JP2022543997A - 制約された移動度マッピング - Google Patents

Abstract

【課題】 移動の流動性およびバランスを維持しながら、制約のある環境をすばやくかつ／または効率的にナビゲートすること。【解決手段】 拘束された移動度マッピングの方法は、ロボット（１００）の少なくとも１つのセンサー（１３２）からの少なくとも１つの元のデータ（１３４）のセット、およびロボット（１００）の周りの環境（１０）からの現在のデータのセットを受信することを含む。この方法は、少なくとも１つの元のセンサーデータのセットに基づいて、複数のボクセル（２１２）を含むボクセルマップ（２１０）を生成することをさらに含む。複数のボクセルは、少なくとも１つの地面ボクセルと、少なくとも１つの障害物ボクセルと、を含む。この方法はまた、現在のセンサーデータのセットに基づいて球形深度マップ（２１８）を生成することと、ボクセルマップと球形深度マップとの比較に基づいて、ボクセルマップによって表される障害物に変化が生じたことを決定することと、も含む。追加の方法は、障害物の変化を反映するためにボクセルマップを更新することを含む。【選択図】図１Ａ

Description

本開示は、制約された移動度マッピングに関する。

ロボットデバイスは、様々なタスクまたは機能を実施するために、制約された環境、または別様に雑然とした環境においてますます使用されている。これらのロボットデバイスは、障害物を踏む、または障害物にぶつかることなく、これらの制約された環境内をナビゲートすることが必要となり得る。これらのロボットデバイスが普及するにつれて、バランスおよびスピードを維持しながら障害物との接触を回避するリアルタイムなナビゲーションおよびステッププランニングが必要となる。

本開示の一態様は、制約された移動度マッピングの方法を提供する。本方法は、データ処理ハードウェアにおいて、ロボットの少なくとも１つのセンサーから、少なくとも１つの元のセンサーデータのセットおよび現在のセンサーデータのセットを受信することを含む。ここで、少なくとも１つの元のセンサーデータのセットおよび現在のセンサーデータのセットの各々は、ロボットがボディを含むロボットの周りの環境に対応する。本方法は、データ処理ハードウェアによって、少なくとも１つの元のセンサーデータのセットに基づいて複数のボクセルを含むボクセルマップを生成することをさらに含む。複数のボクセルは、少なくとも１つの地面ボクセルおよび少なくとも１つの障害物ボクセルを含む。本方法はまた、データ処理ハードウェアによって、現在のセンサーデータのセットに基づいて球形深度マップを生成することと、データ処理ハードウェアによって、ボクセルマップと球形深度マップとの間の比較に基づいて、ボクセルマップによって表される障害物に変化が発生したことを決定することと、も含む。追加の方法は、データ処理ハードウェアによって、環境内の障害物の変化を反映するためにボクセルマップを更新することを含む。

本開示の実装形態は、以下の任意選択の特徴のうちの１つ以上を含み得る。いくつかの実装例では、ロボットは四足動物を画定する４つの脚を含む。いくつかの例では、ボクセルマップを生成することは、ロボットの周りの空間の３次元単位が占有されているかどうかを決定することと、占有されている各３次元単位について、それぞれの単位を地面、障害物、または地面でも障害物でもないもののうちの１つとして分類することと、を含む。いくつかの構成では、球形深度マップは、現在のセンサーデータのセットの球形表現を含み、球形表現は、現在のセンサーデータのセットを捕捉する少なくとも１つのセンサーからの距離および高さにおけるセンサーデータの点によって画定される矩形構造体を含む。いくつかの実装例では、環境内の障害物の変化を反映するためにボクセルマップを更新することは、変化に関連付けられている障害物に対応するボクセルマップから１つ以上のボクセルを削除することを含む。ここで、１つ以上のボクセルを削除するには、ヒューリスティックを使用して、環境による物体の変化に関連付けられている近くのボクセルを識別することと、識別された近くのボクセルを削除することと、を含み得る。

いくつかの例では、ボクセルマップは３次元（３Ｄ）グリッドを含み、本方法は、ボクセルマップの３Ｄグリッドの各セルに対して、データ処理ハードウェアによって、それぞれの垂直方向の列の連続したボクセルを統合して、セグメントを形成することをさらに含む。ここで、セグメントは、高さおよび点重みを含み、点重みは、少なくとも１つの元のセンサーデータのセットに基づいて、セグメントを形成する１つ以上のボクセルが占有されている確実性の程度を示す。これらの例では、本方法は、データ処理ハードウェアによって、それぞれのセグメントの点重みを、現在のセンサーデータのセットがそれぞれのセグメントを定義するセンサーデータを含まないときには、減少させることをさらに含み得る。追加的または代替的に、これらの例では、本方法はまた、データ処理ハードウェアによって、ボクセルマップ内の位置におけるセグメントの高さを、球形深度マップ内のそれぞれの位置における列からの高さの範囲と比較することも含み得、セグメントの位置および列のそれぞれの位置は、ロボットに対して同じ位置に対応する。これらの例では、環境内の障害物の変化を反映するためにボクセルマップを更新することは、変化に関連付けられている障害物に対応するセグメントを切り取ることを含む。

本開示の別の態様はまた、制約された移動度マッピングの方法も提供する。本方法は、データ処理ハードウェアにおいて、ロボットがボディを含むロボットの少なくとも１つのセンサーから、ロボットに関する環境に対応するセンサーデータを受信することを含む。本方法は、データ処理ハードウェアによって、センサーデータに基づいて複数のボクセルを含むボクセルマップを生成することをさらに含む。ここで、複数のボクセルは、少なくとも１つの地面ボクセルおよび少なくとも１つの障害物ボクセルを含む。本方法はまた、ボクセルマップに基づいて、データ処理ハードウェアによって、ロボットのボディが環境内の障害物との干渉を伴わずに移動することができる環境内の位置を示すように構成されたボディ障害物マップを生成することも含む。複数のセルが最も近い障害物境界の指示を含み、最も近い障害物境界がボクセルマップの少なくとも１つの障害物ボクセルから導出される、セルに分割されたボディ障害物マップ。本方法は、ボディ障害物マップを、ロボットを環境の周りで移動させるように構成された制御システムに通信することをさらに含む。

本態様は、以下の任意選択の機能のうちの１つ以上を含んでもよい。いくつかの実装例では、指示は、最も近い障害物境界までの距離の推定値と、最も近い障害物境界への方向と、を含む。ここで、ボディ障害物マップを生成することは、複数のベクトルを含むベクトルフィールドを生成することを含み得、複数のベクトルの各ベクトルは、障害物回避の方向を示し、各ベクトルは、最も近い障害物境界への方向とは反対のベクトル方向を含む。いくつかの例では、制御システムは、ボディ障害物マップを使用して、ロボットのボディの水平方向の運動およびロボットのボディのヨー回転を制御するように構成される。複数のセルは、障害物の境界に対応しなくてもよい。

いくつかの構成では、本方法はまた、データ処理ハードウェアによって、複数のボクセルの各ボクセルに関連付けられている点重みに基づいて、ボクセルマップの複数のボクセルをフィルタリングすることも含み得る。ここで、点重みは、センサーデータに基づいて、それぞれのボクセルが占有されている確実性の程度を示す。これらの構成では、ボクセルマップに基づいてボディ障害物マップを生成することは、点重み閾値を満たし、かつ障害物ボクセルに対応するフィルタリングされた複数のボクセルをボディ障害物マップに変換することを含む。

本開示の第３の態様はまた、制約された移動度マッピングの方法を提供する。本方法は、データ処理ハードウェアにおいて、ロボットがボディと各脚が遠位端を含む脚とを含むロボットの少なくとも１つのセンサーから、ロボットの周りの環境に対応するセンサーデータを受信することを含む。本方法は、データ処理ハードウェアによって、センサーデータに基づいて、複数のセグメントを含むボクセルマップを生成することをさらに含み、複数のセグメントの各セグメントは、１つ以上のボクセルによって画定される垂直方向の列に対応する。ここで、複数のセグメントは、少なくとも１つの地面セグメントおよび少なくとも１つの障害物セグメントを含む。ボクセルマップに基づいて、本方法はまた、データ処理ハードウェアによって、ロボットが環境の周りで移動しているときにロボットのそれぞれの脚の遠位端を配置するための高さを示すように構成された地面高さマップを生成することも含む。地面高さマップはセルに分割され、少なくとも１つのセルがそれぞれの地面セグメントに対応し、それぞれの地面セグメントに基づくそれぞれの高さを含む。本方法は、データ処理ハードウェアによって、地面高さマップを制御システムに通信し、制御システムは、地面高さマップに基づいて、それぞれの脚の遠位端を環境内の配置位置に移動させるように構成されている、通信することと、をさらに含む。

本態様は、以下の任意選択の機能のうちの１つ以上を含んでもよい。いくつかの実装例では、地面高さマップを生成することは、それぞれの地面セグメントの１つ以上のボクセルの点重みが、センサーデータに基づいて、それぞれのボクセルが占有されている確実性の程度を示す高さ精度閾値を満たすことを決定することを含む。ここで、高さ精度閾値は、それぞれの地面セグメントによって表される所与の物体の高さ精度のレベルを示す。これらの実装例では、それぞれの地面セグメントの１つ以上のボクセルの点重みが高さ精度閾値を満たすことを決定することが、それぞれの地面セグメントを画定する１つ以上のボクセルを、それぞれの地面セグメントの最大高さから、それぞれの地面セグメントの最小高さまで昇降することを含む。

いくつかの例では、本方法は、以下も含む。データ処理ハードウェアによって、地面高さマップの１つ以上のセルが欠落している地形に対応することを識別することと、データ処理ハードウェアによって、欠落している地形がセンサーデータの妨害に対応するかどうかを決定することと、欠落した地形がセンサーデータの妨害に対応するとき、データ処理ハードウェアによって、欠落している地形を平坦な地形に置き換えること。欠落している地形がセンサーデータの妨害に対応しないときには、本方法は、データ処理ハードウェアによって、欠落している地形を平滑な地形に置き換えることをさらに含み得る。ここで、平滑な地形では、本方法は、地面高さマップの後続の反復中に地面高さマップの平滑な地形を持続させなくてもよい。いくつかの構成では、新しいセンサーデータが平坦な地形に対応する実際の地形を識別するまで、平坦な地形は地面高さマップ内で持続する。

本開示の第４の態様はまた、制約された移動度マッピングの方法を提供する。本方法は、データ処理ハードウェアにおいて、ロボットがボディと各脚が遠位端を含む脚とを含むロボットの少なくとも１つのセンサーから、ロボットの周りの環境に対応するセンサーデータを受信することを含む。本方法は、データ処理ハードウェアによって、センサーデータに基づいて、複数のセグメントを含むボクセルマップを生成することをさらに含み、複数のセグメントの各セグメントは、１つ以上のボクセルによって画定される垂直方向の列に対応する。ここで、複数のセグメントは、少なくとも１つの地面セグメントおよび少なくとも１つの障害物セグメントを含む。ボクセルマップに基づいて、本方法はまた、データ処理ハードウェアによって、ロボットが環境の周りで移動しているときにロボットのそれぞれの脚の遠位端を配置するための高さを示すように構成された地面高さマップを生成することも含む。地面高さマップに基づいて、本方法は、データ処理ハードウェアによって、１つ以上のステップなし領域を含むステップなしマップを生成することをさらに含み、各ステップなし領域は、ロボットが環境の周りで移動しているときに、ロボットのそれぞれの脚の遠位端を配置しない領域を示すように構成される。ここで、ステップなしマップはセルに分割され、各セルは距離値と方向ベクトルとを含む。距離値は、セルに最も近い障害物の境界までの距離を示す。方向ベクトルは、セルに最も近い障害物の境界への方向を示す。本方法は、データ処理ハードウェアによって、ステップなしマップを、ステップなしマップに基づいて、環境内の配置位置にそれぞれの脚の遠位端を移動するように構成された制御システムに通信することをさらに含む。

本態様は、以下の任意選択の機能のうちの１つ以上を含んでもよい。最も近い障害物の境界までの距離は、セルが最も近い障害物の内側にあるか、または最も近い障害物の外側にあるかを識別する符号を含み得る。１つ以上のステップ領域のうちの少なくとも１つのステップなし領域は、ロボットの現在の姿勢に基づいてロボットにアクセス可能でないエリアを識別し、ロボットにアクセス可能なエリアは、現在の姿勢とは異なる代替の姿勢である。いくつかの例では、ステップなしマップを生成することは、ロボットの特定の脚のステップなしマップを生成することも含む。いくつかの実装例では、本方法はまた、データ処理ハードウェアによって、ボクセルマップの少なくとも１つの障害物セグメントに基づいて、それぞれのセルに最も近い障害物を決定することも含み得る。

いくつかの構成では、本方法は、データ処理ハードウェアによって、以下の動作による潜在的な脛衝突に対応する第１のステップなし領域を決定することをさらに含む：指令されたスピードを達成するための脚の最小勾配を決定することと、最小勾配に基づいて、脛衝突高さを識別することと、ステップなしマップの各セル対して、脛衝突高さをそれぞれのセルの地面高さと比較することであって、それぞれのセルの地面高さマップから受信される、比較すること。これらの構成では、本方法はまた、データ処理ハードウェアによって、それぞれのセルの脛衝突高さと地面高さとの間の差が脛衝突閾値を満たすことを決定することも含み得る。

本開示の１つ以上の実装例の詳細が、添付図面および以下の説明において記述される。他の態様、特徴、および利点は、説明および図面から、ならびに特許請求の範囲から明らかになるであろう。

ロボット環境内の例示的なロボットの概略図である。 図１Ａのロボットのシステムの例示的なシステムの概略図である。 図１Ａのロボットのボクセルマップの例示的な投影の斜視図である。 図１Ａのロボットのボクセルマップの例示的な投影の斜視図である。 図１Ａのロボットの例示的なボクセルマップの斜視図である。 ボクセル分類の例の概略図である。 ボクセル分類の例の概略図である。 図１Ａのロボットの位置に基づくボクセル分類の例の斜視図である。 図１Ａのロボットの位置に基づくボクセル分類の例の斜視図である。 負のセグメントを有する例示的なボクセルマップの斜視図である。 ボクセルマップの光線追跡の例の斜視図である。 ボクセルマップの光線追跡の例の斜視図である。 ボクセルマップの光線追跡の例の斜視図である。 ボクセルマップの光線追跡の例の斜視図である。 図１Ａのロボットによって生成された例示的なボディ障害物マップの概略図である。 図１Ａのロボットによって生成された例示的なボディ障害物マップの概略図である。 図１Ａのロボットによって生成された例示的なボディ障害物マップの概略図である。 図１Ａのロボットによって生成された例示的なボディ障害物マップの概略図である。 図１Ａのロボットによって生成された例示的なボディ障害物マップの概略図である。 図１Ａのロボットによって生成された例示的なボディ障害物マップの概略図である。 図１Ａのロボットによるボディ障害物マップ生成のための例示的な処理技術の概略図である。 図１Ａのロボットによるボディ障害物マップ生成のための例示的な処理技術の概略図である。 図１Ａのロボットによるボディ障害物マップ生成のための例示的な処理技術の概略図である。 図１Ａのロボットによるボディ障害物マップ生成のための例示的な処理技術の概略図である。 図１Ａのロボットによるボディ障害物マップ生成のための例示的な処理技術の概略図である。 図１Ａのロボットによるボディ障害物マップ生成のための例示的な処理技術の概略図である。 図１Ａのロボットによる地面高さマップ生成の例の概略図である。 図１Ａのロボットによって生成された地面高さマップの例の斜視図である。 図１Ａのロボットによって生成された例示的なステップなしマップの概略図である。 図１Ａのロボットによって生成された例示的なステップなしマップの概略図である。 図１Ａのロボットによって生成された例示的なステップなしマップの概略図である。 脛衝突のリスクに基づく例示的なステップなしマップなしの斜視図である。 図１Ａのロボットによって生成された例示的なステップなしマップの概略図である。 図１Ａのロボットの１つ以上の足に基づくステップなしマップの例の斜視図である。 図１Ａのロボットの１つ以上の足に基づくステップなしマップの例の斜視図である。 図１Ａのロボットによって生成されたステップなしマップの例の概略図である。 図１Ａのロボットによって生成されたステップなしマップの例の概略図である。 ロボットがロボットの周りの環境を昇降するためのマップを生成するための動作例示的な構成である。 ロボットがロボットの周りの環境を昇降するためのマップを生成するための動作例示的な構成である。 ロボットがロボットの周りの環境を昇降するためのマップを生成するための動作例示的な構成である。 ロボットがロボットの周りの環境を昇降するためのマップを生成するための動作例示的な構成である。 本明細書に記載のシステムおよび方法を実施するために使用され得る例示的なコンピューティングデバイスの概略図である。

様々な図面中の同様の参照記号は、同様の要素を示す。

脚型ロボットデバイス（「ロボット」とも称される）が普及するにつれて、多くの点で制約されている環境内をロボットがナビゲートする必要性が高まっている。例えば、ロボットは、床に大小の物体が散らばっている雑然とした部屋を昇降するか、または階段を昇らなければならない場合がある。典型的には、このような種類の環境をナビゲートすることは、遅くて骨の折れるプロセスであり、脚型ロボットが頻繁に停止する、物体と衝突する、および／またはバランスを崩す結果となる。例えば、物体との衝突のリスクを回避することでさえ、ロボットのバランスを崩す可能性がある。これらの欠点のいくつかに対処するために、ロボットは、障害物を有する環境でのロボットの移動をガイドし、および／または管理するのに役立つロボットに関するセンサーに基づくマップを構築する。これらのマップを使用すると、ロボットはリアルタイムで移動の制約を考慮しながら地形を昇降できるため、脚型ロボットデバイスは、移動の流動性およびバランスを維持しながら、制約のある環境をすばやくかつ／または効率的にナビゲートすることができる。

図１Ａを参照すると、ロボット１００は、ロボット１００がロボット環境１０の周りで移動することを可能にするボディ１１０に結合された脚１２０ａ～ｄなどの歩行運動ベースの構造体を備えたボディ１１０を含む。いくつかの例では、各脚１２０は、１つ以上の関節Ｊが脚１２０の部材１２２が移動することを可能にするような関節運動可能な構造である。例えば、各脚１２０は、脚１２０の上側部材１２２、１２２_Ｕをボディ１１０に結合する股関節Ｊ_Ｈと、脚１２０の上側部材１２２_Ｕを脚１２０の下側部材１２２_Ｌに結合する膝関節Ｊ_Ｋと、を含む。図１Ａは、４つの脚１２０ａ～ｄを有する四足ロボットを示すが、ロボット１００は、環境１０内の地形を昇降するための手段を提供する任意の数の脚または歩行運動ベースの構造体（例えば、２つの脚を有する二足歩行もしくはヒト型ロボット）を含み得る。

地形を昇降するために、各脚１２０は、地形の表面に接触している遠位端１２４を有する。言い換えれば、脚１２０の遠位端１２４は、ロボット１００の移動中に枢動、据え付け、または概して静止摩擦を提供するためにロボット１００によって使用される脚１２０の端部である。例えば、脚１２０の遠位端１２４は、ロボット１００の足に対応する。図示されていないが、いくつかの例では、脚１２０の遠位端１２４は、遠位端１２４が脚１２０の下側部材１２２_Ｌに対して関節運動可能であるように、足首関節Ｊ_Ａを含む。

ロボット１００は、重力の方向に沿った垂直方向の軸（例えば、Ｚ方向の軸Ａ_Ｚとして示される）と、ロボット１００の分布質量の重み付けされた相対位置が合計してゼロとなる点である質量の中心ＣＭと、を有する。さらに、ロボット１００は、垂直方向の重力軸Ａ_Ｚ（すなわち、重力に対して固定された基準フレーム）に対するＣＭに基づいたポーズＰを有し、ロボット１００によって採られる特定の姿勢またはスタンスを定義する。ロボット１００の姿勢は、空間におけるロボット１００の配向または角度位置によって画定され得る。ボディ１１０に対する脚部１２０による動きにより、ロボット１００のポーズＰ（すなわち、ロボットのＣＭの位置とロボット１００の姿勢または配向の組み合わせ）が変更される。ここで、高さは一般的にｚ方向に沿った距離を指す。ロボット１００の矢状平面は、ｙ方向の軸Ａ_Ｙおよびｚ方向の軸Ａ_Ｚの方向に延びるＹ－Ｚ平面に対応する。矢状平面に略垂直であるように、ｘ方向の軸Ａ_Ｘおよびｙ方向の軸Ａ_Ｙの方向に延びるＸ－Ｙ平面上には、地面平面（横断平面とも称される）が設けられている。地面平面は、ロボット１００の脚１２０の遠位端１２４が、ロボット１００が環境１０の周りで移動するのを助けるために牽引力を生成することができる地面平面１２を指す。

環境１０の周りで動くために、ロボット１００は、１つ以上のセンサー１３２、１３２ａ～ｎ（例えば、第１のセンサー１３２、１３２ａおよび第２のセンサー１３２、１３２ｂとして示される）を備えたセンサーシステム１３０を含む。センサー１３２は、視覚／画像センサー、慣性センサー（例えば、慣性測定ユニット（ＩＭＵ））、力センサー、および／または運動学的センサーを含み得る。センサー１３２のいくつかの例としては、ステレオカメラなどのカメラ、走査光検出と測距（ＬＩＤＡＲ）センサー、または走査レーザー検出と測距（ＬＡＤＡＲ）センサーが挙げられる。いくつかの実施例では、センサー１３２は、センサー１３２に対応する感知範囲または領域を画定する、対応する視野Ｆ_ｖを有する。例えば、図１Ａは、ロボット１００の視野Ｆ_Ｖを示す。各センサー１３２は、センサー１３２が、例えば、１つ以上の軸（例えば、グランドプレーンに関するｘ軸、ｙ軸、またはｚ軸）周りの視野Ｆ_Ｖを変更し得るように、枢動可能および／または回転可能であり得る。

センサー１３２を用いて視野Ｆ_Ｖを調査するときに、センサーシステム１３０は、視野Ｆ_Ｖに対応するセンサーデータ１３４（画像データとも称される）を生成する。いくつかの例では、センサーデータ１３４は、３次元体積センサー１３２によって生成された３次元体積点群に対応する画像データである。追加的または代替的に、ロボット１００が環境１０の周りで動いているとき、センサーシステム１３０は、慣性測定データ（例えば、ＩＭＵによって測定された）を含む、ロボット１００についてのポーズデータを収集する。いくつかの実施例では、ポーズデータは、ロボット１００に関する運動学的データおよび／または向きデータを含む。センサーデータ１３４を用いて、ロボット１００の知覚システム２００は、環境１０に関する地形のマップ２１０、２２０、２３０、２４０を生成し得る。

ロボット１００が環境１０の周りで動くとき、センサーシステム１３０は、環境１０の地形に関連するセンサーデータ１３４を収集する。例えば、図１Ａは、ロボット１００の環境１０としての空間に関するセンサーデータ１３４を収集しているセンサーシステム１３０を示している。センサーシステム１３０がセンサーデータ１３４を収集すると、コンピューティングシステム１４０は、センサーデータ１３４を格納し、処理し、および／またはロボット１００の様々なシステム（例えば、知覚システム２００、または制御システム１７０）に通信するように構成される。センサーデータ１３４に関連するコンピューティングタスクを実行するために、ロボット１００のコンピューティングシステム１４０は、データ処理ハードウェア１４２と、メモリハードウェア１４４と、を含む。データ処理ハードウェア１４２は、メモリハードウェア１４４に格納された命令を実行して、ロボット１００の活動（例えば、移動および／または移動ベースの活動）に関連するコンピューティングタスクを実行するように構成される。一般的に言えば、コンピューティングシステム１４０は、データ処理ハードウェア１４２および／またはメモリハードウェア１４４の１つ以上の位置を指す。いくつかの例では、コンピューティングシステム１４０は、ロボット１００上に位置しているローカルシステムである。ロボット１００上に位置しているとき、コンピューティングシステム１４０は、集中型（すなわち、ロボット１００上の単一の位置／エリア、例えば、ロボット１００のボディ１１０内にある）、分散型（すなわち、ロボット１００の周りの様々な位置に配置される）、または両方のハイブリッドな組み合わせ（例えば、大多数の集中型ハードウェアおよび少数の分散型ハードウェアが存在する）であり得る。いくつかの違いを説明するために、分散型コンピューティングシステム１４０は、活動位置（例えば、脚１２０の関節を移動させるモーター）における処理が発生することを可能にし得る一方で、集中型コンピューティングシステム１４０は、ロボット１００の様々な位置に位置しているシステムに通信する（例えば、脚１２０の関節を移動させるモーターに通信する）中央処理ハブを可能にし得る。追加的または代替的に、コンピューティングシステム１４０は、ロボット１００から離れて位置しているコンピューティングリソースを含む。例えば、コンピューティングシステム１４０は、ネットワーク１５０を介してリモートシステム１６０（例えば、リモートサーバーまたはクラウドに基づく環境）と通信する。コンピューティングシステム１４０と同様に、リモートシステム１６０は、リモートデータ処理ハードウェア１６２およびリモートメモリハードウェア１６４などのリモートコンピューティングリソースを含む。ここで、センサーデータ１３４または他の処理されたデータ（例えば、コンピューティングシステム１４０によるローカルでのデータ処理）は、リモートシステム１６０に格納され得、コンピューティングシステム１４０にアクセス可能であり得る。いくつかの例では、コンピューティングシステム１４０は、コンピューティングシステム１４０のリソースがリモートシステム１６０のリソース上に存在し得るように、コンピューティングリソース１４２、１４４の拡張としてリモートリソース１６２、１６４を利用するように構成される。

いくつかの実装例では、図１Ａおよび１Ｂに示されるように、ロボット１００は、制御システム１７０と、知覚システム２００と、を含む。知覚システム２００は、センサーシステム１３０からセンサーデータ１３４を受信し、センサーデータ１３４をマップ２１０、２２０、２３０、２４０に処理するように構成される。知覚システム２００によって生成されたマップ２１０、２２０、２３０、２４０を用いて、知覚システム２００は、ロボット１００を環境１０の周りで移動させることなど、ロボット１００に対して制御されたアクションを実行するために、マップ２１０、２２０、２３０、２４０を制御システム１７０に通信し得る。いくつかの例では、知覚システム２００を制御システム１７０から分離し、ただし制御システム１７０と通信させることによって、制御システム１７０のための処理は、ロボット１００の制御することに集中し、一方、知覚システム２００のための処理は、センサーシステム１３０によって収集されたセンサーデータ１３４を解釈することに集中してもよい。例えば、これらのシステム２００、１７０は、それらの処理を並行して実行して、環境１０におけるロボット１００の正確で流動的な移動を確実にする。

いくつかの例では、制御システム１７０は、少なくとも１つのコントローラ１７２と、パスジェネレータ１７４と、ステップロケータ１７６と、ボディプランナ１７８と、を含む。制御システム１７０は、少なくとも１つのセンサーシステム１３０および知覚システム２００と通信するように構成される。制御システム１７０は、ハードウェア１４０を使用して動作および他の機能を実行する。コントローラ１７２は、ロボット１００のシステム（例えば、制御システム１７０、および／または知覚システム２００）からの入力またはフィードバックに基づいて、環境１０の周りを昇降するようにロボット１００の移動を制御するように構成される。これは、ロボット１００のポーズおよび／または挙動の間の動きを含み得る。例えば、コントローラ１７２は、異なった足跡パターン、脚パターン、ボディ動きパターン、または視覚システム感知パターンを制御する。

いくつかの実施例では、コントローラ１７２は、コントローラ１７２の各々が固定ケイデンスを有する複数のコントローラ１７２を含む。固定ケイデンスは、脚１２０のステップまたは遊脚相の固定タイミングを指す。例えば、コントローラ１７２は、ロボット１００に、特定の周波数（例えば、２５０ミリ秒、３５０ミリ秒ごとのステップなど）で脚１２０を動かす（例えば、ステップを踏む）ように命令する。各コントローラ１７２が固定ケイデンスを有する複数のコントローラ１７２を用いて、ロボット１００は、コントローラ１７２間で切り替えることによって可変タイミングを経験することができる。いくつかの実装例では、ロボット１００は、ロボット１００が環境１０を昇降するときに、固定ケイデンスコントローラ１７２を連続的に切り替え／選択する（例えば、３ミリ秒ごとにコントローラ１７０を再選択する）。

図１Ｂを参照すると、パスジェネレータ１７４は、ロボット１００の水平方向の動きを決定するように構成される。例えば、水平方向の運動とは、ロボット１００の並進（すなわち、Ｘ－Ｙ平面内の移動）および／またはヨー（すなわち、Ｚ方向の軸Ａ_Ｚの周りの回転）を指す。パスジェネレータ１７４は、センサーデータ１３４に基づいて、ロボット１００に関する環境１０内の障害物を決定する。パスジェネレータ１７４は、その最適化の開始点として、名目上の無衝突パスをステップロケータ１７６に提供する。ステップロケータ１７６はまた、ステップロケータ１７６がロボット１００の脚１２０のための足配置（例えば、ロボット１００の脚１２０の遠位端１２４を配置する位置）を識別し得るように、障害物に関する情報も受信する。ステップロケータ１７６は、知覚システム２００からの入力（例えば、マップ２１０、２２０、２３０、２４０）を使用して、足配置（すなわち、ロボット１００がステップするべき位置）を生成する。ボディプランナ１７８は、ステップロケータ１７６と同様に、知覚システム２００からの入力を受信する（例えば、マップ２１０、２２０、２３０、２４０）。一般的に言えば、ボディプランナ１７８は、ロボット１００のボディ１１０の動態（例えば、ピッチもしくはヨー、および／またはＣＯＭの高さなどの回転）を調整して、環境１０の周りで首尾よく移動するように構成される。

知覚システム２００は、ロボット１００が様々な障害物のある地形においてより正確に移動するのを助けるロボットのシステムである。センサー１３２は、ロボット１００の周りの空間（すなわち、ロボットの環境１０）のセンサーデータ１３４を収集すると、知覚システム２００は、センサーデータ１３４を使用して、環境１０の１つ以上のマップ２１０、２２０、２３０、２４０を形成する。知覚システム２００がマップ２１０、２２０、２３０、２４０を生成すると、知覚システム２００はまた、地図２１０、２２０、２３０、２４０に情報を追加するように（例えば、既存のマップにセンサーデータ１３４を投影することによって）、および／またはマップ２１０、２２０、２３０、２４０から情報を削除する（例えば、現在のセンサーデータ１３４に基づいて既存のマップを光線追跡することによって）ようにも構成される。マップ２１０、２２０、２３０、２４０は、本明細書では別々に説明されているが、それにもかかわらず、知覚システム２００は、各マップに対して説明された情報および特徴を伝達するために任意の数のマップを生成することができる。

図２Ａ～２Ｌを参照すると、いくつかの実装例では、知覚システム２００は、ボクセルマップ２１０を生成する。知覚システム２００は、ロボット１００の世界基準フレームとロボット１００に関する局所基準フレームとの組み合わせに基づいてボクセルマップ２１０を生成する。ここで、知覚システム２００は、世界基準フレームを表すために、ロボット１００の位置を（例えば、ロボット１００のボディ１１０の位置および／または速度によって）定義するロボット１００のオドメトリ情報を受信し、局所基準フレームを表すロボット１００の近傍のエリアとして、センサー１３２の範囲内のエリアを定義するセンサーデータ１３４を受信する。オドメトリ情報およびセンサーデータ１３４を使用して、知覚システム２００は、ロボット１００の周りの３次元空間を表すためにボクセルマップ２１０を生成する。いくつかの実装例では、ロボット１００のシステムは、ロボット１００の現在のオドメトリ情報を維持するために、ロボットの相対運動を経時的に追跡し得る（例えば、同時位置特定およびマッピング（ＳＬＡＭ）を使用する）。いくつかの例では、ボクセルマップ２１０は、ボクセルマップ２１０がある期間にわたる複数のセンサーデータ１３４のセットを含むように、知覚システム２００によるセンサーデータ１３４の履歴収集を表すデータ構造である。

ボクセルマップ２１０は、一般に、３次元空間をボクセル２１２（すなわち、ピクセルの３次元表現に対応するグラフィック単位）として表す。例えば、図２Ａは、ボクセル２１２、２１２_１－ｉの３次元（３Ｄ）グリッドを示している。いくつかの例では、ボクセルマップ２１０の各ボクセル２１２は、３センチメートルの立方体エリアを表している。いくつかの構成では、ボクセルマップ２１０は、ボクセル２１２をセグメント２１４、２１４_１－ｉとして表している（例えば、図２Ｂに示されるように）。セグメント２１４は、ボクセル２１２を垂直方向の列に統合することを指す。言い換えれば、知覚システム２００は、３Ｄグリッドの同じ垂直方向の列内のボクセル２１２を組み合わせて、少なくとも１つのセグメント２１４を形成する。例えば、図２Ｃは、第１のセグメント２１４、２１４ａと第２のセグメント２１４、２１４ｂとを備えたセルの３Ｄグリッドを示している。ボクセル２１２をセグメント２１４として表すことによって、知覚システム２００は、ロボット１００の環境１０内の様々な障害物または物体の分類を単純化し得る。言い換えれば、知覚システム２００は、垂直方向の統合に起因して、数千のボクセル２１２ではなく、数百のセグメント２１４でボクセルマップ２１０を処理する。

いくつかの実装例では、知覚システム２００は、セグメント２１４を形成するときにギャップ閾値で構成される。言い換えれば、ギャップＧｐまたはボクセル２１２の非連続的な垂直方向の列は、知覚システム２００に、ギャップＧｐの前のボクセル２１２の垂直方向の列の連続した部分を表す第１のセグメント２１４を終了させ、ギャップＧｐの後のボクセル２１２の垂直方向の列の第２の連続した部分を第２のセグメント２１４として表させることができる。例えば、図２Ｃは、第２のセグメント２１４ｂを単一のセグメント２１４として示しているが（例えば、同じ灰色の影で指定されている）、知覚システム２００は、図２Ｃに示されるギャップＧｐがギャップ閾値を満たすのに十分な大きさである場合、第２のセグメント２１４ｂを別のセグメント２１４に分割するであろう。したがって、ボクセル２１２の垂直方向の列は、列内のギャップのサイズがギャップ閾値を満たす（例えば、超える）かどうかに応じて、複数のセグメント２１４を含むことができる。一方、ギャップＧｐの大きさが閾値を満たすことができない場合（例えば、図２Ｃに示されるように）、知覚システム２００は、ギャップＧｐを無視し、ギャップＧｐを有するボクセル２１２の垂直方向の列全体を単一のセグメント２１４として解釈するように構成される。いくつかの例では、ギャップ閾値は３０センチメートルであり、３０センチメートルを超える任意の垂直方向のギャップは、ギャップＧｐの一方の側においてセグメント２１４を終了し、ギャップＧｐの他方の側において新しいセグメント２１４の形成を引き起こすようになっている。ギャップＧｐにおいてセグメント２１４を分離することによって、知覚システム２００は、同じセグメント２１４内のすべてのボクセルが同じ下にある物体に対応することを推測するように構成され得る。

引き続き図２Ｃを参照すると、知覚システム２００は、ボクセルマップ２１０を分類して（例えば、セグメント２１４を分類して）、地面（すなわち、ロボット１００が踏むことができることを知覚システム２００が解釈する幾何学的エリア）、障害物（すなわち、ロボット１００の移動に干渉する可能性があることを知覚システム２００が解釈する幾何学的エリア）、または地面でも障害物でもないもの（例えば、無視され得るロボット１００の上にあるもの）に対応する部分を識別するように構成される。いくつかの構成では、ボクセルマップ２１０は、列の密な２次元グリッドを含み、列は、２次元グリッドの各特定のエリア（すなわち、セル）内のいくつかのセグメント２１４の数値表現である。さらに、各列は、列がその列に存在するボクセル２１２の数のカウントを含むように、ボクセル２１２の疎らなリストを含み得る。列は２次元グリッドのセルにおける垂直方向のセグメント２１４に対応し得るので、各セルは０個以上のセグメント２１４を有し得る。知覚システム２００がボクセル２１２を１つ以上のセグメント２１４にグループ化するとき、知覚システム２００は、各セグメント２１４（またはボクセル２１２）を、地面２１４、２１４_Ｇ、地面下２１４、２１４_ＵＧ、障害物２１４、２１４_ＯＢ、または頭上２１４、２１４_ＯＨなどの、対応する分類に分類するように構成される。セグメント２１４を地面２１４_Ｇとして分類することによって、知覚システム２００は、ロボット１００がセグメント２１４の上部を踏む可能性があることを示している。知覚システム２００がセグメント２１４を地下２１４_Ｕとして分類すると、この地下の分類は、知覚システム２００またはロボット１００の他のシステムのさらなる処理のために無視され得るセグメント２１４を示している。障害物２１４_ＯＢとして分類されたセグメント２１４は、ロボット１００が衝突する可能性があり、踏むことができない物体を指す。ここで、頭上２１４_ＯＨとして分類されたセグメント２１４は、ロボット１００が下を昇降することができると知覚システム２００が識別したセグメント２１４を指す。

一般的に言えば、本明細書の言語は、「地面」を指す一方で、時に地面１２（または地面平面）にも言及する。地面１２とは、世界環境１０の特徴部を指す。対照的に、地面Ｇは、ロボット１００が踏み得るエリア（例えば、ボクセル２１２またはセグメント２１４）の知覚システム２００による指定を指す。同様に、物体１４は、世界環境１０における物理的な構造体または特徴部であり、一方、「障害物Ｏ」は、知覚システム２００による物体１４の指定（例えば、占有されたボクセル２１２または障害物セグメント２１４_ＯＢ）である。言い換えれば、センサーシステム１３０は、環境１０においてロボット１００の近くにある物体１４に関するセンサーデータ１３４を収集するが、その物体１４は、物体１４がロボット１００の移動を妨げるかまたは防ぐ可能性があるエリアであるため、知覚システム２００が障害物Ｏとして解釈（すなわち、知覚）するものである。

いくつかの実装例では、知覚システム２００は、凸性の仮定に基づいて分類を実行するように構成される。凸性の仮定は、ロボット１００が方向を変えずに中心から略外側に移動することを想定している。知覚システム２００に関して、凸性の仮定は、知覚システム２００に、ロボット１００に最も近いその分類プロセスを開始し、外側に分類するように指示する。凸性の仮定に基づく知覚システム２００による分類中に、知覚システム２００は、連想的な方法でセル（またはセグメント２１４）を分類し得る。言い換えれば、セルの分類は、知覚システム２００がロボット１００とセルとの間で知覚したセルに基づいている。

ロボット１００が感知する物体を分類するとき、知覚システム２００は、様々な問題に遭遇する可能性がある。例えば、知覚システム２００が分類のために１．５次元（１．５Ｄ）分析（すなわち、その１Ｄ線上の各点に対する高さ関数を有する１次元の線）を使用する場合、知覚システム２００は、ロボット１００が数回連続して上方に昇降し、おそらくある程度の期間、その上方への昇降を継続するべきではないかどうかを識別する問題に遭遇するリスクを冒す。言い換えれば、ロボット１００は、地形を登っている可能性があり、必ずしも環境１０の最も低い真の表面に沿って相対的に昇降しているとは限らない。１．５Ｄ分析の別の潜在的な問題は、一連のセル（例えば、隣接するセル）の全体的な勾配を定量化することが困難である可能性があり、その結果、ロボット１００は、あまりにも急な勾配のセルを昇降しようとする。

これらの欠点に対処するための潜在的なアプローチは、知覚システム２００が許容高さプロセスを使用することである。許容高さ方法では、知覚システム２００は、ロボット１００が踏むことができない各セルの近傍の（例えば、隣接する）空間領域を定義する。知覚システム２００によって知覚されたすべてのセルまたはセルのいくつかのクラスタに対して、ロボット１００が踏むことができない空間エリアで、知覚システム２００は、ロボット１００が踏むことができる位置を、ロボット１００が踏むことができないエリアとして指定されていない空間領域の交点として分類する（すなわち、地面分類）。このアプローチは、１．５Ｄ分類アプローチのいくつかの欠陥を修正することができるが、環境１０によっては、この方法は、知覚システム２００が、ロボット１００が踏むことができる地面として十分なセルを分類しないような、あまりにも制限的なものになる可能性がある。

図２Ｄなどのいくつかの実装例では、知覚システム２００がセグメント２１４を効率的および／または正確に分類することができるように許容高さプロセスをより堅牢にするために、知覚システム２００は、その特定のセル以降の許容高さの追跡でセルの分類プロセスを開始する。ここで、追跡とは、ロボット１００が１つのセルから隣接するセルに踏み出すことができる高さの許容範囲を指す（例えば、凸性の仮定を考慮に入れる場合）。例えば、図２Ｄおよび２Ｅは、５つのセグメント２１４、２１４ａ～ｅおよびそれぞれの開始セルの位置（灰色で示されている）を参照する追跡線２１６を示している。知覚システム２００が分類中にセルを昇降するとき、追跡線２１６はシフトし（例えば、図２Ｄから図２Ｅに）、追跡の終わりに許容範囲の高さを追加することを継続する。シフト後、知覚システム２００は、追跡に対する現在の許容範囲の高さを処理し、小さな外乱（例えば、高さの外乱）を削除し、許容高さ範囲を単調になるように整形する。いくつかの例では、シフト後の処理により、分類中にセグメント２１４に対して加算と減算との両方が発生する。図２Ｄおよび２Ｅは、１次元アプローチに関してこの追跡分類プロセスを示しているが、知覚システム２００は、他の次元（例えば、２次元または３次元）で類似のプロセスを実行し得る。

いくつかの例では、知覚システム２００による分類は、状況に依存する。言い換えれば、図２Ｆおよび２Ｇに示されるように、ロボット１００が障害物に対して第１の姿勢Ｐ、Ｐ_１にあるとき、階段などの物体１４は、ロボット１００にとって障害物である可能性がある。しかし、別の姿勢Ｐ、例えば図２Ｇに示されるように、階段の前の第２の姿勢Ｐ_２では、物体１４はロボット１００にとって障害物ではなく、むしろロボット１００が昇降することができる地面と考えるべきである。したがって、セグメント２１４を分類するとき、知覚システム２００は、物体１４に対するロボット１００の位置および／または姿勢Ｐを説明する。

いくつかの構成では、ボクセル占有の厳密なマップに対応するのではなく、ボクセルマップ２１０は、ボクセルマップ２１０内の各ボクセル２１２の視覚的確実性に対応する。例えば、知覚システム２００は、ボクセルマップ２１０内の各ボクセル２１２に対して点重みＷ_ｐ（例えば、図２Ｃに示されるように）を含み、点重みＷ_ｐは、知覚システム２００がセンサーデータ１３４に基づいて特定のボクセル２１２の占有を知覚した（すなわち、受信／処理した）回数を表す。より具体的には、知覚システム２００は、特定の頻度でセンサーデータ１３４を受信する。これらの例では、知覚システム２００が、知覚システム２００によって以前に占有されていると識別されたボクセル２１２のセンサーデータ１３４を受信すると、知覚システム２００は、以前に識別されたボクセル２１２の占有におけるより大きなレベルの信頼性を伝達するために、点重みＷ_ｐを調整する。いくつかの例では、点重みＷ_ｐはまた、ボクセル占有を識別するセンサー１３２のタイプの係数も含む。例えば、ＬＩＤＡＲセンサー１３２は、ステレオカメラセンサー１３２よりも高い精度を有する。ここで、知覚システム２００は、点重みＷ_ｐを調整して、センサーデータ１３４を収集するセンサー１３２の精度を表す（例えば、ＬＩＤＡＲセンサー１３２は、ステレオカメラセンサー１３２よりも正確である）。別の例では、点重みＷ_ｐは、識別されたボクセル２１２の距離に基づいて、センサー１３２のタイプを説明する。例えば、物体１４からさらに離れると、ステレオカメラの精度が低下する（例えば、より非空位点重みを受信することになる）。対照的に、ＬＩＤＡＲセンサー１３２は、より遠い距離では正確であるが、物体１４がＬＩＤＡＲセンサー１３２に近い場合、点群密度が増加するため、はるかに正確ではない。したがって、ボクセル２１２の点重みＷ_ｐは、ボクセル識別の精度に影響を与える１つ以上の要因（例えば、以前の識別、距離、センサー１３２のタイプ、またはそれらの任意の組み合わせ）を説明し得る。

いくつかの例では、ボクセルの点重みＷ_ｐは、占有閾値に基づいて存在する（すなわち、知覚システム２００によって割り当てられる）。占有閾値は、知覚システム２００が、センサーデータ１３４に基づいてボクセル２１２が占有されているという特定の信頼性を有することを示す。例えば、占有閾値は、ボクセル２１２がセンサーデータ１３４に基づいて占有されていると知覚された回数のカウント値に設定される。言い換えれば、占有閾値が１０という値に設定されている場合、知覚システム２００がボクセル２１２の占有を示すセンサーデータ１３４に１０回遭遇すると、そのボクセル２１２には、その存在を指定する点重みＷ_ｐが与えられる。いくつかの実装例では、知覚システム２００は、センサーデータ１３４に関する特性（例えば、距離、センサー１３２のタイプなど）に基づいて、ボクセル２１２の存在を指定する点重みＷ_ｐを割り引く。

図２Ｃに戻って参照すると、いくつかの実装例では、ボクセルマップ２１０は、ボクセル高さ２１２ｈを含む（例えば、第３のセグメント２１４ｃのボクセル２１２は、ボクセル高さ２１２ｈにおいて濃い灰色にシェーディングされて示されている）。ボクセル高さ２１２ｈは、知覚システム２００がセンサーデータ１３４に基づいて物体の存在を識別するボクセル２１２内の点の平均高さを指す。各ボクセル２１２に対してボクセル高さ２１２ｈを含めることによって、知覚システム２００のボクセルマップ２１０は、物体がボクセル２１２全体を占有すると仮定するよりも高いレベルの精度を含む。例えば、ボクセル２１２が３立方センチメートルである場合、ボクセルマップ２１０は、３立方センチメートルを超える解像度でボクセル２１２内の物体の高さを識別する。これにより、知覚システム２００は、ボクセル２１２のサイズによって離散化されるのではなく、物体の高さ（例えば、地面高さ）の実際の値を反映することができる。いくつかの例では、ボクセルマップ２１０がボクセル高さ２１２ｈを含む場合、知覚システム２００は、各ボクセル２１２の高さ２１２ｈの分散を経時的に追跡する。

ボクセル２１２に対するボクセル高さ２１２ｈおよび点重みＷ_ｐは、一般的に別々に考察されてきたが、知覚システム２００は、これらの特性の１つまたはいくつかの組み合わせを含むボクセルマップ２１０を生成し得る。さらに、ボクセルマップ２１０の特性に関係なく、知覚システム２００は、特定の基準に基づいてセンサーデータ１３４を不適格とするように構成され得る。基準のいくつかの例は、センサーデータ１３４が、明るすぎる、暗すぎる、感知された物体に近すぎるセンサー１３２からのものである、感知された物体から遠すぎるセンサー１３２からのものである、またはロボット１００の構造体（例えば、腕または脚１２０）に近すぎるものであることを含む。例えば、ステレオカメラセンサー１３２は、このセンサー１３２の状態がこの基準を満たすとき（例えば、明るすぎる、暗すぎる、近すぎる、または遠すぎる）、制限された精度を有し得る。不正確になる傾向があるセンサーデータ１３４を不適格にすることによって、知覚システム２００は、環境１０の周りで移動し、環境１０内で活動を実行するために、ロボット１００による制御システム１７０によって使用され得る正確なボクセルマップ２１０を保証する。そのような精度がなければ、ロボット１００は、環境１０におけるその操縦中に、衝突、他のタイプの干渉、または不必要な回避のリスクを冒す可能性がある。

知覚システム２００は、ボクセルマップ２１０がロボット１００のセンサー１３２によって捕捉された環境１０のいくつかまたはすべての部分にまたがるように、経時的にボクセルマップ２１０を蓄積し得る。ボクセルマップ２１０は非常に大きくなる可能性があるため、ロボット１００のすぐ周囲を中心とするエリアは、センサーシステム１３０によって以前に感知され、知覚システム２００によって知覚されたエリアよりも精度が高くなる可能性がある。これは、ロボット１００がボクセルマップ２１０の特定のエリアから長期間離れている場合に特に当てはまる可能性がある。

いくつかの実装例では、ボクセルマップ２１０内のボクセル２１２の点重みＷ_ｐは、経時的に徐々に減衰する。段階的減衰により、物体（すなわち、占有されたボクセル２１２）は、最近見られた物体が、ずっと前に見られた物体よりもボクセルマップ２１０に対してより重要であるような時間的成分を有することができる。例えば、知覚システム２００は、現在のセンサーデータ１３４内に現れていない、または正確に現れていない（例えば、不適格ではない）ボクセル２１２に対して、緩やかな減衰頻度に基づいて点重みＷ_ｐ（すなわち、点重みＷ_Ｐの値）を減少させる（例えば、３秒ごとにポイント重みＷ_ｐを何らかの係数（例えば、何らかの割合）で減少させる）。段階的減衰は、占有されたボクセル２１２の点重みＷ_ｐが特定の閾値未満に減少することができないように構成され得る。ここで、この点重み閾値は、占有閾値の別の形式またはそれ自体の独立した閾値であり得る。点重み閾値を使用することによって、知覚システム２００は、ボクセル２１２に対応する空間が占有されているが、最近（すなわち、所与の期間に）センサーデータ１３４に現れていないことを認識する。

いくつかの例では、ボクセルマップ２１０の部分は、ロボット１００のコンピューティングシステム１４０内、および／またはコンピューティングシステム１４０と通信するリモートシステム１６０内に格納される。例えば、知覚システム２００は、特定の点重みＷ_ｐ（例えば、点重み記憶閾値に基づく）を有するボクセルマップ２１０の部分をストレージに転送して、知覚システム２００の潜在的な処理を減少する。他の例では、知覚システム２００は、点重み削除閾値などの特定の点重Ｗ_ｐを満たすボクセルマップ２１０の部分を、（例えば、点重み削除閾値を下回ように）削除または排除する。例えば、知覚システム２００がボクセル２１２の点重みＷ_ｐをほぼゼロ（または本質的にゼロ）に減少すると、知覚システム２００はボクセルマップ２１０からボクセル２１２を排除する。

各ボクセル２１２の点重みＷ_ｐを使用して、知覚システム２００は、点重みＷ_ｐに基づいてセグメント２１４を生成し得る。言い換えれば、いくつかの構成では、知覚システム２００は、セグメント生成中にセグメント生成閾値を下回る点重みＷ_ｐを有するボクセル２１２を無視することを示すセグメント生成閾値を含む。したがって、知覚システム２００は、セグメント生成閾値を下回る点重みＷ_ｐを有するボクセル２１２においてセグメント２１４を生成しない。

図２Ｈを参照すると、いくつかの例では、知覚システム２００は、負のセグメント２１４、２１４_Ｎ（例えば、第１の負のセグメント２１４_Ｎａおよび第２の負のセグメント２１４_Ｎｂ）を生成するように構成される。負のセグメント２１４、２１４_Ｎは、ボクセルマップ２１０内の既知の空きスペースであるエリアの表現である。負のセグメント２１４_Ｎは、ボクセルマップ２１０において、何もないことが確認されているエリアと、何もないことがわからないエリアとを区別することができる。言い換えれば、負のセグメント２１４_Ｎは、知覚システム２００が、ロボット１００が見た場所と見なかった場所とを区別することを可能にする（例えば、センサーシステム１３０を用いて）。いくつかの例では、負のセグメント２１４_Ｎがボクセル２１２にさらに分割（すなわち、処理）されないため、負のセグメント２１４_Ｎは知覚システム２００の処理リソースを保存する。これは、知覚システム２００が既知の空の空間の任意のさらなる処理に専念することを防ぐ。いくつかの実装例では、知覚システム２００によって生成された負のセグメント２１４_Ｎは、ロボット１００が負のセグメント２１４_Ｎに関連付けられている位置から離れる方向に移動するにつれて縮小される（例えば、減衰に類似している）。ここで、知覚システム２００が負のセグメント２１４_Ｎを縮小する速度は、ロボット１００の推定オドメトリドリフト（すなわち、オドメトリ情報によって証明される位置の変化）に基づいてもよい。

負のセグメント２１４_Ｎは、知覚されていない位置に地面が存在し得る位置の推定値を提供することによって、セグメントを地面と障害物とに分類する際に、知覚システム２００を助けることができる。例えば、知覚システム２００が地面を識別していない（例えば、地面を分類した）が、知覚システム２００がボクセルマップ２１０の特定の範囲に負のセグメント２１４_Ｎが存在することを識別したとき、知覚システム２００は、センサーシステム１３０が負のセグメント範囲の下のエリアを見ていない（すなわち、感知していない）にもかかわらず、地面が負のセグメント範囲の下のどこかに存在すると仮定することができる。別の言い方をすると、知覚システム２００は、見えないエリアの上側境界の上に負のセグメント２１４_Ｎ（すなわち、既知の空の空間）を生成し得るので、負のセグメント２１４_Ｎは、ボクセルマップ２１０の見えないエリアに上側境界を配置し得る。例えば、知覚システム２００が、第１の負のセグメント２１４_Ｎａと第２の負のセグメント２１４_Ｎｂの両方を感知したが、各負のセグメント２１４_Ｎａ～ｂの下の地面セグメント２１４_Ｇを感知しなかった場合。次に、知覚システム２００は、地面セグメント２１４_Ｇが知覚された負のセグメント２１４_Ｎａ～ｂ下に存在することを仮定し得る。追加的または代替的に、負のセグメント２１４_Ｎにより、知覚システム２００が、知覚システム２００によって生成された近傍のマップ２２０のための目に見えない地形の高さを推定することができる。

いくつかの例では、知覚システム２００は、光線追跡の概念を利用して、ボクセルマップ２１０からデータを削除する。従来、光線追跡とは、センサーデータ１３４（例えば、点群）とセンサー１３２との間の線を追跡してセンサーデータ１３２を生成する技術を指す。この技術に基づいて、センサー１３２がある距離で物体を感知するとき、物体とセンサー１３２との間の線は妨げられていないと推定され得る。したがって、物体とセンサー１３２との間の線を追跡することによって、光線追跡技術は、その線上に何かが存在するかどうかをチェックする。物体がロボット１００の環境１０内を物理的に動き回ることができるので、光線追跡は有利であり得る。物理的に移動している物体では、知覚システム２００は、移動している物体が現在占有していない空間を占有しているボクセルマップ２１０を生成する可能性があり、したがって、ロボット１００に誤った障害物をもたらす可能性がある。光線追跡に基づく技術を使用することによって、知覚システム２００は、一般的に、センサーシステム１３０が、以前に知覚システム２００が物体（例えば、１つ以上のボクセル２１２）を知覚した環境１０の一部分を現在見通すことができる（例えば、点群が所与の空間に対する元の点群の範囲を超えて現在延びている）場合、以前に知覚された物体に対応するボクセルマップ２１０の元の部分を削除するか、または少なくとも部分的に修正するべきである処理戦略を適用する。言い換えれば、現在のセンサーデータのセット１３４（例えば、画像データ）は、以前のセンサーデータのセット１３４（例えば、元のセンサーデータ１３４）から知覚された物体が、ボクセルマップ２１０によってもはや正確に描写されていないことを示す。追加的または代替的に、光線追跡に基づく技術は、オドメトリドリフトが存在するとき、またはセンサーノイズに起因してボクセルマップ２１０に誤った物体が現れる場合にも役立つ可能性がある。

図２Ｉ～２Ｌを参照すると、いくつかの例では、知覚システム２００は、光線追跡への修正されたアプローチを実行するように構成される。センサー１３２とセンサーデータ１３４との間の線を追跡する代わりに、知覚システム２００は、センサーデータ１３４（例えば、知覚システム２００が受信する最新のセンサーデータ１３４のセット）の球形深度マップ２１８を構築する。センサーデータ１３４の球形深度マップ２１８を使用して、知覚システム２００は、球形深度マップ２１８を、知覚システム２００がこれまでに生成したボクセルマップ２１０と比較する。いくつかの例では、知覚システム２００は、知覚システム２００がボクセルマップ２１０の既存のセグメント２１４を球形深度マップ２１８と比較するように、セグメントレベルで比較を実行する。球形深度マップ２１８をボクセルマップ２１０と比較することによって、知覚システム２００の処理は、従来の光線追跡アプローチよりも計算効率が高い。以下の式（１）および（２）は、式（１）の従来の光線追跡技術と式（２）の修正光線追跡アプローチとの間の計算コストを示している。

式中、０（ｆ（Ｎ））は、環境１０内のＮ個の物体のセットである。ここで、式（１）に示すような従来の光線追跡の計算コストは、点の数Ｎ_ｐ（すなわち、センサーデータ１３４に対応する点）をＲでスケーリングした係数であり、Ｒは、光線（すなわち、追跡線）が平均して通過するボクセル２１２の数を表す。対照的に、式（２）に示されるように、修正された光線追跡アプローチの計算コストは、比較に関与する点の数Ｎ_ｐとセグメント２１４の数Ｎ_ｓとの合計の係数である。従来の光線追跡の計算コストは、セグメントの数Ｎ_Ｓを含む合計ではなく、Ｒによってスケーリングされるので、従来の光線追跡は、一般的に、修正された光線追跡アプローチよりも計算コストが数倍高くなる。

いくつかの実装例では、知覚システム２００は、列間の比較を実行することによって、既存のボクセルマップ２１０を球形深度マップ２１８と比較する。言い換えれば、ボクセルマップ２１０の各列（すなわち、垂直方向の平面またはｚ平面）は、球形深度マップ２１８の列に対応する。列内の各セグメント２１４に対して、知覚システム２００は、球形深度マップ２１８の対応する列の高さ範囲をチェックして、球形深度マップ２１８を形成するセンサーデータ１３４がセグメント２１４よりもさらに感知したかどうかを決定する。言い換えれば、知覚システム２００が、球形深度マップ２１８内の同じ位置にある列からの高さ範囲と一致するボクセルマップ２１０からの列内のセグメント２１４に遭遇したとき、知覚システム２００は、セグメント２１４を削除することによってボクセルマップ２１０を更新しない（すなわち、球形深度マップ２１８を形成するセンサーデータ１３４は、ボクセルマップ２１０におけるセグメント２１４の存在を検証する）。一方、知覚システム２００が、ボクセルマップ２１０からの列の中で、球形深度マップ２１８の同じ位置にある列からの高さ範囲と一致しないセグメント２１４に遭遇したとき、知覚システム２００は、セグメント２１４を削除することによってボクセルマップ２１０を更新する（すなわち、球形深度マップ２１８を形成するセンサーデータ１３４は、ボクセルマップ２１０内のセグメント２１４がもはや存在しないことを検証する）。いくつかの例では、高さ範囲が変化したとき（例えば、下にある物体がわずかに移動するとき）、知覚システム２００は、ボクセルマップ２１０の対応するセグメント２１４を完全に削除するのではなく修正する。ボクセルの観点から、比較プロセスは、球形深度マップ２１８を形成するセンサーデータ１３４を使用して、ボクセル２１２が、知覚システム２００がセグメント２１４を削除または修正した位置をもはや占有していないことを確認する。ここで、球形深度マップ２１８を形成するセンサーデータ１３４は、ボクセルマップ２１０を形成する元のセンサーデータ１３４の後に得られる現在のセンサーデータ１３４（例えば、画像データ）のセットを含む。

図２Ｉおよび２Ｊに示されるように、いくつかの構成では、球形深度マップ２１８は、センサーデータ１３４の球形表現である。球形表現として、知覚システム２００は、ロボット１００に関するセンサーデータ１３４を生成する各センサー１３２からの距離（例えば、ｘ－ｙ平面内）および高さ（例えば、ｚ平面内）に矩形構造体を形成することによって、球形深度マップ２１８を構築してもよい。例えば、図２Ｉは、センサーデータ１３４の点によって画定される矩形構造体を示している。図２Ｊは、センサーデータ１３４（図２Ｉに示される）およびボクセルマップ２１０の現在のセグメント２１４_１－ｉに重ねられた球形深度マップ２１８を示している。ここで、物体１４（例えば、人物の下部）は、ロボット１００の近傍に障害物セグメント２１４_ＯＢとして示されている。別の言い方をすれば、ロボット１００は、センサー１３２の範囲に基づいて半径方向に延びる球（または３次元形状）の中心にある。いくつかの例では、ロボット１００（例えば、知覚システム２００）は、この球をくさび形またはピラミッド形のセクションに分割し、セクションの頂点はロボット１００に対応する。セクションのサイズは、知覚システム２００の構成に応じて変化し得る。いくつかの例では、この断面アプローチでは、ピラミッド形の断面のベースが、球形深度マップ２１８の矩形構造体を形成する。

図２Ｋおよび２Ｌを参照すると、環境１０内のロボット１００および物体１４（例えば、図２Ｉおよび２Ｊに示される人物）の両方が移動するときに、変化する視野Ｆ_Ｖとの相互作用が存在する。例えば、センサーシステム１３０は、ロボット１００が人物から特定の距離にあるときに、ある位置にいる人物全体を見ることができる。例えば、図２Ｋのセグメント２１４は、人物に対応する。しかし、図２Ｌに示されるようにロボット１００が人物に近づくとき、センサーシステム１３０は、人物全体よりも少ない人物を感知する（例えば、センサーデータ１３４は、膝から腰まで人物を捕捉する）。これらのシナリオでは、人物がその位置から離れる方向に移動すると、知覚システム２００は、修正光線追跡に基づいて、膝から腰までの人物がもはや存在しないことを知覚するが、膝の下と腰の上の人物に対応した他のセグメント２１４（例えば、第２のセグメント２１４ｂおよび第３のセグメント２１４ｃとして示される）ももはや存在しないことを関連付けることができない場合がある。言い換えれば、ロボット１００は、知覚システム２００による削除または修正中にセグメント２１４を関連付ける方法を欠いており、これは、人物のアーティファクトがボクセルマップ２１０に不正確に存在する原因となる。この問題に対処するために、知覚システム２００が修正された光線追跡アプローチによってボクセル２１２および／またはセグメント２１４を削除するとき、知覚システム２００はヒューリスティックを使用して、同じ下にある物体の一部である可能性が高い近くの曖昧なボクセル２１２_ａｍを識別し、削除する。

いくつかの例では、ボクセルマップ２１０は、ボクセル２１２および／またはセグメント２１４の色の視覚化を含む。例えば、知覚システム２００は、色の視覚化を伴うボクセルマップ２１０をロボット１００のデバッグプログラムに通信して、オペレータがロボット１００の地形の問題を視覚的に理解できるようにすることができる。別の例では、知覚システム２００は、視覚化を伴うボクセルマップ２１０を、ロボット１００の移動を制御しているロボット１００のオペレータに伝達して、オペレータがロボット１００の周囲を理解できるようにする。手動オペレータは、特にロボット１００がオペレータから一定の距離にあり、オペレータがロボット１００の周囲のいくつかまたはすべてを視覚化する場合に、視覚化を好む場合がある。

図３Ａ～３Ｌを参照すると、ボクセルマップ２１０に基づいて、知覚システム２００は、１つ以上のボディ障害物マップ２２０を生成するように構成される。ボディ障害物マップ２２０は、一般に、ロボット１００のボディ１１０が、ロボット１００に関してＸ－Ｙ平面内の位置と重なることができるかどうかを決定する。言い換えれば、ボディ障害物マップ２２０は、ロボット１００の障害物を識別して、ロボット１００が環境１０内のある位置で重なることによって、同じ位置の近傍または同じ位置にある障害物との衝突または潜在的な損傷のリスクを冒すかどうかを示す。ロボット１００のボディ１１０の障害物のマップとして、ロボット１００のシステム（例えば、制御システム１７０）は、ボディ障害物マップ２２０を使用して、ロボット１００に隣接する、またはロボット１００に最も近い境界を識別するとともに、障害物を回避するためにロボット１００を移動させる方向（例えば、最適な方向）を識別してもよい。いくつかの例では、他のマップ２１０、２３０、２４０と同様に、知覚システム２００は、セル２２２のグリッド（例えば、Ｘ－Ｙ平面のグリッド）に従って、ボディ障害物マップ２２０を生成する。ここで、ボディ障害物マップ２２０内の各セル２２２は、障害物からの距離ｄと、障害物（すなわち、障害物の境界）である最も近いセル２２２を指すベクトルｖとを、含む。例えば、ボディ障害物マップ２２０全体は、セル２２２（例えば、３センチセルの１２８×１２８グリッド）に分割され得るが、図３Ａでは、各々がベクトルｖと、障害物の最も近い境界までの距離ｄと、を含む６つのセル２２２、２２２ａ～ｆを示している。

図３Ａおよび３Ｂを参照すると、いくつかの例では、知覚システム２００は、ボクセルマップ２１０から２つのボディ障害物マップ２２０ａ、２２０ｂ、第１のボディ障害物マップ２２０、２２０ａ、および第２のボディ障害物マップ２２０、２２０ｂを導出する。図３Ａに示されるように、知覚システム２００によって生成された第１のボディ障害物マップ２２０ａ（標準の障害物マップ２２０ａとも称される）は、制御システム１７０のステップロケータ１７６がロボット１００の足の配置位置を識別するステッププランを生成することを可能にする。図３Ｂでは、知覚システム２００によって生成された第２のボディ障害物マップ２２０ｂ（拡張された障害物マップ２２０ｂとも称される）により、制御システム１７０のボディパスジェネレータ１７４が、ロボット１００のボディ１１０の粗い軌道（例えば、ボディ１１０の並進などの水平方向の運動、およびヨー回転）を定義することができる。一般的に言えば、標準の障害物マップ２２０ａは、拡張された障害物マップ２２０ｂよりも処理の少ないマップ２２０であり、したがって、環境１０内の実際の物理的障害物のより正確な表現と考えることができる。より多く処理されたマップ２２０として、拡張された障害物マップ２２０ｂは、環境１０内の障害物の潜在的フィールド表現を含む。

図３Ａおよび３Ｂを引き続き参照すると、各マップ２２０は、ボディ障害物領域２２４（例えば、黒で示される）を含み、ボディ障害物領域２２６（例えば、斜めの斜線パターンとして示される）を含まない。ボディ障害物領域２２４は、知覚システム２００がボクセルマップ２１０に基づいて障害物を識別するボディ障害物マップ２２０のエリア（例えば、１つ以上のセル２２２）を指す。例えば、ボディ障害物領域２２４は、物体の境界上に位置しているセル２２２（すなわち、物体の境界を空間的に表すセル）に対応し、知覚システム２００は、ボクセル／セグメント分類中に障害物として指定される。これに対して、ボディ障害物領域２２６は、知覚システム２００がボクセルマップ２１０に基づいて障害物を識別しないボディ障害物マップ２２０のエリア（例えば、１つ以上のセル２２２）を指す。いくつかの実装例では、これらの領域２２４、２２６は、知覚システム２００によってさらに処理され得る（例えば、領域２２４、２２６を修正するために）。例えば、知覚システム２００は、図３Ａの標準のボディ障害物マップ２２０ａと比較したとき、図３Ｂの拡張されたボディ障害物マップ２２０ｂにおいて、ロボット１００の進行方向Ｄ_Ｔのボディ障害物領域２２４をより狭くなるように修正した。

いくつかの構成では、最初に、知覚システム２００は、同様の処理方法で両方のボディ障害物マップ２２０ａ～ｂを生成する。ボクセルマップ２１０は、障害物がボクセルマップ２１０の特定の位置（例えば、ボクセルマップ２１０のセル）に存在するかまたは存在しないかの分類を含むので、知覚システム２００は、この障害物／障害物なしの指定を、ボディ障害物マップ２２０の各対応する位置に変換する。障害物または障害物の欠如がボディ障害物マップ２２０内に（例えば、領域２２４、２２６として）表されると、知覚システム２００は、各ボディ障害物マップ２２０をフィルタリングして、低重みの（例えば、不十分なセンサーデータ１３４）小さなエリアを削除する。いくつかの例では、知覚システム２００によるフィルタリングプロセスは、拡張、低重みエリアの浸食、および／または減少によって、ボクセルマップ２１０から変換された情報を修正する。ここで、低重みエリアとは、ボクセルマップ２１０によって識別される、セグメント２１４の高さとそのセグメント２１４の点重みとの何らかの組み合わせを有するエリアを指す。言い換えれば、フィルタリング中に、知覚システム２００は、ボディ障害物マップ２２０ａ～ｂのエリアからセグメント２１４をいつ削除するかを指定するために、セグメント２１４の高さおよび／またはセグメント２１４の点重みの１つ以上の閾値を含み得る。この削除は、実際の物理的物体の表現を維持しながら、センサーノイズ（すなわち、不十分なセンサーデータ）を排除することを目的としている。追加的または代替的に、ボディ障害物マップ２２０を形成するとき、知覚システム２００は、ロボットの現在の姿勢Ｐの下にあるエリアをマークし、そのエリアに新しい障害物がマークされるのを防ぐ。

図３Ｃおよび３Ｄを参照すると、いくつかの構成では、知覚システム２００は、障害物の影を含むように標準のボディマップ２２０ａをさらに処理する。障害物の影は、障害物（例えば、ボディ障害物領域２２４）の拡大であり、これにより、ステップロケータ１７６は、制約抽出をより効果的に実行することができる。障害物の影がないと、ステップロケータ１７６は、ボディ障害物マップ２２０によって表される壁などの薄い障害物の制約抽出が困難になる可能性がある。例えば、図３Ｃは、図３Ｄが厚くなった特徴（すなわち、より大きなボディ障害物領域２２４）で示すように、知覚システム２００がボディ障害物領域２２４を障害物の影を含むように拡大する前に、ボディ障害物マップ２２０内のボディ障害物領域２２４の薄い特徴（例えば、薄い壁）を示している。ここで、厚くなった特徴は、知覚システム２００が、ボディ障害物領域２２４のセルに隣接する１つ以上のセルを、同じボディ障害物領域２２４の一部として指定することによって発生する。いくつかの例では、障害物の影が障害物の背後のエリアをマップの端まで塗りつぶす。このアプローチは、壁がその正面（すなわち、ロボット１００に面する）においてロボット１００までの真の距離を有するが、その裏側（すなわち、ロボット１００に面しない側）では障害物の影が厚くなるだけであるように、影を指向的に生成する。

図３Ｅ～３Ｌを参照すると、拡張されたボディ障害物マップ２２０ｂは、ユーザ定義領域２２８_ＵＲ（図３Ｅ～３Ｇ）、ギャップ充填領域２２８_ＧＦ（図３Ｈ）、および／またはベクトルフィールド２２８_ＶＦ（図３Ｉ～３Ｌ）など、１つ以上の障害物に基づく特徴部２２８を含む。いくつかの例では、ロボット１００のオペレータは、拡張されたボディ障害物マップ２２０ｂにユーザ定義領域２２８_ＵＲを含む。ユーザ定義領域２２８_ＵＲは、オペレータが障害物（すなわち、ボディ障害物領域２２４を形成および／または修正する仮想障害物）を生成するために拡張されたボディ障害物マップ２２０ｂに挿入する形状（例えば、多角形）を指す。例えば、オペレータは、ロボット１００がコースから外れることができる距離を制限する。オペレータは、インターフェース（例えば、アプリケーションプログラミングインターフェース（ＡＰＩ））と対話して、拡張されたボディ障害物マップ２２０ｂに挿入する形状を描画または選択することができる。例えば、インターフェースはコントローラ（例えば、リモコン）またはあるタイプの端末（例えば、コンピュータのディスプレイ）である。いくつかの実装例では、オペレータによって生成されたユーザ定義領域２２８_ＵＲに基づいて、知覚システム２００は、ユーザ定義領域２２８_ＵＲを、拡張されたボディ障害物マップ２２０ｂ上のボディ障害物領域２２４に変換する。これらのユーザ定義領域２２８_ＵＲは、拡張されたボディ障害物マップ２２０ｂの部分として、ロボット１００の進行パスに対するさらなる制限をもたらす可能性がある。例えば、図３Ｅは、第１のユーザ定義領域２２８_ＵＲａの正方形形状に基づいて、図３Ｆに示されたボディ障害物領域２２４を修正する２つのユーザ定義領域２２８_ＵＲ、２２８_ＵＲａ～ｂを示している。ここで、ユーザ定義領域２２８_ＵＲａは、知覚システム２００が、ボディ障害物領域２２４と交差するユーザ定義領域２２８_ＵＲａの一部分をボディ障害物領域２２４に統合するような仮想障害物を示すように構成される。ユーザ定義領域２２８_ＵＲは、ボディ障害物（例えば、１つ以上のボディ障害物領域２２４と統合する）または障害物ではない（例えば、１つ以上のボディ障害物領域２２６と統合する）と指定され得る。ユーザ定義領域２２８_ＵＲは、ロボット１００のボディ軌道に影響を与える可能性があるが、ステップロケータ１７６が誤った障害物（すなわち、仮想オブジェクト）に反応することを避けるために、ユーザ定義領域２２８_ＵＲは、ステップロケータ１７６に入力されない。

図３Ｇおよび３Ｈを参照すると、いくつかの構成では、拡張されたボディ障害物マップ２２０ｂは、ギャップ充填領域２２８_ＧＦ形成するギャップフィラーを含む。ギャップ充填は、狭いギャップを充填することによってギャップ充填領域２２８_ＧＦを形成する知覚システム２００のギャップフィラーによる処理技術である。例えば、知覚システム２００は、ロボット１００の幅と同等またはほぼ同等の狭いギャップを充填することによって、ギャップ充填領域２２８_ＧＦを形成する。ギャップフィラーを使用して、知覚システム２００は、ロボット１００がどのようなサイズの通路を通過できるかに関して明確に区別するために、ギャップ充填領域２２８_ＧＦを形成するように構成される。いくつかの例では、ギャップフィラーは、各セル２２２に含まれる最も近い障害物境界までの距離ｄおよびベクトルｖに応じて、セルごとにギャップ充填領域２２８_ＧＦを形成する。所与のセル２２２に対して、ギャップフィラーは、セルの最も近い障害物境界および少なくとも２つの隣接するセルの最も近い障害物境界を識別する。識別された３つの障害物境界のうちの２つが、距離充填閾値（例えば、事前決定された距離範囲）を満たす距離だけ分離されているとき、ギャップフィラーは、ギャップ充填領域２２８_ＧＦを形成する、距離をまたぐセルを充填する（すなわち、ギャップを充填する）。ギャップ充填によって、ギャップフィラーは、ロボット１００がそれ自体を狭く、潜在的に通行不能な通路に押し込むことを回避することを確実にする。これは、特に、ボクセルマップ２１０および拡張されたボディ障害物マップ２２０が、センサーシステム１３０（例えば、センサーデータ１３４の絶え間ない受信）に基づいて変更または更新される可能性があるとき、ロボット１００が狭い通路内で立往生するかまたは詰まるのを防止しようとするものである。ユーザ定義領域２２８_ＵＲと同様に、知覚システム２００は、ギャップ充填領域２２８_ＧＦをステップロケータ１７６に通信しない。ステップロケータ１７６（例えば、滑りまたはつまずきから）バランスを維持するために、ギャップ充填領域２２８_ＧＦを利用する必要があり得る。

例えば、図３Ｇは、各領域２２４の間にギャップを有する２つのボディ障害物領域２２４ａ～ｂを示している。示されるように、知覚システム２００は、セル２２２（ラベルされたＡ、Ｂ、およびＣ）を識別し、各セル２２２の最も近い障害物境界を決定する（例えば、ベクトルｖ_１～３として示される）。ここで、知覚システム２００（例えば、ギャップフィラーによる）は、セルＡおよびセルＢが異なる最も近い障害物境界を識別し、これらの識別された最も近い障害物境界間の距離が距離充填閾値よりも小さいことを決定する。この決定に基づいて、ギャップフィラーは、図３Ｈに示されるように、斜線のセル２２２を充填し、斜線のセルにまたがるギャップ充填領域２２４_ＧＦを形成する。図３Ｈは、このプロセスが２つのボディ障害物領域２２４ａ、２２４ｂ（図３Ｇ）をブリッジして、ギャップ充填領域２２８_ＧＦを含む単一のボディ障害物領域２２４を形成することを示している。

図３Ｉ～３Ｌを参照すると、いくつかの例では、拡張されたボディ障害物マップ２２０ｂは、障害物に基づく特徴部２２８としてベクトルフィールド２２８_ＶＦを含む。ベクトルフィールド２２８_ＶＦを使用して、拡張されたボディ障害物マップ２２０ｂは、潜在的フィールに基づく障害物回避を可能にし得る。言い換えれば、制御システム１７０（例えば、ボディ軌道生成中）は、潜在的フィールドを形成するベクトルｖ、ｖ_１－ｉの方向に従うことによって障害物を回避することができる。ここで、ベクトルフィールド２２８_ＶＦのベクトルｖの方向は、ボディ障害物マップ２２０の各セル２２２に含まれる最も近い障害物境界への方向を逆にすることによって、各セル２２２について定義される。残念ながら、ベクトルフィールド２２８_ＶＦのフィールド方向（すなわち、集合方向）をさらに処理しなければ、最も近い境界ベクトルｖから得られる生のフィールド方向は平滑ではなく、制御システムが軌道のチャタリングに悩まされることが多いため、ベクトルｖの方向はセル２２２からセル２２２（例えば、隣接するセル）へと急激に変化する可能性がある。この状態のままにすると、フィールドの方向によって、フィールドベースの障害物の回避が妨げられる可能性がある（例えば、突然の制御操作によって）。例えば、図３Ｉは、急激な方向変化を伴う生のベクトルフィールド２２８_ＶＦを示しており、全体的なベクトルフィールド２２８_ＶＦがギザギザに見え、したがって、全体的な破壊的な潜在的フィールドをもたらす。

図３Ｊに示されるように、潜在的フィールドに基づく障害物回避への混乱を防ぐために、知覚システム２００は、意味のあるベクトルフィールド２２８_ＶＦをロボット１００のボディ軌道に使用できるように、生のベクトルフィールド２２８_ＶＦを平滑化するさらなる処理を実行する。いくつかの例では、知覚システム２００は、平滑化カーネルによって生のベクトルフィールド２２８_ＶＦを平滑化する。例えば、平滑化カーネルは、セル２２２の正方形のエリアにわたる平均化フィルタである。平滑化カーネルは、生のベクトル形式でベクトルｖを正規化できる画像処理技術である。拡張されたボディ障害物マップ２２０ｂでは、平滑化は、複数の障害物が重なる影響領域を有するときに特に重要である可能性があり、これは、近くの障害物が互いのベクトルフィールド２２８_ＶＦに影響を与える可能性があることを意味する。図３Ｋおよび３Ｌを参照すると、２つの近くのＬ字形の障害物は、第１のボディ障害物領域２２４ａおよび第２のボディ障害物領域２２４ｂによって表される。各ボディ障害物領域２２４ａ、２２４ｂは、第１のボディ障害物領域２２４ａに関連付けられている第１のベクトルフィールド２２８_ＶＦａと、第２のボディ障害物領域２２４ｂに関連付けられている第２のベクトルフィールド２２８_ＶＦｂとによって示されるように、生のベクトルフィールド２２８_ＶＦに寄与する。これらの障害物の隣接に起因して、図３Ｋは、障害物の生の潜在的フィールドが、生のベクトルフィールド２２８_ＶＦに鋭い谷を形成する重なった影響領域を含むことを示している。ロボット１００の制御システム１７０が、この生の潜在的フィールド２２８_ＶＦの鋭い谷間で潜在的フィールドに基づく障害物回避を動作させることを試みた場合、ロボット１００は、生の潜在的フィールドのベクトルｖの方向と大きさに基づいて、多くの左右のチャタリング（例えば、前後に跳ね返ること）に遭遇することになる。ここで、知覚システム２００による平滑化という処理技術は、図３Ｌに示されるように、ベクトルフィールド２２８_ＶＦによるベクトルｖの大きさを、ロボット１００の昇降可能なパスＰ_Ｔに調整する。言い換えれば、平滑化は、この２つの障害物の中間には、各障害物の潜在的フィールド２２８_ＶＦが重なって相殺されることで形成される昇降可能なパスＰ_Ｔがあることを識別する。

いくつかの例では、知覚システム２００による平滑化技術は、ベクトルｖの方向を最も近い境界における変化を引き起こす。例示すると、狭いギャップの場合、平滑化技術は、ロボット１００が狭いギャップに入るのを防ぐか、またはロボット１００を狭いギャップの端から押し出す潜在的フィールドを有するベクトルフィールド２２８_ＶＦを形成し得る。最も近い境界へのベクトルｖの方向の変化を修正するために、知覚システム２００は、平滑化後のベクトルｖ間の距離を再スケーリングする。ベクトルｖ間の距離を再スケーリングするために、知覚システムは、平滑化技術によってベクトルの方向が大幅に変更された位置（例えば、セル２２２）を識別する。例えば、知覚システム２００は、平滑化技術の前のベクトルフィールド２２８_ＶＦ（例えば、最も近い境界へのベクトルに基づく生のフィールドベクトル）を格納し、これらのベクトルフィールド２２８_ＶＦを、特にベクトルフィールド２２８_ＶＦのベクトルｖの方向に関して、平滑化技術によって形成されたベクトルフィールド２２８_ＶＦと比較する。この比較に基づいて、知覚システム２００は、平滑化技術からの新しい方向に基づいて障害物までの距離を再評価し、再評価された距離に従って新しい方向のベクトルｖの大きさを調整する。例えば、平滑化技術からの新しい方向に沿って障害物がない場合、知覚システム２００は、ベクトルｖの大きさをゼロにスケーリングする。いくつかの例では、平滑化技術の前後のベクトルフィールド２２８_ＶＦ間の比較は、知覚システム２００が再評価するベクトルｖの数を減少させるために、特定の方向変化閾値を満たすベクトルｖを識別する。

図４Ａおよび４Ｂを参照すると、知覚システム２００は、ボクセルマップ２１０に基づいて地面高さマップ２３０を生成する。いくつかの実装例では、地面高さマップ２３０は、各Ｘ－Ｙ位置（例えば、地面高さマップ２３０のセルとして指定される）において、地面高さマップ２３０が高さ２３２を指定するように機能する。言い換えれば、地面高さマップ２３０は、水平方向の平面内の特定のＸ－Ｙ位置において、ロボット１００がある特定の高さで踏む必要があることを伝達する。例えば、地面高さマップ２３０は、２．５次元（２．５Ｄ）マップである。実用的な説明のために、テーブルの一部分および地面の一部分がＸ－Ｙ位置に存在する場合、地面高さマップ２３０は、テーブルを無視しながら、地面高さ２３２（すなわち、ロボット１００が踏むべき位置）を通信する。

いくつかの例では、知覚システム２００は、ボクセルマップ２２０において地面Ｇに分類されたセグメント２１４（すなわち、地面セグメント２１４_Ｇ）を地面高さマップ２３０に変換することにより、地面高さマップ２３０を形成する。例えば、地面高さマップ２３０およびボクセルマップ２１０は、同じグリッドシステムを使用して、ボクセルマップ２１０内の特定の位置における地面分類を、地面高さマップ２３０内の同じ位置に直接転送することができる。いくつかの実装例では、ボクセルマップ２１０が地面として分類されたセグメントを含まないセルにおいて、知覚システム２００は、地面高さマップ２３０において、障害物として分類されたセグメント（すなわち、障害物セグメント２１４_ＯＢ）を生成する。

地面として分類されたボクセルマップ２１０の各セグメント２１４の高さを地面高さマップ２３０に変換するとき、知覚システム２００は、セグメント２１４の高さの正確な表現を通信して、地面の精度を保証することを試みる。精度を保証するために、いくつかの例では、地面として分類された各セグメント２１４に対して、知覚システム２００は、セグメント２１４の上部（すなわち、セグメント２１４上の最も高いｚ点）から始まって、セグメント２１４に沿って（例えば、セグメント２１４に対応するボクセル２１２に沿って）下降するようにセグメント２１４を分析する。例えば図４Ａは、地面セグメント２１４_Ｇを、地面のセグメント２１４_Ｇの最高のｚ高さにある各ボクセル２１２ａ～ｎに対する分析の開始を示す矢印とともに示している。この分析中に、知覚システム２００は、特定の点重みＷ_Ｐに相当する点が高さ精度の閾値２３２_ＴＨ満たすかどうかを決定する。ここで、高さ精度閾値２３２_ＴＨは、物体の高さ２３２における精度のレベルを示す。点重みＷ_Ｐは、点重みＷ_Ｐが大きいほど、ボクセルの表現および／またはセグメントの表現が、下にある物体の存在に関してより確信するように構成されているので、高さ精度閾値２３２_ＴＨは、ボクセルマップ２１０が、地面として分類されたセグメント２１４に対して、正確な高さ２３２を地面高さマップ２３０に変換するという信頼性を保証するのに役立つ。いくつかの例では、知覚システム２００が、十分な点重みＷ_Ｐ相当の点が高さ精度閾値２３２_ＴＨを満たす（例えば、高さ精度閾値を超える）ことを決定すると、知覚システム２００は、ポイントの平均高さを、分類された地面セグメント２１４_Ｇの高さ２３２として地面高さマップ２３０に通信する。高さ精度閾値２３２_ＴＨでこのトップダウンアプローチを使用することによって、高さ２３２は、セグメント２１４が大量のデータを含むか、または疎らなデータ１３４を含むかにかかわらず、概して正確である。いくつかの実装例では、点重みを使用する技術ほど正確ではないが、知覚システム２００は、地面として分類されたセグメント２１４の上部に対応する高さを地面高さマップ２３０に通信する。このアプローチは、地面高さマップ２３０の精度が許容されない場合に使用することができる。

いくつかの例では、知覚システム２００は、ボクセルマップ２１０からのセグメント２１４が地面（すなわち、地面セグメント２１４_Ｇ）または障害物（すなわち、障害物セグメント２１４_ＯＢ）として分類されなかったとき、地面高さマップ２３０内の欠落している地形に対する推論２３４を（例えば、ギャップを充填することによって）生成するように構成される。一般に、知覚システム２００は、２つの主要な戦略を使用して、推論２３４、妨害に基づくアプローチおよび／または平滑化に基づくアプローチを生成する。知覚システム２００が地面高さマップ２３０を生成するとき、知覚システム２００は、センサーデータ１３４（例えば、深度センサーデータ１３４）の不連続性を識別する。不連続性とは、センサーデータ１３４が遠方の物体に隣接する近傍の物体を示している場合を指す。知覚システム２００が不連続性に遭遇すると、知覚システム２００は、環境１０内のセンサーシステム１３０の妨害２３４_Ｏ（図４Ｂ）に起因して、この近遠コントラストが発生すると仮定する。知覚システム２００が妨害２３４_Ｏが発生したと仮定するとき、知覚システム２００は、センサーデータ１３４のギャップを充填するために、これらのギャップを平坦な地形２３４_ＦＴとしてマッピングする。例えば、図４Ｂは、センサーデータ１３４に基づいて、階段の蹴上げに妨害を伴う階段を昇降するロボット１００を示している。これらの妨害に基づいて、図４Ｂは、階段の踏面部分の間の妨害２３４_Ｏが、第１の階段の踏面の後方部分と第１の階段の上の第２の階段の踏面の前方部分とをブリッジする平坦な地形２３４_ＦＴとして、知覚システム２００によって充填されていることを示している。ここでは、ブリッジは、画像空間では隣接しているが、３次元の世界では遠く離れている２つの点を接続する線分として示されている。

対照的に、センサーデータ１３４が近遠コントラストを示さない（すなわち、妨害）とき、知覚システム２００は、欠落したセンサーデータ１３４がセンサーシステム１３０による視覚不良によるものであると仮定し、欠落したセンサーデータ１３４を平滑な地形２３４_ＳＴとしてマッピングする。言い換えれば、知覚システム２００は、センサーデータ１３４が欠落しており、センサーデータ１３４が近遠のコントラストを示さないときに平滑化技術を使用する。いくつかの例では、知覚システム２００によって使用される平滑化技術は、反復的な平均化フラッドフィルアルゴリズムである。ここで、このアルゴリズムは、実際のセンサーデータ１３４および妨害２３４_Ｏからのデータを補間および／または外挿するように構成されてもよい。いくつかの実装例では、知覚システム２００は、負のセグメント２１４_Ｎが知覚システム２００による推論２３４（すなわち、平滑な地形２３４_ＳＴの知覚をもたらす推論２３４）のための境界を提供するように、負のセグメント２１４_Ｎを考慮して平滑化技術を実行する。いくつかの構成では、知覚システム２００はギャップを充填することに関係しているので、知覚システム２００は、それが補間および外挿の両方であるとしても、外挿された部分を削除する。

知覚システム２００によってなされた推論２３４に応じて、知覚システム２００は、推論された地形（例えば、平坦な地形２３４_ＦＴまたは平滑な地形２３４_ＳＴ）を持続させる（すなわち、保持する）か、または削除する。例えば、知覚システム２００は、特定の周波数（例えば、センサー１３２がセンサーデータ１３４を生成する頻度または頻度のいくつかの間隔）でセンサーデータ１３４を解釈するように構成される。言い換えれば、知覚システム２００は、設定された時間間隔で受信されたセンサーデータ１３４を使用して反復処理を実行することができる。図４Ａに戻って参照すると、知覚システム２００が新しいセンサーデータ１３４を受信したとき、知覚システム２００は、推論２３４を持続させるかどうかを決定する。知覚システム２００による事前の処理反復がセンサーデータ１３４を妨害２３４_Ｏ（すなわち、平坦な地形２３４_ＦＴをもたらす）として解釈した場合、センサーシステム１３０が実際に妨害されたエリアに対するセンサーデータ１３４を知覚システム２００に提供しない限り、知覚システム２００によるセンサーデータ１３４の後続の処理反復は、事前の平坦な地形の推論２３４_ＦＴを保持する。対照的に、知覚システム２００による事前の処理反復が、欠落しているセンサーデータ１３４を平滑な地形２３４_ＳＴとして推論した場合、知覚システム２００は、センサーデータ１３４の後続の処理反復の間に推論２３４をクリア（すなわち、削除）する。より具体的には、知覚システム２００は、知覚システム２００の反復ごとにこれらのタイプの推論２３４（すなわち、非妨害）を再計算するように構成される。したがって、推論２３４が持続するかどうかは、ロボット１００のコンテキストに基づく。例えば、妨害２３４_Ｏは、ロボット１００に対する特定の姿勢のみで視認可能であり、他の姿勢では視認可能でない場合があるため、妨害２３４_Ｏが持続しなかった場合、後に妨害２３４_Ｏが知覚されないリスクがある。したがって、知覚システム２００は、妨害２３４_Ｏを持続させる。対照的に、平滑な地形２３４_ＳＴは、ロボット１００の状態に依存せず、むしろマッピングされた状態に依存する。言い換えれば、平滑な地形２３４_ＳＴには追加の状態情報が含まれていないため、平滑な地形２３４_ＳＴを削除しても、ロボット１００にいかなるリスクも存在しない。したがって、知覚システム２００は、次の反復で平滑な地形２３４_ＳＴを単純に再構築することができる。

いくつかの実装例では、後続の反復の間に、知覚システム２００は、妨害に基づく推論２３４_Ｏがまだ実際のセンサーデータ１３４に隣接しているかどうかを評価する（例えば、センサーデータ１３４の実際の点を平坦な地形２３４_ＦＴとともにブリッジする）。ここで、知覚システム２００の一般的なルールが妨害に基づく推論２３４_Ｏを保持することであるにもかかわらず、妨害に基づく推論２３４_Ｏの評価が、妨害に基づく推論２３４_Ｏがもはやいかなる現在のセンサーデータ１３４にも隣接していないことを識別するとき、知覚システム２００は、これらの隣接していない妨害に基づく推論２３４_Ｏを削除する。

地面高さマップ２３０の作成中に、知覚システム２００は、センサーデータ１３４内に発生する狭いまたは小さなピット２３６（図４Ｂ）を充填するように構成され得る。一般に、ピット２３６は、センサーデータ１３４内の空隙（例えば、孔または空洞）を指す。これらのピット２３６が発生するとき、これらのピット２３６は、実際の地形の不規則性ではなく、センサーデータ１３４の不良に関連している可能性が高い。いくつかの構成では、知覚システム２００は、ロボット１００の脚１２０の遠位端１２４（例えば、足）よりも小さいピット２３６を充填するように構成される。言い換えれば、知覚システム２００は、ロボット１００の足の地面係合表面積よりも小さい値に設定されたピット充填閾値を含み得る。ロボット１００が多脚型であり、足の地面係合表面積が脚１２０ごとに異なる場合、ピット充填閾値は、ロボット１００のすべての感触の中で最小の地面係合表面積に設定され得る。いくつかの例では、知覚システム２００は、形態学的拡張とそれに続く形態学的侵食を使用してピット２３６を充填し、知覚システム２００は、ブール値の代わりに実際の値を使用する。

いくつかの実装例では、知覚システム２００は、障害物Ｏを広げる（例えば、障害物のサイズを大きくする）ためのさらなる処理を伴う地面高さマップ２３０を生成する。障害物Ｏを広げることによって、地面高さマップ２３０は、ロボット１００のために（例えば、環境１０の周りで操縦している間のロボット１００の遊脚脚１２０のために）地形回避を支援する。言い換えれば、障害物Ｏを広げることによって、知覚システム２００は、マップ２３０上の障害物Ｏの位置と障害物Ｏの実際の位置との間に緩衝物を有することを地面高さマップ２３０に可能にする。この緩衝物は、ロボット１００の膝、足、または他の関節Ｊなどのロボット１００の構成要素が、ロボット１００の一部分が実際の障害物Ｏに衝突する前の移動誤差のためのマージンが存在するように、さらに制約されることを可能にする。例えば、地面高さマップ２３０内の壁は、物体回避のための緩衝物を提供するために、壁に隣接する空間に約６センチメートル広げて（例えば、オフセットして）もよい。

いくつかの例では、地面高さマップ２３０は、マップ２３０の各セルに対して、地面高さ推定値２３２_ｅｓｔと地面高さ精度推定値２３２_Ａｃｃとの両方を含む。ここで、知覚システム２００は、地面高さ２３２の精度を示すために、地面高さ精度推定値２３２_Ａｃｃを生成する。いくつかの実装例では、地面高さ精度２３２_Ａｃｃは、知覚システム２００がセンサーデータ１３４およびロボット１００のオドメトリドリフトから地面をどれだけ最近知覚したかを説明する。例えば、知覚システム２００が、特定のセルの地面Ｇを視覚化するセンサーデータ１３４を約３秒で受信しておらず、ロボット１００のオドメトリが毎秒約１センチメートルドリフトしている場合、知覚システム２００は、地面高さ２３２に±３センチメートルの地面高さ精度２３２_Ａｃｃを関連付ける（例えば、既存の地面の高さ精度２３２_Ａｃｃを修正するか、または地面高さ２３２を含むように追記する）。このアプローチは、ロボットの制御システム１７０がどのような状況で地面高さ推定値２３２_ｅｓｔを信頼するか（例えば、与えられた地面の高さの推定値２３２_ｅｓｔに従って動作するか）を決定するために使用され得る。

図５Ａ～５Ｉを参照すると、いくつかの実装例では、知覚システム２００は、ステップなしマップ２４０を生成するように構成される。ステップなしマップ２４０は、一般に、ロボット１００が特定の水平方向の位置（すなわち、Ｘ－Ｙ平面内の位置）で踏むことができるときにロボット１００にアドバイスするために、ロボット１００が踏むことを許可されない領域を定義するマップを指す。いくつかの例では、ボディ障害物マップ２２０および地面高さマップ２３０と同様に、ステップなしマップ２４０は、各セル２４２がロボット１００の周りの環境１０内の特定のエリアを表すセル２４２、２４２_１－ｉのグリッドに分割される。例えば、各セル２４２は３センチメートルの正方形である。説明を容易にするために、各セル２４２は、環境１０内のＸ－Ｙ平面内に存在する。知覚システム２００がステップなしマップ２４０を生成するとき、知覚システム２００は、例えば、図５Ａに示すようなブール値マップを生成し得、ブール値マップは、ステップなし領域２４４（例えば、灰色セルとして示される）およびステップ領域２４６（例えば、白色のセルとして示される）を識別する。ステップなし領域２４４は、障害物Ｏが存在する１つ以上のセル２４２の領域を指し、一方、ステップ領域２４６は、障害物Ｏが存在すると認識されない１つ以上のセル２４２の領域を指す。

図５Ｂおよび５Ｃなどのいくつかの構成では、知覚システム２００は、ステップなしマップ２４０が符号付き距離フィールドを含むように、ブール値マップをさらに処理する。ここで、ステップなしマップ２４０の符号付き距離フィールドは、障害物Ｏの境界までの距離ｄ（例えば、ステップなし領域２４４の境界までの距離ｄ）と、障害物Ｏの境界までのベクトルｖ（例えば、ステップなし領域２４４の境界までの最も近い距離を定義する）と、を含む。符号付き距離フィールドは、セル２４２が障害物Ｏの境界までの距離ｄおよびベクトルｖの両方を含むように組み合わされてもよいが、図５Ｂおよび５Ｃは、説明を容易にするために各構成要素を別々に表している（すなわち、図５Ｂは距離ｄを示し、図５Ｃはベクトルｖを示している）。符号付き距離フィールドでは、値の符号は、セル２４２が障害物Ｏの境界内にある（例えば、距離の符号が負である）か、または障害物Ｏの境界外にある（例えば、距離の符号が正である）かを示す。言い換えれば、セル２４２が境界から離れるほど、セル２４２の距離値が大きくなる（例えば、境界の内側か外側か）。いくつかの例では、ステップなしマップ２４０は、特定のセル２４２に対する障害物Ｏの境界までの距離ｄを、特定のセル２４２と障害物Ｏの境界との間のセル２４２の数のカウントとして表す。他の例では、ステップなしマップ２４０は、ステップなしマップ２４０がロボット１００が環境１０の周りで動くための物体１４に対する、より大きな粒度（例えば、セルカウントよりも）、したがって精度を提供するように、障害物Ｏの境界までの距離ｄを実際の距離として表す。例えば、セル２４２が障害物Ｏの境界上にあるとき、知覚システム２００は、距離ｄを符号を伴わずにゼロとして表す。障害物Ｏの境界までの距離ｄ、および障害物Ｏの最も近い境界までのベクトルｖを使用して、ステップなしマップ２４０は、踏む場所と踏まない場所だけでなく、踏む可能性のある場所（例えば、ステップ領域２４６内）も（例えば、ロボット１００の制御システム１７０に）通信することができる。説明のために、ロボット１００の通常の歩行パターンは、ロボット１００の足がステップなし領域２４４に配置されるであろうことを示し得る。制御システム１７０は、ステップなしマップ２４０を利用するので、この例では、制御システム１７０は、元々計画されたようにステップなし領域２４４に足を配置すべきではなく、代わりに制御システム１７０がステップ領域２４６内（例えば、元々計画された足配置に最も近いセル２４２のグループ）に足を配置すべきであることを識別することができる。いくつかの例では、ステップなしマップ２４０内のセル２４２のベクトルｖおよび距離ｄを解釈することによって、制御システム１７０は、ロボット１００の歩行パターンへの混乱を最小化することができる（例えば、バランスを維持するための歩行調整中に滑ることなくステップを助ける）。

ステップなしマップ２４０を生成するとき、知覚システム２００は、いくつかの異なる理由のために、ステップなし領域２４４および／またはステップ領域２４６を識別し得る。理由のいくつかは、領域内の勾配、領域内の脛衝突の潜在的なリスク、領域内のピットの存在、領域内の遊脚なし影の存在、および／または領域内のロボット１００の自己衝突の可能性を含み得る。いくつかの例では、知覚システム２００は、センサーデータ１３４に対して２つの異なるスケールフィルタ（例えば、ソーベルフィルタ）を使用することによって、領域内の勾配を計算する。２つの異なるスケールでは、第１のフィルタが小規模な勾配を検出し、第２のフィルタが大規模な勾配を検出し得る。知覚システム２００は、小スケールの勾配が高い（すなわち、第１の条件）、かつ小規模な勾配が大スケールの勾配よりも大きい（すなわち、第２の条件）とき、エリアをステップなし領域２４４として指定する。例えば、知覚システム２００は、小スケールの勾配の値が勾配閾値を満たす（例えば、勾配閾値よりも大きい）とき、知覚システム２００が小スケールの勾配を高いと指定する（すなわち、第１の条件を満たす）ような勾配閾値を有するように構成される。同じ勾配閾値または別の勾配閾値を構成して、小スケールの勾配の値と大スケールの勾配の値との間の閾値の差を示すように構成され得る。ここで、小スケールの勾配値と大スケールの勾配値との差が閾値差を満たす（例えば、閾値差を超える）とき、知覚システム２００は、小スケールの勾配が大スケールの勾配よりも大きい（すなわち、第２の条件を満たす）と識別する。所与の領域について第１の条件と第２の条件との両方が満たされるとき、知覚システム２００は、その領域をステップなし領域２４４として指定する。言い換えれば、丘はロボット１００によってナビゲート可能である（例えば、小スケールの勾配と大スケールの勾配との両方が大きいため）一方で、階段の端がナビゲート不可能である（例えば、小スケールの勾配が高く、大スケールの勾配が小スケールの勾配よりも小さいため）場合がある。より一般的には、知覚システム２００は、勾配が周囲のエリアよりも急であり、また十分に急である（例えば、ロボット１００が移動中にバランスを維持するために問題になるような急な）エリアを識別しようとしている。

図５Ｄを参照すると、前述したように、知覚システム２００は、脛衝突を回避するために、領域をステップなし領域２４４として識別し得る。一般に、ロボット１００の脚１２０の構造に基づいて、脚１２０の脛１２２_Ｌは、地面１２に対して特定の傾斜ｓを有する。いくつかの実装例では、ロボット１００の１つ以上の脚１２０は、脚１２０をボディ１１０に接続する関節（すなわち、股関節Ｊ_Ｈ）が、ロボット１００のボディ１１０の矢状平面において、膝関節Ｊ_Ｋよりも前方にあるように構成される。ここで、膝関節Ｊ_Ｋとは、脚１２０の上側部材１２２、１２２_Ｕと、遠位端１２４を含む脚部１２０の下側部材１２２、１２２_Ｌ（すなわち、脛）とを接続する関節を指す。この構成に基づいて、ロボット１００が高速で移動するとき、遠位端１２４が股関節Ｊ_Ｈからさらに踏み（すなわち、矢状平面においてさらに前方に踏む）、その結果、脚１２０の下側部材１２２_Ｌ（すなわち、脛）は、低いスピード（または静止）よりも速いスピードで、地面１２に対してより水平になる。ここで、ロボット１００が（例えば、制御システム１７０から）特定のスピードのための移動コマンドを実行する場合、指令されたスピードは、下側部材１２２_Ｌと地面１２との間の最小の勾配（すなわち、最小の脛勾配）を必要とする。ロボット１００のこのような構造的解剖学的特徴により、知覚システム２００は、ロボット１００が所望のスピードで環境１０を移動する際に、地面高さマップ２３０の地面高さ２３２が下側部材１２２_Ｌと衝突するかどうかを決定する。知覚システム２００が、セル２４２の地面高さ２３２が衝突を引き起こす可能性が高いと決定したとき、知覚システム２００は、そのセル２４２をステップなし領域２４４として指定する。例えば、脚１２０の解剖学的構造（すなわち、脚１２０の既知の寸法）、およびロボット１００の運動中の最小の脛勾配ｓに基づいて、知覚システム２００は、ロボット１００の脚１２０の衝突高さｈ_Ｃを決定し、この衝突高さｈ_Ｃを地面高さマップ２３０の地面高さ２３２と比較する。いくつかの構成では、衝突高さｈ_Ｃと地面高さ２３２とを比較するとき、知覚システム２００は、衝突高さｈ_Ｃ以上の地面高さ２３２を有する任意のセルを、ステップなしマップ２４０のステップなし領域２４４として識別する。

いくつかの例では、各セル２４２に対して、知覚システム２００は、下側部材１２２_Ｌの方向に沿って、近くのまたは隣接するセル２４２をサンプリングする。言い換えれば、知覚システム２００は、ロボット１００の足が位置する、または理論的に位置することになる（例えば、ロボット１００の固定ヨーに基づく）セル２４２（ここでは足踏みセルと称される）に基づいて、下側部材１２２_Ｌの下にあるであろうセル２４２を識別する。識別されたセル２４２を使用して、知覚システム２００は、衝突高さｈｃを、脚１２０の大股歩きの過程における下側部材１２２_Ｌの予想される最低の高さ（すなわち、最小脛部傾斜ｓ）として決定し、最小脛勾配ｓと干渉するであろうこれらのセル２４２（すなわち、脚１２０の下にあるであろうセル）のいずれかを識別する。セル２４２のいずれかが干渉を引き起こすとき、知覚システム２００は、足踏みセルを不法なステップの配置（すなわち、ステップなしセル／領域）として識別する。

ロボット１００のスピードが変化すると最小脛勾配ｓが変化する可能性があるので、知覚システム２００は、制御システム１７０がロボット１００（例えば、ロボット１００の脚１２０）に対するスピードを実行または修正するたびに、または制御システム１７０による速度入力に続くいくつかの頻度間隔で、ステップなしマップ２４０を調整してもよい。いくつかの例では、知覚システム２００は、ロボット１００の脚１２０に対して衝突が発生するかどうかを決定するときに、ロボット１００のボディ１１０の現在のヨー（すなわち、ｚ軸を中心とした回転）および／またはロボット１００の運動方向を追加的に考慮する。言い換えれば、ロボット１００の側方にある壁は、ロボット１００が壁と平行に移動するときにはロボット１００との衝突のリスクをもたらさないが、ロボット１００が壁に垂直に移動するときには壁が衝突のリスクをもたらすことになる。

階段（例えば、図５Ｈおよび５Ｉに示される）などの特定の地形では、知覚システム２００が脛衝突回避と勾配回避とを組み合わせてステップなしマップ２４０を生成するとき、知覚システム２００は、ステップなしマップ２４０のステップなし領域２４４を指定するときに包括的になりすぎるリスクを冒す。知覚システム２００が包括的になりすぎて、それによってロボット１００が階段を昇降するのを防ぐために、いくつかの実装例では、知覚システム２００は、検出された階段の各階段にステップ領域２４６（例えば、少なくとも１セル幅のステップ領域２４６）があることを保証するように構成される。いくつかの例では、知覚システム２００は、最もリスクの低いステップなしの状態を決定することによって、各階段上にステップ領域２４６を形成する。いくつかの実装例では、階段の場合、最もリスクの低いステップなしの条件は脛衝突である。これらの実装例では、知覚システム２００は、地面高さマップ２３０の階段エリア内の潜在的な脛衝突を無視する。例えば、知覚システム２００は、脛衝突閾値を満たさない潜在的な脛衝突を無視する。ここで、脛衝突閾値は、脛衝衝突の高リスク（例えば、壁）と脛衝突の低リスク（例えば、階段の立ち上がり）とを示すべき脛衝突高さｈ_Ｃと地面高さ２３２との間の差を定義する。階段ごとに少なくとも１セル幅のステップ領域２４６を保証するために、脛衝突閾値は、階段の標準寸法を構築することに基づいて構成され得る。いくつかの例では、脛衝突は、仮定される角度に基づいているため、最も危険度の低いステップなし衝突であるが、それでも、制御システム１７０は、ロボット１００の脚１２０に対するロボット１００のボディ１１０を変更することによって、脛の角度を調整してもよい。

任意選択的に、知覚システム２００は、ステップなしマップ２４０を生成するときに、狭いピット２３６または溝をステップなし領域２４４として示すセンサーデータ１３４のエリアを指定するように構成される。一般的に言えば、知覚システム２００は、地面高さマップ２３０を生成するときに、狭いピット２３６を削除または充填するべきである。いくつかの例では、知覚システム２００は、地面高さマップ２３０に基づいてステップなしマップ２４０を生成するので、残りの狭いピット２３６は、ロボット１００にとって問題となる可能性がある。これらの例では、知覚システム２００は、狭いピット２３６をステップなし領域２４４として指定することによって、ステップなしマップ２４０を生成するときに知覚される狭いピット２３６を回避する。知覚システム２００は、地面高さマップ２３０の生成時に狭いピット２３６を充填する（すなわち、処理技術によってこれらのピット２３６を削除する）ように構成されているが、狭いピット２３６をステップなし領域２４４として指定することによって、ステップなしマップ２４０は、ロボット１００が環境１０の周りで移動しているときに、潜在的な不良データエリアがロボット１００に問題を起こさないことを保証する。

図５Ｅのようないくつかの例では、知覚システム２００は、ステップなしマップ２４０内に遊脚なし領域２４８_Ｒおよび遊脚なし影２４８_Ｓを含む。遊脚なし領域２４８_Ｒとは、ロボット１００が進行できない障害物（すなわち、ボディ障害物）を有するエリアを指す。例えば、環境１０内には、地面１２上に物体１４（例えば、丸太－図示していないが）があるが、ロボット１００は、１つ以上の脚１２０を物体の上および／または周りに移す（例えば、その脚１２０を物体１４を昇降するのに十分な高さで持ち上げる）ことができない。物体１４の反対側に平坦な地面があったとしても、ロボット１００の現在の位置に基づいて、ロボット１００が反対側に踏む方法はない。ここで、知覚システム２００は、ロボット１００が物体１４の反対側のエリアに入ることができないため、物体１４を遊脚なし領域２４８_Ｒと識別し、物体１４の反対側を遊脚なし影２４８_Ｓと識別する。言い換えれば、遊脚なし影２４８_Ｓは、障害物による現在の位置および／または回転（例えば、ヨー）に基づいて、ロボット１００が物理的に入ることができないエリア（すなわち、ロボット１００の現在の姿勢Ｐに基づいてロボット１００がアクセスできないが、異なる姿勢Ｐではロボット１００がアクセスできるエリア）を指定する。例えば、図５Ｅは、ロボット１００が別の脚１２０を通じて１つの脚１２０を移動させる必要があるため、ロボット１００の後脚１２０ｃ～ｄに隣接するエリアは、遊脚なし領域２４８_Ｒおよび遊脚なし影２４８_Ｓを含まないことを示している。ここで、図５Ｅの着色されたパターンは、ステップ領域２４６が白色または斜線の白色（例えば、階段上）であり、ステップなし領域２４４（すなわち、ステップなしまたは遊脚なし影であること以外の理由でステップなしである領域）が薄い灰色であり、遊脚なし領域２４８_Ｒが濃い灰色であり、遊脚なし影２４８_Ｓが斜線の白線を有する黒色であることを示している。いくつかの実装例では、知覚システム２００は、ロボット１００の脚１２０の遠位端１２４の凸包で発せられるフラッドフィルアルゴリズムを用いて遊脚なし影２４８_Ｓを形成する。

図５Ｆおよび５Ｇを参照すると、追加的または代替的に、知覚システム２００は、ロボット１００の現在のステップ位置で、ロボット１００の１つ以上の個々の脚１２０に対して、ステップなしマップ２４０を生成する。通常、ステップなしマップ２４０は、ロボット１００のすべての脚１２０に対して一般的に有効である。例えば、図５Ｆは、３つのステップ領域２４６、２４６ａ～ｃを示す斜線の白いエリアを有する、すべての脚１２０のステップなしマップ２４０を示している。より具体的には、第１のステップ領域２４６、２４６ａは、脚１２０が階段の前の床の広いエリアを踏むことができることを示している。それでも、制御システム１７０が脚１２０間の衝突（自己衝突とも称される）に関して懸念するいくつかの構成があり得る。図５Ｆを図５Ｇと比較すると、図５Ｇは、特にロボット１００の右前脚１２０に対するステップなしマップ２４０を示している。この特定のステップなしマップ２４０において、知覚システム２００は、ロボット１００の右前脚１２０がそのエリアを踏んだ場合に、このエリアへの右前脚１２０の移動が脚１２０同士の衝突を引き起こすエリアをさらに識別するために、ステップなし領域２４４（黒で示される）を生成する。例えば、知覚システム２００は、左前脚１２０の近傍および左前脚１２０の左側に、第１のステップなし領域２４４、２４４ａを生成する。いくつかの実装例では、知覚システム２００は、遊脚なし影２４８_Ｓと同様の技術を使用して、これらのステップなし領域２４４を生成する。いくつかの構成では、知覚システム２００は、遊脚なし影２４８_ｓと同様の技術よりも計算が速い事前定義された形状を使用して、これらのステップなし領域２４４を生成する。

図５Ｈおよび５Ｉを参照すると、いくつかの実装例では、知覚システム２００は、ステップなしマップ２４０をさらに処理して、ロボット１００が移動できる位置とロボット１００が移動できない位置との間の区別を示している。より具体的には、ステップなしマップ２４０は、ロボット１００がマップ２４０のステップ領域２４６に移動するために踏み越えなければならない可能性があるステップなし領域２４４を示している。例えば、図５Ｈは、ロボット１００の脚１２０が、脚１２０の遠位端１２４をステップ領域２４６（例えば、黒と白の斜めのパターン化されたエリアとして示されている）に配置するために、これらのステップなし領域２４４を踏み越えるような、各階段の部分がステップなし領域２４４（例えば、白いエリアとして示されている）を有する階段を昇降するロボット１００を示している。これらのステップなし領域２４４が、制御システム１７０によっていくつかの機能（例えば、移動計画）のために使用されることがあるとしても、ロボット１００および／または制御システム１７０の他の態様は、このような粒度を必要としないことがある。言い換えれば、制御システム１７０の１つ以上のコントローラは、マップ２４０のセクションがロボット１００によってナビゲート可能であるかどうかをより一般的に知ることを好むことがある。したがって、いくつかの例では、知覚システム２００は、マップ２４０のエリアが、そのエリアの部分がステップなし領域２４４を有する場合があっても、ナビゲート可能であるかどうかを示す大領域ステップなしマップ２４０、２４０_Ｂを生成する。大領域ステップなしマップ２４０_Ｂを生成するために、知覚システム２００は、まず、ステップなしマップ２４０に対して形態学的侵食を実行し、続いて形態学的拡張を実行する。一般的に言えば、侵食技術は、領域の境界を除去し（例えば、小さなステップなし領域２４４を削除し）、次に、拡張技術は、より支配的なステップ領域２４６を拡大し、その結果、あるエリアがロボット１００にとってナビゲート可能であるかどうかのより一般的な区別が得られる（例えば、図５Ｉに示されるように）。言い換えれば、この技術は、大きな領域を変更せずに小さな領域を削除しようとする。いくつかの構成では、ロボット１００は、大領域ステップなしマップ２４０_Ｂを他のマップ２１０、２２０、２３０と組み合わせて使用し、制御システム１７０の一部に異なる情報を伝達する。

図６は、ボクセルマップ２１０を生成する方法６００の例である。動作６０２において、方法６００は、少なくとも１つの元のセンサーデータのセット１３４と、現在のセンサーデータのセット１３４と、を受信する。少なくとも１つの元のセンサーデータのセット１３４および現在のセンサーデータのセット１３４の各々は、少なくとも１つのセンサー１３２からのロボット１００の周りの環境１０に対応する。ここで、ロボット１００は、ボディ１１０と、脚１２０と、を含む。動作６０４において、方法６００は、少なくとも１つの元のセンサーデータ１３４のセットに基づいて、複数のボクセル２１２を含むボクセルマップ２１０を生成することを含む。複数のボクセル２１２は、少なくとも１つの地面ボクセル２１２と、少なくとも１つの障害物ボクセル２１２と、を含む。動作６０６において、方法６００は、現在のセンサーデータ１３４のセットに基づいて球形の深度マップを生成する。動作６０８において、方法６００は、ボクセルマップ２１０と球形深度マップとの間の比較に基づいて、ボクセルマップ２１０によって表される障害物に変化が発生したことを決定することを含む。動作６１０において、方法６００は、環境１０内の障害物の変化を反映するためにボクセルマップ２１０を更新することを含む。

図７は、ボディ障害物マップ２２０を生成する方法７００の例である。動作７０２において、方法７００は、少なくとも１つのセンサー１３２から、ロボット１００の周りの環境１０に対応するセンサーデータ１３４を受信する。ここで、ロボット１００は、ボディ１１０と、脚１２０と、を含む。動作７０４において、方法７００は、センサーデータ１３４に基づいて、複数のボクセル２１２を含むボクセルマップ２１０を生成し、複数のボクセル２１２は、少なくとも１つの地面ボクセル２１２_Ｇと、少なくとも１つの障害物ボクセル２１２_ＯＢと、を含む。動作７０６において、ボクセルマップ２１０に基づいて、方法７００は、ロボット１００のボディ１１０が環境１０内の障害物との干渉を伴わずに移動することができる環境１０内の位置を示すように構成されたボディ障害物マップ２２０を生成する。ボディ障害物マップ２２０はセル２２２に分割され、複数のセル２２２は最も近い障害物Ｏの指示を含む。ここで、最も近い障害物Ｏはボクセルマップ２１０の少なくとも１つの障害物Ｏから導出される。動作７０８において、方法７００は、ボディ障害物マップ２２０をロボット１００の制御システム１７０に通信する。制御システム１７０は、ロボット１００を環境１０の周りで移動させように構成される。

図８は、地面高さマップ２３０を生成する方法８００の例である。動作８０２において、方法８００は、少なくとも１つのセンサー１３２から、ロボット１００の周りの環境１０に対応するセンサーデータ１３４を受信する。ここで、ロボット１００は、ボディ１１０と、脚１２０と、を含み、各脚１２０は、遠位端１２４を含む。動作８０４において、方法８００は、センサーデータ１３４に基づいて、複数のセグメント２１４を含むボクセルマップ２１０を生成し、複数のセグメント２１４は、少なくとも１つの地面セグメント２１４_Ｇと、少なくとも１つの障害物セグメント２１４_ＯＢ、とを含む。複数のセグメント２１４の各セグメント２１４は、１つ以上のボクセル２１２によって画定される垂直方向の列に対応する。動作８０６において、ボクセルマップ２１０に基づいて、方法８００は、ロボット１００が環境１０の周りで移動しているときに、ロボット１００のそれぞれの脚１２０の遠位端１２４を配置する高さを示すように構成された地面高さマップ２３０を生成する。ここで、地面高さマップ２３０は、少なくとも１つのセルがそれぞれの地面セグメント２１４_Ｇに対応し、それぞれの地面セグメント２１４_Ｇに基づくそれぞれの高さ２３２を含むセルに分割される。動作８０８において、方法８００は、地面高さマップ２３０をロボット１００の制御システム１７０に通信し、制御システム１７０は、地面高さマップ２３０に基づいて、それぞれの脚１２０の遠位端１２４を環境１０内の配置位置に移動させるように構成される。

図９は、ステップなしマップ２４０を生成する方法９００の例である。動作９０２において、方法９００は、少なくとも１つのセンサー１３２から、ロボット１００の周りの環境１０に対応するセンサーデータ１３４を受信する。各脚１２０が遠位端１２４を含む、ボディ１１０および脚１２０を含むロボット。動作９０４において、方法９００は、センサーデータ１３４に基づいて、複数のセグメント２１４を含むボクセルマップ２１０を生成し、複数のセグメント２１４は、少なくとも１つの地面セグメント２１４_Ｇと、少なくとも１つの障害物セグメント２１４_ＯＢ、とを含む。複数のセグメント２１４の各セグメント２１４は、１つ以上のボクセル２１２によって画定される垂直方向の列に対応する。動作９０６において、ボクセルマップ２１０に基づいて、方法９００は、ロボット１００が環境１０の周りで移動しているときに、ロボット１００のそれぞれの脚１２０の遠位端１２４を配置する高さを示すように構成された地面高さマップ２３０を生成する。動作９０８において、地面高さマップ２３０に基づいて、方法９００は、１つ以上のステップなし領域２４４を含むステップなしマップ２４０を生成する。ロボット１００が環境１０の周りで移動しているときに、ロボット１００のそれぞれの脚部１２０の遠位端１２４を配置しない領域を示すように構成された各ステップなし領域２４４。ここで、ステップなしマップはセル２４２に分割され、各セル２４２は距離値および方向ベクトルｖを含む。セル２４２に最も近い障害物の境界までの距離を示す距離値と、セル２４２に最も近い障害物の境界への方向を示す方向ベクトルｖ。動作９１０において、方法９００は、ステップなしマップ２４０を制御システム１７０に通信し、制御システム１７０は、ステップなしマップ２４０に基づいて、それぞれの脚部１２０の遠位端１２４を環境１０内の配置位置に移動するように構成される。

図１０は、本書に記載されているシステム（例えば、センサーシステム１３０、制御システム１７０、知覚システム２００など）および方法（例えば、方法６００、７００、８００、９００）を実装するために使用され得る例示的なコンピューティングデバイス１０００の概略図である。コンピューティングデバイス１０００は、ラップトップ、デスクトップ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレーム、および他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことが意図される。本明細書に示されている構成要素、それらの接続および関係、ならびにそれらの機能は、例示のみを意図しており、本明細書で説明および／または特許請求されている本発明の実装を限定することを意味するものではない。

コンピューティングデバイス１０００は、プロセッサ１０１０（例えば、データ処理ハードウェア１４２、１６２）、メモリ１０２０（例えば、メモリハードウェア１４４、１６４）、ストレージデバイス１０３０、メモリ１０２０および高速拡張ポート１０５０に接続される高速インターフェース／コントローラ１０４０、ならびに低速バス１０７０およびストレージデバイス１０３０に接続される低速インターフェース／コントローラ１０６０を含む。構成要素１０１０、１０２０、１０３０、１０４０、１０５０、および１０６０の各々は、様々なバスを使用して相互接続されており、共通のマザーボードに、または必要に応じて他の方法で取り付けられることができる。プロセッサ１０１０は、グラフィカルユーザーインターフェース（ＧＵＩ）のためのグラフィカル情報を、高速インターフェース１０４０に結合されたディスプレイ１０８０などの外部入出力デバイス上に表示するために、メモリ１０２０内またはストレージデバイス１０３０上に記憶された命令を含む、コンピューティングデバイス１０００内で実行するための命令を処理することができる。他の実装形態では、必要に応じて、複数のプロセッサおよび／または複数のバスが、複数のメモリおよび複数のタイプのメモリとともに使用されてもよい。また、複数のコンピューティングデバイス１０００が、各デバイスが必要な動作の一部を提供する状態で（例えば、サーババンク、ブレードサーバのグループ、またはマルチプロセッサシステムとして）、接続されることができる。

メモリ１０２０は、コンピューティングデバイス１０００内に非一時的に情報を格納する。メモリ１０２０は、コンピュータ可読媒体、揮発性メモリユニット、または不揮発性メモリユニットであり得る。非一時的メモリ１０２０は、コンピューティングデバイス１０００による使用のために、一時的にまたは永続的にプログラム（例えば、命令のシーケンス）またはデータ（例えば、プログラム状態情報）を格納するために使用される物理的なデバイスでもよい。不揮発性メモリの例は、以下に限定されるものではないが、フラッシュメモリおよび読み取り専用メモリ（ＲＯＭ）／プログラム可能な読み取り専用メモリ（ＰＲＯＭ）／消去可能なプログラム可能な読み取り専用メモリ（ＥＰＲＯＭ）／電気的に消去可能なプログラム可能な読み取り専用メモリ（ＥＥＰＲＯＭ）（例えば、通常、ブートプログラムなどのファームウェアに使用される）を含む。揮発性メモリの例は、以下に限定されないが、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、相変化メモリ（ＰＣＭ）、ならびにディスクまたはテープを含む。

ストレージデバイス１０３０は、コンピューティングデバイス１０００に大容量記憶装置を提供し得る。いくつかの実装例では、ストレージデバイス１０３０は、コンピュータ可読媒体である。様々な異なる実装形態では、ストレージデバイス１０３０は、フロッピーディスクデバイス、ハードディスクデバイス、光ディスクデバイス、またはテープデバイス、フラッシュメモリもしくは他の同様のソリッドステートメモリデバイス、またはストレージエリアネットワークもしくは他の構成のデバイスを含むデバイスのアレイとすることができる。追加の実装形態では、コンピュータプログラム製品は、情報担体内に実体的に具体化される。コンピュータプログラム製品は、実行されると、上で説明したもののような１つ以上の方法を実行する命令を含む。情報担体は、メモリ１０２０、ストレージデバイス１０３０、またはプロセッサ１０１０上のメモリなどの、コンピュータ可読媒体または機械可読媒体である。

高速コントローラ１０４０は、コンピューティングデバイス１０００の帯域幅集中動作を管理する一方で、低速コントローラ１０６０は、より低い帯域幅集中動作を管理する。そのようなデューティの割り当ては、例示にすぎない。いくつかの実装形態では、高速コントローラ１０４０は、メモリ１０２０と、ディスプレイ１０８０（例えば、グラフィックプロセッサまたはアクセラレータを介して）と、様々な拡張カード（図示せず）を受容する高速拡張ポート１０５０と、に結合されている。いくつかの実装例では、低速コントローラ１０６０は、ストレージデバイス１０３０と、低速拡張ポート１０９０と、に結合されている。様々な通信ポート（例えば、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ、イーサネット、ワイヤレスイーサネット）を含むことができる低速拡張ポート１０９０は、キーボード、ポインティングデバイス、スキャナーなどの１つ以上の入出力デバイスに、または、例えば、ネットワークアダプタを介して、スイッチもしくはルータなどのネットワーキングデバイスに結合されることができる。

コンピューティングデバイス１０００は、図に示すように、いくつかの異なる形態で実装されることができる。例えば、これは、標準のサーバ１０００ａとして、もしくはそのようなサーバ１０００ａのグループ内に複数回、ラップトップコンピューター１０００ｂとして、ラックサーバシステム５００ｃの一部として、またはロボット１００の一部として実装され得る。

本明細書に記載のシステムおよび技術の様々な実装は、デジタル電子および／もしくは光回路、集積回路、特別に設計されたＡＳＩＣ（特定用途向け集積回路）、コンピュータハードウェア、ファームウェア、ソフトウェア、ならびに／またはそれらの組み合わせで実現され得る。これらの様々な実装は、データおよび命令をストレージシステムから受信するため、かつデータおよび命令をストレージシステムに送信するために結合された、専用または汎用であってもよい、少なくとも１つのプログラマブルプロセッサと、少なくとも１つの入力デバイスと、少なくとも１つの出力デバイスと、を含むプログラマブルシステム上で実行可能および／または解釈可能な１つ以上のコンピュータプログラム内での実装を含み得る。

これらのコンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、またはコードとしても知られる）は、プログラマブルプロセッサ用の機械命令を含み、高レベル手続き型および／もしくはオブジェクト指向プログラミング言語で、ならびに／またはアセンブリ言語／機械語で実装され得る。本明細書で使用される場合、「機械可読媒体」および「コンピュータ可読媒体」という用語は、プログラマブルプロセッサに機械命令および／またはデータを提供するために使用される任意のコンピュータプログラム製品、非一時的なコンピュータ可読媒体、装置、および／またはデバイス（例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ＰＬＤ））を指し、機械命令を機械可読信号として受け取る機械可読媒体を含む。「機械可読信号」という用語は、プログラマブルプロセッサに機械命令および／またはデータを提供するために使用される任意の信号を指す。

本明細書で説明されるプロセスおよびロジックフローは、入力データを処理して出力を生成することによって機能を実行するために、１つ以上のコンピュータプログラムを実行する１つ以上のプログラマブルプロセッサによって実行され得る。プロセスおよびロジックフローはまた、例えば、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）またはＡＳＩＣ（特定用途向け集積回路）などの専用論理回路によっても実行され得る。コンピュータプログラムの実行に好適なプロセッサには、例として、汎用および専用マイクロプロセッサの両方、ならびに任意の種類のデジタルコンピュータのうちの任意の１つ以上のプロセッサが含まれる。概して、プロセッサは、読み取り専用メモリもしくはランダムアクセスメモリ、またはその両方から命令および／またはデータを受信することになる。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを格納するための１つ以上のメモリデバイスである。概して、コンピュータはまた、データを格納するための１つ以上の大容量ストレージデバイス、例えば、磁気ディスク、光磁気ディスク、もしくは光ディスクを含むか、または大容量ストレージデバイスからデータを受信、もしくはデータを転送、もしくはその両方を行うように動作可能に結合される。しかし、コンピュータは必ずしもそのようなデバイスを有する必要はない。コンピュータプログラム命令およびデータを格納するための好適なコンピュータ可読媒体には、すべての形態の不揮発性メモリ、媒体、およびメモリデバイスが含まれ、例としては、例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシュメモリデバイスなどの半導体メモリデバイス、例えば内蔵ハードディスクまたは取り外し可能ディスクなどの磁気ディスク、光磁気ディスク、ならびにＣＤ ＲＯＭディスクおよびＤＶＤ－ＲＯＭディスクが挙げられる。プロセッサおよびメモリは、専用論理回路によって補足されるか、または専用論理回路に組み込まれ得る。

ユーザとの相互作用を提供するために、本開示の１つ以上の態様は、ユーザに情報を表示するための、例えば、ＣＲＴ（陰極線管）、ＬＣＤ（液晶ディスプレイ）モニタ、もしくはタッチスクリーンなどの表示デバイス、ならびに任意選択的に、ユーザがコンピュータに入力を提供できるキーボード、および、例えば、マウスもしくはトラックボールなどのポインティングデバイスを有するコンピュータ上に実装され得る。他の種類のデバイスを使用して、ユーザとの相互作用を提供することもでき、例えば、ユーザに提供されるフィードバックは、例えば、視覚的フィードバック、聴覚的フィードバック、または触覚的フィードバックなどの任意の形態の感覚フィードバックであり得、ユーザからの入力は、音響、音声、または触覚入力を含む任意の形態で受け取ることができる。さらに、コンピュータは、ユーザによって使用されるデバイスにドキュメントを送信し、デバイスからドキュメントを受信することによって、例えば、ウェブブラウザから受信された要求に応答して、ユーザのクライアントデバイス上のウェブブラウザにウェブページを送信することによって、ユーザと相互作用することができる。

多数の実装例が説明されてきた。それでもなお、本発明の趣旨および範囲から逸脱することなく、様々な修正が行われ得ることが理解されよう。

Claims (28)

1. 方法（６００）であって、
   データ処理ハードウェア（１４２）において、ロボット（１００）の少なくとも１つのセンサー（１３２）から、少なくとも１つの元のセンサーデータ（１３４）のセットおよび現在のセンサーデータ（１３４）のセットを受信することであって、前記少なくとも１つの元のセンサーデータ（１３４）のセットおよび前記現在のセンサーデータ（１３４）のセットの各々が、前記ロボット（１００）の周りの環境（１０）に対応し、前記ロボット（１００）がボディ（１１０）を備える、前記少なくとも１つの元のセンサーデータ（１３４）のセットおよび前記現在のセンサーデータ（１３４）のセットを受信することと、
   前記データ処理ハードウェア（１４２）によって、前記少なくとも１つの元のセンサーデータ（１３４）のセットに基づいて、複数のボクセル（２１２）を含むボクセルマップ（２１０）を生成することであって、前記複数のボクセル（２１２）が、少なくとも１つの地面ボクセル（２１２）および少なくとも１つの障害物ボクセル（２１２）を含む、前記ボクセルマップ（２１０）を生成することと、
   前記データ処理ハードウェア（１４２）によって、前記現在のセンサーデータ（１３４）のセットに基づいて球形深度マップ（２１８）を生成することと、
   前記データ処理ハードウェア（１４２）によって、前記ボクセルマップ（２１０）と前記球形深度マップ（２１８）との間の比較に基づいて、前記ボクセルマップ（２１０）によって障害物として表される物体（１４）に変化が発生したことを決定することと、
   前記データ処理ハードウェア（１４２）によって、前記環境（１０）内の前記物体（１４）の前記変化を反映するために前記ボクセルマップ（２１０）を更新することと、を含む、方法（６００）。
2. 前記ロボット（１００）が四足動物を画定する４つの脚（１２０）を備える、請求項１に記載の方法（６００）。
3. 前記ボクセルマップ（２１０）を生成することが、
   前記ロボット（１００）の周りの空間の３次元単位が占有されているかどうかを決定することと、
   占有されている各３次元単位について、それぞれの単位を地面、障害物、または地面でも障害物でもないもののうちの１つとして分類することと、を含む、請求項１または２に記載の方法（６００）。
4. 前記ボクセルマップ（２１０）が、３次元（３Ｄ）グリッドを含み、前記方法（６００）が、前記ボクセルマップ（２１０）の前記３Ｄグリッドの各セルに対して、前記データ処理ハードウェア（１４２）によって、それぞれの垂直方向の列の連続したボクセル（２１２）を統合して、セグメント（２１４）を形成することをさらに含み、前記セグメント（２１４）が、高さおよび点重みＷ_Ｐを含み、前記点重みＷ_Ｐが、前記セグメント（２１４）を形成する１つ以上のボクセル（２１２）が前記少なくとも１つの元のセンサーデータ（１３４）のセットに基づいて占有されていることの確実性の程度を示す、請求項１～３のいずれか一項に記載の方法（６００）。
5. 前記データ処理ハードウェア（１４２）によって、それぞれのセグメント（２１４）の前記点重みＷ_Ｐを、前記現在のセンサーデータ（１３４）のセットが、前記それぞれのセグメント（２１４）を定義するセンサーデータ（１３４）を含まないときには、減少させることをさらに含む、請求項４に記載の方法（６００）。
6. 前記データ処理ハードウェア（１４２）によって、前記ボクセルマップ（２１０）内の位置における前記セグメント（２１４）の前記高さを、前記球形深度マップ（２１８）内のそれぞれの位置における列からの高さの範囲と比較することであって、前記セグメント（２１４）の前記位置および前記列の前記それぞれの位置が、前記ロボット（１００）に対して同じ位置に対応する、前記データ処理ハードウェア（１４２）によって比較することと、
   前記データ処理ハードウェア（１４２）によって、前記セグメント（２１４）の前記高さと前記列からの前記高さの範囲とが一致しないことを決定することと、をさらに含む、請求項４または５に記載の方法（６００）。
7. 前記球形深度マップ（２１８）が、前記現在のセンサーデータ（１３４）のセットの球形表現を含み、前記球形表現が、前記現在のセンサーデータ（１３４）のセットを捕捉する前記少なくとも１つのセンサー（１３２）からの距離および高さにおける前記センサーデータ（１３４）の点によって画定される矩形構造体を含む、請求項１～６のいずれか一項に記載の方法（６００）。
8. 前記環境（１０）内の前記物体（１４）の前記変化を反映するために前記ボクセルマップ（２１０）を更新することが、前記変化に関連付けられている前記障害物に対応する前記ボクセルマップ（２１０）から１つ以上のボクセル（２１２）を削除することを含む、請求項１～７のいずれか一項に記載の方法（６００）。
9. 前記１つ以上のボクセル（２１２）を削除することが、
   ヒューリスティックを使用して、前記環境（１０）による前記物体（１４）の前記変化に関連付けられている近くのボクセル（２１２）を識別することと、
   前記識別された近くのボクセル（２１２）を削除することと、を含む、請求項８に記載の方法（６００）。
10. 前記環境（１０）内の前記物体（１４）の前記変化を反映するために前記ボクセルマップ（２１０）を更新することが、前記変化に関連付けられている前記障害物（２１４_ＯＢ）に対応する前記セグメント（２１４）を切り取ることを含む、請求項４～６のいずれか一項に記載の方法（６００）。
11. 方法（７００）であって、
    データ処理ハードウェア（１４２）において、ロボット（１００）の周りの環境（１０）に対応するセンサーデータ（１３４）を、前記ロボット（１００）の少なくとも１つのセンサー（１３２）から受信することであって、前記ロボット（１００）が、ボディ（１１０）を備える、前記センサーデータ（１３４）を受信することと、
    前記データ処理ハードウェア（１４２）によって、前記センサーデータ（１３４）に基づいて、複数のボクセル（２１２）を含むボクセルマップ（２１０）を生成することであって、前記複数のボクセル（２１２）が、少なくとも１つの地面ボクセル（２１２）および少なくとも１つの障害物ボクセル（２１２）を含む、前記ボクセルマップ（２１０）を生成することと、
    前記ボクセルマップ（２１０）に基づいて、前記データ処理ハードウェア（１４２）によって、前記ロボット（１００）の前記ボディ（１１０）が障害物の前記環境（１０）との干渉を伴わずに移動することができる前記環境（１０）内の位置を示すように構成されたボディ障害物マップ（２２０）を生成することであって、前記ボディ障害物マップ（２２０）が、セル（２２２）に分割され、複数の前記セル（２２２）が、最も近い障害物境界の指示を含み、前記最も近い障害物境界が、前記ボクセルマップ（２１０）の前記少なくとも１つの障害物ボクセル（２１２）から導出される、前記ボディ障害物マップ（２２０）を生成することと、
    前記データ処理ハードウェア（１４２）によって、前記ボディ障害物マップ（２２０）を、制御システム（１７０）に通信することであって、前記制御システム（１７０）が、前記環境（１０）の周りで前記ロボット（１００）を移動させるように構成されている、前記ボディ障害物マップ（２２０）を通信することと、を含む、方法（７００）。
12. 前記指示が、前記最も近い障害物境界までの距離の推定値と、前記最も近い障害物境界への方向と、を含む、請求項１１に記載の方法（７００）。
13. 前記ボディ障害物マップ（２２０）を生成することが、複数のベクトルを含むベクトルフィールド（２２８_ＶＦ）を生成することを含み、前記複数のベクトルの各ベクトルが、障害物回避の方向を示し、各ベクトルが、前記最も近い障害物境界への前記方向とは反対のベクトル方向を含む、請求項１２に記載の方法（７００）。
14. 前記制御システム（１７０）が、前記ボディ障害物マップ（２２０）を使用して、前記ロボット（１００）の前記ボディ（１１０）の水平方向の運動および前記ロボット（１００）の前記ボディ（１１０）のヨー回転を制御するように構成されている、請求項１１～１３のいずれか一項に記載の方法（７００）。
15. 前記データ処理ハードウェア（１４２）によって、前記複数のボクセル（２１２）の各ボクセル（２１２）に関連付けられている点重みに基づいて、前記ボクセルマップ（２１０）の前記複数のボクセル（２１２）をフィルタリングすることをさらに含み、前記点重みが、前記センサーデータ（１３４）に基づいて、それぞれのボクセル（２１２）が占有されている確実性の程度を示す、前記複数のボクセル（２１２）をフィルタリングすることを含み、
    前記ボクセルマップ（２１０）に基づいて前記ボディ障害物マップ（２２０）を生成することが、点重み閾値を満たし、かつ障害物ボクセル（２１２）に対応する前記フィルタリングされた複数のボクセル（２１２）を前記ボディ障害物マップ（２２０）に変換することを含む、請求項１１～１４のいずれか一項に記載の方法（７００）。
16. 方法（８００）であって、
    データ処理ハードウェア（１４２）において、ロボット（１００）の周りの環境（１０）に対応するセンサーデータ（１３４）を、前記ロボット（１００）の少なくとも１つのセンサー（１３２）から受信することであって、前記ロボット（１００）が、ボディ（１１０）と、脚（１２０）と、を備え、各脚（１２０）が、遠位端（１２４）を備える、前記センサーデータ（１３４）を受信することと、
    前記データ処理ハードウェア（１４２）によって、前記センサーデータ（１３４）に基づいて、複数のセグメント（２１４）を含むボクセルマップ（２１０）を生成することであって、前記複数のセグメント（２１４）の各セグメント（２１４）が、１つ以上のボクセル（２１２）によって画定される垂直方向の列に対応し、前記複数のセグメント（２１４）が、少なくとも１つの地面セグメント（２１４_Ｇ）と、少なくとも１つの障害物セグメント（２１４_ＯＢ）と、を含む、前記ボクセルマップ（２１０）を生成することと、
    前記ボクセルマップ（２１０）に基づいて、前記データ処理ハードウェア（１４２）によって、前記ロボット（１００）が前記環境（１０）の周りで移動しているときに前記ロボット（１００）のそれぞれの脚（１２０）の前記遠位端（１２４）を配置するための高さを示すように構成された地面高さマップ（２３０）を生成することであって、前記地面高さマップ（２３０）が、セルに分割され、少なくとも１つのセルが、それぞれの地面セグメント（２１４Ｇ）に対応し、かつ前記それぞれの地面セグメント（２１４Ｇ）に基づくそれぞれの高さ（２３２）を含む、前記地面高さマップ（２３０）を生成することと、
    前記データ処理ハードウェア（１４２）によって、前記地面高さマップ（２３０）を制御システム（１７０）に通信することであって、前記制御システム（１７０）が、前記地面高さマップ（２３０）に基づいて、前記それぞれの脚（１２０）の前記遠位端（１２４）を前記環境（１０）内の配置位置に移動させるように構成されている、前記地面高さマップ（２３０）を通信することと、を含む、方法（８００）。
17. 前記地面高さマップ（２３０）を生成することが、前記それぞれの地面セグメント（２１４_Ｇ）の１つ以上のボクセル（２１２）の点重みＷ_Ｐが高さ精度閾値（２３２_ＴＨ）を満たすことを決定することを含み、前記点重みＷ_Ｐが、センサーデータ（１３４）に基づいて、それぞれのボクセル（２１２）が占有されていることの確実性の程度を示し、前記高さ精度閾値（２３２_ＴＨ）が、前記それぞれの地面セグメント（２１４_Ｇ）によって表される所与の物体（１４）の高さ（２３２）の精度のレベルを示す、請求項１６に記載の方法（８００）。
18. 前記それぞれの地面セグメント（２１４_Ｇ）の１つ以上のボクセル（２１２）の前記点重みＷ_Ｐが高さ精度閾値（２３２_ＴＨ）を満たすことを決定することが、前記それぞれの地面セグメント（２１４_Ｇ）を画定する前記１つ以上のボクセル（２１２）を、前記それぞれの地面セグメント（２１４_Ｇ）の最大高さ（２３２）から、前記それぞれの地面セグメント（２１４_Ｇ）の最小高さ（２３２）まで昇降することを含む、請求項１７に記載の方法（８００）。
19. 前記データ処理ハードウェア（１４２）によって、前記地面高さマップ（２３０）の１つ以上のセルが欠落している地形に対応することを識別することと、
    前記データ処理ハードウェア（１４２）によって、前記欠落している地形が前記センサーデータ（１３４）の妨害（２３４_Ｏ）に対応するかどうかを決定することと、
    前記欠落した地形が前記センサーデータ（１３４）の前記妨害（２３４_Ｏ）に対応するとき、前記データ処理ハードウェア（１４２）によって、前記欠落している地形を平坦な地形（２３４_ＦＴ）で置き換えることと、をさらに含む、請求項１６～１８のいずれか一項に記載の方法（８００）。
20. 前記欠落している地形が前記センサーデータ（１３４）の前記妨害（２３４_Ｏ）に対応しないときには、前記データ処理ハードウェア（１４２）によって、前記欠落している地形を平滑な地形（２３４_ＳＴ）で置き換えることをさらに含む、請求項１９に記載の方法（８００）。
21. 新しいセンサーデータ（１３４）が前記平坦な地形（２３４_ＦＴ）に対応する実際の地形を識別するまで、前記平坦な地形（２３４_ＦＴ）が前記地面高さマップ（２３０）内に持続する、請求項１９または２０に記載の方法（８００）。
22. 前記平滑な地形（２３４_ＳＴ）が、前記地面高さマップ（２３０）の後続の反復中に、前記地面高さマップ（２３０）に対して持続しない、請求項２０に記載の方法（８００）。
23. 方法（９００）であって、
    データ処理ハードウェア（１４２）において、ロボット（１００）の周りの環境（１０）に対応するセンサーデータ（１３４）を、前記ロボット（１００）の少なくとも１つのセンサー（１３２）から受信することであって、前記ロボット（１００）が、ボディ（１１０）と、脚（１２０）と、を備え、各脚（１２０）が、遠位端（１２４）を備える、前記センサーデータ（１３４）を受信することと、
    前記データ処理ハードウェア（１４２）によって、前記センサーデータ（１３４）に基づいて、複数のセグメント（２１４）を含むボクセルマップ（２１０）を生成することであって、前記複数のセグメント（２１４）の各セグメント（２１４）が、１つ以上のボクセル（２１２）によって画定される垂直方向の列に対応し、前記複数のセグメント（２１４）が、少なくとも１つの地面セグメント（２１４_Ｇ）と、少なくとも１つの障害物セグメント（２１４_ＯＢ）と、を含む、前記ボクセルマップ（２１０）を生成することと、
    前記ボクセルマップ（２１０）に基づいて、前記データ処理ハードウェア（１４０）（１４２）によって、前記ロボット（１００）が前記環境（１０）の周りで移動しているときに前記ロボット（１００）のそれぞれの脚（１２０）の前記遠位端（１２４）を配置するための高さを示すように構成された地面高さマップ（２３０）を生成することと、
    前記地面高さマップ（２３０）に基づいて、前記データ処理ハードウェア（１４２）によって、１つ以上のステップなし領域（２４４）を含むステップなしマップ（２４０）を生成することであって、各ステップなし領域（２４４）が、前記ロボット（１００）が前記環境（１０）の周りで移動しているときに前記ロボット（１００）のそれぞれの脚（１２０）の前記遠位端（１２４）を配置しない領域を示すように構成されており、前記ステップなしマップ（２４０）が、セル（２４２）に分割されており、各セル（２４２）が、距離値と、方向ベクトルと、を含み、前記距離値が、セル（２４２）に最も近い障害物（Ｏ）の境界までの距離を示し、前記方向ベクトルが、前記セル（２４２）に前記最も近い障害物（Ｏ）の前記境界への方向を示す、前記ステップなしマップ（２４０）を生成することと、
    前記データ処理ハードウェア（１４２）によって、前記ステップなしマップ（２４０）を制御システム（１７０）に通信することであって、前記制御システム（１７０）が、前記ステップなしマップ（２４０）に基づいて、前記それぞれの脚（１２０）の前記遠位端（１２４）を前記環境（１０）内の配置位置に移動させるように構成されている、前記ステップなしマップ（２４０）を通信することと、を含む、方法（９００）。
24. 前記最も近い障害物（Ｏ）の前記境界までの前記距離は、前記セル（２４２）が前記最も近い障害物（Ｏ）の内側にあるか、または前記最も近い障害物（Ｏ）の外側にあるかを識別する符号を含む、請求項２３に記載の方法（９００）。
25. 前記データ処理ハードウェア（１４２）によって、
    指令されたスピードを達成するための脚（１２０）の最小勾配を決定することと、
    前記最小勾配に基づいて、脛衝突高さ（ｈ_Ｃ）を識別することと、
    前記ステップなしマップ（２４０）の各セル（２４２）に対して、前記脛衝突高さ（ｈ_ｃ）をそれぞれのセル（２４２）の地面高さ（２３２）と比較することであって、前記それぞれのセル（２４２）の前記地面高さ（２３２）が前記地面高さマップ（２３０）から受信される、前記脛衝突高さ（ｈ_ｃ）をそれぞれのセル（２４２）の地面高さ（２３２）と比較することと、
    によって潜在的な脛衝突に対応する第１のステップなし領域（２４４）を決定することをさらに含む、請求項２３または２４に記載の方法（９００）。
26. 前記データ処理ハードウェア（１４２）によって、前記脛衝突高さ（ｈ_ｃ）と前記それぞれのセル（２４２）の前記地面高さ（２３２）との間の差が、脛衝突閾値を満たすことを決定することをさらに含む、請求項２５に記載の方法（９００）。
27. 前記１つ以上のステップなし領域（２４４）のうちの少なくとも１つのステップなし領域（２４４）が、前記ロボット（１００）の現在の姿勢に基づいて前記ロボット（１００）にアクセス可能でないエリアを識別し、前記ロボット（１００）にアクセス可能な前記エリアが、前記現在の姿勢とは異なる代替の姿勢である、請求項２３～２６のいずれか一項である方法（９００）。
28. 前記ステップなしマップ（２４０）を生成することが、前記ロボット（１００）の特定の脚（１２０）の前記ステップなしマップ（２４０）を生成することを含む、請求項２３～２７のいずれか一項に記載の方法（９００）。

Images