CN113485355A - 一种机器人任务规划方法、系统、后台决策系统、搜索机器人及任务服务机器人 - Google Patents

一种机器人任务规划方法、系统、后台决策系统、搜索机器人及任务服务机器人 Download PDF

Info

Publication number
CN113485355A
CN113485355A CN202110847976.2A CN202110847976A CN113485355A CN 113485355 A CN113485355 A CN 113485355A CN 202110847976 A CN202110847976 A CN 202110847976A CN 113485355 A CN113485355 A CN 113485355A
Authority
CN
China
Prior art keywords
robot
task
sub
searching
tasks
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
Application number
CN202110847976.2A
Other languages
English (en)
Other versions
CN113485355B (zh
Inventor
吴新开
何山
霍向
宋涛
马亚龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lobby Technology Co ltd
Beihang University
Original Assignee
Beijing Lobby Technology Co ltd
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Lobby Technology Co ltd, Beihang University filed Critical Beijing Lobby Technology Co ltd
Priority to CN202110847976.2A priority Critical patent/CN113485355B/zh
Publication of CN113485355A publication Critical patent/CN113485355A/zh
Application granted granted Critical
Publication of CN113485355B publication Critical patent/CN113485355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种机器人任务规划方法、系统、后台决策系统、搜索机器人及任务服务机器人，用于提高多类型机器人协同执行多任务时任务规划和执行的效率。本申请公开的机器人任务规划方法包括：后台决策系统确定环境内子区域数量和子区域初始位置；根据所述子区域数量确定搜索机器人；所述搜索机器人搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人；所述任务服务机器人移动到分配的任务位置，执行所述分配的任务。本申请还提供了一种机器人任务规划系统，一种后台决策系统，一种搜索机器人和一种任务服务机器人。

Description

一种机器人任务规划方法、系统、后台决策系统、搜索机器人 及任务服务机器人
技术领域
本申请涉及机器人领域，尤其涉及一种机器人任务规划方法、系统、后台决策系统、搜索机器人及任务服务机器人。
背景技术
目前，使用多机器人执行各类任务成为一种发展趋势。针对多搜索机器人和多任务服务机器人利用不同类型机器人进行协同作业的场景，现有技术缺乏对存在不同类型机器人的多机器人协同进行任务优化，任务规划和分配性能差。
发明内容
针对上述技术问题，本申请实施例提供了一种机器人任务规划方法、系统、后台决策系统、搜索机器人及任务服务机器人，用以提高多种类型机器人在进行多任务协同作业时任务规划的效率。
第一方面，本申请实施例提供的一种机器人任务规划方法，包括：
后台决策系统确定环境内子区域数量和子区域初始位置；
根据所述子区域数量确定搜索机器人；
所述搜索机器人搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；
所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人；
所述任务服务机器人移动到分配的任务位置，执行所述分配的任务。
进一步的，所述确定环境内子区域数量和子区域初始位置包括：
导入环境栅格地图，获取环境内子区域数量和子区域初始位置；
其中子区域数量和子区域初始位置是预先设定的。
优选的，所述根据所述子区域数量确定搜索机器人包括：
将待启动的搜索机器人按电量从多到少进行排序，选取电量最多的前N台机器人作为搜索机器人；
其中，N是子区域数量。
优选的，所述搜索机器人搜索需要执行的任务包括：
所述搜索机器人获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；
每台搜索机器人移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径。
优选的，所述规划所述搜索机器人需搜索的子区域的分配方案包括：
设置划分的子区域集合O＝{O1，…，Oa，…，On}，其中Oa为第a个搜索机器人，a∈{1，…，n}，n为划分的子区域数量；
设置启用的搜索机器人集合
Figure BDA0003181411140000021
Figure BDA0003181411140000022
为第i个搜索机器人，i∈{1，…，n}；
设置规划的第一目标函数：
Figure BDA0003181411140000023
设置第一约束条件：
Figure BDA0003181411140000024
Figure BDA0003181411140000025
Figure BDA0003181411140000026
Figure BDA0003181411140000027
根据所述第一目标函数和所述第一约束条件确定分配方案的决策变量
Figure BDA0003181411140000031
其中，
Figure BDA0003181411140000032
为决策变量，
Figure BDA0003181411140000033
表示搜索机器人
Figure BDA0003181411140000034
去子区域Oa搜索，
Figure BDA0003181411140000035
表示搜索机器人
Figure BDA0003181411140000036
不去子区域Oa搜索；
Figure BDA0003181411140000037
为搜索机器人
Figure BDA0003181411140000038
去子区域Oa的路径时间；
Figure BDA0003181411140000039
为子区域Oa初始位置；
Figure BDA00031814111400000310
为搜索机器人
Figure BDA00031814111400000311
的位置；
Figure BDA00031814111400000312
为搜索机器人
Figure BDA00031814111400000313
去子区域Oa的路径距离；
Figure BDA00031814111400000314
为搜索机器人
Figure BDA00031814111400000315
的运动速度。
进一步的，所述搜索机器人搜索到要执行的任务后，记录所述要执行的任务的位置，将所述要执行的任务和所述位置上传至后台决策系统；
所述搜索机器人完成搜索后回到距离最近的闲置的充电桩进行充电。
优选的，所述根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径包括：
设置子区域Oa所在的环境栅格地图中的可自由通行栅格的决策栅格集合
Figure BDA00031814111400000316
子区域Oa初始位置
Figure BDA00031814111400000317
所占栅格为
Figure BDA00031814111400000318
设置搜索机器人
Figure BDA00031814111400000319
位置所占栅格为
Figure BDA00031814111400000320
所述搜索机器人
Figure BDA00031814111400000321
移动到子区域Oa初始位置
Figure BDA00031814111400000322
搜索机器人
Figure BDA00031814111400000323
移动到一个可自由通行栅格后，按照如下公式计算所处子区域内其他可自由通行栅格的决策成本值：
Figure BDA00031814111400000324
计算所处子区域内全部其他可自由通行栅格的决策成本值后，选择决策成本值最小的可自由通行栅格作为搜索机器人
Figure BDA00031814111400000325
下一步要到的可自由通行栅格；
其中，fj为子区域内可自由通行栅格j的决策成本值，
Figure BDA00031814111400000326
c1为第一成本系数，预先由人工设定；
p(j)为搜索机器人
Figure BDA0003181411140000041
是否在本次搜索过程中到达过可自由通行栅格j的判断值，如果到达过，p(j)为1，如果没有到达过，p(j)为0；
c2为第二成本系数，预先由人工设定；
Figure BDA0003181411140000042
为搜索机器人
Figure BDA0003181411140000043
由所在栅格
Figure BDA0003181411140000044
移动到可自由通行栅格j的运动距离；
c3为第三成本系数，预先由人工设定；
Figure BDA0003181411140000045
为搜索机器人
Figure BDA0003181411140000046
由所在栅格
Figure BDA0003181411140000047
移动到可自由通行栅格j的转弯角度。
优选的，所述所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人包括：
将待启动的任务服务机器人按电量从多到少进行排序，选取电量最多的前M台机器人作为任务服务机器人；
其中，M是要执行的任务的数量。
优选的，所述任务服务机器人移动到分配的任务位置，执行所述分配的任务包括：
所述任务服务机器人获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；
每台所述任务服务机器人移动到分配的任务位置，执行分配的任务。
优选的，所述规划任务服务机器人需执行的任务的分配方案包括：
设置任务集合T＝{T1，…，Tb，…，Tm}，Tb为第b个任务，b∈{1，…，m}，m为任务的数量；
设置启用的任务服务机器人集合
Figure BDA0003181411140000048
Figure BDA0003181411140000049
为第k个任务服务机器人，k∈{1，…，m}；
设置规划的第二目标函数：
Figure BDA0003181411140000051
设置第二约束条件：
Figure BDA0003181411140000052
Figure BDA0003181411140000053
Figure BDA0003181411140000054
Figure BDA0003181411140000055
根据所述第二目标函数和第二约束条件确定分配方案的决策变量
Figure BDA0003181411140000056
其中，
Figure BDA0003181411140000057
为任务服务机器人需执行任务的分配方案的决策变量，
Figure BDA0003181411140000058
表示任务服务机器人
Figure BDA0003181411140000059
去执行服务任务Tb，
Figure BDA00031814111400000510
表示任务服务机器人
Figure BDA00031814111400000511
不去执行服务任务Tb；
Figure BDA00031814111400000512
表示任务服务机器人
Figure BDA00031814111400000513
去执行服务任务Tb的路径时间；
Figure BDA00031814111400000514
表示任务Tb位置；
Figure BDA00031814111400000515
表示任务服务机器人
Figure BDA00031814111400000516
的位置；
Figure BDA00031814111400000517
表示任务服务机器人
Figure BDA00031814111400000518
去执行服务任务Tb的路径距离；
Figure BDA00031814111400000519
表示任务服务机器人
Figure BDA00031814111400000520
的运动速度。
进一步的，所述任务服务机器人执行完任务后回到最近的闲置的充电桩位置进行充电。
使用本发明提供的机器人任务规划方法，首先后台决策系统根据子区域数量确定搜索机器人，搜索机器人获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；每台搜索机器人移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径。然后，所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人，所述任务服务机器人获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案，每台所述任务服务机器人移动到分配的任务位置，执行分配的任务。从而实现搜索机器人和任务服务机器人的高效分工合作，提高任务规划的效率。
第二方面，本申请实施例还提供一种机器人任务规划系统，包括：
后台决策系统，被配置用于确定环境内子区域数量和子区域初始位置，根据所述子区域数量确定搜索机器人；根据所述要执行的任务的数量，确定任务服务机器人；
搜索机器人，被配置用于搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；
任务服务机器人，被配置用于移动到分配的任务位置，执行所述分配的任务。
第三方面，本申请实施例还提供一种后台决策系统，包括：存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现本发明提供的后台决策系统执行的任务规划方法。
第四方面，本申请实施例还提供搜索机器人，包括：存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现本发明提供的搜索机器人执行的任务规划方法。
第五方面，本申请实施例还提供任务服务机器人，包括：存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现本发明提供的任务服务机器人执行的任务规划方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的机器人任务规划方法流程示意图；
图2为本申请实施例提供的搜索机器人任务分配示意图；
图3为本申请实施例提供的搜索机器人搜索路径示意图；
图4为本申请实施例提供的任务服务机器人分配示意图；
图5为本申请实施例提供的任务服务机器人执行任务示意图；
图6为本申请实施例提供的机器人任务规划系统示意图；
图7为本申请实施例提供的后台决策系统示意图；
图8为本申请实施例提供的搜索机器人示意图；
图9为本申请实施例提供的任务服务机器人示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
下面对文中出现的一些词语进行解释：
1、本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
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，并不是全部的实施例。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。
需要说明的是，本申请实施例的展示顺序仅代表实施例的先后顺序，并不代表实施例所提供的技术方案的优劣。
实施例一
参见图1，本申请实施例提供的一种机器人任务规划方法示意图，如图1所示，该方法包括步骤S101到S105：
S101、后台决策系统确定环境内子区域数量和子区域初始位置；
S102、根据所述子区域数量确定搜索机器人；
S103、所述搜索机器人搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；
S104、所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人；
S105、所述任务服务机器人移动到分配的任务位置，执行所述分配的任务。
作为一种优选示例，确定环境内子区域数量和子区域初始位置包括：
导入环境栅格地图，获取环境内子区域数量和子区域初始位置；其中子区域数量和子区域初始位置是预先设定的。具体的，环境栅格地图中包括子区域的划分信息，子区域的划分信息至少包括：
子区域的名称；
子区域的边缘坐标；
子区域中的栅格信息；
其中，栅格信息包括以下之一或者组合：栅格的形状，栅格的位置，栅格的面积，栅格的类型。栅格的类型包括可自由通行栅格和障碍物栅格。
需要说明的是，子区域的栅格地图是将子区域环境划分为多个栅格，每个栅格为正方形形状，也可由人工设计修改为其他形状，每个栅格的面积由人工设定，每个栅格类型分为可自由通行栅格和障碍物栅格，当栅格面积内包含障碍物不能使得机器人自由通行时，该栅格即为障碍物栅格；当栅格面积内机器人自由可以自由通行时，该栅格即为可自由通行栅格；每个栅格都有位置坐标和栅格类型的信息，栅格类型包括可自由通行栅格和障碍物栅格。
需要说明的是，子区域的栅格地图上还有一个可自由通行栅格为子区域初始位置的栅格，该位置由人工设定。优选的，初始位置的栅格选择在该子区域与其他子区域连接位置且周围障碍物栅格最少的位置。
作为一种优选示例，子区域预先由人工划分，子区域初始位置预先由人工标定，并将子区域的信息存入环境栅格地图中。
作为一种优选示例，上述步骤S102中，根据所述子区域数量确定搜索机器人，即根据子区域数量和各个搜索机器人的当前电量情况，启用对应数量的电量多的搜索机器人。具体的，后台决策系统将待启动的搜索机器人按电量从多到少进行排序，选取电量最多的前N台机器人作为搜索机器人；其中，N是子区域数量。
作为一种优选示例，上述步骤S103中所述搜索机器人搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统，包括以下步骤：
A1:所述搜索机器人获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；
A2:每台搜索机器人移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径；
A3：所述搜索机器人搜索到要执行的任务后，记录所述要执行的任务的位置，将所述要执行的任务和所述位置上传至后台决策系统。也就是说，搜索机器人沿着搜索路径在子区域内进行搜索，搜索到要执行的任务后，记录任务的位置点，上传至后台决策系统。
优选的，在A3之后，还可以包括：：
A4：搜索机器人完成搜索后回到距离最近的闲置的充电桩进行充电。
作为一种优选示例，本实施例上述步骤A1中，规划所述搜索机器人需搜索的子区域的分配方案包括：
设置划分的子区域集合O＝{O1，…，Oa，…，On}，Oa为第a个搜索机器人，a∈{1，…，n}，n为划分的子区域数量；
设置启用的搜索机器人集合
Figure BDA0003181411140000101
Figure BDA0003181411140000102
为第i个搜索机器人，i∈{1，…，n}；
设置规划的第一目标函数：
Figure BDA0003181411140000103
设置第一约束条件：
Figure BDA0003181411140000104
Figure BDA0003181411140000105
Figure BDA0003181411140000106
Figure BDA0003181411140000107
式中，
Figure BDA0003181411140000108
为搜索机器人需搜索的子区域的分配方案的决策变量，
Figure BDA0003181411140000109
表示搜索机器人
Figure BDA00031814111400001010
去子区域Oa去搜索，
Figure BDA00031814111400001011
表示搜索机器人
Figure BDA00031814111400001012
不去子区域Oa去搜索。
Figure BDA00031814111400001013
表示搜索机器人
Figure BDA00031814111400001014
去子区域Oa的路径时间；
Figure BDA00031814111400001015
表示子区域Oa初始位置；
Figure BDA00031814111400001016
表示搜索机器人
Figure BDA00031814111400001017
的位置；
Figure BDA00031814111400001018
表示搜索机器人
Figure BDA0003181411140000111
去子区域Oa的路径距离；
Figure BDA0003181411140000112
表示搜索机器人
Figure BDA0003181411140000113
均运动速度。
也就是说，搜索机器人根据设置好的第一目标函数和第一约束条件计算得到分配方案的决策变量
Figure BDA0003181411140000114
从而获得分配方案，即确定每个搜索机器人对应的子区域。如图2所示，共6个搜索机器人，6个子区域，根据上述步骤完成分配方案规划后，搜索机器人1去子区域2搜索任务，搜索机器人2去子区域1搜索任务，搜索机器人3去子区域4搜索任务，搜索机器人4去子区域3搜索任务，搜索机器人5去子区域5搜索任务，搜索机器人6去子区域6搜索任务。
作为一种优选示例，本实施例上述步骤A2中，每台搜索机器人移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径包括：
设置子区域Oa所在的环境栅格地图中的可自由通行栅格的决策栅格集合
Figure BDA0003181411140000115
设置子区域Oa初始位置
Figure BDA0003181411140000116
所占栅格为
Figure BDA0003181411140000117
设置搜索机器人
Figure BDA0003181411140000118
位置所占栅格为
Figure BDA0003181411140000119
每台启用的搜索机器人移动到分配的子区域初始位置，即搜索机器人
Figure BDA00031814111400001110
移动到子区域Oa初始位置
Figure BDA00031814111400001111
此时，
Figure BDA00031814111400001112
为
Figure BDA00031814111400001113
搜索机器人
Figure BDA00031814111400001114
移动到一个可自由通行栅格后，计算所处子区域内其他可自由通行栅格的决策成本值，计算公式如下：
Figure BDA00031814111400001115
式中，fj表示子区域内可自由通行栅格j的决策成本值，其中
Figure BDA00031814111400001116
c1为成本系数1，该值预先由人工设定；
p(j)为搜索机器人
Figure BDA00031814111400001117
是否在本次搜索过程中到达过可自由通行栅格j的判断值，如果到达过，该值为1，如果没有到达过，该值为0；
c2为成本系数2，该值预先由人工设定；
Figure BDA0003181411140000121
为搜索机器人
Figure BDA0003181411140000122
由所在栅格
Figure BDA0003181411140000123
移动到可自由通行栅格j的运动距离；
c3为成本系数3，该值预先由人工设定；
Figure BDA0003181411140000124
为搜索机器人
Figure BDA0003181411140000125
由所在栅格
Figure BDA0003181411140000126
移动到可自由通行栅格j的转弯角度；
作为一种优选示例，成本系数1为0.5；成本系数2为1；成本系数3为(1/180)，表示机器人旋转180度耗费的成本相当于直线通过了一个栅格位置的成本。
计算所处子区域内其他可自由通行栅格的决策成本值后，选择决策成本值最小的可自由通行栅格作为搜索机器人
Figure BDA0003181411140000127
下一步要到的可自由通行栅格，直到子区域Oa内所有可自由通行栅格都被搜索机器人
Figure BDA0003181411140000128
到达过，搜索机器人
Figure BDA0003181411140000129
从子区域Oa初始位置
Figure BDA00031814111400001210
依次要到的可自由通行栅格按顺序连起来的路径就是搜索机器人
Figure BDA00031814111400001211
要移动的路径。如图3所示，分别为搜索机器人1在子区域2内的搜索路径，搜索机器人2在子区域1内的搜索路径，搜索机器人3在子区域4内的搜索路径，搜索机器人4在子区域3内的搜索路径，搜索机器人5在子区域5内的搜索路径，搜索机器人6在子区域6内的搜索路径。
作为一种优选示例，本发明实施例步骤S104中，所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人，包括：
将待启动的任务服务机器人按电量从多到少进行排序，选取电量最多的前M台机器人作为任务服务机器人；其中，M是要执行的任务的数量。如图4所示，一共有3个要执行的任务，选择任务服务机器人1，任务服务机器人2，任务服务机器人3作为任务服务机器人。
作为一种优选示例，本发明实施例步骤S105中，所述任务服务机器人移动到分配的任务位置，执行所述分配的任务，包括以下步骤：
B1：所述任务服务机器人获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；
B2：每台所述任务服务机器人移动到分配的任务位置，执行分配的任务。
优选的，在上述步骤B2之后，还可以包括：
B3：所述任务服务机器人执行完任务后回到最近的闲置的充电桩位置进行充电。
作为一种优选示例，本发明实施例中上述步骤B1中，规划任务服务机器人需执行的任务的分配方案包括：
设置任务集合T＝{T1，…，Tb，…，Tm}，Tb为第b个任务，b∈{1，…，m}，m为任务的数量；
设置启用的任务服务机器人集合
Figure BDA0003181411140000131
Figure BDA0003181411140000132
为第k个任务服务机器人，k∈{1，…，m}；
设置规划的第二目标函数：
Figure BDA0003181411140000133
设置第二约束条件：
Figure BDA0003181411140000134
Figure BDA0003181411140000135
Figure BDA0003181411140000136
Figure BDA0003181411140000137
式中，
Figure BDA0003181411140000138
为任务服务机器人需执行服务任务的分配方案的决策变量，
Figure BDA0003181411140000139
表示任务服务机器人
Figure BDA00031814111400001310
去执行服务任务Tb，
Figure BDA00031814111400001311
表示任务服务机器人
Figure BDA00031814111400001312
不去执行服务任务Tb。
Figure BDA00031814111400001313
表示任务服务机器人
Figure BDA00031814111400001314
去执行服务任务Tb的路径时间；
Figure BDA0003181411140000141
表示任务Tb位置；
Figure BDA0003181411140000142
表示任务服务机器人
Figure BDA0003181411140000143
的位置；
Figure BDA0003181411140000144
表示任务服务机器人
Figure BDA0003181411140000145
去执行服务任务Tb的路径距离；
Figure BDA0003181411140000146
表示任务服务机器人
Figure BDA0003181411140000147
的运动速度。
根据设置好的第二目标函数和第二约束条件计算得到分配方案的决策变量
Figure BDA0003181411140000148
从而获得分配方案。如图5所示，经过上述任务分配后，任务服务机器人1去执行服务任务3，任务服务机器人2去执行服务任务2，任务服务机器人3去执行服务任务1。
通过本实施例的方法，首先完成环境内子区域数量和子区域初始位置确定的基础准备工作。然后搜索机器人进行任务搜索。最后任务服务机器人对搜索到的任务进行服务。从而协调利用了多个类型机器人，提高子区域内多服务任务执行的效率。
实施例二
基于同一个发明构思，本发明实施例还提供了一种机器人任务规划系统，如图6所示，该装置包括：
后台决策系统601，被配置用于确定环境内子区域数量和子区域初始位置，根据所述子区域数量确定搜索机器人；根据所述要执行的任务的数量，确定任务服务机器人；
搜索机器人602，被配置用于搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；
任务服务机器人603，被配置用于移动到分配的任务位置，执行所述分配的任务。
作为一种优选示例，后台决策系统601还用于，导入环境栅格地图，获取环境内子区域数量和子区域初始位置；其中子区域数量和子区域初始位置是预先设定的。
作为一种优选示例，后台决策系统601还用于，将待启动的搜索机器人按电量从多到少进行排序，选取电量最多的前N台机器人作为搜索机器人；其中，N是子区域数量。
作为一种优选示例，后台决策系统601还用于，将待启动的任务服务机器人按电量从多到少进行排序，选取电量最多的前M台机器人作为任务服务机器人；其中，M是要执行的任务的数量。
作为一种优选示例，搜索机器人602还用于，获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径。优选的，搜索机器人602还用于搜索到要执行的任务后，记录所述要执行的任务的位置，将所述要执行的任务和所述位置上传至后台决策系统；完成搜索后回到距离最近的闲置的充电桩进行充电。
具体的，搜索机器人602还用于根据以下步骤规划所述搜索机器人需搜索的子区域的分配方案：
设置划分的子区域集合O＝{O1，…，Oa，…，On，其中Oa为第a个搜索机器人，a∈{1，…，n}，n为划分的子区域数量；
设置启用的搜索机器人集合
Figure BDA0003181411140000151
Figure BDA0003181411140000152
为第i个搜索机器人，i∈{1，…，n}；
设置规划的第一目标函数：
Figure BDA0003181411140000153
设置第一约束条件：
Figure BDA0003181411140000154
Figure BDA0003181411140000155
Figure BDA0003181411140000156
Figure BDA0003181411140000157
根据所述第一目标函数和所述第一约束条件确定分配方案的决策变量
Figure BDA0003181411140000161
其中，
Figure BDA0003181411140000162
为决策变量，
Figure BDA0003181411140000163
表示搜索机器人
Figure BDA0003181411140000164
去子区域Oa搜索，
Figure BDA0003181411140000165
表示搜索机器人
Figure BDA0003181411140000166
不去子区域Oa搜索；
Figure BDA0003181411140000167
为搜索机器人
Figure BDA0003181411140000168
去子区域Oa的路径时间；
Figure BDA0003181411140000169
为子区域Oa初始位置；
Figure BDA00031814111400001610
为搜索机器人
Figure BDA00031814111400001611
的位置；
Figure BDA00031814111400001612
为搜索机器人
Figure BDA00031814111400001613
去子区域Oa的路径距离；
Figure BDA00031814111400001614
为搜索机器人
Figure BDA00031814111400001615
的运动速度。
具体的，搜索机器人602还用于根据以下步骤规划每台搜索机器人在子区域内的搜索路径：
设置子区域Oa所在的环境栅格地图中的可自由通行栅格的决策栅格集合
Figure BDA00031814111400001616
子区域Oa初始位置
Figure BDA00031814111400001617
所占栅格为
Figure BDA00031814111400001618
设置搜索机器人
Figure BDA00031814111400001619
位置所占栅格为
Figure BDA00031814111400001620
所述搜索机器人
Figure BDA00031814111400001621
移动到子区域Oa初始位置
Figure BDA00031814111400001622
搜索机器人
Figure BDA00031814111400001623
移动到一个可自由通行栅格后，按照如下公式计算所处子区域内其他可自由通行栅格的决策成本值：
Figure BDA00031814111400001624
计算所处子区域内全部其他可自由通行栅格的决策成本值后，选择决策成本值最小的可自由通行栅格作为搜索机器人
Figure BDA00031814111400001625
下一步要到的可自由通行栅格；
其中，fj为子区域内可自由通行栅格j的决策成本值，
Figure BDA00031814111400001626
c1为第一成本系数，预先由人工设定；
p(j)为搜索机器人
Figure BDA00031814111400001627
是否在本次搜索过程中到达过可自由通行栅格j的判断值，如果到达过，p(j)为1，如果没有到达过，p(j)为0；
c2为第二成本系数，预先由人工设定；
Figure BDA0003181411140000171
为搜索机器人
Figure BDA0003181411140000172
由所在栅格
Figure BDA0003181411140000173
移动到可自由通行栅格j的运动距离；
c3为第三成本系数，预先由人工设定；
Figure BDA0003181411140000174
为搜索机器人
Figure BDA0003181411140000175
由所在栅格
Figure BDA0003181411140000176
移动到可自由通行栅格j的转弯角度。
作为一种优选示例，任务服务机器人603还用于获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；每台所述任务服务机器人移动到分配的任务位置，执行分配的任务。优选的，任务服务机器人603还用于执行完任务后回到最近的闲置的充电桩位置进行充电。
具体的，任务服务机器人603根据以下步骤规划任务服务机器人需执行的任务的分配方案：
设置任务集合T＝{T1，…，Tb，…，Tm}，Tb为第b个任务，b∈{1，…，m}，m为任务的数量；
设置启用的任务服务机器人集合
Figure BDA0003181411140000177
Figure BDA0003181411140000178
为第k个任务服务机器人，k∈{1，…，m}；
设置规划的第二目标函数：
Figure BDA0003181411140000179
设置第二约束条件：
Figure BDA00031814111400001710
Figure BDA00031814111400001711
Figure BDA00031814111400001712
Figure BDA0003181411140000181
根据所述第二目标函数和第二约束条件确定分配方案的决策变量
Figure BDA0003181411140000182
其中，
Figure BDA0003181411140000183
为任务服务机器人需执行任务的分配方案的决策变量，
Figure BDA0003181411140000184
表示任务服务机器人
Figure BDA0003181411140000185
去执行服务任务Tb，
Figure BDA0003181411140000186
表示任务服务机器人
Figure BDA0003181411140000187
不去执行服务任务Tb；
Figure BDA0003181411140000188
表示任务服务机器人
Figure BDA0003181411140000189
去执行服务任务Tb的路径时间；
Figure BDA00031814111400001810
表示任务Tb位置；
Figure BDA00031814111400001811
表示任务服务机器人
Figure BDA00031814111400001812
的位置；
Figure BDA00031814111400001813
表示任务服务机器人
Figure BDA00031814111400001814
去执行服务任务Tb的路径距离；
Figure BDA00031814111400001815
表示任务服务机器人
Figure BDA00031814111400001816
的运动速度。
需要说明的是，实施例二提供的装置与实施例一提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例二提供的装置能实现实施例一的所有方法，相同之处不再赘述。
实施例三
基于同一个发明构思，本发明实施例还提供了一种后台决策系统，如图7所示，包括：
包括存储器702、处理器701和用户接口703；
所述存储器702，用于存储计算机程序；
所述用户接口703，用于与用户实现交互；
所述处理器701，用于读取所述存储器702中的计算机程序，所述处理器701执行所述计算机程序时，实现：
确定环境内子区域数量和子区域初始位置，根据所述子区域数量确定搜索机器人；根据所述要执行的任务的数量，确定任务服务机器人。
作为一种优选示例，所述处理器701执行所述计算机程序时实现：导入环境栅格地图，获取环境内子区域数量和子区域初始位置；其中子区域数量和子区域初始位置是预先设定的。
作为一种优选示例，所述处理器701执行所述计算机程序时实现：将待启动的搜索机器人按电量从多到少进行排序，选取电量最多的前N台机器人作为搜索机器人；其中，N是子区域数量。
作为一种优选示例，所述处理器701执行所述计算机程序时实现：将待启动的任务服务机器人按电量从多到少进行排序，选取电量最多的前M台机器人作为任务服务机器人；其中，M是要执行的任务的数量。
其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器701代表的一个或多个处理器和存储器702代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器701负责管理总线架构和通常的处理，存储器702可以存储处理器701在执行操作时所使用的数据。
处理器701可以是CPU、ASIC、FPGA或CPLD，处理器701也可以采用多核架构。
需要说明的是，实施例三提供的装置与实施例一和实施例二提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例三提供的装置能实现实施例一的所有方法，相同之处不再赘述。
实施例四
基于同一个发明构思，本发明实施例还提供了一种搜索机器人，如图8所示，包括：
包括存储器802、处理器801和用户接口803；
所述存储器802，用于存储计算机程序；
所述用户接口803，用于与用户实现交互；
所述处理器801，用于读取所述存储器802中的计算机程序，所述处理器801执行所述计算机程序时，实现：
获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；
移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径；
根据搜索路径搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统。
作为一种优选示例，所述处理器801执行所述计算机程序时实现：获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径。
优选的，所述处理器801执行所述计算机程序时实现：搜索到要执行的任务后，记录所述要执行的任务的位置，将所述要执行的任务和所述位置上传至后台决策系统；完成搜索后回到距离最近的闲置的充电桩进行充电。
具体的，所述处理器801执行所述计算机程序时实现：根据以下步骤规划所述搜索机器人需搜索的子区域的分配方案：
设置划分的子区域集合O＝{O1，…，Oa，…，On}，其中Oa为第a个搜索机器人，a∈{1，…，n}，n为划分的子区域数量；
设置启用的搜索机器人集合
Figure BDA0003181411140000201
Figure BDA0003181411140000202
为第i个搜索机器人，i∈{1，…，n}；
设置规划的第一目标函数：
Figure BDA0003181411140000203
设置第一约束条件：
Figure BDA0003181411140000211
Figure BDA0003181411140000212
Figure BDA0003181411140000213
Figure BDA0003181411140000214
根据所述第一目标函数和所述第一约束条件确定分配方案的决策变量
Figure BDA0003181411140000215
其中，
Figure BDA0003181411140000216
为决策变量，
Figure BDA0003181411140000217
表示搜索机器人
Figure BDA0003181411140000218
去子区域Oa搜索，
Figure BDA0003181411140000219
表示搜索机器人
Figure BDA00031814111400002110
不去子区域Oa搜索；
Figure BDA00031814111400002111
为搜索机器人
Figure BDA00031814111400002112
去子区域Oa的路径时间；
Figure BDA00031814111400002113
为子区域Oa初始位置；
Figure BDA00031814111400002114
为搜索机器人
Figure BDA00031814111400002115
的位置；
Figure BDA00031814111400002116
为搜索机器人
Figure BDA00031814111400002117
去子区域Oa的路径距离；
Figure BDA00031814111400002118
为搜索机器人
Figure BDA00031814111400002119
的运动速度。
具体的，所述处理器801执行所述计算机程序时实现：根据以下步骤规划每台搜索机器人在子区域内的搜索路径：
设置子区域Oa所在的环境栅格地图中的可自由通行栅格的决策栅格集合
Figure BDA00031814111400002120
子区域Oa初始位置
Figure BDA00031814111400002121
所占栅格为
Figure BDA00031814111400002122
设置搜索机器人
Figure BDA00031814111400002123
位置所占栅格为
Figure BDA00031814111400002124
所述搜索机器人
Figure BDA00031814111400002125
移动到子区域Oa初始位置
Figure BDA00031814111400002126
搜索机器人
Figure BDA00031814111400002127
移动到一个可自由通行栅格后，按照如下公式计算所处子区域内其他可自由通行栅格的决策成本值：
Figure BDA00031814111400002128
计算所处子区域内全部其他可自由通行栅格的决策成本值后，选择决策成本值最小的可自由通行栅格作为搜索机器人
Figure BDA0003181411140000221
下一步要到的可自由通行栅格；
其中，fj为子区域内可自由通行栅格j的决策成本值，
Figure BDA0003181411140000222
c1为第一成本系数，预先由人工设定；
p(j)为搜索机器人
Figure BDA0003181411140000223
是否在本次搜索过程中到达过可自由通行栅格j的判断值，如果到达过，p(j)为1，如果没有到达过，p(j)为0；
c2为第二成本系数，预先由人工设定；
Figure BDA0003181411140000224
为搜索机器人
Figure BDA0003181411140000225
由所在栅格
Figure BDA0003181411140000226
移动到可自由通行栅格j的运动距离；
c3为第三成本系数，预先由人工设定；
Figure BDA0003181411140000227
为搜索机器人
Figure BDA0003181411140000228
由所在栅格
Figure BDA0003181411140000229
移动到可自由通行栅格j的转弯角度。
其中，在图8中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器801代表的一个或多个处理器和存储器802代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器801负责管理总线架构和通常的处理，存储器802可以存储处理器801在执行操作时所使用的数据。
处理器801可以是CPU、ASIC、FPGA或CPLD，处理器801也可以采用多核架构。
需要说明的是，实施例四提供的装置与实施例一和实施例二提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例四提供的装置能实现实施例一的所有方法，相同之处不再赘述。
实施例五
基于同一个发明构思，本发明实施例还提供了一种任务服务机器人，如图9所示，包括：
包括存储器902、处理器901和用户接口903；
所述存储器902，用于存储计算机程序；
所述用户接口903，用于与用户实现交互；
所述处理器901，用于读取所述存储器902中的计算机程序，所述处理器901执行所述计算机程序时，实现：
获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；
移动到分配的任务位置，执行分配的任务。
作为一种优选示例，所述处理器901执行所述计算机程序时实现：
获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；每台所述任务服务机器人移动到分配的任务位置，执行分配的任务。
优选的，所述处理器901执行所述计算机程序时实现：执行完任务后回到最近的闲置的充电桩位置进行充电。
具体的，所述处理器901执行所述计算机程序时实现：规划任务服务机器人需执行的任务的分配方案：
设置任务集合T＝{T1，…，Tb，…，Tm}，Tb为第b个任务，b∈{1，…，m}，m为任务的数量；
设置启用的任务服务机器人集合
Figure BDA0003181411140000231
Figure BDA0003181411140000232
为第k个任务服务机器人，k∈{1，…，m}；
设置规划的第二目标函数：
Figure BDA0003181411140000233
设置第二约束条件：
Figure BDA0003181411140000241
Figure BDA0003181411140000242
Figure BDA0003181411140000243
Figure BDA0003181411140000244
根据所述第二目标函数和第二约束条件确定分配方案的决策变量
Figure BDA0003181411140000245
其中，
Figure BDA0003181411140000246
为任务服务机器人需执行任务的分配方案的决策变量，
Figure BDA0003181411140000247
表示任务服务机器人
Figure BDA0003181411140000248
去执行服务任务Tb，
Figure BDA0003181411140000249
表示任务服务机器人
Figure BDA00031814111400002410
不去执行服务任务Tb；
Figure BDA00031814111400002411
表示任务服务机器人
Figure BDA00031814111400002412
去执行服务任务Tb的路径时间；
Figure BDA00031814111400002413
表示任务Tb位置；
Figure BDA00031814111400002414
表示任务服务机器人
Figure BDA00031814111400002415
的位置；
Figure BDA00031814111400002416
表示任务服务机器人
Figure BDA00031814111400002417
去执行服务任务Tb的路径距离；
Figure BDA00031814111400002418
表示任务服务机器人
Figure BDA00031814111400002419
的运动速度。
其中，在图9中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器901代表的一个或多个处理器和存储器902代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器901负责管理总线架构和通常的处理，存储器902可以存储处理器901在执行操作时所使用的数据。
处理器901可以是CPU、ASIC、FPGA或CPLD，处理器901也可以采用多核架构。
需要说明的是，实施例五提供的装置与实施例一和实施例二提供的方法属于同一个发明构思，解决相同的技术问题，达到相同的技术效果，实施例五提供的装置能实现实施例一的所有方法，相同之处不再赘述。
需要说明的是，本申请实施例中对单元的划分是示意性的，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。另外，在本申请各个实施例中的各功能单元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。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (15)

1.一种机器人任务规划方法，其特征在于，包括：
后台决策系统确定环境内子区域数量和子区域初始位置；
根据所述子区域数量确定搜索机器人；
所述搜索机器人搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；
所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人；
所述任务服务机器人移动到分配的任务位置，执行所述分配的任务。
2.根据权利要求1所述的方法，其特征在于，所述确定环境内子区域数量和子区域初始位置包括：
导入环境栅格地图，获取环境内子区域数量和子区域初始位置；
其中子区域数量和子区域初始位置是预先设定的。
3.根据权利要求1所述的方法，其特征在于，所述根据所述子区域数量确定搜索机器人包括：
将待启动的搜索机器人按电量从多到少进行排序，选取电量最多的前N台机器人作为搜索机器人；
其中，N是子区域数量。
4.根据权利要求1所述的方法，其特征在于，所述搜索机器人搜索需要执行的任务包括：
所述搜索机器人获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；
每台搜索机器人移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径。
5.根据权利要求4所述的方法，其特征在于，所述规划所述搜索机器人需搜索的子区域的分配方案包括：
设置划分的子区域集合O＝{O1，…，Oa，…，On}，其中Oa为第a个搜索机器人，a∈{1，…，n}，n为划分的子区域数量；
设置启用的搜索机器人集合
Figure FDA0003181411130000021
Figure FDA0003181411130000022
为第i个搜索机器人，i∈{1，…，n}；
设置规划的第一目标函数：
Figure FDA0003181411130000023
设置第一约束条件：
Figure FDA0003181411130000024
Figure FDA0003181411130000025
Figure FDA0003181411130000026
Figure FDA0003181411130000027
根据所述第一目标函数和所述第一约束条件确定分配方案的决策变量
Figure FDA0003181411130000028
其中，
Figure FDA0003181411130000029
为决策变量，
Figure FDA00031814111300000210
表示搜索机器人
Figure FDA00031814111300000211
去子区域Oa搜索，
Figure FDA00031814111300000212
表示搜索机器人
Figure FDA00031814111300000213
不去子区域Oa搜索；
Figure FDA00031814111300000214
为搜索机器人
Figure FDA00031814111300000215
去子区域Oa的路径时间；
Figure FDA00031814111300000216
为子区域Oa初始位置；
Figure FDA00031814111300000217
为搜索机器人
Figure FDA00031814111300000218
的位置；
Figure FDA00031814111300000219
为搜索机器人
Figure FDA00031814111300000220
去子区域Oa的路径距离；
Figure FDA00031814111300000221
为搜索机器人
Figure FDA00031814111300000222
的运动速度。
6.根据权利要求5所述的方法，其特征在于，还包括：
所述搜索机器人搜索到要执行的任务后，记录所述要执行的任务的位置，将所述要执行的任务和所述位置上传至后台决策系统；
所述搜索机器人完成搜索后回到距离最近的闲置的充电桩进行充电。
7.根据权利要求4所述的方法，其特征在于，所述根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径包括：
设置子区域Oa所在的环境栅格地图中的可自由通行栅格的决策栅格集合
Figure FDA0003181411130000031
子区域Oa初始位置
Figure FDA0003181411130000032
所占栅格为
Figure FDA0003181411130000033
设置搜索机器人
Figure FDA0003181411130000034
位置所占栅格为
Figure FDA0003181411130000035
所述搜索机器人
Figure FDA0003181411130000036
移动到子区域Oa初始位置
Figure FDA0003181411130000037
搜索机器人
Figure FDA0003181411130000038
移动到一个可自由通行栅格后，按照如下公式计算所处子区域内其他可自由通行栅格的决策成本值：
Figure FDA0003181411130000039
计算所处子区域内全部其他可自由通行栅格的决策成本值后，选择决策成本值最小的可自由通行栅格作为搜索机器人
Figure FDA00031814111300000310
下一步要到的可自由通行栅格；
其中，fj为子区域内可自由通行栅格j的决策成本值，
Figure FDA00031814111300000311
c1为第一成本系数，预先由人工设定；
p(j)为搜索机器人
Figure FDA00031814111300000312
是否在本次搜索过程中到达过可自由通行栅格j的判断值，如果到达过，p(j)为1，如果没有到达过，p(j)为0；
c2为第二成本系数，预先由人工设定；
Figure FDA00031814111300000313
为搜索机器人
Figure FDA00031814111300000314
由所在栅格
Figure FDA00031814111300000315
移动到可自由通行栅格j的运动距离；
c3为第三成本系数，预先由人工设定；
Figure FDA00031814111300000316
为搜索机器人
Figure FDA00031814111300000317
由所在栅格
Figure FDA00031814111300000318
移动到可自由通行栅格j的转弯角度。
8.根据权利要求1所述的方法，其特征在于，所述所述后台决策系统根据所述要执行的任务的数量，确定任务服务机器人包括：
将待启动的任务服务机器人按电量从多到少进行排序，选取电量最多的前M台机器人作为任务服务机器人；
其中，M是要执行的任务的数量。
9.根据权利要求1所述的方法，其特征在于，所述任务服务机器人移动到分配的任务位置，执行所述分配的任务包括：
所述任务服务机器人获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；
每台所述任务服务机器人移动到分配的任务位置，执行分配的任务。
10.根据权利要求9所述的方法，其特征在于，所述规划任务服务机器人需执行的任务的分配方案包括：
设置任务集合T＝{T1，…，Tb，…，Tm}，Tb为第b个任务，b∈{1，…，m}，m为任务的数量；
设置启用的任务服务机器人集合
Figure FDA0003181411130000041
Figure FDA0003181411130000042
为第k个任务服务机器人，k∈{1，…，m}；
设置规划的第二目标函数：
Figure FDA0003181411130000043
设置第二约束条件：
Figure FDA0003181411130000044
Figure FDA0003181411130000045
Figure FDA0003181411130000046
Figure FDA0003181411130000047
根据所述第二目标函数和第二约束条件确定分配方案的决策变量
Figure FDA0003181411130000048
其中，
Figure FDA0003181411130000051
为任务服务机器人需执行任务的分配方案的决策变量，
Figure FDA0003181411130000052
表示任务服务机器人
Figure FDA0003181411130000053
去执行服务任务Tb，
Figure FDA0003181411130000054
表示任务服务机器人
Figure FDA0003181411130000055
不去执行服务任务Tb；
Figure FDA0003181411130000056
表示任务服务机器人
Figure FDA0003181411130000057
去执行服务任务Tb的路径时间；
Figure FDA0003181411130000058
表示任务Tb位置；
Figure FDA0003181411130000059
表示任务服务机器人
Figure FDA00031814111300000510
的位置；
Figure FDA00031814111300000511
表示任务服务机器人
Figure FDA00031814111300000512
去执行服务任务Tb的路径距离；
Figure FDA00031814111300000513
表示任务服务机器人
Figure FDA00031814111300000514
的运动速度。
11.根据权利要求9所述的方法，其特征在于，还包括：
所述任务服务机器人执行完任务后回到最近的闲置的充电桩位置进行充电。
12.一种机器人任务规划系统，其特征在于，包括：
后台决策系统，被配置用于确定环境内子区域数量和子区域初始位置，根据所述子区域数量确定搜索机器人；根据所述要执行的任务的数量，确定任务服务机器人；
搜索机器人，被配置用于搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统；
任务服务机器人，被配置用于移动到分配的任务位置，执行所述分配的任务。
13.一种后台决策系统，其特征在于，包括存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现：
确定环境内子区域数量和子区域初始位置，根据所述子区域数量确定搜索机器人；根据所述要执行的任务的数量，确定任务服务机器人。
14.一种搜索机器人，其特征在于，包括存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现：
获取自身位置，根据所述自身位置和各子区域初始位置，规划所述搜索机器人需搜索的子区域的分配方案；
移动到分配的子区域初始位置，根据预设的路径规划算法规划每台搜索机器人在子区域内的搜索路径；
根据搜索路径搜索需要执行的任务，并将所述要执行的任务上传至所述后台决策系统。
15.一种任务服务机器人，其特征在于，包括存储器、处理器和用户接口；
所述存储器，用于存储计算机程序；
所述用户接口，用于与用户实现交互；
所述处理器，用于读取所述存储器中的计算机程序，所述处理器执行所述计算机程序时，实现：
获取自身位置，根据所述自身位置和各任务位置，规划任务服务机器人需执行的任务的分配方案；
移动到分配的任务位置，执行分配的任务。
CN202110847976.2A 2021-07-27 2021-07-27 一种机器人任务规划方法、系统及搜索机器人 Active CN113485355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110847976.2A CN113485355B (zh) 2021-07-27 2021-07-27 一种机器人任务规划方法、系统及搜索机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110847976.2A CN113485355B (zh) 2021-07-27 2021-07-27 一种机器人任务规划方法、系统及搜索机器人

Publications (2)

Publication Number Publication Date
CN113485355A true CN113485355A (zh) 2021-10-08
CN113485355B CN113485355B (zh) 2023-11-17

Family

ID=77942754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110847976.2A Active CN113485355B (zh) 2021-07-27 2021-07-27 一种机器人任务规划方法、系统及搜索机器人

Country Status (1)

Country Link
CN (1) CN113485355B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113854906A (zh) * 2021-10-22 2021-12-31 广州科语机器人有限公司 多台清洁机器人协同作业的控制方法、装置及设备
CN114740899A (zh) * 2022-06-08 2022-07-12 中国航空工业集团公司沈阳飞机设计研究所 一种网格化空域分配与协同搜索规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045615A1 (zh) * 2014-09-25 2016-03-31 科沃斯机器人有限公司 机器人静态路径规划方法
CN105892480A (zh) * 2016-03-21 2016-08-24 南京航空航天大学 异构多无人机系统协同察打任务自组织方法
KR20170095583A (ko) * 2016-02-15 2017-08-23 한국전자통신연구원 로봇의 적응적 작업 계획 생성 장치 및 방법
CN109299210A (zh) * 2018-11-06 2019-02-01 哈尔滨工业大学（深圳） 一种基于信息融合的多无人机分布式协同搜索方法
CN112415997A (zh) * 2020-10-21 2021-02-26 北京洛必德科技有限公司 一种用于多机器人协作的路径规划方法及系统
CN112462783A (zh) * 2020-12-02 2021-03-09 中国人民解放军国防科技大学 全覆盖应用下异构多机器人系统的任务规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045615A1 (zh) * 2014-09-25 2016-03-31 科沃斯机器人有限公司 机器人静态路径规划方法
KR20170095583A (ko) * 2016-02-15 2017-08-23 한국전자통신연구원 로봇의 적응적 작업 계획 생성 장치 및 방법
CN105892480A (zh) * 2016-03-21 2016-08-24 南京航空航天大学 异构多无人机系统协同察打任务自组织方法
CN109299210A (zh) * 2018-11-06 2019-02-01 哈尔滨工业大学（深圳） 一种基于信息融合的多无人机分布式协同搜索方法
CN112415997A (zh) * 2020-10-21 2021-02-26 北京洛必德科技有限公司 一种用于多机器人协作的路径规划方法及系统
CN112462783A (zh) * 2020-12-02 2021-03-09 中国人民解放军国防科技大学 全覆盖应用下异构多机器人系统的任务规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
M. MIRZAEI: "Cooperative Multi-Vehicle Search and Coverage Problem in Uncertain Environments", 《2011 50TH IEEE CONFERENCE ON DECISION AND CONTROL AND》 *
YANHAO HE: "An Optimisation-Based Distributed Cooperative Control for Multi-Robot Manipulation with Obstacle Avoidance", 《IFAC-PAPERSONLINE》 *
吴新开: "A Two-Stage Method for Target Searching in the Path Planning for Mobile Robots", 《SENSORS》 *
吴新开: "基于驾驶人视角的换道行为分析及及换道模型搭建", 《2016中国汽车工程学会年会暨展览会》 *
曹如月: "基于蚁群算法的多机协同作业任务规划", 《农业机械学报》 *
李京涛: "基于空间站平台的机器人在轨服务系统架构研究", 《 机器人技术与应用 》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113854906A (zh) * 2021-10-22 2021-12-31 广州科语机器人有限公司 多台清洁机器人协同作业的控制方法、装置及设备
CN114740899A (zh) * 2022-06-08 2022-07-12 中国航空工业集团公司沈阳飞机设计研究所 一种网格化空域分配与协同搜索规划方法

Also Published As

Publication number Publication date
CN113485355B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
CN113485355A (zh) 一种机器人任务规划方法、系统、后台决策系统、搜索机器人及任务服务机器人
CN107436148B (zh) 一种基于多地图的机器人导航方法及装置
US11493923B2 (en) Path planning method and system for lawn mower
CN109540155A (zh) 一种扫地机器人的路径规划与导航方法、计算机装置以及计算机可读存储介质
CN109033340B (zh) 一种基于Spark平台的点云K邻域的搜索方法及装置
US6801901B1 (en) Systems and methods for building and improving the quality of inventory load configurations
US20130151535A1 (en) Distributed indexing of data
CN110076778B (zh) 机器人控制方法、装置、存储介质和处理器
CN111159809B (zh) 车库图纸的生成方法、装置、电子设备及存储介质
CN110188970B (zh) 共享车辆管理装置以及共享车辆管理方法
CN106875734B (zh) 一种推送停车路线的方法及装置
CN109408996B (zh) 用于智能设备控制的交互方法、装置、系统及存储介质
CN108681799A (zh) 一种工程项目成本预测方法、装置、设备及可读存储介质
CN109801299A (zh) 基于二次曲面拟合的模型的交互式分割方法、系统、装置
CN111166234A (zh) 工作区域的分区方法、装置、设备及存储介质
CN113190006B (zh) 一种机器人路径规划方法、装置及存储介质
van den Berg Path planning in dynamic environments
CN114343490B (zh) 机器人清扫方法、机器人及存储介质
CN101533525A (zh) 一种点面叠加分析方法
JP6823335B2 (ja) トランスファークレーンの自動配備決定システムおよび移動体の最短移動経路算出方法
US20230138464A1 (en) System and method for improved parking space detection
CN116186571A (zh) 车辆聚类方法、装置、计算机设备及存储介质
CN110275895A (zh) 一种缺失交通数据的填充设备、装置及方法
CN112925321B (zh) 基于人工势场法的船舶路径规划方法、装置和存储介质
CN114003673A (zh) 设备作业单元拆分及合并方法、装置、计算机设备和介质

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