CN112135553B - 用于执行清洁操作的方法和设备 - Google Patents

Abstract

提供了一种用于执行清洁操作的机器人清洁设备以及为此提供了一种清洁需要清洁的空间的方法。该方法包括获取指示需要清洁的空间的污染级别的污染数据，基于污染数据获取污染地图数据，基于当前时间和污染地图数据确定需要清洁的空间中的至少一个清洁目标区域，以及清洁所确定的至少一个清洁目标区域。该方法和设备可涉及通过使用诸如深度学习的机器学习算法来模拟人脑的功能(例如，认知和决策)的人工智能(AI)系统及其应用。

Description

用于执行清洁操作的方法和设备

技术领域

本公开涉及一种基于需要清洁的空间的污染级别执行清洁操作的方法和设备。

背景技术

人工智能(AI)系统是用于实现人类级别智能的计算机系统。与一般的基于规则的智能系统不同，AI系统自主地学习并做出决策，而变得更加智能。AI系统被使用得越多，AI系统的识别率就越高，AI系统就越准确地理解用户的偏好。这样，一般的基于规则的智能系统就越来越多地被基于深度学习的AI系统所替代。

AI技术包括机器学习(或深度学习)和使用机器学习的元件技术。

机器学习是用于对输入数据的特征进行自主分类和学习的算法技术，元素技术是用于通过使用诸如深度学习的机器学习算法来模仿人脑的功能(例如，认知和决策)的技术，并且包括诸如语言理解、视觉理解、推理/预测、知识表达和操作控制等的技术领域。

AI技术适用的各种领域如下。语言理解是用于识别和应用/处理人的口头或书面语言的技术，包括自然语言处理、机器翻译、对话系统、提问和回答、语音识别/合成等。视觉理解是用于以人类的视角识别和处理对象的技术，包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像增强等。推理/预测是用于确定以及逻辑推理和预测信息的技术，包括基于知识/概率的推理、优化的预测、基于偏好的规划、推荐等。知识表达是用于将人类体验信息自动化为知识数据的技术，包括知识构造(例如，数据生成/分类)、知识管理(例如，数据利用)等。操作控制是用于控制车辆的自主驾驶和机器人的运动的技术，包括运动控制(例如，转向、碰撞或驾驶控制)、操纵控制(例如，行为控制)等。

机器人清洁设备需要在各种操作模式和环境中有效地清洁需要清洁的空间，因此需要用于在各种条件下合适地确定清洁目标区域的技术。

上述信息仅作为背景信息来呈现以帮助理解本公开。关于上述中的任何一个是否可以适用于作为关于本公开的现有技术，没有作出任何决定，且没有作出断言。

发明内容

[技术方案]

本公开的多个方面是为了解决至少上述问题和/或缺点，并提供至少下述优点。因此，本公开的一方面是提供一种机器人清洁系统和方法，该系统和方法能够基于需要清洁的空间的每一时间段的污染级别生成污染地图数据，并使用该污染地图数据。

本公开的另一方面是提供一种机器人清洁系统和方法，该系统和方法能够通过使用学习模型来确定清洁目标区域和清洁目标区域的优先级。

本公开的另一方面是提供一种机器人清洁系统和方法，该系统和方法能够通过使用每一时间段的污染地图数据在多个操作模式和环境中有效地控制机器人清洁设备。

另外的方面将部分地在随后的描述中进行阐述，并且部分地将从描述中显而易见，或者可以通过所呈现的实施例的实践来获知。

附图说明

从以下结合附图的描述中，本公开的某些实施例的上述和其它方面、特征和优点将更加明显，其中：

图1是根据本公开的实施例的清洁系统的示意图；

图2是根据本公开的实施例的由机器人清洁设备执行的基于污染数据确定清洁目标区域的方法的流程图；

图3是根据本公开的实施例的由机器人清洁设备执行的获取污染数据的方法的流程图；

图4是根据本公开的实施例的由机器人清洁设备执行的考虑机器人清洁设备的操作模式来确定清洁目标区域的优先级和用于清洁目标区域的清洁强度的方法的流程图；

图5是根据本公开的实施例的由机器人清洁设备执行的确定机器人清洁设备的操作模式的方法的流程图；

图6示出了根据本公开的实施例的污染地图数据的示意图；

图7是根据本公开的实施例的由机器人清洁设备执行的、与服务器相关联地确定和改变清洁目标区域的方法的流程图；

图8是根据本公开的另一实施例的由机器人清洁设备执行的、与服务器相关联地确定和改变清洁目标区域的方法的流程图；

图9示出了根据本公开的实施例的使用学习模型来确定清洁目标区域的示例的示意图；

图10示出了根据本公开的另一实施例的使用学习模型来确定清洁目标区域的示例的示意图；

图11示出了根据本公开的另一实施例的使用学习模型来确定清洁目标区域的示例的示意图；

图12示出了根据本公开的另一实施例的使用学习模型来确定清洁目标区域的示例的示意图；

图13是根据本公开的实施例的用于描述机器人清洁设备的操作模式的表格；

图14是根据本公开另一实施例的清洁系统的示意图；

图15、图16和图17示出了根据本公开的实施例的移动装置控制机器人清洁设备以特定操作模式进行操作的示例的示意图；

图18是根据本公开的实施例的机器人清洁设备的框图；

图19是根据本公开的实施例的服务器的框图；

图20是根据本公开的实施例的处理器的框图；

图21是根据本公开的实施例的数据学习器的框图；

图22是根据本公开的实施例的数据识别器的框图；

图23示出了根据本公开的实施例的机器人清洁设备和服务器学习并识别彼此相关联的数据的示例的框图；以及

图24是根据本公开的实施例的由机器人清洁设备执行的将需要清洁的空间中的对象移动到特定位置的方法的流程图。

在所有附图中，类似的附图标记将被理解为指代类似的部件、组件和结构。

具体实施方式

根据本公开的一方面，提供了一种用于清洁需要清洁的空间的机器人清洁设备。机器人清洁设备包括通信接口、存储有一个或多个指令的存储器以及至少一个处理器，该处理器配置为：执行一个或多个指令以控制机器人清洁设备，执行一个或多个指令以获取指示需要清洁的空间的污染级别的污染数据，基于污染数据获取污染地图数据，基于当前时间和污染地图数据确定需要清洁的空间中的至少一个清洁目标区域，以及清洁所确定的至少一个清洁目标区域，其中污染地图数据包括指示需要清洁的空间中的污染区域的位置的信息、污染区域的污染级别以及需要清洁的空间中的对象的位置，并且污染地图数据存储预定的时间段。

根据本公开的另一方面，提供了一种由机器人清洁设备执行的清洁需要清洁的空间的方法。该方法包括：获取指示需要清洁的空间的污染级别的污染数据，基于污染数据获取污染地图数据，基于当前时间和污染地图数据确定需要清洁的空间中的至少一个清洁目标区域，以及清洁所确定的至少一个清洁目标区域，其中污染地图数据包括指示需要清洁的空间中的污染区域的位置的信息、污染区域的污染级别以及对象在需要清洁的空间中的位置，其中污染地图数据被存储预定的时间段。

根据本公开的另一方面，提供了一种非暂时性计算机程序产品。非暂时性计算机程序产品包括其上记录有多个指令的计算机可读记录介质，其中多个指令指示至少一个处理器执行上述方法。

通过下面结合附图进行的、公开了本公开的各种实施例的详细描述，本公开的其它方面、优点和显著特征对于本领域技术人员将变得显而易见。

[发明的实施方式]

提供了以下参考附图的描述以帮助全面理解如由权利要求书及其等同界定的本公开的各种实施例。它包括各种具体细节以帮助理解，但是这些仅被认为是示例性的。因此，本领域的普通技术人员将认识到，在不脱离本公开的范围和精神的情况下，可以对本文描述的各种实施例进行各种改变和修改。此外，为了清楚和简洁起见，可以省略对众所周知的功能和结构的描述。

在以下描述和权利要求中使用的术语和词不限于书目含义，而是仅由发明人使用以使得能够清楚和一致地理解本公开。因此，本领域的技术人员应当清楚，提供本公开的各种实施例的以下描述仅仅是为了说明的目的，而不是为了限制由所附权利要求及其等同界定的本公开。

应当理解，除非上下文另有明确规定，单数形式“一个”、“一种”和“该”包括复数指示物。因此，例如，提及“组件表面”包括提及一个或多个这样的表面。

在下文中，将通过参考附图解释本公开的实施例来详细描述本公开。然而，本公开可以以许多不同的形式实施，并且不应被解释为限于本文中所阐述的本公开的各种实施例；准确地说，提供本公开的这些实施例以便本公开将是彻底且完整的，且将本公开的概念完全传达给本领域普通技术人员。在附图中，为了清楚地进行解释，没有示出与本公开无关的部件，类似的参考数字表示类似的元件。

应当理解，当元件被称为“连接到”另一元件时，它可以是“直接连接到”另一元件或者通过中间元件“电连接到”另一元件。还应理解，当在本文中使用时，除非上下文另外清楚地指示，术语“包括”和/或“包括有”指定存在所述的元素，但不排除存在或添加有一个或多个其它元素。在整个本公开中，表述“a、b或c中的至少一个”表明只有a、只有b、只有c、a和b两者、a和c两者、b和c两者、所有的a、b和c或其变体。

现在将参考附图详细描述本公开。

图1是根据本公开的实施例的清洁系统的示意图。

参照图1，根据本公开的实施例的清洁系统可以包括机器人清洁设备1000、服务器2000和至少一个外部装置3000。

机器人清洁设备1000可以在需要清洁的空间中移动的同时清洁需要清洁的空间。需要清洁的空间可以是待清洁的空间，例如，住宅或办公室。机器人清洁设备1000是能够通过使用轮子等自主移动的机器人设备，并且可以在需要清洁的空间中移动的同时执行清洁功能。

机器人清洁设备1000可以收集需要清洁的空间中关于污染的污染数据，生成污染地图数据，并基于生成的污染地图数据确定清洁目标区域。

机器人清洁设备1000可以通过使用污染地图数据来预测需要清洁的空间中的污染区域，并且考虑预测的污染区域来确定清洁目标区域的优先级和用于清洁目标区域的清洁强度。污染地图数据可以包括需要清洁的空间的地图信息和指示污染区域的信息，并且机器人清洁设备1000可以在每一特定时间段(例如，预定的时间段)生成污染地图数据。

机器人清洁设备1000可以使用至少一个学习模型来生成污染地图数据并确定清洁目标区域。学习模型可以由机器人清洁设备1000或服务器2000中的至少一个进行操作。

服务器2000可以生成污染地图数据并确定与机器人清洁设备1000相关联的清洁目标区域。服务器2000可以综合地管理多个机器人清洁设备和多个外部装置3000。服务器2000可以使用从另一机器人清洁设备(未示出)收集的信息、另一需要清洁的空间的污染地图数据等来确定机器人清洁设备1000的污染地图数据和清洁目标区域。

外部装置3000可以生成与需要清洁的空间中的污染有关的污染数据和确定需要清洁的空间的状态所需的数据，并将生成的数据提供给机器人清洁设备1000或服务器2000。外部装置3000可以安装在需要清洁的空间中。外部装置3000可以包括例如闭路电视(CCTV)、传感器或家用电器，但不限于此。

网络是能够实现图1所示的网络实体之间的适当的通信的综合数据通信网络，例如，局域网(LAN)、广域网(WAN)、增值网(VAN)、移动无线通信网络、卫星通信网络或其组合，并且可以包括有线因特网、无线因特网和移动通信网络。无线通信可以包括例如无线局域网(WLAN)(或Wi-Fi)通信、蓝牙通信、蓝牙低能量(BLE)通信、Zigbee通信、Wi-Fi直连(WFD)通信、超宽带(UWB)通信、红外数据协会(IrDA)通信和近场通信(NFC)，但不限于此。

图2是根据本公开的实施例的由机器人清洁设备1000执行的基于污染数据确定清洁目标区域的方法的流程图。

在操作S200中，机器人清洁设备1000可以获取污染数据。机器人清洁设备1000可以通过使用机器人清洁设备1000的相机和传感器来生成需要清洁的空间的污染数据。机器人清洁设备1000可以通过在清洁需要清洁的空间的同时用相机拍摄需要清洁的空间来生成指示需要清洁的空间的污染级别的图像数据。机器人清洁设备1000可以通过在清洁需要清洁的空间的同时通过灰尘传感器感测需要清洁的空间来生成指示需要清洁的空间中的灰尘量的感测数据。

机器人清洁设备1000可以从外部装置3000接收污染数据。例如，安装在需要清洁的空间中的CCTV可以拍摄需要清洁的空间，当检测到污染需要清洁的空间的运动时，CCTV可以向机器人清洁设备1000提供包括检测到的运动的图像数据。例如，安装在需要清洁的空间中的灰尘传感器可以向机器人清洁设备1000提供关于需要清洁的空间的灰尘量的感测数据。

外部装置3000可以向服务器2000提供由外部装置3000生成的污染数据，机器人清洁设备1000可以从服务器2000接收由外部装置3000生成的污染数据。

污染数据可用于确定需要清洁的空间的污染位置和污染级别。例如，污染数据可以包括与生成污染数据的位置和时间有关的信息。

在操作S210中，机器人清洁设备1000可以基于污染数据获取污染地图数据。机器人清洁设备1000可以通过使用所获取的污染数据来生成和更新污染地图数据。污染地图数据可以包括需要清洁的空间的地图和指示需要清洁的空间中污染区域的位置和污染级别的信息。污染地图数据可以在每一时间段生成，并且在每个时间段指示需要清洁的空间中污染区域的位置和污染级别。

机器人清洁设备1000可以通过在移动的同时识别机器人清洁设备1000的位置来生成需要清洁的空间的地图数据。机器人清洁设备1000可以通过使用污染数据和地图数据来生成指示需要清洁的空间中的污染区域的污染地图数据。

需要清洁的空间的地图数据可以包括例如与用于在清洁时移动的导航地图、用于位置识别的即时定位和地图构建(SLAM)地图、或包括关于所识别障碍物的信息的障碍物识别地图中的至少之一有关的数据。

污染地图数据可以指示例如房间和家具在需要清洁的空间中的位置，并且包括关于需要清洁的空间中污染区域的位置和污染级别的信息。

机器人清洁设备1000可以通过例如将需要清洁的空间的地图数据和污染数据应用到用于生成污染地图数据的学习模型来生成污染地图数据。

或者，机器人清洁设备1000可以从服务器2000请求污染地图数据。在这种情况下，机器人清洁设备1000可以将需要清洁的空间的地图数据和污染数据提供给服务器2000，服务器2000可以通过将需要清洁的空间的地图数据和污染数据应用于用于生成污染地图数据的学习模型来生成污染地图数据。

在操作S220中，机器人清洁设备1000可以基于污染地图数据来确定清洁目标区域。机器人清洁设备1000可以基于污染地图数据预测需要清洁的空间中的污染区域的位置和污染级别，以及基于机器人清洁设备1000的操作模式和设备状态确定至少一个清洁目标区域。

机器人清洁设备1000可以考虑机器人清洁设备1000的操作模式和设备状态来确定需要清洁的空间中的清洁目标区域的优先级和用于清洁目标区域的清洁强度。机器人清洁设备1000可以通过例如确定机器人清洁设备1000的速度和吸力来确定机器人清洁设备1000的清洁强度。例如，在高清洁强度下，机器人清洁设备1000可以在缓慢移动的同时进行强力地吸尘。例如，在低清洁强度下，机器人清洁设备1000可以在快速移动的同时进行微弱地吸尘。例如，机器人清洁设备1000可以在快速移动的同时进行强力地吸尘，或者在缓慢移动的同时进行微弱地吸尘。

机器人清洁设备1000的操作模式可以包括例如正常模式、快速模式、省电模式和低噪声模式，但不限于此。例如，当机器人清洁设备1000的操作模式是快速模式时，机器人清洁设备1000可以考虑机器人清洁设备1000的操作时间来确定清洁目标区域和清洁目标区域的优先级，以在操作时间内优先清洁严重污染的区域。例如，当机器人清洁设备1000的操作模式是低噪声模式时，机器人清洁设备1000可以确定清洁目标区域和清洁强度，以便以低噪声清洁严重污染的区域。例如，机器人清洁设备1000可以考虑机器人清洁设备1000的电池电量来确定清洁目标区域和清洁目标区域的优先级。

机器人清洁设备1000可以通过将关于机器人清洁设备1000和需要清洁的空间的信息应用到用于确定清洁目标区域的学习模型，来确定清洁目标区域。例如，机器人清洁设备1000可以通过将关于机器人清洁设备1000的操作模式、机器人清洁设备1000的设备状态以及用户在需要清洁的空间中的运动的信息输入到用于确定清洁目标区域的学习模型，来确定清洁目标区域、清洁目标区域的优先级和用于清洁目标区域的清洁强度等。

在操作S230中，机器人清洁设备1000可以清洁所确定的清洁目标区域。机器人清洁设备1000可以根据清洁目标区域的优先级和用于清洁目标区域的清洁强度来清洁需要清洁的空间。机器人清洁设备1000可以在清洁的同时实时地收集与需要清洁的空间的污染有关的污染数据，并且通过实时地反映收集的污染数据来改变清洁目标区域。

图3是根据本公开的实施例的由机器人清洁设备1000执行的获取污染数据的方法的流程图。

在操作S300中，机器人清洁设备1000可以通过使用机器人清洁设备1000的传感器来检测污染。机器人清洁设备1000可以包括例如红外传感器、超声波传感器、射频(RF)传感器、地磁传感器、位置灵敏装置(PSD)传感器和灰尘传感器。机器人清洁设备1000可以检测机器人清洁设备1000的位置和运动，以及通过在清洁的同时使用机器人清洁设备1000的传感器来确定污染区域的位置和污染级别。机器人清洁设备1000可以生成污染数据，该污染数据包括关于在污染区域中测量的污染级别和污染区域的位置的信息。机器人清洁设备1000可以在污染数据中包括关于产生污染数据的时间的信息。

在操作S310中，机器人清洁设备1000可以通过使用机器人清洁设备1000的相机拍摄污染区域。机器人清洁设备1000可以通过在清洁的同时拍摄被确定为具有污染物的污染区域来生成污染物的图像数据。机器人清洁设备1000可以包括在污染数据中的关于生成污染数据的时间的信息。

在操作S320中，机器人清洁设备1000可以从外部装置3000接收污染数据。至少一个外部装置3000可以安装在需要清洁的空间中以生成污染数据。当污染出现在安装外部装置3000的位置附近的区域中时，外部装置3000可以生成污染数据并将其提供给机器人清洁设备1000。在这种情况下，机器人清洁设备1000可以通过与外部装置3000通信来确定外部装置3000在需要清洁的空间中的位置。机器人清洁设备1000可以通过确定机器人清洁设备1000在需要清洁的空间中的位置以及机器人清洁设备1000和外部装置3000之间的相对位置来确定外部装置3000在需要清洁的空间中的位置。或者，外部装置3000可以确定其在需要清洁的空间中的位置，并向机器人清洁设备1000提供指示外部装置3000的位置的信息。

外部装置3000可以包括例如CCTV、因特网协议(IP)相机、超声波传感器、红外传感器和灰尘传感器。例如，当外部装置3000是安装在需要清洁的空间中的CCTV时，CCTV可以连续地拍摄需要清洁的空间，并且，当检测到污染需要清洁的空间的运动时，CCTV可以向机器人清洁设备1000提供包括检测到的运动的视频数据或捕获的图像数据。例如，当外部装置3000是安装在需要清洁的空间中的灰尘传感器时，灰尘传感器可以实时或周期性地向机器人清洁设备1000提供关于需要清洁的空间的灰尘量的感测数据。例如，当外部装置3000是家用电器时，家用电器可以实时或周期性地向机器人清洁设备1000提供关于其操作状态的信息。外部装置3000可以在污染数据中包括关于生成污染数据的时间的信息。

在操作S330中，机器人清洁设备1000可以获取污染地图数据。机器人清洁设备1000可以通过分析由机器人清洁设备1000生成的污染数据和由外部装置3000生成的污染数据来生成污染地图数据。污染数据可以包括与需要清洁的空间中污染区域的位置和污染级别有关的信息。

机器人清洁设备1000可以通过使用需要清洁的空间的地图数据和在操作S300至S320中获取的污染数据来生成指示需要清洁的空间中的污染位置和污染级别的污染地图数据。机器人清洁设备1000可以在每一时间段生成污染地图数据。

机器人清洁设备1000可以通过将关于机器人清洁设备1000的运动的数据和污染数据给用于生成污染地图数据的学习模型来生成污染地图数据。在这种情况下，用于生成污染地图数据的学习模型可以由机器人清洁设备1000或服务器2000预先学习。或者，例如，机器人清洁设备1000可以将关于机器人清洁设备1000的运动的数据和污染数据提供给服务器2000，并且服务器2000可以将关于机器人清洁设备1000的运动的数据和污染数据应用于用于生成污染地图数据的学习模型。

图4是根据本公开的实施例的由机器人清洁设备1000执行的考虑机器人清洁设备1000的操作模式来确定清洁目标区域的优先级和用于清洁目标区域的清洁强度的方法的流程图。

在操作S400中，机器人清洁设备1000可以确定机器人清洁设备1000的操作模式。机器人清洁设备1000可以考虑需要清洁的空间的环境、当前时间和机器人清洁设备1000的设备状态来确定机器人清洁设备1000的操作模式。例如，机器人清洁设备1000可以考虑关于用户是否存在于需要清洁的空间中的信息、关于用户运动的信息、当前时间、机器人清洁设备1000的电池电量等来确定机器人清洁设备1000的操作模式。在这种情况下，机器人清洁设备1000可以通过收集关于用户是否存在于需要清洁的空间中的信息、关于用户的运动的信息、当前时间、以及机器人清洁设备1000的电池电量，并分析所收集的信息来确定机器人清洁设备1000的操作模式。

机器人清洁设备1000的操作模式可以包括例如正常模式、快速模式、省电模式和低噪声模式，但不限于此。以下将详细描述机器人清洁设备1000的操作模式。

机器人清洁设备1000可以基于用户输入来确定机器人清洁设备1000的操作模式。

在操作S410中，机器人清洁设备1000可以基于污染地图数据和操作模式来确定清洁目标区域的优先级和用于清洁目标区域的清洁强度。例如，当操作模式是快速模式时，机器人清洁设备1000可以确定清洁目标区域，以及确定清洁目标区域的优先级和用于清洁目标区域的清洁强度，以便仅清洁具有等于或大于特定值的污染级别的清洁目标区域。例如，当操作模式是低噪声模式时，机器人清洁设备1000可以确定清洁目标区域，以及确定清洁目标区域的优先级和用于清洁目标区域的清洁强度，以便在低清洁强度下缓慢地清洁具有等于或大于特定值的污染级别的清洁目标区域。

尽管机器人清洁设备1000根据上述操作模式确定清洁目标区域、清洁目标区域的优先级以及用于清洁目标区域的清洁强度，但是本公开不限于此。机器人清洁设备1000可以不确定机器人清洁设备1000的操作模式，并且在这种情况下，机器人清洁设备1000可以考虑需要清洁的空间的环境、当前时间和机器人清洁设备1000的设备状态，来确定清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。每个清洁目标区域可以不同地设置清洁强度。

机器人清洁设备1000可以通过将与需要清洁的空间的环境、当前时间和机器人清洁设备1000的设备状态有关的信息输入到用于确定清洁目标区域的学习模型，来确定清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。在这种情况下，用于确定清洁目标区域的学习模型可以预先由机器人清洁设备1000或服务器2000进行学习。或者，机器人清洁设备1000可以向服务器2000提供与需要清洁的空间的环境、当前时间和机器人清洁设备1000的设备状态有关的信息，并且服务器2000可以向用于确定清洁目标区域的学习模型输入与需要清洁的空间的环境、当前时间和机器人清洁设备1000的设备状态有关的信息。

在操作S420中，机器人清洁设备1000可以根据所确定的优先级和清洁强度执行清洁。机器人清洁设备1000可以根据清洁目标区域的优先级以每个清洁目标区域不同的清洁强度来对清洁目标区域进行清洁。

在操作S430中，机器人清洁设备1000可以在清洁的同时获取实时污染数据。机器人清洁设备1000可以通过使用机器人清洁设备1000的相机和传感器来生成实时污染数据。机器人清洁设备1000可以从外部装置3000接收由外部装置3000生成的实时污染数据。

在操作S440中，机器人清洁设备1000可以更新污染地图数据。机器人清洁设备1000可以通过反映在操作S430中获取的实时污染数据来更新污染地图数据。在这种情况下，机器人清洁设备1000可以反映生成实时污染数据的时间，以更新污染地图数据。

在操作S450中，机器人清洁设备1000可以改变清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。机器人清洁设备1000可以考虑在操作S430中所获取的实时污染数据，改变在操作S410中确定的清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。

尽管机器人清洁设备1000分别在图3和图4中使用用于生成污染地图数据的学习模型和用于确定清洁目标区域的学习模型，但本公开不限于此。机器人清洁设备1000可以通过使用用于生成污染地图数据和确定清洁目标区域的学习模型来获取关于污染地图数据和清洁目标区域的数据。

图5是根据本公开的实施例的由机器人清洁设备1000执行的确定机器人清洁设备1000的操作模式的方法的流程图。

在操作S500中，机器人清洁设备1000可以检查当前时间。在操作S510中，机器人清洁设备1000可以检查机器人清洁设备1000的电池电量。

在操作S520中，机器人清洁设备1000可以从需要清洁的空间中的CCTV接收实时数据。当检测到用户在需要清洁的空间中的运动时，CCTV可以向机器人清洁设备1000提供通过拍摄用户的运动而获得的图像数据。此外，当检测到用户在需要清洁的空间中的运动时，CCTV可以向机器人清洁设备1000提供指示检测到的用户的运动的信息。

在操作S530中，机器人清洁设备1000可以确定和改变机器人清洁设备1000的操作模式。机器人清洁设备1000可以考虑当前时间、电池电量和实时CCTV数据来确定和改变机器人清洁设备1000的操作模式。

例如，机器人清洁设备1000可以考虑当前时间来确定和改变操作模式，这样使得机器人清洁设备1000在夜间以低噪声模式进行操作。例如，机器人清洁设备1000可以考虑电池电量来确定和改变操作模式，这样使得当电池电量等于或小于特定值时，机器人清洁设备1000以省电模式进行操作。例如，当用户存在于需要清洁的空间中时，机器人清洁设备1000可以确定和改变操作模式，这样使得机器人清洁设备1000以快速模式进行操作。例如，当用户不存在于需要清洁的空间中时，机器人清洁设备1000可以确定和改变操作模式，这样使得机器人清洁设备1000以正常模式进行操作。

图6示出了根据本公开的实施例的污染地图数据的示意图。

参照图6，污染地图数据可以包括与需要清洁的空间的平面图有关的信息。例如，需要清洁的空间可以被分为多个房间，污染地图数据可以包括与需要清洁的空间中的房间的位置有关的信息、与家具的位置有关的信息、与污染区域的位置有关的信息以及与污染区域的污染级别有关的信息。如图6中的附图标记60、61和62所示，可以在每一时间段不同地生成污染地图数据。

图7和图8是根据本公开的各种实施例的由机器人清洁设备1000执行的、与服务器2000相关联的确定和改变清洁目标区域的方法的流程图。

参照图7，服务器2000可以通过从机器人清洁设备1000获取污染数据来确定和改变清洁目标区域。

在操作S700中，机器人清洁设备1000可以生成污染数据。在操作S705中，机器人清洁设备1000可以从外部装置3000接收污染数据。

在操作S710中，机器人清洁设备1000可以将所生成的污染数据和所接收的污染数据提供给服务器2000。机器人清洁设备1000可以实时地或周期性地向服务器2000提供所生成的污染数据和所接收的污染数据。

在操作S715中，服务器2000可以生成并更新污染地图数据。服务器2000可以从机器人清洁设备1000接收由机器人清洁设备1000生成的地图数据。服务器2000可以通过分析所接收的地图数据和污染数据来生成污染地图数据。例如，服务器2000可以通过将地图数据和污染数据应用于用于生成污染地图数据的学习模型来生成污染地图数据，但不限于此。

服务器2000可以通过使用从另一机器人清洁设备(未示出)接收的另一需要清洁的空间的其它地图数据和其它污染地图数据，来生成污染地图数据。在这种情况下，由服务器2000使用的另一需要清洁的空间的其它地图数据可以与机器人清洁设备1000的需要清洁的空间的地图数据通过特定值相似或具有更多相似。例如，当另一需要清洁的空间与需要清洁的空间具有类似的空间结构和类似的家具布置时，服务器2000可以使用另一需要清洁的空间的污染地图数据。为了确定另一需要清洁的空间是否与需要清洁的空间相似，例如，服务器2000可以确定另一需要清洁的空间中的用户是否与机器人清洁设备1000的需要清洁的空间中的用户相似。在这种情况下，诸如用户的职业、年龄和性别的信息可以用于确定用户之间的相似性。

在操作S720中，机器人清洁设备1000可以向服务器2000提供关于机器人清洁设备1000的操作模式的信息。机器人清洁设备1000可以基于用户输入来确定操作模式。或者，机器人清洁设备1000可以考虑需要清洁的空间的环境和机器人清洁设备1000的状态来确定操作模式。

在操作S725中，机器人清洁设备1000可以向服务器2000提供关于机器人清洁设备1000的设备状态的信息。机器人清洁设备1000可以周期性地向服务器2000发送关于机器人清洁设备1000的设备状态的信息，但不限于此。

在操作S730中，服务器2000可以确定清洁目标区域。服务器2000可以确定清洁目标区域的位置、清洁目标区域的优先级以及用于清洁目标区域的清洁强度。服务器2000可以考虑污染地图数据、机器人清洁设备1000的操作模式以及机器人清洁设备1000的设备状态来确定清洁目标区域的位置、清洁目标区域的优先级以及用于清洁目标区域的清洁强度。清洁强度可以通过例如机器人清洁设备1000的速度和吸力来确定。

服务器2000可以通过将污染地图数据和与机器人清洁设备1000的操作模式和机器人清洁设备1000的设备状态有关的信息应用到用于确定清洁目标区域的学习模型，来确定清洁目标区域的位置、清洁目标区域的优先级以及用于清洁目标区域的清洁强度。

在操作S735中，服务器2000可以向机器人清洁设备1000提供关于清洁目标区域的信息。在操作S740中，机器人清洁设备1000可以执行清洁操作。机器人清洁设备1000可以基于由服务器2000提供的与清洁目标区域的位置、清洁目标区域的优先级和用于清洁目标区域的清洁强度有关的信息来进行清洁。

在操作S745中，机器人清洁设备1000可以生成实时污染数据。在操作S750中，机器人清洁设备1000可以从外部装置3000接收实时污染数据。在操作S755中，机器人清洁设备1000可以向服务器2000提供所生成的实时污染数据和所接收的实时污染数据。

在操作S760中，服务器2000可以基于实时污染数据来改变清洁目标区域。服务器2000可以通过将实时污染数据应用于用于确定清洁目标区域的学习模型来改变清洁目标区域。

在操作S765中，服务器2000可以向机器人清洁设备1000提供与改变的清洁目标区域有关的信息。

参照图8，可以从外部装置3000向服务器2000提供(在操作S800处)由外部装置3000生成的污染数据(在操作S800处)。

在操作S805中，外部装置3000可以向服务器2000提供由外部装置3000生成的污染数据。在操作S850中，外部装置3000可以向服务器2000提供由外部装置3000生成的实时污染数据。在这种情况下，服务器2000可以通过使用用户的集成ID来一起管理机器人清洁设备1000和外部装置3000。操作S815至S845和S855至S865都类似于图7所示的相应的操作S715至S745和S755至S765，将省略其详细描述。简言之，在操作S810中，机器人清洁设备1000可以向服务器2000提供污染数据，在操作S815中，服务器2000可以生成并更新污染数据，在操作S820中，机器人清洁设备1000可以向服务器2000提供机器人清洁设备的操作模式，在操作S825中，机器人清洁设备1000可以向服务器2000提供与机器人清洁设备的电池电量相关的信息，在操作S830中，服务器可以基于所接收的信息来确定清洁目标区域，在操作S835中，服务器2000可以向机器人清洁设备提供关于清洁目标区域的信息，在操作S840中，机器人清洁设备1000可以执行清洁目标区域的清洁操作，在操作S845中，机器人清洁设备可以生成实时污染数据，在操作S855中，机器人清洁设备1000向服务器2000提供实时污染数据，在操作S860中，基于所接收的实时数据，服务器2000可以改变清洁目标区域，以及在操作S865中，服务器2000可以向机器人清洁设备提供关于改变的清洁目标区域的信息。

图9、图10、图11和图12示出了根据本公开的各种实施例的使用学习模型来确定清洁目标区域的示例的示意图。

参照图9，例如，当需要清洁的空间的污染数据和需要清洁的空间的地图数据被应用于第一学习模型时，可以确定需要清洁的空间的污染地图数据。在这种情况下，第一学习模型可以是用于生成需要清洁的空间的污染地图数据的学习模型。

例如，当将需要清洁的空间的污染地图数据、关于需要清洁的空间的状态的数据以及关于机器人清洁设备1000的设备状态的数据应用于第二学习模型时，可以确定清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。在这种情况下，第二学习模型可以是用于确定清洁目标区域的学习模型。

参照图10，例如，当将需要清洁的空间的污染数据、需要清洁的空间的地图数据和另一需要清洁的空间的污染地图数据应用于第三学习模型时，可以确定需要清洁的空间的污染地图数据。在这种情况下，第三学习模型可以是用于生成需要清洁的空间的污染地图数据的学习模型。

例如，当将需要清洁的空间的污染地图数据、关于需要清洁的空间的状态的数据以及关于机器人清洁设备1000的设备状态的数据应用于第四学习模型时，可以确定机器人清洁设备1000的操作模式、清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。在这种情况下，第四学习模型可以是用于确定机器人清洁设备1000的操作模式和清洁目标区域的学习模型。

参照图11，例如，当将需要清洁的空间的污染数据、需要清洁的空间的地图数据、另一需要清洁的空间的污染地图数据、关于需要清洁的空间的状态的数据以及关于机器人清洁设备1000的装置状态的数据应用于第五学习模型时，可以确定需要清洁的空间的污染地图数据、机器人清洁设备1000的操作模式、清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。在这种情况下，第五学习模型可以是用于确定需要清洁的空间的污染地图数据、机器人清洁设备1000的操作模式以及清洁目标区域的学习模型。

参照图12，例如，当将需要清洁的空间的污染数据、需要清洁的空间的地图数据、另一需要清洁的空间的污染地图数据、关于需要清洁的空间的状态的数据、关于机器人清洁设备1000的设备状态的数据以及用户的时间安排信息应用于第六学习模型时，可以确定清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。在这种情况下，第六学习模型可以是用于确定清洁目标区域的学习模型。

尽管使用图9至图12中的各种类型的学习模型来确定需要清洁的空间的污染地图数据、机器人清洁设备1000的操作模式和清洁目标区域，但本公开不限于此。在类型和数量上与图9至图12所示的学习模型不同的学习模型可以用于确定需要清洁的空间的污染地图数据、机器人清洁设备1000的操作模式以及清洁目标区域。可以将不同和各种类型的信息输入到学习模型。

图13是根据本公开的实施例的用于描述机器人清洁设备1000的操作模式的表格。

参照图13，机器人清洁设备1000的操作模式可以包括例如正常模式、快速模式、低噪声模式和省电模式。正常模式可以是用于正常清洁的操作模式。

快速模式可以是用于快速清洁的操作模式。在快速模式中，机器人清洁设备1000可以在高速移动的同时以高吸力仅清洁具有等于或大于特定值的污染级别的污染区域。当用户设置操作时间时，机器人清洁设备1000可以确定清洁目标区域，以便在设置的操作时间内快速完成清洁。

低噪声模式可以是最小化噪声的操作模式。当用户存在于需要清洁的空间中或是在夜间时，机器人清洁设备1000可以在低噪声模式下进行清洁。在这种情况下，机器人清洁设备1000可以在低速移动的同时以低吸力进行清洁。

省电模式可以是降低电池消耗的操作模式。当机器人清洁设备1000具有低电池电量时，机器人清洁设备1000可以考虑电池电量来以低功耗进行操作以及确定清洁目标区域。

机器人清洁设备1000的上述操作模式仅仅是示例，而机器人清洁设备1000的操作模式不限于此。机器人清洁设备1000可以在不同于上述操作模式的操作模式下进行操作，以及通过使用两个或多个操作模式的组合来进行清洁。机器人清洁设备1000的操作模式可以不以简单的方式进行设置。例如，机器人清洁设备1000可以通过连续地设置和改变用于快速清洁、低噪声清洁和节省清洁的权重来进行操作。

图14是根据本公开另一实施例的清洁系统的示意图。

参照图14，根据本公开的另一实施例的清洁系统可以包括机器人清洁设备1000、服务器2000、至少一个外部装置3000和移动装置4000。

移动装置4000可以通过网络与机器人清洁设备1000、服务器2000和至少一个外部装置3000通信。，移动装置4000可以执行如以上结合图1至图13描述的机器人清洁设备1000的一些功能。例如，移动装置4000可以在移动装置4000的屏幕上显示用于控制机器人清洁设备1000的图形用户界面(GUI)，以及示出了需要清洁的空间的污染级别的地图。例如，移动装置4000可以从机器人清洁设备1000接收关于机器人清洁设备1000的状态和需要清洁的空间的状态的信息，以及使用学习模型来确定如何清洁需要清洁的空间。移动装置4000可以使用至少一个学习模型来生成污染地图数据并确定清洁目标区域。在这种情况下，如以下参考图20至图23描述的，移动装置4000可以执行机器人清洁设备1000的操作。

移动装置4000可以包括例如显示器(未示出)、用于与外部装置通信的通信接口(未示出)、存储有一个或多个指令的存储器(未示出)、至少一个传感器(未示出)以及执行存储在存储器中的指令的处理器(未示出)。移动装置4000的处理器可以通过执行存储在存储器中的指令来控制移动装置4000的其它元件的操作。

图15至图17示出了根据本公开的实施例的移动装置4000控制机器人清洁设备1000以特定操作模式进行操作的示例的示意图。

参照图15，移动装置4000可以从机器人清洁设备1000接收污染地图数据，并且在移动装置4000的屏幕上显示所接收的污染地图数据。例如，移动装置4000可以在屏幕上显示污染地图数据和GUI，该污染地图数据指示住宅的当前污染级别，GUI用于确定是否通过使用机器人清洁设备1000开始清洁。

参照图16，移动装置4000可以在屏幕上显示用于选择机器人清洁设备1000的操作模式的GUI。移动装置4000可以显示机器人清洁设备1000的操作模式的列表。例如，移动装置4000可以显示包括正常模式、低噪声模式、快速模式和省电模式的操作模式列表，并且接收到用于选择快速模式的用户输入。移动装置4000可以请求机器人清洁设备1000在快速模式下进行清洁。

参照图17，移动装置4000可以显示GUI，该GUI示出了使用机器人清洁设备1000进行的清洁的结果。例如，机器人清洁设备1000可以根据移动装置4000的请求在快速模式下清洁需要清洁的空间。例如，机器人清洁设备1000可以在快速模式下清洁需要清洁的空间的极度污染区域和高度污染区域，并向移动装置4000提供指示清洁结果的污染地图数据。这样，移动装置4000可以显示指示清洁结果的污染地图数据。移动装置4000可以显示用于确定是否使用机器人清洁设备1000来安排清洁的GUI。

图18是根据本公开的实施例的机器人清洁设备1000的框图。

参照图18，根据本公开的实施例的机器人清洁设备1000可以包括用户输入器1100、通信单元1200、存储器1400、相机1500、推进器1600、输出器1700、传感器单元1800和处理器1300，输出器1700可以包括扬声器1710和显示器1720。

用户输入器1100可以接收用于控制机器人清洁设备1000的操作的用户输入。例如，用户输入器1100可以包括例如键盘、锅仔片、触摸板(例如，电容覆盖层、电阻覆盖层、红外波束、表面声波、整体应变仪或压电触摸板)、微动轮和微动开关，但不限于此。

通信单元1200可以包括用于与服务器2000和外部装置3000通信的一个或多个通信模块。例如，通信单元1200可以包括短距离无线通信单元和移动通信单元。短距离无线通信单元可以包括例如蓝牙通信单元、BLE通信单元、NFC单元、WLAN(或Wi-Fi)通信单元、Zigbee通信单元、IrDA通信单元、WFD通信单元、UWB通信单元或Ant+通信单元，但不限于此。移动通信单元向移动通信网络中的基站、外部终端或服务器中的至少一个发送无线电信号以及从移动通信网络中的基站、外部终端或服务器中的至少一个接收无线电信号。本文中，无线电信号可以包括语音呼叫信号、视频呼叫信号或由于文本/多媒体消息的收发而出现的各种类型的数据。

存储器1400可以存储用于控制机器人清洁设备1000的操作的程序。存储器1400可以包括用于控制机器人清洁设备1000的操作的至少一个指令。存储器1400可以存储例如地图数据、污染数据、污染地图数据和关于清洁目标区域的数据。存储器1400可以存储例如用于生成污染地图数据的学习模型以及用于确定清洁目标区域的学习模型。存储在存储器1400中的程序可以根据其功能被分类成多个模块。

存储器1400可以包括闪存、硬盘、微型多媒体卡、卡式存储器(例如，安全数字(SD)或极端数字(XD)存储器)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程ROM(EEPROM)、可编程ROM(PROM)、磁存储器、磁盘和光盘中的至少一种类型的存储介质。

相机1500可以拍摄机器人清洁设备1000的周围环境。当机器人清洁设备1000在进行清洁时，相机1500可以拍摄机器人清洁设备1000的周围环境或地板。

推进器1600可以包括用于使机器人清洁设备1000运动的至少一个驱动轮。推进器1600可以包括连接到驱动轮以使驱动轮旋转的驱动马达。驱动轮可以包括分别设置在机器人清洁设备1000的主体的左侧和右侧的左轮和右轮。左轮和右轮可以由单个驱动马达驱动，或者在需要时可以分别使用用于驱动左轮的左轮驱动马达和用于驱动右轮的右轮驱动马达。在这种情况下，可以通过以不同的速度旋转左轮和右轮而使机器人清洁设备1000转向左侧或转向右侧。

输出器1700可以输出音频信号或视频信号。输出器1700可以包括扬声器1710和显示器1720。扬声器1710可以输出从通信单元1200接收的或存储在存储器1400中的音频数据。扬声器1710可以输出与机器人清洁设备1000执行的功能相关的声音信号(例如，呼叫信号接收声音、消息接收声音或通知声音)。

显示器1720显示由机器人清洁设备1000处理的信息。例如，显示器1720可以显示用于控制机器人清洁设备1000的用户界面或指示机器人清洁设备1000的状态的用户界面。

当显示器1720和触摸板分层以配置触摸屏时，显示器1720不仅可以用作输出装置，还可以用作输入装置。

传感器单元1800可以包括至少一个传感器，用于感测关于机器人清洁设备1000的操作和状态的数据以及关于需要清洁的空间的污染的数据。传感器单元1800可以包括例如红外传感器、超声波传感器，RF传感器、地磁传感器或PSD传感器中的至少之一。

传感器单元1800可检测机器人清洁设备1000附近的污染区并检测污染级别。传感器单元1800可以检测机器人清洁设备1000附近的障碍物，或者检测是否存在机器人清洁设备1000附近的陡峭面。

传感器单元1800可以进一步包括用于检测机器人清洁设备1000操作的操作检测传感器。例如，传感器单元1800可以包括陀螺仪传感器、轮子传感器和加速度传感器。

当机器人清洁设备1000移动时，陀螺仪传感器可以检测旋转方向和旋转角度。轮子传感器可以连接到左轮和右轮以检测每个轮子的转数。例如，轮子传感器可以是旋转编码器，但不限于此。

处理器1300通常可以控制机器人清洁设备1000的整体操作。例如，处理器1300可以通过执行存储在存储器1400中的程序来控制用户输入器1100、通信单元1200、存储器1400、相机1500、推进器1600、输出器1700和传感器单元1800。处理器1300可以通过控制用户输入器1100、通信单元1200、存储器1400、相机1500、推进器1600、输出器1700和传感器单元1800来控制如以上结合图1至13描述的机器人清洁设备1000的操作。

处理器1300可以获取污染数据。处理器1300可以通过使用机器人清洁设备1000的相机和传感器来生成需要清洁的空间的污染数据。处理器1300可以通过在清洁需要清洁的空间的同时利用相机拍摄需要清洁的空间，来生成指示需要清洁的空间的污染级别的图像数据。处理器1300可以通过在清洁需要清洁的空间的同时通过灰尘传感器感测需要清洁的空间，来生成指示需要清洁的空间中的灰尘量的感测数据。

处理器1300可以从外部装置3000接收污染数据。外部装置3000可以向服务器2000提供由外部装置3000生成的污染数据，并且处理器1300可以从服务器2000接收由外部装置3000生成的污染数据。

处理器1300可以基于污染数据获取污染地图数据。处理器1300可以通过使用所获取的污染数据来生成和更新污染地图数据。污染地图数据可以包括需要清洁的空间的地图和指示需要清洁的空间中污染区域的位置和污染级别的信息。污染地图数据可以在每一时间段生成，并且在每个时间段指示需要清洁的空间内污染区域的位置和污染级别。

处理器1300可以通过在移动的同时识别机器人清洁设备1000的位置来生成需要清洁的空间的地图数据。处理器1300可以通过使用污染数据和地图数据来生成指示需要清洁的空间中的污染区域的污染地图数据。

处理器1300可以通过例如将需要清洁的空间的地图数据和污染数据应用于用于生成污染地图数据的学习模型来生成污染地图数据。

或者，处理器1300可以从服务器2000请求污染地图数据。在这种情况下，处理器1300可以向服务器2000提供需要清洁的空间的地图数据和污染数据，服务器2000可以通过将需要清洁的空间的地图数据和污染数据应用到用于生成污染地图数据的学习模型来生成污染地图数据。

处理器1300可以基于污染地图数据来确定清洁目标区域。处理器1300可以基于污染地图数据来预测需要清洁的空间中的污染区域的位置和污染级别，并基于机器人清洁设备1000的操作模式和设备状态来确定至少一个清洁目标区域。

考虑机器人清洁设备1000的操作模式和设备状态，处理器1300可以确定需要清洁的空间中的清洁目标区域的优先级和用于清洁目标区域的清洁强度。处理器1300可以通过例如确定机器人清洁设备1000的速度和吸力来确定机器人清洁设备1000的清洁强度。

处理器1300可以通过将关于机器人清洁设备1000和需要清洁的空间的信息应用于用于确定清洁目标区域学习模型，来确定清洁目标区域。例如，处理器1300可以通过将关于机器人清洁设备1000的操作模式、机器人清洁设备1000的设备状态以及用户在需要清洁的空间中的运动的信息输入到用于确定清洁目标区域的学习模型，来确定清洁目标区域以及清洁目标区域的优先级和用于清洁目标区域的清洁强度。

处理器1300可以清洁所确定的清洁目标区域。处理器1300可以根据清洁目标区域的优先级和用于清洁目标区域的清洁强度来清洁需要清洁的空间。处理器1300可以在清洁的同时实时收集关于需要清洁的空间的污染的污染数据，并且通过反映实时收集的污染数据来改变清洁目标区域。

图19是根据本公开的实施例的服务器2000的框图。

参照图19，根据本公开的实施例的服务器2000可以包括通信单元2100、存储器2200和处理器2300。

通信单元2100可以包括用于与机器人清洁设备1000和外部装置3000通信的一个或多个通信模块。例如，通信单元2100可以包括短距离无线通信单元和移动通信单元。短距离无线通信单元可以包括例如蓝牙通信单元、BLE通信单元、NFC单元、WLAN(或Wi-Fi)通信单元、Zigbee通信单元、IrDA通信单元、WFD通信单元、UWB通信单元或Ant+通信单元，但不限于此。移动通信单元向移动通信网络中的基站、外部终端或服务器中的至少一个发送无线电信号以及从移动通信网络中的基站、外部终端或服务器中的至少一个接收无线电信号。本文中，无线电信号可以包括语音呼叫信号、视频呼叫信号或由于文本/多媒体消息的收发而出现的各种类型的数据。

存储器2200可以存储用于控制服务器2000的操作的程序。存储器2200可以包括用于控制服务器2000的操作的至少一个指令。存储器2200可以存储例如地图数据、污染数据、污染地图数据和关于清洁目标区域的数据。存储器2200可以存储例如用于生成污染地图数据的学习模型以及用于确定清洁目标区域的学习模型。存储在存储器2200中的程序可以根据其功能被分类为多个模块。

存储器2200可以包括多个数据库(DB)，以综合地管理例如多个用户的用户标识符(ID)、多个机器人清洁设备的污染地图数据以及多个外部装置的感测数据。

处理器2300通常可以控制服务器2000的整体操作。例如，处理器2300可以通过执行存储在存储器2200中的程序来控制通信单元2100和存储器2200。处理器2300可以通过控制通信单元2100和存储器2200来控制如以上结合图1至图13描述的服务器2000的操作。

处理器2300可以从机器人清洁设备1000或外部装置3000中的至少一个接收污染数据。处理器2300可以实时地或周期性地从机器人清洁设备1000或外部装置3000中的至少一个接收污染数据。

处理器2300可以生成并更新污染地图数据。处理器2300可以从机器人清洁设备1000接收由机器人清洁设备1000生成的地图数据。处理器2300可以通过分析所接收的地图数据和污染数据来生成污染地图数据。例如，处理器2300可以通过将地图数据和污染数据应用到用于生成污染地图数据的学习模型来生成污染地图数据，但不限于此。

处理器2300可以通过使用从另一机器人清洁设备(未示出)接收的、另一需要清洁的空间的其它地图数据和其它污染地图数据，来生成污染地图数据。在这种情况下，由处理器2300使用的、另一需要清洁的空间的其它地图数据可以与机器人清洁设备1000的需要清洁的空间的地图数据以特定值或更多值相似。例如，当另一需要清洁的空间和需要清洁的空间具有类似的空间结构和类似的家具布置时，处理器2300可以使用另一需要清洁的空间的污染地图数据。为了确定另一需要清洁的空间是否与需要清洁的空间相似，例如，处理器2300可以确定另一需要清洁的空间中的用户是否与机器人清洁设备1000的需要清洁的空间中的用户相似。在这种情况下，诸如用户的职业、年龄和性别等的信息可以用于确定用户之间的相似性。

处理器2300可以从机器人清洁设备1000接收关于机器人清洁设备1000的操作模式的信息。处理器2300可以从机器人清洁设备1000接收关于机器人清洁设备1000的设备状态的信息。

处理器2300可以确定清洁目标区域。处理器2300可以确定清洁目标区域的位置、清洁目标区域的优先级以及用于清洁目标区域的清洁强度。处理器2300可以考虑污染地图数据、机器人清洁设备1000的操作模式和机器人清洁设备1000的设备状态来确定清洁目标区域的位置、清洁目标区域的优先级以及清洁目标区域的清洁强度。清洁强度可以通过例如机器人清洁设备1000的速度和吸力来确定。

处理器2300可以通过将污染地图数据和关于机器人清洁设备1000的操作模式和机器人清洁设备1000的设备状态的信息应用到用于确定清洁目标区域的学习模型，来确定清洁目标区域的位置、清洁目标区域的优先级和用于清洁目标区域的清洁强度。

处理器2300可以从机器人清洁设备1000或外部装置3000中的至少一个接收实时的污染数据。处理器2300可以基于实时的污染数据改变清洁目标区域。处理器2300可以通过将实时的污染数据应用到用于确定清洁目标区域的学习模型来改变清洁目标区域。处理器2300可以向机器人清洁设备1000提供关于改变的清洁目标区域的信息。

处理器2300可以通过使用用户的集成ID来一起管理机器人清洁设备1000和外部装置3000。

图20是根据本公开的实施例的处理器1300的框图。

参照图20，根据本公开的实施例的处理器1300可以包括数据学习器1310和数据识别器1320。

数据学习器1310可以学习用于生成污染地图数据、确定清洁目标区域或者确定机器人清洁设备1000的操作模式中的至少一个的标准。数据学习器1310可以学习哪些数据被用于决定生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个，并且学习与如何通过使用数据来决定生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个有关的标准。数据学习器1310可以通过获取要用于学习的数据并将所获取的数据应用到将在以下进行描述的数据识别模型，来学习用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的标准。

数据识别器1320可以基于数据来决定生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。数据识别器1320可以通过使用特定数据和经过学习的数据识别模型来执行生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。数据识别器1320可以通过根据经过学习的预设标准获取特定数据以及使用所获取的数据作为数据识别模型的输入值，来执行生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。通过使用所获取的数据作为输入值而从数据识别模型输出的结果值可用于更新数据识别模型。

数据学习器1310或数据识别器1320中的至少一个可以以至少一个硬件芯片的形式生产并安装在电子设备中。例如，数据学习器1310或数据识别器1320中的至少一个可以以用于人工智能(AI)的专用硬件芯片的形式，或者作为通用处理器(例如，中央处理单元(CPU)或应用处理器)或专用图形处理器(例如，图形处理单元(GPU))的一部分来生产，并且安装在各种电子设备中。

在这种情况下，数据学习器1310和数据识别器1320可以一起安装在一个电子设备中，或者单独安装在不同的电子设备中。例如，数据学习器1310和数据识别器1320中的一个可以被包括在电子设备中，而另一个可以被包括在服务器中。以有线或无线的方式，可以向数据识别器1320提供由数据学习器1310构造的模型信息，并且可以将输入到数据识别器1320的数据作为附加的训练数据提供给数据学习器1310。

数据学习器1310或数据识别器1320中的至少一个可以实现为软件模块。当数据学习器1310或数据识别器1320中的至少一个实现为软件模块(或包括指令的程序模块)时，软件模块可以被存储在非暂时性计算机可读记录介质中。在这种情况下，一个或多个软件模块可以由操作系统(OS)或特定应用程序提供。或者，一个或多个软件模块中的一些可由OS提供以及另外的一些软件模块可由特定应用提供。

图21是根据本公开的实施例的数据学习器1310的框图。

参照图21，根据本公开的实施例的数据学习器1310可以包括数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4和模型评估器1310-5。

数据获取器1310-1可以获取用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个所需的数据。数据获取器1310-1可以获取用于学习生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个所需的数据。

例如，可以获取由机器人清洁设备1000捕获的图像、由机器人清洁设备1000感测的感测数据、由外部装置3000捕获的图像、由外部装置3000感测的感测数据、需要清洁的空间的地图数据、另一需要清洁的空间的污染地图数据、关于需要清洁的空间的状态的信息或者关于机器人清洁设备1000的状态的信息中的至少一个以用于学习。然而，为学习而获取的数据不限于此，例如，可输入到图9至图12的学习模型的数据可被获取以用于学习。

预处理器1310-2可以预处理所获取的数据，以使其可用于学习生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。预处理器1310-2可以将获取的数据处理成预设格式，这样使得以下要描述的模型学习器1310-4可以使用所获取的数据来学习生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。

训练数据选择器1310-3可以从预处理数据中选择学习所需的数据。可以将所选择的数据提供给模型学习器1310-4。训练数据选择器1310-3可以根据生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的预设标准，从预处理数据中选择学习所需的数据。训练数据选择器1310-3可以根据由以下要进行描述的模型学习器1310-4学习的预定标准来选择数据。

模型学习器1310-4可以基于训练数据来学习用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的标准。模型学习器1310-4可以学习与需要哪些训练数据用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个有关的标准。

模型学习器1310-4可以通过使用训练数据来学习用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的数据识别模型。在这种情况下，数据识别模型可以是先前构建的模型。例如，数据识别模型可以是通过接收基本训练数据的先前构建的模型。

可以考虑识别模型的适用领域、学习的目的或设备的计算机性能等来构建数据识别模型。数据识别模型例如可以是基于神经网络的模型。例如，基于深度神经网络(DNN)、循环神经网络(RNN)或双向循环深度神经网络(BRDNN)的模型可以用作数据识别模型。然而，数据识别模型不限于此。

根据本公开的各种实施例，当存在多个先前构造的数据识别模型时，模型学习器1310-4可以将与输入训练数据和基本训练数据高度相关的数据识别模型确定为要学习的数据识别模型。在这种情况下，可以根据数据类型对基本训练数据进行预先分类，并且可以根据数据类型预先构建数据识别模型。例如，可以根据各种标准(例如，生成训练数据的区域、生成训练数据的时间、训练数据的大小、训练数据的种类、训练数据的创建者以及训练数据中的对象的类型)对基本训练数据进行预先分类。

模型学习器1310-4可以通过例如使用包括误差反向传播或梯度下降的学习算法来学习数据识别模型。

模型学习器1310-4可以通过例如使用训练数据作为输入值的监督学习来学习数据识别模型。模型学习器1310-4可以通过例如无监督学习来学习数据识别模型，该无监督学习是指通过在没有任何监督的情况下自主学习确定情况所需的数据类型以寻找用于确定情况的标准。模型学习器1310-4可以通过例如使用反馈的强化学习来学习数据识别模型，该反馈是关于通过学习来确定情况的结果是否正确的反馈。

当数据识别模型进行学习时，模型学习器1310-4可以存储经过学习的数据识别模型。在这种情况下，模型学习器1310-4可以将经过学习的数据识别模型存储在包括数据识别器1320的电子设备的存储器中。具体地，模型学习器1310-4可以将经过学习的数据识别模型存储在包括将在以下进行描述的数据识别器1320的电子设备的存储器中。或者，模型学习器1310-4可以将经过学习的数据识别模型存储在以有线或无线网络连接到电子设备的服务器的存储器中。

在这种情况下，存储有经学习的数据识别模型的存储器还可以存储例如与电子设备的至少一个其它元件相关的命令或数据。存储器还可以存储软件和/或程序。程序可以包括例如内核、中间件、应用程序接口(API)和/或应用程序(或“应用”)。

模型评估器1310-5可以将评估数据输入到数据识别模型，当使用评估数据输出的识别结果不满足特定标准时，模型评估器1310-5可以请求模型学习器1310-4再次学习。在这种情况下，评估数据可以是用于评估数据识别模型的预设数据。

例如，当与不正确的识别结果对应的评估数据的个数在用于评估数据的经学习数据识别模型的识别结果中的数量或比率超过预设阈值时，模型评估器1310-5可以评估不满足特定标准。例如，假设特定标准被定义为2％的比率，当经学习的数据识别模型对总共1000个评估数据中的超过20个评估数据输出错误的识别结果时，模型评估器1310-5可以评估经学习的数据识别模型是不合适的。

当存在多个经学习的数据识别模型时，模型评估器1310-5可以评估经学习数据识别模型中的每个是否满足特定标准，并将满足特定标准的模型确定为最终数据识别模型。在这种情况下，当多个模型满足特定标准时，模型评估器1310-5可以确定按照评估得分的顺序选择的预设模型或特定数量的模型作为最终数据识别模型。

数据学习器1310中的数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4或模型评估器1310-5中的至少一个可以以至少一个硬件芯片的形式来生产并安装在电子设备中。例如，数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4或模型评估器1310-5中的至少一个可以以用于AI的专用硬件芯片的形式，或者作为通用处理器(例如，CPU或应用处理器)或专用图形处理器(例如，GPU)的一部分来生产，并且被安装在各种电子设备中。

数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4和模型评估器1310-5可以一起安装在一个电子设备中，或者分别安装在不同的电子设备中。例如，数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4和模型评估器1310-5中的一些可以被包括在电子设备中，而另一些可以被包括在服务器中。

数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4或模型评估器1310-5中的至少一个可以被实现为软件模块。当数据获取器1310-1、预处理器1310-2、训练数据选择器1310-3、模型学习器1310-4或模型评估器1310-5中的至少一个被实现为软件模块(或包括指令的程序模块)时，软件模块可以被存储在非暂时性计算机可读记录介质中。在这种情况下，一个或多个软件模块可以由OS或特定应用提供。或者，一个或多个软件模块中的一些可由OS提供而另一些可由特定应用提供。

图22是根据本公开的实施例的数据识别器1320的框图。

参照图22，根据本公开的实施例的数据识别器1320可以包括数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4和模型更新器1320-5。

数据获取器1320-1可以获取用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个所需的数据，预处理器1320-2可以预处理所获取的数据以使其可用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。预处理器1320-2可以将所获取的数据处理成预设格式，这样使得将在以下进行描述的识别结果提供器1320-4可以使用所获取的数据用于生成污染地图数据、确定清洁目标区域或者确定机器人清洁设备1000的操作模式中的至少一个。

特征数据选择器1320-3可以从预处理的数据中选择用于生成污染地图数据、确定清洁目标区域或者确定机器人清洁设备1000的操作模式中的至少一个所需的数据。可以将所选择的数据提供给识别结果提供器1320-4。特征数据选择器1320-3可以根据用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的预设标准来选择预处理数据的一部分或全部。特征数据选择器1320-3可以根据以上结合图21所描述的模型学习器1310-4所学习的预设标准来选择数据。

识别结果提供器1320-4可以通过将所选择的数据应用到数据识别模型来执行生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。识别结果提供器1320-4可以根据数据识别的目的来提供识别结果。识别结果提供器1320-4可以通过使用由特征数据选择器1320-3选择的数据作为输入值来将选择的数据应用到数据识别模型。识别结果可以由数据识别模型确定。

例如，可以获得由机器人清洁设备1000捕获的图像、由机器人清洁设备1000感测的感测数据、由外部装置3000捕获的图像、由外部装置3000感测的感测数据、需要清洁的空间的地图数据、另一需要清洁的空间的污染地图数据、关于需要清洁的空间的状态的信息或关于机器人清洁设备1000的状态的信息中的至少一个用于识别。然而，为了进行识别而获取的数据不限于此，例如，可输入到图9至图12的学习模型的数据可被获取以用于识别。

模型更新器1320-5可以基于对从识别结果提供器1320-4提供的识别结果的评估来请求更新数据识别模型。例如，模型更新器1320-5可以请求模型学习器1310-4通过向模型学习器1310-4提供从识别结果提供器1320-4提供的识别结果来更新数据识别模型。

数据识别器1320中的数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4或模型更新器1320-5中的至少一个可以以至少一个硬件芯片的形式生产并安装在电子设备中。例如，数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4或模型更新器1320-5中的至少一个可以以用于AI的专用硬件芯片的形式，或者作为通用处理器(例如，CPU或应用处理器)或专用图形处理器(GPU)的一部分来生产并安装在各种电子设备中。

数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4和模型更新器1320-5可以一起安装在一个电子设备中，或者分别安装在不同的电子设备中。例如，数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4和模型更新器1320-5中的一些可以被包括在电子设备中，而另一些可以被包括在服务器中。

数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4或模型更新器1320-5中的至少一个可以作为软件模块来实现。当数据获取器1320-1、预处理器1320-2、特征数据选择器1320-3、识别结果提供器1320-4或模型更新器1320-5中的至少一个被实现为软件模块(或包括指令的程序模块)时，可以将软件模块存储在非暂时性计算机可读记录介质中。在这种情况下，一个或多个软件模块可以由OS或特定应用提供。或者，一个或多个软件模块中的一些可由OS提供而另一些可以由特定应用提供。

图23示出了根据本公开的实施例的机器人清洁设备1000和服务器2000彼此关联地学习和识别数据的示例的框图。

参照图23，服务器2000可以学习用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的标准，机器人清洁设备1000可以基于服务器2000的学习结果执行生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。

在这种情况下，服务器2000可以用作图21所示的数据学习器1310。数据获取器2310可以用作图21所示的数据获取器1310-1。预处理器2320可以用作图21所示的预处理器1310-2。训练数据选择器2330可以用作图21所示的训练数据选择器1310-3。模型学习器2340可以用作图21所示的模型学习器1310-4。模型评估器2350可以用作图21所示的模型评估器1310-5。服务器2000可以学习哪些数据被用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个，以及通过使用数据学习用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的标准。模型学习器2340可以通过获取用于学习的数据，并将所获取的数据应用到数据识别模型，来学习用于生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个的标准。

机器人清洁设备1000的识别结果提供器1320-4可以通过将由特征数据选择器1320-3选择的数据应用到由服务器2000生成的数据识别模型，来执行生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。例如，识别结果提供器1320-4可以将由特征数据选择器1320-3选择的数据发送到服务器2000以请求决定生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个，服务器2000可以将由特征数据选择器1320-3选择的数据应用到数据识别模型，来决定生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。识别结果提供器1320-4可以从服务器2000接收与服务器2000的决定有关的信息。

或者，机器人清洁设备1000的识别结果提供器1320-4可以从服务器2000接收由服务器2000生成的数据识别模型，并通过使用所接收的数据识别模型执行生成污染地图数据、确定清洁目标区域或确定机器人清洁设备1000的操作模式中的至少一个。在这种情况下，机器人清洁设备1000的识别结果提供器1320-4可以将由特征数据选择器1320-3选择的数据应用到从服务器2000接收的数据识别模型。

图24是根据本公开的实施例的由机器人清洁设备1000执行的将需要清洁的空间中的对象移动到特定位置的方法的流程图。

参照图24，在操作S2400中，可以检测需要清洁的空间中的对象。机器人清洁设备1000可以通过使用机器人清洁设备1000的至少一个传感器来检测需要清洁的空间中的对象。机器人清洁设备1000可以通过使用例如单眼/立体视觉相机、激光雷达、超声波传感器、红外传感器或RF传感器中的至少一个来检测对象。机器人清洁设备1000可以通过使用例如激光雷达传感器来检测对象在需要清洁的空间中的位置和尺寸。机器人清洁设备1000可以通过使用例如RF传感器来检测需要清洁的空间中的对象的材料特性。机器人清洁设备1000例如可以捕获需要清洁的空间中的对象的图像。

在操作S2410中，机器人清洁设备1000可以识别被检测的对象的类型。机器人清洁设备1000可以通过使用与在操作S2400中检测到的对象有关的感测数据来识别对象的类型。通过识别对象的类型，机器人清洁设备1000可以确定检测到的对象是否是无用物。机器人清洁设备1000可以通过识别对象的类型来确定检测到的对象是否是重要对象。机器人清洁设备1000可以通过识别对象的类型来确定所检测的对象是否需要被移动。

机器人清洁设备1000可以通过将感测数据输入到至少一个学习模型来识别对象的类型或属性。在这种情况下，用于识别对象的类型或属性的学习模型可以使用诸如深度学习和图像处理的各种数据处理方法，但不限于此。

在操作S2420中，机器人清洁设备1000可以确定是否移动对象。当确定对象不重要时，机器人清洁设备1000可以确定对象需要被丢弃，并且确定不移动对象。否则，当确定对象为重要时，机器人清洁设备1000可以确定是否移动对象。例如，机器人清洁设备1000可以将遥控器、笔、戒指、硬币、纽扣等确定为可移动的重要对象。此外，例如，机器人清洁设备1000可以将诸如手持镜、饮水玻璃杯或瓷盘的易碎对象确定为不可移动的重要对象。

机器人清洁设备1000可以通过将关于对象的类型或属性的值输入到特定学习模型来确定是否移动对象，但不限于此。当机器人清洁设备1000将感测数据输入到特定学习模型时，可以从学习模型输出操作S2410和S2420的结果值。

在操作S2430中，机器人清洁设备1000可以在清洁的同时移动对象。机器人清洁设备1000可以根据预设标准将对象移动到特定位置。

例如，机器人清洁设备1000可以以将所有重要对象移动到一个位置的方式，来设置对象要移动到的位置。例如，机器人清洁设备1000可以以不同类型的对象移动到不同位置的方式，来设置对象要移动到的位置。例如，机器人清洁设备1000可以以仅将用户指定的特定对象移动到特定位置的方式，来设置对象要移动到的位置。在这种情况下，机器人清洁设备1000可以在机器人清洁设备1000的屏幕上显示GUI，该GUI用于设置对象要移动到的位置。还可以在能够控制机器人清洁设备1000的移动装置4000的屏幕上显示用于设置对象要移动到的位置的GUI。

机器人清洁设备1000可以根据预设标准确定移动重要对象的定时。例如，机器人清洁设备1000可以在确定清洁目标区域和设置对清洁目标区域进行清洁的路线之后以及在进行清洁之前，将重要对象移动到特定位置。例如，机器人清洁设备1000可以在对清洁目标区域完全清洁之后将重要对象移动到特定位置。例如，当在清洁期间发现重要对象时，机器人清洁设备1000可以中断清洁操作，移动重要对象，然后返回到机器人清洁设备1000的、清洁操作被中断的位置，以继续清洁操作。在这种情况下，机器人清洁设备1000可以在机器人清洁设备1000的屏幕上显示用于设置移动重要对象的定时的GUI。用于设置移动重要对象的定时的GUI也可以显示在能够控制机器人清洁设备1000的移动装置4000的屏幕上。

在移动重要对象的同时，机器人清洁设备1000可以中断其清洁功能中的至少一个，例如抽吸和刷洗。

机器人清洁设备1000可以创建用于将重要对象移动到特定位置的路线，并且将对象沿着所创建的路线移动到特定位置。在这种情况下，可以创建用于将重要对象移动到特定位置的路线，以在不污染需要清洁的空间中已经由机器人清洁设备1000清洁的区域的情况下移动重要对象。机器人清洁设备1000可以依据重要对象是否位于已经清洁的区域中而不同地创建路线。

机器人清洁设备1000可以通过使用至少一个学习模型来创建用于移动重要对象的路线。在这种情况下，机器人清洁设备1000可以通过将需要清洁的空间的地图、与需要清洁的空间中的对象有关的信息、与需要清洁的空间的已清洁区域有关的信息以及与重要对象的移动有关的设置信息输入到学习模型，来确定重要对象的路线。在操作S2440中，机器人清洁设备1000可以输出与对象的移动有关的通知信息。机器人清洁设备1000可以根据对象的类型输出各种类型的通知信息。例如，机器人清洁设备1000可以输出指示已发现重要对象的通知信息。例如，机器人清洁设备1000可以移动重要对象，然后输出指示重要对象移动到的位置的通知信息。例如，当确定重要对象是易碎的或几乎不可移动的时候，机器人清洁设备1000可以不移动重要对象，仅输出指示已发现重要对象或者指示重要对象被发现的位置的通知信息。

机器人清洁设备1000可以通过机器人清洁设备1000的输出器输出通知信息。在这种情况下，通知信息可以包括例如文本数据、图像数据和声音数据，但不限于此。机器人清洁设备1000可以向能够控制机器人清洁设备1000的移动装置4000提供通知信息。

图24的方法连同机器人清洁设备1000的、在以上结合图1至图23进行描述的操作可以由机器人清洁设备1000执行。

本公开的实施例可以以计算机可读记录介质的形式来实现，计算机可读记录介质包括可由计算机执行的指令，例如由计算机执行的程序模块。计算机可读记录介质可以是计算机可访问的任意可用介质，并且其示例包括所有易失性、非易失性介质，可移动和不可移动介质。计算机可读记录介质可以包括计算机存储介质。计算机存储介质的示例包括使用用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任意方法或技术来实现的所有易失性、非易失性介质，可移动和不可移动介质。

如本文所使用的，后缀“单元”或“--器”可指示硬件组件，例如处理器或电路和/或由诸如处理器的硬件组件执行的软件组件。

应当理解，本公开的实施例应当被认为仅仅是描述的意义，而不是为了限制的目的。对本公开的每个实施例内的特征或方面的描述应当被认为可用于本公开的其它实施例中的其它类似特征或方面。例如，被描述为单个类型的每个组件可以以分布式的方式来实现。同样，描述为分布式的组件可以以组合的方式来实现。

虽然已经参考本公开的各种实施例示出和描述了本公开，但是本领域技术人员将理解，在不脱离由所附权利要求及其等同限定的本公开的精神和范围的情况下，可以在其中在形式和细节上进行各种改变。

Claims (14)

1.一种机器人清洁设备，用于对需要清洁的空间进行清洁，所述机器人清洁设备包括：

通信接口；

存储器，存储有一个或多个指令；以及

至少一个处理器，配置为：

执行所述一个或多个指令以控制所述机器人清洁设备，

执行所述一个或多个指令以获取指示所述需要清洁的空间的污染级别的污染数据，

将所述污染数据和所述需要清洁的空间的地图数据发送到服务器，

从所述服务器接收污染地图数据，其中所述污染地图数据由所述服务器基于所述污染数据、所述污染数据被生成的时间、所述地图数据、以及从安装在另一需要清洁的空间中的另一机器人清洁设备接收的另一地图数据和另一污染地图数据而生成，并且其中所述另一地图数据和所述地图数据的相似性大于阈值，并且其中所述污染地图数据包括对应于不同时间段的多个污染地图，

基于所述污染地图数据中所包括的多个污染地图之中的、与当前时间对应的污染地图，确定所述需要清洁的空间中的至少一个清洁目标区域、针对所述至少一个清洁目标区域的优先级和清洁强度，以及

根据所确定的优先级和所确定的清洁强度清洁所确定的至少一个清洁目标区域，

其中，所述污染地图数据包括：指示所述需要清洁的空间中的污染区域的位置的信息、所述污染区域的污染级别、以及所述需要清洁的空间中的对象的位置。

2.根据权利要求1所述的机器人清洁设备，其中，通过将所述污染数据和所述污染地图数据应用到至少一个学习模型来确定所述至少一个清洁目标区域，所述至少一个学习模型被学习以确定所述至少一个清洁目标区域在所述需要清洁的空间中的位置和优先级。

3.根据权利要求2所述的机器人清洁设备，

其中，通过将所述另一污染地图数据应用于所述至少一个学习模型来确定所述至少一个清洁目标区域，所述另一污染地图数据与所述需要清洁的空间的所述污染地图数据在特定值或更多方面相似，以及

其中，所述另一需要清洁的空间与所述需要清洁的空间通过特定值相似或在更多方面相似。

4.根据权利要求1所述的机器人清洁设备，其中，基于由所述机器人清洁设备的相机捕获的图像和由所述机器人清洁设备的传感器感测的感测数据来获取所述污染数据。

5.根据权利要求1所述的机器人清洁设备，其中，基于从安装在所述需要清洁的空间中的相机接收到的捕获图像和从安装在所述需要清洁的空间中的传感器接收到的感测数据来获取所述污染数据。

6.根据权利要求1所述的机器人清洁设备，其中，所述至少一个处理器进一步配置为执行所述一个或多个指令以：

从多个操作模式之中确定操作模式；以及

基于所确定的操作模式来确定所述至少一个清洁目标区域。

7.根据权利要求6所述的机器人清洁设备，其中，基于所确定的操作模式来确定所述机器人清洁设备在所述至少一个清洁目标区域中的清洁强度。

8.根据权利要求6所述的机器人清洁设备，其中，所述多个操作模式包括快速模式、低噪声模式和正常模式中的至少两个。

9.根据权利要求1所述的机器人清洁设备，其中，所述至少一个处理器进一步配置为执行所述一个或多个指令以：

获取所述机器人清洁设备的电池电量信息；以及

基于所述电池电量信息确定所述至少一个清洁目标区域。

10.一种由机器人清洁设备执行、对需要清洁的空间进行清洁的方法，所述方法包括：

获取指示所述需要清洁的空间的污染级别的污染数据；

将所述污染数据和所述需要清洁的空间的地图数据发送到服务器，

从所述服务器接收污染地图数据，其中所述污染地图数据由所述服务器基于所述污染数据、所述污染数据被生成的时间、所述地图数据、以及从安装在另一需要清洁的空间中的另一机器人清洁设备接收的另一地图数据和另一污染地图数据而生成，并且其中所述另一地图数据和所述地图数据的相似性大于阈值，并且其中所述污染地图数据包括对应于不同时间段的多个污染地图；

基于所述污染地图数据中所包括的多个污染地图之中的、与当前时间对应的污染地图，确定所述需要清洁的空间中的至少一个清洁目标区域、针对所述至少一个清洁目标区域的优先级和清洁强度；以及

根据所确定的优先级和所确定的清洁强度清洁所确定的至少一个清洁目标区域，

其中，所述污染地图数据包括：指示所述需要清洁的空间中的污染区域的位置的信息、所述污染区域的污染级别以及所述需要清洁的空间中的对象的位置。

11.根据权利要求10所述的方法，其中，通过将所述污染数据和所述污染地图数据应用于学习模型来确定所述至少一个清洁目标区域，所述学习模型被学习以确定所述至少一个清洁目标区域在所述需要清洁的空间中的位置和优先级。

12.根据权利要求11所述的方法，

其中，通过将所述另一污染地图数据应用于所述学习模型来确定所述至少一个清洁目标区域，所述另一污染地图数据与所述需要清洁的空间的所述污染地图数据通过特定值或更多值相似，以及

其中，在所述需要清洁的空间的结构和所述对象在所述需要清洁的空间中的位置方面，所述另一需要清洁的空间与所述需要清洁的空间以特定值或更多值相似。

13.根据权利要求10所述的方法，其中，基于由所述机器人清洁设备的相机捕获的图像和由所述机器人清洁设备的传感器感测的感测数据来获取所述污染数据。

14.一种计算机程序产品，包括其上记录有多个指令的非暂时性计算机可读记录介质，所述多个指令指示至少一个处理器在计算机上执行如权利要求10所述的方法。

Images