CN111558942A - 机器人调度方式切换方法、第一机器人、设备及存储介质 - Google Patents
机器人调度方式切换方法、第一机器人、设备及存储介质 Download PDFInfo
- Publication number
- CN111558942A CN111558942A CN202010699115.XA CN202010699115A CN111558942A CN 111558942 A CN111558942 A CN 111558942A CN 202010699115 A CN202010699115 A CN 202010699115A CN 111558942 A CN111558942 A CN 111558942A
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- scheduling mode
- scheduling
- distance
- 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
Images
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
Abstract
本申请实施例提供了机器人调度方式切换方法、第一机器人、设备及存储介质;该方法中的特征向量集合能够很好的表征第一机器人当前时间的运行状态,且特征向量集合中的各个元素均为影响第一机器人调度方式的重要因素。因而将当前时间的特征向量输入预先构建的调度方式决策模型,得到的预测调度方式更符合第一机器人当前时间的运行状态。本申请可基于第一机器人的特征向量,得到与特征向量相应的调度方式,以使得第一机器人当前时间的运行状态更加需要最优导航路径时,切换至第一调度方式,在第一机器人当前时间的运行状态更加需要解决临时障碍物的拥堵问题时,切换至第二调度方式。实现了服务器调度和本地调度之间的灵活切换。
Description
技术领域
本申请涉及自动控制技术领域,更具体的说,是涉及一种机器人调度方式切换方法、第一机器人、设备及存储介质。
背景技术
随着智能机器人技术领域不断发展,多功能智能机器人已取代传统功能单一的机器人,成为当前机器人的主要研究方向。目前多功能智能机器人已应用于运输、搜救、危险物品检测等各领域,如AGV(Automated Guided Vehicle,自动导引运输车)、扫雷机器人、排爆机器人和消防机器人等。智能机器人的出现不仅降低了工业生产成本,提高了工业生产效率,而且减少了危险环境对操作人员(例如救援人员)的伤害。
目前,机器人调度主要采用两种方式,一种是服务器调度,一种是本地调度。服务器调度为集中式调度,即通过服务器对机器人统一调度该调度方式能够生成较优的导航路径,但无法处理临时障碍物导致的拥堵。本地调度为分布式调度,即机器人基于周围环境信息以及周围其他机器人的状态信息生成导航路径实现对自身的调度。该调度方式基于局域网通讯,能够处理临时障碍物导致的拥堵,但由于不是统一调度,生成的导航路径不是最优的。
发明内容
有鉴于此,本申请提供了一种机器人调度方式切换方法、第一机器人、设备及存储介质。
本申请提供如下技术方案:
一种机器人调度方式切换方法,应用于第一机器人,包括:获取当前时间的特征向量集合;其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度;其中,所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径;将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式包括利用所述服务器调度所述第一机器人的第一调度方式和利用所述第一机器人调度自身的第二调度方式;切换至所述预测调度方式。
一种第一机器人,包括:第一获取模块,用于获取当前时间的特征向量集合;其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度;其中,所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径;第一输入模块,用于将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式为利用所述服务器调度所述第一机器人的第一调度方式或利用所述第一机器人调度自身的第二调度方式;第一切换模块,用于切换至所述预测调度方式。
一种电子设备,包括:
存储器,用于存储程序;处理器,用于执行所述程序,所述程序具体用于:获取当前时间的特征向量集合;其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度;其中,所述第一通讯延时为第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径;将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式为利用所述服务器调度所述第一机器人的第一调度方式或利用所述第一机器人调度自身的第二调度方式;切换至所述预测调度方式。
一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述任一项所述的机器人调度方式切换方法。
经由上述的技术方案可知,本申请提供的机器调度方式的切换方法中,获取当前时间的特征向量集合,特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度。
由于第一通讯延时为第一机器人与服务器的网络通讯的通信延时,第二通讯延时为第一机器人与至少一个第二机器人中两两之间的局域网通讯的通信延时,因而可基于第一通讯延时和至少一个第二通讯延时的均值确定第一机器人的网络通讯和局域网通讯的通讯状况,为后续的调度方式切换提供判断依据。
第一路径为第一机器人当前时间未经过的路径,第二路径为相应的第二机器人当前时间未经过的路径,因而第一路径与第二路径的交汇次数的多少可一定程度上反映第一机器人和第二机器人可能发生碰撞的概率,如第一路径和第二路径的交汇次数越多,第一机器人和第二机器人可能发生碰撞的概率越高,则优选采用第二调度方式,实现第一机器人自身调度,避免可能发生的碰撞。
第一数值为基于服务器得到的所述第二机器人的数量,第二数值为基于局域网得到的所述第二机器人的数量。因而可以通过比较第一数值和第二数值判断第一机器人网络通讯和局域网通讯的通讯状况,为后续的调度方式切换提供判断依据。
如,由于相对于局域网通讯,网络通讯更容易受到外界环境的影响,因而当第一数值与第二数值差距较大时,则可能是由于第一机器人的网络通讯不稳定造成的,后续的调度方式则可倾向于选择基于局域网通讯的第二调度方式。
第一距离为第一机器人当前时间所在第一目标位置分别与至少一个第二机器人当前时间所在第二目标位置之间的距离的最小值,第二距离为第一目标位置分别与至少一个第二目标位置之间的距离的最大值,第三距离为第一目标位置与至少一个第二目标位置之间的距离的平均值。由于局域网通讯容易受到第一机器人与第二机器人之间距离的影响,第一机器人与第二机器人之间的距离越大,局域网通讯越不稳定,因而可基于第一距离、第二距离以及第三距离,切换至相应的调度方式。
目标路径为在第一路径中以所述第一目标位置为起点,以距离第一目标位置第四距离的点为终点的路径。目标路径的环境宽度表征了第一机器人在目标路径上的活动范围。活动范围越小对机器人导航路线的准确度要求越高,则可采用基于局域网通讯的第二调度方式,实现机器人的自我调度。
各个机器人的优先级,则表征了各个机器人的优先通过导航路径的权利。如,第一机器人与第二机器人相遇时,若第二机器人优先级高于第一机器人时,为了确保第二机器人优先通过,则需要快速对第一机器人进行调度,因而优选采用第二调度方式,实现第一机器人自身调度。
综上,本申请实施例提供的特征向量集合能够很好的表征第一机器人当前时间的运行状态,且特征向量集合中的各个元素均为影响第一机器人调度方式的重要因素。因而将当前时间的特征向量输入预先构建的调度方式决策模型,得到的预测调度方式更符合第一机器人当前时间的运行状态。本申请实施例提供的预测调度方式包括利用服务器调度第一机器人的第一调度方式,即服务器调度,以及第一机器人自身调度的第二调度方式,即本地调度。本申请可基于第一机器人的特征向量,得到与特征向量即第一机器人当前时间的运行状态相应的调度方式,以使得第一机器人当前时间的运行状态更加需要最优导航路径时,切换至第一调度方式,在第一机器人当前时间的运行状态更加需要解决临时障碍物的拥堵问题时,切换至第二调度方式。实现了服务器调度和本地调度之间的灵活切换。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种机器人调度切换方法的流程示意图;
图2为本申请实施例提供的第一机器人与至少一个第二机器人的导航路径示意图;
图3为本申请实施例提供的第一路径与一个第二路径的交汇示意图;
图4为本申请实施例提供的获取第一路径与至少一个第二路径的交汇次数之和的一个实施方式流程示意图;
图5为本申请实施例提供的第一路径与至少一个第二路径的交汇次数之和的另一个实施方式流程示意图;
图6为本申请实施例提供的至少一个第一位置在第一路径的分布示意图;
图7为本申请实施例公开的获取目标路径对应的最小环境宽度和平均环境宽度的一个实施方式的流程示意图;
图8为本申请实施例提供的至少一个第三位置分别对应的环境宽度的示意图;
图9为本申请实施例提供的获取当前时间的特征向量集合的一个实施方式的流程示意图;
图10为本申请实施例提供的一种第一机器人的结构示意图;
图11为本申请实施例提供的电子设备的一种实现方式的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请提供了一种机器人调度方式切换方法、第一机器人、设备以及存储介质。在详细介绍本申请实施例提供的技术方案之前,在这里先对本申请实施例所涉及的应用场景进行简单的介绍。
在多机器人系统中机器人调度主要有两种方式。一种是通过服务器统一调度,各机器人分别上传自己的当前位置和自己的目的地位置至服务器,服务器根据各机器人分别对应当前位置以及目的地位置,并结合各机器人所在环境,生成可行性的导航路径下发给相应的机器人。本申请实施例中将上述机器人调度方式称为第一调度方式,即服务器调度。另一种是机器人基于周围环境信息以及周围其他机器人的状态信息生成从自己所在的当前位置到目的地位置的导航路径,实现对自身的调度。本申请实施例中将上述机器人调度方式称为第二调度方式,即本地调度。
针对上述两种调度方式优缺点而言,第一调度方式为集中式调度,即服务器对所有机器人统一调度。由于是统一调度,因而第一调度方式能够生成较优的导航路径,但对于出现的临时障碍物(如,第二机器人)无法处理。第二调度方式为分布式调度,即机器人对自身的调度。第二调度方式通过局域网通讯实现与其他机器人之间的通讯,可基于周围环境信息以及周围其他机器人的状态信息生成导航路径实现对自身的调度,因而可对临时出现的障碍物(如,第二机器人)及时处理,但由于第二调度方式不是统一调度,所以基于第二调度方式生成的导航路径不是最优的。
基于以上原因,本申请实施例提供了一种机器人调度切换方法、第一机器人、设备及存储介质。该方法基于当前时间的特征向量集合,得到当前时间特征向量相应的预测调度方式(该预测调度方式包括第一调度方式和第二调度方式),从而切换至第一调度方式或第二调度方式。本申请实施例公开的特征向量集合能够很好的表征第一机器人当前时间的运行状态,因而得到的预测调度方式更符合第一机器人当前时间的运行状态。以使得第一机器人当前时间的运行状态更加需要最优导航路径时,切换至第一调度方式,在第一机器人当前时间的运行状态更加需要解决临时障碍物的拥堵问题时,切换至第二调度方式。实现了服务器调度和本地调度之间的灵活切换。
下面对本申请实施例提供的一种机器人调度切换方法进行详细的说明、
如图1所示,为本申请实施例提供的一种机器人调度切换方法的流程示意图。该方法应用于第一机器人,所述第一机器人为多机器人系统中具有导航任务的任一机器人。该方法包括:
S101:获取当前时间的特征向量集合。
其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度。
下面对所述特征向量集合中所涉及的各个元素进行说明。
所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径。
需要说明的是,本申请实施例提供的所述第一机器人和所述第二机器人特指当前时间有导航任务的机器人,因为只有具有导航任务的机器人才有可能因为导航路径的规划发生碰撞。并且,所述第一机器人和所述第二机器人处于同一行动区域,所述行动区域是指各个机器人的活动范围,该行动区域可为同一楼层或同一房间等。
在一可选实施例中,为了确定与所述第一机器人处于同一行动区域的至少一个第二机器人。各个机器人在启动时会向服务器发送自己的地理位置标识,以完成注册。处于同一行动区域的各个机器人具有相同的地理位置标识。
在一可选实施例中,服务器基于各个机器人的地理位置标识确定与第一机器人处于同一行动区域的至少一个第二机器人,并告知所述第一机器人。
在一可选实施例中,服务器将各个机器人的地理位置标识发送至所述第一机器,第一机器人基于各个机器人的地理位置标识确定与所述第一机器人处于同一行动区域的至少一个第二机器人。
在一可选实施例中,第一机器人通过局域网获得各个机器人通过广播发送的各个机器人的地理位置标识,并基于各个机器人的地理位置标识确定与所述第一机器人处于同一行动区域的至少一个第二机器人。
可选的,各个机器人可以基于MD5信息摘要算法(MD5 Message-DigestAlgorithm)校验生成地理位置标识。
为了方便本领域人员更加理解本申请实施例提供的当前时间特征集合中的元素,下面举例进行说明。
如图2所示,为本申请实施例提供的第一机器人与至少一个第二机器人的导航路径示意图。在本实施例中机器人包括:第一机器人A、第二机器人B、第二机器人C以及第二机器人D。第一机器人A的导航路径为PlanA、第二机器人B的导航路径为PlanB、第二机器人C的导航路径为PlanC以及第二机器人D的导航路径为PlanD。
在一可选实施例中,导航路径PlanA是服务器基于第一机器人A的起始地点以及目的地生成的可行性路线;导航路径PlanB是服务器基于第二机器B人的起始地点以及目的地生成的可行性路线;导航路径PlanC是服务器基于第二机器C人的起始地点以及目的地生成的可行性路线;导航路径PlanD是服务器基于第二机器D人的起始地点以及目的地生成的可行性路线。
其中,导航路径PlanA中的黑色实心圆表示第一机器人A当前时间所在第一目标位置;导航路径PlanB中的黑色实心圆表示第二机器人B当前时间所在第二目标位置;导航路径PlanC中的黑色实心圆表示第二机器人C当前时间所在第二目标位置;导航路径PlanD中的黑色实心圆表示第二机器人D当前时间所在第二目标位置。
第一通讯延时T1为第一机器人A与服务器的通讯延时。获取第一通讯延时T1的过程包括以下步骤:
步骤A1:记录第一机器人A向服务器发送第一报文的第一时间t1。
步骤A2:记录第一机器人A接收到服务器发送的第二报文的第二时间t2。
其中,第二报文为服务器接收到第一报文后,向第一机器人A发生的反馈报文。
步骤A3:比较第一时间t1和第二时间t2,确定第一机器人A与服务器的第一通信延时T1。
可选的,第一通信延时T1=第二时间t2-第一时间t1。
第二通讯延时T2为第一机器人A与第二机器人B的通讯延时。获取第二通讯延时T2的过程包括以下步骤:
步骤B1:记录第一机器人A向第二机器人B送第三报文的第一时间t3。
步骤B2:记录第一机器人A接收到第二机器人B发送的第四报文的第二时间t4。
其中,第四报文为第二机器人B收到第三报文后,向第一机器人A发生的反馈报文。
步骤B3:比较第一时间t3和第二时间t4,确定第一机器人A与第二机器人的第一通信延时T2。
可选的,第一通信延时T2第二时间t4第一时间t3。
可以理解的是,获取第一机器人A与第二机器人C的第二通讯延时T3、第一机器人A与第二机器人D的第二通讯延时T4、第二机器人B与第二机器人C的第二通讯延时T5、第二机器人B与第二机器人D的第二通讯延时T6以及第二机器人C与第二机器人D的第二通讯延时T7的过程与获取第二通讯延时T2的过程相同,在此不再赘述。
所述至少一个第二通讯延时的均值=所有第二通讯延时之和/各个机器人两两组合的组合数。在本实施例中,第二通讯延时的均值T0= (T2+ T3+ T4+ T5 +T6 +T7)/6。
如图2所示,d1表示第一机器人A当前时间所在第一目标位置与第二机器人B当前时间所在第二目标位置B的距离;d2表示第一机器人A当前时间所在第一目标位置与第二机器人C当前时间所在第二目标位置C的距离;d3表示第一机器人A当前时间所在第一目标位置与第二机器人D所在第二目标位置D的距离。
第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值。获取第一距离的具体方法为:比较距离d1、距离d2以及距离d3的大小,确定最小值的距离为第一距离。如图2所示,距离d2为最小值的距离,将距离d2作为第一距离。
第二距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最大值。获取第二距离的具体方法为:比较距离d1、距离d2以及距离d3的大小,确定最大值的距离为第二距离。如图2所示,距离d3为最小值的距离,将距离d3作为第二距离。
第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值。即,第三距离=(距离d1+距离d2+距离d3)/3。
如图3所示,为本申请实施例提供的第一路径与一个第二路径的交汇示意图。
如图3所示,第一路径由点划线箭头表示,可以理解的是,由于第一机器人A自身有宽度,第一机器人A在经过第一路径时,会产生第一预测运动区域,即两条虚线之间的区域;第二路径是以图2中导航路径PlanB中第二机器人B当前时间未经过的路径为例,由于第二机器人B自身有宽度,第二机器人B在经过第二路径(图3中由实线箭头表示)时,会产生第二预测运动区域即图3中由两条实线之间的区域。
可选的,本申请实施例中,将第一预测运动区域与第二预测运动区域重叠次数作为第一机器人A相应的第一路径与第二机器人B相应第二路径的交汇次数。
图3中阴影部分为第一预测运动区域与第二预测运动区域的重叠区域。即第一机器人A相应的第一路径与第二机器人B相应第二路径的交汇次数为1。
步骤S102: 将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式。
所述预测调度方式包括利用所述服务器调度所述第一机器人的第一调度方式和利用所述第一机器人调度自身的第二调度方式。
在一可选实施例中,本申请实施例中提供的调度方式决策模型的训练过程包括以下步骤:
步骤C1:获取多个历史时间分别对应的特征向量集合,作为样本特征向量集合。
在本申请实施例中,多个历史时间分别对应的特征向量集合中包含的元素与当前时间特征向量集合包含的元素相同。
对于样本向量特征集合而言,不同的历史时间对应的特征向量集合可能不同。
对于任一历史时间对应的特征向量集合包括:第三通讯延时、至少一个第四通讯延时的均值、第三路径与至少一个第四路径的交汇次数之和、第三数值、第四数值、第五距离、第六距离、第七距离、各机器人分别对应的优先级、样本目标路径对应的最小环境宽度和平均环境宽度。
假设样本向量特征集合中一个历史时间对应的特征向量集合涉及第三机器人和至少一个第四机器人。在一可选实施例中,不同历史时间对应的特征向量集合涉及的第三机器人可能不同,不同历史时间对应的特征向量集合涉及的第四机器人可能不同。
下面针对一个历史时间1对应的特征向量集合包括的元素进行说明。
所述第三通讯延时为所述第三机器人与服务器的通信延时;一个所述第四通讯延时为所述第三机器人与至少一个第四机器人中任意两个机器人之间的通信延时;不同第四通讯延时对应的两个机器人不完全相同;所述第三路径为所述第三机器人在对应的导航路径中历史时间1未经过的路径;一个所述第四路径为相应的所述第四机器人在对应导航路径中历史时间1未经过的路径;所述第三数值为基于所述服务器得到的所述第四机器人的数量;所述第四数值为基于局域网得到的所述第四机器人的数量;所述第五距离为所述第三机器人历史时间1所在第三目标位置分别与所述至少一个第四机器人历史时间1所在第四目标位置之间的距离的最小值;所述第六距离为所述第三目标位置分别与至少一个所述第四目标位置之间的距离的最大值;所述第七距离为所述第三目标位置与至少一个所述第四目标位置之间的距离的平均值;所述样本目标路径为在所述第三路径中以所述第三目标位置为起点,以距离所述第三目标位置第八距离的点为终点的路径。
针对历史时间对应的特征向量集合的说明可以参见步骤101中针对当前时间对应的特征向量集合的说明。
在一可选实施例中,由于样本特征向量集合所包含的特征向量为多个历史时间分别对应的特征向量集合。因而针对任一历史时间而言,在该历史时间第三机器人采用的实际调度方式是已知的,针对任一历史时间的特征向量集合对应实际调度方式进行标记。
步骤C2:将样本特征向量集合输入至神经网络,以得到神经网络输出的多个历史时间的特征向量集合分别对应的第二预测调度方式。
本申请实施例中,将当前时间的特征向量集合对应的预测调度方式称为第一预测调度方式,将历史时间点的特征向量集合称为第二预测调度方式。
第一预测调度方式和第二预测调度方式均为调度方式决策模型输出的预测调度方式。
步骤C3:针对每个历史时间对应的特征向量集合而言,将该历史时间的特征向量集合对应的第二预测调度方式与实际调度方式进行比较,得到比较结果,基于比较结果训练神经网络,以得到行为决策分类器。
在一可选实施例中,还可以通过样本数据特征集合训练支持向量机(SupportVector Machine,SVM),以得到行为决策分类器。
可以理解的是,本申请实施例并不局限行为决策分类器的训练方法,本领域技术人员可基于当前工作条件选择相适应的训练方法训练得到行为决策分类器。
步骤S103:切换至所述预测调度方式。
本申请实施例提供的机器调度方式切换方法中,获取当前时间的特征向量集合,特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度。
由于第一通讯延时为第一机器人与服务器的网络通讯的通信延时,第二通讯延时为第一机器人与第二机器人之间的局域网通讯的通信延时,因而可基于第一通讯延时和至少一个第二通讯延时的均值确定第一机器人的网络通讯和局域网通讯的通讯状况,为后续的调度方式切换提供判断依据。
第一路径为第一机器人当前时间未经过的路径,第二路径为相应的第二机器人当前时间未经过的路径,因而第一路径与第二路径的交汇次数的多少可一定程度上反映第一机器人和第二机器人可能发生碰撞的概率,如第一路径和第二路径的交汇次数越多,第一机器人和第二机器人可能发生碰撞的概率越高,则优选采用第二调度方式,实现第一机器人自身调度,避免可能发生的碰撞。
第一数值为基于服务器得到的所述第二机器人的数量,第二数值为基于局域网得到的所述第二机器人的数量。因而可以通过比较第一数值和第二数值判断第一机器人网络通讯和局域网通讯的通讯状况,为后续的调度方式切换提供判断依据。
如,由于相对于局域网通讯,网络通讯更容易受到外界环境的影响,因而当第一数值与第二数值差距较大时,则可能是由于第一机器人的网络通讯不稳定造成的,后续的调度方式则可倾向于选择基于局域网通讯的第二调度方式。
第一距离为第一机器人当前时间所在第一目标位置分别与至少一个第二机器人当前时间所在第二目标位置之间的距离的最小值,第二距离为第一目标位置分别与至少一个第二目标位置之间的距离的最大值,第三距离为第一目标位置与至少一个第二目标位置之间的距离的平均值。由于局域网通讯容易受到第一机器人与第二机器人之间距离的影响,第一机器人与第二机器人之间的距离越大,局域网通讯越不稳定,因而可基于第一距离、第二距离以及第三距离,切换至相应的调度方式。
目标路径为在第一路径中以所述第一目标位置为起点,以距离第一目标位置第四距离的点为终点的路径。目标路径的环境宽度表征了第一机器人在目标路径上的活动范围。活动范围越小对机器人导航路线的准确度要求越高,则可采用基于局域网通讯的第二调度方式,实现机器人的自我调度。
各个机器人的优先级,则表征了各个机器人的优先通过导航路径的权利。如,第一机器人与第二机器人相遇时,若第二机器人优先级高于第一机器人时,为了确保第二机器人优先通过,则需要快速对第一机器人进行调度,因而优选采用第二调度方式,实现第一机器人自身调度。
综上,本申请实施例提供的特征向量集合能够很好的表征第一机器人当前时间的运行状态,且特征向量集合中的各个元素均为影响第一机器人调度方式的重要因素。因而将当前时间的特征向量输入预先构建的调度方式决策模型,得到的预测调度方式更符合第一机器人当前时间的运行状态。本申请实施例提供的预测调度方式包括利用服务器调度第一机器人的第一调度方式,即服务器调度,以及第一机器人自身调度的第二调度方式,即本地调度。本申请可基于第一机器人的特征向量,得到与特征向量相应的调度方式,以使得第一机器人当前时间的运行状态更加需要最优导航路径时,切换至第一调度方式,在第一机器人当前时间的运行状态更加需要解决临时障碍物的拥堵问题时,切换至第二调度方式。实现了服务器调度和本地调度之间的灵活切换。
在一可选实施例中,步骤S101中获取当前时间的特征向量集合中第一路径与至少一个第二路径的交汇次数之和的方法包括多种,本申请实施例提供但不限于以下几种。
第一种实现方式,如图4所示,为本申请实施例提供的获取第一路径与至少一个第二路径的交汇次数之和的一个实施方式流程示意图。该方法包括:
步骤S401:基于所述第一机器人的最大横截面尺寸与所述第一机器人对应所述第一路径,预测所述第一机器人的第一预测运动区域。
在一可选实施例中,第一机器人沿第一路径运动时所生成的第一预测运动区域的宽度与第一机器人的大小有关,具体的与第一机器人的最大横截面尺寸有关。第一预测运动区域的宽度等于所述第一机器人的最大横截面尺寸。
步骤S402:基于所述至少一个第二机器人的最大横截面尺寸与所述至少一个第二机器人分别对应的所述第二路径,预测所述至少一个第二机器人分别对应的第二预测运动区域。
针对步骤S402的说明可参照步骤S401,在此不作赘述。
步骤S401和步骤S402的执行过程没有先后顺序。例如,可以先执行步骤S402,在执行步骤S401,或同时执行步骤S401和步骤S402。
可选的,下面以第一机器人的横截面为圆形进行说明,如若第一机器人的最大横截面的直径2*ra,则第一预测运动区域的宽度为2*ra,或者,第一预测运动区域的宽度为4*ra,同样,若第二机器人的最大横截面的直径2*rb,则第二预测运动区域的宽度为2*rb,或者,第二预测运动区域的宽度为4* rb。
可选的,第一预测运动区域的宽度为大于或等于2*ra的任意值,上述均为举例,并不对第一预测运动区域的宽度进行限定;第二预测运动区域的宽度为大于或等于2* rb的任意值,上述均为举例,并不对第二预测运动区域的宽度进行限定。
步骤S403:针对任一所述第二机器人,计算所述第一预测运动区域与所述第二机器人对应的所述第二预测运动区域的交汇次数,以得到所述至少一个第二机器人分别对应的交汇次数。
可参见图3,虽然第一机器人当前时间未经过的第一路径与第二机器人当前时间未经过的第二路径未发生交叉,但由于第一机器人的第一预测运动区域是以第一机器人最大横截面大小为宽度生成的活动带,第二机器人的第二预测运动区域是以第二机器人最大横截面大小为宽度生成的活动带,因而第一预测运动区域与第二预测运动区域可能出现区域重叠的情况。本申请实施例中,将第一预测运动区域与第二预测运动区域重叠次数作为第一机器人相应的第一路径与第二机器人相应第二路径的交汇次数。
步骤S404:将所述至少一个第二机器人分别对应的交汇次数的总和,确定为所述第一路径与所述至少一个第二路径的交汇次数之和。
第二种实现方式,如图5所示,为本申请实施例提供的第一路径与至少一个第二路径的交汇次数之和的另一个实施方式流程示意图。该方法包括:
步骤S501:针对任一所述第二机器人执行以下操作:从所述第一路径中获取至少一个第一位置分别对应的数据集合。
其中,一个所述第一位置对应的数据集合包括:所述第一位置与第二位置的距离和第一时间与第二时间的时间差;所述第一时间为所述第一机器人由第一目标位置到达所述第一位置所需时间,所述第二时间为所述第二机器人由第二目标位置到达所述第二位置所需时间,所述第二位置为所述第二机器人对应的所述第二路径中距离所述第一位置最近的位置。
在一可选实施例中,从第一路径中获取至少一个第一位置的方法有多种,本申请实施例提供但不限于以下两种。
第一种实现方法:从第一路径的设定位置开始每间隔第一预设距离,获得一个第一位置,以得到一个或多个第一位置。
可选的,该设定位置可为第一路径的起始位置,即第一机器人当前时间所在第一目标位置;或第一路径中任一位置。
可选的,第一预设距离可以基于实际情况而定,这里不对第一预设距离的具体数值进行限定。如图6所示,为本申请实施例提供的至少一个第一位置在第一路径的分布示意图。
假设图6中黑色实心圆表示第一机器人当前时间所在第一目标位置。
假设设定位置为第一目标位置,黑色实心方框表示第一位置。
第二种实现方法:从第一路径中选择任意一个或多个位置分别作为第一位置。
步骤S502:基于所述至少一个第一位置分别对应的数据集合,确定所述第一路径与所述第二机器人对应的所述第二路径的交汇次数,以得到所述至少一个第二机器人分别对应的交汇次数。
从所述至少一个第一位置对应的数据集合中,确定数据集合包含的距离小于或等于第二预设距离,且时间差小于或等于预设时长的数目,将该数目作为第一路径与所述第二机器人对应的第二路径的交汇次数。进而,得到第一路径与所有第二机器人分别对应的交汇次数。
可选的,该第二预设距离可基于第一机器人和第二机器人的大小设定。
下面以第一机器人和第二机器人的横截面积为圆形为例进行说明,如,若第一机器人的横截面的最大直径为2*ra;第二机器人的横截面的最大直径为2* rb。
可选的,第二预设距离可以为ra+rb;或者,第二预设距离可以为:2*ra+2*rb;或者,第二预设距离为4*ra+4*rb;其中,ra表示第一机器人的横截面的最大半径,rb表示第二机器人的横截面的最大半径。
第一时间与第二时间的时间差表示第一机器人和第二机器人是否可能同时到达第一位置和第二位置,即判断是否具有相撞的可能。
例如,第一时间与第二时间的差值很大,说明第一机器人到达第一位置后,第二机器人还有很长时间才能达到第二位置,在第二机器人到达第二位置后,第一机器人可能已经行驶到距离第一位置很远的位置了,因此,第一机器人和第二机器人不可能在第一位置发生碰撞。
若第一时间与第二时间的时间差较小,说明第一机器人到达第一位置后,第二机器人可能也达到第二位置,或者,很快就会达到第二位置,说明第一机器人和第二机器人可能会在第一位置发生碰撞。
为了确定第一机器人到达第一位置时可能与到达第二位置的第二机器人发生碰撞,可选的该预设时间不宜设置过长。
步骤S503:将所述至少一个第二机器人分别对应的交汇次数的总次数,确定为所述第一路径与所述至少一个第二路径的交汇次数之和。
在一可选实施例中,步骤S101中获取当前时间的特征向量集合中目标路径对应的最小环境宽度和平均环境宽度的方法包括以下步骤。
如图7所示,为本申请实施例公开的获取目标路径对应的最小环境宽度和平均环境宽度的一个实施方式的流程示意图。
步骤S701:从所述目标路径中获得至少一个第三位置。
在一可选实施例中,从目标路径中获取至少一个第三位置的方法有多种,本申请实施例提供但不限于以下两种。
第一种实现方法:从目标路径的设定位置开始每间隔第三预设距离,获得一个第三位置,以得到一个或多个第一位置。
可选的,该设定位置可为目标路径的起始位置,即第一机器人当前时间所在第一目标位置;或目标路径中任一位置。
可选的,第三预设距离可以基于实际情况而定,这里不对预设距离的具体数值进行限定。
第二种实现方法:从第一路径中选择任意一个或多个位置分别作为第一位置。
步骤S702:获得所述至少一个第三位置分别对应的环境宽度。
第三位置的环境宽度表征第一机器人到达第三位置时第一机器人的活动范围。
如图8所示,为本申请实施例提供的至少一个第三位置分别对应的环境宽度的示意图。
图8中黑色实心圆表示第一机器人当前时间所在第一目标位置。黑色实心方框表示第三位置,图8中,一个第三位置对应的环境宽度用双向实线箭头的宽度表示,双向实线箭头的宽度越大,表征环境宽度越大,双向实线箭头的宽度越小,表征环境宽度越小。
由图8可知,不同第三位置对应的环境宽度可能不同,即第一机器人到达该第三位置时的活动范围不同。例如,活动范围越小对机器人导航路线的准确度要求越高,则可采用基于局域网通讯的第二调度方式,实现机器人的自我调度。
步骤S703:将所述至少一个第三位置分别对应的环境宽度中的最小值,确定为所述目标路径对应的最小环境宽度。
S704 :将所述至少一个第三位置分别对应的环境宽度的平均值,确定为所述目标路径对应的平均环境宽度。
在一可选实施例中,该目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径。
在一可选实施例中,为了保障数据的实效性,第四距离可以为2米、3米、4米、5米等等短距离,第四距离的实际值可以基于实际情况而定,这里不对第四距离的具体数值进行限定。
如图9所示,为本申请实施例提供的获取当前时间的特征向量集合的一个实施方式的流程示意图。该方法包括:
步骤S901:确定所述第一机器人在所述当前时间的第一状态信息。
步骤S902:接收所述至少一个第二机器人在所述当前时间分别对应的第二状态信息。
可选的,接收所述至少一个第二机器人在所述当前时间分别对应的第二状态信息的实现方式包括多种,本申请实施例提供了,但不局限于以下几种。
第一种实现方式:接收所述至少一个第二机器人广播发送的所述第二状态信息。
第二机器人可通过广播发送方式(如,可以通过蓝牙或局域网或4G网络或5G网络实现广播),将自身的第二状态信息发送至第一机器人,第一机器人接收第二机器人发送的第二状态信息。
第二种实现方式:接收所述服务器发送的所述至少一个第二机器人对应的所述第二状态信息。
第二机器人将自身的第二状态信息发送至服务器,服务器将第二机器人的第二状态信息发送至第一机器人,第一机器人接收第二机器人发送的第二状态信息。
第三种实现方式:接收所述至少一个第二机器人广播发送的所述第二状态信息和接收所述服务器发送的所述至少一个第二机器人对应的所述第二状态信息。
S903:基于所述第一状态信息以及所述第二状态信息,获得所述当前时间的特征向量集合。
可以理解的是,一个机器人在所述当前时间的状态信息包括:所述机器人的第一通讯延时、至少一个所述第二通讯延时、所述机器人所述当前时间所在的位置、所述机器人的导航路径以及所述机器人的优先级。
在一可选实施例中,当第一机器人切换至调度方式决策模型输出的所述预测调度方式之后,该方法还包括:
步骤D1:若所述预测调度方式为所述第一调度方式,基于所述第一调度方式获得第一导航路径。
其中,所述第一导航路径为以所述第一目标位置为起点的路径。
步骤D2:获取所述至少一个第二机器人分别对应的第二导航路径。
一个所述第二机器人对应的所述第二导航路径为基于所述第二机器人包含的所述调度方式决策模型输出的预测调度方式得到的。
可以理解的是,一个所述第二机器人对应的所述第二导航路径的生成过程可基于步骤S101、步骤S102以及步骤S103,在此不作赘述。
步骤D3:确定所述第一导航路径与至少一个所述第二导航路径分别对应的交汇区域。
可以理解的是,确定第一导航路径与一个第二导航路径交汇区域的方法可参照步骤S401、步骤S402、步骤S403以及步骤S404,在此不作赘述。
步骤D4:针对每一所述交汇区域,获得所述第一机器人从所述第一目标位置到达所述交汇区域的第三时间与所述第二机器人从所述第二目标位置到达所述交汇区域的第四时间的时间差;若所述时间差小于预设时长,至少在所述第一机器人到达所述交汇区域前第五距离处切换至所述第二调度方式。
在一可选实施例中,还包括:
步骤D5:若经过所述交汇区域后,切换至第一调度方式。
在本实施例中,在第一机器人执行第一调度方式(即,服务器调度)过程中,当检测到第一机器人与第二机器人在第一导航路径与第二导航路径的交汇区域可能发生拥堵时,在第一机器人到达该交汇区域之前切换至第二调度方式(即,本地调度),以使第一机器人实现自身调度,重新规划导航路径,解决了临时障碍物(第二机器人)导致的拥堵问题。并且在经过所述交汇区域后,切换至第一调度方式。
上述本申请提供的实施例中详细描述了方法,对于本申请的方法可采用多种形式的装置实现,因此本申请还提供了一种第一机器人,下面给出具体的实施例进行详细说明。
在一可选实施例中,本申请实施例提供了一种第一机器人。如图10所示,为本申请实施例提供的一种第一机器人的结构示意图。该第一机器人包括:
第一获取模块1001,用于获取当前时间的特征向量集合。
其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度。
其中,所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径。
第一输入模块1002,用于将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式。
所述预测调度方式为利用所述服务器调度所述第一机器人的第一调度方式或利用所述第一机器人调度自身的第二调度方式。
第一切换模块1003,用于切换至所述预测调度方式。
可选的,该第一机器人还包括:第一预测模块,用于基于所述第一机器人的最大横截面尺寸与所述第一机器人对应所述第一路径,预测所述第一机器人的第一预测运动区域。第二预测模块,用于基于所述至少一个第二机器人的最大横截面尺寸与所述至少一个第二机器人分别对应的所述第二路径,预测所述至少一个第二机器人分别对应的第二预测运动区域。第一计算模块,用于针对任一所述第二机器人,计算所述第一预测运动区域与所述第二机器人对应的所述第二预测运动区域的交汇次数,以得到所述至少一个第二机器人分别对应的交汇次数。第二计算模块,用于将所述至少一个第二机器人分别对应的交汇次数的总和,确定为所述第一路径与所述至少一个第二路径的交汇次数之和。
可选的,针对任一所述第二机器人,该第一机器人还包括:第二获取模块,用于从所述第一路径中获取至少一个第一位置分别对应的数据集合。其中,一个所述第一位置对应的数据集合包括:所述第一位置与第二位置的距离和第一时间与第二时间的时间差;所述第一时间为所述第一机器人由第一目标位置到达所述第一位置所需时间,所述第二时间为所述第二机器人由第二目标位置到达所述第二位置所需时间,所述第二位置为所述第二机器人对应的所述第二路径中距离所述第一位置最近的位置。第三计算模块,用于基于所述至少一个第一位置分别对应的数据集合,确定所述第一路径与所述第二机器人对应的所述第二路径的交汇次数,以得到所述至少一个第二机器人分别对应的交汇次数。第四计算模块,用于将所述至少一个第二机器人分别对应的交汇次数的总次数,确定为所述第一路径与所述至少一个第二路径的交汇次数之和。
可选的,该第一机器人还包括:第三获取模块,用于从所述目标路径中获得至少一个第三位置。第四获取模块,用于获得所述至少一个第三位置分别对应的环境宽度。第一确定模块,用于将所述至少一个第三位置分别对应的环境宽度中的最小值,确定为所述目标路径对应的最小环境宽度。第二确定模块,用于将所述至少一个第三位置分别对应的环境宽度的平均值,确定为所述目标路径对应的平均环境宽度。
可选的,第一获取模块包括:第一获取单元、第二获取单元以及第一提取单元。其中,第一获取单元,用于确定所述第一机器人在所述当前时间的第一状态信息。第二获取单元,用于接收所述至少一个第二机器人在所述当前时间分别对应的第二状态信息。第一提取单元,用于基于所述第一状态信息以及所述第二状态信息,获得所述当前时间的特征向量集合。
可选的,第二获取单元包括:第一接收子单元,用于接收所述至少一个第二机器人广播发送的所述第二状态信息。第二接收子单元,用于接收所述服务器发送的所述至少一个第二机器人对应的所述第二状态信息。其中,一个机器人在所述当前时间的状态信息包括:所述机器人的第一通讯延时、至少一个所述第二通讯延时、所述机器人所述当前时间所在的位置、所述机器人的导航路径以及所述机器人的优先级。
可选的,本申请实施例提供的一种第一机器中,第一机器人还包括:
第五获取模块,用于若所述预测调度方式为所述第一调度方式,基于所述第一调度方式获得第一导航路径,所述第一导航路径为以所述第一目标位置为起点的路径。第六获取模块,用于获取所述至少一个第二机器人分别对应的第二导航路径,一个所述第二机器人对应的所述第二导航路径为基于所述第二机器人包含的所述调度方式决策模型输出的预测调度方式得到的。第二确定模块,用于确定所述第一导航路径与至少一个所述第二导航路径分别对应的交汇区域。第七获取模块,用于针对每一所述交汇区域,获得所述第一机器人从所述第一目标位置到达所述交汇区域的第三时间与所述第二机器人从所述第二目标位置到达所述交汇区域的第四时间的时间差;若所述时间差小于预设时长,至少在所述第一机器人到达所述交汇区域前第五距离处切换至所述第二调度方式。
可选的,第一机器人还包括:第二切换模块,用于若经过所述交汇区域后,切换至第一调度方式。
如图11所示,为本申请实施例提供的电子设备的一种实现方式的结构图,该电子设备包括:
存储器111,用于存储程序。
处理器112,用于执行所述程序,所述程序具体用于:
获取当前时间的特征向量集合。
其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度。
其中,所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径。
将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式为利用所述服务器调度所述第一机器人的第一调度方式或利用所述第一机器人调度自身的第二调度方式。
切换至所述预测调度方式。
处理器112可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)。
电子设备还可以包括通信接口113以及通信总线114,其中,存储器111、处理器112以及通信接口113通过通信总线114完成相互间的通信。
本发明实施例还提供了一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上述任一所述的机器人调度方式切换方法实施例包含的各个步骤。
需要说明的是,本说明书中的各个实施例中记载的特征可以相互替换或者组合。对于装置或系统类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种机器人调度方式切换方法,应用于第一机器人,其特征在于,包括:
获取当前时间的特征向量集合;
其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度;
其中,所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径;
将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式包括利用所述服务器调度所述第一机器人的第一调度方式和利用所述第一机器人调度自身的第二调度方式;
切换至所述预测调度方式。
2.根据权利要求1所述机器人调度方式切换方法,其特征在于,还包括:
基于所述第一机器人的最大横截面尺寸与所述第一机器人对应所述第一路径,预测所述第一机器人的第一预测运动区域;
基于所述至少一个第二机器人的最大横截面尺寸与所述至少一个第二机器人分别对应的所述第二路径,预测所述至少一个第二机器人分别对应的第二预测运动区域;
针对任一所述第二机器人,计算所述第一预测运动区域与所述第二机器人对应的所述第二预测运动区域的交汇次数,以得到所述至少一个第二机器人分别对应的交汇次数;
将所述至少一个第二机器人分别对应的交汇次数的总和,确定为所述第一路径与所述至少一个第二路径的交汇次数之和。
3.根据权利要求1所述机器人调度方式切换方法,其特征在于,还包括:
针对任一所述第二机器人执行以下操作:
从所述第一路径中获取至少一个第一位置分别对应的数据集合;
其中,一个所述第一位置对应的数据集合包括:所述第一位置与第二位置的距离和第一时间与第二时间的时间差;所述第一时间为所述第一机器人由第一目标位置到达所述第一位置所需时间,所述第二时间为所述第二机器人由第二目标位置到达所述第二位置所需时间,所述第二位置为所述第二机器人对应的所述第二路径中距离所述第一位置最近的位置;
基于所述至少一个第一位置分别对应的数据集合,确定所述第一路径与所述第二机器人对应的所述第二路径的交汇次数,以得到所述至少一个第二机器人分别对应的交汇次数;
将所述至少一个第二机器人分别对应的交汇次数的总次数,确定为所述第一路径与所述至少一个第二路径的交汇次数之和。
4.根据权利要求1至3任一权利要求所述机器人调度方式切换方法,其特征在于,还包括:
从所述目标路径中获得至少一个第三位置;
获得所述至少一个第三位置分别对应的环境宽度;
将所述至少一个第三位置分别对应的环境宽度中的最小值,确定为所述目标路径对应的最小环境宽度;
将所述至少一个第三位置分别对应的环境宽度的平均值,确定为所述目标路径对应的平均环境宽度。
5.根据权利要求4所述机器人调度方式切换方法,其特征在于,所述获取当前时间的特征向量集合,包括:
确定所述第一机器人在所述当前时间的第一状态信息;
接收所述至少一个第二机器人在所述当前时间分别对应的第二状态信息;
基于所述第一状态信息以及所述第二状态信息,获得所述当前时间的特征向量集合;
其中,一个机器人在所述当前时间的状态信息包括:所述机器人的第一通讯延时、至少一个所述第二通讯延时、所述机器人所述当前时间所在的位置、所述机器人的导航路径以及所述机器人的优先级。
6.根据权利要求5所述的机器人调度方式切换方法,其特征在于,所述接收所述至少一个第二机器人在所述当前时间分别对应的第二状态信息,包括:
接收所述至少一个第二机器人广播发送的所述第二状态信息;
和/或,
接收所述服务器发送的所述至少一个第二机器人对应的所述第二状态信息。
7.根据权利要求1所述机器人调度方式切换方法,其特征在于,所述切换至所述预测调度方式之后,还包括:
若所述预测调度方式为所述第一调度方式,基于所述第一调度方式获得第一导航路径,所述第一导航路径为以所述第一目标位置为起点的路径;
获取所述至少一个第二机器人分别对应的第二导航路径,一个所述第二机器人对应的所述第二导航路径为基于所述第二机器人包含的所述调度方式决策模型输出的预测调度方式得到的;
确定所述第一导航路径与至少一个所述第二导航路径分别对应的交汇区域;
针对每一所述交汇区域,获得所述第一机器人从所述第一目标位置到达所述交汇区域的第三时间与所述第二机器人从所述第二目标位置到达所述交汇区域的第四时间的时间差;若所述时间差小于预设时长,至少在所述第一机器人到达所述交汇区域前第五距离处切换至所述第二调度方式;
若经过所述交汇区域后,切换至第一调度方式。
8.一种第一机器人,其特征在于,包括:
第一获取模块,用于获取当前时间的特征向量集合;
其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度;
其中,所述第一通讯延时为所述第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径;
第一输入模块,用于将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式为利用所述服务器调度所述第一机器人的第一调度方式或利用所述第一机器人调度自身的第二调度方式;
第一切换模块,用于切换至所述预测调度方式。
9.一种电子设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于:
获取当前时间的特征向量集合;
其中,所述特征向量集合包括:第一通讯延时、至少一个第二通讯延时的均值、第一路径与至少一个第二路径的交汇次数之和、第一数值、第二数值、第一距离、第二距离、第三距离、各机器人分别对应的优先级、目标路径对应的最小环境宽度和平均环境宽度;
其中,所述第一通讯延时为第一机器人与服务器的通信延时;一个所述第二通讯延时为所述第一机器人与至少一个第二机器人中任意两个机器人之间的通信延时;不同第二通讯延时对应的两个机器人不完全相同;所述第一路径为所述第一机器人在对应的导航路径中所述当前时间未经过的路径;一个所述第二路径为相应的所述第二机器人在对应导航路径中所述当前时间未经过的路径;所述第一数值为基于所述服务器得到的所述第二机器人的数量;所述第二数值为基于局域网得到的所述第二机器人的数量;所述第一距离为所述第一机器人所述当前时间所在第一目标位置分别与所述至少一个第二机器人所述当前时间所在第二目标位置之间的距离的最小值;所述第二距离为所述第一目标位置分别与至少一个所述第二目标位置之间的距离的最大值;所述第三距离为所述第一目标位置与至少一个所述第二目标位置之间的距离的平均值;所述目标路径为在所述第一路径中以所述第一目标位置为起点,以距离所述第一目标位置第四距离的点为终点的路径;
将所述特征向量集合输入预先构建的调度方式决策模型,通过所述调度方式决策模型获得预测调度方式,所述预测调度方式为利用所述服务器调度所述第一机器人的第一调度方式或利用所述第一机器人调度自身的第二调度方式;
切换至所述预测调度方式。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至7任一项所述的机器人调度方式切换方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699115.XA CN111558942B (zh) | 2020-07-20 | 2020-07-20 | 机器人调度方式切换方法、第一机器人、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699115.XA CN111558942B (zh) | 2020-07-20 | 2020-07-20 | 机器人调度方式切换方法、第一机器人、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111558942A true CN111558942A (zh) | 2020-08-21 |
CN111558942B CN111558942B (zh) | 2020-10-13 |
Family
ID=72075453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010699115.XA Active CN111558942B (zh) | 2020-07-20 | 2020-07-20 | 机器人调度方式切换方法、第一机器人、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111558942B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112502566A (zh) * | 2020-11-17 | 2021-03-16 | 广州赛特智能科技有限公司 | 一种辅助机器人通过电动门的方法及系统 |
CN113253736A (zh) * | 2021-06-17 | 2021-08-13 | 上海思岚科技有限公司 | 多机器人调度方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH091482A (ja) * | 1995-06-14 | 1997-01-07 | Nippon Telegr & Teleph Corp <Ntt> | ロボット作業教示・動作再生装置 |
EP2623219A3 (en) * | 2011-10-17 | 2015-11-18 | Kabushiki Kaisha Yaskawa Denki | Robot system, robot, and sorted article manufacturing method |
CN105150209A (zh) * | 2015-08-14 | 2015-12-16 | 昆山巨林科教实业有限公司 | 搬运桁架机械手精确控制系统及方法 |
CN109108973A (zh) * | 2018-08-29 | 2019-01-01 | 广州市君望机器人自动化有限公司 | 单向式路径调度方法及系统 |
CN109108972A (zh) * | 2018-08-29 | 2019-01-01 | 广州市君望机器人自动化有限公司 | 多机器人通过狭窄区域的调度方法及装置 |
-
2020
- 2020-07-20 CN CN202010699115.XA patent/CN111558942B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH091482A (ja) * | 1995-06-14 | 1997-01-07 | Nippon Telegr & Teleph Corp <Ntt> | ロボット作業教示・動作再生装置 |
EP2623219A3 (en) * | 2011-10-17 | 2015-11-18 | Kabushiki Kaisha Yaskawa Denki | Robot system, robot, and sorted article manufacturing method |
CN105150209A (zh) * | 2015-08-14 | 2015-12-16 | 昆山巨林科教实业有限公司 | 搬运桁架机械手精确控制系统及方法 |
CN109108973A (zh) * | 2018-08-29 | 2019-01-01 | 广州市君望机器人自动化有限公司 | 单向式路径调度方法及系统 |
CN109108972A (zh) * | 2018-08-29 | 2019-01-01 | 广州市君望机器人自动化有限公司 | 多机器人通过狭窄区域的调度方法及装置 |
Non-Patent Citations (1)
Title |
---|
黎陡: "多机器人停驻任务相关方法的研究与实现", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112502566A (zh) * | 2020-11-17 | 2021-03-16 | 广州赛特智能科技有限公司 | 一种辅助机器人通过电动门的方法及系统 |
CN113253736A (zh) * | 2021-06-17 | 2021-08-13 | 上海思岚科技有限公司 | 多机器人调度方法及设备 |
CN113253736B (zh) * | 2021-06-17 | 2021-11-09 | 上海思岚科技有限公司 | 多机器人调度方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111558942B (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Levin et al. | Conflict-point formulation of intersection control for autonomous vehicles | |
Han et al. | Mobile robot path planning with surrounding point set and path improvement | |
EP4002049A1 (en) | Systems and methods for optimizing route plans in an operating environment | |
CN111558942B (zh) | 机器人调度方式切换方法、第一机器人、设备及存储介质 | |
WO2019141220A1 (zh) | 移动机器人的路径规划方法及系统 | |
Digani et al. | A probabilistic Eulerian traffic model for the coordination of multiple AGVs in automatic warehouses | |
CN110530369A (zh) | 基于时间窗的agv任务调度方法 | |
CN110645992B (zh) | 一种导航方法及装置 | |
CN111638717A (zh) | 一种分布式自主机器人交通协调机制的设计方法 | |
Liu et al. | Prediction, planning, and coordination of thousand-warehousing-robot networks with motion and communication uncertainties | |
Mladenović et al. | Self-organizing control framework for driverless vehicles | |
WO2019141223A1 (zh) | 移动机器人的路径规划方法及系统 | |
Trigui et al. | A distributed market-based algorithm for the multi-robot assignment problem | |
Gil et al. | Cooperative scheduling of tasks for networked uninhabited autonomous vehicles | |
EP2196973A1 (en) | Traffic information unit, traffic information system, vehicle management system, vehicle, and method of controlling a vehicle | |
Adacher et al. | Decentralized spatial decomposition for traffic signal synchronization | |
CN114637303A (zh) | 基于远程遥操作的搬运机器人路径规划方法、系统及介质 | |
Shi et al. | Task allocation and path planning of many robots with motion uncertainty in a warehouse environment | |
Liu et al. | Simultaneous planning and scheduling for multi-autonomous vehicles | |
Schmidt et al. | Research on decentralized control strategies for automated vehicle-based in-house Transport systems–a survey | |
CN111738528B (zh) | 机器人调度方法及第一机器人 | |
Zhang et al. | A Bi-level Network-wide Cooperative Driving Approach Including Deep Reinforcement Learning-based Routing | |
Worrawichaipat et al. | Resilient intersection management with multi-vehicle collision avoidance | |
Hanif et al. | Delegate MAS for large scale and dynamic PDP: A case study | |
Liu et al. | Path scheduling for multi-AGV system based on two-staged traffic scheduling scheme and genetic algorithm |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 702, 7th floor, NO.67, Beisihuan West Road, Haidian District, Beijing 100080 Patentee after: Beijing Yunji Technology Co.,Ltd. Address before: Room 702, 7th floor, NO.67, Beisihuan West Road, Haidian District, Beijing 100080 Patentee before: BEIJING YUNJI TECHNOLOGY Co.,Ltd. |