限,并根据用户的指令进行操作并使得隐私得到保护。完成机器人云平台的设计和实现后,本文最后使用该实验平台基于场景识别和强化学习,图神经网络（GNN）进行一系列测试和实验,以测试该平台的实用性和性能。