CN113574553A - 机器人辅助的人员路由 - Google Patents

Abstract

一种用于机器人辅助的人员路由系统和方法，该系统包括在导航空间内运行的多个自主机器人，每个机器人包括：处理器；以及存储器，该存储器存储有指令，该指令当被处理器执行时使自主机器人：检测人类操作员完成了任务操作，接收与至少一个其他机器人相对应的状态信息，该状态信息包括与其他机器人相关联的位置或等待时间中的至少一者，根据状态信息确定用于将人类操作员引导到下一个机器人以进行下一个任务操作的至少一个下一个任务推荐，以及在机器人的显示器上呈现至少一个下一个任务推荐以供人类操作员查看，该下一个任务推荐包括与下一个任务相对应的下一个机器人的位置。

Description

机器人辅助的人员路由

相关申请的交叉引用

本申请要求于2019年2月1日提交的美国申请第16/265,348号的优先权，该申请通过引用并入本文。

技术领域

本发明涉及人员路由，更具体地涉及机器人辅助的人员路由。

背景技术

通过互联网订购产品以便送货上门是极其受欢迎的购物方式。至少可以说，及时、准确和高效地履行这些订单对后勤构成了挑战。点击虚拟购物车中的“结账”按钮创建“订单”。该订单包括将被运送到特定地址的物品的清单。“履行”的过程涉及从大型仓库中物理地取走或“捡取”这些物品、将它们打包并且将它们运送到指定的地址。因此，订单履行过程的重要目标是在尽可能短的时间内运送尽可能多的物品。

订单履行过程通常发生在包含许多产品(包括订单中列出的产品)的大型仓库中。因此，订单履行的任务之一是遍历仓库以寻找并收集订单中列出的各种物品。另外，最终将被运送的产品首先需要是容纳在仓库中的，并且在整个仓库中以有序方式被存储或“放置”在存储仓中，使得能够容易地取回它们以进行运送。

在大型仓库中，正在交付和订购的货物可以彼此相隔非常远地被存储在仓库中并且分散在大量的其他货物当中。仅利用人类操作员放置和捡取货物的订单履行过程需要操作员进行大量的步行，并且可能是低效且耗时的。由于履行过程的效率是每单位时间运送的物品数量的函数，因此时间增加会降低效率。

为了提高效率，可以使用机器人执行人的功能，或者可以使用机器人补充人的活动。例如，可以指定机器人将多个物品“放置”在分散在整个仓库中的不同位置，或者从不同位置“捡取”物品以进行打包和运送。机器人可以单独地或者在人类操作员的帮助下完成捡取和放置。例如，在捡取操作的情况下，人类操作员从货架上捡取物品并将它们放置在机器人上，或者在放置操作的情况下，人类操作员从机器人上捡取物品并将它们放置在货架上。

如果人类操作员被部署在共享导航空间内协助机器人，缺乏方向的人类操作员可能不会被充分利用，从而降低了人类操作员的效率，增加了机器人的停留时间，并且导致共享导航空间中的混乱和/或拥塞。例如，人类操作员可能会在当前过道中完成一项任务，并准备协助下一个机器人，却发现视线中没有需要协助的机器人。这样的操作员可以简单地等待机器人靠近，或者可以猜测并朝特定方向前进，希望找到需要帮助的机器人。然而，由于操作员只是在猜测或等待，这种方法不太可能总是产生高效的结果。此外，在没有指导或导向的情况下，多个人类操作员最初可能会追逐同一个机器人。然后，操作员浪费了前往目标机器人所需的时间，在操作员意识到他们正在追踪同一个机器人时，操作员需要浪费时间与其他人类操作员相互协调哪个操作员将协助目标机器人，经历寻找并前往另一个机器人协助的过程。

发明内容

本文提供了用于机器人辅助人员路由的系统和方法。

在一方面，提供了一种机器人辅助的人员路由系统。该系统包括在导航空间内运行的多个自主机器人。每个机器人包括处理器。每个机器人还包括存储器。该存储器存储有指令，该指令当被处理器执行时使自主机器人检测人类操作员完成了任务操作。该存储器还存储有这样的指令，该指令当被处理器执行时使自主机器人执行以下操作：接收与至少一个其他机器人相对应的状态信息，该状态信息包括与其他机器人相关联的位置或等待时间中的至少一者。该存储器还存储有这样的指令，该指令当被处理器执行时使自主机器人执行以下操作：根据状态信息确定用于将人类操作员引导到下一个机器人以进行下一个任务操作的至少一个下一个任务推荐。该存储器还存储有这样的指令，该指令当被处理器执行时使自主机器人执行以下操作：在机器人的显示器上呈现至少一个下一个任务推荐以供人类操作员查看，该下一个任务推荐包括与下一个任务相对应的下一个机器人的位置。

在一些实施例中，状态信息包括至少一个其他机器人在导航空间内的(x,y,z)位置。在一些实施例中，下一个机器人是通过确定与该至少一个其他机器人的最小直线距离而被选择的。在一些实施例中，下一个机器人是响应于一个或更多个效率因素而被选择的，该一个或更多个效率因素包括至少一个其他机器人的停留时间、至少一个其他机器人的直线接近程度、接近至少一个其他机器人的人类操作员的数量、到至少一个其他机器人的步行距离、与至少一个其他机器人相关联的任务的优先级、至少一个其他机器人附近的拥塞程度或者其组合。在一些实施例中，下一个任务推荐在显示器上被呈现为交互式图形。在一些实施例中，响应于通过交互式图形接收到的人类操作员输入，扩展图形被呈现为提供关于与下一个任务推荐相关联的下一个任务操作的附加信息、向人类操作员展现附加的下一个任务推荐，或其组合中的一个或更多个。在一些实施例中，扩展图形包括一个或更多个附加的交互式图形。

在一些实施例中，交互式图形被配置为记录人类操作员从至少一个下一个任务推荐中选择下一个任务操作。在一些实施例中，该存储器还存储有指令，该指令当被处理器执行时使自主机器人执行以下操作：响应于下一个任务选择的记录，将选定的任务操作指定为在人员路由系统内是正在进行的，以避免冗余推荐。在一些实施例中，如果选定的任务操作没有在规定的时间限制内完成，则正在进行的指定被移除。在一些实施例中，直接从至少一个其他机器人接收状态信息。在一些实施例中，状态信息是从用于监视导航空间内的机器人的机器人监视服务器接收到的，其中，机器人监视服务是以下中的至少一者：与导航空间的至少一个命令服务器相集成、与导航空间的仓库管理系统相集成、独立服务器、包括多个机器人中的至少两个机器人的处理器和存储器的分布式系统或其组合。在一些实施例中，导航空间是仓库。在一些实施例中，至少一个下一个任务操作是要在仓库内执行的捡取操作、放置操作或其组合中的至少一者。

在另一方面，提供了一种机器人辅助的人员路由的方法。该方法包括通过在导航空间内运行的多个自主机器人中的一个自主机器人的处理器和存储器检测人类操作员完成了任务操作。该方法也包括：通过自主机器人的收发器接收与至少一个其他机器人相对应的状态信息，该状态信息包括与其他机器人相关联的位置或等待时间中的至少一者。该方法也包括：根据状态信息确定用于将人类操作员引导到下一个机器人以进行下一个任务操作的至少一个下一个任务推荐。该方法也包括：在机器人的显示器上呈现至少一个下一个任务推荐以供人类操作员查看，该下一个任务推荐包括与下一个任务相对应的下一个机器人的位置。

在一些实施例中，状态信息包括至少一个其他机器人在导航空间内的(x,y,z)位置。在一些实施例中，该方法也包括通过确定与该至少一个其他机器人的最小直线距离，选择下一个机器人。在一些实施例中，该方法也包括：响应于一个或更多个效率因素，选择下一个机器人，该一个或更多个效率因素包括至少一个其他机器人的停留时间、至少一个其他机器人的直线接近程度、接近至少一个其他机器人的人类操作员的数量、到至少一个其他机器人的步行距离、与至少一个其他机器人相关联的任务的优先级、至少一个其他机器人附近的拥塞程度或者其组合。在一些实施例中，该方法也包括将下一个任务推荐在显示器上呈现为交互式图形。在一些实施例中，该方法也包括：响应于通过交互式图形接收到的人类操作员输入，将扩展图像呈现为提供关于与下一个任务推荐相关联的下一个任务操作的附加信息、向人类操作员展现附加的下一个任务推荐，或其组合中的一个或更多个。在一些实施例中，扩展图形包括一个或更多个附加的交互式图形。在一些实施例中，该方法也包括通过交互式图形，记录人类操作员从至少一个下一个任务推荐中选择下一个任务操作。在一些实施例中，该方法也包括：响应于下一个任务选择的记录，将选定的任务操作指定为在人员路由系统内是正在进行的，以避免冗余推荐。

根据下面的详细描述和附图，将清楚本发明的这些和其他特征，其中：

附图说明

图1是订单履行仓库的俯视平面图；

图2A是图1中示出的仓库中使用的机器人之一的底座的主视图；

图2B是图1中示出的仓库中使用的机器人之一的底座的立体图；

图3是示出配备有电枢的并停驻在图1中示出的货架前方的图2A和图2B中的机器人的立体图；

图4是使用机器人上的激光雷达产生的图1的仓库的局部地图；

图5是描绘用于定位分散在整个仓库中的基准标记并且存储基准标记姿势(pose)的过程的流程图；

图6是基准标识到姿势的映射的表格；

图7是仓位到基准标识的映射的表格；

图8是描绘产品SKU到姿势的映射过程的流程图；

图9是仓库内机器人和人类活动的地图；

图10是示出了在图3所示的机器人的平板电脑上呈现的下一个捡取推荐的示例的图；

图11是示出了在图3所示的机器人的平板电脑上呈现的下一个捡取推荐的另一示例的图；

图12是示例计算系统的框图；以及

图13是示例分布式网络的网络图。

具体实施方式

本公开及其各种特征和有利细节将参考附图中描述和/或示出的非限制性实施例和示例并在以下描述中进行详细说明。应当注意的是，附图中所示的特征不一定按比例绘制，并且本领域技术人员将认识到一个实施例的特征可以与其他实施例一起使用，即使在本文中没有明确说明。可以省略众所周知的组件和处理技术的描述，以免不必要地使本公开的实施例晦涩难懂。本文使用的示例仅旨在促进对可以实践本公开的方式的理解并且进一步使本领域技术人员能够实践本公开的实施例。因此，本文中的示例和实施例不应被解释为限制本公开的范围。此外，应当注意的是，贯穿附图的若干视图，相同的附图标记表示相同的部件。

本发明涉及机器人拥塞管理。尽管不限于任何特定的机器人应用，但本发明可用于的一种合适的应用是订单履行。本申请中机器人的使用将被描述为针对机器人拥塞管理来提供情景(context)，但不限于该应用。

参考图1，典型的订单履行仓库10包括货架12，货架12装有订单中可能包括的各种物品。在操作中，来自仓库管理服务器15的订单16的输入流抵达订单服务器14。订单服务器14可以对订单进行优先级排序和分组，以便在引导(induction)过程中将其分配给机器人18。当机器人由操作员引导时，在处理站(例如，站100)处，订单16被分配并无线地传送到机器人18以用于执行。本领域技术人员将理解，订单服务器14可以是具有被配置为与仓库管理系统服务器15和仓库管理软件互操作的离散软件系统的单独服务器，或者订单服务器功能可以被集成到仓库管理软件中并运行在仓库管理服务器15上。

在优选的实施例中，图2A和图2B中示出的机器人18包括具有激光雷达22的自主轮式底座20。底座20还具有收发器(未示出)和一对数字光学相机24a和24b，该收发器使机器人18能够从订单服务器14和/或其他机器人接收指令并向订单服务器14和/或其他机器人发送数据。机器人底座还包括充电端口26，其用于对为自主轮式底座20供电的电池进行充电。底座20还具有处理器(未示出)，该处理器从激光雷达和相机24a和24b接收数据以捕获代表机器人环境的信息。存在有存储器(未示出)，其与处理器一起运行以执行与仓库10内的导航相关的各种任务，并且与处理器一起运行导航到放置在货架12上的基准标记30，如图3所示。基准标记30(例如，二维条形码)与所订购物品的仓/位置相对应。下面针对图4至图8详细地描述本发明的导航方法。根据本发明的一方面，基准标记也用于识别充电站，并且到这种充电站基准标记的导航与到订购物品仓/位置的导航相同。在机器人导航到充电站时，将使用更精确的导航方法将机器人与充电站对接，下面描述这种导航方法。

再次参考图2B，底座20包括上表面32，在该上表面32可以存放容器(tote)或仓以携带物品。也示出了联合件34，该联合件34接合多个可互换电枢40(图3中示出了这些可互换电枢40中的一个)中的任一个。图3中的特定电枢40具有用于运载接收物品的容器44的容器支架42(在此情况下，为货架)和用于支撑平板电脑(或笔记本电脑/其他用户输入设备)48的平板电脑支架46。在一些实施例中，电枢40支撑一个或更多个用于运载物品的容器44。在其他实施例中，底座20支撑用于运载接收到的物品的一个或更多个容器。如本文中使用的，术语“容器”包括但不限于货物支架、仓、笼子、货架、可以悬挂物品的杆、罐、板条箱、机架、架子、搁板、容器、盒子、桶、器皿和储物器。

虽然机器人18擅长在仓库10中四处移动，但是由于与机器人操纵物体关联的技术难度，导致利用当前的机器人技术不能快速且高效地从货架上捡取物品并且将其放置在容器44上。捡取物品的更高效方式是利用本地操作员50(通常是人)执行从货架12上物理地取下所订购的物品并且将它放置在机器人18上(例如，容器44中)的任务。机器人18经由本地操作员50可以读取的平板电脑48(或笔记本电脑/其他用户输入设备)或者通过将订单发送到本地操作员50所使用的手持设备来将订单传达给本地操作员50。

在从订单服务器14接收到订单16时，机器人18前往至例如图3中示出的第一仓库位置。这样操作是基于存储在存储器中并且由处理器执行的导航软件。导航软件依赖于激光雷达22所收集的有关环境的数据、存储器中的内部表格和相机24a和24b来导航，该内部表格标识与仓库10中的可以发现特定物品的位置相对应的基准标记30的基准标识(“ID”)。

在到达正确位置(姿势)时，机器人18将自身停驻在物品存储在其上的货架12的前方，等待本地操作员50从货架12上取回物品并且将其放置在容器44中。如果机器人18要取回其他物品，则它前往那些位置。然后，将机器人18取回的物品递送到处理站100(图1)，在处理站100处，将物品打包并运送。虽然已经参照该图将处理站100描述为能够引导和卸载/打包机器人，但它可以被配置为使得机器人在一个站被引导或卸载/打包，即，它们可以被限制为执行单一功能。

本领域的技术人员应该理解，每个机器人都可以履行一个或更多个订单并且每个订单可以由一个或更多个物品组成。通常，将包括某些形式的路线优化软件，以提高效率，但是这超出了本发明的范围，因此不在本文中进行描述。

为了简化本发明的描述，描述了单个机器人18和操作员50。然而，从图1中可以看出，典型的履行操作包括许多机器人和操作员在仓库中彼此协作工作，以履行连续的订单流。

以下参考图4至图8详细地描述了本发明的基线导航方法以及待取回物品的SKU到与该物品所处的仓库中的基准标记相关联的基准ID/姿势(pose)的语义映射。

使用一个或更多个机器人18，必须创建仓库10的地图，并且必须确定分散在整个仓库中的各种基准标记的位置。为此，正在仓库内导航的一个或更多个机器人18，利用其激光雷达22和同步定位与地图构建(SLAM)(这是构建或更新未知环境的地图的计算问题)来构建/更新地图10a(图4)。流行的SLAM近似求解方法包括粒子滤波器和扩展卡尔曼滤波器。优先的方法是SLAMGMapping方法，但是可以使用任何合适的SLAM方法。

当机器人18在整个空间中行进时，机器人18利用其激光雷达22来创建仓库10的地图10a，基于当激光雷达扫描环境时机器人18接收到的反射，识别空间中的开放空间112、墙壁114、物体116和诸如货架12的其他静态障碍物。

在构建地图10a的同时或在此之后更新时，一个或更多个机器人18利用相机26扫描环境来定位接近其中存储有物品的仓(诸如，图3中的32和34)的货架上的分散在整个仓库中的基准标记(二维条形码)而导航通过仓库10。机器人18使用诸如原点110的已知起点或原点作为参考。当机器人18使用其相机26来定位基准标记(诸如，图3和图4中的基准标记30)时，仓库中的相对于原点110的位置被确定。

通过使用轮编码器和航向传感器，可以确定矢量120和机器人在仓库10中的位置。使用所捕获的基准标记/二维条形码的图像及其已知大小，机器人18可以确定相对于基准标记/二维条形码的机器人的取向和距基准标记/二维条形码的机器人的距离(矢量130)。在矢量120和130已知的情况下，可以确定原点110和基准标记30之间的矢量140。根据矢量140和所确定的基准标记/二维条形码相对于机器人18的取向，可以确定用四元数(x,y,z,ω)定义的基准标记30的姿势(位置和取向)。

流程图200(图5)描述了基准标记定位过程。该过程以初始映射模式执行，并且当机器人18在执行捡取、放置和/或其他任务时，在仓库中遇到新的基准标记。在步骤202中，使用相机26的机器人18捕获图像，并且在步骤204中，该机器人18搜索所捕获图像内的基准标记。在步骤206中，如果在图像中发现基准标记(步骤204)，则确定该基准标记是否已经被存储在位于机器人18的存储器34中的基准表300(图6)中。如果该基准信息已经被存储在存储器中，则流程图返回步骤202，以捕获另一个图像。如果该基准信息不在存储器中，则根据上述过程来确定姿势，并且在步骤208中，将该姿势添加到基准到姿势查询表300。

在可以存储在每个机器人的存储器中的查询表300中，包括每个基准标记的基准标识1、2、3等和与每个基准标识关联的基准标记/条形码的姿势。该姿势由仓库中的x、y、z坐标连同取向或四元数(x,y,z,ω)组成。

在也可以存储在每个机器人的存储器中的另一个查询表400(图7)中，存在与特定基准ID 404(例如，编号“11”)相关的仓库10内的仓位(例如，402a-f)的清单。在该示例中，仓位由七个字母数字字符组成。前六个字符(例如，L01001)属于仓库内的货架位置，最后一个字符(例如，A-F)标识货架位置处的特定仓。在这个示例中，存在与基准ID“11”关联的六个不同的仓位。可以存在与每个基准ID/标记关联的一个或更多个仓。

字母数字仓位能被人(例如，图3中的操作员50)理解为对应于仓库10中的存储有物品的物理位置。然而，他们对机器人18而言没有意义。通过将位置映射到基准ID，机器人18可以使用查询表300(图6)中的信息来确定基准ID的姿势，然后导航到如本文中描述的姿势。

在流程图500(图8)中描绘了根据本发明的订单履行过程。在步骤502中，订单服务器14从仓库管理系统15获得订单，该订单可以由一个或更多个待取回的物品组成。应当注意，订单分配过程相当复杂并且超出了本公开的范围。2016年9月1日提交的题为“OrderGrouping in Warehouse Order Fulfillment Operations(仓库订单履行操作中的订单分组)”的共同拥有的美国专利申请序列号15/807,672中描述了一种这样的订单分配过程，该专利申请通过引用整体并入本文。还应该注意的是，机器人可能有每个仓或隔间一个的容器阵列，其允许单个机器人执行多个订单。在2016年9月1日提交的题为“Item StorageArray for Mobile Base in Robot Assisted Order-Fulfillment Operations(机器人辅助订单履行操作中的移动基地的物品存储阵列)”的美国专利申请序列号15/254,321中描述了这种容器阵列的示例，该申请通过引用整体并入本文。

继续参考图8，在步骤504中，由仓库管理系统15确定物品的SKU编号，并且在步骤506中，根据SKU编号确定仓位。然后，将订单的仓位列表发送到机器人18。在步骤508中，机器人18将仓位与基准ID关联，并且在步骤510中，根据基准ID获得每个基准ID的姿势。在步骤512中，机器人18导航到如图3所示的姿势，其中，操作员可以从适合的仓中捡取待取回物品并且将其放置在机器人上。

仓库管理系统15/订单服务器14获得的物品特定信息(诸如，SKU编号和仓位)可以被发送到机器人18上的平板电脑48，使得当机器人抵达每个基准标记位置时，可以将待取回的特定物品告知操作员50。

在已知SLAM地图和基准ID的姿势的情况下，机器人18可以容易地使用各种机器人导航技术而导航到基准ID中的任一个。优选的方法涉及：在了解了仓库10中的开放空间112和墙壁114、货架(诸如货架12)和其他障碍物116的情况下，设置到基准标记姿势的初始路线。当机器人使用其激光雷达26开始遍历仓库时，它确定在其路径中是否存在固定的或动态的任何障碍物(诸如，其他机器人18和/或操作员50)并且重复更新其到基准标记的姿势的路径。机器人大约每50毫秒重新计划一次其路线，不断搜索最有效的路径，同时避开障碍物。

利用本文中描述的产品SKU/基准ID到基准姿势的映射技术结合SLAM导航技术，机器人18能够非常有效地进行仓库空间导航，而不必使用通常使用的牵涉到用于确定仓库内位置的网格线和中间基准标记的较复杂的导航方法。

机器人辅助的人员路由

通常，在没有指导的情况下，人类操作员50可能未被充分利用。例如，人类操作员可能会在当前过道中完成一项任务，并准备协助下一个机器人，却发现视线中没有需要协助的机器人。这样的操作员可以简单地等待机器人靠近，或者可以猜测并朝特定方向前进，希望找到需要帮助的机器人。然而，由于操作员只是在猜测或等待，这种方法不太可能始终如一地产生高效的结果。例如，在没有指导或导向的情况下，多个人类操作员50最初可能会追逐同一个机器人18。然后，操作员50浪费了前往目标机器人18所需的时间，一旦操作员50意识到他们正在追逐同一个机器人18，操作员50就需要浪费时间与其他操作员50相互协调他们中的哪个操作员将协助目标机器人，寻找并前往协助另一个机器人18的过程需要被重复。

此外，当许多机器人聚集在离散的拥塞位置903中时，如图9所示，为了最大化个人任务完成率和服务聚集的机器人18的任务完成率，未被引导的人类操作员50也可能倾向于聚集在那些区域以执行与那些机器人18相关联的任务，从而产生新的拥塞区域903和/或加剧现有的拥塞问题。另外，如果许多人类操作员50和机器人18聚集在一起，则在导航空间的不太活跃的部分(例如，偏远区域911)中运行的无人看管的机器人918可能长时间无人类操作员50的帮助，从而导致增加这些机器人18的停留时间并进一步降低了效率。

为了提高操作员50的效率，减少操作员50相关的拥塞，并减少无人看管的机器人918的停留时间，本文描述了用于人员路由的系统和方法。特别地，每个机器人18可以被配置为在显示器(例如，平板电脑48的显示器)上向操作员50呈现下一个任务推荐。

如图9所示，在一些导航空间中，人类操作员50、无任务的人类操作员950、机器人18和无人看管的机器人918可以位于拥塞区域903中、偏远区域911中，或更一般地贯穿整个导航空间。如图9所示，无任务的人类操作员950(例如，刚刚完成任务并且正在寻找需要协助的新的无人看管的机器人918的操作员50)被定位在没有需要协助的无人看管的机器人918的过道中。最初，无任务的操作员950可能不知道下一步要去哪里并且可能花时间四处游荡以找到无人看管的机器人918。

在图9中描绘的场景中，因为无任务的操作员950看不到任何无人看管的机器人918，所以无任务的操作员950可能会朝着其他活动的声音前进以寻找无人看管的机器人918。在图9所示的场景中，无任务的操作员因此可能前往附近的拥塞区域903。然而，在图9的拥塞区域903中，有六个人类操作员50，并只有两个无人看管的机器人918。因此，无任务的操作员950只会加剧拥塞并且几乎没有增加价值。

同时，其他无人看管的机器人918位于远离拥塞区域903的远程区域911中。如图9所示，这种无人看管的机器人918可能很远，以至于没有人类操作员靠近。因此，等待人类操作员50来协助完成每个无人看管的机器人918的当前任务的这种机器人的停留时间会被延长，从而导致相对于该无人看管的机器人918任务列表的执行效率低下。

在一些实施例中，为了向无人看管的操作员950提供关于下一步去哪里的方向、提高无人看管的机器人918的任务完成率，以及管理与人类操作员50相关的拥塞，提供了人员路由系统。具体地，如图10所示，一旦当前任务完成，机器人18可以接收对应于至少一个无人看管的机器人918的状态信息，并且可以使用该状态信息确定下一个任务推荐1001，用于将用户指引到推荐的无人看管的机器人918。

在一些实施例中，机器人18可以直接从至少一个无人看管的机器人918中的每一个接收状态信息。在一些实施例中，机器人18可以从机器人监视服务器902接收状态信息。机器人监视服务器902可以是能够在导航空间内跟踪机器人和/或人类操作员活动的任何服务器或计算设备，包括例如仓库管理系统15、订单服务器14、独立服务器、服务器的网络、云、机器人平板电脑48的处理器和存储器、机器人18的底座20的处理器和存储器、包含至少两个机器人平板电脑48和/或底座20的存储器和处理器的分布式系统。在一些实施例中，状态信息可以从机器人监视服务器902自动推送到机器人18。在其他实施例中，可以响应来自机器人18的请求发送状态信息。

在接收到状态信息后，机器人18可以使用状态信息来确定与每个无人看管的机器人918相关联的一个或更多个推荐因素。例如，机器人18可以使用状态信息来确定无人看管的机器人918的姿势位置是否处于如上所述的拥塞状态(即，位于拥塞区域903中)。另外，在一些实施例中，可以通过最小化机器人18和下一个任务推荐1001的推荐的无人看管的机器人918之间的距离来提高效率。在一些实施例中，可以根据例如机器人18的(x,y,z)位置和无人看管的机器人918的(x,y,z)位置之间的直线距离来确定接近程度。在一些实施例中，可以根据机器人18的(x,y,z)位置和至少两个无人看管的机器人918的(x,y,z)位置之间的三角测量计算来确定接近程度。在一些实施例中，可以根据机器人18的(x,y,z)位置和无人看管的机器人918的(x,y,z)位置之间的步行/行进距离，基于已知的障碍物(诸如，例如如图1所示的货架12)或与SLAM相关联的其他禁行区或导航空间的其他知识，来确定接近程度。

其他推荐因素可以包括靠近每个无人看管的机器人918的人类操作员50的数量、靠近每个无人看管的机器人918的人类操作员50与无人看管的机器人918的比率、每个无人看管的机器人918要完成的任务的优先级、无人看管的机器人918的当前停留时间，或其组合。通过考虑这些推荐因素，人员路由系统可以提高导航空间内的任务完成效率。例如，这样的推荐因素可以允许人员路由系统最小化行进距离、最小化行进时间、最小化推荐的无人看管的机器人918的可能停留时间、避开障碍物或拥塞区域，或其组合。在一些实施例中，考虑多个推荐因素可以导致更优化的结果。例如，在无人看管的机器人918位于拥塞区域903的情况下，人员路由系统可以默认权衡将人类操作员50引导到拥塞区域903。然而，如果在拥塞区域903中没有足够的人类操作员50来服务机器人18，则人员路由系统可以确定拥塞区域903中的无人看管的机器人908的位置有利于将人类操作员50引导到拥塞区域903。

类似地，在一些实施例中，默认偏好可以是将人类操作员50引导到最近的无人看管的机器人。然而，如果机器人18位于拥塞区域内，则可以有多个无人看管的机器人918位于靠近机器人18(以及看管的操作员50)的区域，并可以有能够为其附近的无人看管的机器人918提供服务的大量人类操作员50。同时，可能没有(或很少)足够接近以服务其他无人看管的机器人918的人类操作员50，例如位于远程区域911中的那些。人员路由系统然后可以确定这种情况有利于将人类操作员50引导到位于远程区域911中的更远的无人看管的机器人918。

再次参考图10，机器人18可以通过在机器人18的显示器1000(例如，平板电脑48的显示器)上呈现推荐1001来将下一个任务推荐1001传达给操作员50。在一些实施例中，下一个任务推荐1001可在当前任务完成时自动呈现、响应于人类操作员50的输入而呈现，或其组合。例如，如图10所示，在一些实施例中，下一个任务推荐1001可以自动呈现为任务完成界面1003内的交互式图形对象，指示当前任务的完成。下一个任务推荐1001通常可以包括推荐的无人看管的机器人918的位置1005和/或机器人标识1007。

位置1005通常可以包括过道标识符1005a、堆栈标识符1005b、货架标识符、(x,y,z)位置、任何其他合适的位置指示信息，或其组合中的一个或更多个。特别地，在图10中，位置1005包括标识特定通道1005a的字母和标识特定堆栈1005b的数字。机器人标识1007通常可以包括任何合适的标识符，用于允许操作员50在接近以执行下一个任务时验证推荐的无人看管的机器人918的身份。

尽管下一个任务推荐1001在图10中被示为按比例小的交互式图形对象(其指示单个推荐的无人看管的机器人918的位置1005和标识1007)，但鉴于本公开内容显而易见的是，下一个任务推荐1001可以以任何大小呈现和/或交互式图像对象可以被配置为与推荐的无人看管的机器人918各自相对应的下一个任务推荐1001的数量(以供人类操作员选择)。如果存在多个指示的下一个任务推荐1001，交互式图形对象可以被配置为接受人类操作者50的输入，该输入选择人类操作者50将接受和看管的哪一个下一个任务推荐1001。

在一些实施例中，交互式图形对象可以被配置为使得操作员50可以触摸或“点击”对象以打开更大的交互式推荐1101屏幕。如图11所示，交互式推荐1101可以指示多个下一个任务推荐1001和对应的位置1005和标识1007。在一些实施例中，交互式推荐1101可以有利地提供比图10中所示的较小的部分屏幕更大、更清晰的文本，尤其是在呈现多个下一任务推荐1001的情况下。

此外，可以在交互式推荐1101屏幕中向操作员呈现附加信息。例如，如图11所示，为每个下一任务推荐1001呈现地图1103，从而为操作员50提供视觉指导，而不是依赖于操作员对特定设施布局的回忆。在一些实施例中，交互式推荐1101屏幕内的每个下一个任务推荐1001可以被呈现为单独的交互式图形对象。例如，在一些实施例中，地图1103可以被显示为机器人周围预定区域的平面图，其通常表示靠近机器人的仓库的一部分，但在一些实施例中，可以包括整个仓库。在一些实施例中，整个仓库布局可以被划分为多个区域，并且在机器人周围的地图1103中显示的预定区域可以对应于机器人所在的多个区域之一。在一些实施例中，地图1103可以包括货架单元的渲染(rendering)和预定区域内的其他机器人的图形表示。

在一些实施例中，地图1103也可以包括人类操作员50的图形表示，该人类操作员50看管与地图1103的视野内的一个或更多个机器人18相关联的订单。通常，地图1103可用于允许人类操作员50基于例如与下一个捡取推荐1001相关联的无人看管的机器人918和/或靠近无人看管的机器人918的与下一个捡取推荐1001相关联的额外的无人看管的机器人918的数量，来确定选择哪个下一个任务推荐1001。

如果存在多个指示的下一个任务推荐1001，交互式推荐可以被配置为接受人类操作者50的输入，该输入选择人类操作者50将接受和看管的下一个任务推荐1001。在这样的实施例中，机器人18可以将选择传达给机器人监视系统902，从而在人员路由系统内将选择的任务和无人看管的机器人918指定为“正在进行”，以避免冗余推荐。在这样的实施例中，人员路由系统还可以影响与操作员50选择的下一个捡取推荐1001相关联的无人看管的机器人918的视觉、音频或其他状态指示器的改变，以指示机器人已经被选择用于任务执行。特别地，可以提供这样的状态指示器以阻止该区域中的其他人类操作员试图帮助/要求无人看管的机器人918。状态指示器可以通过改变无人看管的机器人918的平板电脑48的显示器、在平板电脑48的显示器中呈现的图形对象、或无人看管的机器人918的一个或更多个灯中的一个或更多个的颜色或强度来表示。可以附加地或替代地通过使无人看管的机器人918的平板电脑48的显示器、在平板电脑48的显示器中呈现的图形对象或无人看管的机器人918的一个或更多个灯中的一个或更多个闪烁、闪光或脉冲来表示状态指示器。

为了解决人为错误、意外事件和/或其他执行失败，在一些实施例中，如果任务没有在规定的时间限制内完成，则“正在进行”指定可以由人员路由系统移除。

鉴于本公开，很明显，示例性人员路由和拥塞管理技术在上文中仅出于说明目的而被描述，并且任何其他信标消息、信标配置、接收器配置或接近操作模式可以在根据各种实施例被实施。

非限制性示例计算设备

图12是根据如上参考图1至图11所述的各种实施例的例如可以使用的示例性计算设备1210或其部分的框图。计算设备1210包括用于存储用于实现示例性实施例的一个或更多个计算机可执行指令或软件的一个或更多个非暂时性计算机可读介质。非暂时性计算机可读介质可以包括但不限于一种或更多种类型的硬件存储器、非暂时性有形介质(例如，一个或更多个磁存储盘、一个或更多个光盘、一个或更多个闪存驱动器)等。例如，计算设备1210中包括的存储器1216可以存储用于执行本文公开的操作的计算机可读和计算机可执行指令或软件。例如，存储器可以存储软件应用1240，该软件应用1240被编程为执行关于图1至图11所讨论的各种公开的操作。计算设备1210还可以包括可配置和/或可编程处理器1212和相关联的核心1214，以及可选地，还可以包括一个或更多个附加的可配置和/或可编程处理设备，例如处理器1212'和相关联的(一个或更多个)核心1214'(例如，在计算设备具有多个处理器/核的情况下)，以用于执行存储在存储器1216中的计算机可读和计算机可执行指令或软件以及用于控制系统硬件的其他程序。处理器1212和(一个或更多个)处理器1212'均可以是单核处理器或多核(1214和1214')处理器。

虚拟化可用于计算设备1210中，使得可动态共享计算设备中的基础设施和资源。可提供虚拟机1214以操控运行于多个处理器的进程，使得进程看来像是仅使用一个计算资源而不是多个计算资源。多个虚拟机还可与一个处理器配合使用。

存储器1216可包括计算机系统存储器或随机存取存储器，例如DRAM、SRAM、EDORAM等。存储器1216也可包括其他类型的存储器或者其组合。

用户可通过可视显示设备1201、111A-D(例如，计算机监视器，其可显示能够根据示例实施例设置的一个或更多个图形用户界面1202)与计算设备1210进行交互。计算设备1210可包括用于接收来自用户的输入的其他I/O设备，例如键盘或者任何适合的多点触摸界面1218、定点设备1220(例如，鼠标)。键盘1218和定点设备1220可耦接到可视显示设备1018。计算设备1210可包括其他适合的常规I/O外设。

计算设备1210可包括一个或更多个存储设备1234，例如但不限于硬盘驱动器、CD-ROM或者用于存储数据和执行本公开的操作的计算机可读指令和/或软件的其他计算机可读介质。示例性存储设备1234还可以存储用于存储实现示例性实施例所需的任何合适的信息的一个或更多个数据库。可以在任何合适的时间手动或自动更新数据库以添加、删除和/或更新数据库中的一项或更多项。

计算设备1210可包括网络接口1222，其被配置成经由一个或更多个网络设备1232、经过多种连接(包括但不限于标准电话线、LAN或WAN链路(例如802.11、T1、T3、56kb、X.25)、宽带连接(例如ISDN、帧中继、ATM)、无线连接、控制器区域网络(CAN)或者上述任一个或全部的某种组合)，来与一个或更多个网络(例如，局域网(LAN)、广域网(WAN)或因特网)进行接口。网络接口1222可包括内置网络适配器、网络接口卡、PCMCIA网络卡、卡总线网络适配器、无线网络适配器、USB网络适配器、调制解调器或者适合于将计算设备1210与能够进行通信的任何类型的网络进行接口并且执行本文所述操作的任何其他装设备。此外，计算设备1210可以是任何计算设备，例如工作站、台式计算机、服务器、膝上型计算机、手持计算机、平板计算机或能够通信并且具有足够处理器能力和内存容量来执行本公开描述的操作的其他形式的计算或通信设备。

计算设备1210可运行任何操作系统1016，例如

操作系统(Microsoft、Redmond、Wash.)的各版本、Unix和Linux操作系统的不同发行版、Macintosh计算机的

(Apple Inc.、Cupertino、Calif.)的任何版本、任何嵌入式操作系统、任何实时操作系统、任何开放源操作系统、任何专有操作系统、或者能够运行计算设备并执行本公开的操作的其他操作系统。在示例性实施例中，操作系统1226可以以本地模式或仿真模式运行。在示例性实施例中，操作系统1226可以在一个或更多个云机器实例上运行。

图13是某些分布式实施例的示例计算设备框图。尽管图1至图11和以上示例性讨论的部分参考了仓库管理系统15、订单服务器14或机器人跟踪服务器902，仓库管理系统15、订单服务器14或机器人跟踪服务器902每个均在单独的或公共的计算设备上运行，但是人们将认识到仓库管理系统15、订单服务器14或机器人跟踪服务器902的任何一者可以替代地跨网络1305分散在单独的服务器系统1301a-d中并且可能分散在用户系统中，例如信息亭、台式计算机设备1302或移动计算机设备1303。例如，订单服务器14可以分布在机器人18的平板电脑48之间。在一些分布式系统中，任何一个或更多个仓库管理系统软件和/或订单服务器软件的模块可以分别位于服务器系统1301a-d上并且可以通过网络1305彼此通信。

尽管本发明的前述描述使本领域普通技术人员能够制造和使用目前被认为是最佳模式的技术，但是本领域普通技术人员将理解且认识到本文的特定实施例和示例的变型、组合和等效形式的存在。本发明的上述实施方式仅是示例。在不脱离本发明的范围的情况下，本领域技术人员可以对特定实施例进行改变、修改和变化，本发明的范围仅由所附权利要求书限定。因此，本发明不受上述实施例和示例的限制。

声明为新的并且由专利证书提供保证的是已经描述的本发明及其优选的实施例。

Claims (20)

1.一种机器人辅助的人员路由系统，包括：

在导航空间内运行的多个自主机器人，每个机器人包括：

处理器；以及

存储器，所述存储器存储有指令，所述指令当被所述处理器执行时使所述自主机器人：

检测人类操作员完成了任务操作，

接收与至少一个其他机器人相对应的状态信息，所述状态信息包括与所述其他机器人相关联的位置或等待时间中的至少一者，

根据所述状态信息确定用于将所述人类操作员引导到下一个机器人以进行下一个任务操作的至少一个下一个任务推荐，以及

在所述机器人的显示器上呈现所述至少一个下一个任务推荐以供所述人类操作员查看，所述下一个任务推荐包括与所述下一个任务相对应的下一个机器人的位置。

2.根据权利要求1所述的系统，其中：

所述状态信息包括所述至少一个其他机器人在所述导航空间内的(x,y,z)位置，以及

所述下一个机器人是通过确定与所述至少一个其他机器人的最小直线距离而被选择的。

3.根据权利要求1所述的系统，其中，所述下一个机器人是响应于一个或更多个效率因素而被选择的，所述一个或更多个效率因素包括所述至少一个其他机器人的停留时间、所述至少一个其他机器人的直线接近程度、接近所述至少一个其他机器人的人类操作员的数量、到所述至少一个其他机器人的步行距离、与所述至少一个其他机器人相关联的任务的优先级、所述至少一个其他机器人附近的拥塞程度或者其组合。

4.根据权利要求1所述的系统，其中，所述下一个任务推荐在所述显示器上被呈现为交互式图形。

5.根据权利要求4所述的系统，其中，响应于通过所述交互式图形接收到的人类操作员输入，扩展图形被呈现，以提供关于与所述下一个任务推荐相关联的下一个任务操作的附加信息、向所述人类操作员展现附加的下一个任务推荐，或其组合中的一个或更多个。

6.根据权利要求5所述的系统，其中，所述扩展图形包括一个或更多个附加的交互式图形。

7.根据权利要求4所述的系统，其中，所述交互式图形被配置为记录所述人类操作员从所述至少一个下一个任务推荐中选择下一个任务操作。

8.根据权利要求7所述的系统，其中，所述存储器还存储有指令，该指令当被所述处理器执行时使所述自主机器人执行以下操作：响应于下一个任务选择的记录，将选定的任务操作指定为在所述人员路由系统内是正在进行的，以避免冗余推荐。

9.根据权利要求8所述的系统，其中，如果选定的任务操作没有在规定的时间限制内完成，则正在进行的指定被移除。

10.根据权利要求1所述的系统，其中，所述状态信息是直接从所述至少一个其他机器人接收到的。

11.根据权利要求1所述的系统，其中，所述状态信息是从用于监视所述导航空间内的机器人的机器人监视服务器接收到的，其中，所述机器人监视服务是以下中的至少一者：与所述导航空间的至少一个命令服务器相集成、与所述导航空间的仓库管理系统相集成、独立服务器、包括所述多个机器人中的至少两个机器人的所述处理器和所述存储器的分布式系统或其组合。

12.根据权利要求1所述的系统，其中，所述导航空间是仓库。

13.根据权利要求12所述的系统，其中，所述至少一个下一个任务操作是要在所述仓库内执行的捡取操作、放置操作或其组合中的至少一者。

14.一种机器人辅助的人员路由的方法，包括：

通过在导航空间内运行的多个自主机器人中的一个自主机器人的处理器和存储器检测人类操作员完成了任务操作；

通过所述自主机器人的收发器接收与至少一个其他机器人相对应的状态信息，所述状态信息包括与所述其他机器人相关联的位置或等待时间中的至少一者；

根据所述状态信息确定用于将所述人类操作员引导到下一个机器人以进行下一个任务操作的至少一个下一个任务推荐；以及

在所述机器人的显示器上呈现所述至少一个下一个任务推荐以供所述人类操作员查看，所述下一个任务推荐包括与所述下一个任务相对应的下一个机器人的位置。

15.根据权利要求14所述的方法，其中，所述状态信息包括所述至少一个其他机器人在所述导航空间内的(x,y,z)位置，所述方法还包括：

通过确定与所述至少一个其他机器人的最小直线距离，选择所述下一个机器人。

16.根据权利要求14所述的方法，所述方法还包括：

响应于一个或更多个效率因素，选择所述下一个机器人，所述一个或更多个效率因素包括所述至少一个其他机器人的停留时间、所述至少一个其他机器人的直线接近程度、接近所述至少一个其他机器人的人类操作员的数量、到所述至少一个其他机器人的步行距离、与所述至少一个其他机器人相关联的任务的优先级、所述至少一个其他机器人附近的拥塞程度或者其组合。

17.根据权利要求14所述的方法，所述方法还包括将所述下一个任务推荐在所述显示器上呈现为交互式图形。

18.根据权利要求17所述的方法，所述方法还包括：响应于通过所述交互式图形接收到的人类操作员输入，呈现扩展图像，以提供关于与所述下一个任务推荐相关联的下一个任务操作的附加信息、向所述人类操作员展现附加的下一个任务推荐，或其组合中的一个或更多个。

19.根据权利要求18所述的方法，其中，所述扩展图形包括一个或更多个附加的交互式图形。

20.根据权利要求17所述的方法，所述方法还包括：

通过所述交互式图形，记录所述人类操作员从所述至少一个下一个任务推荐中选择下一个任务操作；以及

响应于下一个任务选择的记录，将选定的任务操作指定为在所述人员路由系统内是正在进行的，以避免冗余推荐。

Images