CN113842086B - 一种清洁方法、拖地机器人及清洁系统 - Google Patents

一种清洁方法、拖地机器人及清洁系统 Download PDF

Info

Publication number
CN113842086B
CN113842086B CN202111144363.9A CN202111144363A CN113842086B CN 113842086 B CN113842086 B CN 113842086B CN 202111144363 A CN202111144363 A CN 202111144363A CN 113842086 B CN113842086 B CN 113842086B
Authority
CN
China
Prior art keywords
mopping robot
robot
mopping
cleaning
current moment
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.)
Active
Application number
CN202111144363.9A
Other languages
English (en)
Other versions
CN113842086A (zh
Inventor
李煌
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.)
Shenzhen Umouse Technology Development Co Ltd
Original Assignee
Shenzhen Umouse Technology Development Co Ltd
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 Shenzhen Umouse Technology Development Co Ltd filed Critical Shenzhen Umouse Technology Development Co Ltd
Priority to CN202111144363.9A priority Critical patent/CN113842086B/zh
Publication of CN113842086A publication Critical patent/CN113842086A/zh
Application granted granted Critical
Publication of CN113842086B publication Critical patent/CN113842086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/24—Floor-sweeping machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/28—Floor-scrubbing machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4002—Installations of electric equipment
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Vacuum Cleaner (AREA)

Abstract

本发明公开了一种清洁方法、拖地机器人及清洁系统。其中，清洁方法包括接收扫地机器人发送的清扫路径；获取拖地机器人在当前时刻的位置、线速度和角速度；根据第一驱动轮的角速度和第二驱动轮的角速度构建拖地机器人的非线性运动模型；根据非线性运动模型构建预测控制模型；利用预测控制模型对拖地机器人在当前时刻的位置、线速度和角速度进行处理，得到拖地机器人在预测时域内各预测时间点的预测位置；根据预测位置和清扫路径得到控制输出序列；根据控制输出序列控制拖地机器人沿清扫路径执行拖地任务。本发明提供的清洁方法、拖地机器人及清洁系统，提高了清洁效率。

Description

一种清洁方法、拖地机器人及清洁系统
技术领域
本发明实施例涉及智能家居技术领域，尤其涉及一种清洁方法、拖地机器人及清洁系统。
背景技术
智能机器人在人类的生活和工业生产中可以发挥强大的作用，使得人们可以更好更快的完成既定的工作。随着智能家居行业的快速发展，扫地机器人成为家庭中不可或缺的家电产品的趋势已经不可逆转，这同时也对扫地机器人的智能化，人性化，提出了更高的要求。
当前主流的扫地机器人多采用扫拖一体的设计思路，但是由于存在扫拖部件的换洗等操作，给人们带来诸多的不便，降低了清洁效率。
发明内容
本发明提供一种清洁方法、拖地机器人及清洁系统，以提高清洁效率。
第一方面，本发明实施例提供了一种清洁方法，应用于拖地机器人，所述拖地机器人包括第一驱动轮和第二驱动轮，该清洁方法包括：
接收扫地机器人发送的清扫路径；
获取所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度；
根据所述第一驱动轮的角速度和所述第二驱动轮的角速度构建所述拖地机器人的非线性运动模型；
根据所述非线性运动模型构建预测控制模型；
其中，所述非线性运动模型包括：
Figure 963070DEST_PATH_IMAGE001
；
其中，
Figure 598320DEST_PATH_IMAGE003
为所述拖地机器人的状态量随时间的变化率，
Figure 112478DEST_PATH_IMAGE004
为所述拖地机器人的航 向角，
Figure 976528DEST_PATH_IMAGE005
为所述拖地机器人的线速度，
Figure 259742DEST_PATH_IMAGE006
为所述拖地机器人的角速度，
Figure 816625DEST_PATH_IMAGE007
为所述第一驱动轮的 半径，所述第一驱动轮的半径等于所述第二驱动轮的半径，
Figure 819346DEST_PATH_IMAGE008
为所述第一驱动轮与所述第二 驱动轮之间距离的一半，
Figure 487088DEST_PATH_IMAGE009
为所述第一驱动轮的角速度，
Figure 624808DEST_PATH_IMAGE010
为所述第二驱动轮的角速度；
利用所述预测控制模型对所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度进行处理，得到所述拖地机器人在预测时域内各预测时间点的预测位置；
根据所述预测位置和所述清扫路径得到控制输出序列，所述控制输出序列包括所述拖地机器人在预测时域内各预测时间点的线速度和角速度的合集；
根据所述控制输出序列控制所述拖地机器人沿所述清扫路径执行拖地任务。
可选的，所述预测控制模型包括：
Figure 352593DEST_PATH_IMAGE011
；
其中，
Figure 575764DEST_PATH_IMAGE012
为控制周期，
Figure 296464DEST_PATH_IMAGE013
为单位矩阵，
Figure 288691DEST_PATH_IMAGE014
为所述拖地机器人在所述清扫路径上的参 考线速度，
Figure 187376DEST_PATH_IMAGE016
为所述拖地机器人在所述清扫路径的参考航向角，n为大于0的正整数，
Figure 897843DEST_PATH_IMAGE017
为 所述拖地机器人在所述清扫路径上的参考状态量。
可选的，所述利用预测控制模型对所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度进行处理，得到所述拖地机器人在预测时域内各预测时间点的预测位置，包括：
将所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所 述拖地机器人在当前时刻的角速度带入所述预测控制模型
Figure 891076DEST_PATH_IMAGE018
中，得到 所述拖地机器人在预测时域内各预测时间点的预测位置。
可选的，所述根据所述预测位置和所述清扫路径得到控制输出序列，包括：
根据所述预测位置和所述清扫路径确定所述拖地机器人在所述预测时域内各预测时间点的预测位置偏差；
根据所述预测位置偏差和预设目标函数得到所述控制输出序列。
可选的，所述预设目标函数为：
Figure 3389DEST_PATH_IMAGE019
；
Figure 72976DEST_PATH_IMAGE020
；
其中，Q和R为系数矩阵，Y为所述拖地机器人的状态量偏差，U为控制输出序列。
可选的，所述预设目标函数为：
Figure 270739DEST_PATH_IMAGE021
Figure 83974DEST_PATH_IMAGE020
；
其中，Q和R为系数矩阵，
Figure 316372DEST_PATH_IMAGE022
为所述拖地机器人在第n个控制周期的状态量偏差， n为大于0的正整数，
Figure 806128DEST_PATH_IMAGE024
为正定的加权矩阵，Y为所述拖地机器人的状态量偏差，U为控制输出 序列。
可选的，所述根据所述控制输出序列控制所述拖地机器人沿所述清扫路径执行拖地任务，包括：
将所述控制输出序列的第一项作为所述拖地机器人的控制输出。
第二方面，本发明实施例还提供了一种拖地机器人，用于执行如第一方面所述的任一清洁方法。
第三方面，本发明实施例还提供了一种清洁系统，包括第二方面所述的拖地机器人以及扫地机器人。
可选的，清洁系统还包括云端后台模块，所述云端后台模块分别与所述扫地机器人和所述拖地机器人通信连接。
本发明实施例提供的清洁方法、拖地机器人及清洁系统，通过接收扫地机器人发送的清扫路径，获取拖地机器人在当前时刻的位置、线速度和角速度，利用预测控制模型对所述拖地机器人在当前时刻的位置、线速度和角速度进行处理，得到拖地机器人在预测时域内各预测时间点的预测位置，根据预测位置和清扫路径得到控制输出序列，控制输出序列包括拖地机器人在预测时域内各预测时间点的线速度和角速度的合集，并根据控制输出序列控制拖地机器人沿清扫路径执行拖地任务，从而实现基于模型预测控制(modelpredictive control，MPC)对清扫路径进行轨迹跟踪，与传统的基于线性二次型调节器（Linear Quadratic Regulator，LQR）以及比例积分微分控制（proportional-integral-derivative control，PID）的控制方法相比，在提高响应速度的基础上，具有更好的跟踪效果，进而使拖地机器人更为快速和精确的沿着扫地机器人的扫地路线对已进行清扫的区域进行拖地，实现扫地机器人和拖地机器人的自动化协同作业，提升清洁效率。
附图说明
图1为本发明实施例提供的一种清洁方法的流程示意图；
图2为本发明实施例提供的一种拖地机器人的工作流程示意图；
图3为本发明实施例提供的一种拖地机器人的底盘结构示意图；
图4为本发明实施例提供的一种拖地机器人的驱动结构示意图；
图5为本发明实施例提供的一种拖地机器人的结构示意图；
图6为本发明实施例提供的一种清洁系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的一种清洁方法的流程示意图，如图1所示，本发明实施例提供的清洁方法应用于拖地机器人，拖地机器人包括第一驱动轮和第二驱动轮，该清洁方法包括：
S110、接收扫地机器人发送的清扫路径。
示例性的，图2为本发明实施例提供的一种拖地机器人的工作流程示意图，如图1和图2所示，扫地机器人210能够感知外部环境进行建图，生成清扫区域地图，并根据清扫区域地图进行路径规划，生成清扫路径，扫地机器人210沿清扫路径执行扫地任务，完成对清扫区域的清扫工作。
其中，在扫地机器人210执行扫地任务的过程中，扫地机器人会记录下清扫路径，并将清扫路径共享给拖地机器人220，以使拖地机器人220获得扫地机器人210发送的清扫路径，拖地机器人220在拖地的过程中依据循迹的策略沿清扫路径进行拖地，从而沿着扫地机器人210的扫地路线对已进行清扫的区域进行拖地，实现扫地机器人210和拖地机器人220的协同作业，从而提升清洁效率。
可选的，清扫路径可以由扫地机器人210直接发送给拖地机器人220。例如，扫地机器人210通过共享局域网、WiFi、蓝牙等无线传输方式将清扫路径直接传输至拖地机器人220。
同时，扫地机器人210还可将清扫区域地图和扫地机器人210的实时位置等信息发送给拖地机器人220，实现扫地机器人210与拖地机器人220之间的信息交互，本发明实施例对此不作限定。
S120、获取所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度。
示例性的，图3为本发明实施例提供的一种拖地机器人的底盘结构示意图，图4为 本发明实施例提供的一种拖地机器人的驱动结构示意图，如图3和图4所示，在惯性坐标系 OXY下，拖地机器人220在当前时刻的位置可以用拖地机器人220的质心P的坐标
Figure 225608DEST_PATH_IMAGE026
来表示，
Figure 842535DEST_PATH_IMAGE004
为拖地机器人220的航向角，航向角是指拖地机器人220的纵向中心轴与X轴方向的夹角。 拖地机器人220在当前时刻的线速度是指拖地机器人220沿其纵向中心轴方向的速度；拖地 机器人220在当前时刻的角速度是指拖地机器人220的转向角角速度。
其中，拖地机器人220在当前时刻的位置、线速度和角速度可以基于拖地机器人220的传感器所采集到的传感器数据获得，传感器可以包括一种或多种传感器，例如激光雷达或者摄像头等传感器。
S130、根据所述第一驱动轮的角速度和所述第二驱动轮的角速度构建所述拖地机器人的非线性运动模型。
示例性的，如图3和图4所示，拖地机器人220包括第一驱动轮310和第二驱动轮320 和万向轮330，以实现拖地机器人220的前进和转向，定义第一驱动轮310和第二驱动轮320 的中心在惯性坐标系OXY下移动的角速度分别为
Figure 929439DEST_PATH_IMAGE027
和
Figure 340829DEST_PATH_IMAGE028
，从而构建拖地机器人220的非线 性运动模型。
S140、根据所述非线性运动模型构建预测控制模型；
其中，所述非线性运动模型包括：
Figure 762452DEST_PATH_IMAGE001
；
其中，
Figure 917490DEST_PATH_IMAGE029
为所述拖地机器人的状态量随时间的变化率，
Figure 858901DEST_PATH_IMAGE030
为所述拖地机器人的航 向角，
Figure 706771DEST_PATH_IMAGE031
为所述拖地机器人的线速度，
Figure 366423DEST_PATH_IMAGE032
为所述拖地机器人的角速度，
Figure 59572DEST_PATH_IMAGE033
为所述第一驱动轮 的半径，所述第一驱动轮的半径等于所述第二驱动轮的半径，
Figure 104757DEST_PATH_IMAGE034
为所述第一驱动轮与所述第 二驱动轮之间距离的一半，
Figure 123529DEST_PATH_IMAGE027
为所述第一驱动轮的角速度，
Figure 270477DEST_PATH_IMAGE028
为所述第二驱动轮的角速 度。
具体的，继续参考图4，拖地机器人220的状态量包括拖地机器人220的位姿数据， 在本实施例中，使用
Figure 767317DEST_PATH_IMAGE035
来表示拖地机器人220的状态量，其中
Figure 683320DEST_PATH_IMAGE036
和
Figure 607414DEST_PATH_IMAGE037
分别表示拖地机器人 220的质心在惯性坐标系OXY下的位置坐标，
Figure 225346DEST_PATH_IMAGE030
表示拖地机器人220的航向角，
Figure 525877DEST_PATH_IMAGE029
表示上述 状态量随时间的变化率。
假设拖地机器人220的车轮与地面纯滚动接触，没有滑动，则拖地机器人220的运动模型如下：
Figure 561967DEST_PATH_IMAGE038
；
其中，拖地机器人220的线速度
Figure 656962DEST_PATH_IMAGE031
是指拖地机器人220沿其纵向中心轴方向的速度， 拖地机器人220的角速度
Figure 512922DEST_PATH_IMAGE032
是指是指拖地机器人220的转向角角速度。
继续参考图4，定义第一驱动轮310和第二驱动轮320的中心在惯性坐标系OXY下移 动的角速度分别为
Figure 617144DEST_PATH_IMAGE027
和
Figure 242161DEST_PATH_IMAGE028
，第一驱动轮310和第二驱动轮320的半径为
Figure 757325DEST_PATH_IMAGE033
，第一驱动轮310 与第二驱动轮320之间距离为
Figure 100581DEST_PATH_IMAGE034
，则得到拖地机器人220的非线性运动模型：
Figure 8494DEST_PATH_IMAGE001
；
在本实施例中，通过将上述非线性运动模型线性化以构建预测控制模型，以便于求解，降低计算复杂度，提高预测控制算法计算速度。
S150、利用所述预测控制模型对所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度进行处理，得到所述拖地机器人在预测时域内各预测时间点的预测位置。
具体的，可以根据拖地机器人220在当前时刻的位置、线速度和角速度，利用预测控制模型来计算得到拖地机器人220在未来预测时域内各预测时间点的预测位置。
S160、根据所述预测位置和所述清扫路径得到控制输出序列，所述控制输出序列包括所述拖地机器人在预测时域内各预测时间点的线速度和角速度的合集。
其中，可根据预测位置和清扫路径，得到未来预测时域内各预测时间点的拖地机 器人220的线速度
Figure 753596DEST_PATH_IMAGE005
和角速度
Figure 190394DEST_PATH_IMAGE006
的合集，从而可以确定出各个预测时间点所期望的线速度
Figure 20947DEST_PATH_IMAGE005
和角速度
Figure 456519DEST_PATH_IMAGE006
。
S170、根据所述控制输出序列控制所述拖地机器人沿所述清扫路径执行拖地任务。
其中，根据控制输出序列控制生成相应的控制信号，以控制拖地机器人220运动装 置进行移动和转向，以使拖地机器人220在未来预测时域内各预测时间点的运动状态满足 所期望的线速度
Figure 56128DEST_PATH_IMAGE005
和角速度
Figure 929406DEST_PATH_IMAGE006
，从而基于模型预测控制(model predictive control，MPC) 实现对清扫路径的轨迹跟踪。
其中，模型预测控制是指通过搭建预测控制模型，对系统将来一段时间内控制输出的结果进行预测，对控制输出进行滚动优化，选择最佳控制行为的算法，与传统的基于线性二次型调节器（Linear Quadratic Regulator，LQR）以及比例积分微分控制（proportional-integral-derivative control，PID）的控制方法相比，在提高响应速度的基础上，具有更好的跟踪效果。
本发明实施例提供的清洁方法，通过接收扫地机器人发送的清扫路径，获取拖地机器人在当前时刻的位置、线速度和角速度，利用预测控制模型对所述拖地机器人在当前时刻的位置、线速度和角速度进行处理，得到拖地机器人在预测时域内各预测时间点的预测位置，根据预测位置和清扫路径得到控制输出序列，控制输出序列包括拖地机器人在预测时域内各预测时间点的线速度和角速度的合集，并根据控制输出序列控制拖地机器人沿清扫路径执行拖地任务，从而实现基于模型预测控制(model predictive control，MPC)对清扫路径进行轨迹跟踪，与传统的基于线性二次型调节器（Linear Quadratic Regulator，LQR）以及比例积分微分控制（proportional-integral-derivative control，PID）的控制方法相比，在提高响应速度的基础上，具有更好的跟踪效果，进而使拖地机器人更为快速和精确的沿着扫地机器人的扫地路线对已进行清扫的区域进行拖地，实现扫地机器人和拖地机器人的自动化协同作业，提升清洁效率。
可选的，预测控制模型包括：
Figure 981676DEST_PATH_IMAGE011
；
其中，
Figure 965812DEST_PATH_IMAGE012
为控制周期，
Figure 685507DEST_PATH_IMAGE013
为单位矩阵，
Figure 978953DEST_PATH_IMAGE014
为所述拖地机器人在所述清扫路径上的参 考线速度，
Figure 518519DEST_PATH_IMAGE016
为所述拖地机器人在所述清扫路径的参考航向角，n为大于0的正整数，
Figure 306347DEST_PATH_IMAGE017
为 所述拖地机器人在所述清扫路径上的参考状态量。
示例性的，使用泰勒级数，将拖地机器人220的非线性运动模型
Figure 614968DEST_PATH_IMAGE001
在清扫路径上展开，只保留一次 项，忽略高次项，以获得拖地机器人220的线性化方程，线性化方程如下：
Figure 830049DEST_PATH_IMAGE039
；
其中，
Figure 840599DEST_PATH_IMAGE017
为所述拖地机器人在所述清扫路径上的参考状态量，其中
Figure 432117DEST_PATH_IMAGE041
和
Figure 860825DEST_PATH_IMAGE042
分别 表示拖地机器人220的质心在清扫路径上的参考位置坐标，
Figure 246807DEST_PATH_IMAGE016
表示拖地机器人220在清扫路 径上的参考航向角，
Figure 760965DEST_PATH_IMAGE014
表示拖地机器人220在清扫路径上的参考线速度，
Figure 890595DEST_PATH_IMAGE043
表示拖地机器 人220在清扫路径上的参考角速度。
将上式进行化简，可以得到：
Figure 173809DEST_PATH_IMAGE044
；
采用一阶差分的方法求解上式，得到拖地机器人220的线性离散模型：
Figure 979959DEST_PATH_IMAGE045
Figure 981413DEST_PATH_IMAGE046
；
整理可得到预测控制模型：
Figure 914734DEST_PATH_IMAGE018
；
其中，T为控制周期，I为单位矩阵，n为大于0的正整数。
在本实施例中，通过将拖地机器人220的非线性运动模型线性化构建预测控制模型，便于求解，降低了计算复杂度，提高了预测控制算法计算速度。
可选的，利用预测控制模型对拖地机器人在当前时刻的位置、拖地机器人在当前时刻的线速度和拖地机器人在当前时刻的角速度进行处理，得到拖地机器人在预测时域内各预测时间点的预测位置，包括：
将拖地机器人在当前时刻的位置、拖地机器人在当前时刻的线速度和拖地机器人 在当前时刻的角速度带入预测控制模型
Figure 52455DEST_PATH_IMAGE018
中，得到 拖地机器人在预测时域内各预测时间点的预测位置。
示例性的，选取从当前时刻起未来的N个控制周期T作为其预测时域，以N=3为例， 使用
Figure 780239DEST_PATH_IMAGE047
来表示拖地机器人220在当前时刻的状态量，其中
Figure 268989DEST_PATH_IMAGE048
和
Figure 989690DEST_PATH_IMAGE049
分别表示拖地机器人220 的质心在当前时刻的位置坐标，
Figure 981916DEST_PATH_IMAGE050
表示拖地机器人220在当前时刻的航向角。将拖地机器人 220自身运动的线速度与角速度作为控制输出u，以拖地机器人220质心线速度
Figure 146181DEST_PATH_IMAGE005
和角速度
Figure 856649DEST_PATH_IMAGE006
表示，记为u＝
Figure 866193DEST_PATH_IMAGE051
。
则拖地机器人220在连续三个输入u0＝
Figure 244085DEST_PATH_IMAGE052
，u1=
Figure 562939DEST_PATH_IMAGE053
，u2=
Figure 26282DEST_PATH_IMAGE054
的作用下，在未来预 测时域内各预测时间点的预测位置如下：
Figure 839517DEST_PATH_IMAGE055
；
Figure 806336DEST_PATH_IMAGE056
；
Figure 46824DEST_PATH_IMAGE057
；
其中，相邻预测时间点的间隔时间即为控制周期T。
需要注意的是，本发明实施例中N=3仅为一个示例，在实际情况中，本领域技术人员可根据实际需求对N的数值进行设置，N为大于1的正整数即可本发明实施例对此不作限定。
可选的，根据预测位置和清扫路径得到控制输出序列，包括：
根据预测位置和清扫路径确定拖地机器人在预测时域内各预测时间点的预测位置偏差。
根据预测位置偏差和预设目标函数得到控制输出序列。
具体的，计算拖地机器人220的预测位置和清扫路径之间的偏差，本实施例采用控制周期T间的路径点Xrea1、Xrea2和Xrea3作为参考点计算偏差，其中，控制周期T间的路径点Xrea1、Xrea2和Xrea3是指拖地机器人220在预测时域内各预测时间点在清扫路径上所期望的位置坐标，以N=3为例，拖地机器人在预测时域内各预测时间点的预测位置偏差如下：
Figure 997463DEST_PATH_IMAGE058
；
Figure 598077DEST_PATH_IMAGE059
；
Figure 684982DEST_PATH_IMAGE060
；
需要说明的是，在本实施例中，Xrea1、Xrea2、Xrea3是指拖地机器人220在预测时域内各预测时间点在清扫路径上所期望的位置坐标，由于拖地机器人220在预测时域内各预测时间点的实际位置坐标与清扫路径上所期望的位置坐标之间的偏差较小，可忽略不计，在其他实施例中，也可设置Xrea1、Xrea2、Xrea3为拖地机器人220在预测时域内各预测时间点的实际位置，即根据预测位置和拖地机器人220的实际位置确定拖地机器人在预测时域内各预测时间点的预测位置偏差，本领域技术人员可根据实际需求进行设置。
进一步地，建立预设目标函数求解线速度和角速度，从而得到预测时域内合适的控制输出序列，在本实施例中，建立预设目标函数为：
Figure 361951DEST_PATH_IMAGE019
；
Figure 534306DEST_PATH_IMAGE061
；
其中，Q和R为系数矩阵，Q和R可以是预先设定好的，Y为拖地机器人的状态量偏差， 以N=3为例，则
Figure 423765DEST_PATH_IMAGE062
，U为控制输出 序列，以N=3为例，则
Figure 630755DEST_PATH_IMAGE063
，max和min分别为控制输出的上界和下界。将上 述拖地机器人在预测时域内各预测时间点的预测位置偏差的表达式带入预设目标函数中， 当
Figure 196735DEST_PATH_IMAGE064
达到最小时，状态量偏差达到最小，此时可得到最优的控制输出序列，在本实施例中，可 通过二次规划器求解Min(J)，得到控制输出序列。
本发明实施例提供的预设目标函数求解速度快，可用于对拖地机器人状态要求适中的情况，有助于提高拖地机器人的实时性。
可选地，预设目标函数还可以为：
Figure 856386DEST_PATH_IMAGE021
Figure 815115DEST_PATH_IMAGE020
；
其中，Q和R为系数矩阵，
Figure 876612DEST_PATH_IMAGE022
为拖地机器人在第n个控制周期的状态量偏差，
Figure DEST_PATH_IMAGE065
n，n为大于0的正整数，且n≤N，
Figure 364225DEST_PATH_IMAGE066
为正定的加权矩阵，Q、R和
Figure 511173DEST_PATH_IMAGE066
可 以是预先设定好的，Y为拖地机器人的状态量偏差，
Figure DEST_PATH_IMAGE067
，U为控制输出 序列，
Figure 720263DEST_PATH_IMAGE068
，un=
Figure DEST_PATH_IMAGE069
，max和min分别为控制输出 的上界和下界，将上述拖地机器人在预测时域内各预测时间点的预测位置偏差的表达式带 入预设目标函数中，当
Figure 370687DEST_PATH_IMAGE064
达到最小时，状态量偏差达到最小，此时可得到最优的控制输出序 列，在本实施例中，可通过二次规划器求解Min(J)，得到控制输出序列。
本发明实施例提供的预设目标函数有助于提高拖地机器人的轨迹跟随精度，可用于对拖地机器人状态要求严格的情况下，以使拖地机器人严格按照清扫路径执行拖地任务。
可选的，根据控制输出序列控制拖地机器人沿清扫路径执行拖地任务，包括：
将控制输出序列的第一项作为拖地机器人的控制输出。
其中，将控制输出序列的第一项（即
Figure 294781DEST_PATH_IMAGE070
）作为实际控制输出的线速度和角速度，通 过计算得到对应该线速度和角速度的控制量作为控制输出作用于拖地机器人，以使拖地机 器人按照该线速度和角速度进行运动，这一控制量作用到下一控制周期的起始时间点，当 进入下一控制周期后，拖地机器人重新根据状态量、线速度和角速度计算得到新的控制输 出序列，循环迭代实现拖地机器人的轨迹跟踪控制。
基于同样的发明构思，本发明实施例还提供了一种拖地机器人，用于执行上述任一实施例所提供的清洁方法，因此，本发明实施例提供的拖地机器人具有上述任一实施例中的技术方案所具有的技术效果，与上述实施例相同或相应的结构以及术语的解释在此不再赘述。
示例性的，图5为本发明实施例提供的一种拖地机器人的结构示意图，如图5所示，拖地机器人220包括第一机器人操控单元（Robotic Control Unit，RCU）RCU1，其中，第一机器人操控单元RCU1作为上位机，连接有第一外接传感器设备（Extra Control Unit，ECU）ECU1，第一外接传感器设备ECU1将感知到的外部信息传输至第一机器人操控单元RCU1，以使第一机器人操控单元RCU1实现定位的功能，同时第一机器人操控单元RCU1还可处理拖地机器人220运动的上层规划功能，例如执行本发明任一实施例提供的清洁方法以使拖地机器人220沿清扫路径进行拖地任务等。
其中，第一外接传感器设备ECU1可选用激光雷达或者摄像头等传感器设备，本领域技术人员可根据实际需求进行设置。
继续参考图5，第一机器人操控单元RCU1还连接有第一机器人控制单元（Microcontroller Unit，MCU）MCU1，其中，第一机器人控制单元MCU1作为下位机，主要用于拖地机器人220的运动控制底层实现，第一机器人控制单元MCU1还连接有第二外接传感器设备ECU2和第三外接传感器设备ECU3，第一机器人控制单元MCU1可接收第二外接传感器设备ECU2和第三外接传感器设备ECU3的传感信息并进行处理，以实现拖地机器人220的障碍探测功能。
其中，第二外接传感器设备ECU2可选用惯性测量单元（Inertial MeasurementUnit，IMU）等，第三外接传感器设备ECU3可选用红外传感器等，本领域技术人员可根据实际需求进行设置。
基于同样的发明构思，本发明实施例还提供了一种清洁系统，包括扫地机器人以及上述任一实施例所提供的拖地机器人，因此，本发明实施例提供的清洁系统具有上述任一实施例中的技术方案所具有的技术效果，与上述实施例相同或相应的结构以及术语的解释在此不再赘述。
示例性的，图6为本发明实施例提供的一种清洁系统的结构示意图，如图6所示，本发明实施例提供的清洁系统包括扫地机器人210和拖地机器人220，扫地机器人210包括第二机器人操控单元（Robotic Control Unit，RCU）RCU2，其中，第二机器人操控单元RCU2作为上位机，连接有第四外接传感器设备（Extra Control Unit，ECU）ECU4，第四外接传感器设备ECU4将感知到的外部信息传输至第二机器人操控单元RCU2，以使第二机器人操控单元RCU2实现建图和定位的功能，同时第二机器人操控单元RCU2还可处理扫地机器人210运动的上层规划功能，例如规划清扫路径等。
其中，第四外接传感器设备ECU4可选用激光雷达或者摄像头等传感器设备，本领域技术人员可根据实际需求进行设置。
继续参考图6，第二机器人操控单元RCU2还连接有第二机器人控制单元（Microcontroller Unit，MCU）MCU2，其中，第二机器人控制单元MCU2作为下位机，主要用于扫地机器人210的运动控制底层实现，第二机器人控制单元MCU2还连接有第五外接传感器设备ECU5和第六外接传感器设备ECU6，第二机器人控制单元MCU2可接收第五外接传感器设备ECU5和第六外接传感器设备ECU6的传感信息并进行处理，以实现扫地机器人210的障碍探测功能。
其中，第五外接传感器设备ECU5可选用惯性测量单元（Inertial MeasurementUnit，IMU）等，第六外接传感器设备ECU6可选用红外传感器等，本领域技术人员可根据实际需求进行设置。
示例性的，如图6所示，扫地机器人210的第二机器人操控单元RCU2基于第四外接传感器设备ECU4感知的外部环境进行建图，生成清扫区域地图，并根据清扫区域地图进行路径规划，生成清扫路径，然后，第二机器人操控单元RCU2控制扫地机器人210沿清扫路径执行扫地任务，完成对清扫区域的清扫工作。
其中，在扫地机器人210执行扫地任务的过程中，第二机器人操控单元RCU2还用于记录下清扫路径，并将清扫路径共享给拖地机器人220。
继续参考图6，拖地机器人220的第一机器人操控单元RCU1接收扫地机器人210的清扫路径，并控制拖地机器人220基于模型预测控制(model predictive control，MPC)策略沿清扫路径执行拖地任务，从而沿着扫地机器人210的扫地路线对已进行清扫的区域进行拖地，实现扫地机器人210和拖地机器人220的协同作业，提升清洁效率。
可选的，拖地机器人220在执行拖地任务时，还可将拖地机器人220的实时位置会同步共享给扫地机器人210。
例如，拖地机器人220的第一机器人操控单元RCU1可通过共享局域网、wifi、蓝牙等无线传输方式直接与扫地机器人210的第二机器人操控单元RCU2进行信息交互。
继续参考图2和图6，可选的，本发明实施例提供的清洁系统还包括云端后台模块230，云端后台模块230分别与扫地机器人210和拖地机器人220通信连接，云端后台模块230用于向扫地机器人210和/或拖地机器人220下发控制指令，以使扫地机器人210根据控制指令执行扫地任务，和/或，拖地机器人220根据控制指令执行拖地任务。
其中，扫地机器人210可将清扫区域地图、清扫路径和扫地机器人210的实时位置发送给云端后台模块230，由云端后台模块230将上述信息转发给拖地机器人220，同样，拖地机器人220将拖地机器人220的实时位置发送给云端后台模块230，由云端后台模块230将拖地机器人220的实时位置发送给扫地机器人210，从而使扫地机器人210和拖地机器人220通过云端后台模块230进行信息传输。
可选的，云端后台模块230还用于接收扫地机器人210和拖地机器人220的状态信息，从而使得用户通过云端后台模块230可获取上述状态信息，例如，以云端后台模块230为服务器为例，用户通过终端APP与云端后台模块230连接，以获取上述状态信息。
可选的，云端后台模块230还用于下发控制指令给扫地机器人210和拖地机器人220，以使扫地机器人210和拖地机器人220根据控制指令进行清扫工作。
可选的，云端后台模块230还用于接收扫地机器人210和拖地机器人220的实时位置，以使用户可通过云端后台模块230可获取扫地机器人210和拖地机器人220的实时位置，例如，以云端后台模块230为服务器为例，用户通过终端APP与云端后台模块连接，以在地图上同时显示扫地机器人210和拖地机器人220的实时位置。
需要说明的是，云端后台模块230用于对扫地机器人210和拖地机器人220进行远程调度和管理，云端后台模块230可以为硬件，也可以为软件。硬件可采用服务器、手机、电脑以及其他智能终端；软件可采用应用程序、客户端、手机APP以及其他软件平台；云端后台模块230也可以为软件和硬件的结合，例如，该云端后台模块230包括处理器和存储器，存储器上存储有可执行指令，可执行指令在由处理器执行时实现对扫地机器人210和拖地机器人220的远程调度和管理，本发明实施例对此不作限定。
可选的，云端后台模块230可包括人机交互界面，从而能够通过人为的操作来实现智能化的任务和指令下发。
具体的，用户可通过人机交互界面设置任务参数，云端后台模块230接收任务参数并根据任务参数向扫地机器人210和/或拖地机器人220下发控制指令，以使扫地机器人210和/或拖地机器人220根据控制指令执行扫地任务和拖地任务。
其中，任务参数可包括扫地机器人210执行清扫任务和拖地机器人220执行拖地任务之间的时间间隔、拖地区域的顺序分级、单个区域扫地以及拖地的次数等，本领域技术人员可根据实际需求进行设置。
可选的，云端后台模块230还可包括AI平台系统，以使云端后台模块230能够基于AI算法来对扫地机器人210和拖地机器人220的运行数据进行分析和学习。
示例性的，云端后台模块230可接收扫地机器人210和拖地机器人220的运行数据，并基于AI算法，对扫地机器人210和拖地机器人220的运行数据进行分析，得到最适合当前工作环境的清洁模式，并向扫地机器人210和拖地机器人220下发控制指令，以使扫地机器人210和拖地机器人220按照最适合当前工作环境的清洁模式进行扫地任务和拖地任务，其中，清洁模式可包括在扫地机器人210完成对当前清扫子区域的扫地任务之后，拖地机器人220再对该清扫子区域执行拖地任务，在一些实施例中，清洁模式还可包括扫地机器人210对禁止湿拖区域执行强力清扫模式，强力清扫模式可以是对禁止湿拖区域进行两次及两次以上的清扫，从而保证禁止湿拖区域的清洁效果，本发明实施例对此不作限定。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整、相互组合和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种清洁方法，其特征在于，应用于拖地机器人，所述拖地机器人包括第一驱动轮和第二驱动轮，该清洁方法包括：
接收扫地机器人发送的清扫路径；
获取所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度；
根据所述第一驱动轮的角速度和所述第二驱动轮的角速度构建所述拖地机器人的非线性运动模型；
根据所述非线性运动模型构建预测控制模型；
其中，所述非线性运动模型包括：
Figure FDA0003860373520000011
其中，
Figure FDA0003860373520000012
为所述拖地机器人的状态量随时间的变化率，θ为所述拖地机器人的航向角，v为所述拖地机器人的线速度，w为所述拖地机器人的角速度，r为所述第一驱动轮的半径，所述第一驱动轮的半径等于所述第二驱动轮的半径，l为所述第一驱动轮与所述第二驱动轮之间距离的一半，wL 为所述第一驱动轮的角速度，wR 为所述第二驱动轮的角速度；
利用预测控制模型对所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度进行处理，得到所述拖地机器人在预测时域内各预测时间点的预测位置；
根据所述预测位置和所述清扫路径得到控制输出序列，所述控制输出序列包括所述拖地机器人在预测时域内各预测时间点的线速度和角速度的合集；
根据所述控制输出序列控制所述拖地机器人沿所述清扫路径执行拖地任务；
所述预测控制模型包括：
Figure FDA0003860373520000021
其中，T为控制周期，I为单位矩阵，vr为所述拖地机器人在所述清扫路径上的参考线速度，θr为所述拖地机器人在所述清扫路径的参考航向角，n为大于0的正整数，
Figure FDA0003860373520000022
为所述拖地机器人在所述清扫路径上的参考状态量。
2.根据权利要求1所述的清洁方法，其特征在于，
所述利用预测控制模型对所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度进行处理，得到所述拖地机器人在预测时域内各预测时间点的预测位置，包括：
将所述拖地机器人在当前时刻的位置、所述拖地机器人在当前时刻的线速度和所述拖地机器人在当前时刻的角速度带入所述预测控制模型
Figure FDA0003860373520000023
中，得到所述拖地机器人在预测时域内各预测时间点的预测位置。
3.根据权利要求1所述的清洁方法，其特征在于，
所述根据所述预测位置和所述清扫路径得到控制输出序列，包括：
根据所述预测位置和所述清扫路径确定所述拖地机器人在所述预测时域内各预测时间点的预测位置偏差；
根据所述预测位置偏差和预设目标函数得到所述控制输出序列。
4.根据权利要求3所述的清洁方法，其特征在于，所述预设目标函数为：
J＝YTQY+UTRU；
min≤U≤max；
其中，Q和R为系数矩阵，Y为所述拖地机器人的状态量偏差，U为所述控制输出序列。
5.根据权利要求3所述的清洁方法，其特征在于，所述预设目标函数为：
J＝Y(n)Q0Y(n)+YTQY+UTRU；
min≤U≤max；
其中，Q和R为系数矩阵，Y(n)为所述拖地机器人在第n个控制周期的状态量偏差，n为大于0的正整数，Q0为正定的加权矩阵，Y为所述拖地机器人的状态量偏差，U为所述控制输出序列。
6.根据权利要求1所述的清洁方法，其特征在于，
所述根据所述控制输出序列控制所述拖地机器人沿所述清扫路径执行拖地任务，包括：
将所述控制输出序列的第一项作为所述拖地机器人的控制输出。
7.一种拖地机器人，其特征在于，用于执行如权利要求1-6中任一所述的清洁方法。
8.一种清洁系统，其特征在于，包括如权利要求7所述的拖地机器人以及扫地机器人。
9.根据权利要求8所述的清洁系统，其特征在于，还包括云端后台模块，所述云端后台模块分别与所述扫地机器人和所述拖地机器人通信连接；
所述云端后台模块用于向所述扫地机器人和/或所述拖地机器人下发控制指令，以使所述扫地机器人根据所述控制指令执行扫地任务，和/或，所述拖地机器人根据所述控制指令执行拖地任务。
CN202111144363.9A 2021-09-28 2021-09-28 一种清洁方法、拖地机器人及清洁系统 Active CN113842086B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111144363.9A CN113842086B (zh) 2021-09-28 2021-09-28 一种清洁方法、拖地机器人及清洁系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111144363.9A CN113842086B (zh) 2021-09-28 2021-09-28 一种清洁方法、拖地机器人及清洁系统

Publications (2)

Publication Number Publication Date
CN113842086A CN113842086A (zh) 2021-12-28
CN113842086B true CN113842086B (zh) 2022-12-06

Family

ID=78980405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111144363.9A Active CN113842086B (zh) 2021-09-28 2021-09-28 一种清洁方法、拖地机器人及清洁系统

Country Status (1)

Country Link
CN (1) CN113842086B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013037034A1 (en) * 2011-09-14 2013-03-21 Trusted Positioning Inc. Method and apparatus for navigation with nonlinear models
CN108897215A (zh) * 2018-06-25 2018-11-27 西北工业大学 基于分布式模型预测控制的多海洋机器人协同环形扫描方法
KR20190089790A (ko) * 2019-07-11 2019-07-31 엘지전자 주식회사 인공 지능을 통해 바닥 상황을 고려하여 청소하는 로봇 청소기 및 그 방법
CN110262495A (zh) * 2019-06-26 2019-09-20 山东大学 可实现移动机器人自主导航与精确定位的控制系统及方法
CN110286683A (zh) * 2019-07-15 2019-09-27 北京科技大学 一种履带式移动机器人的自主行驶路径跟踪控制方法
CN112971621A (zh) * 2021-03-11 2021-06-18 河北工业大学 室内智能清洁系统及控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107677285B (zh) * 2017-04-11 2019-05-28 平安科技（深圳）有限公司 机器人的路径规划系统及方法
CN111624992B (zh) * 2020-04-28 2021-07-09 北京科技大学 一种基于神经网络的搬运机器人的路径跟踪控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013037034A1 (en) * 2011-09-14 2013-03-21 Trusted Positioning Inc. Method and apparatus for navigation with nonlinear models
CN108897215A (zh) * 2018-06-25 2018-11-27 西北工业大学 基于分布式模型预测控制的多海洋机器人协同环形扫描方法
CN110262495A (zh) * 2019-06-26 2019-09-20 山东大学 可实现移动机器人自主导航与精确定位的控制系统及方法
KR20190089790A (ko) * 2019-07-11 2019-07-31 엘지전자 주식회사 인공 지능을 통해 바닥 상황을 고려하여 청소하는 로봇 청소기 및 그 방법
CN110286683A (zh) * 2019-07-15 2019-09-27 北京科技大学 一种履带式移动机器人的自主行驶路径跟踪控制方法
CN112971621A (zh) * 2021-03-11 2021-06-18 河北工业大学 室内智能清洁系统及控制方法

Also Published As

Publication number Publication date
CN113842086A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
KR102455845B1 (ko) 로봇 맵핑 시스템 및 방법
US10379539B2 (en) Systems and methods for dynamic route planning in autonomous navigation
EP3738009B1 (en) System and methods for robotic autonomous motion planning and navigation
Barfoot et al. Motion planning for formations of mobile robots
CN101943916B (zh) 一种基于卡尔曼滤波器预测的机器人避障方法
JP2019501384A (ja) 自律測位航法設備、測位航法方法及び自律測位航法システム
US20130024025A1 (en) Autonomous Robot and A Positioning Method Thereof
JP2017519279A (ja) 群ロボットの制御
Kuppan Chetty et al. Behavior based multi robot formations with active obstacle avoidance based on switching control strategy
CN113126632A (zh) 虚拟墙划定和作业方法、设备及存储介质
Kapellmann-Zafra et al. Human-robot swarm interaction with limited situational awareness
Huang et al. To imitate or not to imitate: Boosting reinforcement learning-based construction robotic control for long-horizon tasks using virtual demonstrations
Li et al. Depth camera based remote three-dimensional reconstruction using incremental point cloud compression
Gimenez et al. Optimization methodology to fruit grove mapping in precision agriculture
CN113842086B (zh) 一种清洁方法、拖地机器人及清洁系统
Sheikh et al. A comparison of various robotic control architectures for autonomous navigation of mobile robots
Şucan et al. Accounting for uncertainty in simultaneous task and motion planning using task motion multigraphs
Pandey et al. Real time navigation strategies for webots using fuzzy controller
Badawy et al. New approach to enhancing the performance of cloud-based vision system of mobile robots
CN203241822U (zh) 一种基于预设运动路径的移动机器人
Demir et al. Motion planning and control with randomized payloads using deep reinforcement learning
Xue et al. Remote sensing and teleoperation of a mobile robot via the internet
Singh et al. Automatic Monitoring and Controlling of Wi-Fi Based Robotic Car
Ding et al. Hand-gesture-control-based Navigation Using Wearable Armband with Surface Electromyography and Inertial Measurement Unit Sensor Data for Autonomous Guided Vehicles with Robot Operation System-based Simultaneous Localization and Mapping Navigation in Smart Manufacturing.
Aamer et al. A Novel Algorithm for Autonomous Robot Navigation System Using Neural Network

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