CN108367433A - 选择性部署机器人以执行建图 - Google Patents
选择性部署机器人以执行建图 Download PDFInfo
- Publication number
- CN108367433A CN108367433A CN201680057444.6A CN201680057444A CN108367433A CN 108367433 A CN108367433 A CN 108367433A CN 201680057444 A CN201680057444 A CN 201680057444A CN 108367433 A CN108367433 A CN 108367433A
- Authority
- CN
- China
- Prior art keywords
- robot
- region
- interests
- task
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013507 mapping Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 78
- 230000015654 memory Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000007726 management method Methods 0.000 description 28
- 238000013439 planning Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 239000012636 effector Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- -1 set-top box Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0084—Programme-controlled manipulators comprising a plurality of manipulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0297—Fleet control by controlling means in a control room
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/01—Mobile robot
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/46—Sensing device
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
提供了用于基于增加的成本选择性地部署机器人来执行建图的方法、设备、系统和计算机可读介质。在各种实施方式中,可以确定对环境的区域进行建图的利益度量。还可以确定与执行任务的机器人相关联的成本。然后,可以确定与在执行所述任务时对所述环境的所述区域进行建图的所述机器人相关联的增加的成本。可以响应于确定所述利益度量对于所述增加的成本是合理的而选择性地部署所述机器人来在执行所述任务时对所述区域进行建图。
Description
背景技术
自主和半自主机器人通常可以部署在未充分建图的环境中。许多此种机器人可以被配置来执行各种技术,包括但不限于同时定位和建图(“SLAM:simultaneouslocalization and mapping”),以对环境了解更多。拥有了该信息可以支持机器人来安全和/或有效地执行各种任务。然而,由在动态环境中执行SLAM或其它类似技术的一个或多个机器人获得的建图数据随着时间推移可能变得陈旧。另外,环境中的一些区域可以比其它区域更具动态性和/或任务关键性,并且因此可以保证对建图和/或重新建图的高度兴趣。
发明内容
本公开大体上涉及选择性地部署机器人来以也支持机器人执行(例如,作为“次要任务”)高度感兴趣的区域的建图(例如,SLAM)的方式执行否则与建图无关的任务(例如,作为“主要任务”)的方法、设备和计算机可读介质(暂时性和非暂时性)。例如,可以确定与部署一个或多个机器人来执行一个或多个主要任务相关联的一个或多个成本。然后,可以确定一个或多个机器人在执行主要任务时对感兴趣的区域进行建图的一个或多个增加的成本。例如,将机器人从执行其主要任务所需的最短路径沿支持机器人对感兴趣的区域进行建图的较长路径转移需要多少额外成本?如果对于一个或多个机器人中的任一个,对区域进行建图的利益度量对于该机器人在执行其主要任务时对该区域进行建图的增加的成本是合理的,那么可以考虑部署该机器人来以也支持该机器人对区域进行建图的方式执行其主要任务。如果多于一个机器人在执行其相应主要任务时对区域进行建图将是合理的,那么在实施方式中,可以对所增加的成本最低的那个机器人进行部署。
在一些实施方式中,可以提供一种方法,所述方法包括:通过一个或多个处理器确定对环境的区域进行建图的利益度量;通过所述处理器中的一个或多个确定与执行任务的机器人相关联的成本;通过所述处理器中的一个或多个确定与在执行所述任务时对环境的区域进行建图的机器人相关联的增加的成本;以及通过所述处理器中的一个或多个响应于确定所述利益度量对于所述增加的成本是合理的而部署所述机器人来在执行所述任务时对所述区域进行建图。
该方法以及本文所公开的技术的其它实施方式可以各自可选地包括以下特征中的一个或多个。
在各种实施方式中,确定利益度量可以包括确定所述区域的变化率,其中所述区域的变化率越大对应于对区域进行建图的利益度量越大。在各种实施方式中,确定利益度量可以包括确定关于该区域的不确定性的度量,其中不确定性的度量越大对应于对区域进行建图的利益度量越大。在各种实施方式中,确定利益度量可以包括确定区域最近已被建图的时间,其中自区域已被建图以来的时间量越大对应于对区域进行建图的利益度量越大。在各种实施方式中,确定利益度量可以包括确定区域中的数据连接性的度量,其中数据连接性的度量与对区域进行建图的利益度量成反比。
在各种实施方式中,可以至少部分基于机器人的一个或多个属性来确定增加的成本。在各种实施方式中,机器人的一个或多个属性可以包括与机器人相关联的关键性度量。在各种实施方式中,机器人的一个或多个属性可以包括与机器人相关联的需求度量。在各种实施方式中,可以至少部分基于与任务相关联的重要性度量来确定增加的成本。在各种实施方式中,可以至少部分基于对区域进行建图将对指派给机器人的后续任务具有的影响来确定增加的成本。
在各种实施方式中,任务可以是第一任务,成本可以是机器人执行所述第一任务的第一成本,增加的成本可以是第一增加的成本,且所述方法还可以包括:通过所述处理器中的一个或多个确定与执行第二任务的第二机器人相关联的第二成本;通过所述处理器中的一个或多个确定与在执行所述第二任务时对环境的区域进行建图的第二机器人相关联的第二增加的成本;通过所述处理器中的一个或多个将所述第一增加的成本与所述第二增加的成本进行比较;以及通过所述处理器中的一个或多个基于所述比较的结果选择性地部署所述第一机器人或所述第二机器人来对区域进行建图。
其它实施方式可以包括存储指令的非暂时性计算机可读存储介质,所述指令可由计算系统和/或一个或多个处理器实行以执行诸如上述方法中的一个或多个的方法。另一实施方式可以包括诸如机器人或机器人管理系统的系统,所述系统包括存储器和逻辑,所述存储器和逻辑可操作来实行存储在存储器中的指令以实现一个或多个模块或引擎,所述一个或多个模块或引擎单独或共同执行诸如上述方法中的一个或多个的方法。
应了解,本文中更加详细地描述的前述概念和额外概念的所有组合被设想成是本文所公开的主题的一部分。例如,在本公开的结尾出现的要求保护的主题的所有组合被设想成是本文所公开的主题的一部分。
附图说明
图1示意性地示出根据各种实施方式的可以用来实现所公开的技术的示例性环境。
图2、图3、图4和图5示意性地示出根据各种实施方式的如何使用本文所描述的技术使机器人可以被选择性地部署来对感兴趣的区域进行建图的示例。
图6示出根据各种实施方式的示例性方法。
图7示意性地示出计算机系统的示例性架构。
具体实施方式
图1示意性地示出根据各种实施方式的示例性环境,其中可以实现所公开的技术以选择性地部署一个或多个至少半自主机器人1001至100N来在执行主要任务时对潜在感兴趣的区域进行建图。机器人1001至100N中的每个可以采取各种形式,包括但不限于远程呈现机器人、机器人臂、类人类、动物、昆虫、水生生物、轮式装置(例如,本文的各种附图中所示出的机器人叉车)、半潜式运载工具、无人机(“UAV”)等。每个机器人可以包括逻辑102,所述逻辑102经由一个或多个总线110可操作地耦接至存储器103(例如,RAM、ROM、DRAM、闪盘等)、一个或多个操作组件104a至104n、一个或多个末端执行器106以及一个或多个传感器108a至108n。在各种实施方式中,逻辑102可以包括一个或多个处理器,诸如保证在各种时态约束内执行各种操作的一个或多个所谓的“实时处理器”。
如本文所使用,机器人的“操作组件”104可以表示致动器、马达(例如,伺服马达)、接头、轴、齿轮组、车轮、轨道、泵(例如,气体泵或液体泵)、活塞、驱动器或可以产生和/或经受推进力、旋转和/或运动以相对于彼此移动机器人100的组件和/或移动整体机器人100的其它组件。一些操作组件可独立控制,尽管这不是必须的。在一些实例中,机器人100具有的操作组件越多,它可以具有的移动自由度越大。
如本文所使用,“末端执行器”106可以表示多种工具,所述多种工具可以由机器人100操作以便完成各种任务。例如,一些机器人可以配备各种类型的“夹持器”,包括但不限于“冲击型”(例如,使用相对的手指“抓起”物体)、“进入型”(例如,使用销、针等物理地穿透物体)、“收缩型”(例如,使用吸力或真空来捡起物体)或“邻接型”(例如,使用表面张力、冻结或粘合剂来捡起物体)。更一般而言,其它类型的末端执行器可以包括但不限于钻头、刷子、力/转矩传感器、切割工具、修边工具、焊炬等。在仓库环境下特别有意义的是,机器人叉车可以包括一个或多个水平臂,所述一个或多个水平臂可以插入货盘中并且然后举起,因此提升货盘(和堆叠在货盘上的任何内容物)。然后,机器人叉车可以将货盘和其内容物运载到所需的位置。
传感器108可以采取各种形式,包括但不限于摄像机、光传感器(例如,被动红外)、压力传感器、压力波传感器(例如,麦克风)、近程传感器、转矩传感器、力传感器、雷达、测距仪、加速计、陀螺仪、罗盘、坐标位置传感器(例如,全球定位系统或“GPS”)、速度计、放掉落传感器(例如,用于检测凸起表面的边缘)等。虽然传感器108a至108m被示出为与机器人100成一体,但是这并不表示是限制性的。在一些实施方式中,传感器108可以定位在机器人100外部,但是可以与机器人100直接或间接通信,例如作为独立式单元或作为机器人管理系统130的一部分。前面提及的传感器中的一些可以安装在机器人1001至100N上,以使得机器人1001至100N可以执行诸如同时定位和建图(“SLAM”)等各种建图数据收集技术,以获得关于它们的操作环境的信息。
机器人1001至100N可以以各种程度被机器人管理系统130控制、管理和/或选择性地部署。机器人1001至100N和机器人管理系统130可以经由一个或多个有线(例如,以太网)或无线(例如,Wi-Fi、蜂窝网、WiMAX、蓝牙、专有网络等)通信信道128通信。机器人管理系统130可以包括由一个或多个网络(未图示)连接的一个或多个计算系统,所述一个或多个计算系统以各种程度控制和/或管理机器人1001至100N的操作。此种计算系统的示例在图7中示意性地示出。在一些实施方式中,这些多个计算系统可以协作以提供所谓的“云”,所述“云”实际上将每个计算系统的计算资源组合到库中,从而实现更强大和/或更数据密集型处理。各种模块或引擎可以被实现为软件、硬件或两者的任何组合作为机器人管理系统130的一部分。例如,在图1中,机器人管理系统130包括用户接口引擎132、路径规划引擎134、环境建图引擎136和机器人部署引擎136。
用户接口引擎132可以被配置来从诸如人类技术人员等各种源头接收命令作为输入。用户接口引擎132可以提供或另外使得该输入可用于机器人管理系统130的其它组件。另外或可选地,用户接口引擎132可以提供在本地的和/或分布至远程计算装置(例如,作为交互式网页)的一个或多个用户接口,所述一个或多个用户接口可以由诸如技术人员等用户操作来执行各种任务,诸如控制机器人1001至100N,提供指示对于环境建图引擎136的障碍物或风险的输入,和/或调整与路径规划引擎134和/或机器人部署引擎140有关的各种参数。
路径规划引擎134可以被配置来基于与机器人100和/或指派给机器人100的所谓的“主要”任务相关联的多种约束来计算机器人路径,所述多种约束诸如起点、终点、所需的任务持续时间、相关联的运动学约束等。如本文所使用的“任务”可以表示可以由机器人执行的任何数量的操作、操作的组合和/或操作的顺序。主要任务可以相对简单,例如从点A行进至点B,跟随人X等;或者相对复杂,例如从位置A获得物体,然后操纵或改变物体,然后行进至位置B,然后在位置B放下物体,并且然后返回位置A。
路径规划引擎134还可以被配置来基于其例如从环境建图引擎136学习的关于机器人100将或正在执行其任务的环境的信息来规划机器人路径。另外或可选地,路径规划引擎134可以通过考虑各种目标计算机器人路径,所述目标诸如减少/最小化机器人100上的磨耗及损伤,减少/最小化外部机器人移动(可能会对附近人员或物体构成危险),最小化路径距离,最小化路径遍历时间等等。为此目的,在一些实施方式中,路径规划引擎134可以被配置来针对其为机器人计算的给定路径确定例如特定机器人100、多个机器人1001至100N和/或更一般而言机器人系统整体将招致的成本。
环境建图引擎136可以被配置来收集和例如在索引138中维持例如从各种源头接收的建图数据的记录。建图数据的这些记录可以共同表示机器人1001至100N操作所处的环境。这些记录可以包括但不限于以下记录:结构细节(例如,墙壁、楼梯、门、坡道等)、静态障碍物(例如,家具、静物)、动态障碍物(例如,人、其它机器人、移动物体等)和/或机器人环境中所存在的危险(例如,液体泄漏、地板损坏等)。
可以从各种源头获得和/或更新建图数据的记录。在一些实施方式中,机器人1001至100N可以利用各种传感器108(例如,摄像机、测距仪)来当它们执行主要任务时观察环境的细节,并且可以将这些观察报告给环境建图引擎136。在一些实施方式中,用户可以与用户接口引擎132交互,以向环境建图引擎136提供指示最近发现的和/或改变的结构细节、障碍物和/或危险的输入。索引138中的建图数据的记录可以例如被路径规划引擎134使用来计算与这些路径相关联的机器人路径和/或成本。另外或可选地,索引138中的障碍物/危险的记录可以例如被机器人1001至100N使用来计算障碍物/危险周围的可选路径。
在各种实施方式中,机器人部署引擎140可以被配置来选择性地部署一个或多个机器人1001至100N来当机器人1001至100N执行它们的主要任务时执行各种建图相关的子任务。例如,机器人部署引擎140可以选择性地部署特定机器人100来从机器人100可遍历的最短路径偏离,以完成指派给机器人100的主要任务,以使得机器人100可以例如使用一个或多个传感器108同时对特定感兴趣的区域进行建图。
机器人部署引擎140可以选择性地部署机器人1001至100N来以各种方式执行环境中的建图。例如,在一些实施方式中,机器人部署引擎140可以确定对环境的区域进行建图的利益度量。机器人部署引擎140还可以确定与执行指派的主要任务的机器人100相关联的成本,以及与在执行主要任务时对环境的区域进行建图的机器人100相关联的增加的成本。基于该信息,机器人部署引擎140可以选择性地部署或不部署机器人100来在执行其指派的主要任务时对区域进行建图。
机器人部署引擎140可以基于各种数据点来确定对环境的特定区域进行建图的利益度量,所述数据点例如存储在索引138中的建图数据记录。在一些实施方式中,区域的变化率可能会影响对区域进行建图的利益度量。如果,例如基于索引138中的记录,确定区域经常和/或显著地改变(例如,充当用于存货的货盘的临时小站的仓库区域),那么可能具有增加的诱因(即,提高的利益度量)来对区域进行建图和/或重新建图。类似地,在一些实施方式中,与区域相关联的不确定性的度量可以与对区域进行建图和/或重新建图的利益度量相关联,例如,区域中的不确定性度量越高对应于对区域进行建图的利益度量越高。对区域进行建图的利益度量可以另外或可选地基于其它信号来确定,所述信号诸如自区域已经被建图以来的时间量(例如,如果区域已经长时间未被建图,那么即使是具有低变化率的所述区域也可以是感兴趣的区域)、区域中的库存值和/或设备等。例如,自区域已经被建图以来的时间量越大可以对应于对区域进行建图的利益度量越大。
在各种实施方式中,当一个或多个机器人1001至100N在一个区域中操作时,一个或多个机器人1001至100N与机器人管理系统130之间经由一个或多个信道128的数据连接性的度量可以在确定对区域进行建图的利益度量时被考虑。在一些实施方式中,区域中的数据连接性的度量可以与对区域进行建图的利益度量成反比。例如,如果仓库的特定区域中的Wi-Fi较弱和/或不可靠,那么可能有必要收集关于该区域的尽可能详细的和/或最新的建图数据。因此,以不可靠的数据连接性在该区域中操作的机器人1001至100N可以仍然具有关于该区域的充分信息以相对自动地操作。因此,此种区域可以与建图和/或重新建图的相对较高的利益度量相关联。
路径规划引擎134可以基于多种数据点以多种方式计算与当执行其主要任务时对环境的区域进行建图的机器人100相关联的增加的成本。在一些实施方式中,所述增加的成本可以至少部分基于所述的机器人100的一个或多个属性来确定。例如,高度关键的机器人(例如,停机时间将特别昂贵或者是不利的机器人)当执行其主要任务时对区域进行建图的增加的成本可以高于不太关键的机器人用来执行建图的增加的成本。或者,对机器人的需求越大,该机器人在执行其主要任务时额外执行建图的增加的成本可能越高。另外或可选地,可以考虑机器人的主要任务的重要性和/或时间敏感性度量,以确定该机器人同时执行建图的增加的成本。举例来说,主要任务的重要性越高,在执行该任务时进行建图的增加的成本越高。另外或可选地,必须对区域进行建图将对机器人执行后续任务的能力带来的影响可以被视为增加的成本的一部分。
一旦确定了在执行主要任务时对区域进行建图的机器人100的增加的成本,那么就可以确定所述增加的成本是否合理。在一些实施方式中,对区域进行建图的增加的成本和利益的定量度量可以例如在标准化之后进行比较。在一些实施方式中,如果标准化的增加的成本高于对区域进行测量的标准化利益度量,那么机器人100可以被部署来仅执行其主要任务。另一方面,如果标准化的增加的成本低于标准化的利益度量,那么机器人100可以被部署来在也执行其主要任务时对感兴趣的区域进行建图。另外或可选地,在也执行主要任务时对区域进行建图的绝对成本(例如,执行主要任务的成本加上对区域进行建图的增加的成本)可以被与阈值比较。另外或可选地,对区域进行建图的利益度量可以被用来计算增加的成本阈值,并且然后可以将增加的成本与阈值进行比较,以确定是否部署机器人来在机器人执行其主要任务时执行建图。
虽然图1中单独示出了机器人1001至100N和机器人管理系统130的组件,但是这并不表示是限制性的。在各种实施方式中,机器人100的一个或多个组件可以全部或部分在机器人管理系统130上实现,并且机器人管理系统130的一个或多个组件可以全部或部分在机器人100上实现。例如,虽然路径规划引擎134被示出在机器人管理系统130上,但是在一些实施方式中,它可以部分在机器人100上实现。例如,全球路径规划引擎可以在机器人管理系统130上实现,以对机器人1001至100N提供高水平(例如,低决议或“粗糙”)影响。该影响可以基于机器人管理系统130可能具有的关于环境的较广泛的知识。同时,每个机器人可以配备局部路径规划器以响应于局部刺激而做出更高决议和/或更精细的决策。另外或可选地,机器人部署引擎140可以全部或部分在机器人100上实现。在此种情景下,机器人100可以确定(例如,从机器人管理系统130接收)对区域进行建图的利益度量,并且然后自行决定其是否应该在执行已经被指派给自己的任务时对区域进行建图。
现在参看图2,示出在仓库环境中操作的呈机器人叉车形式的示例性机器人200。可以为机器人200指派要求它行进至目的地250的主要任务。机器人管理系统130已经计算了构成供机器人200遍历至目的地250的最短和/或最直接路线的默认路径252。然而,机器人管理系统130例如借助于环境建图引擎136可以确定存在对环境的特定区域254进行建图的利益度量。例如,区域254可以被视为具有相对较高的变化率,因为它可以充当临时放置加载有存货的货盘256的小站。
机器人管理系统130例如借助于路径规划引擎134可以计算可选路径258,所述可选路径258在达到目的地250之前穿过或经过区域254。在一些实施方式中,路径规划引擎134可以计算遍历默认路径252的成本和遍历可选路径258的成本。两个成本之间的差异可以被视为是机器人200在执行其主要任务(要求机器人200行进至目的地250)时对区域254进行建图的增加的成本。机器人部署引擎140然后可以确定增加的成本对于对区域254进行建图的利益度量是否合理。如果答案是合理,那么机器人部署引擎140可以沿可选路径258部署机器人200。如果答案是不合理,那么机器人部署引擎140可以沿默认路径252部署机器人200。
在图3中,可以为另一机器人300(同样呈叉车机器人的形式)指派要求其行进至目的地350的任务。在该示例中,机器人300经由无线接入点370与机器人管理系统(例如,130)通信。无线接入点370可以促进机器人300与机器人管理系统之间的各种类型的无线通信,诸如Wi-Fi、蓝牙、WiMAX、蜂窝网络、专有无线协议等。无线接入点370可以提供无线信号,无线信号接收器(例如,机器人300)行进距离无线接入点370越远,则所述无线信号变得越弱。在图3中,例如,第一区域372a可以具有相对较强的无线信号,因为它邻近无线接入点370。第二区域372b可以具有稍微较弱的信号,因为它距离无线接入点370较远。距离无线接入点370最远的第三区域372c可以具有甚至更弱的信号,并且在一些情况下可以足够的弱,以至于被视为是不可靠的。
因为第三区域372c中的无线信号非常不可靠(例如,如基于根据机器人300和/或其它机器人的观察确定的),所以可能期望或有必要的是机器人300能够以相对较高的自主权在第三区域372c内操作,因为它无法依赖于机器人管理系统130来实时提供详细的路径、规划或指令。因此,环境建图引擎136可以计算对第三区域372c进行建图的相对较高的利益度量。相同的原理可以适用于第二区域372b,不同之处在于不那么敏锐,因为无线信号在第二区域372b中比在第三区域372c中更强。因此,机器人管理系统130可以计算两个利益度量,一个用于对第二区域372b进行建图的利益,且另一个用于对第三区域372c进行建图的利益。
在图3中,机器人管理系统130例如借助于路径规划引擎134已经规划了两个可选路径358a和358b,使得机器人300可以代替默认路径352地进行遍历。第一可选路径358a经过具有中等无线信号的第二区域372b。第二可选路径358b经过具有不可靠无线信号的第三区域372c。为了确定机器人300应遍历哪一个路径(352,358b,358c),机器人管理系统130例如借助于路径规划引擎134可以计算与遍历默认路径352相关联的成本。根据该成本数据,机器人管理系统130例如借助于路径规划引擎134和/或环境建图引擎136然后可以确定相对于默认路径352与机器人300遍历第一可选路径358a相关联的增加的成本。同样地,机器人管理系统130例如借助于路径规划引擎134和/或环境建图引擎136可以确定相对于默认路径352与机器人300遍历第二可选路径358b相关联的增加的成本。
如果遍历第一可选路径358a的增加的成本对于对第二区域372b进行建图的利益度量是合理的,那么机器人300可以被部署来遍历第一可选路径358a至目的地350。如果遍历第二可选路径358b的增加的成本对于对第三区域372c进行建图的利益度量是合理的,那么机器人300可以被部署来遍历第二可选路径358b至目的地350。在两个可选路径358a和358b的增加的成本对于对第二区域372b和第三区域372c进行建图的相应利益度量是合理的情况下,那么可以将增加的成本和/或利益度量彼此进行比较,以选择最佳可选路径。例如,可以选择相应的利益度量大大地超过增加的成本那个可选路径。
如上所述,在一些实施方式中,对区域进行建图的利益度量可以基于自区域被建图以来的时间量确定。图4示出基于区域最后一次被建图以来的时间量而在环境中限定多个区域472a至472e的示例。第一区域472a在过去的X-1个时间单位最近被建图。“时间单位”可以表示任何时间单位,诸如秒、分钟、小时、天、星期、月、任意限定的时间间隔等。第二区域472b也在过去的X-l个时间单位被建图。第三区域472c在过去的X-4个时间单位被建图。第四区域472d和第五区域472e各自在过去的X-3个时间单位被建图。
在该示例中,已经为机器人400(这一次呈远程呈现机器人的形式)指派了要求其行进至目的地450的主要任务。已经例如通过路径规划引擎134计算了供机器人400遍历至目的地450的默认最短路径452。默认路径452经过第一区域472a。已经例如通过路径规划引擎134计算了第一可选路径458a,所述第一可选路径458a将带领机器人400经过第二区域472b和第三区域472c。已经例如通过路径规划引擎134计算了第二可选路径458b,所述第二可选路径458b将带领机器人400经过第四区域472d和第五区域472e。
假设对每个区域进行建图的利益度量与自其上一次被建图以来过去的时间成正比。进一步假设与沿第一可选路径458a或第二可选路径458b遍历机器人400相关联的增加的成本是相对适中的。在此种情形下,机器人400采取的路径很大程度上可以取决于如何相对于彼此来考虑对各种区域472a至472e进行建图的利益度量。
对第一区域472a进行建图的利益度量可以相对较低,因为它是相对最近(过去的X-1个时间单位)才被建图的。类似地,孤立地看,对第二区域472b进行建图的利益度量可以相对较低,因为它是相对最近(过去的X-1个时间单位)才被建图的。然而,经过第二区域472b的计算的可选路径458a也经过第三区域472c,所述第三区域472c可以具有相对较高的利益度量,因为它已经有一段时间(过去的X-4个时间单位)未被建图了。因此,在默认路径452与第一可选路径458a(并且假设遍历第一可选路径458a的增加的成本并不是过高的)之间,可以选择第一可选路径458a由机器人400遍历,以使得它可以对第二区域472b和第三区域472c进行建图。对第四区域472d和第五区域472e进行建图的利益度量可以相对较高,因为每个区域上一次是在X-3个时间单位之前被建图的。因此,在默认路径452与第二可选路径458b(并且假设遍历第二可选路径458b的增加的成本并不是过高的)之间,可以选择第二可选路径458b。
在默认路径452(一方面)与第一可选路径458a或第二可选路径458c(另一方面)之间进行选择可以是相对比较直接的。然而,在第一可选路径458a与第二可选路径458b之间进行选择可能更复杂。在一些实施方式中,机器人部署引擎140可以选择经过具有绝对最高利益度量的单个区域的可选路径。在图4中,此种策略将引起机器人400遍历第一可选路径458a,以使得它经过第三区域472c,所述第三区域472c具有最高绝对利益度量,因为自上次建图以来大部分时间已经过去了。在其他实施方式中,机器人部署引擎140可以选择经过具有绝对最高利益度量的多个区域的可选路径。在图4中,此种策略将引起机器人400遍历第二可选路径458b,以使得它经过第四区域472d和第五区域472e,所述第四区域472d和第五区域472e一起具有净利益度量六(与第二区域472b和第三区域472c相比,所述第二区域472b和所述第三区域472c一起具有净利益度量五)。
除了先前描述的各种数据点和其它考量以外,在一些实施方式中,机器人管理系统130可以考量多个机器人的各种属性,以确定部署多个机器人中的哪些来对感兴趣的区域进行建图。参看图5,示出两个机器人500a(呈远程呈现机器人的形式)和500b(呈叉车机器人的形式)。已经为第一机器人500a指派了要求其行进至第一目的地550a的任务。已经计算了供第一机器人500a来遍历至第一目的地550a的第一默认路径552a(例如,最短路径)。已经为第二机器人500b指派了要求其行进至第二目的地550b的任务。已经计算了供第二机器人500b来遍历至第二目的地550b的第二默认路径552b(例如,最短路径)。
假设已经例如使用先前描述的数据点和/或技术中的一个或多个计算了对区域572进行建图的利益度量。已经计算了第一可选路径558a,所述第一可选路径558a供第一机器人500a遍历以使得它在去往第一目的地550a的途中可以对区域572进行建图。同样地,已经计算了第二可选路径558b,所述第二可选路径558b供第二机器人500b遍历以使得它在去往第二目的地550b的途中可以对区域572进行建图。
机器人管理系统130例如借助于路径规划引擎134可以计算第一机器人500a遍历与第一默认路径552a相对的第一可选路径558a的增加的成本。同样地,机器人管理系统130例如借助于路径规划引擎134可以计算第二机器人500b遍历与第二默认路径552b相对的第二可选路径558b的增加的成本。这些增加的成本的计算可以将机器人500a至500b的一个或多个方面纳入考虑。
例如,假设图5代表仓库环境。在此种情景下,通常可以认为第二机器人500b比第一机器人500a(除非仓库不是特别忙)具有更高的“关键性”度量和/或更“符合需要”而是更“重要”的。在此种情况下,沿第二可选路径558b部署第二机器人500b的增加的成本可以例如因为它可能需要被用于后续仓库任务而相对较高。另一方面,如果第一机器人500a是行进至第一目的地550a以使得它可以被诸如安全检查员等重要人物征用的远程呈现机器人,那么它可以被认为比第二机器人500b更关键和/或合乎需要,或者其任务(行进至检查员所征用的目的地)可以被认为是相对重要的。在此种情况下,沿第一可选路径558a转移第一机器人500a的增加的成本可以相对较高。
机器人500a和500b的在计算增加的成本时可以考虑的另一方面是用于操作每个机器人的成本。例如,相对较小、较轻和/或较敏捷的机器人较之操作起来很昂贵的相对较笨重的机器人可以更适宜于用于对区域进行建图。机器人500a和500b的可以考虑的另一方面是每个机器人的成本和/或脆弱性。如果诸如500a等远程呈现机器人比诸如500b等叉车机器人便宜,那么部署远程呈现机器人来对区域572进行建图的增加的成本可以较低。机器人500a和500b的在计算增加的成本时可以考虑的另一属性是可用于每个机器人的电力。例如,转移具有低电池电量的机器人的增加的成本可以高于转移电力良好的机器人,尤其是如果第一机器人计划很快连接至充电站。
一旦机器人管理系统130已经计算了机器人500a和500b遍历其相应可选路径(558a和558b)的增加的成本,那么机器人管理系统就可以选择一个或另一个来遍历其经过区域572的相应可选路径,从而执行建图。如果沿其相应可选路径转移任何一个机器人的增加的成本对于对区域572进行建图的利益度量是合理的,那么可以将两个增加的成本进行比较,并且可以基于所述比较选择一个机器人来沿其可选路径转移。或者,如果对区域572进行建图的利益度量足够高,并且不会发生碰撞,那么两个机器人500a和500b可以被部署来在执行其相应主要任务时对区域572进行建图。
现在参看图6,示出选择性地部署机器人来与执行主要任务结合地执行建图的示例性方法600。为了方便起见,流程图的操作是参考执行所述操作的系统而描述的。该系统可以包括各种计算机系统的各种组成部分,包括机器人100和/或机器人管理系统130的要素。此外,虽然以特定顺序示出了方法600的操作,但是这并不表示具有限制性。可以重新排序、省略或添加一个或多个操作。
在框602处,系统可以确定对环境的特定区域进行建图的利益度量,例如如先前所讨论。在一些实施方式中,机器人管理系统130可以例如借助于基于索引138中的记录运行计算的环境建图引擎136来计算利益度量。在一些实施方式中,机器人管理系统130例如借助于用户接口引擎132可以从用户或另一计算系统或甚至从机器人接收手动输入的利益度量。在一些实施方式中,一旦确定了利益度量,机器人管理系统130然后就可以执行方法600本身的剩余操作中的一个或多个,并且基于所述结果对机器人进行部署。在其它实施方式中,机器人管理系统130可以将计算的利益度量提供给一个或多个机器人,并且机器人自身可以执行方法600的剩余操作中的一个或多个。
在框604A和604B处,系统可以识别将由环境中的第一机器人和第二机器人执行的相应任务。图6中并行示出了操作604A和604B(和其它下游操作),这表示这些操作是并行计算的。然而,这并不表示具有限制性,并且在各种实施方式中,方法600的并行示出的各种操作可以可选地串行执行,或者以并行和/或串行的任何组合执行。
在框606A和606B处,系统可以确定分别与执行其任务的第一机器人和执行其任务的第二机器人相关联的成本。在框608A和608B处,系统可以确定与在执行其任务时对区域进行建图的第一机器人和在执行其任务时对区域进行建图的第二机器人相关联的相应增加的成本。在框610A和610B处,系统可以将在框608A和608B处计算的相应增加的成本与在框602处确定的利益度量进行比较。如果框610A和610B中的一个处的答案为“否”,那么方法600可以进行至相应框612A或612B,在这种情况下,相应的机器人将被部署来执行其任务而不对区域进行建图。
如果两个框610A和610B处的答案为“是”,那么方法600可以进行至框614。在框614处,系统可以将与在执行它们的相应任务时对区域进行建图的第一机器人和第二机器人相关联的增加的成本进行比较,以确定哪一个增加的成本是优选的。先前描述了用于选择一个增加的成本或另一个增加的成本的技术,并且该技术可以包括选择较低的增加的成本、最低绝对成本(例如,机器人执行其任务的成本以及用于建图的增加的成本)等。如果第一机器人对区域进行建图的增加的成本是优选的,那么方法600可以进行到框616,并且第一机器人可以被部署来在执行其任务时对区域进行建图。如果第二机器人对区域进行建图的增加的成本是优选的,那么方法600可以进行到框618,并且第二机器人可以被部署来在执行其任务时对区域进行建图。虽然图6中未示出,但是在一些实施方式中,两个机器人可以被部署来对区域进行建图,例如以获得甚至更复杂的建图数据。举例来说,这可以当对区域进行建图的利益度量满足特别高的利益阈值时发生。
图7是示例性计算机系统710的框图。计算机系统710通常包括至少一个处理器714,所述至少一个处理器714经由总线子系统712与若干外围装置通信。这些外围装置可以包括存储子系统724,存储子系统724包括例如存储器子系统725和文件存储子系统726、用户接口输出装置720、用户接口输入装置722和网络接口子系统716。输入装置和输出装置允许与计算机系统410的用户交互。网络接口子系统716为外部网络提供接口,并且耦接至其它计算机系统中的对应接口装置。
用户接口输入装置722可以包括键盘;诸如鼠标、轨迹球、触摸板或图形输入板等指向装置;扫描仪;并入到显示器中的触摸屏;诸如语音识别系统、麦克风的音频输入装置和/或其它类型的输入装置。一般而言,术语“输入装置”的使用意在包括用于将信息输入到计算机系统710中或通信网络上的所有可能类型的装置和方式。
用户接口输出装置720可以包括显示器子系统、打印机、传真机或诸如音频输出装置等非可视显示器。显示子系统可以包括阴极射线管(CRT)、诸如液晶显示器(LCD)等扁平面板装置、投影装置或用于创建可见图像的某一其它机制。显示子系统还可以诸如经由音频输出装置来提供非可视显示器。一般而言,术语“输出装置”的使用意在包括用于从计算机系统710输出信息给用户或另一机器或计算机系统的所有可能类型的装置和方式。
存储子系统724存储提供本文所描述的模块中的一些或全部的功能的变成和数据结构。例如,存储子系统724可以包括用于执行方法600的选定方面和/或实现机器人100和/或机器人管理系统130的一个或多个方面的逻辑。存储子系统724中所使用的存储器725可以包括若干存储器,存储器包括主随机存取存储器(RAM)730,所述主随机存取存储器730用于在程序实行期间存储指令和数据;以及只读存储器(ROM)732,所述只读存储器732中存储有固定指令。文件存储子系统726可以为程序和数据文件提供永久存储,并且可以包括硬盘驱动器、CD-ROM驱动器、光盘驱动器或可移动介质盒。实现某些实施方式的功能的模块可以被文件存储子系统726存储在存储子系统724中,或者存储在处理器714可访问的其它机器中。
总线子系统712提供机制以便让计算机系统710的各种组件和子系统如预期彼此通信。虽然将总线子系统712示意性地示出为单个总线,但是总线子系统的可选实施方式可以使用多个总线。
计算机系统710可以具有不同的类型,包括工作站、服务器、计算集群、刀片式服务器、服务器农场、智能电话、智能手表、智能眼镜、机顶盒、平板电脑、笔记本电脑或任何其它数据处理系统或计算装置。由于计算机和网络的性质不断变化,图7中所示出的计算机系统710的描述仅意在作为用于说明一些实施方式的目的的特定示例。计算机系统710的许多其它配置是可能的,所述其它配置具有比图7中所示出的计算机系统更多或更少的组件。
虽然本文已经描述和说明了几个实施方式,但是也可以利用用于执行功能和/或获得结果和/或用于执行本文所描述的优点中的一个或多个的多种其它方式和/或结构,并且所述变化形式和/或修改中的每个被视为在本文所描述的实施方式的范围内。更一般而言,本文所描述的所有参数、尺寸、材料和配置意在是示例性的,并且实际参数、尺寸、材料和/或配置将取决于使用了本教示的一个或多个应用。使用常规实验,本领域技术人员将认识到或者将能够确定本文所描述的特定实施方式的许多等效形式。因此,应理解前述实施方式仅通过举例的方式呈现,并且在所附权利要求以及其等效形式的范围内,可以以与具体描述和要求保护的方式不同的方式来实践各实施方式。本公开的各实施方式涉及本文所描述的每个个别特征、系统、物品、材料、套件和/或方法。另外,如果所述特征、系统、物品、材料、套件和/或方法并不相互矛盾,那么两个或两个以上所述特征、系统、物品、材料、套件和/或方法的任何组合包括在本公开的范围内。
Claims (20)
1.一种方法,包括:
通过一个或多个处理器确定对环境的区域进行建图的利益度量;
通过所述处理器中的一个或多个确定与执行任务的机器人相关联的成本;
通过所述处理器中的一个或多个确定与在执行所述任务时对所述环境的所述区域进行建图的所述机器人相关联的增加的成本;以及
通过所述处理器中的一个或多个响应于确定所述利益度量对于所述增加的成本是合理的而部署所述机器人来在执行所述任务时对所述区域进行建图。
2.根据权利要求1所述的方法,其中确定利益度量包括确定所述区域的变化率,其中所述区域的变化率越大对应于对所述区域进行建图的利益度量越大。
3.根据权利要求1所述的方法,其中确定利益度量包括确定关于所述区域的不确定性度量,其中不确定性度量越大对应于对所述区域进行建图的利益度量越大。
4.根据权利要求1所述的方法,其中确定利益度量包括确定所述区域最近已被建图的时间,其中自所述区域已被建图以来的时间量越大对应于对所述区域进行建图的利益度量越大。
5.根据权利要求1所述的方法,其中确定利益度量包括确定所述区域中的数据连接性的度量,其中所述数据连接性的度量与对所述区域进行建图的所述利益度量成反比。
6.根据权利要求1所述的方法,其中所述增加的成本是至少部分地基于所述机器人的一个或多个属性来确定的。
7.根据权利要求6所述的方法,其中所述机器人的所述一个或多个属性包括与所述机器人相关联的关键性度量。
8.根据权利要求6所述的方法,其中所述机器人的所述一个或多个属性包括与所述机器人相关联的需求度量。
9.根据权利要求1所述的方法,其中至少部分地基于与所述任务相关联的重要性度量来确定所述增加的成本。
10.根据权利要求1所述的方法,其中至少部分地基于对所述区域进行建图将对指派给所述机器人的后续任务具有的影响来确定所述增加的成本。
11.根据权利要求1所述的方法,其中,所述任务是第一任务,所述成本是所述机器人执行所述第一任务的第一成本,所述增加的成本是第一增加的成本,并且所述方法还包括:
通过所述处理器中的一个或多个确定与执行第二任务的第二机器人相关联的第二成本;
通过所述处理器中的一个或多个确定与在执行所述第二任务时对所述环境的所述区域进行建图的所述第二机器人相关联的第二增加的成本;
通过所述处理器中的一个或多个将所述第一增加的成本与所述第二增加的成本进行比较;以及
通过所述处理器中的一个或多个基于所述比较的结果选择性地部署所述第一机器人或所述第二机器人来对所述区域进行建图。
12.一种包括存储器和一个或多个处理器的机器人管理系统,所述一个或多个处理器可操作为执行存储在所述存储器中的指令,包括用于以下操作的指令:
确定对环境的区域进行建图的利益度量;
确定与执行任务的机器人相关联的成本;
确定与在执行所述任务时对所述环境的所述区域进行建图的所述机器人相关联的增加的成本;以及
响应于确定所述利益度量对于所述增加的成本是合理的而部署所述机器人来在执行所述任务时对所述区域进行建图。
13.根据权利要求12所述的系统,其中确定利益度量包括确定所述区域的变化率,其中所述区域的变化率越大对应于对所述区域进行建图的利益度量越大。
14.根据权利要求12所述的系统,其中确定利益度量包括确定关于所述区域的不确定性度量,其中不确定性度量越大对应于对所述区域进行建图的利益度量越大。
15.根据权利要求12所述的系统,其中确定利益度量包括确定所述区域最近已被建图的时间,其中自所述区域已被建图以来的时间量越大对应于对所述区域进行建图的利益度量越大。
16.根据权利要求12所述的系统,其中确定利益度量包括确定所述区域中的数据连接性的度量,其中所述数据连接性的度量与对所述区域进行建图的所述利益度量成反比。
17.根据权利要求12所述的系统,其中至少部分地基于所述机器人的一个或多个属性来确定所述增加的成本。
18.根据权利要求17所述的系统,其中所述机器人的所述一个或多个属性包括与所述机器人相关联的关键性度量或需求度量。
19.根据权利要求12所述的系统,其中所述任务是第一任务,所述成本是所述机器人执行所述第一任务的第一成本,所述增加的成本是第一增加的成本,并且所述系统还包括用于执行以下操作的指令:
确定与执行第二任务的第二机器人相关联的第二成本;
确定与在执行所述第二任务时对所述环境的所述区域进行建图的所述第二机器人相关联的第二增加的成本;
将所述第一增加的成本与所述第二增加的成本进行比较;以及
基于所述比较的结果选择性地部署所述第一机器人或所述第二机器人来对所述区域进行建图。
20.一种包括指令的至少一个非暂时性计算机可读介质,响应于所述指令被一个或多个处理器实行,所述指令致使所述一个或多个处理器来执行以下操作:
确定对环境的区域进行建图的利益度量;
确定与执行任务的机器人相关联的成本;
确定与在执行所述任务时对所述环境的所述区域进行建图的所述机器人相关联的增加的成本;以及
响应于确定所述利益度量对于所述增加的成本是合理的而部署所述机器人来在执行所述任务时对所述区域进行建图。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/875,648 | 2015-10-05 | ||
US14/875,648 US9764470B2 (en) | 2015-10-05 | 2015-10-05 | Selective deployment of robots to perform mapping |
PCT/US2016/055183 WO2017062312A1 (en) | 2015-10-05 | 2016-10-03 | Selective deployment of robots to perform mapping |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108367433A true CN108367433A (zh) | 2018-08-03 |
CN108367433B CN108367433B (zh) | 2021-11-30 |
Family
ID=58446565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680057444.6A Active CN108367433B (zh) | 2015-10-05 | 2016-10-03 | 选择性部署机器人以执行建图 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9764470B2 (zh) |
EP (1) | EP3341162B1 (zh) |
CN (1) | CN108367433B (zh) |
TW (1) | TWI630996B (zh) |
WO (1) | WO2017062312A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113119099A (zh) * | 2019-12-30 | 2021-07-16 | 深圳富泰宏精密工业有限公司 | 计算机装置、控制机械手臂夹取和放置物件的方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10173320B1 (en) * | 2016-06-08 | 2019-01-08 | X Development Llc | Robot task optimization based on historical task and location correlated durations |
CN107070961B (zh) | 2016-09-30 | 2020-06-23 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
DE102016120058B4 (de) * | 2016-10-20 | 2022-12-29 | Deutsche Post Ag | Abwehren einer Gefährdung |
JP2019169018A (ja) * | 2018-03-26 | 2019-10-03 | 前田建設工業株式会社 | 建設現場における資機材搬送システム |
EP3570133A1 (en) * | 2018-05-16 | 2019-11-20 | Siemens Aktiengesellschaft | Method and system for controlling a vehicle moving within an environment |
TWI676934B (zh) * | 2018-10-03 | 2019-11-11 | 東元電機股份有限公司 | 開放擴充式移動平台 |
TWI680364B (zh) * | 2018-11-27 | 2019-12-21 | 財團法人資訊工業策進會 | 用於教練式驅動多機器人合作運作系統之教練裝置及其合作運作控制方法 |
TWI723715B (zh) * | 2019-12-30 | 2021-04-01 | 群邁通訊股份有限公司 | 電腦裝置、控制機械手臂夾取和放置物件的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020018449A1 (en) * | 1999-06-18 | 2002-02-14 | Digital Island, Inc. | On-demand overlay routing for computer-based communication networks |
JP2005032196A (ja) * | 2003-07-11 | 2005-02-03 | Japan Science & Technology Agency | 移動ロボット用経路計画システム |
US20080059015A1 (en) * | 2006-06-09 | 2008-03-06 | Whittaker William L | Software architecture for high-speed traversal of prescribed routes |
CN103077438A (zh) * | 2012-12-27 | 2013-05-01 | 深圳先进技术研究院 | 一种调度多机器人的控制方法及系统 |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
US20140122409A1 (en) * | 2012-10-29 | 2014-05-01 | Electronics & Telecommunications Research Institute | Apparatus and method for building map of probability distribution based on properties of object and system |
US20150197010A1 (en) * | 2014-01-14 | 2015-07-16 | Qualcomm Incorporated | Connectivity maintenance using a quality of service-based robot path planning algorithm |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6324476B1 (en) * | 1987-11-20 | 2001-11-27 | Philips Electronicsnorth America Corporation | Method and apparatus for identifying or controlling travel to a rendezvous |
US7831094B2 (en) * | 2004-04-27 | 2010-11-09 | Honda Motor Co., Ltd. | Simultaneous localization and mapping using multiple view feature descriptors |
KR100856205B1 (ko) * | 2004-06-08 | 2008-09-03 | 삼성전자주식회사 | 디지털 지도 데이터를 동적으로 업데이트하는 경로 안내시스템 및 그 방법 |
KR100791386B1 (ko) * | 2006-08-18 | 2008-01-07 | 삼성전자주식회사 | 이동 로봇의 영역 분리 방법 및 장치 |
JP4661838B2 (ja) * | 2007-07-18 | 2011-03-30 | トヨタ自動車株式会社 | 経路計画装置及び方法、コスト評価装置、並びに移動体 |
KR20090077547A (ko) * | 2008-01-11 | 2009-07-15 | 삼성전자주식회사 | 이동 로봇의 경로 계획 방법 및 장치 |
JP4978494B2 (ja) * | 2008-02-07 | 2012-07-18 | トヨタ自動車株式会社 | 自律移動体、及びその制御方法 |
KR101503903B1 (ko) * | 2008-09-16 | 2015-03-19 | 삼성전자 주식회사 | 이동 로봇의 지도 구성 장치 및 방법 |
KR101633889B1 (ko) * | 2009-02-18 | 2016-06-28 | 삼성전자주식회사 | 격자지도를 이용한 경로 생성 장치 및 방법 |
EP2506106B1 (en) * | 2009-11-27 | 2019-03-20 | Toyota Jidosha Kabushiki Kaisha | Autonomous moving object and control method |
US8224516B2 (en) * | 2009-12-17 | 2012-07-17 | Deere & Company | System and method for area coverage using sector decomposition |
JP5807518B2 (ja) * | 2011-11-09 | 2015-11-10 | 富士通株式会社 | 推定装置、推定方法、および推定プログラム |
-
2015
- 2015-10-05 US US14/875,648 patent/US9764470B2/en active Active
-
2016
- 2016-10-03 WO PCT/US2016/055183 patent/WO2017062312A1/en active Application Filing
- 2016-10-03 EP EP16854141.5A patent/EP3341162B1/en active Active
- 2016-10-03 CN CN201680057444.6A patent/CN108367433B/zh active Active
- 2016-10-05 TW TW105132151A patent/TWI630996B/zh active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020018449A1 (en) * | 1999-06-18 | 2002-02-14 | Digital Island, Inc. | On-demand overlay routing for computer-based communication networks |
JP2005032196A (ja) * | 2003-07-11 | 2005-02-03 | Japan Science & Technology Agency | 移動ロボット用経路計画システム |
US20080059015A1 (en) * | 2006-06-09 | 2008-03-06 | Whittaker William L | Software architecture for high-speed traversal of prescribed routes |
US20140122409A1 (en) * | 2012-10-29 | 2014-05-01 | Electronics & Telecommunications Research Institute | Apparatus and method for building map of probability distribution based on properties of object and system |
CN103077438A (zh) * | 2012-12-27 | 2013-05-01 | 深圳先进技术研究院 | 一种调度多机器人的控制方法及系统 |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
US20150197010A1 (en) * | 2014-01-14 | 2015-07-16 | Qualcomm Incorporated | Connectivity maintenance using a quality of service-based robot path planning algorithm |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113119099A (zh) * | 2019-12-30 | 2021-07-16 | 深圳富泰宏精密工业有限公司 | 计算机装置、控制机械手臂夹取和放置物件的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20170095926A1 (en) | 2017-04-06 |
TW201722653A (zh) | 2017-07-01 |
WO2017062312A1 (en) | 2017-04-13 |
TWI630996B (zh) | 2018-08-01 |
EP3341162B1 (en) | 2021-03-24 |
CN108367433B (zh) | 2021-11-30 |
US9764470B2 (en) | 2017-09-19 |
EP3341162A4 (en) | 2019-04-17 |
EP3341162A1 (en) | 2018-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108367433A (zh) | 选择性部署机器人以执行建图 | |
US11809145B2 (en) | System and method for monitoring and controlling a manufacturing environment | |
US10984356B2 (en) | Real-time logistics situational awareness and command in an augmented reality environment | |
CN110687549B (zh) | 障碍物检测方法和装置 | |
CN103913162B (zh) | 增强的移动平台定位 | |
CN107644273B (zh) | 一种导航路径规划方法及设备 | |
US20220156665A1 (en) | Systems and methods for orchestrating agents | |
US20140344118A1 (en) | Automated Inventory Management | |
US11555704B2 (en) | Systems and methods for updating an electronic map | |
CN108369419A (zh) | 使用移动机器人的对象观测来生成时空对象清单并且使用该清单来确定用于移动机器人的监测参数 | |
US10296855B2 (en) | System and method for managing waste services | |
US11055875B2 (en) | Computer-vision-based autonomous or supervised- autonomous landing of aircraft | |
EP2715393A2 (en) | Method and apparatus for providing accurate localization for an industrial vehicle | |
US20150302346A1 (en) | Methods and systems for optimizing efficiency of a workforce management system | |
CN104428802A (zh) | 仓库操作预报的虚拟化 | |
US11347241B2 (en) | Control device, control method, and non-transitory program recording medium | |
US20170075972A1 (en) | Generating report of source systems associated with worksites | |
US11138802B1 (en) | Geo-augmented field excursion for geological sites | |
JP7188687B2 (ja) | 情報処理方法、プログラム、および情報処理システム | |
US20240184269A1 (en) | Generation of "plain language" descriptions summary of automation logic | |
Ragavan et al. | A general telematics framework for autonomous service robots | |
US20240182282A1 (en) | Hybrid autonomous system and human integration system and method | |
US20190287049A1 (en) | Methods and systems for generating a digital shipping plan | |
US20240221095A1 (en) | Intent-based item recommendations | |
CN115507861A (zh) | 一种自动驾驶定位方法、装置、计算机设备、介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |