JP2015536489A - 床面を自律式に点検または処理するロボットおよび方法 - Google Patents

Abstract

【課題】必要性や利用者の希望に合わせて、ならびにロボットの役割分野に合わせてインタラクションを適合化する、自律式のロボットを提供する【解決手段】活動を自律的に遂行するための移動型の自走式ロボットが記載されている。このロボットは次のものを有している：床面の上でロボットを動かすための駆動モジュール；処理プロセス中に活動を遂行するための処理モジュール；ロボットを処理プロセス中に周辺の地図を用いて床面の上でナビゲーションし、周辺の１つまたは複数の地図を保存し、管理するために構成されたナビゲーションモジュール。さらにロボットは、周辺の構造に関わる情報を検出するための少なくとも１つのセンサモジュールと、処理プロセスのときに処理された面を判定し、これを参照基準と比較して、参照基準と実際に処理された面との間の相違に関する情報を保存するために構成された分析ユニットと、処理プロセスの途中、完了後、または中断後にマン・マシン・インターフェースとの接続を成立させ、参照基準と実際に処理された面との間の相違に関して保存されている情報を通知し、それによって利用者に処理プロセスへ介入し、周辺の変更を行い、またはあらためて処理プロセスを開始させる可能性を与えるために構成された通信モジュールとを有しており、その際には事前定義可能な特定の基準に基づき、情報が利用者による要請に応じて通知されるべきか、要請なしで通知されるべきか、通知されないべきかが決定される。さらに通信モジュールは、利用者からの制御命令を受け取り、処理プロセスを中断し、続行し、変更し、または新たに開始するために構成されている。【選択図】図６

Description

本明細書は、床面を自律式に点検または処理する方法に関し、特に、たとえば自律式のロボットを用いて点検または処理をする方法に関する。

床面を清掃ないし処理するための数多くの自走式のロボットが知られており、購入して入手することができる。基本的に、できる限り完全な床面の処理を、できる限り短い時間内で達成することが意図される。単純なシステムでは、処理されるべき床面が記された周辺の地図を作成ないし利用せずにすませる、ランダムなナビゲーション方法が適用される（たとえばｉＲｏｂｏｔ Ｃｏｒｐの特許文献１）。すなわち障害物、床面の仕切り、清掃された領域／清掃されていない領域などに関わる位置情報は利用されない。局所的な移動戦略との組み合わせで、障害物と衝突したときに走行方向が（ランダムに）変更されるにすぎない。それにより、たとえば床面が複数回清掃されることが甘受され、（有限の時間内に）床面の完全な清掃がなされる保証を与えることはできない。

これよりも複雑なシステムは、ＳＬＡＭアルゴリズム（ＳＬＡＭ：”Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ”、同時の位置推定と地図作成）によって、的確な経路計画と的確な床面清掃のための周辺の地図を作成する。その場合、地図および地図上でのロボットの位置は、たとえばレーザ・レンジ・スキャナなどのセンサ、カメラとレーザを用いた三角測量法、接触センサ、オドメーター型のセンサ、加速度センサなどによって判定される。このような種類のＳＬＡＭモジュールを利用する最近の清掃用ロボットでは、作成される地図は非恒常的であり、すなわち、新たな清掃プロセスのたびに（すなわち先行する清掃プロセスの完了後に）新しい地図が作成される。このような種類のシステムでは、多くの場合、地図をベースとする情報（たとえば何がどのような方式で清掃されたか）が利用者に通知されることはなく、利用者が地図の内部的な用途（たとえば処理されるべき領域と処理されるべきでない領域への床面の区分）に対して影響を及ぼすことはない。

非恒常的な地図とは異なり、恒常的に保存される地図の利用はいっそう効率的な処理プロセスを可能にする。周辺を繰り返し探索することが必要ないからである。したがって、処理プロセスをあらかじめ計算しておくことができる。その場合、追加の地図ベースの情報を判定して再び利用することができる（たとえば汚れの著しい問題のある領域など）。たとえば特許文献２では、床面の汚れ度が判定されて地図に保存され、以後の処理サイクルのときに処理強度（たとえば時間、頻度など）を相応に適合化する。たとえばＩｎｔｅｌｌｉｂｏｔの特許文献３では、（場合により異なる）機能（たとえば吸引、拭取り）を地図の個々の部分領域へ割り当ててから、これらの部分領域を清掃器具で自律式に処理できるようにするために、保存された／恒常的な地図が利用される。Ｓａｍｓｕｎｇの特許文献４では、利用可能な地図が部分領域に分解されて、引き続き、これらの部分領域がシーケンシャルに清掃される。

しかしながら、清掃されるべき領域で生じている状況は、１つの処理プロセスから次の処理プロセスまでの間にしばしば変化していることがあり得る。たとえば人間や未知の対象物（たとえば靴やかばん）が清掃されるべき領域にあったり、家具が移動していることがあり得る。このことはロボットにとって、完全自律式に処理を実行することを難しくする。この理由により、多くのシステムでは利用者とロボットの間のインタラクションが意図されている。その場合、ロボットがたとえば変化した状況を検知したときに、利用者の的確な補助を要求するのが有益である。

特許文献５には、コンピュータの拡張をなす清掃システムが記載されている。コンピュータは恒常的な地図を管理し、これを更新することができる。地図は、清掃のための基礎としての役目を果たす。コンピュータは利用者とのインターフェースをなしており、これを用いて、生じる可能性のある障害物に関するメッセージを出力することができる。

処理プロセス中にアクセス不能な領域を省略して、後の時点で同一の処理プロセスのときに、またはこれに後続する処理プロセスのときに、埋め合わせることができる方法も知られている。このような方法は、たとえば特許文献６に記載されている。

特許文献７には、処理走行中に処理していない可能性がある領域を、再処理走行のときに再清掃することができるロボットが記載されている。

特許文献８には、清掃用ロボットが清掃される領域に関する地図を外部機器に伝送し、そのような方式で利用者とのインタラクションを可能にする方法が記載されている。

しかしながら、たとえばロボットシステムが地図なしで、もしくは一時的な地図だけで作業をする場合、利用者は多くの場合、存在する可能性がある不規則性やアクセス不能な領域があるときにロボットの挙動に対して影響を及ぼすことができないか、または、不規則性が発見されるたびに、利用者が引き続きどのように手順を進めるべきかロボットを設定しなければならないかのいずれかである。

頻繁すぎるインタラクション、あるいは同一の問題に関して繰り返されるインタラクションは、利用者によってしばしば煩雑であると感じられる。少なすぎるインタラクション、あるいはインタラクションの欠如は、しばしばロボットの低すぎるインテリジェンスであると解釈されてしまう。

欧州特許出願公開第２２８７６９７Ａ２号明細書 欧州特許出願公開第１９６７１１６Ａ１号明細書 米国特許第６，６６７，５９２Ｂ２号明細書 米国特許出願公開第２００９／０１８２４６４Ａ１号明細書 米国特許出願公開第５，９９５，８８４Ａ号明細書 国際公開第０３／０１４８５２Ａ１号パンフレット 米国特許出願公開第２０１０／０３１３３６４Ａ１号明細書 ＵＳ２０１１／０２６４３０５

そこで本発明の課題は、必要性や利用者の希望に合わせて、ならびにロボットの役割分野に合わせてインタラクションを適合化する、自律式のロボットを提供することにある。

上記の課題は、請求項１に記載の移動型ロボットによって解決され、ならびに請求項１７に記載の方法によって解決される。本発明のさまざまな実施例と発展例は、従属請求項の対象となっている。

以下において、活動を自律式に遂行するための移動型の自走式ロボットについて記載する。ロボットは、本発明の１つの実施例では次のものを有している：床面上でロボットを動かすための駆動モジュール；処理プロセス中に活動を遂行するための処理モジュール；処理プロセス中に周辺の地図を参照してロボットを床面上でナビゲート走行させ、周辺の１つまたは複数の地図を保存して管理するように構成されたナビゲーションモジュール。さらにロボットは、周辺の構造に関わる情報を検出するための少なくとも１つのセンサモジュールと、処理プロセス中に処理された面を判定し、これを参照基準と比較して、参照基準と実際に処理された面との間の相違を保存するために構成された分析ユニットと、処理プロセスの完了後または中断後にマン・マシン・インターフェースとの接続を成立させ、参照基準と実際に処理された面との間の相違に関して保存されている情報を通知し、それによって利用者に処理プロセスへ介入し、周辺の変更を行い、またはあらためて処理プロセスを始動させる可能性を与えるために構成された通信モジュールとを含んでおり、その際には事前定義された特定の基準を参照しながら、情報が利用者の要請に応じて通知されるべきか、要請なしで通知されるべきか、通知されないべきかが決定される。さらに通信モジュールは、制御命令を利用者から受け取って処理プロセスを中断し、継続し、変更し、もしくは新たに開始するために構成されている。

さらに、自走式の自律型ロボットを用いて活動を自律的に実行するための相応の方法が記載されている。処理モジュールは必ずしも床面を処理するのでなくてよい。純然たる点検や輸送の役割も同様に遂行することができる。前述したすべてのモジュールが移動型ロボットに明示的に組み込まれていなくてもよい。たとえば分析ユニットは、移動型ロボットと（たとえば無線を通じて）通信することができる定置のコンピュータに実装されていてもよい。

床面の処理との関連で説明する移動型ロボットの実施例や技術的な構成要件は、上述した通り、その他の活動または追加の活動を実行するための移動型ロボットにも転用可能である。記載されている移動型ロボットにより遂行される活動は、たとえば床面の処理、床面や周辺の点検、物品の搬送、空気の清浄化、および／または娯楽遊戯の実行を含むことができる。処理モジュールは、たとえば点検のためだけに使用する場合には必ずしも必要ではない。

以下の図面および以下の説明は、本発明をより良く理解するのを助けるためのものである。図面の各要素は必ずしも限定として理解されるべきものではなく、むしろ、本発明の原理を表現することに重点が置かれている。図面では、同じ符号は、同一または類似の意義をもつ同一または類似のコンポーネントまたは信号を表している。図面には次のものが示されている。

床面を自律的に清掃するための自走式ロボットを一例として示す模式的な等角図である。 床面を自律的に処理するためのロボットの構造を一例として示すブロック図である。 床面を自律的に清掃するための自走式ロボットを、清掃されるべき領域のさまざまな位置で示す一例の図である。 床面を自律的に清掃するための自走式ロボットを、不規則性を有している清掃されるべき領域で示す一例の図である。 床面を自律的に処理するための本発明のロボットの構造を一例として示すブロック図である。 ユーザーインタラクションを用いて床面を処理する方法を一例として示すフローチャートである。

図１は、床面を自律的に清掃するための自走式ロボット１００の模式的な等角図を一例として示している。図１は、ロボット１００の中心に原点をもつデカルト座標系も示している。このような種類の器具は、しばしば（ただし必ずではなく）円盤型に構成されている。垂直軸ｚは円盤の中心を通っている。長手方向の軸は符号ｘで表されており、横方向の軸は符号ｙで表されている。

ロボット１００は、たとえば電動モータ、伝動装置、ホイールなどを有することができる駆動モジュール（図示せず）を含んでいる。駆動モジュールは、たとえば、ロボットを前進方向と後退方向へ（図１の図面ではｘ軸に沿って）動かすように、および、垂直軸を中心として回転させるように（図１の図面ではこれはｚ軸となる）構成されていてよい。このようにロボットは、理論上、（ｘ軸とｙ軸によって定義される平面と平行に位置する）床面のどの点にも接近することができる。さらにロボットは、ロボットの下（および／または横）にある床面を清掃するように構成された、たとえば清掃モジュールのような処理モジュールを含んでいる。たとえば埃や汚れ粒子が回収容器に吸い込まれ、あるいは機械式に（もしくはその他の何らかの仕方で）その中へ運ばれる。このような種類のロボットは（それ自体として）公知であり、基本的に、周辺でのナビゲーションの方式によって、および床面を処理するときに、たとえば清掃プロセスのときに適用される「戦略」によって区別される。

地図の作成ないし使用をせずにすませるロボットが知られている。このような種類の比較的単純なシステムでは、通常、ランダムなナビゲーション方法が適用される。たとえば障害物やオリエンテーション点などに関わる情報のような位置関連の情報が保存されて処理プロセス中に再び利用されることはない。このようなロボットは局所的な移動戦略との組み合わせで、通常、障害物と衝突したときに（ランダムに）走行方向を変える。このようにして、清掃されるべき１つの領域では床面が部分的に何度も清掃されるのに対して、別の床面はまったく清掃されない可能性がある。

この理由により、周辺の地図および同時にその地図中でのロボットの対応する位置を判定し、それによってロボットをできる限り独立させるとともに、できる限り良好な清掃結果を得て、利用者による後作業がわずかな程度しか必要なく、もしくはまったく必要なくなるようにする、複雑で「スマートな」システムが開発されている。このような種類の方法は公知であり、ＳＬＡＭ方式と呼ばれる（英語：Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ、ドイツ語：同時の位置推定と地図作成。たとえばＤｕｒｒａｎｔ−Ｗｈｙｔｅ ａｎｄ Ｔ．Ｂａｉｌｅｙ著“Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ （ＳＬＡＭ）； Ｐａｒｔ Ｉ Ｔｈｅ Ｅｓｓｅｎｔｉａｌ Ａｌｇｏｒｉｔｈｍｓ，”、ＩＥＥＥ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ Ｍａｇａｚｉｎｅ， Ｂｄ．１３， Ｎｒ．２ ９９−１１０頁、２００６年６月を参照）。このようにして、的確なナビゲーションが可能となる。地図および地図中のロボットの位置は、１つまたは複数のセンサによって判定することができる。いくつかの公知のシステムでは、新たな清掃プロセスのたびに新たな地図が作成され、すなわち、地図は恒常的なものではない。

ロボットにより作成される地図が恒常的に記憶され、以後の清掃プロセスのために再び利用されるシステムによって、一時的な地図を用いるシステムと比べて効率的な処理プロセスが可能となる。周辺を繰り返して探索する必要がなくなるからである。これに加えて地図ベースの情報を判定し、再び利用することができる。たとえば著しく汚れた領域を地図中でマーキングしておき、以後の清掃プロセスのときに特別に取り扱うことができる。たとえば部屋の名称のような利用者固有の情報も引き継ぐことができる。ここで説明している本発明の実施例では、利用者が処理プロセスに影響を及ぼすことができ、それは特に、処理プロセスに関わる、または周辺に関わるロボットの通知に対応することによる。このようなインタラクション手段ないしこれと結びついた利用者にとっての有用性は、消費者におけるこの種のロボットの受容性を高めるためのものである。

図２は、床面を自律的に処理する（たとえば清掃する）ためのロボット１００の実施例の模式的な構造を示すブロック図である。すでに上で言及した駆動モジュール１３０と処理モジュール１４０が示されている。これら両方のモジュール１３０および１４０は、制御・ナビゲーションモジュール１１０によってコントロールされる。ナビゲーションモジュール１１０は、ロボットを清掃プロセス中に周辺の地図を参照しながら床面上でナビゲート走行するように構成されている。地図は、制御・ナビゲーションモジュール１１０の記憶装置に、地図データ（マップデータ）の形態で保存されている。周辺でのナビゲーションをするために、ロボットの予定軌道を計画するさまざまな戦略が知られている。一般に、できる限り短い軌道（経路）で、処理されるべき（たとえば清掃されるべき）床面をできる限り完全にカバーして、高密度な処理（たとえば清掃）を確保することが試みられる。

ロボット１００は、周辺の構造に関わる情報および／または床面の特性に関わる情報を検出するためのセンサモジュール１２０を含んでいる。この目的のためにセンサモジュールは、周辺の地図を作成するベースとすることができ、ロボットの位置を地図中で位置推定することができる情報を検出するように構成された、１つまたは複数のセンサユニットを有することができる。この目的のために適したセンサは、たとえばレーザ・レンジ・スキャナ、カメラ、三角測量センサ、障害物との衝突を認識するための接触センサなどである。地図を作成し、それと同時に地図の内部でロボットの位置判定をするために、すでに説明した通り、ＳＬＡＭ方式を採用することができる。こうして新たに作成された（一時的な）地図と、これに対応する恒久的な位置推定地図を統合して、生じる可能性のある相違を認識することができる。認識される相違は、たとえば障害物を示唆するものであり得る。空間内にいる人物は、たとえば動く障害物を表し得る（下記参照）。

通信モジュール１６０により、マン・マシン・インターフェース２００（ｈｕｍａｎ ｍａｃｈｉｎｅ ｉｎｔｅｒｆａｃｅ，ＨＭＩ）との通信接続を成立させることができる。マン・マシン・インターフェース２００として、ここではパーソナルコンピュータ（ＰＣ）が考慮の対象となるが、これはロボットハウジングにある単純なディスプレイや、携帯電話、あるいはスマートフォンなどであってもよい。たとえばテレビ受信器などの外部スクリーンも、マン・マシン・インターフェース２００の一部となり得る。本発明の１つの実施例ではマン・マシン・インターフェース２００は、処理プロセスに関わる情報または周辺に関わる情報（すなわち地図情報）を利用者に通知し、利用者によるフィードバック（すなわちユーザーフィードバック）を要求することをロボットに可能にする。利用者はたとえばＰＣを介して、あるいはロボットハウジングに配置されているキーを介して、制御命令を入力することができる。当然ながら、これ以外の態様のマン・マシン通信も知られている。このようなマン・マシン・インターフェース２００は、保存されている情報を地図中の対応する位置とともに利用者に表示することを可能にし、それにより、処理プロセス（または代替として点検プロセス）に介入したり、周辺の変更を行うという可能性を利用者に与える。マン・マシン・インターフェース２００は、利用者による制御コマンドの入力によって、処理プロセス（または点検プロセス）を中断し、変更し、継続し、または新たに開始することを可能にする。

図３は、清掃されるべき領域Ｇの内部の位置Ａにある自律式のロボット１００を一例として示している。清掃されるべき領域Ｇは、ここでは、ドアによって互いにつながれた異なる部屋Ｇ１およびＧ２に下位区分される。個々の部屋Ｇ１，Ｇ２には、それぞれ異なる種類の物品（黒い面）があり得る。ロボット１００により保存される地図の中では、清掃されるべき面Ｇの全体が、その中にある物品とともに保存されていてよい。そして処理プロセスのとき、ロボット１００は清掃されるべき領域Ｇを地図を参照しながら処理することができる。

通常の処理プロセスでは、ロボットは物品の下にある領域を除いて、清掃されるべき領域Ｇの全体を処理することができる。したがってロボットは、第２の部屋Ｇ２でも処理を実行するために、たとえば位置Ａから位置Ａ’へと移動することができる。

しかし、たとえば物品が動かされていたり、部分領域が遮断されていたり、地図に記録されていない未知の物品が清掃されるべき領域Ｇにあるという事態が起こることがある。その様子が一例として図４に示されている。この図面では、第１の部屋Ｇ１にある物品２０が動かされており（図３と比べたとき）、それにより、領域ＧＮの処理（ドットで図示）はロボット１００にとって不可能になっている。これに加えて、第２の部屋Ｇ２に通じるドアが閉まっており、そのため、ロボット１００はこの部屋Ｇ２（同じくドットで図示）に入ることができず、したがって処理も可能ではない。

地図を作成するために必要な周辺情報を供給するセンサユニットは、たとえば、既存の地図で（まだ記録されていない）障害物を認識するために利用することができる。接触センサは衝突を検知することができ、また、駆動ユニットの負荷電流を計測するための電流センサを通じて、たとえばロボットが（たとえば絨毯の房に）引っかかったことを認識することができる。別のセンサユニットは、たとえば駆動輪が空転することによって、ロボットが挟まって動けないことを検知することができる。たとえば床の汚れの度合いを判定するように構成された、さらに別のセンサユニットが設けられていてよい。検出された環境情報は、それぞれの情報に割り当てられた地図上のロボットの位置とともに、制御・ナビゲーションモジュール１１０へ伝送することができる。１つの個所で突然「発生して」短時間の後に再び「消滅する」障害物は、室内での動き、特に室内で動く人物を示唆し得る。このようにしてロボットは、たとえば室内で人物が動いているかどうかを認識することができ、特に、これに対して反応することができる。

ロボット１００は、たとえば不完全な床面のカバー度に関して利用者に情報提供し、不完全なカバー度についての状況を取り除いて、処理されていない部分領域で再度処理試行を実施すべきことをロボットに通知することを利用者に可能にするために、利用者とのインタラクションを的確に開始するように構成されていてよい。ただし頻繁すぎるインタラクションは、利用者にとって煩雑に感じられやすい恐れがある。

図５は、床面を自律的に処理するためのロボットの別の実施例を示している。このロボットは追加の分析ユニット１５０によって、図２に示す実施例と相違している。分析ユニット１５０は、たとえば種々の情報を処理することができ、利用者とのインタラクションが開始されるべきかどうかを特定の基準を参照して決定することができる。インタラクションが開始されるべきである場合、たとえば、インタラクションを利用者からの要請の後でのみ行うべきか、それともロボットにより自主的に行うべきかを決めることもできる。このようにしてロボットの挙動を、清掃されるべき領域Ｇにおける所与の状況に合わせて、ならびに利用者の希望や必要性に合わせて、適合化することができる。

分析ユニット１５０は、図５に示すように、独立したモジュールとして具体化されていてよい。しかしながら分析ユニットは、たとえばナビゲーションモジュール１１０、通信モジュール１６０、あるいはロボット１００のそれぞれ任意のコンポーネントに実装されていてもよい。さらに、分析ユニット１５０がロボット１００の内部ではなく、たとえば使用されるマン・マシン・インターフェース２００に施工されていることも可能である（たとえばコンピュータやスマートフォン）。

ロボットの挙動を適合化する方法が、一例として図６に示されている。たとえば、まず
ロボットに参照基準を提供することができる。これは清掃されるべき領域ならびにこの領域の希望される実現されるべきカバー度をロボットに設定することができる。参照基準は、たとえば利用者によって、清掃されるべき領域が記入された地図の形態で事前に設定しておくことができる。しかしながら参照基準は、たとえばロボット自身によりたとえば探索走行によって、あるいは処理プロセスの実行中に、作成することもできる。このようにして作成された、または利用者により設定された参照基準を、必要な場合にはロボットによって自動的に、たとえばユーザーインタラクションを用いて適合化することもできる。

地図の形態の参照基準は、たとえばロボットの周辺が抽象化されてフューチャーから組み合わされてなる、いわゆるフューチャーマップであってよい。そしてこれらのフューチャーを、ロジック制御を用いて組み合わせて物体にすることができる。このような種類の物体は、たとえば部屋や部屋の中にある物品であってよい。このような地図が提供されるとただちに、たとえば処理プロセスの前に、到達されるべき面を計算することができる。経路計画により、たとえば室内のすべての点を、目下のロボット位置からの到達可能性に関して検討することができる。

そして処理プロセスのとき、ロボットは実際に処理された面の測定を実行することができる。この測定では、たとえば踏破された面も一緒に記録することができる。このことは、たとえば保存されている地図を用いて行うことができるが、たとえば既存の地図と比較することができる、新たに作成された地図を用いて行うこともできる。測定時に作成することができる地図形式は、保存されている地図の地図形式に合わせて適合化されていてよい。たとえば局所的に各領域がグリッドマップ（網目（グリッド）を用いて離散化された地図）を用いて一緒に書き込むことができ、これらの局所的な領域をフューチャーマップと組み合わせることができる。このことは、たとえば局所的な各領域が（たとえば局所的な各領域を線または折れ線で近似することによって）「フューチャー」へ変換されて、フューチャーマップに記入されることによって行うことができる（もっとも単純な場合には線の終点、およびその点が線に属しているという情報）。しかしながら、たとえば既存のグリッドマップへの単純な同時記録も可能であり、それは、たとえば等価な面が処理ずみである各々のグリッド点が、処理されたものとしてマーキングされることによる。

処理された面の同時記録によって実質的に行われる床のカバー度の測定のほか、処理中にさらに障害物を認識することができる。さらに、新たな物体を認識するために、周辺をさらに「スキャンする」ことができる。たとえばドアをオブジェクト認識によって、たとえばドアの取っ手の認識によって、かつ画像データバンクを援用した上で、ドアとして認識することができる。検知された物体は地図に記入することができる。

処理されるべき領域の不完全な処理は、たとえばロボット自身によって、たとえばロボットが領域または部分領域の処理を自主的に中断することによって、引き起こされる可能性がある。これは、たとえばロボットが１つの領域で、処理の邪魔になる、またはロボットがその処理によって邪魔になる恐れがある（多すぎる）人間を検知したケースであり得る。ロボットが領域の処理をなぜ中断したかの理由を、同じく地図と組み合わせることができる。このような組み合わせは、たとえば、たとえばフューチャーで構成される相応の物体（たとえば部屋、部屋の一部、家具）が理由と組み合わされることによって実現することができる。

処理プロセスのときに得られた床のカバー度の実行された測定は、後続する分析のための基礎としての役目を果たすことができる。後続する分析では、たとえば参照基準と実行された測定とを相互に対比することができる。その際には既存のデータを前処理することができ、関連する（関心の対象である）パラメータ（たとえば清掃ずみの面、清掃されていない領域、非清掃の理由）を抽出することができる。このような比較の実行は多種多様な方式で行うことができ、たとえば処理プロセスの最後に、および／または処理プロセス中の１つまたは複数の時点で実行することができる。比較が処理プロセス中に実行される場合、その比較は、処理がすでに完了している領域だけに限定される。そのために、処理されるべき領域を参照基準でも最新の測定でも部分領域にセグメント化することができる。そして比較は、たとえば部分領域の処理が完了したときに開始することができる。

比較を実行するために、多種多様なアルゴリズムが知られている。たとえばこのような種類のアルゴリズムは、たとえば参照基準グリッドマップと結果グリッドマップを使う場合のグリッド点比較のためのグリッド点であってよく、あるいは複雑な関係性を把握できるようにするために、ルールベースのロジックの採用であってよい。複雑な分析の利点は、たとえば、更新された測定値図を（部分）測定プロセスのたびにあらためて解釈できることにある。そのようにして、たとえばフューチャーマップにおける論理規則に基づき、たとえば障害物が部屋への通り抜けを完全に阻んでいたときには、障害物がたとえば閉じたドアであることを後から解釈することができる。このように、たとえばオブジェクト認識を利用することなく、ロジックを用いて閉じたドアを認識することができ、あるいは、先行する測定ステップでのドアの検知を検証することができる。

分析に際して、たとえばそれぞれの面をコスト関数にしたがって判断することができる。清掃用ロボットのケースでは、たとえばｉ番目の部分面Ａ_ｉについて、予想される汚れの受容量Ｓ_ｉ（先行する処理プロセスから既知となっていてよい）と、（処理されていない）部分面積Ａ_ｉとの積を算出することができ、これに基づいて、考えられる部分清掃利得Ｒ_ｉが次のように求められる：
Ｒ_ｉ＝Ａ_ｉ・Ｓ_ｉ・Ｗ_ｉ（１）
ここでＷ_ｉは、ｉ番目の部分面Ａ_ｉに割り当てられる重みである（下記参照）。たとえば（定義により）全部の部分面についてＳ_ｉ＝１と想定すると、清掃利得の特殊ケースとして面利得が得られる。積分された（全体の）清掃利得Ｒは、全部の面Ａ_ｉについての部分清掃利得Ｒ_ｉと、集合Ｉにおける全部の添字ｉとの合算によって得られる：

このように、いつも著しく汚れている面は、通常あまり汚れていない面よりも高い清掃利得を有している。したがって非清掃の「コスト」は、清掃利得が高い面で高くなる。清掃利得は、ロボットが最低限に抑えるべき一般的なコスト関数の一例である。すなわちその代替または追加として、１つの面の処理リスクを計算に入れることも可能である。リスクとは、たとえば滑りやすい下面やつるつるの下面でロボットが立ち往生することであり得る。そのようなリスクは、たとえば加重関数（通常は１に設定することができる）の適合化によって考慮に入れることができる。コスト関数は、処理プロセス、障害物、認識された物体などに関わる情報を、基本的に、利用者の要請の後で初めて通知するか、要請なしに通知するか、それとも利用者にまったく通知しないかを決定するための基準として援用することができる。

このような種類のコスト関数は、たとえば先行する利用者フィードバックによって順応させて適合化することができる。たとえば、処理されていない小さな部分領域には再度の処理試行を行わなくてよいという、先行する利用者入力が繰り返されている場合には、小さな面で算出される可能な利得の引き下げを（たとえば加重係数Ｗ_ｉによって）行うことができる。

たとえば食卓の下の居住領域がしばしば椅子でふさがれていて、そのためにロボットがアクセス可能ではないとき、利用者はロボットに対して、当該領域に関する注意喚起をこれ以上受けるのを望まないと通知することができる。しかしながら居住空間では、椅子やソファの位置がしばしば１回の処理プロセスからその次までに非常に変わっている。そのために、処理プロセスのときに食卓の下の領域が遮られていても、後続する処理プロセスでは部分的または全面的に可能な場合がある。分析によって、利用者が情報提供を受けないことを確実に防ぐために、たとえば当該領域がどの処理プロセスのときでも食事領域として再認識されることが保証されていてよい。

このことは、物体がセグメント化されているフューチャーマップの中では、たとえば抽象的な物体「食卓の下の領域」に、位置、形状、およびサイズの非常に曖昧な記述が与えられることによって可能である。これに加えて、たとえば物体を「椅子障害物」と組み合わせることもできる。このようにしてロボットは、たとえば椅子障害物に基づいてアクセス可能ではない居室の到達不能領域を食卓領域として識別することができ、それが利用者に通知される。

少なからぬケースにおいて、ロボットがセンサ素子によって計測することができる情報が限られているために、領域を識別することができないという事態が生じることがある。この理由により、たとえばコスト関数から検知確率を算出することができる。この検知確率は、たとえば障害物（たとえば椅子障害物）が発見されるたびに高めていくことができる。たとえば分析の結果は、処理されていない領域の統計的な記述であってもよい。

分析のときに、たとえば新たな情報を推定することもできる。たとえば測定ステップで検知されたドアの取っ手を、これまで発見されていない（したがって処理されていない）領域に通じるドアとして解釈することができる。分析のとき、たとえば処理されるべき領域全体の部分的処理だけが希望されていることを考慮に入れることができる。このことは、たとえば参照基準が相応に適合化されることによって実現することができる。

次のステップで、たとえばどの情報が利用者に通知されるか、および／またはどのフィードバックが利用者に期待されるかの決定を下すことができる。分析のステップと決定のステップが切り離されることで、たとえばいっそう多くの構造を本方法に与えることができ、たとえば少ないコストで複雑な挙動パターンを生起することができる。しかしながら、たとえば分析と決定を統合することも可能である。

たとえば分析の際に抽出されたデータを用いて、決定のときに事前に定義された規則を用いて決定を下すことができる。単純なケースでは、たとえば算出された清掃利得と閾値（目標値、たとえば最大限可能な清掃利得の定義された分数）との比較を実行し、これを踏まえた上で決定を下すことができる。しかしながら、複雑な状態機械（ステートマシン）を実装することもできる。たとえば追加として、利用者に情報提供がなされる前に、ロボットのバッテリ充電状態を判定することができる。利用者は、充電状態が低すぎるために、所与のバッテリ充電状態では可能でない未処理面の即時の再処理を要求する可能性がある。そのようなケースでは、ロボットは、バッテリ充電状態が再処理のために十分になったときに初めて利用者に情報提供をする。たとえば現在の時刻を考慮に入れることもできる。たとえば夕刻遅い時間や夜間には、利用者への即時の情報提供を見合わせることができ、たとえば翌日に延期することができる。

たとえば、利用者が家に滞在しているかどうかをチェックすることもできる。このことは、たとえば利用者が家にいる間はローカルなＷＬＡＮネットワーク（ワイヤレス・ローカル・エリア・ネットワーク）で通知を受ける場合に可能であり得る。上記のファクターの追加または代替として、利用者に情報提供がなされるべきか否か、およびいつ情報提供がなされるべきかの決定に影響を及ぼすことができる、それ以外の多くのファクターが考えられる。

インタラクションに際しては、下された決定に依存して、データが利用者向けに前処理されてマン・マシン・インターフェースへ転送される。このときデータの記述の形式は、マン・マシン・インターフェースの形式に準じて変えることができる。たとえば未処理の領域がたとえばカラーでマーキングされている地図は、グラフィック機能のあるユーザーインターフェースを介してのみ、たとえばスマートフォンアプリケーションを介してのみ、表示することができる。

ロボットの決定を複数の異なる方式で同時に利用者にアクセス可能にすることも可能である。たとえば、処理されていない領域をスマートフォンアプリケーションを通じて上記のようにカラーで強調することに加えて、情報の要約を含んだＥメールを送ることもできる。これに加えて、可能な場合には、完全に処理されなかった理由を利用者に挙げることができ、それは、たとえばその原因を取り除いて、床の処理のあらためての試行を可能にすることを利用者にできるだけ容易に可能にするためである。

利用者への情報の流れに追加して、利用者からのフィードバックを期待することもできる。希望されるフィードバックの形式は伝送される情報に左右される場合があるため、たとえば利用者に、期待される応答の形式も通知することができる。たとえば「ドアが閉まっていたのでキッチンを清掃できませんでした。キッチンを清掃すべき場合には情報をお願いします」というメッセージに対しては確認だけを期待することができ、それに対して「再度処理すべき部分領域をマーキングしてください」という情報に対しては、部分領域を含む地図表示を期待することができる。

その追加として、たとえばインタラクション中に上記の決定を利用者に通知することができ、それは、たとえば利用者が明示的に情報提供を受ける意思のない部分領域が、表示された地図中にカラーで強調されることによる。このようにして、先行するフィードバックを訂正する可能性を利用者に与えることができる。そのために利用者はたとえば該当する領域を地図で選択して、「非通知」の記入を消去することができる。

解釈のときに、ロボットのアクションに関する決定を下すことができ、または、利用者のフィードバックに依存して今後の決定に影響を及ぼすことができる。解釈のときに、たとえば利用者の肯定的な応答（アクションを要請する）があったときは次のブロックに進むことができ、ないしは、否定的な応答（アクションを要請せず）があったときは中断することができる。しかしながら、利用者の応答を以前の応答ならびに別の規則と組み合わせて、一方では、どのアクションが現在実行されるべきかを決定し（たとえば部分領域の全面的もしくは部分的な再清掃）、他方では、今後のインタラクションのための準備を行うことも可能である。

利用者が、たとえば処理されていない部分領域について、次の処理試行を「後で」始めるようにロボットに通知したとき、ロボットは、利用者が建物の中にいないことが検証可能になるまで待機することができ（たとえばローカルなＷＬＡＮネットワークでの登録を通じて）、その後に新規の試行を手配することができる。利用者が、たとえば靴の面よりも低くなっていて玄関口に位置特定される領域が再処理されるのを希望していないことを繰り返して通知すると、ロボットは分析ないし決定規則を相応に順応させることができ、それにより利用者はそれ以降、玄関口に散らばっている靴によって高い蓋然性で引き起こされる処理されない小さな面のせいで「煩わされる」ことがなくなる。

別案として、利用者フィードバックを参照基準地図に保存しておくことができ、ないしは、参照基準地図に相応に影響を及ぼすことができる。たとえば抽象的な物体「玄関口」には、特性：「２７ｃｍ^２以下の面は通知しない」を割り振ることができる。同様に、玄関口についての参照基準が「清掃しない」にセットされることによって、玄関口をメッセージから完全に除外することもできる。

アクションを準備するときには、本方法により決定されたアクションを、ロボットによってそれを実行できるように前処理することができる。このときアクションの実行は、ロボットの性能に依存して決めることができる。たとえばこのブロックでは、以後の処理試行を開始させるべきである、処理されていない複数の面が存在する場合、たとえば次のステップを実行するのがよい：１．さまざまな基準（たとえば到達可能性、処理試行のリスク）にしたがって面を分類する。２．個々の面についての経路計画作成。３．経路リストを実行のためにロボットに送る。

次に、床面を自律的に処理するための本発明のロボット１００の考えられる機能について、５通りの事例を用いて詳しく説明する。

第１の例：処理プロセス（たとえば利用者の相応のカレンダー設定によって開始される）のとき、居間にあるカウチが移動していて、その後側にある領域をロボットにより到達ないし清掃することができなくなっている（たとえばカウチが壁のそばに寄せられていて、ロボットが壁とカウチの間のスペースに入ることができない）。利用者は処理プロセス中に家の外におり、処理プロセスの完了後に初めて戻ってくる。ロボットは住居の残りの部分を清掃し、最新の処理プロセスを保存して、充電ステーションへと戻る。

引き続いてロボットは地図を分析し、もしもカウチが再び元の場所に動かされたなら、大きな清掃利得（すなわち清掃されるべき住居の「清潔度」の向上）を実現できるどうか判断する。それが大きな清掃利得をもたらすことになるケースでは、ロボットは利用者に（マン・マシン・インターフェース２００を通じて）清掃されていない住居の領域（本例ではカウチの後側の清掃されていない領域）を通知し、相応の理由（たとえば「領域に接近できない−スペースが十分でない」）を表示する。

そして利用者には、カウチを再び元の場所に戻して、ロボットが清掃のための十分なスペースを得るようにするという意味で、清掃プロセスへ介入する選択肢がある。次いで利用者はロボットに（マン・マシン・インターフェース２００を介して、たとえばロボットにあるキーを介して）「Ｆｉｎｉｓｈ Ｃｌｅａｎｉｎｇ」コマンド（「清掃を完了させる」コマンド）を与えることができる。するとロボットは周辺の保存されている地図を用いて、および清掃されていない領域に関する情報を用いて、カウチの後側の領域へ接近して清掃することを的確に試みることができる。カウチが十分に移動していれば、たとえばカウチの後側の領域（だけ）が清掃され、それによって住居全体の清掃プロセスが完了する。

あるいは上記の代替として利用者には、たとえば今後は移動したカウチに関する通知を受けるつもりがないという情報をロボットに送るという選択肢だけがある。このケースでは、ロボットはその情報を地図中の物体「カウチ」と組み合わせて、地図の中で記憶しておくことができ、今後はカウチが移動しているときには、たとえ有意な清掃利得を実現できるはずの場合であっても問い合わせをしない。さらに、ユーザーインタラクションを地図の各部分と組み合わせて、その組み合わせを保存することで、当該領域がブロックされているときに通知を希望しないという情報を、それ以後利用者に表示することも可能である。このようにして利用者は、その組み合わせを後の時点で処理することもでき、たとえば変更することができる。

ロボットから通知される情報により、たとえば利用者は、ロボットがカウチの後側の領域に到達するのが困難であり、ないしはわずかしか到達できないことを知る。今後の清掃プロセスの成果を高めるために、利用者には、そうしたアクセスが難しい領域をロボットにとって容易に到達可能にするという選択肢もある。ただしロボットは、利用者の単純な入力からでも、障害物に関する情報との関連でどのような挙動が自分に期待されているかを学習することができ、以後、それを顧慮することができる。

第２の例：清掃プロセスのとき、食卓の下のスペースが椅子でふさがれており、テーブルの下で良好に清掃をカバーすることが可能ではない。ロボットはこの領域から離れ、別の個所で清掃を続行する。住居の清掃の完了後、ロボットはベースステーションに戻る。そこで清掃地図の分析から、保存されている地図および以前の清掃結果との比較で、放置した領域が通常著しく汚れている領域であり、したがって高い清掃利得を実現できるはずであることが明らかとなる。この理由によりロボットは利用者に対して、椅子の脚の間が狭すぎるためにテーブルの下の領域を清掃できないことを通知する。

すると利用者には、その領域をアクセスしやすくして（たとえば：椅子をテーブルの上に置く）、「Ｆｉｎｉｓｈ Ｃｌｅａｎｉｎｇ」キーを用いて、放置していた領域をあらためて清掃試行するようロボットに指示するという選択肢がある。あるいは別案として利用者は、その領域を通常は手作業で掃除するほうを好んでおり、当該領域を除外領域として地図でマーキングすることを決めることもできる。このケースでは、ロボットはその領域に接近しようとは試みなくなる。それにより、たとえばそこで引っかかって動けなくなるという危険も減らすことができる。

第３の例：清掃プロセスのときにロボットは、ドアが閉まっており、もしくはブロックされていることを「発見する」。ロボットは住居の残りの部分を清掃して、充電ステーションへと戻る。引き続いて実行される清掃地図の分析は、閉まっているドアによって部屋全体が接近、清掃できなくなっていることを明らかにする。ロボットは利用者の要請に応じて（または自分から）、前回の清掃プロセスとの比較で住居の清掃されていない領域に関する情報を利用者に（マン・マシン・インターフェース２００を通じて）送り（このケースでは、清掃されていない領域は閉鎖された部屋に相当）、相応の理由を表示する（たとえば「部屋に接近できない−ドアが閉まっている」）。

そして利用者には、ドアを開いてロボットが室内へ入れるようにするという意味で、清掃プロセスへ介入する選択肢がある。次いで利用者はロボットに対し（同じくマン・マシン・インターフェース２００を介して、たとえばロボットにあるキーを介して）、「Ｆｉｎｉｓｈ Ｃｌｅａｎｉｎｇ」コマンド（「清掃を完了させる」コマンド）を与えることができる。するとロボットは、保存されている周辺の地図、および清掃されていない領域に関する情報を用いて、部屋に接近して清掃するよう的確に試みることができる。それが成功すると、これをもって住居全体の清掃プロセスが完了する。以後の清掃プロセスの成果を高めるために、利用者には、その部屋に通じるドアを開いておくように留意するという選択肢もある。

あるいは上記の代替として、利用者はロボットに対して、たとえば（マン・マシン・インターフェース２００を介して、たとえば別のキーを介して）、ドアが開いているときにその部屋が清掃されることを希望していることを通知することができる。たとえばこれに後続するダイアログで利用者は、たとえばその部屋が１週間以上（もしくはこれ以外の定義可能な期間）清掃されていないときに、あらためて通知を受けることを希望することを選択することもできる。するとロボットは、希望される挙動に関するこの情報を相応の地図位置と組み合わせて保存し、それ以後は利用者の希望に沿って行動することができる。

第４の例：あまりに多数の動く障害物（たとえば人間）が清掃プロセスをあまりに長く（たとえば事前定義可能な時間設定に関して）引き伸ばしたために、ロボットがキッチンの現在の清掃プロセスを中断する。ロボットは住居の残りの部分を清掃し、最新の清掃プロセスを保存して、充電ステーションへと戻る。清掃地図の分析後、大きな清掃利得がキッチンの清掃によって生じるはずであることから、ロボットは利用者に情報提供すべきであると決定する。ロボットは利用者に対し（マン・マシン・インターフェース２００を介して）、不十分にしか清掃されていない住居の領域（このケースでは不十分にしか清掃されていないキッチンの領域）に関するメッセージを送り、相応の理由を表示する（たとえば「領域を十分に清掃できなかった−多すぎる動き」）。

利用者はロボットに対して（マン・マシン・インターフェース２００を介して、たとえばロボットにあるキーを介して）、「Ｆｉｎｉｓｈ Ｃｌｅａｎｉｎｇ」コマンド（「清掃を完了させる」コマンド）を与えることができる。するとロボットは、的確にキッチンへ接近して清掃をすることができる。それが成功しなかった場合、これをもって住居全体の清掃プロセスが完了する。得られた情報によって利用者も、ロボットが当初の時間にキッチンを（たとえば多すぎる人の往来のために）困難にしか清掃をできなかったことを知る。以後の清掃プロセスの成果を高めるために、利用者には、たとえばロボットのカレンダー設定を変更して、新たに選択された期間中に高い蓋然性で少ない人間しか滞在していないようにするという選択肢がある。

しかし、たとえばその部屋を清掃するための適当な時点がないというケースでは、利用者は、以後は動きがあってもキッチンを可能な限り清掃するようロボットに要求することもできる。たとえば、動きにも関わらずより良好なカバー度を確保するために、その領域を清掃プロセス中に複数回処理するようにロボットに指図するという選択肢もある。そしてこの情報を地図に注記することができ、ロボットはそれ以後、希望される挙動に合わせて適合化され得る。

第５の例：建物の中に設置されている機器（たとえば給水器、コピー機、コーヒーメーカー、照明器など）を点検するために、あるいは、たとえば一般に予期されない物体や（無資格の）人物がいないか建物を探索するために、移動型ロボットが利用される。この目的のために移動型ロボットは、すでに周辺の完全な地図を以前の点検のときに作成している。スライドドアが引っかかっているために、ロボットがある空間に接近することができない。ロボットは可能な限り建物の残りの部分を点検し、初期位置へと戻り、１つの空間を点検できなかったことを、利用者（たとえば夜間の守衛）にたとえばＥメールで無線ＬＡＮインターフェース（ＬＡＮ：ローカル・エリア・ネットワーク）を介して通知する。利用者には、引っかかっているドアを修理して、たとえば応答メールを通じてロボットに点検を続行させる機会がある。

第５の例では、マン・マシン・インターフェース２００はたとえば電子メールクライアントによってコンピュータに構成され、通信モジュール１５０は、（ローカルな）ネットワークを通じて利用者との通信を可能にする、ロボットの無線ＬＡＮインターフェースによって構成される。しかしながら、マン・マシン・インターフェース２００および通信モジュール１５０のこれ以外の実施形態も可能である。

床面の処理との関連で説明してきた移動型ロボットの実施例と技術的な構成要件は、これ以外の活動を遂行するための移動型ロボットにも転用可能である。自律的な自走式ロボットが担うことができるあらゆる活動が考えられる。このような活動は、たとえば床面や周辺の点検、物品の搬送、空気の清浄化、および／または娯楽遊戯の遂行などを含むことができる。記載されている処理モジュール１４０は、床の処理とは異なる活動または追加の活動を行うロボットでは相応に構成される。少なからぬケースにおいて、たとえば室内、床面、物品の単なる監視や点検の場合などでは、処理モジュール１４０は必要ない。

本発明を一例としての実施形態を用いて説明してきたが、本発明は、ここでの開示の基本思想と権利保護範囲の枠内において、追加的に改良することができる。したがって本件出願は、その基本的な原理を適用した上での本発明の数多くの態様、利用可能性、または適合化をカバーするものである。さらに本件出願は、ここでの開示からのこのような種類の逸脱であって、本発明が依拠する従来技術の公知もしくは通常の実務内容であるような逸脱をカバーするように構想されている。本発明は上に述べた具体的事項に限定されるものではなく、添付の特許請求の範囲にしたがって改変することができる。

１１０…制御・ナビゲーションモジュール
１２０…センサモジュール
１３０…駆動モジュール
１４０…処理モジュール
１５０…分析ユニット
１６０…通信モジュール
２００…マン・マシン・インターフェース

Claims (17)

1. 活動を自律的に遂行するための移動型の自走式ロボット（１００）において、前記ロボットは、
   床面の上で前記ロボット（１００）を動かすための駆動モジュール（１３０）と、
   処理プロセス中に活動を遂行するための処理モジュール（１４０）と、
   前記ロボット（１００）を処理プロセス中に周辺の地図を用いて床面の上でナビゲーションし、周辺の１つまたは複数の地図を保存し、管理するために構成されたナビゲーションモジュール（１１０）と、
   周辺の構造に関わる情報を検出するための少なくとも１つのセンサモジュール（１２０）と、
   処理プロセスのときに処理された面を判定し、これを参照基準と比較して、参照基準と実際に処理された面との間の相違に関する情報を保存するために構成された分析ユニット（１５０）と、
   処理プロセスの途中、完了後、または中断後にマン・マシン・インターフェース（２００）との接続を成立させ、参照基準と実際に処理された面との間の相違に関して保存されている情報を通知し、それによって利用者に処理プロセスへ介入し、周辺の変更を行い、またはあらためて処理プロセスを開始させる可能性を与えるために構成された通信モジュール（１６０）とを有しており、事前定義可能な特定の基準に基づき、情報が利用者による要請に応じて通知されるべきか、要請なしで通知されるべきか、通知されないべきかが決定され、さらに前記通信モジュール（１６０）は、
   利用者からの制御命令を受け取り、処理プロセスを中断し、続行し、変更し、または新たに開始するために構成されているロボット。
2. 参照基準は利用者によって前記ロボット（１００）に入力し、変更することができ、および／または前記ロボット（１００）が自ら参照基準を作成し、既存の参照基準を変更することができる、請求項１に記載のロボット（１００）。
3. 少なくとも１つの先行する処理プロセスおよび／または利用者の先行する制御命令の分析によって参照基準を作成または変更するように構成されている、請求項２に記載のロボット（１００）。
4. 前記分析ユニット（１５０）は処理プロセスのときに処理された面を踏破された経路の記録によって判定する、請求項１から３のいずれか１項に記載のロボット（１００）。
5. 処理プロセスのときに前記センサモジュールによって周辺の構造に関わる情報が継続的に検出され、当該情報が分析されて、たとえば既知の物体として、障害物として、または人物として分類される、請求項１から４のいずれか１項に記載のロボット（１００）。
6. 処理された面の判定は処理プロセスの途中および／または最後に少なくとも１回実行される、先行請求項のうちいずれか１項に記載のロボット（１００）。
7. 処理されていない面の清掃利得および／または面利得を判定するように構成されている、先行請求項のうちいずれか１項に記載のロボット（１００）。
8. コスト関数（Ｒ）にしたがって面を評価するように構成されている、先行請求項のうちいずれか１項に記載のロボット（１００）。
9. 先行する利用者フィードバックによってコスト関数を順応させることができる、先行請求項のうちいずれか１項に記載のロボット（１００）。
10. 情報が利用者の要請に応じて通知されるべきか、要請なしで通知されるべきか、通知されないべきかを決定するための基準は処理されていない面の清掃利得または面利得であり、または面のコスト関数である、先行請求項のうちいずれか１項に記載のロボット（１００）。
11. 清掃されていない部分面に帰属する部分コスト関数が算出され、これに基づいて全体コスト関数が形成され、前記全体コスト関数に依存して利用者とマン・マシン・インターフェースを介して連絡をするかどうか、どのような形で連絡をするかが決定される、先行請求項のうちいずれか１項に記載のロボット。
12. 参照基準と実際に処理された面との間の相違に関して保存されている情報は携帯電話、スマートフォン、コンピュータ、テレビ受信器、および／またはディスプレイへの伝送によって通知される、先行請求項のうちいずれか１項に記載のロボット（１００）。
13. 参照基準と実際に処理された面との間の相違に関する情報の通知は、たとえばフィードバックの訂正を利用者に可能にするために、非処理の理由に関する情報および／または先行する利用者フィードバックに関する情報を含んでいる、先行請求項のうちいずれか１項に記載のロボット（１００）。
14. 利用者フィードバックを周辺の地図に保存するように構成されている、先行請求項のうちいずれか１項に記載のロボット（１００）。
15. 参照基準と実際に処理された面との間の相違に関する情報が即座に通知されるか、それとも後の時点で通知されるかを特定の基準を参照して決定するように構成されている、先行請求項のうちいずれか１項に記載のロボット（１００）。
16. 情報を後で通知するための基準は時刻、バッテリ充電状態、利用者の不在、および／または事前に入力された利用者フィードバックである、請求項１５に記載のロボット（１００）。
17. 自走式の自律的なロボット（１００）を用いて活動を自動的に遂行させる方法において、前記方法は次の各ステップを含んでおり、すなわち、
    周辺の少なくとも１つの地図が保存されて管理され、
    処理プロセスが開始され、ロボット（１００）に配置された処理モジュール（１４０）を用いて活動が遂行され、
    処理プロセス中に周辺の地図を参照しながらロボットが床面の上でナビゲーションされ、
    ロボット（１００）の表面または内部に配置された少なくとも１つのセンサモジュール（１２０）によって処理プロセス中に周辺の構造に関わる情報が検出され、
    処理プロセス中に処理された面が判定され、
    処理プロセス中に処理された面が参照基準と比較され、
    参照基準と実際に処理された面との間の相違に関する情報が求められ、
    参照基準と実際に処理された面との間の相違に関する情報が利用者による要請に応じて通知されるべきか、要請なしで通知されるべきか、通知されないべきかが特定の基準を参照して決定される方法。

Images