CN112541610A - 机器人的控制方法、装置、电子设备及存储介质 - Google Patents
机器人的控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112541610A CN112541610A CN202010812226.7A CN202010812226A CN112541610A CN 112541610 A CN112541610 A CN 112541610A CN 202010812226 A CN202010812226 A CN 202010812226A CN 112541610 A CN112541610 A CN 112541610A
- Authority
- CN
- China
- Prior art keywords
- time
- robot
- path
- sub
- travel
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Manipulator (AREA)
Abstract
本发明提出一种机器人的控制方法、装置、电子设备及存储介质,属于机器人技术领域。所述控制方法包括:若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径;计算所述机器人在各个所述子路径行进所需的用时时长;根据当前时刻和各个所述用时时长确定机器人的行进策略。本发明实施例通过第一商品配送信息规划机器人的行进路径和可用机动时间;并根据当前时刻和各个所述用时时长重新确定机器人的行进策略。采用本申请技术方案,可以灵活地确定机器人行进策略,提高机器人的使用效率。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种机器人的控制方法、装置、电子设备及存储介质。
背景技术
随着机器人技术的发展,越来越多的行业开始应用机器人完成本行业的部分工作。配送服务机器人在代替人工劳动和实现非接触式配送中具有非常好的发展前景,在写字楼等办公场所的应用需求持续增长。
在一些配送机器人的工作场景中,例如配送外卖的场景,配送服务有明显的高峰时段,例如工作日中午时段是高峰时段。在高峰时段订单需求密集,要求配送机器人快速完成订单配送。高峰时段以外时间订单量大幅减少,所以设置服务机器人数量也不能太多,否则在非高峰时段配送机器人大量处于闲置状态,造成配送资源浪费。因此,提高机器人的使用效率,是一种有效解决配送资源浪费的技术手段。
发明内容
本发明实施例提供了一种机器人的控制方法、装置、电子设备,可以提高机器人的使用效率,避免造成配送资源浪费。
第一方面,本发明实施例提供了一种机器人的控制方法,包括:
若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径;
计算所述机器人在各个所述子路径行进所需的用时时长;
根据当前时刻和各个所述用时时长确定机器人的行进策略。
可选的,所述第一商品配送信息包括第一预计送达时刻;
所述根据当前时刻和各个所述用时时长确定机器人的行进策略,包括:
根据各个所述用时时长计算所述机器人在所述行进路径行进所需的总时长;
根据当前时刻、第一预计送达时刻和所述总时长确定出发时刻;
根据所述当前时刻和所述出发时刻确定缓冲时间;
通过预设第一订单预测模型,预测在所述缓冲时间内产生第二商品配送信息的第一概率;
若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间;
所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径。
可选的,所述若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间,包括:
若所述第一概率大于或等于所述第一预设阈值,则从所述当前时刻开始,将所述缓冲时间划分出N个时长为Δt时间段,其中,N是正整数,且N≥1;其中,Δt与N的乘积小于或等于所述缓冲时间;
通过所述预设第一订单预测模型,预测各个时间段内产生第二商品配送信息的第二概率;
计算使前k个时间段的所述第二概率之和大于或等于所述第一预设阈值的最小k值,其中,k是正整数,且1≤k≤N;
将所述当前时刻t至t+k*Δt时刻的时间段作为所述机器人在当前所述子路径的可用机动时间。
可选的,所述子路径包括所述子路径的起始位置;
所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径的步骤,包括:
根据各个所述子路径的用时时长,确定各个所述子路径的可用机动时间;
在当前所述子路径的可用机动时间截止时,则控制所述机器人依次地行进至下一个子路径的起始位置或所述行进路径的终点。
可选的,所述第一商品配送信息还包括客户的第一位置,所述第一位置对应于一个客户群;所述机器人的服务区域内包括多个商户,每个所述商户对应一个针对客户群的预设第二订单预测模型;
所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径的步骤,还包括:
通过预设第二订单预测模型预测各个所述商户在所述可用机动时间接到所述客户群的订单的第三概率;
选取所述第三概率最大的商户作为目标商户;
控制所述机器人在所述可用机动时间内在所述目标商户的预设区域内移动;或
根据各个所述用时时长确定所述截止时刻对应的目标子路径;
控制所述机器人行进至所述目标子路径的起始位置后,控制所述机器人在所述可用机动时间内在向所述目标商户移动。
可选的,所述计算所述机器人在各个所述子路径行进所需的用时时长的步骤,包括:
若所述子路径包括客户所处的位置,则根据所述子路径的路程和所述机器人的平均速度确定所述机器人在所述子路径行进所需的所述用时时长;
若所述子路径中包括准备所述第一商品配送信息中的商品的商户所处的位置,则根据所述子路径的路程和所述机器人的平均速度确定所述机器人在所述子路径行进所需的第一行进时长,计算所述商户处理所述第一商品配送信息中的商品的准备时长,将所述第一行进时长和所述准备时长两者中的最大值作为所述机器人在所述子路径行进所需的所述用时时长。
可选的,所述控制方法还包括:
若接收到客户触发的一个或多个第二商品配送信息,则根据所述第二商品配送信息重新规划机器人的行进路径;
根据重新规划后的行进路径确定机器人的行进策略。
第二方面,本发明实施例提供了一种机器人的控制装置,包括:
路径规划模块,用于若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径;
计算模块,用于计算所述机器人在各个所述子路径行进所需的用时时长;
策略确定模块,用于根据当前时刻和各个所述用时时长确定机器人的行进策略。
第三方面,本发明实施例提供了一种电子设备,包括:
存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述第一方面所述的方法步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,包括:所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
第五方面,本发明实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面所述的方法步骤。
本发明第一方面的至少一个实施例中,通过第一商品配送信息规划机器人的行进路径和可用机动时间;并根据当前时刻和各个所述用时时长确定机器人的行进策略,可以灵活地确定机器人行进策略,提高机器人的使用效率。
上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的机器人的控制方法的流程示意图;
图2是本发明另一实施例提供的机器人的控制方法的流程示意图;
图3是本发明另一实施例提供的机器人的控制方法的流程示意图;
图4是本发明实施例提供的机器人的控制装置的结构示意图;
图5是本发明实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本发明说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本发明说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在说明本发明实施例提供的机器人的控制方法之前,为方便对本发明实施例的理解,下面对本发明实施例提供的机器人的控制方法的原理以及本发明实施例中涉及的相关概念进行说明。
外卖配送服务具有其独特的特点。外卖配送服务属于接单式服务,订单到达是随机的,而且具有明显的高峰期时段。外卖配送服务的顾客对服务时效性要求非常高。
本发明实施例提供的技术方案解决的典型应用场景之一是针对综合园区。在综合园区中有一群多栋写字楼,有一个商业服务中心,商业服务中心有多个商家,各个商家提供外卖给写字楼的上班族。
本发明实施例中所称的机器人服务区域,是把外卖服务商家按照地理位置分为若干区域,比如可以按照楼层分区,或者其他方式分区。在一些实施例中,服务机器人被指派在服务区域内完成外卖订单的配送任务。外卖服务机器人服务的商家在本发明的实施例中称商户。
本发明实施例中所称的客户群,是按照客户地理空间位置聚集划分客户群,比如同一栋写字楼的客户为一个客户群。划分客户群,有助于提高机器人配送效率。比如按楼栋的客户群划分,机器人配送如果是同一栋楼的多个客户,配送过程会比较高效,如果是一次任务处理跨楼栋的不同客户群,效率明显降低。
在本发明的实施例中,在实施如图1所示的各个步骤之前。即在所述若接收到客户所触发的第一商品配送信息的步骤之前,还包括:根据地理位置划分客户群;根据各个所述客户群的历史订单数据,训练构建预设第一订单预测模型。
为每一客户群制定一个随机下单模型,在一些实施例中以一栋写字楼划分的客户群。
经统计,该客户群面向某个服务区域内所有商家下单的随机模型以非齐次Poisson分布,以μ(t)为强度。
一个客户群向一个服务区域下单的事件是随机变动的,而且订单产生率是随时间变化的,因此在非齐次泊松方程中,令μ(t)为随时间变动的订单产生强度,可以通过历史数据拟合得到μ(t)函数曲线,则在(t1,t2]时间间隔有产生k个订单的概率为:
从而在(t1,t2]时间间隔有产生至少1个订单的概率,即预设第一订单预测模型为:
可以看出客户群生成订单的概率Pk≥1(t1,t2)也是与时间相关的,可以通过该模型预测指定时间段某一用户群产生针对一个服务区域的新订单的概率。
在本发明的实施例中,在实施如图1所示的各个步骤之前。即在所述接收到客户所触发的第一商品配送信息的步骤前,还包括:根据各个所述商家的历史订单数据,训练构建预设第二订单预测模型。具体的,在一些实施例中,为每个商家制定服务概率模型,因此会有多个商家服务概率模型。每个商家有针对每个客户群具有一个服务概率模型,即预设第二订单预测模型。
经统计,订单随机到达概率模型是以非齐次泊松(Poisson)分布,并且以λ(t)为强度。
由于商家接到订单的事件是随机变动的,一天之内有高峰有低谷,订单到达率是随时间变化的,因此在非齐次泊松方程中,令λ(t)为随时间变动的订单到达强度,可以通过商家对应于一个客户群的历史数据拟合得到λ(t)函数曲线。则在(t1,t2]时间间隔有产生k个订单的概率为:
从而在(t1,t2]时间间隔有产生至少1个订单的概率,即预设第二订单预测模型为:
可以看出商家接到某一客户群的订单的概率Pk≥1(t1,t2)是与时间相关的,可以通过该预设第二订单预测模型预测指定时间段内商家接收到新订单的概率。预设第二订单预测模型真实反映了外卖服务订单量随时间变化的随机性和规律性。不同商家的历史数据拟合出的函数λ(t)是不同的,从而反映了不同商家的订单变化是不同的。基于这样的从实际数据抽取出来的概率模型进行订单预测可信度高,指导机器人调度才可以优化资源利用和提高配送效率。
本发明实施例提供了一种机器人的控制方法,该控制方法包括步骤:若接收到客户触发的第一商品配送信息,则根据所述第一控制信息确定机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径;计算所述机器人在各个所述子路径行进所需的用时时长;根据当前时刻和各个所述用时时长确定机器人的行进策略。图1示出了本发明提供的机器人的控制方法的示意性流程图,作为示例而非限定,该方法可以应用于机器人,可由所述机器人的软件和/或硬件实现,在一些实施例中,所述机器人可以为移动服务机器人,所述移动服务器机器人可以为配送机器人,用于执行配送外卖服务的任务。在本发明的另一些实施中,该方法可以应用于机器人控制设备,可由所述机器人控制设备的软件和/或硬件实现,机器人控制设备包括但不限于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
为了方便理解,以下示例中以该方法应用于机器人为例进行说明。应理解,以下示例中的执行主中的体机器人可以替换为机器人控制设备,该机器人控制设备可以实现以下示例中提供的机器人的控制方法。应理解,在以下示例的执行主体为机器人控制设备时,该机器人控制设可以通过有线和/或无线的方式和机器人通信。
如图1所示,该机器人的控制方法包括步骤S110至步骤S130。下面结合图1阐述各个步骤的具体实现原理:
步骤S110,若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径。
在本发明的实施例中,商品配送信息可以为某一客户群中的客户发起的外卖订单信息。机器人直接接收该客户发送的,或经由配送平台服务器发送的该第一商品配送信息。可选的,第一商品配送信息为机器人处于空闲状态时首次接收到的商品配送信息。在一些实施例中,第二商品配送信息为机器人接收到第一配送信息后在配送过程中接收到的其他商品配送信息。
在本发明的实施例中,根据所述第一商品配送信息规划机器人的行进路径可以为根据第一商品配送信息中包含的位置信息确定机器人的行进路径。其中,位置信息包括但不限于客户的位置信息和准备第一商品配送信息中的商品的商户的位置信息。在一些实施例中,客户为发出外卖订单的消费者,商户为处理外卖订单的商家。
在本发明的实施例中,第一商品配送信息中至少包括一个客户的位置信息和一个商户的位置信息,那么所述行进路径规划为依次连接的至少两个子路径。
步骤S120,计算所述机器人在各个所述子路径行进所需的用时时长。
在本发明的实施例中,可通过规划的各个所述子路径的路程和机器人行进速度的平均值,计算所述机器人在各个所述子路径行进所需的用时时长。
在本发明的实施例中,若商户为处理外卖订单的商家,所述计算所述机器人在各个所述子路径行进所需的用时时长的步骤包括:若所述子路径中包括客户所处的位置,则根据所述子路径的路程和所述机器人的平均速度确定所述机器人在所述子路径行进所需的所述用时时长;若所述子路径中包括准备所述第一商品配送信息中的商品的商户所处的位置,则根据所述子路径的路程和所述机器人的平均速度确定所述机器人在所述子路径行进所需的第一行进时长,计算所述商户处理所述第一商品配送信息中的商品的准备时长,将所述第一行进时长和所述准备时长两者之中的最大值作为所述机器人在所述子路径行进所需的所述用时时长。
在一个具体的实施方式中,以当前时刻只有一个商家订单的为例,路径划分为机器人当前位置至商家位置和商家位置至客户位置的两个子路径。在判断机器人当前位置至商家位置这一子路径的用时时长时,具体如下:
ta为机器人从当前位置行驶到商家位置所需时间;
tb为商家接单后备货所需时间;
ts为完成一段路径任务机器人所耗时间,即从当前位置到达商家位置并完成取货,将ts作为用时时长。
假设当前时刻为t,则有
步骤S130,根据当前时刻和各个所述用时时长确定机器人的行进策略。
在本发明的实施例中,当前时刻为确定机器人的行进策略时的时刻。行进策略包括但不限于:是否需要在某一子路径执行停止前进等待第二商品配送信息的操作;或是否需要在某一子路径执行缓行等待第二商品配送信息的操作;或是否需要在某一子路径执行到产生新订单概率最大的客户附近等待第二商品配送信息的操作。其中,第二商品配送信息为在接收到第一商品配送信息以后接收到的商品配送信息。
在本发明的一个实施例中,根据各个所述子路径的用时时长,确定各个所述子路径的可用机动时间;在当前所述子路径的可用机动时间截止时,则控制所述机器人依次地行进至下一个子路径的起始位置或所述行进路径的终点
在上述图1所示的机器人的控制方法的实施例的基础上,本发明的一实施中,所述第一商品配送信息包括第一预计送达时刻,则步骤S130,所述根据当前时刻和各个所述用时时长确定机器人的行进策略,包括:根据各个所述用时时长计算所述机器人在所述行进路径行进所需的总时长;根据当前时刻、第一预计送达时刻和所述总时长确定出发时刻;根据所述当前时刻和所述出发时刻确定缓冲时间;通过预设第一订单预测模型,预测在所述缓冲时间内产生第二商品配送信息的第一概率;若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间;所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径。如图2所示,步骤S130可以分为步骤S1301至步骤S1306。步骤S1301至步骤S1306的实施方式如下:
步骤S1301,根据各个所述用时时长计算所述机器人在所述行进路径行进所需的总时长。
在本发明的实施例中,机器人根据机器人的平均速度和行进路径的路程计算机器人在所述行进路径行进所需的总时长
步骤S1302,根据当前时刻、第一预计送达时刻和所述总时长确定出发时刻。
在本发明的实施例中,出发时刻=第一预计送达时刻-总时长。
步骤S1303,根据所述当前时刻和所述出发时刻确定缓冲时间。
在本发明的实施例中,缓冲时间=出发时刻-当前时刻。
步骤S1304,通过预设第一订单预测模型,预测在所述缓冲时间内产生第二商品配送信息的第一概率。
在本发明的实施例中,通过预设第一订单预测模型,预测在所述缓冲时间内产生第二商品配送信息的第一概率P,即通过预设第一订单预测模型预测产生第二商品配送信息大于等于1的概率。
步骤S1305,若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间。
第一预设阈值ρ1为大于0,小于或等于1的预设值。若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间。可选的,所述若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间,包括:若所述第一概率大于或等于所述第一预设阈值,则从所述当前时刻开始,将所述缓冲时间划分出N个时长为Δt时间段,其中,N是正整数,且N≥1;Δt与N的乘积小于或等于所述缓冲时间;通过所述预设第一订单预测模型,预测各个时间段内产生第二商品配送信息的第二概率;计算使前k个时间段的所述第二概率之和大于或等于所述第一预设阈值的最小k值,其中,k是正整数,且1≤k≤N;将所述当前时刻t至t+k*Δt时刻的时间段作为所述机器人在当前所述子路径的可用机动时间。
在一个具体的示例中,采用多步预测法,每一次取概率预测间隔时间Δt,Δt小于或等于缓冲时间tbuf。
即:N是使Δt*N≤tbuf成立的最大正整数。
预测在以下各时间段有新订单的概率,即产生订单数大于等于1的概率。
首先预设第一订单预测模型计算最大区间[t,t+N*Δt]内的订单概率P,即第一概率。
P:[t,t+N*Δt]。
如果P≤ρ1,表明产生新订单(产生第二商品配送信息)的概率太低,直接到任务商家,即商户处,取件运送。
如果P>ρ1,表明是值得等待新订单的发生,这时进一步预测可能在哪一个时间段最有可能产生新订单。
通过第一预设第一订单预测模型计算以下各时间段的新订单概率,即第二概率P1,P2,......,PN:
P1:[t,t+Δt];
P2:[t+Δt,t+2*Δt];
P3:[t+2*Δt,t+3*Δt];
......
PN:[t+(N-1)*Δt,t+N*Δt]。
计算累积概率Pi,找到使下式成立的最小整数k:
根据这个结果,可以确定可用机动时间为k*Δt。
步骤S1306,所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径。
在本发明的实施例中,可用机动时间截止时刻tw=t+k*Δt。
当第一商品配送信息中已经有多于一个订单的时候,可以分析路径段任务,判定t+k*Δt落在哪个任务段,进而对机器的行动作出决策。
在本发明的一种可能的实施方式中,所述第一商品配送信息包括客户的第一位置,所述第一位置对应于一个客户群;所述机器人的服务区域内包括多个商户,每个所述商户对应一个针对客户群的预设第二订单预测模型;所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径的步骤,还包括:通过预设第二订单预测模型预测各个所述商户在所述可用机动时间接到所述客户群的订单的第三概率;选取所述第三概率最大的商户作为目标商户;控制所述机器人在所述可用机动时间内在所述目标商户的预设区域内移动;或根据各个所述用时时长确定所述截止时刻对应的目标子路径;控制所述机器人行进至所述目标子路径的起始位置后,控制所述机器人在所述可用机动时间内在向所述目标商户移动。通过预设第二订单预测模型预测商户在可用机动时间接到所述客户群的订单的第三概率,并选取所述第三概率最大的商户作为目标商户,控制机器人向目标商户或在目标商户附近的预设区域内移动,因为目标商户接收到新订单的概率比较高,可以一定程度的提高机器人的利用效率。
在本发明中,通过第一商品配送信息规划机器人的行进路径和可用机动时间;并根据当前时刻和各个所述用时时长确定机器人的行进策略,可以灵活地确定机器人行进策略,提高机器人的使用效率。
在上述图1所示的机器人的控制方法的实施例的基础上,该方法的一个实施例还包括:若接收到客户触发的一个或多个第二商品配送信息,则根据所述第二商品配送信息重新规划机器人的行进路径;根据重新规划后的行进路径确定机器人的行进策略。如图3所示,本实施例可以通过步骤S310和步骤S320实现。
步骤S310,若接收到客户触发的一个或多个第二商品配送信息,则根据所述第二商品配送信息重新规划机器人的行进路径。
在本发明的实施例中,机器人接收到一个或多个第二商品配送信息。也就是说,机器人在配送途中接收到一个或多个新的配送订单。第二商品配送信息包含客户的位置和商户的位置。机器人根据所述第二商品配送信息重新规划机器人的行进路径,所述行进路径规划为依次连接的至少两个子路径。
步骤S320,根据重新规划后的行进路径确定机器人的行进策略。
在本发明的实施例中,机器人根据规划的各个所述子路径的路程和机器人行进速度的平均值计算所述机器人在各个所述子路径行进所需的用时时长。当前时刻为确定机器人的行进策略时的时刻。重新确定行进策略包括但不限于:是否需要在某一子路径执行停止前进等待第二商品配送信息的操作,或是否需要在某一子路径执行缓行等待第二商品配送信息的操作,或是否需要在某一子路径执行到产生新订单概率最大的客户附近等待第二商品配送信息的操作。其中,第二商品配送信息的操作。其中,第二商品配送信息为在接收到第一商品配送信息以后接收到的商品配送信息。
在本发明的实施例中,重新规划行进策略可以采用以上实施例中任意实施方式中的一种或几种,这里不再赘述。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上述图1所示的机器人的控制方法,图4示出的是本发明实施例提供的一种机器人的控制装置40,包括:
路径规划模块41,用于若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径。
计算模块42,用于计算所述机器人在各个所述子路径行进所需的用时时长。
策略确定模块43,用于根据当前时刻和各个所述用时时长确定机器人的行进策略。
需要说明的是,为描述的方便和简洁,上述机器人的控制装置40的具体工作过程,可以参考图1至图3所述方法的对应过程,在此不再赘述。
以上实施例中的各种实施方式和实施方式组合及其有益效果同样适用于本实施例,这里不再赘述。
图5为本发明一实施例提供的电子设备的结构示意图。该电子设备用于实现上述的机器人或机器人控制设备。如图5所示,该实施例的电子设备50包括:至少一个处理器500(图5中仅示出一个)处理器、存储器501以及存储在所述存储器501中并可在所述至少一个处理器500上运行的计算机程序502,所述处理器500执行所述计算机程序502时实现上述任意各个方法实施例中的步骤。或者,所述处理器500执行所述计算机程序502时实现上述各装置实施例中各模块/单元的功能。
所述电子设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该电子设备可包括,但不仅限于,处理器500、存储器501。本领域技术人员可以理解,图5仅仅是电子设备50的举例,并不构成对电子设备50的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器500可以是中央处理单元(Central Processing Unit,CPU),该处理器500还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器501在一些实施例中可以是所述电子设备50的内部存储单元,例如电子设备50的硬盘或内存。所述存储器501在另一些实施例中也可以是所述电子设备50的外部存储设备,例如所述电子设备50上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器501还可以既包括所述电子设备50的内部存储单元也包括外部存储设备。所述存储器501用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器501还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本发明实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种机器人的控制方法,其特征在于,包括:
若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径;
计算所述机器人在各个所述子路径行进所需的用时时长;
根据当前时刻和各个所述用时时长确定机器人的行进策略。
2.如权利要求1所述的控制方法,其特征在于,所述第一商品配送信息包括第一预计送达时刻;
所述根据当前时刻和各个所述用时时长确定机器人的行进策略,包括:
根据各个所述用时时长计算所述机器人在所述行进路径行进所需的总时长;
根据当前时刻、第一预计送达时刻和所述总时长确定出发时刻;
根据所述当前时刻和所述出发时刻确定缓冲时间;
通过预设第一订单预测模型,预测在所述缓冲时间内产生第二商品配送信息的第一概率;
若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间;
所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径。
3.如权利要求2所述的控制方法,其特征在于,所述若所述第一概率大于或等于第一预设阈值,则通过所述预设第一订单预测模型和所述缓冲时间确定所述机器人在当前所述子路径的可用机动时间,包括:
若所述第一概率大于或等于所述第一预设阈值,则从所述当前时刻开始,将所述缓冲时间划分出N个时长为Δt时间段,其中,N是正整数,且N≥1;其中,Δt与N的乘积小于或等于所述缓冲时间;
通过所述预设第一订单预测模型,预测各个时间段内产生第二商品配送信息的第二概率;
计算使前k个时间段的所述第二概率之和大于或等于所述第一预设阈值的最小k值,其中,k是正整数,且1≤k≤N;
将所述当前时刻t至t+k*Δt时刻的时间段作为所述机器人在当前所述子路径的可用机动时间。
4.如权利要求2所述的控制方法,其特征在于,所述子路径包括所述子路径的起始位置;
所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径的步骤,包括:
根据各个所述子路径的用时时长,确定各个所述子路径的可用机动时间;
在当前所述子路径的可用机动时间截止时,则控制所述机器人依次地行进至下一个子路径的起始位置或所述行进路径的终点。
5.如权利要求4所述的控制方法,其特征在于,所述第一商品配送信息还包括客户的第一位置,所述第一位置对应于一个客户群;所述机器人的服务区域内包括多个商户,每个所述商户对应一个针对客户群的预设第二订单预测模型;
所述机器人在当前所述子路径的可用机动时间截止时,依次地前往下一个所述子路径的步骤,还包括:
通过预设第二订单预测模型预测各个所述商户在所述可用机动时间接到所述客户群的订单的第三概率;
选取所述第三概率最大的商户作为目标商户;
控制所述机器人在所述可用机动时间内在所述目标商户的预设区域内移动;或
根据各个所述用时时长确定所述截止时刻对应的目标子路径;
控制所述机器人行进至所述目标子路径的起始位置后,控制所述机器人在所述可用机动时间内在向所述目标商户移动。
6.如权利要求1所述的控制方法,其特征在于,所述计算所述机器人在各个所述子路径行进所需的用时时长的步骤,包括:
若所述子路径包括客户所处的位置,则根据所述子路径的路程和所述机器人的平均速度确定所述机器人在所述子路径行进所需的所述用时时长;
若所述子路径中包括准备所述第一商品配送信息中的商品的商户所处的位置,则根据所述子路径的路程和所述机器人的平均速度确定所述机器人在所述子路径行进所需的第一行进时长,计算所述商户处理所述第一商品配送信息中的商品的准备时长,将所述第一行进时长和所述准备时长两者中的最大值作为所述机器人在所述子路径行进所需的所述用时时长。
7.如权利要求1所述的控制方法,其特征在于,所述控制方法,还包括:
若接收到客户触发的一个或多个第二商品配送信息,则根据所述第二商品配送信息重新规划机器人的行进路径;
根据重新规划后的行进路径确定机器人的行进策略。
8.一种机器人的控制装置,其特征在于,包括:
路径规划模块,用于若接收到客户触发的第一商品配送信息,则根据所述第一商品配送信息规划机器人的行进路径,其中,所述行进路径规划为依次连接的至少两个子路径;
计算模块,用于计算所述机器人在各个所述子路径行进所需的用时时长;
策略确定模块,用于根据当前时刻和各个所述用时时长确定机器人的行进策略。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812226.7A CN112541610B (zh) | 2020-08-13 | 2020-08-13 | 机器人的控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812226.7A CN112541610B (zh) | 2020-08-13 | 2020-08-13 | 机器人的控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541610A true CN112541610A (zh) | 2021-03-23 |
CN112541610B CN112541610B (zh) | 2022-10-21 |
Family
ID=75013439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010812226.7A Active CN112541610B (zh) | 2020-08-13 | 2020-08-13 | 机器人的控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541610B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256212A (zh) * | 2021-05-28 | 2021-08-13 | 深圳优地科技有限公司 | 订单处理方法、装置、通信设备及存储介质 |
CN113642959A (zh) * | 2021-08-06 | 2021-11-12 | 上海有个机器人有限公司 | 物品配送任务分配方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398972A (zh) * | 2019-08-08 | 2019-11-01 | 上海大学 | 一种自主配送外卖机器人 |
CN110414731A (zh) * | 2019-07-23 | 2019-11-05 | 北京三快在线科技有限公司 | 订单分配的方法、装置、计算机可读存储介质及电子设备 |
CN110826968A (zh) * | 2019-11-12 | 2020-02-21 | 哈尔滨工业大学(威海) | 一种基于路径规划的城市众包配送任务优化调度方法 |
CN111105183A (zh) * | 2019-11-27 | 2020-05-05 | 坎德拉(深圳)科技创新有限公司 | 外卖送餐方法、装置、服务器及计算机可读存储介质 |
-
2020
- 2020-08-13 CN CN202010812226.7A patent/CN112541610B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414731A (zh) * | 2019-07-23 | 2019-11-05 | 北京三快在线科技有限公司 | 订单分配的方法、装置、计算机可读存储介质及电子设备 |
CN110398972A (zh) * | 2019-08-08 | 2019-11-01 | 上海大学 | 一种自主配送外卖机器人 |
CN110826968A (zh) * | 2019-11-12 | 2020-02-21 | 哈尔滨工业大学(威海) | 一种基于路径规划的城市众包配送任务优化调度方法 |
CN111105183A (zh) * | 2019-11-27 | 2020-05-05 | 坎德拉(深圳)科技创新有限公司 | 外卖送餐方法、装置、服务器及计算机可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256212A (zh) * | 2021-05-28 | 2021-08-13 | 深圳优地科技有限公司 | 订单处理方法、装置、通信设备及存储介质 |
CN113256212B (zh) * | 2021-05-28 | 2024-04-05 | 深圳优地科技有限公司 | 订单处理方法、装置、通信设备及存储介质 |
CN113642959A (zh) * | 2021-08-06 | 2021-11-12 | 上海有个机器人有限公司 | 物品配送任务分配方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112541610B (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Merschformann et al. | Decision rules for robotic mobile fulfillment systems | |
US11429907B2 (en) | Courier network management | |
US11755906B2 (en) | System for dynamic estimated time of arrival predictive updates | |
CN111105183B (zh) | 外卖送餐方法、装置、服务器及计算机可读存储介质 | |
CN107179769B (zh) | 一种基于实时调度仿真和排队论的agv数量配置方法 | |
CN103971170B (zh) | 一种用于对特征信息的变化进行预测的方法和装置 | |
US20160350837A1 (en) | Intelligent delivery queuing | |
Ran et al. | A Polling‐Based Dynamic Order‐Picking System considering Priority Orders | |
Reiman et al. | Asymptotically optimal inventory control for assemble-to-order systems with identical lead times | |
CN112541610B (zh) | 机器人的控制方法、装置、电子设备及存储介质 | |
WO2018180743A1 (ja) | 作業管理装置、作業管理方法およびプログラム記憶媒体 | |
CN110861104B (zh) | 一种辅助机器人运送物品的方法、介质、终端和装置 | |
CN111985748A (zh) | 订单批次处理方法、装置及计算机系统 | |
CN111178810B (zh) | 用于生成信息的方法和装置 | |
CN113627792A (zh) | 无人车的调度管理方法、装置、设备、存储介质及程序 | |
CN110807612A (zh) | 确定剩余产能的方法和装置 | |
CN113887828B (zh) | 智能供应链产运销协同与实时网络规划方法以及装置 | |
CN115640986B (zh) | 基于奖励的机器人调度方法、装置、设备及介质 | |
CN111260281A (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
CN113256212B (zh) | 订单处理方法、装置、通信设备及存储介质 | |
CN115222328A (zh) | 物流跟踪方法、装置、设备及介质 | |
CN114358380A (zh) | 用于工程车辆调度的方法、设备及处理器 | |
CN111144602B (zh) | 一种车辆调度方法和装置 | |
CN113705850A (zh) | 订单分配方法、装置、可读存储介质和电子设备 | |
CN113762566B (zh) | 一种计算送达时间的方法和装置 |
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 |