JP2021510433A - ロボットの自律的動作計画及びナビゲーションのためのシステム並びに方法連邦政府による資金提供を受けた研究開発の記載 - Google Patents

Abstract

本手法は、人間と共有される屋内環境におけるロボットのナビゲーション（たとえば、経路計画及び移動）に関する。本手法は、人間の動作を含むが、これに限定されない人間行動を経時的に検出するステップと、人間行動履歴を使用して、人間行動をモデル化するステップと、このモデル化された人間行動を使用して、ロボットの動作又は移動を計画するステップとを含む。【選択図】図１

Description

本発明は、契約番号ＶＡ１１８−１２−Ｃ−００５１の下、政府の支援を受けて行われた。政府は、本発明において一定の権利を有する。

本明細書に開示している主題は、居住環境におけるロボットのタスク計画及びナビゲーションに関する。

様々なエンティティが、ロボット又は他の自律的に制御された装置を、屋内環境又は人間も存在する他の環境で使用することができる。たとえば、そのような装置を使用して、当該環境内で物品を移動又は配送したり、当該環境の一部を清掃又は点検したり、或いは当該環境内で器具又は機器を操作したりすることができる。

このような現状を背景として、従来の適用例では、リアルタイムの検知を使用して、ロボット又は同様の装置が当該環境における人間の有無及び／又は位置をリアルタイムで特定し、且つ検知した人間との接触を回避するように対応することができる。しかしながら、そのようなリアルタイムの検知及び回避は計算集約的となり得、装置（たとえば、ロボット）の計算リソースに影響を及ぼす恐れがある。その上、検知してから対応する手法は、身近な周辺環境への対処には適しているが、事後対応ではなく、全体計画のコンテキストでのタスク及び／又は動作計画にはあまり適していない可能性がある。

一実施形態では、ロボットナビゲーションシステムを提供する。本実施形態によれば、本ロボットナビゲーションシステムは、ある環境における人間行動の履歴データを経時的に生成するように構成されたセンサネットワークと、この人間行動の履歴データを受信し、且つこの人間行動の履歴データに基づいて、当該環境における複数の場所間の経路データを導出するように構成された、１つ又は複数のプロセッサベースのシステムとを備える。本ロボットナビゲーションシステムは、当該環境内で１つ又は複数のタスクを実行するように構成されたロボットをさらに備え、このロボットは、１つ又は複数のセンサ、及び人間行動の履歴データから生成される経路データを受信し、この経路データを使用して、それぞれのタスクに対して複数のウェイポイントを生成し、ロボットに対し、これらのウェイポイントに沿って順次移動させて、これらのウェイポイントの一部又は全てで指定した動作を実行させ、且つロボットに搭載した１つ又は複数のセンサによって取得されるリアルタイムの検知データに応じて、これらのウェイポイントに沿ったロボットの移動を調整するように構成された、処理コンポーネントを含む。

さらなる実施形態では、人間と共有される環境でロボットをナビゲートする方法を提供する。本方法によれば、ある環境における人間行動の履歴データが経時的に取得される。当該環境における複数の場所間の経路データは、この人間行動の履歴データに基づいて導出されている。次に、ロボット側で、人間行動の履歴データから生成される経路データが受信され、実行予定のタスクに対応する複数のウェイポイントが、この経路データに基づいて生成され、これらのウェイポイントに沿ってロボットが順次移動して、これらのウェイポイントの一部又は全てで指定した動作が実行され、そしてロボットに搭載した１つ又は複数のセンサによって取得されるリアルタイムの検知データに応じて、これらのウェイポイントに沿ったロボットの移動が調整される。

別の実施形態では、ロボットを提供する。本実施形態によれば、本ロボットは、１つ又は複数のセンサと、モータを含む駆動装置と、処理コンポーネントとを備える。この処理コンポーネントは、外部ソースから経路データを受信し、この経路データは人間行動の履歴データから生成され、この経路データを使用して、それぞれのタスクに対して複数のウェイポイントを生成し、これらのウェイポイントに沿ってロボットを順次移動させるような命令をモータに伝達し、且つロボットに搭載した１つ又は複数のセンサによって取得されるリアルタイムの検知データに応じて、これらのウェイポイントに沿ったロボットの移動を調整するように構成される。

本発明のこれら並びに他の特徴、態様、及び利点は、添付の図面を参照しながら以下の詳細な説明を読むと、より良く理解され、ここでは図面全体を通して、同様の文字が同様の部分を表している。

本開示の態様による、ロボット及びネットワーク環境の概略図である。 本開示の態様による、図１のタスク計画及びナビゲーションシステムでの使用に適した、プロセッサベースのシステムのブロック図である。 本開示の態様による、人間行動を表示するヒートマップの例を示した図である。 本開示の態様による、人間行動を記述する隠れマルコフモデルの例を示した図である。 本開示の態様による、人間行動マップの例を示した図である。 本開示の態様による、コストマップの例を示した図である。 本開示の態様による、共有環境でロボットをナビゲートする際の、ステップのプロセスフローを示した図である。

以下に、１つ又は複数の特定の実施形態を記載する。これらの実施形態を簡潔に記載するために、実際の実装形態の特徴全てが本明細書には記載されないこともある。こうした実際のあらゆる実装形態の開発では、いかなるエンジニアリングプロジェクト又は設計プロジェクトにおいても、たとえばシステム関連及びビジネス関連の制約の遵守のような、実装形態ごとに異なり得る開発者固有の目標を達成するために、実装形態固有の多数の決定を行う必要があることを理解すべきである。また、そのような開発努力は複雑で時間のかかり得るものであるが、それでも、本開示の利益を享受する当業者にとっては、設計、製作、及び製造といった日常的な業務であることを理解すべきである。

本開示の様々な実施形態の要素を紹介するとき、冠詞「１つの（ａ）」、「１つの（ａｎ）」、「その（ｔｈｅ）」、及び「前記（ｓａｉｄ）」は、これらの要素のうちの１つ又は複数があることを意味するものとする。「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、及び「有する（ｈａｖｉｎｇ）」という用語は包括的であることを意図し、列挙した要素以外の付加的な要素が存在する可能性があることを意味する。さらに、以下の説明におけるあらゆる数値例は非限定的であることを意図し、したがって追加の数値、範囲、及びパーセンテージは、開示している実施形態の範囲内にあるものとする。

本明細書で述べているように、ロボット又はロボット装置は屋内環境で操作されて、物品の配送若しくは移動、管理タスクの実行、又はセキュリティ機能若しくは監視機能の実行などの、動作又はタスクを実行するにあたり、ある経路に沿って移動してもよい。具体的には、本手法の態様は、安全、堅牢且つ効率的な方法で、人間と共有される屋内環境においてこのようなロボットのナビゲーション（たとえば、経路計画及び移動）を容易にしている。本手法では、人間の動作を含むが、これに限定されない人間行動を検出するステップと、人間行動をモデル化し、このモデル化された人間行動をロボットの動作又は移動の計画に組み込むステップと、複数のフロア又は階を有する環境を含む、複雑な屋内環境でのロボットの動作又は移動の計画を行うステップと、大域的経路計画と局所的対応計画又は調整とを組み合わせるステップとに関連した課題を含む、いくつかの課題に対処している。

上記を念頭に置くと、人間行動のモデル化とハイブリッド動作の計画という２つの側面を有するものとして、本手法を特徴付けることができる。人間行動のモデル化に関して、一実装形態では、ネットワーク又はインターネット接続サーバ（たとえば、クラウドサーバ）は、対象の建物内など、当該の屋内環境で人間行動を検知するように配置された１つ又は複数のセンサに接続され、これにより、継続的又は定期的に人間行動データを収集している。このようなセンサネットワークは、本システム稼働中に得られたデータに基づいて、調整又は再構成されてもよい。この収集されたデータに基づいて、サーバで実行されるルーチンでは、観測した人間行動及び／又は当該人間行動で識別可能な傾向（たとえば、所定の場所で、異なる期間及び／又は日時に行われる人間行動で観測される傾向又は相関、それぞれの場所及び／又は異なる期間に行われる、人間の動作若しくは行動の指向特性又は流れ特性など）を取り入れた、当該環境のモデルを生成することができる。一実装形態では、そのようなモデルには「コスト」の概念を取り入れてもよく、またロボットの経路候補又は動作候補を、当該モデルによって決定されるそれらのコストに基づいて評価し、提案し、且つ／又は選択してもよい。たとえば、ある地域又は場所に関連付けられているコスト値が高いほど、ロボットをその地域に移動させることが望ましいとは言えないことになる。つまり、そのような実装形態では、コストの最小化に基づいて経路を選択又は提案してもよい。一実施形態では、ある建物内で対象となる全てのフロアに及ぶ当該「コスト」を示すようなグラフを作成してもよく、またこのグラフを使用して、１台又は複数台のロボットの動作計画を行ってもよい。

第２の態様に関して、ロボット又はロボットと通信しているサーバでは、このコストグラフを使用して、このグラフから決定された許容可能な動作コスト（最低動作コストなど）でロボットが１つ又は複数のタスクを実行できるような動作を、ロボット用に計画してもよい。このような状況では、ロボットは、大域的環境、並びに人間の往来及び移動に関連する確率的期待値に関する情報を、このグラフから得ることができる。グラフを使用して決定された動作計画を実行する際に、ロボット上のセンサを使用したリアルタイム検知を採用して、周辺の環境を検出又は検知してもよい。このようにして、局所的対応動作及び／又は回避が実行されてもよい。クラウドサーバに接続して、グラフの履歴データ及び最新の、すなわち直近のセンサデータの両方を取得することは、ロボットが、局所的にも大域的にもその計画を最適化するのに役立つ。

本明細書で使用する場合、ロボット又はロボット装置という用語は、これらに限定されないが、脚、車輪、軌道などを備えたものを含む、地上移動ロボットを含む。そのような装置は、タスクを実行するようにプログラム可能且つ可動であるアクチュエータ、又は他の可動コンポーネント（たとえば、グリッパ又はアームなど）をさらに含んでいてもよい。本明細書でロボットとして特徴付けられる装置が、人間の監視なしで、若しくは人による限られた監視の下でプログラム可能な移動をすることができ、又は自動化システム若しくはコントローラによってリモート制御できる、あらゆる適切な自律移動装置を包含していることを理解すべきである。そのようなプログラム可能な移動は、採用された場合、局所的に生成される経路ウェイポイント若しくは経路ガイダンス、又はリモートシステム（たとえば、サーバ又はコントローラ）によって生成され、且つロボットに伝達される経路ガイダンス若しくは経路ウェイポイントに基づいている可能性がある。したがって、本明細書で使用する場合、そのような装置は稼働段階又は稼働期間において、完全に又は主として、人による直接介入又は制御なしに、或いは人による限られた若しくは部分的な介入又は監視なしに移動する。本明細書では、主として地上ロボットについて記載しているが、本手法は、人間と共有される監視環境又は閉鎖環境などにおける、固定翼車及び回転翼車を含む無人航空機（ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅ：ＵＡＶ）、並びに本説明の教示内容内では当該水域の海底に沿って進むか、又は移動することができる無人潜水艇（ｕｎｍａｎｎｅｄ ｓｕｂｍｅｒｓｉｂｌｅ ｖｅｈｉｃｌｅ：ＵＳＶ）のコンテキストにおけるナビゲーション及び／又はタスク計画にも関連していてもよい。

さらに、本明細書で「経路」という用語が使用される範囲で、この用語が、一次元的（１Ｄ）（軌道に沿ってなど）、二次元的（２Ｄ）（画定された、又は画定されていない平面経路など）、三次元的（３Ｄ）（空中、又は概ね平面に沿ってであるが、階段、エレベータ、又はダクトなどを含む垂直要素が組み込まれている場所での移動など）、又は４次元的（４Ｄ）（ウェイポイントの地上局での速度、加速度、又は滞在時間を特徴付けることができる、画定された時間的側面のある場所など）側面を包含していることを理解すべきである。本明細書で使用する経路などは、自動化プロセス又は半自動化プロセスの一部としての１つ又は複数のタスクを実行する一環として、ロボットが移動することになるルートの計画又は他の移動計画に関するものである。したがって、本明細書で使用する「経路」は、ロボットなどの装置が１つ又は複数の割り当てられたタスクを実行するために移動することになる、任意の１Ｄ、２Ｄ、３Ｄ、又は４Ｄルート若しくは経路として特徴付けることができる。このような経路は、局所環境にあるロボットがリアルタイム又はほぼリアルタイムで取得したセンサデータに応じて動的に適応するなど、適応的であってもよく、また、ロボットが順序通りに進む１つ又は複数のウェイポイントで構成されていてもよく、これらのウェイポイントの順序及び位置が、経路又はルートを定義している。このような経路には、時間的且つ／又は空間的位置だけでなく、エレベータボタンを押す、又はドアを開けるなど、経路上で定義された地点及び／又は時間で取るべき動作命令をさらに取り入れてもよいことを理解すべきである。

説明を容易にし、且つ有用な実環境の状況を示すために、オフィス、学校、病院、又は工場など、屋内環境の様々な例について本明細書で言及されてもよい。ただし、当然理解できることであるが、本手法は、人間とロボットとが両方存在し、またセンサを使用して往来や動作のパターンを経時的に監視できる、閉鎖空間及び／又は監視空間に広く適用することができる。このため、本明細書に記載しているいずれの例も、単に説明を容易にするために示すものであり、また本手法は、本明細書に記載の屋内環境又は類似の環境での使用に適している。したがって、本手法は、本例の状況に限定されることを意図するものではない。

上記を念頭に置き、図を参照すると、図１は、人間と共有される屋内環境でタスクを実行するのに適した１台又は複数台のロボット１２を使用している、ロボットナビゲーションシステム１０の態様を示している。図示の例では、ネットワークインターフェースを介してアクセス可能なリモートサーバ又はサーバ群（たとえば、クラウドサーバ１６）も図示されている。格納、コンピューティング、又は本明細書に記載の他の機能を実行するために、そのようなネットワーク又はクラウドベースのコンピューティングを使用して、１つ又は複数のリモートサーバ、仮想マシンなどにアクセスしてもよい。そのようなサーバ１６は１台又は複数台のロボット１２と通信して、人間と共有される環境をナビゲートして１つ又は複数のタスクを実行するなど、１台又は複数台のロボット１２による動作を調整してもよい。

図１には単一のリモートサーバ１６のみを示しているが、このリモートサーバ１６によって実行される機能は、複数のリモートサーバ１６によって、且つ／又はサーバ環境の仮想化インスタンスによって実行されてもよいことを理解すべきである。様々な実装形態では、リモートサーバ１６は、メモリコンポーネントと、ロボット１２から受信されるデータ及び／又はロボット１２に伝達される命令を処理するプロセッサとを含み得る、データ処理装置を備える。以下でさらに詳述しているように、いくつかの実施形態では、ロボット１２は、リモートサーバ１６にセンサデータを提供して、ロボット１２のナビゲーション及び／又はロボット１２によるタスク実行に関連し得る、ロボット１２によって現在検知されている環境に関する情報を伝達してもよい。

一実施形態では、１台又は複数台のロボット１２は、オンボードのセルラー接続性又はネットワーク接続性を有し、また１つ又は複数のタスクを実行する前、その実行中、及び／又はその実行後に、リモートサーバ１６と通信することができる。ある特定の実装形態では、１台又は複数台のロボット１２のセルラー接続性又はネットワーク接続性により、タスク実行中の通信が可能になり、その際、それぞれのタスクの実行中に取得されたデータ（たとえば、センサデータ）をリモートサーバ１６へと伝達でき、且つ／又はリモートサーバ１６が命令を所定のロボット１２へと伝達することができる。たとえばロボット１２がリモートサーバ１６との通信範囲外で動作している場合や、他の通信切断状況に応じる場合など、一部のケースでは、ロボット１２の内部にあるプロセッサ、すなわちオンボードのプロセッサにより、経路に対する変更事項が決定されてもよい。

図１に戻って、タスク実行及びナビゲーションシステム１０に関するある特定の詳細事項についてさらに詳述する。たとえば、図１は、ロボット１２の一実施形態の概略図を示している。ただし、ロボット１２の他の実施形態では、コンポーネントの追加、コンポーネントの削減、及び／又は異なるコンポーネントの組合せが生じると予想されることを理解すべきである。図示のように、ロボット１２は、ロボット１２を動作させるための電力を供給する電源２０を備える。電源２０は、交換可能又は再充電可能なバッテリ、燃焼エンジン、発電機、及び電気モータ、ソーラーパネル、化学反応式発電システムなど、又はそれらのいくつかの組合せを含んでいてもよい。

本ロボットは、ユーザがロボット１２の様々な設定値を設定又は調整するのに使用できる、ユーザインターフェースを備えていてもよい。このユーザインターフェースは１つ又は複数の入力装置（たとえば、ノブ、ボタン、スイッチ、ダイヤルなど）を含んでいてもよく、場合によっては、ユーザにフィードバックを提供するディスプレイ（たとえば、スクリーン、ＬＥＤのアレイなど）を含んでいてもよい。

ネットワークインターフェース２２により、（クラウドを介するなどして）リモートサーバ１６又は他の装置（たとえば、ドッキングステーション、リモートコントローラ、スマートフォン、コンピューティング装置、タブレットなど）との通信を行うことができる。たとえば、ネットワークインターフェース２２により、無線ネットワーク接続、有線ネットワーク接続、セルラーデータサービス、Ｂｌｕｅｔｏｏｔｈ、近距離無線通信（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ：ＮＦＣ）、ＺｉｇＢｅｅ、ＡＮＴ＋、又は他の何らかの通信プロトコルを介した通信を行うことができ得る。

検知装置２６は、ロボット１２のナビゲーション及び／又はロボット１２によるタスクの実行中に、様々な品質を検知し、且つデータを収集するように構成された、１つ又は複数のセンサ２８（たとえば、触覚センサ、化学センサ、メタンセンサ、温度センサ、レーザ／ＬＩＤＡＲ、ソナー、カメラ、赤、青、緑と深度（ｒｅｄ、ｂｌｕｅ、ｇｒｅｅｎ、ｄｅｐｔｈ：ＲＧＢ−Ｄ）カメラ、慣性計測装置（ｉｎｅｒｔｉａｌ ｍｅａｓｕｒｅｍｅｎｔ ｕｎｉｔｓ：ＩＭＵ）など）を含んでいてもよい。センサ２８を使用して、ロボット１２が位置している環境についての情報を伝達する、センサ種別及び観測範囲に対応する検知データを取得してもよい。

駆動装置３４は、地表に沿って、又は空中を進むなど、ロボット１２の移動を駆動することができる。図示のように、駆動装置３４は、１つ又は複数のモータ３６と、１つ又は複数のエンコーダ３８とを含んでいてもよい。この１つ又は複数のモータ３６は、プロペラ、脚、車輪、軌道などを駆動してもよい。この１つ又は複数のエンコーダ３８は、１つ又は複数のモータ３６における１つ又は複数のパラメータ（たとえば、回転速度）を検知し、データを制御装置へと提供してもよい。

この制御装置は、１つ又は複数のメモリコンポーネントと、１つ又は複数のプロセッサとを含んでいてもよい。動作制御装置は、駆動装置３４の１つ又は複数のエンコーダ３８から信号を受信し、ロボット１２の移動を制御する制御信号を、１つ又は複数のモータ３６へと出力してもよい。同様に、データ収集制御装置は、検知装置２６の動作を制御し、検知装置２６からデータを受信してもよい。センサ２８とオンボードプロセッサとの間の通信インターフェースを、パラレルバス、シリアルバス（Ｉ２Ｃ、ＳＰＩ）、及びＵＳＢを含む標準の産業用インターフェースとすることができる。データ処理・分析装置は、検知装置２６によって収集されるデータを受信し、これらの収集されたデータを処理又は分析してもよい。いくつかの実施形態では、このデータ処理・分析装置は、センサモダリティに基づいて、且つ／又はタスク若しくはナビゲーション固有の考慮事項に基づいてなど、異なる範囲でデータを処理したり、分析したりしてもよい。

上記のセンサ及び駆動コンポーネントの例では、そのような例の１つにおいて、ＬＩＤＡＲ及び／又はエンコーダを、ロボット１２の自己位置推定に使用してもよく（すなわち、当該環境内でロボット１２の位置を正確に推定する）、その一方で、他のセンサ（たとえば、ＲＧＢや赤外線を含むカメラ）を当該環境に関する情報の収集に使用している。ある特定の実装形態では、ＲＧＢ−Ｄセンサを使用して、検知装置２６の動作効率を向上させて、計算コストを削減している。

図示の例では、さらにロボット１２を、ロボットナビゲーション計画４０、タスク計画４２、自己位置推定／ＳＬＡＭ（自己位置推定とマッピングの同時実行（ｓｉｍｕｌｔａｎｅｏｕｓ ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ ｍａｐｐｉｎｇ））４４、並びに／又は人検出及び環境分析４６を行うためのサブシステムを備えるものとして、及び／又はプロセッサ実装アルゴリズムを実行するものとして示している。そのようなサブシステム及び／又はアルゴリズムは、制御装置の一部として、又は制御装置と通信するものとして設けられていてもよく、これについては以下でさらに詳述している。図１に示すように、タスク要件５０、１つ若しくは複数のリモートサーバ１６との間の通信などの外部要因又はパラメータも、本システム１０によって包含されていてもよい。

図１に示すもので、ロボット１２の他にあるロボットナビゲーションシステム１０の別の態様はセンサネットワーク７０であり、このセンサネットワーク７０は、１つ若しくは複数のリモートサーバ１６（たとえば、１つ又は複数のクラウドサーバ）によって管理され、且つ／又はそれらと通信していてもよい。一実装形態では、センサネットワーク７０は、ロボット１２によってナビゲートされる環境における人間行動データ（参照番号７６によって表される）を収集し、そのデータをリモートサーバ１６へと送信している。センサネットワーク７０は、継続的又は定期的に実行且つ更新され、これによって当該環境における人間行動データ７６を経時的に収集することができる。一実装形態では、センサネットワーク７０内のセンサユニット７４は固定されておらず、必要に応じてこれらの移動、調整、追加、又は除去などを行ってもよい。

例示として、一実施形態では、センサ７４の一部又は全てを、観測した環境の点群を生成するために、ＲＧＢと深度情報との両方を取得且つ提供しているＲＧＢ深度（ＲＧＢ−Ｄ）カメラとすることができる。ＲＧＢテクスチャをこの点群にマッピングして、検知された環境の３Ｄモデルを生成してもよい。このような状況では、共有環境における人間行動７６を、ＲＧＢ−Ｄセンサを使用して継続的に追跡することができ、その際、人間の骨格関節の位置及び方向も経時的に取得することができる。導出された骨格を使用してこのデータから特定できるジェスチャー及び／又は他の動作データに基づいて、人間の動作行動を共有環境で一定期間にわたって特定することができる。ＲＧＢ−Ｄセンサに加えて、又はＲＧＢ−Ｄセンサの代わりに、他のタイプのセンサ７４を使用して、人間行動７６を追跡してもよい。たとえば、Ｌｉｄａｒ、ソナー、レーダ、ドップラーセンサ、又はＲＧＢカメラなどのセンサ７４を、ＲＧＢ−Ｄカメラに加えて、又はその代わりに使用してもよいが、そのようなセンサは、導出された人間の骨格データから導出される動作データとは対照的に、経時的な人間の位置情報の形式で、人間行動データを提供することに限定されている可能性がある。

図１に示すように、センサネットワーク７０によって取得されたデータは、１つ又は複数のリモートサーバ１６へと転送されてもよい。本明細書で述べているように、経時的に取得されるセンサデータを使用して、監視環境（すなわち、人間と少なくとも１台のロボット１２とによって共有される環境）における人間行動をモデル化してもよい。このように人間行動をモデル化することにより、位置、時間、又は他の時間的傾向パターン（たとえば、週ごとのパターン、又は月ごとのパターンなど）のうちの１つ又は複数に基づいて、人間行動を特徴付けることができ得る。

なお、上記を念頭に置くと、システム１０の様々な態様は、センサデータを処理し、且つ／又はルーチン若しくはアルゴリズムを実行して、そのようなデータをモデル化するか、又は共有環境でナビゲーション機能を実行するコンポーネント又は装置に関係していてもよい。システム１０の動作について付加的な詳細を示す前に、ロボット１２及び／又はリモートサーバ１６のうちの一方又は両方に見られるコンポーネント又は機能に対応し得る、プロセッサベースのシステム９０の態様の例を簡単に示すことが有益となり得る。たとえば、図２を参照すると、そのような装置又はシステムは、リモートサーバ１６、ロボット１２、又はワークステーション若しくはシステム１０の他の装置と通信している装置に設けることができる、コンピューティング装置９０の例示的なコンポーネントのブロック図を図示している図に示されるコンポーネントを備えていてもよい。本明細書で使用する場合、コンピューティング装置９０は、ロボット１２として、又はラップトップコンピュータ、ノート型コンピュータ、デスクトップコンピュータ、タブレットコンピュータ、若しくはワークステーションコンピュータ、及びサーバ型装置、若しくは携帯電話などの携帯用通信型装置を含む１つ若しくは複数のコンピューティング装置、及び／又は他の適切なコンピューティング装置として実装されてもよい。

図示のように、コンピューティング装置９０は、１つ若しくは複数のプロセッサ９２、１つ若しくは複数のバス９４、メモリ９６、入力構造部９８、電源１００、ネットワークインターフェース１０２、ユーザインターフェース１０４などの様々なハードウェアコンポーネント、及び／又は本明細書に記載の機能を実行するのに有用な他のコンピュータコンポーネントを含んでいてもよい。

この１つ又は複数のプロセッサ９２は、ある特定の実装形態では、メモリ９６又は他のアクセス可能な場所に格納された命令を実行するように構成された、マイクロプロセッサ（たとえば、ＣＰＵ、又はＧＰＵなど）である。或いは、この１つ又は複数のプロセッサ９２は、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、及び／又は本明細書で述べている機能を専ら実行するように設計された、他の装置として実装されてもよい。ここで理解されるように、複数のプロセッサ９２又は処理コンポーネントを使用して、本明細書で述べている機能を分散方式又は並列方式で実行してもよい。

メモリ９６は、揮発性メモリ、不揮発性メモリ、又はそれらの任意の組合せを含む、データ又は実行可能なルーチン（本明細書で述べている人間行動のモデル化、経路探索、及び／又はコスト最小化のステップを実行するためのルーチン及び／又はアルゴリズムを含む）を格納するための任意の有形の非一時的媒体を包含していてもよい。便宜上、図２では単一のブロックとして示しているが、メモリ９６は実際には、同一の又は異なる物理的な場所にある、様々な別個の媒体又は媒体形態を包含していてもよい。１つ又は複数のプロセッサ９２は、１つ又は複数のバス９４を介して、メモリ９６内のデータにアクセスしてもよい。

入力構造部９８を使用して、ユーザが装置９０にデータ及び／又はコマンドを入力できるようにしており、またこの入力構造部９８としては、マウス、タッチパッド、タッチスクリーン、キーボード、ＶＲコントローラ、モーションセンサ、光学センサ、又はマイクなどが挙げられる。電源１００を、ライン電源及びバッテリ電源を含む、コンピューティング装置９０の様々なコンポーネントに電力を供給するための任意の適切な電源とすることができる。図示の例では、装置９０はネットワークインターフェース１０２を含む。そのようなネットワークインターフェース１０２により、１つ又は複数の通信プロトコルを使用して、ネットワーク上の他の装置との通信を行うことができる。図示の例では、装置９０は、１つ又は複数のプロセッサ９２によって提供される画像若しくはデータを表示するように構成されたディスプレイ、及び／又は１つ又は複数のプロセッサ９２によって提供される音声データ若しくは音響データを再生するように構成されたスピーカなどの、ユーザインターフェース１０４を含む。

ここで理解されるように、実環境の状況では、図２のコンピューティング装置９０などのプロセッサベースのシステムを使用して、図１に示すリモートサーバ１６及び／若しくはロボット１２、又は共有環境でナビゲートするロボット１２を操作したり、監視したりする際に使用される他の処理装置の機能を実行するなど、本手法の一部又は全てを実行してもよい。

上記の説明を念頭に置き、図１に戻って、上記で紹介した様々なコンポーネントの相互関係及び動作について説明する。本明細書に記載しているように、システム１０は、人間と共有される環境内の異なる作業場所間で移動ロボット１２をナビゲートする際に使用される、ナビゲーションシステムである。１つ又は複数のコンピュータを使用して、ロボット１２が検知データ（検知装置２６からなど）を処理し、動作を計画し、決定を行い、その他、本ロボットや、ロボット１２に設けた任意のマニピュレータ（たとえば、マニピュレータアーム）を制御するための、オンボードのコンピューティングリソースを供給してもよい。

そのようなナビゲーションを容易に行うために、本手法の第１の態様では、センサネットワーク７０を使用して人間の動作及び行動を検出している。一実施形態では、センサネットワーク７０によって取得された人間行動データを使用して、１つ又は複数のヒートマップが（リモートサーバ１６などで）生成される。

このような一実装形態において、このヒートマップでは、人間の移動や通行パターンを特定できる、長期的な人間行動を記述している。次いで、そのようなパターンを使用して、ロボット１２による割り当てられたタスクの実行を促進するようなナビゲーション命令を、ロボット１２に提供してもよい。たとえば、これらのパターンを使用して、ロボット１２がタスクを実行する際に移動する、人間の介入又は存在の可能性を制限又は最小化するような経路を決定してもよい。

このことを念頭に置き、一実施形態において、センサ７４は、十分な期間（たとえば、１日、１週間、２週間、１か月、６か月、又は１年など）ナビゲートが行われる予定の環境に配置されて、人間の移動や通行パターンを特定するのに十分詳細な時間情報を使用して、人間の位置を記録する。このプロセスにかかる所要時間は、状況的環境（たとえば、交通量が少ないに対して、交通量が多い、又は２４時間の利用に対して、１２時間の利用など）と、ロボット１２によるタスクの実行に人間の存在が許容される程度などの適用要件とによって異なる。たとえば、一実装形態では、センサ７４を当該環境に１週間配置して週ベースのデータを収集することができ、これにより、その日の時間帯やその週の曜日に特有の変動を特定することができる。そのような方式は、週ごとの時間枠内で識別できる、追跡可能ないくつかのパターンを有する特に有用な人間行動であり得る。

図３を参照すると、経時的に取得されるセンサデータに基づいて生成された（１つのリモートサーバ１６などの）、ヒートマップ１２０の例が示されている。ヒートマップ１２０は、色、グレースケール、又は強度によって、異なる空間的位置における人の相対的な動作を伝達している。たとえば、図３に示すようなヒートマップ１２０では、ある環境における人間行動を記述することができ、この人間行動データは、その環境内にある１つ又は複数のＲＧＢ−Ｄカメラを使用して取得された検知データから生成される、骨格データから導出されたものである。

検出された人間行動及び／又は動作に基づいて、当該環境における人間行動のモデルが、リモートサーバ１６などで生成されてもよい。一実装形態では、このモデル化プロセスを簡略化するために、混合ガウス分布モデル（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ：ＧＭＭ）を使用して、人間行動に対応する場所をモデル化している。「ホット」又は活動量の多い場所は、毎日生じている人間行動のピークポイントを中心とするガウスモデルとして記述される。たとえば、そのような人間行動のピークポイントは、エレベータ、階段、入退出時の玄関口、廊下、会議室、ロビー、トイレ、又はカフェテリアなど、当該環境内の公共スペース又は共用スペースに対応している可能性がある。数学的には、それぞれのガウスモデルの場所は次のように記述される。

ここで、ｋはｋ階を表し、ｊはｋ階のガウスモデルのインデックス番号であり、（ｘ、ｙ）はｋ階の局所座標系に対するガウスモデルの中心の位置であり、σは分散である。

一実装形態では、隠れマルコフモデル（ＨＭＭ）は、時間情報（たとえば、時間又はデータ及びそれぞれの人間行動の位置データに関連する時間）に基づいて生成されている。このＨＭＭモデルは、人間がガウスモデルを使用して記述されたエリア内にいる場合、彼／彼女が移動する予定の場所を含む場所間の関係を記述している。本手法に従って構築されたＨＭＭ１４０の例を、図４に示している。図４に示すように、人間行動が行われる様々な場所に対応するインデックス付きガウスモデルＧｋ（ｊ）（参照番号１４２で示している）を、場所間の人間の流れ又は移動に基づいて各モデル１４２間の関係を示す方向矢印１４４と共に、図示している。

本明細書に記載の人間行動検出プロセスに基づいて、活動量の多いエリアが特定されると、この情報に基づいて、モデル化された場所及び時間のデータごとに一定期間における当該環境に関する情報を記述するマップ又はグラフが生成されてもよい。そのような一実施形態では、このマップ又はグラフにより、たとえば現在時刻などの対象となる時間におけるモデル化された異なる場所間の移動に関連した「コスト」について伝達される。次いで、コスト関数を最小化することなどによって、そのようなコストを経路探索に使用してもよく、これにより、ロボット１２のナビゲーションを行う経路を決定して、人間の移動又は存在が顕著な場所を通る移動を制限することができる。

上記の実施例の状況では、ガウスモデルを使用して、当該環境内の活動量の多い場所での人間行動を記述してもよい。ただし、大域的な最短経路探索作業では、全てのモデル（すなわち、モデル化された場所）を使用する必要はない。代わりに、コストベースの手法では、重要なパラメータは主要場所間のコストであって、全ての場所間とする必要はない。たとえば、一実装形態では、これらの主要場所として挙げられるのが（ただし、これらに限定されない）、（１）２つのフロアをつなげているエレベータ及び階段、並びに（２）本明細書に記載しているように検出される活動量の多い場所ではないが、割り当てられたタスクを実行するためにロボットが移動する必要のあるターゲット位置である。

１つの手法では、静的マップの自由空間をグリッドに分割してもよい。次いで、本明細書に記載しているように識別された活動量の多いエリアは、図５に示すように、静的なグリッドベースのマップ（すなわち、オーバーレイマップ１５０）上にオーバーレイされてもよいし、又は表示されてもよい。このような例の１つでは、１つのグリッドから隣接するフリーグリッドへと移動する際のコストは１であり、また１つのグリッドから隣接するインピーダンス（すなわち、活動量の多い）のグリッド（すなわち、ｃ（ｉ、ｊ）へと移動する際のコストは、次の方程式を使用して定義される。

ここで、インピーダンス_現在は、その場所に存在する人々の数によって定義される。また、インピーダンス_過去は、履歴データからの時間ｔにその場所で検出される人々の数によって定義される。

これらのコストに基づいて、たとえば対応型主要コストマップなどのコストマップが、各フロアに関して生成されてもよい。図５のオーバーレイマップ１５０から生成される、このようなコストマップ１６０の一例を、図６に示している。前述のように、各場所間の経路が必要ではない場合がある。ただし、主要場所間の経路コストを特定する必要がある。

多くの場合、ナビゲーションタスクのターゲット位置は公共スペース（たとえば、会議室、又はオフィスなど）であり、これが主要場所に近接していない場合がある。このことを念頭に置き、コストグラフを作成する前に、別の主要場所をコストマップ１６０に組み込んでもよい。コストマップ１６０が生成されると、最近傍がターゲットノードへと接続され、またガウスインピーダンス領域を使用してコストが計算される。

ここで、ｘはターゲット位置であり、ｘ_ｉはガウスインピーダンス領域の中心であり、Σは分散行列である。次いで経路探索アルゴリズムを適用して、各フロアにある全ての主要場所間の最短経路を探索する。一実装形態では、このマップが既知であり、ヒューリスティックコスト及び現在のコストが全て既知であるため、Ａ^＊アルゴリズムを使用してもよい。具体的には、このＡ^＊経路探索アルゴリズムは、以下を最小化する経路を選択する。

ここで、ｎは経路上の最後のノードであり、ｇ（ｎ）は開始ノードからｎに至る経路のコストであり、ｈ（ｎ）は、ｎから目的地に至る最も安価な経路コストを推定するヒューリスティックである。

このようにして決定された経路は、割り当てられたタスクを実行するために従うべきロボット１２へと伝達されてもよく、又は他の実施形態では、タスクの実行を容易にするために、完全な経路ではなく、経路に沿ったステップ若しくは動作がロボット１２へと伝達されてもよい。

上述の大域的経路探索プロセスに加えて、また図１に戻ると、人間と共有される環境でのタスクの実行及び／又はナビゲーションを容易にするために、ロボット１２によって他の機能を提供又は実行してもよい。たとえば、当該環境内でのロボット１２の自己位置推定は、ロボット１２のナビゲーションの一態様でもある。一実装形態では、Ｌｉｄａｒ及びＩＭＵによって検知された情報を使用する（参照ブロック４４によって示す）自己位置推定／ＳＬＡＭ機能を設けてもよい。本例では、自己位置推定アルゴリズムが実行され、ロボット１２の位置及び方向を含む、当該環境におけるロボット１２のポーズを継続的又は定期的に位置推定している。このような実装形態の１つでは、環境モデルが同時に構築されている。状況によっては、ロボット１２が移動してタスクを実行するか、又は計算コストを削減し始める前に、マッピングを行うことができる。図１の例に示すように、自己位置推定アルゴリズム（たとえば、ロボットのポーズ情報、又は環境モデルなど）の出力は、タスク計画機能及び／又はロボットのナビゲーション計画機能の一方若しくは両方に提供されてもよい。

さらに、図１に示すように、人検出及び／又は環境分析４６を行うために、ロボット１２に機能が設けられてもよい。時間経過データ又は履歴データ（センサネットワーク７０を使用して導出できるデータなど）に基づく大域的行動マッピングに寄与する、本明細書で述べている人検出プロセスとは異なり、ロボット１２で実行される人検出４６プロセスを、ロボット１２のごく近傍に現在いる人間（又は他の物体）を検出する、リアルタイムプロセス及び／又は局所的プロセスとすることができる。一例として、また図１に示すように、検知システム２６の様々なセンサ２８（たとえば、カメラ、ソナー、又はＬｉｄａｒなど）を使用して、設定した経路に沿ってロボット１２が移動する際に、ロボット１２のごく近傍にいる人間又は物体を検出してもよい。次いで補正動作（たとえば、停止、又は方向転換など）を行って、そのように局所的検知システム２６によって検出された人間又は他の環境特徴との接触を回避してもよい。別の実施形態では、このようにして検知システム２６によって検出される情報をリモートサーバ１６に提供して、コストマップ１６０を更新してもよく、これにより、ロボット１２が所定のタスク実行の際に使用するように命じられる経路が更新されるか、又は修正される可能性がある。

ロボット１２に設けられるタスク計画４２機能に関して、本態様では、割り当てられたタスクを実行する際にロボット１２が実行する一連の動作を計画している。この計画は、人間のオペレータ又は本システムによって設定されるタスク要件５０に基づいている。このタスク計画機能の出力は、一実装形態では、クラスインスタンスの配列であり、各インスタンスは１つの動作を表している。各動作の記述では、以下のうちの１つ又は複数が示されてもよく、これらはすなわち、ロボット１２のマニピュレータ若しくはアーム又はロボット１２のベース部の仕様或いは選択、ターゲット構成、ターゲット動作又は１つ若しくは複数の環境上の制約の決定或いは仕様、及び／或いは動作性能の指標である。タスク計画機能の出力は、ロボットナビゲーション計画ルーチン又はアルゴリズム４０に提供されてもよい。

タスク計画４２によってトリガされ得るナビゲーション計画機能４０において、ある経路上のウェイポイントが、作業場所で実行される操作タスクに対応しているか、又はこれらを容易にし得る一連のウェイポイントを生成するように計画される。図１に示すように、ロボット１２のナビゲーション計画は、タスク計画４２、人検出及び環境分析４６、自己位置推定／ＳＬＡＭ４４、１つ若しくは複数のリモートサーバ１６、又はエンコーダ３８などから入力を受け取ってもよい。一例として、ソナー検知モダリティを使用して、当該環境内の障害物を検出し、且つ駆動装置３４のベース部のモータ３６に信号を送信して、ナビゲーション計画のコンテキスト内又はコンテキスト外の障害物を回避してもよい（たとえば、ロボット１２の近傍で、人間が突然出現したことに応じて）。図１ではナビゲーション計画がロボット１２で発生しているように示しているが、その一方でナビゲーション計画の一部又は全てが１つ又は複数のリモートサーバ１６で発生し、次いでウェイポイントがロボット１２へと伝達されてもよいことを理解すべきである。

一例では、ウェイポイントが生成され、且つ検証された後、タスク計画４２は、ロボットナビゲーション計画４０をトリガして、本明細書で述べているＡ^＊経路選択アルゴリズムを使用するなどして、ロボット１２（たとえば、ロボットベース）の動作軌道を計画する。本例では、この計画プロセスにより、ロボット１２が計画された全てのウェイポイントを移動し、且つ各処理場所で、対応している望ましい操作タスクを実行するための計画がもたらされる。次いで命令又はコマンドが、動作制御装置などを介して、駆動装置３４のモータ３６へと伝達されてもよい。この動作制御装置は、ロボットベースの位置、速度、及び／又は加速度を制御するように構成されていてもよい。この動作制御装置へのフィードバックは、自己位置推定／ＳＬＡＭサブシステム、検知装置２６、人検出及び環境分析４６、及び／又はエンコーダ３８のうちの１つ又は複数から提供されてもよい。さらに、動作計画アルゴリズムは、駆動装置３４を介するなどのロボットベースの移動だけでなく、ロボット１２の１つ又は複数のマニピュレータ、アーム、若しくはグリッパの移動にも対応することができる。動作計画で使用できるアルゴリズムの例には、これらに限定されないが、ポテンシャル場アルゴリズムやＲＲＴ接続アルゴリズムが含まれる。

上記を念頭に置き、図７を参照すると、本手法における１つの例示的なフローのプロセスフローが示されている。図示のフローでは、ロボット１２自体で実行されるプロセスを左側に示し、リモートサーバ１６上など、ロボット１２の外部で発生するプロセスを右側に示している。本例では、概してナビゲーション計画を、ロボット１２で発生するように図示しているが、上述したように、その一方でナビゲーション計画の一部又は全てはロボット１２の外部で発生する可能性があり、その際、上記のように計算されたウェイポイント１９０又は他の経路パラメータがロボット１２へと伝達される。

図１〜図６に関連する説明に留意して、図示のプロセスフロー例を参照すると、ある経路に対応しているウェイポイント１９０及び当該経路上でロボット１２によって実行されるタスクが生成され、且つロボット１２の少なくとも駆動装置３４に付与される命令セットの一部として使用されている（ステップ１９２）。本例では、ウェイポイント１９０がロボット１２で生成される（ステップ１９４）。ウェイポイント１９０の生成を、ロボット１２によって実行される１つ又は複数のタスク２００、ロボット１２の現在位置２０４、及び物体又は人々のロボット１２に対するリアルタイム若しくは現在の近接度２０８に基づくものとすることができ、この近接度は、カメラ、ソナー、又はＬｉｄａｒなどのロボット１２上の局所センサ２８を監視することにより（ステップ２１２）、特定されてもよい。

ウェイポイント１９０の生成には、一実施形態では、上述したように各フロア上の様々な主要場所間の最短経路（コスト最小化アルゴリズムに基づいて特定される）を含む経路情報も使用されている。本例では、本プロセスは、ロボット１２がナビゲートされる環境内に設けられたセンサネットワーク７０を監視するステップ（ステップ２２０）を含む。センサネットワーク７０の監視は、一定期間（たとえば、１日、７日（たとえば、週間勤務時間）、１週間、又は１か月など）にわたって行われてもよい。

そのように取得されたセンサデータ２２４を使用して、対象の期間にわたって観測された人間行動の指標２２８を導出するか、又は特定し（ステップ２２６）、且つ／又は時間、若しくは曜日などに対応する有用な傾向を識別している。たとえば、本明細書で述べているように、そのように導出された人間行動を示す図の１つが、ヒートマップ１２０又は同様の作成物であってもよい。

次いで、観測された人間行動２２８を使用して、ピーク活動量のエリア、又は対象のある閾値レベルを超える活動のエリアなどの、様々な場所での人間行動をモデル化（ステップ２３２）してもよい。そのようなモデル化された場所２３６は、交通流情報など、それぞれの場所間の関係性に関する情報をさらに提供してもよい。本明細書で述べているように、そのようなモデルの一例を、隠れマルコフモデル（１４０）とすることができる。

場所モデルを使用して、対象となる全ての場所の一部間を移動するコスト（人間行動に基づく）の指標を示す、１つ又は複数のコストマップ１６０を生成（ステップ２４０）してもよい。そのようなコストマップ１６０は、時間及び／又は日固有のものであってもよく、たとえば、２つの場所間を移動するコストは、時間及び／又は日に基づいて変動する可能性がある。コストマップ１６０を経路特定アルゴリズムと共に使用して、所定の時間及び／又は日における場所（たとえば、主要場所）間の最短又は適切な経路２５４を特定（ステップ２５０）してもよい。これらの経路２５４は、次いで本例では、ロボット１２に提供されてもよく、図示しているウェイポイント生成プロセス１９４などのナビゲーションプロセスで使用されることになる。

上記の説明から理解できるように、ロボット１２の移動中、たとえば予期しない人間行動を回避するために、従来のオンラインの検知・計画・実行アルゴリズムをここでも使用してよい。ただし、本手法では、ロボット側のコンピューティング作業負荷が大幅に削減されている。たとえば、ロボット１２は、履歴データから構築されたモデル（たとえば、ＨＭＭモデル）に基づいて、当該環境で起こっていることに関するモデルを有する。そのような例では、現在の状況が毎日又は毎週同じ時間に起こった過去の状況に類似しているという仮定の下で、このモデルを使用して、履歴情報に基づいて最適又は好適な経路を探索してもよい。

本発明の技術的効果には、人間と共有される屋内環境でのロボットのナビゲーション（たとえば、経路計画及び移動）を容易にすることが含まれる。本手法は、人間の動作を含むが、これに限定されない人間行動を経時的に検出するステップと、人間行動履歴を使用して、人間行動をモデル化するステップと、このモデル化された人間行動を使用して、ロボットの動作又は移動を計画するステップとを含む。

本明細書では諸例を使用して、最良の形態を含む本発明を開示し、また、任意の装置又はシステムを製造且つ使用し、任意の組み込まれた方法を実行することを含めて、あらゆる当業者が本発明を実施できるようにしている。本発明の特許可能な範囲は特許請求の範囲によって定義されており、当業者が想到する他の例を含んでもよい。そのような他の例が、特許請求の範囲における字義通りの文言と異ならない構造要素を有する場合、又は特許請求の範囲における字義通りの文言と実質的な差異のない等価の構造要素を含む場合、これらが特許請求の範囲内にあることが意図される。

Claims (20)

1. ある環境における人間行動の履歴データを経時的に生成するように構成されたセンサネットワークと、
   前記人間行動の履歴データを受信し、且つ前記人間行動の履歴データに基づいて、前記環境における複数の場所間の経路データを導出するように構成された、１つ又は複数のプロセッサベースのシステムと、
   前記環境内で１つ又は複数のタスクを実行するように構成されたロボットであって、前記ロボットは、
   １つ又は複数のセンサ、及び
   前記人間行動の履歴データから生成される前記経路データを受信し、前記経路データを使用して、それぞれのタスクに対して複数のウェイポイントを生成し、前記ロボットに対し、前記ウェイポイントに沿って順次移動させて、前記ウェイポイントの一部又は全てで指定した動作を実行させ、且つ前記ロボットに搭載した前記１つ又は複数のセンサによって取得されるリアルタイムの検知データに応じて、前記ウェイポイントに沿った前記ロボットの移動を調整するように構成された、処理コンポーネント
   を含む、ロボットと
   を備える、ロボットナビゲーションシステム。
2. 前記センサネットワークが、前記環境における人間行動を監視するように配置された、複数のＲＧＢ−Ｄカメラを含む、請求項１に記載のロボットナビゲーションシステム。
3. 前記１つ又は複数のプロセッサベースのシステムが、ネットワークを介して前記センサネットワーク及び前記ロボットと通信している１つ又は複数のサーバを含む、請求項１に記載のロボットナビゲーションシステム。
4. 前記人間行動の履歴データが、少なくとも１週間にわたって取得された人間行動データを含み、また、人間行動における日ごとの傾向及び時間ごとの傾向の一方又は両方を包含している、請求項１に記載のロボットナビゲーションシステム。
5. 前記複数の場所間の経路データが、前記環境内の交通量の多い場所間の経路データを含む、請求項１に記載のロボットナビゲーションシステム。
6. 前記交通量の多い場所が、階段、エレベータ、会議室、ロビー、トイレ、又は玄関口のうちの１つ又は複数を含む、請求項５に記載のロボットナビゲーションシステム。
7. 前記人間行動の履歴データを使用して、人間行動を示す１つ又は複数の図を作成するステップ、
   前記人間行動の図に基づいて、前記複数の場所での人間行動をモデル化するステップ、
   前記モデル化された人間行動に基づいて、１つ又は複数のコストマップを作成するステップ、及び
   前記１つ又は複数のコストマップを使用して、前記複数の場所間の前記経路データを導出するステップ
   により、前記１つ又は複数のプロセッサベースのシステムが、前記複数の場所間の前記経路データを導出するように構成されている、請求項１に記載のロボットナビゲーションシステム。
8. 前記人間行動を示す１つ又は複数の図がヒートマップを含む、請求項７に記載のロボットナビゲーションシステム。
9. 前記複数の場所での人間行動をモデル化する前記ステップが、隠れマルコフモデルを生成するステップを含む、請求項７に記載のロボットナビゲーションシステム。
10. 前記１つ又は複数のコストマップが、前記環境の各フロアに関する対応型主要コストマップを含む、請求項７に記載のロボットナビゲーションシステム。
11. 前記経路データを導出する前記ステップが、前記複数の場所の各々間の経路コストを導出するステップと、前記複数の場所の各々間の最低経路コストを識別するステップとを含む、請求項７に記載のロボットナビゲーションシステム。
12. 人間と共有される環境でロボットをナビゲートする方法であって、
    ある環境における人間行動の履歴データを経時的に取得するステップと、
    前記人間行動の履歴データに基づいて、前記環境における複数の場所間の経路データを導出するステップと、
    ロボット側で、
    前記人間行動の履歴データから生成される前記経路データを受信するステップと、
    実行予定のタスクに対応する複数のウェイポイントを、前記経路データに基づいて生成するステップと、
    前記ウェイポイントに沿って前記ロボットを順次移動させて、前記ウェイポイントの一部又は全てで指定した動作を実行させるステップと、
    前記ロボットに搭載した１つ又は複数のセンサによって取得されるリアルタイムの検知データに応じて、前記ウェイポイントに沿った前記ロボットの移動を調整するステップと
    を含む、方法。
13. 前記人間行動の履歴データが、前記ロボットの外部のセンサネットワークによって生成されている、請求項１２に記載の方法。
14. 前記人間行動の履歴データが、少なくとも１週間にわたって取得された人間行動データを含み、また、人間行動における日ごとの傾向及び時間ごとの傾向の一方又は両方を包含している、請求項１２に記載の方法。
15. 前記経路データが、前記環境内の交通量の多い場所間の経路データを含む、請求項１２に記載の方法。
16. 前記環境における前記複数の場所間の経路データを導出する前記ステップが、
    前記人間行動の履歴データを使用して、人間行動を示す１つ又は複数の図を作成するステップと、
    前記人間行動の図に基づいて、前記複数の場所での人間行動をモデル化するステップと、
    前記モデル化された人間行動に基づいて、１つ又は複数のコストマップを作成するステップと、
    前記１つ又は複数のコストマップを使用して、前記複数の場所間の前記経路データを導出するステップと
    を含む、請求項１２に記載の方法。
17. 前記経路データを導出する前記ステップが、前記複数の場所の各々間の経路コストを導出するステップと、前記複数の場所の各々間の最低経路コストを識別するステップとを含む、請求項１２に記載の方法。
18. ロボットであって、
    １つ又は複数のセンサと、
    モータを含む駆動装置と、
    処理コンポーネントであって、
    外部ソースから経路データを受信し、前記経路データは人間行動の履歴データから生成され、
    前記経路データを使用して、それぞれのタスクに対して複数のウェイポイントを生成し、
    前記ウェイポイントに沿って前記ロボットを順次移動させるような命令を前記モータに伝達し、且つ
    前記ロボットに搭載した前記１つ又は複数のセンサによって取得されるリアルタイムの検知データに応じて、前記ウェイポイントに沿った前記ロボットの移動を調整する
    ように構成されている、処理コンポーネントと
    を備える、ロボット。
19. 前記人間行動の履歴データが、前記ロボットの外部にあり、且つそれぞれの前記タスクが実行される環境内に配置されているセンサネットワークによって取得されている、請求項１８に記載のロボット。
20. 前記人間行動の履歴データが、少なくとも１週間にわたって取得された人間行動データを含み、また、人間行動における日ごとの傾向及び時間ごとの傾向の一方又は両方を包含している、請求項１８に記載のロボット。
    
    

Images