近年来,随着机器人技术的发展,服务机器人逐渐走进人们的日常生活中。人们对服务机器人的智能化提出了更高的要求,希望服务机器人可以根据人类的表情提供更加有针对性的服务。然而,主流的表情检测算法基于深度学习,运算量很大。机器人端运算能力有限,如果在机器人端进行表情检测,很难保障检测的实时性,也会影响机器人对其他任务的处理以及机器人的续航。目前通信技术快速发展,因此考虑把复杂费时的表情检测算法放到服务器端,机器人端通过网络调用服务器端的算法,节省机器人端的运算资源。本文设计并实现了一个远程过程调用框架,可以让机器人端像调用本地函数一样调用服务器端算法。为了保障系统的高可用性和拓展性,框架可以在机器人端没有感知的情况下增加或减少服务器端的运算能力,如果服务器端的若干台主机出现故障,也不会影响系统整体的运行。本文使用Protocol Buffers作为远程过程调用框架的中间描述语言,使用基于HTTP/2,支持双向流数据传输的g RPC实现远程过程调用,使用Rabbit MQ消息队列来对请求进行分发,保障了请求数量多的时候系统平稳运行,使用Zookeeper进行分布式协调,实现多个主机之间共享配置信息以及g RPC多个实例之间的管理。最后,本文使用Kubernetes进行集群管理,实现资源的调度以及服务的动态伸缩。实验表明本文的框架和常用的RESTful框架相比,可以节省60%的流量,在网络带宽较低的时候具有明显优势,同时在网络出现延迟和丢包的情况下鲁棒性更强。更加适合对实时性和可靠性要求高的场合。