JP2007042031A - 自律走行装置およびそのプログラム - Google Patents
自律走行装置およびそのプログラム Download PDFInfo
- Publication number
- JP2007042031A JP2007042031A JP2005228155A JP2005228155A JP2007042031A JP 2007042031 A JP2007042031 A JP 2007042031A JP 2005228155 A JP2005228155 A JP 2005228155A JP 2005228155 A JP2005228155 A JP 2005228155A JP 2007042031 A JP2007042031 A JP 2007042031A
- Authority
- JP
- Japan
- Prior art keywords
- state diagram
- sample data
- traveling device
- autonomous traveling
- map calculation
- 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.)
- Pending
Links
- 238000010586 diagram Methods 0.000 claims abstract description 132
- 238000004364 calculation method Methods 0.000 claims abstract description 70
- 230000014509 gene expression Effects 0.000 claims description 41
- 238000000034 method Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 7
- 230000002860 competitive effect Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000272814 Anser sp. Species 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000272201 Columbiformes Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000038280 herbivores Species 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
【課題】本発明は、複数のセンサの値から自律走行装置の制御を決定する自律走行装置に関するものである。
【解決手段】低次元の状態図を記憶する状態図記憶手段と、センサのセンサ値を状態図記憶手段の状態図に射影する自己組織化マップを計算する自己組織化マップ計算手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図から自律走行装置の制御信号を決定する状態図制御手段を有する制御装置を提供するものである。上記構成、動作によると、設計者が容易に判断することができる低次元の状態図に、複数のセンサ値を自己組織化マップによって射影した結果と特性が既知である複数のサンプルデータを射影した結果との位置関係によりセンサ値の射影結果が正しいかどうかをチェックするので、信頼性の高い自律走行装置を提供することができる。
【選択図】図1
【解決手段】低次元の状態図を記憶する状態図記憶手段と、センサのセンサ値を状態図記憶手段の状態図に射影する自己組織化マップを計算する自己組織化マップ計算手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図から自律走行装置の制御信号を決定する状態図制御手段を有する制御装置を提供するものである。上記構成、動作によると、設計者が容易に判断することができる低次元の状態図に、複数のセンサ値を自己組織化マップによって射影した結果と特性が既知である複数のサンプルデータを射影した結果との位置関係によりセンサ値の射影結果が正しいかどうかをチェックするので、信頼性の高い自律走行装置を提供することができる。
【選択図】図1
Description
本発明は、複数のセンサの値から自律走行装置の制御を決定する自律走行装置およびそのプログラムに関するものである。
従来の技術について図9〜図11を用いて説明する。
先ず図9で自律走行装置の構造について自律走行装置1を一例にして説明する。
図9において、17は第六のセンサであり、自律走行装置1と障害物までの距離を測定するために設置する。
18は第七のセンサであり、自律走行装置1と障害物までの距離を第六のセンサ17と別の場所に関して測定する。
また、関係式制御手段19は、第六のセンサ17、第七のセンサ18による障害物までの距離を入力とし、関係式記憶手段20が記憶する関係式から通電制御手段9の自律走行装置1の制御信号を出力する。
通電制御手段9は、関係式制御手段19による自律走行装置1の制御信号に従ってモータ10を制御する。
次に、従来の技術の動作について説明する。
まず、関係式制御手段19の動作を図10、図11で一例として説明する。
図10は、第六のセンサ17によって測定された測距センサ測定距離s1、第七のセンサ17によって測定された測距センサ測定距離s2、障害物までの距離sの関係式を図示したものである。
そして、図11に示すように、図10で求めたデータよりs1、s2、sを変数とする曲線状の関係式を求め、測距センサ測定距離s1、測距センサ測定距離s2の全範囲を含む関係式を作成する。
上述したように、図11の関係式は、経験、実験により得られたデータより曲線状の関係式を作成する。データを含む曲線は無数に存在するから、常に最適な走行制御を行うような関係式を作成するためのチェックを行う必要がある。
関係式のチェックは以下に示す3つの観点より行われる。
第一の観点はある点のみが極端な値を取らず関係式の曲線がなめらかであること、第二の観点は実験、経験により得られたデータと曲線との距離の差が小さいこと、また、第三の観点は実験、経験により得られたデータでは得られていない範囲でも無理なく表現されていることである。
上記3つの観点を満たすように関数を作成、チェックすることは難しく、複雑な手続きを必要とするため、パソコン、機械による自動的に行うことができず、図11のように関係式を実際に図示して設計者によって行われる。図示を必要とするため、1出力がである場合、入力は2つ以下である必要があり、それ以上の変数数では正確に、かつ、迅速にチェックすることができない。
関係式制御手段19は、関係式記憶手段20が記憶する図のセンサと出力の関係式にセンサの値を代入することにより、自律走行装置1への出力値を決定する。
上記、従来の技術の構成、動作によると、人間の自律走行装置使用上のノウハウを自律走行装置の制御に具現化するために、関係式記憶手段20が記憶する関係式によって入出力関係を実現している。よって、上記従来の技術を用いることにより、人間が経験により獲得したノウハウを自律走行装置の制御に具現化することができる。
特開平6−14857号公報
上記で述べたように従来の技術を用いることにより、人間が経験により獲得したノウハウを自律走行装置の制御に具現化することができる。
しかし、ノウハウを基にして作成する関係式のチェックを設計者が行うために、例えば、2つの入力、1つの出力といった限定された入出力関係式しか実現することができず、3つ以上の入力の場合使用することができないという課題があった。
また、設計者の経験、関係式の図示化方法等の要因により、関係式が正しく表現されているかどうかの信頼性も大きく左右されるという課題があった。さらに、入出力関係式のパラメーターが多くなると、関係式を自律走行装置のマイコンに搭載する際のメモリ容量も大きくなるという課題もあった。
上記課題を解決するために、低次元の状態図を記憶する状態図記憶手段と、温度、湿度等の状態を検知する複数のセンサと、センサのセンサ値を状態図記憶手段の状態図に射影する自己組織化マップを計算する自己組織化マップ計算手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図から自律走行装置の制御信号を決定する状態図制御手段を有する制御装置を提供するものであり、複数のセンサ値の自己組織化マップによるマップ計算結果と特性が既知であるサンプルデータのサンプルデータマップ計算結果との位置関係により、自律走行装置の状態等の情報を把握し、獲得した情報に基づいて自律走行装置の制御を行うものである。
上記構成、動作によると、設計者が容易に判断することができる低次元の状態図に、複数のセンサ値を自己組織化マップによって射影した結果と特性が既知である複数のサンプルデータを射影した結果との位置関係によりセンサ値の射影結果が正しいかどうかをチェックするので、信頼性の高い制御装置を提供することができる。
また、3つ以上のセンサがある場合でも低次元の状態図に射影するので、3つ以上の入力を使用することができる。
さらに、センサの数が増えても必ず低次元の状態図に射影するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であるので、マイコンに搭載するメモリ容量も小さくすることができる。
本発明の自律走行装置は、設計者が容易に判断することができる低次元の状態図に射影して、チェックすることができるので信頼性の高い制御装置を提供することができる。
第1の発明は、低次元の状態図を記憶する状態図記憶手段と、自律走行装置の状態を検知する複数のセンサと、前記センサのセンサ値を前記状態図記憶手段の状態図に射影する自己組織化マップ計算手段と、前記自己組織化マップ計算手段によるマップ計算結果と前記状態図記憶手段が記憶する状態図から自律走行装置の制御信号を決定する状態図制御手段を有し、自律走行装置の状態を低次元の状態図に射影することで、自律走行装置の状態等の情報を把握し、その情報により自律走行装置の制御を行う制御装置を提供するものである。上記発明の構成、動作によると、設計者が容易に判断することができる1次元から3次元の低次元の状態図に複数のセンサ値を射影した結果により、センサ値のマップ計算結果が正しいか、どうかをチェックするので、信頼性の高い制御装置を提供することができる。また、3つ以上のセンサがある場合でも低次元の状態図に射影するので、3つ以上の入力を使用することができる。さらに、センサの数が増えても必ず低次元の状態図に射影するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であるので、マイコンに搭載するメモリ容量も小さくすることができる。
第2の発明は、第1の発明に加えて、複数のセンサは、センサの数を3以上とする構造とするものであり、上記構成、動作によると、センサの値を低次元の状態図に射影して、自律走行装置の状態を把握して制御を行うため、センサの数が多いほどより多くの情報を得ることができるのでより正確に自律走行装置を制御することができる。
第3の発明は、第1の発明または第2の発明に加えて、状態図記憶手段が記憶する状態図上の自己組織化マップ計算手段によるマップ計算結果と特性が既知であるサンプルデータによるサンプルデータマップ計算結果との位置関係によって自律走行装置の制御信号を決定するものであり、上記構成、動作によると、特性が既知であるサンプルデータとサンプルデータマップ計算結果との比較により、自律走行装置の状態等の情報を獲得するのでより正確に情報を把握することができ、さらにより正確に自律走行装置を制御することができる。
第4の発明は、第1〜第3のいずれか1つの発明に加えて、状態図制御手段を状態図記憶手段が記憶する状態図と自己組織化マップ計算手段によるマップ計算結果を使用者に図示化して使用者に自律走行装置の状態等の情報を提供するものであり、上記発明の構成、動作によると、使用者に自律走行装置の状態を報知することができる。
第5の発明は、第3の発明または第4の発明に加えて、特性が既知であるサンプルデータが入力される度に、サンプルデータを自己組織化マップ計算手段により計算したサンプルデータマップ計算結果をサンプルデータ状態図に追加することにより、サンプルデータ状態図を更新する構成とするものであり、上記発明の構成、動作によると、サンプルデータが常に更新されるために、自律走行装置の状態等の最新、かつ、正確な情報を入手することができるので、より正確に自律走行装置を制御することができる。
第6の発明は、第1〜第5のいずれか1つの発明に加えて、センサのセンサ値と自己組織化マップ計算手段によるマップ計算結果の関係式を作成し、センサのセンサ値を前記関係式に代入することによりマップ計算結果を求めるものであり、上記発明の構成、動作によると、マップ計算結果を迅速に求めることができ、自律走行装置の制御をタイムリーに行うことができる。
第7の発明は、第3〜第5のいずれか1つの発明に加えて、サンプルデータ状態図上のサンプルデータのサンプルデータマップ計算結果と、自己組織化マップ計算手段のマップ計算結果の位置関係により決定する制御信号との関係式にマップ計算結果を代入することにより制御信号を求めるものであり、上記発明の構成、動作によると、制御信号を迅速に求めることができ、自律走行装置の制御をよりタイムリーに行うことができる。
第8の発明は、第5〜第7のいずれか1つの発明に加えて、状態図制御手段をサンプルデータが過去に入力されたサンプルデータと同じものである場合は、サンプルデータ状態図に追加しない構成とするものである。上記発明の構成、動作によると、無駄なデータ学習による時間のロスを防ぐことができるので、よりスピーディな自律走行装置の制御を行うことができる。
第9の発明は、第5〜第8のいずれか1つの発明に加えて、状態図制御手段をサンプルデータと過去に入力されたサンプルデータの差異がサンプルデータ閾値を上回る場合は、サンプルデータ状態図に追加しない構成とするものである。上記発明の構成、動作によると、過去のサンプルデータとの差異が大きいもの、つまり、間違ったデータである可能性が高いものは除くので、より正確な自律走行装置の制御を行うことができる。
第10の発明は、第1〜第8のいずれか1つの発明に加えて、状態図制御手段をセンサのセンサ値が状態図の最大値を上回ったときは、状態図にセンサの最大値を入力した値を、または、状態図の最小値を下回ったときは、状態図にセンサの最小値を入力した値を出力する構成とするものである。上記発明の構成、動作によると、状態図の範囲外のデータでも自律走行装置の制御を行うことができるので、より幅広い範囲での自律走行装置の制御を行うことができる。
第11の発明は、第1〜第10のいずれか1つの発明に加えて、自律走行装置が有する機能の一部または全部をコンピュータにより実行するためのプログラムであり、上記発明の構成、動作によると、コンピュータを搭載した自律走行装置で発明の効果を実現することができる。
第12の発明は、第11の発明のプログラムを記録したコンピュータ読み取り可能な記録媒体とするものであり、記録媒体を搭載した自律走行装置で発明の効果を実現することができる。
(実施の形態1)
本発明の実施の形態1について図1〜図8を用いて説明する。
本発明の実施の形態1について図1〜図8を用いて説明する。
まず、実施の形態1の構成について、図1で説明する。
図1において、2はセンサであり、自律走行装置1と障害物、壁までの距離を測定する。
3は自己組織化マップ計算手段であり、センサ1による距離情報を入力としている。自己組織化マップ計算手段3は、自律走行装置の状態を低次元の状態図に図示できるように、センサの値を変換して、マップ計算結果として出力する。
6は、自律走行装置の状態を低次元の図として表現する状態図を記憶する状態図記憶手段であり、状態図制御手段4は状態図記憶手段6が記憶する状態図と自己組織化マップ計算手段3が記憶するマップ計算結果を入力とし、マップ計算結果と特性が既知であるサンプルデータのサンプルデータマップ計算結果との位置関係により、自律走行装置1の状態を特定し、その結果により制御対象手段への出力を決定して自律走行装置の制御信号として出力する。
通電制御手段9は、自律走行装置1の制御信号に従ってモータ10を制御する。
また、状態表示手段5は低次元の状態図を使用者に表示し、自律走行装置1の状態を報知する。そのことにより、一例として、使用者が自律走行装置が異常状態であることが報知することにより使用者に安全に自律走行装置を使用することができる。よって、使用者に自律走行装置1の安全使用状況、等の情報を提供することができる。
また、7は状態図更新手段であり、サンプルデータ追加手段8により特性が既知であるサンプルデータが追加されると、サンプルデータを自己組織化マップにより計算したサンプルデータマップ計算結果を状態図記憶手段6が記憶する状態図に追加する。
上記構成によると、サンプルデータが常に更新されるために、自律走行装置の状態等の最新、かつ、正確な情報を入手することができるので、より正確に自律走行装置を制御することができる。
次に、本実施の形態1の動作について説明する。
まず、自己組織化マップ計算手段3で使用する自己組織化マップについて説明する。
自己組織化マップは入力層と競合層の2層からなる多層ニューラルネットワークであり、人の脳の働きの一つである「情報を学習し似通った情報同士を一つのグループとして取り扱うグループ分け、または、クラスタリングを行う行為」を人工的に行うものである。
次に、自己組織化マップの動作について図2で説明する。自己組織化マップは、上述したように、図に示す入力層、競合層の2層からなるニューラルネットワークである。入力層はn個のユニットから構成され、i番目のユニットの値をXi(i=1〜n)とする。また、競合層はm個のユニットから構成され、j番目のユニットの値をYj(j=1〜m)とする。
入力層のユニットXiと競合層のユニットYjの関係式は次式で求めることができる。
Yj=f(Σj=1〜mWij×Xi)・・・(1)
ただし、f(x)=1(x>0.5)、f(x)=0(x≦0.5)、
重み係数Wij(i=1〜n、j=1〜m)はある定数とする。
ただし、f(x)=1(x>0.5)、f(x)=0(x≦0.5)、
重み係数Wij(i=1〜n、j=1〜m)はある定数とする。
つまり、入力層のユニットにデータXiが入力されると、競合層のユニットYjは(1)式によって計算することができる。
自己組織化マップによるデータの学習とは、重みWijを入力データXiの値によって変化させながら入力データXiのクラスタリングを行っていくことであり、その方法は自己組織化マップの応用」出版:海文堂、著作:徳高平蔵、岸田悟、藤村喜久郎、P7からP9に詳しく記述している。簡単に説明すると、全ての出力ユニットYjの重みWijと入力Xiとの距離djを以下の式に従って計算して、最もその距離が短い出力ユニットを勝者ユニットとする。
dj=Σi=1〜n(Wij−Xi)2・・・(2)
その勝者ユニットの重みWijが最も変化するように重みWijを決定し、同時に勝者ユニットの回りのユニットもその勝者ユニットとの距離に応じて重みWijを決定していく。この工程を入力データXiの数だけ繰り返していくことでデータの学習を行っていく。
その勝者ユニットの重みWijが最も変化するように重みWijを決定し、同時に勝者ユニットの回りのユニットもその勝者ユニットとの距離に応じて重みWijを決定していく。この工程を入力データXiの数だけ繰り返していくことでデータの学習を行っていく。
自己組織化マップによる学習結果について図3、図4、図5を用いて一例にて説明する。
図3は、縦軸に動物名、横軸を属性として、各々交わった箇所が正しければ○を、間違っていれば×を記入することにより作成した動物の属性表である。例えば、ハトは、「小さく」「2本足である」「羽を持っている」「飛ぶことができる」ので、それぞれ該当する項目「小さい」「2本足」「羽」「飛ぶ」に○を記入し、それ以外の項目は×とする。同様に、その他の動物についても属性表を作成する。
図3で作成した属性表を入力データXki(k番目の入力データXkのi番目の要素)に変換したのが、図4である。図4に示すように、動物の属性データを入力データXk、属性データの要素を入力データの要素Xkiとする。また、属性データにおいて○であれば1、×であれば0として入力データXkを作成する。
図4に示す動物の属性データを入力データXiとして自己組織化マップによって、学習した結果を図5に示す。図5は点で示した出力ユニットを横7個、縦8個に並べて図示したものであり、動物名は各々の動物の入力データXiの勝者ユニットを表している。図5に示すように、属性が似通ったもの鳥類「アヒル」「ガチョウ」等、草食動物「ウマ」「ウシ」等、肉食動物「トラ」「ライオン」は距離的に近い場所に集合していること、同類によるグループに分けられたクラスタリングができていることがわかる。つまり、従来の方法では、多次元から低次元への写像(図3、図4、図5の場合、13次元のデータから低次元の写像)、及び、クラスタリングがそれぞれ別の方法を用いて、かつ、複雑な工程を経て得られていたのに対して、自己組織化マップを用いることにより、簡単に、かつ、1つの工程で求めることができる。
次に、今回の発明における自己組織化マップによる解析の具体例を、使用自律走行装置として自律走行装置、センサを使用した一例を図6、図7、図8で説明する。
図6において、自律走行装置1と障害物までの距離がs(cm)となった場合の自律走行装置1と障害物の関係を示す。
ただし、障害物の直径をl(cm)、自律走行装置1と障害物の角度θ(°)とする。
12は第一のセンサであり、自律走行装置1の前方に設置され、ある特定方向の距離を測定する。
また、13は第二のセンサであり、自律走行装置1の前方に設置され、第一のセンサ12とは違う方向の距離を測定する。また、14は第三のセンサであり、自律走行装置1の前方に設置され、第一のセンサ12、第二のセンサ13とは違う方向の距離を測定する。
さらに、第四のセンサ15、第五のセンサ16は自律走行装置1の側面に設置され、自律走行装置1の側面側の距離を測定する。
第一のセンサ12、第二のセンサ13、第三のセンサ14を変数として自己組織化マップによってサンプルデータを学習、分析した結果、固有の2変数が障害物の直径l(cm)、障害物と自律走行装置1の角度θ(°)であるとする。固有の2変数がその他の変数である場合があるが、以下の動作については変わらず、要は、3以上の変数の特性が2変数で表現されるものであれば良い。
次に、図8に示すように、変数とするセンサデータを障害物の直径l(cm)、障害物と自律走行装置1の角度θ(°)の2次元の面に自己組織化マップによる計算、つまり、(2)式の距離を用いてセンサデータの勝者ユニットを決定する。その結果、状態図の勝者ユニットの場所により、3つの変数から構成されるセンサデータの特性が2変数によって表現され、2変数を軸とする平面の位置によって、角度及び直径(a、b)を求めることができる。
サンプルデータとして、既知である障害物において自律走行装置で実験を行い、4つのセンサ、第一のセンサ12、第二のセンサ13、第三のセンサ14、第四のセンサ15を求める。そして、同様に、障害物の直径l(cm)、障害物と自律走行装置1の角度θ(°)を軸とする平面、低次元の状態図に射影する(図8)。
また、サンプルデータの特性が明らかな場合、実験、及び、変換を行わず、低次元の状態図に直接描いても良い。
2次元の状態図において、サンプルデータa、b、c、d、eの自己組織化マップによるマップ計算結果との距離を以下のようにして求める。
サンプルaとの距離 d12=(a1−a)2+(b1−b)2
サンプルbとの距離 d22=(a2−a)2+(b2−b)2
サンプルcとの距離 d32=(a3−a)2+(b3−b)2
サンプルdとの距離 d42=(a4−a)2+(b4−b)2
サンプルeとの距離 d52=(a5−a)2+(b5−b)2
ただし、サンプルデータaの状態図の位置(a1、b1)、サンプルデータbの状態図の位置(a2、b2)、サンプルデータcの状態図の位置(a3、b3)、サンプルデータdの状態図の位置(a4、b4)、サンプルデータeの状態図の位置(a5、b5)とする(図8)。
サンプルbとの距離 d22=(a2−a)2+(b2−b)2
サンプルcとの距離 d32=(a3−a)2+(b3−b)2
サンプルdとの距離 d42=(a4−a)2+(b4−b)2
サンプルeとの距離 d52=(a5−a)2+(b5−b)2
ただし、サンプルデータaの状態図の位置(a1、b1)、サンプルデータbの状態図の位置(a2、b2)、サンプルデータcの状態図の位置(a3、b3)、サンプルデータdの状態図の位置(a4、b4)、サンプルデータeの状態図の位置(a5、b5)とする(図8)。
上記に示すサンプルとの距離が最も短いものに属するサンプルを抽出し、そのサンプルデータの時に起こす自律走行装置1の動きを再現することにより、より安全で確実な自律走行装置1の動作を実現することができる。
例えば、図8の例で示せば、サンプルデータcの距離が最も近いので、サンプルデータcが起こす制御方法と実現するものである。
上記の制御方法の一例として、上記状態図を用いた自律走行装置の制御方法を図7に示す。
ただし、サンプルaは障害物の直径lが大である場合、サンプルbは障害物の直径lが小であり、角度θが正である場合、サンプルcは障害物の直径lが小であり、角度θが負である場合とする。
自律走行装置1は図6の第二のセンサ13を用いて障害物までの距離を測定する。
第二のセンサ13の値が距離rとなった場合、障害物のよけ方を決定するために、第一のセンサ12、第二のセンサ13、第三のセンサ14の値を取得して、自己組織化マップ計算手段3を用いて、障害物の直径l(cm)、障害物と自律走行装置1の角度θ(°)を軸とする平面、低次元の状態図に射影する。
その射影結果は障害物の直径、障害物と自律走行装置1の角度を示すことになるから、障害物の直径lが大である場合はサンプルa、障害物の直径lが小であり、角度θが正である場合はサンプルb、障害物の直径lが小であり、角度θが負である場合はサンプルcの近くに射影される。
そこで、図7に示すように、サンプルaに最も近ければ、自律走行装置1は障害物の回避が難しいとして、Uターンを行う。また、サンプルbに最も近ければ、自律走行装置1は障害物を左側によけ、サンプルcに最も近ければ、自律走行装置1は障害物を右側によけて走行するものである。
上記で示したように、自律走行装置1で検知したセンサの値を障害物の直径l(cm)、障害物と自律走行装置1の角度θ(°)という実際の動きを決定するのに重要なパラメーターの状態図に射影することにより、より正確な自律走行装置1の制御を行うことができる。
また、下記で、一般的な3つ以上のセンサを用いた最適制御方式の探索方法について考察する。
一般に3つ以上のセンサを用いた自律走行装置1の最適制御を示す関係式を開発するのは難しい。それはパラメーター数が多くなるため、センサと自律走行装置の制御対象の関係式を図11に示すように図示して見ることができないため、最適制御であるかどうかを開発者が容易に判断できないためである。
そこで、通常、センサの数が3以上である場合、あるセンサのパラメーターを様々な値に固定して関係式を3次元に射影して開発を行う。しかし、複数の3次元に射影された式を考察することにより、センサと自律走行装置の制御対象の関係式を創造するのは開発者にとって技術を要する事柄であり、間違いも多かった。
しかし、上記実施の形態で述べた方法によると、設計者が容易に判断することができる低次元の状態図に複数のセンサ値を射影した結果と特性が既知である複数のサンプルデータを射影した結果との位置関係によりセンサ値のマップ計算結果が正しいか、どうかをチェックするので、信頼性の高い自律走行装置を提供することができる。
また、低次元の状態図で使用するパラメーターは、一例にて上げると、障害物の直径l(cm)、障害物と自律走行装置1の角度θ(°)というように、自律走行装置1を制御するのに意味のあるパラメーターに変換されるので、より信頼性の高い自律走行装置を提供することができる。
さらに、センサの数が増えても必ず低次元の状態図に射影するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であるので、マイコンに搭載するメモリ容量も小さくすることができる。
自己組織化マップ計算手段3は、図6の第一のセンサ12、第二のセンサ13、第三のセンサ14の値を入力とし、自己組織化マップを用いた分析を行うことで低次元の状態面に射影するものである。
図1の状態図制御手段4は、状態図記憶手段6が記憶する低次元の状態図上の自己組織化マップ計算手段3によるマップ計算結果から、上記で一例にて説明したようにサンプルデータとの位置関係を記憶する状態図記憶手段6の出力を比較することにより自律層s工装置の制御量を決定する。
上記実施の形態は、低次元の状態図を記憶する状態図記憶手段6と、自律走行装置の状態を検知する複数のセンサ2と、前記センサ2のセンサ値を前記状態図記憶手段6の状態図に射影する自己組織化マップ計算手段3と、前記自己組織化マップ計算手段3によるセンサ値マップ計算結果と前記状態図記憶手段6が記憶する状態図から自律走行装置の制御信号を決定する状態図制御手段4を有し、自律走行装置の状態を低次元の状態図に射影することで、自律走行装置の状態等の情報を把握し、その情報により自律走行装置の制御を行う自律走行装置を提供するものである。
上記実施の形態の構成、動作によると、設計者が容易に判断することができる低次元の状態図に、複数のセンサ値を射影した結果と特性が既知である複数のサンプルデータを射影した結果との位置関係によりセンサ値のマップ計算結果が正しいか、どうかをチェックするので、信頼性の高い自律走行装置を提供することができる。
また、3つ以上のセンサがある場合でも低次元の状態図に射影するので、3つ以上の入力を使用することができる。
実施の形態の発明は、状態図記憶手段4が記憶する状態図上の自己組織化マップ計算手段3によるマップ計算結果と特性が既知であるサンプルデータによる状態図記憶手段の結果との位置関係によって自律走行装置の制御信号を決定するものであり、上記構成、動作によると、特性が既知であるサンプルデータとの比較により、自律走行装置の状態等の情報を獲得するのでより正確に情報を把握することができ、さらにより正確に自律走行装置を制御することができる。
実施の形態の発明は、状態図記憶手段6が記憶する状態図と自己組織化マップ計算手段3によるマップ計算結果を使用者に図示化して使用者に自律走行装置の状態等の情報を提供するものであり、上記発明の構成、動作によると、使用者に自律走行装置の状態を報知することができる。
さらに、実施の形態の発明は、特性が既知であるサンプルデータが入力される度に、サンプルデータを状態図更新手段7により計算したサンプルデータのマップ計算結果を状態図記憶手段の状態図に追加することにより、サンプルデータの状態図を更新する構成とするものであり、上記発明の構成、動作によると、サンプルデータが常に更新されるために、自律走行装置の状態等の最新、かつ、正確な情報を入手することができるので、より正確に自律走行装置を制御することができる。
実施の形態の発明は、状態図記憶手段6が記憶するサンプルデータの状態図と自己組織化マップ計算手段3のマップ計算結果の位置関係により決定する制御信号との関係式を作成し、関係式にマップ計算結果を代入することにより制御信号を求めるものであり、上記発明の構成、動作によると、制御信号を迅速に求めることができ、自律走行装置の制御をよりタイムリーに行うことができる。
本発明にかかる自律走行装置は、多くのセンサによる情報を用いて最適な自律走行装置の制御を行うことが可能となるので、一般的な電気自律走行装置の制御等の用途として適応できる。
1 自律走行装置
2 センサ
3 自己組織化マップ計算手段
4 状態図制御手段
5 状態表示手段
6 状態図記憶手段
7 状態図更新手段
8 サンプルデータ追加手段
9 通電制御手段
10 モータ
11 車輪
12 第一のセンサ
13 第二のセンサ
14 第三のセンサ
15 第四のセンサ
16 第五のセンサ
19 関係式制御手段
20 関係式記憶手段
2 センサ
3 自己組織化マップ計算手段
4 状態図制御手段
5 状態表示手段
6 状態図記憶手段
7 状態図更新手段
8 サンプルデータ追加手段
9 通電制御手段
10 モータ
11 車輪
12 第一のセンサ
13 第二のセンサ
14 第三のセンサ
15 第四のセンサ
16 第五のセンサ
19 関係式制御手段
20 関係式記憶手段
Claims (12)
- 低次元の状態図を記憶する状態図記憶手段と、自律走行装置の状態を検知する複数のセンサと、前記センサのセンサ値を前記状態図記憶手段の状態図に射影する自己組織化マップ計算手段と、前記自己組織化マップ計算手段によるマップ計算結果と前記状態図記憶手段が記憶する状態図から自律走行装置の制御信号を決定する状態図制御手段を有し、自律走行装置の状態を低次元の状態図に射影することで、自律走行装置の状態等の情報を把握し、その情報により自律走行装置の制御を行う自律走行装置。
- 複数のセンサは、センサの数を3以上とする請求項1に記載の自律走行装置。
- 状態図制御手段は、特性が既知である複数のサンプルデータを自己組織化マップ計算手段により計算したサンプルデータマップ計算結果を状態図上に図示しているサンプルデータ状態図上に、自己組織化マップ計算手段によるマップ計算結果を図示し、サンプルデータ状態図上のマップ計算結果の位置関係によって自律走行装置の制御信号を決定する構成とする請求項1または2に記載の自律走行装置。
- 状態図制御手段は、状態図記憶手段が記憶する状態図と自己組織化マップ計算手段によるマップ計算結果を使用者に図示化して使用者に、自律走行装置の状態等の情報を提供する構成とする請求項1〜3のいずれか1項に記載の自律走行装置。
- 状態図制御手段は、特性が既知であるサンプルデータが入力される度に、サンプルデータを自己組織化マップ計算手段により計算したサンプルデータマップ計算結果をサンプルデータ状態図に追加することにより、サンプルデータ状態図を更新する構成とする請求項3または4に記載の自律走行装置。
- 自己組織化マップ計算手段は、センサのセンサ値と自己組織化マップ計算手段によるマップ計算結果の関係式を作成し、センサのセンサ値を前記関係式に代入することによりマップ計算結果を求める構成とし、センサのセンサ値から迅速にマップ計算結果を計算することを特徴とする請求項1〜5のいずれか1項に記載の自律走行装置。
- 状態図制御手段は、サンプルデータ状態図上のサンプルデータのサンプルデータマップ計算結果と、自己組織化マップ計算手段のマップ計算結果の位置関係より決定する制御信号との関係式を作成し、マップ計算結果と前記関係式に代入することにより制御信号を求める構成とし、マップ計算結果から迅速に制御信号を決定することを特徴とする請求項3〜5のいずれか1項に記載の自律走行装置。
- 状態図制御手段は、サンプルデータが過去に入力されたサンプルデータと同じものである場合は、サンプルデータ状態図に追加しない構成とする請求項5から7に記載の自律走行装置。
- 状態図制御手段は、サンプルデータと過去に入力されたサンプルデータの差異がサンプルデータ閾値を上回る場合は、サンプルデータデータ状態図に追加しない構成とする請求項5から8のいずれかに記載の自律走行装置。
- 状態図制御手段は、センサのセンサ値が状態図の最大値を上回ったときは、状態図にセンサの最大値を入力した値を、または、状態図の最小値を下回ったときは、状態図にセンサの最小値を入力した値を出力する構成とする請求項1から8のいずれかに記載の自律走行装置。
- 請求項1から10のいずれかに記載の自律走行装置が有する機能の一部または全部をコンピュータにより実行するためのプログラム。
- 請求項11に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体を搭載した自律走行装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005228155A JP2007042031A (ja) | 2005-08-05 | 2005-08-05 | 自律走行装置およびそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005228155A JP2007042031A (ja) | 2005-08-05 | 2005-08-05 | 自律走行装置およびそのプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007042031A true JP2007042031A (ja) | 2007-02-15 |
Family
ID=37799922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005228155A Pending JP2007042031A (ja) | 2005-08-05 | 2005-08-05 | 自律走行装置およびそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007042031A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013206237A (ja) * | 2012-03-29 | 2013-10-07 | Denso It Laboratory Inc | 自律走行ロボット及び自律走行ロボットの走行制御方法 |
-
2005
- 2005-08-05 JP JP2005228155A patent/JP2007042031A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013206237A (ja) * | 2012-03-29 | 2013-10-07 | Denso It Laboratory Inc | 自律走行ロボット及び自律走行ロボットの走行制御方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428943A (zh) | 障碍物车辆轨迹预测的方法、设备和计算机设备 | |
US20170168485A1 (en) | System and Method for Controlling Autonomous Vehicles | |
CN109196432A (zh) | 用于自动驾驶车辆的速度控制参数估计方法 | |
KR20200096410A (ko) | 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출 | |
CN111708856B (zh) | 一种基于强化学习的车道线的众包数据分段融合方法 | |
EP4088884A1 (en) | Method of acquiring sensor data on a construction site, construction robot system, computer program product, and training method | |
Levine et al. | Learning robotic navigation from experience: principles, methods and recent results | |
Haasdijk et al. | Racing to improve on-line, on-board evolutionary robotics | |
CN117246425A (zh) | 四足机器人导航避障与攀爬楼梯方法及系统 | |
JP2019191498A (ja) | 地図作成装置 | |
Bruce | Real-time motion planning and safe navigation in dynamic multi-robot environments | |
Chen et al. | Mobile robot wall-following control by improved artificial bee colony algorithm to design a compensatory fuzzy logic controller | |
JP2007042031A (ja) | 自律走行装置およびそのプログラム | |
Pandey et al. | Real time navigation strategies for webots using fuzzy controller | |
Kashyap et al. | Modified type-2 fuzzy controller for intercollision avoidance of single and multi-humanoid robots in complex terrains | |
JP2020149095A (ja) | 倒立振子型ロボット | |
CN113959446B (zh) | 一种基于神经网络的机器人自主物流运输导航方法 | |
Wang et al. | DUEL: Depth visUal Ego-motion Learning for autonomous robot obstacle avoidance | |
Noroozi et al. | Conventional, Heuristic and Learning-Based Robot Motion Planning: Reviewing Frameworks of Current Practical Significance | |
Silva et al. | Avoiding obstacles using a connectionist network | |
JP2008014745A (ja) | センサユニットとプログラムおよびその記録媒体 | |
US11693416B2 (en) | Route determination method | |
Ghimire | A Study of Deep Reinforcement Learning in Autonomous Racing Using DeepRacer Car | |
Pereira | Adaptive Shared-Control of a Robotic Walker to Improve Human-Robot Cooperation in Gait Biomechanical Rehabilitation | |
JP2010086374A (ja) | センサユニット |