JP2005025501A - 自走式機器およびそのプログラム - Google Patents
自走式機器およびそのプログラム Download PDFInfo
- Publication number
- JP2005025501A JP2005025501A JP2003190119A JP2003190119A JP2005025501A JP 2005025501 A JP2005025501 A JP 2005025501A JP 2003190119 A JP2003190119 A JP 2003190119A JP 2003190119 A JP2003190119 A JP 2003190119A JP 2005025501 A JP2005025501 A JP 2005025501A
- Authority
- JP
- Japan
- Prior art keywords
- travel
- maximum speed
- level
- learning
- traveling
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 claims description 61
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 21
- 241000282414 Homo sapiens Species 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Landscapes
- Platform Screen Doors And Railroad Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
【課題】自走式機器において、学習結果が目標点までの到達だけに用いられ、危険物のある領域でも毎回走行速度が速すぎて回避できずにぶつかる場合があるという課題を有していた。
【解決手段】駆動輪（走行手段）１と、走行制御手段２と、環境情報入力手段３と、走行範囲内での座標を検知するための走行座標検知手段５と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段９と、前記環境マップ学習手段９による学習結果により最高走行速度を決定する最高速度決定手段１０を備え、各座標を決定された最高速度以下で走行することで、学習結果を活かして、危険物に対して直ぐに停止でき、危険を最適に回避しながら走行することができる自走式機器が提供できるようになる。
【選択図】 図１
【解決手段】駆動輪（走行手段）１と、走行制御手段２と、環境情報入力手段３と、走行範囲内での座標を検知するための走行座標検知手段５と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段９と、前記環境マップ学習手段９による学習結果により最高走行速度を決定する最高速度決定手段１０を備え、各座標を決定された最高速度以下で走行することで、学習結果を活かして、危険物に対して直ぐに停止でき、危険を最適に回避しながら走行することができる自走式機器が提供できるようになる。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、人間の介助なしに自立して走行する自走式機器に関するものである。
【０００２】
【従来の技術】
従来、この種の自走式機器は、環境マップ作成タスク、１つの部分目標を介してセンサで目標方向へ移動するタスク、誤差監視タスク等のタスクに実際の目標到達までの走行でボーナスやペナルティで重み付けして最大利得を得る、ないし最小の損失を有するルートを選択して走行するというように、学習した結果を目標への最適経路探索に用いるものであった（例えば、特許文献１参照）。
【０００３】
【特許文献１】
特表平１０−５０１９０８号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、前記従来の構成では、学習結果が目標点までの到達だけに用いられ、学習の成果がその目標点までの走行を障害物や高温物等から安全に回避したものにすることに活かされないために、危険物のある領域でも毎回走行速度が速すぎて回避できずにぶつかる場合があるという課題を有していた。
【０００５】
本発明は、前記従来の課題を解決するもので、学習結果を用いて、危険を最適に回避しながら走行することができる自走式機器を提供することを目的とする。
【０００６】
【課題を解決するための手段】
前記従来の課題を解決するために本発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により最高走行速度を決定する最高速度決定手段とを備え、前記走行制御手段は、各座標を前記最高速度決定手段で決定された速度以下で走行するよう制御する自走式機器としたものである。
【０００７】
これによって、学習結果を用いて、予めわかっている危険領域では走行の最高速度を落とすことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行し、危険領域にとどまることを避けることができる自走式機器を提供できるようになる。
【０００８】
【発明の実施の形態】
請求項１に記載の発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により最高走行速度を決定する最高速度決定手段とを備え、前記走行制御手段は、各座標を前記最高速度決定手段で決定された速度以下で走行するよう制御することにより、学習結果を用いて、予めわかっている危険領域では走行の最高速度を落とすことで、学習結果を用いて、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【０００９】
請求項２に記載の発明は、請求項１に記載の自走式機器に加えて最高速度補正手段を備え、前記最高速度補正手段は、現在走行中の座標の最高速度を、直前に走行していた座標の最高速度と次に走行すべき座標の最高速度に応じて補正を行い、走行制御手段は、前記最高速度補正手段が補正した最高速度以下で走行するよう制御することにより、連続する座標毎の最高速度にデコボコが出てもスムースな走行速度の加速や減速ができる。
【００１０】
請求項３に記載の発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により前記環境情報入力手段で入力される値の減速開始すべき閾値を決定する減速開始閾値決定手段とを備え、前記走行制御手段は、各座標を少なくとも前記減速開始閾値決定手段で決定された減速開始閾値で通常の走行速度からの減速を開始するよう制御することにより、学習結果を用いて、予めわかっている危険領域では減速開始を早めに行って、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００１１】
請求項４に記載の発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により座標毎の走行終了の可否を決定する走行終了可否決定手段とを備え、前記走行制御手段は、前記走行終了可否決定手段で走行終了不可と決定された座標では走行終了させないことにより、学習結果を用いて、予めわかっている危険領域では走行終了しないことで、危険領域にとどまることを避けることができる。
【００１２】
請求項５に記載の発明は、特に、請求項１〜４のいずれか１項に記載の環境情報入力手段として障害物検知手段を備え、環境マップ学習手段は障害物の有無を学習することにより、学習結果を用いて、予めわかっている障害物領域に対して走行の最高速度を落としたり、減速開始を早めに行うことで、障害物に対してすぐ停止でき、自分自身も障害物に当たって損傷を被ることもなく、障害物にも損傷を与えることもなく走行することができ、障害物の多い場所で走行停止して走行終了後に入っていきた人間等に危害を加えることを避けることができる。
【００１３】
請求項６に記載の発明は、特に、請求項１〜４のいずれか１項に記載の環境情報入力手段として温度検知手段を備え、環境マップ学習手段は温度レベルを学習することにより、学習結果を用いて、予めわかっている温度レベルに合わせて走行の最高速度を落としたり、減速開始を早めに行うことで、高温危険物や人体や動物に対してすぐ停止でき、自分自身も高温危険物により発火等の損傷を被ることもなく、人体や動物に危害を加えることもなく走行することができ、高温危険物や人体や動物がいる可能性の高い場所で走行停止して走行終了後に入っていきた人間等に危害を加えることを避けることができる。
【００１４】
請求項７に記載の発明は、特に、請求項１〜４のいずれか１項に記載の環境情報入力手段として段差検知手段を備え、環境マップ学習手段は段差の有無を学習することにより、学習結果を用いて、予めわかっている段差の有無に合わせて走行の最高速度を落としたり、減速開始を早めに行うことで、危険な段差ですぐ停止でき、段差で転落して自分自身も損傷を被ることもなく、転落して人体や家具や建具等に危害や損傷を与えることもなく走行することができ、段差のある場所で走行停止して転落する危険を避けることができる。
【００１５】
請求項８に記載の発明は、特に、請求項１〜４のいずれか１項に記載の走行制御手段は、環境情報入力手段の入力値と変化量から急停止と判断した時には走行手段を急停止させ、環境マップ学習手段は前記走行制御手段が急停止制御した頻度を学習することにより、学習結果を用いて、予めわかっている急停止の多い領域で走行の最高速度を落としたり、減速開始を早めに行うことで、行き来する人や動物等に危害を加えないようゆっくり走行し、できるだけ急停止を避けてスムースな走行を行い、急停止の多い危険な場所では走行停止しない安全な自走式機器とすることができる。
【００１６】
請求項９に記載の発明は、請求項１〜８のいずれか１項に記載の発明に加えて、調整手段を備え、前記調整手段は、環境マップ学習手段が複数の項目について学習を行い最高速度決定手段または減速開始閾値決定手段または走行終了可否決定手段が下した決定の調整を行い、安全方向に最終決定することにより、学習結果を用いて、危険領域を総合的に判断して、予めわかっている予めわかっている危険領域では走行の最高速度を落としたり、減速開始を早めに行ったり、危険領域で走行終了しないことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行し、危険領域にとどまることを避けることができる。
【００１７】
請求項１０に記載した発明は、コンピュータを請求項１〜９のいずれか１項記載の自走式機器の全てもしくは一部として機能させるためのプログラムとする構成として、コンピュータを請求項１〜９のいずれか１項記載の自走式機器の全てもしくは一部として機能させることで、汎用コンピュータやサーバーを用いて本発明の自走式機器の全てもしくは一部を容易に実現することができる。
【００１８】
【実施例】
以下本発明の実施例について、図面を参照しながら説明する。
【００１９】
（実施例１）
図１は本発明の第１の実施例における自走式機器の構成を示すブロック図である。１は走行手段である駆動輪、２は駆動輪１を制御するための走行制御手段、３は周囲の環境情報を入力するための環境情報入力手段（本実施例では、振動検知手段４）、５は走行範囲内での座標を検知するための走行座標検知手段で、走行方向検出部６と走行距離検出部７の出力から座標演算部８で走行座標を演算するものである。走行座標検知手段５では、走行開始位置を原点とし、所定範囲の幅（本実施例では、本体の縦、横幅）を持ったセルで座標位置を検知するものとする。９は走行して収集した環境情報を座標毎に学習する環境マップ学習手段、１０は環境マップ学習手段９の学習結果に応じて最高走行速度を決定する最高速度決定手段、１１は最高速度決定手段１０で決定された最高速度をセル毎に記憶するための最高速度記憶手段である。
【００２０】
また、図２は本実施例の環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表である。
【００２１】
以下、本実施例の動作について図１および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である振動検知手段４で走行中の振動を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、振動検知手段４で検知した振動値を予め定められた１〜５の５段階のレベル（最大をレベル５）に分け、セル毎にそのセルを走行中の平均振動レベルを算出し、平均振動レベルの最新の５回分の移動平均をとって四捨五入して学習する。５回以上走行したセルは学習完了とする。
【００２２】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した振動レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した振動レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００２３】
また、環境マップ学習手段９で学習した振動レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。さらに、環境マップ学習手段９で学習した振動レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した振動レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００２４】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００２５】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００２６】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００２７】
尚、本実施例では、走行範囲内での座標を検知するための走行座標検知手段５を、走行方向検出部６と走行距離検出部７の出力から座標演算部８で走行座標を演算するものとしたが、ＧＰＳを用いてもかまわない。また、本実施例では、環境マップ学習手段９で学習するレベルを５段階、最高速度決定手段１０で決定する最高レベルを４段階としたが、各々任意の段階としてもかまわないし、各々レベルでなく絶対値としてもかまわない。
【００２８】
以上のように本実施例によれば、学習結果を用いて、予めわかっている例えば起伏の激しい振動の多い危険領域では走行の最高速度を落とすことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００２９】
（実施例２）
図３は、本発明の第２の実施例における自走式機器の構成を示すブロック図である。図１の構成に加えて、最高速度補正手段１２を備えている。また、図４は本実施例の最高速度決定手段１０の決定に従い最高速度記憶手段１１に記憶された最高速度レベルと最高速度補正手段１２により補正された後の最高速度レベルとの対応表で、走行順のセルについて並べて示している。例えば、現在走行中のセルが走行順１のセルの場合、１３は現在走行中のセルの最高速度、１４は直前に走行していたセルの最高速度、１５は次に走行すべきセルの最高速度、１６は補正後のセルの最高速度を示している。但し、走行開始セルは、最高速度決定手段１０の決定に従い最高速度記憶手段１１に記憶されたレベルとは無関係にレベル０とみなすものとする。
【００３０】
以下、本実施例の動作について図３および図４を用いて説明する。環境マップ学習手段９で学習を行い、最高速度決定手段１０で最高速度レベルを決定し、最高速度記憶手段１１に記憶するまでの動作は、実施例１と同様である。
【００３１】
最高速度補正手段１２は、現在走行中のセルの最高速度が、直前に走行していたセルの最高速度と次に走行すべきセルの最高速度に等しいまたはその両者の間である場合は、最高速度の補正を行わない。現在走行中のセルの最高速度が、直前に走行していたセルの最高速度と次に走行すべきセルの最高速度の両者の間でない場合は、両者のいずれかに等しいかまたは両者の間のレベルに補正する。
【００３２】
即ち、例えば図４において、現在走行中のセルが走行順１のセルの場合、現在走行中のセルの最高速度１３はレベル３、直前に走行していたセルの最高速度はレベル０、次に走行すべきセルの最高速度はレベル１、補正後のセルの最高速度１６はレベル１となる。以下、図４のとおりに補正を行うものである。
【００３３】
以上のように本実施例によれば、連続する座標毎の最高速度にデコボコが出てもスムースな走行速度の加速や減速ができる。
【００３４】
（実施例３）
図５は、本発明の第３の実施例における自走式機器の構成を示すブロック図である。図１の構成の１〜９までの構成に加えて、減速開始閾値決定手段１７を備えている。
【００３５】
また、図６は本実施例の環境マップ学習手段９の学習結果と減速開始閾値決定手段１７での決定内容との対応表である。
【００３６】
以下、本実施例の動作について、図５および図６を用いて説明する。走行制御手段２が、環境情報入力手段３である振動検知手段４で走行中の振動を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行し、環境マップ学習手段９で、振動検知手段４で検知した振動値を予め定められた１〜５の５段階のレベル（最大をレベル５）に分け、セル毎にそのセルを走行中の平均レベルを算出し、平均レベルの最新の５回分の移動平均をとって四捨五入して学習するまでの動作は、実施例１と同様である。
【００３７】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した振動レベルに応じて減速開始閾値決定手段１７が減速開始閾値レベルを１〜５の５レベル（レベルは環境マップ学習手段９で学習する振動レベルと同じ）に決定する。即ち、環境マップ学習手段９で学習した振動レベルが１〜３であれば、減速開始閾値決定手段１７は、走行中に常時、振動検知手段４から入力されるレベルが３以上になれば減速を開始するよう決定する。また、環境マップ学習手段９で学習した振動レベルが４または５であれば、減速開始閾値決定手段１７は、走行中に常時、振動検知手段４から入力されるレベルが２以上になれば減速を開始するよう決定する。
【００３８】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、減速開始閾値決定手段１７は、無条件にレベル３に決定する。
【００３９】
尚、本実施例では、減速開始閾値決定手段１７が決定するのは振動レベルとしたが、振動の絶対値としてもかまわない。
【００４０】
以上のように本実施例によれば、学習結果を用いて、予めわかっている危険領域では減速開始を早めに行って、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００４１】
（実施例４）
図７は、本発明の第４の実施例における自走式機器の構成を示すブロック図である。図４の構成の減速開始閾値決定手段１７に替えて、走行終了可否決定手段１８を備えている。図８は、本実施例の環境マップ学習手段９の学習結果と走行終了可否決定手段１８での決定内容との対応表である。
【００４２】
以下、本実施例の動作について、図７および図８を用いて説明する。走行制御手段２が、環境情報入力手段３である振動検知手段４で走行中の振動を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行し、環境マップ学習手段９で、振動検知手段４で検知した振動値を予め定められた１〜５の５段階のレベル（最大をレベル５）に分け、セル毎にそのセルを走行中の平均レベルを算出し、平均レベルの最新の５回分の移動平均をとって四捨五入して学習するまでの動作は、実施例１と同様である。
【００４３】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した振動レベルに応じて走行終了可否決定手段１８が走行可否を決定する。即ち、環境マップ学習手段９で学習した振動レベルが３以下であれば、走行終了可否決定手段１８は、そのセルを走行終了可とし、環境マップ学習手段９で学習した振動レベルが４以上であれば、走行終了可否決定手段１８は、そのセルを走行終了不可と決定する。
【００４４】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、走行終了可否決定手段１８は、無条件に走行終了可と決定する。
【００４５】
走行制御手段２は、走行中のセルが、走行終了可否決定手段１８が走行終了可としたセルであれば、走行終了することができるが、走行中のセルが、走行終了可否決定手段１８が走行終了不可としたセルであれば、走行終了可と決定されたセルまで走行後に走行を終了させることができる。
【００４６】
以上のように本実施例によれば、学習結果を用いて、予めわかっている危険領域では走行終了しないことで、危険領域にとどまることを避けることができる。
【００４７】
（実施例５）
図９は、本発明の第５の実施例における自走式機器の構成を示すブロック図である。図１の構成の振動検知手段４に替えて、障害物検知手段１９を備えている。また、環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表は、実施例１同様の図２である。
【００４８】
以下、本実施例の動作について図９および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である障害物検知手段１９で障害物を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、セル毎に最新の５回分について走行中に障害物を検出した回数の割合を算出し、その割合が２０％未満をレベル１、２０％以上４０％未満をレベル２、４０％以上６０％未満をレベル３、６０％以上８０％未満をレベル４、８０％以上をレベル５として学習する。５回以上走行したセルは学習完了とする。
【００４９】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した障害物レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した障害物レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００５０】
また、環境マップ学習手段９で学習した障害物レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。
【００５１】
さらに、環境マップ学習手段９で学習した障害物レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した障害物レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００５２】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００５３】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００５４】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００５５】
以上のように本実施例によれば、学習結果を用いて、予めわかっている障害物領域に対して走行の最高速度を落とすことで、障害物に対してすぐ停止でき、自分自身も障害物に当たって損傷を被ることもなく、障害物にも損傷を与えることもなく走行することができる。
【００５６】
（実施例６）
図１０は、本発明の第６の実施例における自走式機器の構成を示すブロック図である。図１の構成の振動検知手段４に替えて、温度検知手段２０を備えている。また、図１１は、本実施例における環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表である。
【００５７】
以下、本実施例の動作について図１０および図１１を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である温度検知手段２０で周囲の温度を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、温度検知手段２０で検知した温度値を予め定められた１〜５の５段階のレベル（最高をレベル５とし、例えば０℃未満をレベル１、０℃以上２５℃未満をレベル２、２５℃以上４０℃未満をレベル３、４０℃以上６０℃未満をレベル４、６０℃以上をレベル５）に分け、セル毎にそのセルを走行中の平均温度レベルを算出し、平均温度レベルの最新の５回分の移動平均をとって四捨五入して学習する。５回以上走行したセルは学習完了とする。
【００５８】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した温度レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した温度レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００５９】
また、環境マップ学習手段９で学習した温度レベルが３であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。さらに、環境マップ学習手段９で学習した温度レベルが１または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した温度レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００６０】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００６１】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００６２】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００６３】
以上のように本実施例によれば、学習結果を用いて、予めわかっている温度レベルに合わせて走行の最高速度を落とすことで、高温危険物や人体や動物に対してすぐ停止でき、自分自身も高温危険物により発火等の損傷を被ることもなく、人体や動物に危害を加えることもなく走行することができる。
【００６４】
（実施例７）
図１２は、本発明の第７の実施例における自走式機器の構成を示すブロック図である。図１の構成の振動検知手段４に替えて、所定値（本実施例では５ｃｍ）以上の段差を検知する段差検知手段２１を備えている。また、環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表は、実施例１同様の図２である。
【００６５】
以下、本実施例の動作について図１２および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である段差検知手段２１で段差を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、セル毎に最新の５回分について走行中に段差を検出した回数の割合を算出し、その割合が２０％未満をレベル１、２０％以上４０％未満をレベル２、４０％以上６０％未満をレベル３、６０％以上８０％未満をレベル４、８０％以上をレベル５として学習する。５回以上走行したセルは学習完了とする。
【００６６】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した段差レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した段差レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００６７】
また、環境マップ学習手段９で学習した段差レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。
【００６８】
さらに、環境マップ学習手段９で学習した段差レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した段差レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００６９】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００７０】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００７１】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００７２】
以上のように本実施例によれば、危険な段差ですぐ停止でき、段差で転落して自分自身も損傷を被ることもなく、転落して人体や家具や建具等に危害や損傷を与えることもなく走行することができる。
【００７３】
（実施例８）
図１３は本実施例の第８の実施例における自走式機器の構成を示すブロック図である。図９の構成に加えて、急停止検知手段２２を備えている。また、障害物検知手段１９は、測距センサとした。さらに、環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表は、実施例１同様の図２である。
【００７４】
以下、本実施例の動作について図１２および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である障害物検知手段２１で障害物を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行中に、常時障害物検知手段１９で検知している距離が１０ｃｍ以下で直前の検知した値が２０ｃｍ以上であった時、走行制御手段２は、駆動輪１を急停止させる。急停止後は、走行制御手段２は、障害物を回避するように走行させる。急停止検知手段２２は、走行制御手段２が急停止したことを検知する。
【００７５】
環境マップ学習手段９では、セル毎に最新の５回分について走行中に急停止を検出した回数の割合を算出し、その割合が２０％未満をレベル１、２０％以上４０％未満をレベル２、４０％以上６０％未満をレベル３、６０％以上８０％未満をレベル４、８０％以上をレベル５として学習する。５回以上走行したセルは学習完了とする。
【００７６】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した急停止レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した急停止レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００７７】
また、環境マップ学習手段９で学習した急停止レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。
【００７８】
さらに、環境マップ学習手段９で学習した急停止レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した急停止レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００７９】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００８０】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００８１】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００８２】
以上のように本実施例によれば、行き来する人や動物等に危害を加えないようゆっくり走行し、できるだけ急停止を避けてスムースな走行を行うことができる。
【００８３】
（実施例９）
図１４は、本発明の第９の実施例における自走式機器の構成を示すブロック図である。４は振動検知手段、１９は障害物検知手段、２０は温度検知手段、２１は段差検知手段、２２は急停止検知手段、２３は調整手段である。
【００８４】
また、振動検知手段４について下される最高速度決定内容は図２と同様で、障害物検知手段１９について下される最高速度決定内容は図２と同様で、温度検知手段２０について下される最高速度決定内容は図１１と同様で、段差検知手段２１について下される最高速度決定内容は図２と同様で、急停止検知手段２２について下される最高速度決定内容は図２と同様である。
【００８５】
以下、本実施例の動作について説明する。振動検知手段４、障害物検知手段１９、温度検知手段２０、段差検知手段２１、急停止検知手段２２の各々について、環境環境マップ学習手段９で学習を行い、最高速度決定手段１０で最高速度レベルを決定するまでの動作は、実施例１、実施例５、実施例６、実施例７、実施例８と同様である。
【００８６】
調整手段２３は、まず、最高速度決定手段１０で最高速度レベルを下げると決定したものが１つでもあれば、最高速度レベルを下げるよう調整する。最高速度決定手段１０で全て最高速度レベルを上げると決定した場合は、最高速度レベルを上げるよう調整する。いずれでもない場合は、最高速度レベルを保持するよう調整する。セルの走行に当たっては実施例２同様、最高速度補正手段１２が最高速度の補正を行う。
【００８７】
以上のように本実施例によれば、学習結果を用いて、危険領域を総合的に判断して、予めわかっている予めわかっている危険領域では走行の最高速度を落とすことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００８８】
（実施例１０）
次に本発明の第１０の実施例について図１４を用いて説明する。本実施例は、コンピュータを、自走式機器の全てもしくは一部として機能させるためのプログラムとする構成として、コンピュータを全てもしくは一部として機能させるものである。
【００８９】
以上のように本実施例によれば、汎用コンピュータやサーバーを用いて本発明の自走式機器の全てもしくは一部を容易に実現することができる。
【００９０】
【発明の効果】
以上のように、本発明によれば、学習結果を用いて、危険物に対してすぐ停止でき、危険物に対して回避が容易で、自分自身も損傷を被ることもなく、危険物に対しても危害や損傷を与えることもなく安全な走行ができる自走式機器の提供が可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施例における自走式機器の構成を示すブロック図
【図２】同、第１の実施例、第５の実施例、第７の実施例、第８の実施例、第９の実施例における環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表を示す図
【図３】同、第２の実施例における自走式機器の構成を示すブロック図
【図４】同、第２の実施例における最高速度記憶手段１１に記憶された最高速度レベルと最高速度補正手段１２により補正された後の最高速度レベルとの対応表を示す図
【図５】同、第３の実施例における自走式機器の構成を示すブロック図
【図６】同、第３の実施例における環境マップ学習手段９の学習結果と減速開始閾値決定手段１７での決定内容との対応表を示す図
【図７】同、第４の実施例における自走式機器の構成を示すブロック図
【図８】同、第４の実施例における環境マップ学習手段９の学習結果と走行終了可否決定手段１８での決定内容との対応表を示す図
【図９】同、第５の実施例における自走式機器の構成を示すブロック図
【図１０】同、第６の実施例における自走式機器の構成を示すブロック図
【図１１】同、第６の実施例、第９の実施例における環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表を示す図
【図１２】同、第７の実施例における自走式機器の構成を示すブロック図
【図１３】同、第８の実施例における自走式機器の構成を示すブロック図
【図１４】同、第９の実施例、第１０の実施例における自走式機器の構成を示すブロック図
【符号の説明】
１ 駆動輪（走行手段）
２ 走行制御手段
３ 環境情報入力手段
４ 振動検知手段
５ 走行座標検知手段
９ 環境マップ学習手段
１０ 最高速度決定手段
１２ 最高速度補正手段
１７ 減速開始閾値決定手段
１８ 走行終了可否決定手段
１９ 障害物検知手段
２０ 温度検知手段
２１ 段差検知手段
２２ 急停止検知手段
２３ 調整手段
【発明の属する技術分野】
本発明は、人間の介助なしに自立して走行する自走式機器に関するものである。
【０００２】
【従来の技術】
従来、この種の自走式機器は、環境マップ作成タスク、１つの部分目標を介してセンサで目標方向へ移動するタスク、誤差監視タスク等のタスクに実際の目標到達までの走行でボーナスやペナルティで重み付けして最大利得を得る、ないし最小の損失を有するルートを選択して走行するというように、学習した結果を目標への最適経路探索に用いるものであった（例えば、特許文献１参照）。
【０００３】
【特許文献１】
特表平１０−５０１９０８号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、前記従来の構成では、学習結果が目標点までの到達だけに用いられ、学習の成果がその目標点までの走行を障害物や高温物等から安全に回避したものにすることに活かされないために、危険物のある領域でも毎回走行速度が速すぎて回避できずにぶつかる場合があるという課題を有していた。
【０００５】
本発明は、前記従来の課題を解決するもので、学習結果を用いて、危険を最適に回避しながら走行することができる自走式機器を提供することを目的とする。
【０００６】
【課題を解決するための手段】
前記従来の課題を解決するために本発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により最高走行速度を決定する最高速度決定手段とを備え、前記走行制御手段は、各座標を前記最高速度決定手段で決定された速度以下で走行するよう制御する自走式機器としたものである。
【０００７】
これによって、学習結果を用いて、予めわかっている危険領域では走行の最高速度を落とすことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行し、危険領域にとどまることを避けることができる自走式機器を提供できるようになる。
【０００８】
【発明の実施の形態】
請求項１に記載の発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により最高走行速度を決定する最高速度決定手段とを備え、前記走行制御手段は、各座標を前記最高速度決定手段で決定された速度以下で走行するよう制御することにより、学習結果を用いて、予めわかっている危険領域では走行の最高速度を落とすことで、学習結果を用いて、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【０００９】
請求項２に記載の発明は、請求項１に記載の自走式機器に加えて最高速度補正手段を備え、前記最高速度補正手段は、現在走行中の座標の最高速度を、直前に走行していた座標の最高速度と次に走行すべき座標の最高速度に応じて補正を行い、走行制御手段は、前記最高速度補正手段が補正した最高速度以下で走行するよう制御することにより、連続する座標毎の最高速度にデコボコが出てもスムースな走行速度の加速や減速ができる。
【００１０】
請求項３に記載の発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により前記環境情報入力手段で入力される値の減速開始すべき閾値を決定する減速開始閾値決定手段とを備え、前記走行制御手段は、各座標を少なくとも前記減速開始閾値決定手段で決定された減速開始閾値で通常の走行速度からの減速を開始するよう制御することにより、学習結果を用いて、予めわかっている危険領域では減速開始を早めに行って、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００１１】
請求項４に記載の発明は、走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により座標毎の走行終了の可否を決定する走行終了可否決定手段とを備え、前記走行制御手段は、前記走行終了可否決定手段で走行終了不可と決定された座標では走行終了させないことにより、学習結果を用いて、予めわかっている危険領域では走行終了しないことで、危険領域にとどまることを避けることができる。
【００１２】
請求項５に記載の発明は、特に、請求項１〜４のいずれか１項に記載の環境情報入力手段として障害物検知手段を備え、環境マップ学習手段は障害物の有無を学習することにより、学習結果を用いて、予めわかっている障害物領域に対して走行の最高速度を落としたり、減速開始を早めに行うことで、障害物に対してすぐ停止でき、自分自身も障害物に当たって損傷を被ることもなく、障害物にも損傷を与えることもなく走行することができ、障害物の多い場所で走行停止して走行終了後に入っていきた人間等に危害を加えることを避けることができる。
【００１３】
請求項６に記載の発明は、特に、請求項１〜４のいずれか１項に記載の環境情報入力手段として温度検知手段を備え、環境マップ学習手段は温度レベルを学習することにより、学習結果を用いて、予めわかっている温度レベルに合わせて走行の最高速度を落としたり、減速開始を早めに行うことで、高温危険物や人体や動物に対してすぐ停止でき、自分自身も高温危険物により発火等の損傷を被ることもなく、人体や動物に危害を加えることもなく走行することができ、高温危険物や人体や動物がいる可能性の高い場所で走行停止して走行終了後に入っていきた人間等に危害を加えることを避けることができる。
【００１４】
請求項７に記載の発明は、特に、請求項１〜４のいずれか１項に記載の環境情報入力手段として段差検知手段を備え、環境マップ学習手段は段差の有無を学習することにより、学習結果を用いて、予めわかっている段差の有無に合わせて走行の最高速度を落としたり、減速開始を早めに行うことで、危険な段差ですぐ停止でき、段差で転落して自分自身も損傷を被ることもなく、転落して人体や家具や建具等に危害や損傷を与えることもなく走行することができ、段差のある場所で走行停止して転落する危険を避けることができる。
【００１５】
請求項８に記載の発明は、特に、請求項１〜４のいずれか１項に記載の走行制御手段は、環境情報入力手段の入力値と変化量から急停止と判断した時には走行手段を急停止させ、環境マップ学習手段は前記走行制御手段が急停止制御した頻度を学習することにより、学習結果を用いて、予めわかっている急停止の多い領域で走行の最高速度を落としたり、減速開始を早めに行うことで、行き来する人や動物等に危害を加えないようゆっくり走行し、できるだけ急停止を避けてスムースな走行を行い、急停止の多い危険な場所では走行停止しない安全な自走式機器とすることができる。
【００１６】
請求項９に記載の発明は、請求項１〜８のいずれか１項に記載の発明に加えて、調整手段を備え、前記調整手段は、環境マップ学習手段が複数の項目について学習を行い最高速度決定手段または減速開始閾値決定手段または走行終了可否決定手段が下した決定の調整を行い、安全方向に最終決定することにより、学習結果を用いて、危険領域を総合的に判断して、予めわかっている予めわかっている危険領域では走行の最高速度を落としたり、減速開始を早めに行ったり、危険領域で走行終了しないことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行し、危険領域にとどまることを避けることができる。
【００１７】
請求項１０に記載した発明は、コンピュータを請求項１〜９のいずれか１項記載の自走式機器の全てもしくは一部として機能させるためのプログラムとする構成として、コンピュータを請求項１〜９のいずれか１項記載の自走式機器の全てもしくは一部として機能させることで、汎用コンピュータやサーバーを用いて本発明の自走式機器の全てもしくは一部を容易に実現することができる。
【００１８】
【実施例】
以下本発明の実施例について、図面を参照しながら説明する。
【００１９】
（実施例１）
図１は本発明の第１の実施例における自走式機器の構成を示すブロック図である。１は走行手段である駆動輪、２は駆動輪１を制御するための走行制御手段、３は周囲の環境情報を入力するための環境情報入力手段（本実施例では、振動検知手段４）、５は走行範囲内での座標を検知するための走行座標検知手段で、走行方向検出部６と走行距離検出部７の出力から座標演算部８で走行座標を演算するものである。走行座標検知手段５では、走行開始位置を原点とし、所定範囲の幅（本実施例では、本体の縦、横幅）を持ったセルで座標位置を検知するものとする。９は走行して収集した環境情報を座標毎に学習する環境マップ学習手段、１０は環境マップ学習手段９の学習結果に応じて最高走行速度を決定する最高速度決定手段、１１は最高速度決定手段１０で決定された最高速度をセル毎に記憶するための最高速度記憶手段である。
【００２０】
また、図２は本実施例の環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表である。
【００２１】
以下、本実施例の動作について図１および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である振動検知手段４で走行中の振動を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、振動検知手段４で検知した振動値を予め定められた１〜５の５段階のレベル（最大をレベル５）に分け、セル毎にそのセルを走行中の平均振動レベルを算出し、平均振動レベルの最新の５回分の移動平均をとって四捨五入して学習する。５回以上走行したセルは学習完了とする。
【００２２】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した振動レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した振動レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００２３】
また、環境マップ学習手段９で学習した振動レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。さらに、環境マップ学習手段９で学習した振動レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した振動レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００２４】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００２５】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００２６】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００２７】
尚、本実施例では、走行範囲内での座標を検知するための走行座標検知手段５を、走行方向検出部６と走行距離検出部７の出力から座標演算部８で走行座標を演算するものとしたが、ＧＰＳを用いてもかまわない。また、本実施例では、環境マップ学習手段９で学習するレベルを５段階、最高速度決定手段１０で決定する最高レベルを４段階としたが、各々任意の段階としてもかまわないし、各々レベルでなく絶対値としてもかまわない。
【００２８】
以上のように本実施例によれば、学習結果を用いて、予めわかっている例えば起伏の激しい振動の多い危険領域では走行の最高速度を落とすことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００２９】
（実施例２）
図３は、本発明の第２の実施例における自走式機器の構成を示すブロック図である。図１の構成に加えて、最高速度補正手段１２を備えている。また、図４は本実施例の最高速度決定手段１０の決定に従い最高速度記憶手段１１に記憶された最高速度レベルと最高速度補正手段１２により補正された後の最高速度レベルとの対応表で、走行順のセルについて並べて示している。例えば、現在走行中のセルが走行順１のセルの場合、１３は現在走行中のセルの最高速度、１４は直前に走行していたセルの最高速度、１５は次に走行すべきセルの最高速度、１６は補正後のセルの最高速度を示している。但し、走行開始セルは、最高速度決定手段１０の決定に従い最高速度記憶手段１１に記憶されたレベルとは無関係にレベル０とみなすものとする。
【００３０】
以下、本実施例の動作について図３および図４を用いて説明する。環境マップ学習手段９で学習を行い、最高速度決定手段１０で最高速度レベルを決定し、最高速度記憶手段１１に記憶するまでの動作は、実施例１と同様である。
【００３１】
最高速度補正手段１２は、現在走行中のセルの最高速度が、直前に走行していたセルの最高速度と次に走行すべきセルの最高速度に等しいまたはその両者の間である場合は、最高速度の補正を行わない。現在走行中のセルの最高速度が、直前に走行していたセルの最高速度と次に走行すべきセルの最高速度の両者の間でない場合は、両者のいずれかに等しいかまたは両者の間のレベルに補正する。
【００３２】
即ち、例えば図４において、現在走行中のセルが走行順１のセルの場合、現在走行中のセルの最高速度１３はレベル３、直前に走行していたセルの最高速度はレベル０、次に走行すべきセルの最高速度はレベル１、補正後のセルの最高速度１６はレベル１となる。以下、図４のとおりに補正を行うものである。
【００３３】
以上のように本実施例によれば、連続する座標毎の最高速度にデコボコが出てもスムースな走行速度の加速や減速ができる。
【００３４】
（実施例３）
図５は、本発明の第３の実施例における自走式機器の構成を示すブロック図である。図１の構成の１〜９までの構成に加えて、減速開始閾値決定手段１７を備えている。
【００３５】
また、図６は本実施例の環境マップ学習手段９の学習結果と減速開始閾値決定手段１７での決定内容との対応表である。
【００３６】
以下、本実施例の動作について、図５および図６を用いて説明する。走行制御手段２が、環境情報入力手段３である振動検知手段４で走行中の振動を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行し、環境マップ学習手段９で、振動検知手段４で検知した振動値を予め定められた１〜５の５段階のレベル（最大をレベル５）に分け、セル毎にそのセルを走行中の平均レベルを算出し、平均レベルの最新の５回分の移動平均をとって四捨五入して学習するまでの動作は、実施例１と同様である。
【００３７】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した振動レベルに応じて減速開始閾値決定手段１７が減速開始閾値レベルを１〜５の５レベル（レベルは環境マップ学習手段９で学習する振動レベルと同じ）に決定する。即ち、環境マップ学習手段９で学習した振動レベルが１〜３であれば、減速開始閾値決定手段１７は、走行中に常時、振動検知手段４から入力されるレベルが３以上になれば減速を開始するよう決定する。また、環境マップ学習手段９で学習した振動レベルが４または５であれば、減速開始閾値決定手段１７は、走行中に常時、振動検知手段４から入力されるレベルが２以上になれば減速を開始するよう決定する。
【００３８】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、減速開始閾値決定手段１７は、無条件にレベル３に決定する。
【００３９】
尚、本実施例では、減速開始閾値決定手段１７が決定するのは振動レベルとしたが、振動の絶対値としてもかまわない。
【００４０】
以上のように本実施例によれば、学習結果を用いて、予めわかっている危険領域では減速開始を早めに行って、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００４１】
（実施例４）
図７は、本発明の第４の実施例における自走式機器の構成を示すブロック図である。図４の構成の減速開始閾値決定手段１７に替えて、走行終了可否決定手段１８を備えている。図８は、本実施例の環境マップ学習手段９の学習結果と走行終了可否決定手段１８での決定内容との対応表である。
【００４２】
以下、本実施例の動作について、図７および図８を用いて説明する。走行制御手段２が、環境情報入力手段３である振動検知手段４で走行中の振動を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行し、環境マップ学習手段９で、振動検知手段４で検知した振動値を予め定められた１〜５の５段階のレベル（最大をレベル５）に分け、セル毎にそのセルを走行中の平均レベルを算出し、平均レベルの最新の５回分の移動平均をとって四捨五入して学習するまでの動作は、実施例１と同様である。
【００４３】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した振動レベルに応じて走行終了可否決定手段１８が走行可否を決定する。即ち、環境マップ学習手段９で学習した振動レベルが３以下であれば、走行終了可否決定手段１８は、そのセルを走行終了可とし、環境マップ学習手段９で学習した振動レベルが４以上であれば、走行終了可否決定手段１８は、そのセルを走行終了不可と決定する。
【００４４】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、走行終了可否決定手段１８は、無条件に走行終了可と決定する。
【００４５】
走行制御手段２は、走行中のセルが、走行終了可否決定手段１８が走行終了可としたセルであれば、走行終了することができるが、走行中のセルが、走行終了可否決定手段１８が走行終了不可としたセルであれば、走行終了可と決定されたセルまで走行後に走行を終了させることができる。
【００４６】
以上のように本実施例によれば、学習結果を用いて、予めわかっている危険領域では走行終了しないことで、危険領域にとどまることを避けることができる。
【００４７】
（実施例５）
図９は、本発明の第５の実施例における自走式機器の構成を示すブロック図である。図１の構成の振動検知手段４に替えて、障害物検知手段１９を備えている。また、環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表は、実施例１同様の図２である。
【００４８】
以下、本実施例の動作について図９および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である障害物検知手段１９で障害物を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、セル毎に最新の５回分について走行中に障害物を検出した回数の割合を算出し、その割合が２０％未満をレベル１、２０％以上４０％未満をレベル２、４０％以上６０％未満をレベル３、６０％以上８０％未満をレベル４、８０％以上をレベル５として学習する。５回以上走行したセルは学習完了とする。
【００４９】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した障害物レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した障害物レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００５０】
また、環境マップ学習手段９で学習した障害物レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。
【００５１】
さらに、環境マップ学習手段９で学習した障害物レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した障害物レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００５２】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００５３】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００５４】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００５５】
以上のように本実施例によれば、学習結果を用いて、予めわかっている障害物領域に対して走行の最高速度を落とすことで、障害物に対してすぐ停止でき、自分自身も障害物に当たって損傷を被ることもなく、障害物にも損傷を与えることもなく走行することができる。
【００５６】
（実施例６）
図１０は、本発明の第６の実施例における自走式機器の構成を示すブロック図である。図１の構成の振動検知手段４に替えて、温度検知手段２０を備えている。また、図１１は、本実施例における環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表である。
【００５７】
以下、本実施例の動作について図１０および図１１を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である温度検知手段２０で周囲の温度を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、温度検知手段２０で検知した温度値を予め定められた１〜５の５段階のレベル（最高をレベル５とし、例えば０℃未満をレベル１、０℃以上２５℃未満をレベル２、２５℃以上４０℃未満をレベル３、４０℃以上６０℃未満をレベル４、６０℃以上をレベル５）に分け、セル毎にそのセルを走行中の平均温度レベルを算出し、平均温度レベルの最新の５回分の移動平均をとって四捨五入して学習する。５回以上走行したセルは学習完了とする。
【００５８】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した温度レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した温度レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００５９】
また、環境マップ学習手段９で学習した温度レベルが３であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。さらに、環境マップ学習手段９で学習した温度レベルが１または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した温度レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００６０】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００６１】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００６２】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００６３】
以上のように本実施例によれば、学習結果を用いて、予めわかっている温度レベルに合わせて走行の最高速度を落とすことで、高温危険物や人体や動物に対してすぐ停止でき、自分自身も高温危険物により発火等の損傷を被ることもなく、人体や動物に危害を加えることもなく走行することができる。
【００６４】
（実施例７）
図１２は、本発明の第７の実施例における自走式機器の構成を示すブロック図である。図１の構成の振動検知手段４に替えて、所定値（本実施例では５ｃｍ）以上の段差を検知する段差検知手段２１を備えている。また、環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表は、実施例１同様の図２である。
【００６５】
以下、本実施例の動作について図１２および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である段差検知手段２１で段差を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行の際、環境マップ学習手段９では、セル毎に最新の５回分について走行中に段差を検出した回数の割合を算出し、その割合が２０％未満をレベル１、２０％以上４０％未満をレベル２、４０％以上６０％未満をレベル３、６０％以上８０％未満をレベル４、８０％以上をレベル５として学習する。５回以上走行したセルは学習完了とする。
【００６６】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した段差レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した段差レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００６７】
また、環境マップ学習手段９で学習した段差レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。
【００６８】
さらに、環境マップ学習手段９で学習した段差レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した段差レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００６９】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００７０】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００７１】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００７２】
以上のように本実施例によれば、危険な段差ですぐ停止でき、段差で転落して自分自身も損傷を被ることもなく、転落して人体や家具や建具等に危害や損傷を与えることもなく走行することができる。
【００７３】
（実施例８）
図１３は本実施例の第８の実施例における自走式機器の構成を示すブロック図である。図９の構成に加えて、急停止検知手段２２を備えている。また、障害物検知手段１９は、測距センサとした。さらに、環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表は、実施例１同様の図２である。
【００７４】
以下、本実施例の動作について図１２および図２を用いて説明する。まず、走行制御手段２は、環境情報入力手段３である障害物検知手段２１で障害物を検知しながら、走行座標検知手段５で走行中のセルを検知して走行範囲を走行する。走行中に、常時障害物検知手段１９で検知している距離が１０ｃｍ以下で直前の検知した値が２０ｃｍ以上であった時、走行制御手段２は、駆動輪１を急停止させる。急停止後は、走行制御手段２は、障害物を回避するように走行させる。急停止検知手段２２は、走行制御手段２が急停止したことを検知する。
【００７５】
環境マップ学習手段９では、セル毎に最新の５回分について走行中に急停止を検出した回数の割合を算出し、その割合が２０％未満をレベル１、２０％以上４０％未満をレベル２、４０％以上６０％未満をレベル３、６０％以上８０％未満をレベル４、８０％以上をレベル５として学習する。５回以上走行したセルは学習完了とする。
【００７６】
走行中のセルについて、環境マップ学習手段９で学習完了していれば、学習した急停止レベルに応じて最高速度決定手段１０が最高速度を０〜３の４レベル（最速をレベル３とし、例えばレベル３を３０ｃｍ／秒、レベル２を２０ｃｍ／秒、レベル１を１０ｃｍ／秒、レベル０は走行不可とする）に決定する。即ち、環境マップ学習手段９で学習した急停止レベルが１であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル上げるよう決定する。例えば従来がレベル１ならレベル２へと１レベル上げ、既にレベル３ならレベル３を保持するよう決定する。
【００７７】
また、環境マップ学習手段９で学習した急停止レベルが２であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを保持するよう決定する。
【００７８】
さらに、環境マップ学習手段９で学習した急停止レベルが３または４であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルを１レベル下げるよう決定する。例えば従来がレベル３ならレベル２へと１レベル下げ、既にレベル１ならレベル１を保持するよう決定する。環境マップ学習手段９で学習した急停止レベルが５であれば、最高速度決定手段１０は最高速度記憶手段１１に記憶されている最高速度のレベルとは無関係にレベル０とし走行不可とする。
【００７９】
走行中のセルについて、環境マップ学習手段９で学習完了していなければ、最高速度決定手段１０は無条件にレベル２に決定する。
【００８０】
いずれの場合も、更新された最高速度のレベルは、最高速度記憶手段１１に記憶される。
【００８１】
走行制御手段２は、最高速度記憶手段１１に記憶された走行中のセルの最高速度以下で駆動輪１を制御して走行させる。
【００８２】
以上のように本実施例によれば、行き来する人や動物等に危害を加えないようゆっくり走行し、できるだけ急停止を避けてスムースな走行を行うことができる。
【００８３】
（実施例９）
図１４は、本発明の第９の実施例における自走式機器の構成を示すブロック図である。４は振動検知手段、１９は障害物検知手段、２０は温度検知手段、２１は段差検知手段、２２は急停止検知手段、２３は調整手段である。
【００８４】
また、振動検知手段４について下される最高速度決定内容は図２と同様で、障害物検知手段１９について下される最高速度決定内容は図２と同様で、温度検知手段２０について下される最高速度決定内容は図１１と同様で、段差検知手段２１について下される最高速度決定内容は図２と同様で、急停止検知手段２２について下される最高速度決定内容は図２と同様である。
【００８５】
以下、本実施例の動作について説明する。振動検知手段４、障害物検知手段１９、温度検知手段２０、段差検知手段２１、急停止検知手段２２の各々について、環境環境マップ学習手段９で学習を行い、最高速度決定手段１０で最高速度レベルを決定するまでの動作は、実施例１、実施例５、実施例６、実施例７、実施例８と同様である。
【００８６】
調整手段２３は、まず、最高速度決定手段１０で最高速度レベルを下げると決定したものが１つでもあれば、最高速度レベルを下げるよう調整する。最高速度決定手段１０で全て最高速度レベルを上げると決定した場合は、最高速度レベルを上げるよう調整する。いずれでもない場合は、最高速度レベルを保持するよう調整する。セルの走行に当たっては実施例２同様、最高速度補正手段１２が最高速度の補正を行う。
【００８７】
以上のように本実施例によれば、学習結果を用いて、危険領域を総合的に判断して、予めわかっている予めわかっている危険領域では走行の最高速度を落とすことで、危険物に対してすぐ停止でき、危険を最適に回避しながら走行することができる。
【００８８】
（実施例１０）
次に本発明の第１０の実施例について図１４を用いて説明する。本実施例は、コンピュータを、自走式機器の全てもしくは一部として機能させるためのプログラムとする構成として、コンピュータを全てもしくは一部として機能させるものである。
【００８９】
以上のように本実施例によれば、汎用コンピュータやサーバーを用いて本発明の自走式機器の全てもしくは一部を容易に実現することができる。
【００９０】
【発明の効果】
以上のように、本発明によれば、学習結果を用いて、危険物に対してすぐ停止でき、危険物に対して回避が容易で、自分自身も損傷を被ることもなく、危険物に対しても危害や損傷を与えることもなく安全な走行ができる自走式機器の提供が可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施例における自走式機器の構成を示すブロック図
【図２】同、第１の実施例、第５の実施例、第７の実施例、第８の実施例、第９の実施例における環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表を示す図
【図３】同、第２の実施例における自走式機器の構成を示すブロック図
【図４】同、第２の実施例における最高速度記憶手段１１に記憶された最高速度レベルと最高速度補正手段１２により補正された後の最高速度レベルとの対応表を示す図
【図５】同、第３の実施例における自走式機器の構成を示すブロック図
【図６】同、第３の実施例における環境マップ学習手段９の学習結果と減速開始閾値決定手段１７での決定内容との対応表を示す図
【図７】同、第４の実施例における自走式機器の構成を示すブロック図
【図８】同、第４の実施例における環境マップ学習手段９の学習結果と走行終了可否決定手段１８での決定内容との対応表を示す図
【図９】同、第５の実施例における自走式機器の構成を示すブロック図
【図１０】同、第６の実施例における自走式機器の構成を示すブロック図
【図１１】同、第６の実施例、第９の実施例における環境マップ学習手段９の学習結果と最高速度決定手段１０での決定内容との対応表を示す図
【図１２】同、第７の実施例における自走式機器の構成を示すブロック図
【図１３】同、第８の実施例における自走式機器の構成を示すブロック図
【図１４】同、第９の実施例、第１０の実施例における自走式機器の構成を示すブロック図
【符号の説明】
１ 駆動輪（走行手段）
２ 走行制御手段
３ 環境情報入力手段
４ 振動検知手段
５ 走行座標検知手段
９ 環境マップ学習手段
１０ 最高速度決定手段
１２ 最高速度補正手段
１７ 減速開始閾値決定手段
１８ 走行終了可否決定手段
１９ 障害物検知手段
２０ 温度検知手段
２１ 段差検知手段
２２ 急停止検知手段
２３ 調整手段
Claims (10)
- 走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により最高走行速度を決定する最高速度決定手段とを備え、前記走行制御手段は、各座標を前記最高速度決定手段で決定された速度以下で走行するよう制御する自走式機器。
- 最高速度補正手段を備え、前記最高速度補正手段は、現在走行中の座標の最高速度を、直前に走行していた座標の最高速度と次に走行すべき座標の最高速度に応じて補正を行い、走行制御手段は、前記最高速度補正手段が補正した最高速度以下で走行するよう制御する請求項１記載の自走式機器。
- 走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により前記環境情報入力手段で入力される値の減速開始すべき閾値を決定する減速開始閾値決定手段とを備え、前記走行制御手段は、各座標を少なくとも前記減速開始閾値決定手段で決定された減速開始閾値で通常の走行速度からの減速を開始するよう制御する自走式機器。
- 走行手段と、走行手段を制御するための走行制御手段と、周囲の環境情報を入力するための環境情報入力手段と、走行範囲内での座標を検知するための走行座標検知手段と、走行して収集した環境情報を座標毎に学習する環境マップ学習手段と、前記環境マップ学習手段による学習結果により座標毎の走行終了の可否を決定する走行終了可否決定手段とを備え、前記走行制御手段は、前記走行終了可否決定手段で走行終了不可と決定された座標では走行終了させない自走式機器。
- 環境情報入力手段として障害物検知手段を備え、環境マップ学習手段は障害物の有無を学習する請求項１〜４のいずれか１項記載の自走式機器。
- 環境情報入力手段として温度検知手段を備え、環境マップ学習手段は温度レベルを学習する請求項１〜４のいずれか１項記載の自走式機器。
- 環境情報入力手段として段差検知手段を備え、環境マップ学習手段は段差の有無を学習する請求項１〜４のいずれか１項記載の自走式機器。
- 走行制御手段は、環境情報入力手段の入力値と変化量から急停止と判断した時には走行手段を急停止させ、環境マップ学習手段は前記走行制御手段が急停止制御した頻度を学習する請求項１〜４のいずれか１項記載の自走式機器。
- 調整手段を備え、前記調整手段は、環境マップ学習手段が複数の項目について学習を行い最高速度決定手段または減速開始閾値決定手段または走行終了可否決定手段が下した決定の調整を行い、安全方向に最終決定する請求項１〜８のいずれか１項記載の自走式機器。
- コンピュータを請求項１〜９のいずれか１項記載の自走式機器の全てもしくは一部として機能させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003190119A JP2005025501A (ja) | 2003-07-02 | 2003-07-02 | 自走式機器およびそのプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003190119A JP2005025501A (ja) | 2003-07-02 | 2003-07-02 | 自走式機器およびそのプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005025501A true JP2005025501A (ja) | 2005-01-27 |
Family
ID=34188099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003190119A Withdrawn JP2005025501A (ja) | 2003-07-02 | 2003-07-02 | 自走式機器およびそのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005025501A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009093515A (ja) * | 2007-10-11 | 2009-04-30 | Panasonic Corp | 自走式装置およびプログラム |
| US7680597B2 (en) | 2005-07-14 | 2010-03-16 | Murata Kikai Kabushiki Kaisha | Guided vehicle system and travel route map creation method for guided vehicle system |
| JP2011009172A (ja) * | 2009-06-29 | 2011-01-13 | Panasonic Electric Works Co Ltd | Ｌｅｄ用調光制御装置及びそれを用いた照明器具 |
| JP2012048508A (ja) * | 2010-08-26 | 2012-03-08 | Murata Mach Ltd | 走行車 |
| WO2017217192A1 (ja) * | 2016-06-14 | 2017-12-21 | Ｇｒｏｏｖｅ Ｘ株式会社 | 涼しさを求める自律行動型ロボット |
| JP2020107024A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社ダイヘン | 移動体、学習器、及び学習器製造方法 |
| KR20210037716A (ko) * | 2018-08-06 | 2021-04-06 | 다이슨 테크놀러지 리미티드 | 모바일 로봇 및 그 제어 방법 |
| JP2022085683A (ja) * | 2020-11-27 | 2022-06-08 | 株式会社クボタ | 作業機 |
| US11701941B2 (en) | 2019-08-29 | 2023-07-18 | Samsung Electronics Co., Ltd. | Caster device, robot having the same, and method for driving robot |
-
2003
- 2003-07-02 JP JP2003190119A patent/JP2005025501A/ja not_active Withdrawn
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7680597B2 (en) | 2005-07-14 | 2010-03-16 | Murata Kikai Kabushiki Kaisha | Guided vehicle system and travel route map creation method for guided vehicle system |
| JP2009093515A (ja) * | 2007-10-11 | 2009-04-30 | Panasonic Corp | 自走式装置およびプログラム |
| JP2011009172A (ja) * | 2009-06-29 | 2011-01-13 | Panasonic Electric Works Co Ltd | Ｌｅｄ用調光制御装置及びそれを用いた照明器具 |
| JP2012048508A (ja) * | 2010-08-26 | 2012-03-08 | Murata Mach Ltd | 走行車 |
| US8521415B2 (en) | 2010-08-26 | 2013-08-27 | Murata Machinery, Ltd. | Traveling vehicle and method of controlling the same |
| US10981279B2 (en) | 2016-06-14 | 2021-04-20 | Groove X, Inc. | Autonomously acting robot that seeks coolness |
| WO2017217192A1 (ja) * | 2016-06-14 | 2017-12-21 | Ｇｒｏｏｖｅ Ｘ株式会社 | 涼しさを求める自律行動型ロボット |
| JP6343800B2 (ja) * | 2016-06-14 | 2018-06-20 | Ｇｒｏｏｖｅ Ｘ株式会社 | 涼しさを求める自律行動型ロボット |
| JPWO2017217192A1 (ja) * | 2016-06-14 | 2018-06-28 | Ｇｒｏｏｖｅ Ｘ株式会社 | 涼しさを求める自律行動型ロボット |
| JP2018126858A (ja) * | 2016-06-14 | 2018-08-16 | Ｇｒｏｏｖｅ Ｘ株式会社 | 涼しさを求める自律行動型ロボット |
| GB2564809A (en) * | 2016-06-14 | 2019-01-23 | Groove X Inc | Coolness-seeking autonomous operation robot |
| GB2564809B (en) * | 2016-06-14 | 2021-11-17 | Groove X Inc | Autonomously acting robot that seeks coolness |
| US20220091615A1 (en) * | 2018-08-06 | 2022-03-24 | Dyson Technology Limited | Mobile robot and method of controlling thereof |
| KR20210037716A (ko) * | 2018-08-06 | 2021-04-06 | 다이슨 테크놀러지 리미티드 | 모바일 로봇 및 그 제어 방법 |
| JP2021531921A (ja) * | 2018-08-06 | 2021-11-25 | ダイソン・テクノロジー・リミテッド | 移動ロボット及び当該移動ロボットを制御するための方法 |
| JP7161602B2 (ja) | 2018-08-06 | 2022-10-26 | ダイソン・テクノロジー・リミテッド | 移動ロボット及び当該移動ロボットを制御するための方法 |
| KR102590980B1 (ko) * | 2018-08-06 | 2023-10-20 | 다이슨 테크놀러지 리미티드 | 모바일 로봇 및 그 제어 방법 |
| JP2020107024A (ja) * | 2018-12-27 | 2020-07-09 | 株式会社ダイヘン | 移動体、学習器、及び学習器製造方法 |
| US11701941B2 (en) | 2019-08-29 | 2023-07-18 | Samsung Electronics Co., Ltd. | Caster device, robot having the same, and method for driving robot |
| JP2022085683A (ja) * | 2020-11-27 | 2022-06-08 | 株式会社クボタ | 作業機 |
| JP7399070B2 (ja) | 2020-11-27 | 2023-12-15 | 株式会社クボタ | 作業機 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2015207833B2 (en) | Steer control maneuvers for materials handling vehicles | |
| CN108303986B (zh) | 一种激光slam导航的临时障碍物处理方法 | |
| JP6289669B2 (ja) | 車両走行制御装置 | |
| US10065679B2 (en) | Driving support device for vehicle | |
| US20180253103A1 (en) | Method and Device for Controlling a Trajectory Planning Process of an Ego-Vehicle | |
| CN103926929B (zh) | 材料搬运车辆及其执行转向策略的方法和相应控制系统 | |
| US9988007B2 (en) | Occlusion control device | |
| KR102304018B1 (ko) | 자율주행 차량의 충돌 방지 방법, 장치 및 컴퓨터프로그램 | |
| EP2083340B1 (en) | Inverted type movable body and control method thereof | |
| US20200209869A1 (en) | Information processing device, autonomous mobile device, method, and program | |
| JPWO2021070451A5 (ja) | 車両制御装置、車両制御方法、及び自動運転方法 | |
| JP2005025501A (ja) | 自走式機器およびそのプログラム | |
| KR101245754B1 (ko) | 자율주행 로봇 및 경로설정 방법 | |
| US20220402491A1 (en) | Adaptive cruise control | |
| US20220001857A1 (en) | Parking assistance device, vehicle, parking assistance method, and non-transitory computer-readable medium | |
| JP4252951B2 (ja) | 車両用制御対象判定装置 | |
| JP2011141663A (ja) | 無人搬送車、および、その走行制御方法 | |
| JP2017111771A (ja) | 自律走行車両、自律走行システム及び自律走行車両の制御方法 | |
| JP2020036426A (ja) | 電動車両の制御方法、及び、電動車両の制御装置 | |
| KR102145902B1 (ko) | 자율주행 작업차량을 위한 지능형 주행 시스템 | |
| US12005899B2 (en) | Vehicle with inter-vehicular distance acceleration control | |
| CN110775050B (zh) | 车辆行驶支援装置 | |
| Kim et al. | Trajectory planning of autonomous robot using advanced fuzzy controller | |
| WO2023100287A1 (ja) | 運転支援装置及び運転支援方法 | |
| JP2011053726A (ja) | 移動ロボット |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060620 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20060712 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20070613 |