JP6054425B2 - 自己位置推定を自動的に実行する方法 - Google Patents

Description

本明細書は、自動位置推定を、特に自走式の自律型ロボット（たとえばロボット型掃除機）の自動的なグローバル自己位置推定を、自動的に実行する方法に関するものである。

床面の清掃ないし処理を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で実現することが望まれる。単純なシステムでは、処理されるべき床面が存在する周辺のマップを作成ないし利用することなしにすませる、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、床面の区切、清掃される領域／清掃されない領域などに関わる位置情報は利用されない。局所的な運動ストラテジーとの組み合わせで、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。そのため、たとえば床面が何度も清掃されるという犠牲を払うことになり、床面が（有限の時間内に）完全に清掃されるという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、的確な経路計画と的確な床面清掃のために、ＳＬＡＭアルゴリズム（ＳＬＡＭ："Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ"、「同時位置推定・地図作成」）によって周辺のマップが作成される。その場合、地図および地図上でのロボットの位置は、外部のセンサ（レーザレンジスキャナ、カメラとレーザを用いた三角測量法、接触センサなど）と内部のセンサ（オドメータセンサ、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、新たな地図が新たな清掃プロセスのたびに（つまり、前回の清掃プロセスの完了後に）作成される。

非恒常的な地図とは異なり、恒常的に保存される地図を使用することは効率的な処理プロセスを可能にする。周辺を繰り返して探索する必要がないからである。このようにして、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、地図をベースとする追加の情報を判定して、再び利用することができる（たとえば問題のある領域、著しく汚れた領域など）。あるいは、たとえば部屋の名称、集中的な清掃を必要とする領域、閉鎖された領域など、非恒常的な地図では入力することが有意義ではないユーザー固有の情報も引き継ぐことができる。たとえばＩｎｔｅｌｌｉｂｏｔの特許文献２では、保存された／恒常的な地図が利用されて、地図の個々の部分領域に（場合により異なる）機能（たとえば吸引、拭取り）を割り当て、これらの機能を清掃機器により自律的に進行させることができる。Ｓａｍｓｕｎｇの特許文献３では、利用可能な地図が部分領域に分解され、次いで、これらの部分領域がシーケンシャルに清掃される。

地図が恒常的に保存されるロボットについての基本条件は、地図に対して相対的な自らの実際の位置に関する予備知識なしに、もしくはごく限られた予備知識だけで、ロボットが恒常的な地図で自律的に位置推定できることにある。このような能力はグローバル自己位置推定（英語ｇｌｏｂａｌ ｓｅｌｆ ｌｏｃａｌｉｚａｔｉｏｎ）とも呼ばれる。このような方式は、たとえば非特許文献１に記載されている。

しかしながら、このような種類の方式にしたがって実行される自己位置推定は、存在する地図の大きさや数によっては非常に長い時間がかかる可能性がある。この時間中、ロボットはたとえば目標点に到達するという本来の役割については部分的に作動停止となり、そのために役割遂行が遅れてしまう。

欧州特許出願公開第２２８７６９７Ａ２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

"Ａｃｔｉｖｅ Ｇｌｏｂａｌ Ｌｏｃａｌｉｚａｔｉｏｎ ｆｏｒ ａ Ｍｏｂｉｌｅ Ｒｏｂｏｔ ｕｓｉｎｇ Ｍｕｌｔｉｐｌｅ Ｈｙｐｏｈｔｈｅｓｉｓ Ｔｒａｃｋｉｎｇ"，ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ，２００１

そこで本発明の課題は、自己位置推定をできる限り稀に実行し、特に、必要であることが判明したときにだけ実行し、それによって本来の役割遂行のための時間とエネルギーを節約する、自律的なロボットを提供することにある。

上述したこの課題は、請求項１に記載の携帯型ロボットによって解決される。本発明のさまざまな実施例や発展例は、従属請求項の対象となっている。

以下において、活動を自律的に遂行するための自走式の携帯型ロボットについて説明する。本発明の１つの実施例では、ロボット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；周辺の構造に関わる情報および／または床面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；処理プロセスの前または途中におけるロボットの移動を検知するために構成された検知モジュール；ロボットを処理プロセス中に周辺の地図を用いて床面上でナビゲートし、周辺の１つまたは複数の地図を保存して管理し、検知モジュールがロボットの移動を検知したときに自己位置推定を実行するために構成されたナビゲーションモジュール。自己位置推定にあたっては、保存されている地図の内部にロボットがいるかどうか、どこにいるかが検知される。

さらに、自走式の自律型ロボットを用いて活動を自動的に遂行する方法が記載される。本発明の１つの実施例では、本方法は次のステップを有している：周辺の少なくとも１つの地図を保存して管理する；処理プロセスを開始し、ロボットに配置された処理モジュールを用いて活動を遂行する；周辺の地図を参照しながらロボットを処理プロセス中に床面上でナビゲートする；ロボット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によって処理プロセス中に周辺の構造に関わる情報および／または床面に関わる情報を検出する；ロボットが移動していることをロボットの表面または内部に配置された検知モジュールが検知したときに自己位置推定を実行し、自己位置推定にあたっては、保存されている地図の内部にロボットがいるかどうか、どこにいるかが検知される。

床面の処理との関連において説明する携帯型ロボットの実施例や技術的特徴は、それ以外の活動または追加の活動を遂行するための携帯型ロボットにも転用可能である。説明している携帯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など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適用する場合には必ずしも必要ではない。

以下の図面および下記の説明は、本発明をより良く理解してもらうためのものである。図面における各要素は必ずしも限定として理解されるべきではなく、むしろ、本発明の原理を説明することが重視されている。図面中では、同じ符号は同一もしくは類似の部品を表しており、または、同一もしくは類似の意義をもつ信号を表している。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のロボットを一例として示す模式的な等角図である。 床面を自律的に清掃するための自走式のロボットを、清掃されるべき領域のさまざまな位置で示す一例としての図である。 床面を自律的に処理するための本発明によるロボットの構造を一例として示すブロック図である。 床面を自律的に処理するための本発明によるロボットの別の例を示すブロック図である。

図１は、床面を自律的に清掃するための自走式のロボット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の中心部に原点があるデカルト座標系も示している。このような種類の機器はしばしば（ただし必ずではなく）円盤状に構成される。垂直軸ｚは円盤の中心を通って延びている。長手方向の軸は符号ｘが付されており、横方向の軸は符号ｙが付されている。

ロボット１００は、たとえば電動モータと、伝動装置と、ホイールと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動かしたり（図１の図面では、これはｘ軸に沿うことになる）、垂直軸を中心として回転させる（図１の図面では、これはｚ軸となる）ために構成されていてよい。このようにしてロボットは、（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（理論上は）到達することができる。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ために構成された、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引され、または機械式に（もしくはそれ以外の何らかの形で）回収容器へと運ばれる。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種類や、たとえば清掃プロセスのような床面の処理にあたって適用される「ストラテジー」によって区別される。

地図の作成ないし利用なしですませるロボットが知られている。比較的単純なこうしたシステムでは、通常、ランダムなナビゲーション方式が適用される。たとえば障害物やオリエンテーション点に関す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通常、局所的な運動ストラテジーとの組み合わせで、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、床面が清掃されるべき領域内で部分的に何度も清掃され、それに対して他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、周辺の地図およびそれと同時に地図中でのロボットの対応する位置を判定する、さらに複雑なシステムが開発されている。このような種類の方式は公知であり、ＳＬＡＭ方式（英語：Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ、ドイツ語：同時位置推定・地図作成。たとえばＨ． 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月号所載を参照）と呼ばれる。このようにして的確なナビゲーションが可能となる。このとき地図および地図中で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。この種のシステムではロボットにとって、それが２回の清掃プロセスの間で利用者によってたとえば別の場所に移動させられることに意味はない。新たな処理プロセスのたびに、新たな地図が自動的に作成されるからである。

ロボットにより作成された地図が恒常的に保存されて、以後の清掃プロセスのために再び利用されるシステムでは、周辺をあらためて探索する必要がないので、一時的な地図をつくるシステムに比べて効率的な処理プロセスが可能である。これに加えて、地図をベースとする情報を判定して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、次回の清掃プロセスのときに特別に処理することができる。たとえば部屋の名称のようなユーザー固有の情報を引き継ぐこともできる。ただし、保存されている地図の再利用にあたっては、たとえば保存されている別の地図の領域へのロボットの移動を、処理プロセスの間および特に前に効率的に取り扱うことができなければならない。

図２は、清掃されるべき領域Ｇの内部の位置Ａにある自律的なロボット１００を一例として示している。清掃されるべき領域Ｇは、ここではドアで相互につながった異なる部屋に下位区分される。ここでは個々の部屋には、さまざまな種類の物品（影付きの面）があってよい。たとえば位置Ａのところでロボット１００が清掃プロセスを終了したとき、ロボットは通常この位置を記憶しておく。したがって次の清掃プロセスを開始するとき、ロボット１００は、使用している地図の内部で自分がどの個所にいるのかがわかる。しかしそのためには、ロボット１００が次の清掃プロセスを再び位置Ａから開始することが必要である。ところがロボット１００が次の清掃プロセスの前に、清掃されるべき領域Ｇのたとえば同じ部屋の別の位置Ｂへ、あるいは別の部屋の位置Ｃへ移動していると、前回の清掃プロセスの終了時に保存された位置Ａは、次回の清掃プロセスの実際のスタート位置ＢまたはＣとは一致しなくなる。

利用者がロボット１００を清掃プロセス中に、たとえば位置Ａ'から別の個所ＢまたはＣへ移動させることもあり得る。それに応じてロボット１００は、すでに開始している清掃プロセスを別の位置から続行しなければならない。ロボット１００が複数の地図を保存していれば、たとえば建物の各々の階層についての１つの地図を保存していれば、ロボット１００を地図の内部で移動させるだけでなく、１つの地図から別の地図へ移動させることも可能である。

こうした理由により、この種のロボット１００は通常、清掃プロセスを開始する前に、いわゆるグローバル自己位置推定を実行することができる。ここでグローバル自己位置推定（英語"Ｇｌｏｂａｌ Ｓｅｌｆｌｏｃａｌｉｚａｔｉｏｎ"）とは、ロボット１００が恒常的な地図で自律的に、地図に対して相対的な自分の実際の位置についての予備知識なしに、もしくはごく限られた予備知識だけで、位置推定をすることを意味している。このときロボット１００は、たとえば新しい一時的な地図を新規探索によって能動的に作成することを開始することができる（英語"Ａｃｔｉｖｅ Ｇｌｏｂａｌ Ｓｅｌｆｌｏｃａｌｉｚａｔｉｏｎ"）。このときロボット１００は、位置推定の成功または失敗に関して十分な確実性が達されるまで、新しい一時的な地図をまだ作成中から、保存されているすべての地図と繰り返し照合する。

このときロボット１００は、保存されている地図の中でグローバル位置推定の仮定を自律的に判定する。すなわちロボットは、現在の設置場所を地図中の１つの位置へ一義的に割り当てることができるように、さまざまな基準を検討する。たとえばロボットは、ドア、壁、特定の家具などがどの方向にどれだけの距離で存在しているかを決定することができる。１つの指標が認識されるたびに、可能性のある位置の数を限定していくことができる。

図３は、床面を自律的に処理（たとえば清掃）をするための本発明のロボットの一実施例の模式的な構造を図化したブロック図である。すでに上で述べた駆動モジュール１３０と処理モジュール１４０が図示されている。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（ｎａｖｉｇａｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ ｍｏｄｕｌｅ）によりコントロールされる。ナビゲーションモジュールは、ロボットを清掃プロセス中に周辺の地図を参照して床面上でナビゲーションするように構成されている。このとき地図は、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（ｍａｐ ｄａｔａ）の形態で保存される。周辺でナビゲーションをするために、ロボットの目標軌道を計画するさまざまなストラテジーが知られている。一般に、できる限り短い軌道で、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、それにより稠密な処理（たとえば清掃）を保証することが試みられる。

さらにロボット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、情報を検出するために構成された１つまたは複数のセンサユニットを有することができ、この情報に基づいて周辺の地図を作成し、ロボットの位置を地図上で位置推定することができる。この目的に適しているセンサは、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、同時にロボットの位置を地図の内部で位置決定するために、すでに説明した通り、ＳＬＡＭ方式を適用することができる。

位置推定が成功したとき、このようにして新たに作成された（一時的な）地図と、これに対応する恒常的な位置推定地図とを、生じている可能性のある相違を更新するために有意義に統合することができる。たとえば位置推定のときに新たな物品が存在していたり、以前には存在していた物品が取り除かれていることがあり得る。このとき位置推定の仮定は十分に高い品質を有しているのがよく、すなわち、新しい地図と保存されている地図との間で最低数の一義的な一致が見出されるべきである。

十分に高い品質で位置推定を実現することができないとき、位置推定は失敗する。このようなケースでは、ロボット１００はたとえば位置推定の際に得られたデータから目下の周辺の地図を生成し、これを新しい地図として保存する。このようにして得られた地図も、今後の清掃プロセスのために利用することができる。

このときロボット１００のグローバル自己位置推定は自律的に実行される。ロボット１００はそのために検知モジュール１５０を有している。検知モジュール１５０は、ここでは独立したモジュールとして構成されていてよいが、たとえばナビゲーションモジュール１１０またはセンサモジュール１２０に組み込むこともできる。検知モジュール１５０は、ロボット１００が移動しているかどうかを検知するように構成されている。この検知はさまざまな形式で行うことができる。たとえばロボット１００は持ち上げを検知し、これに続いてロボット１００が元に戻されるのを検知することができる。そのためにロボットは、たとえば１つまたは複数の接触スイッチを弾性支承されたホイール（図示せず）に有することができ、該接触スイッチにより、持ち上げられてから引き続き元に戻されるのを検知することができる。さらに別の可能性は、たとえばジャイロスコープのような慣性センサをセンサモジュール１２０に設けることにある。慣性センサは並進および回転の加速度を測定することができる。ロボット１００が移動すると、このセンサが静止時や清掃プロセス中の通常のナビゲート時よりも高い値を供給する。このような一例としての解決法により、ロボットの移動を清掃プロセスの前でも途中でも検知することが可能となる。別案として、持ち上げをいわゆる「墜落センサ」（「クリフセンサ」とも呼ばれる）によって検知することもできる。これは基本的には反射光バリア（反射型オプトカプラ）であり、機器の下面（特に、たとえば階段の縁を検知するために縁部）に配置されており、光線が床面で反射されて、反射光バリアへと跳ね返される。機器が持ち上げられると反射は生じなくなる。元に戻された後は再び反射が生じるようになり、自己位置推定を実行することができる。

あるいはロボット１００はスイッチが入った後、センサモジュール１２０にあるその他のセンサにより、スイッチが切られたときと同じ位置にいるのではないことを検知することができる。そのためには、スイッチが切られたときの位置を記憶しておかなければならない。スイッチを入れたときにセンサから供給されるデータが、たとえばレーザレンジスキャナにより検知することができる、たとえば物品との距離が、最後に保存された位置と一致していないとき、このことは、ロボット１００が移動していることを示す示唆となる。

このようにロボット１００の移動が検知されると、グローバル自己位置推定が自動的に実行される。このようにして、ロボット１００が移動していないときには、新たな清掃プロセスの前ごとに自動的に自己位置推定を行わなくてよい。このことが特に好ましいのは、ロボット１００が多数の地図および／または非常に複雑な地図を記憶しており、自己位置推定が比較的長い時間を要することになる場合である。さらには移動をどの時点でも、すなわち清掃プロセス中にも、検知することが可能である。検知をするために、１つまたは複数の方法および／または上に説明したのとは異なる方法を適用することができる。

同様に、センサまたは接触スイッチから供給されるデータを用いて、ロボットがどの程度の蓋然性でまだ移動前と同じ地図の内部にいるかを判定することも可能である。たとえばロボット１００は、持ち上げられてから次に元に戻されるまでの間に時間測定を行うことができる。このような時間測定で短い時間だけが得られたとき、ロボット１００は比較的高い蓋然性で、当初の位置から少ししか移動しておらず、まだ同じ地図の内部にいることを前提とすることができる。これとは逆に、持ち上げられてから次に元に戻されるまでの時間が非常に長いときには、別の地図中にいる蓋然性が高くなる。

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、既存の地図上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、駆動ユニットの負荷電流を測定するための電流センサを通じて、たとえばロボットが（たとえば絨毯の房などに）引っかかっていることを認識することができる。これ以外のセンサユニットも、たとえば駆動ホイールが空転していることによって、ロボットが進めないことを検知することができる。さらに、たとえば床の汚れの度合いを判定するために構成された上記以外のセンサユニットが設けられていてもよい。検出された周辺情報は、それぞれの情報に帰属するロボットの地図上の位置とともに、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。

図４は、床面を自律的に処理するための本発明のロボットの別の実施例を示している。ここではヒューマン・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ために、通信モジュール１５０が設けられている。ここでヒューマン・マシン・インターフェース２００として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なるシンプルなディスプレイであってもよい。ユーザーはたとえばＰＣを通じて、あるいはロボットハウジングに配置されたキーを通じて、制御コマンドを入力することができる。当然のことながら、これ以外の態様のヒューマン・マシン通信も知られている。このようなヒューマン・マシン・インターフェース２００は、保存されている情報を対応する位置とともにユーザーのために表示することを可能にし、それにより、処理プロセス（または代替的に点検プロセス）へ介入したり、周辺の変更を行うという選択肢を利用者に与える。ヒューマン・マシン・インターフェース２００は、利用者が制御コマンドを入力することで、処理プロセス（または点検プロセス）を中断し、改変し、続行し、あるいは新たに開始することを可能にする。

利用者はたとえばヒューマン・マシン・インターフェース２００を通じてロボット１００に、着目されるべき地図の希望する部分領域または部分量を伝えることができる。利用者がロボットをたとえば地階から１階へ移動させたとき、利用者はこのことをロボット１００にたとえばユーザーメッセージ「１階」を通じて伝えることができる。利用者はロボット１００にたとえばユーザーメッセージ「新しい地図」を通じて、まだ地図が保存されていない領域にロボット１００がいることを伝えることができる。このようにしてロボット１００は、どの地図で位置推定を実行しなければならないかがわかり、あるいは、新しい地図を作成しなければならないことがわかる。このことは、非常に多くの地図が保存されている場合、位置推定のために必要となる時間を大幅に削減することができる。たとえばホテルなどで、異なる階層にある部屋が非常に似通っているときでも、このようなユーザー入力は位置推定時間を明らかに短縮し、相応の成功の見通しを高めることができる。

次に、床面を自律的に処理するための本発明によるロボット１００の機能について、２通りの事例を参照しながら詳しく説明する。

第１の例：ロボットが２階建ての住居の探索を地階で開始し、その際に地階の地図を作成して、探索の完了後にこれを「地図１」として保存する。その後、ロボットは「地図１」の清掃プロセスを実行し、清掃プロセスの完了後にベースステーションへと戻る。その後、利用者が保存されている地図「地図１」をヒューマン・マシン・インターフェースを通じて「地階」に名称変更する。

その次の「地階」の清掃プロセス中にロボットが持ち上げられて、住居の１階へと移動させられる。ロボットは自分が移動したことを検知し（持ち上げられ、続いて元に戻される）、グローバル自己位置推定を実行する。このときロボットは、探索により、さしあたり一時的な新しい地図を作成し、これを地図「地階」と繰り返し比較する。この位置推定は失敗するので、ロボットは１階の探索を最後まで行い、次いで、新しい地図を「地図２」として保存する。その後、ロボットは「地図２」の清掃プロセスを実行する。利用者は引き続き「地図２」をやはりヒューマン・マシン・インターフェースを通じて「１階」に名称変更する。

これに続いてロボットが地階へ移動させられたとき、ロボットは「地階」で位置推定を行い、状況によっては、以前にまだ清掃されていなかった領域が清掃されるように、以前に中断していた清掃プロセスを終わらせる。それ以後、ロボットが各階の間で移動させられるたびに、グローバル自己位置推定が地図「地階」および「１階」で実行される。このことは、恒常的に自分で地図を作成するロボットの臨機応変な使用を利用者に可能にする。

第２の例：ロボットが住居の探索を開始し、その際に地図を作成して、探索の完了後にこの地図を「地図１」として保存する。その後、ロボットは「地図１」の清掃プロセスを実行し、これが終了してから、ベースステーションへと戻っていく。その後、利用者はヒューマン・マシン・インターフェースを介して、作成された地図に名称「住居」を与える。次回の清掃プロセス中、利用者はロボットのスイッチを切り、これをベースステーションと一緒に住居の別の部分へと運び、片付いた住居外観をつくる。その後、利用者はロボットのスイッチを再び入れる。ロボットはスイッチが入っていることを認識し、引き続き、センサデータが最後に保存された地図「住居」における位置と合わないことを検知する。

この結論は、ロボットのグローバル自己位置推定を「住居」で実行する。ロボットはまた新しい（一時的な）地図を探索によって作成し、これを「住居」と繰り返し比較する。「住居」内での位置推定が成功すると、新しい地図と地図「住居」とが有意義に統合されて、更新された地図「住居」となる。

位置推定が失敗したとき、たとえば利用者が住居外観を良くしようとして多くの大きな物品を配置換えしており、そのために十分に確実な位置推定が可能ではないとき、ロボットは新規探索を最後まで行い、新たに作成された地図を「地図２」として保存する。そして利用者は、すでに存在している地図「住居」を消去して、「地図２」を「住居」に名称変更することが可能である。

床面の処理との関連で説明した携帯型ロボットの各例と技術的特徴は、これ以外の活動を遂行するための携帯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により担うことができるあらゆる活動が、ここでは考えられる。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。上述した処理モジュール１４０は、床の処理以外の活動または追加の活動を遂行するロボットでは、それに準じて構成される。少なからぬケースにおいて、たとえば空間、面、物品の監視や点検だけを行う場合、処理モジュール１４０は必要ではない。

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、これに準じて本発明は、ここでの開示の基本的思想と権利保護範囲の内部で追加的に改変することもできる。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、本発明の数多くの態様、適用可能性、または用途をカバーするものである。さらに本件出願は、本発明が依拠する従来技術の公知または通常の実施をなす、ここでの開示からの逸脱事項をもカバーするように構想されている。本発明は、上に挙げた具体的事項だけに限定されるものではなく、添付の特許請求の範囲に基づいて改変することができる。

１００…ロボット
１１０…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…検知モジュール
１６０…通信モジュール
２００…インターフェース

Claims (11)

1. 活動を自律的に遂行するための自走式の携帯型ロボット（１００）において、前記ロボットは次のものを有しており、すなわち、
   床面上で前記ロボット（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、
   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、
   処理プロセスの前または途中におけるロボット（１００）の移動を検知するために構成された検知モジュール（１５０）と、
   前記ロボット（１００）を処理プロセス中に周辺の恒常的な地図を用いて床面上でナビゲートし、周辺の１つまたは複数の恒常的な地図を保存して管理し、前記検知モジュール（１５０）が前記ロボット（１００）の移動を検知したときにグローバル自己位置推定を実行するために構成されたナビゲーションモジュール（１１０）とを有しており、グローバル自己位置推定にあたっては、保存されている恒常的な地図の内部に前記ロボット（１００）がいるかどうか、どこにいるかが検知されるロボット。
2. さらに前記ナビゲーションモジュール（１１０）は前記ロボット（１００）が保存されている地図の内部で位置推定されないときに前記センサモジュール（１２０）により検出されたデータに基づいて新しい地図を作成して保存するように構成されている、請求項１に記載のロボット（１００）。
3. 前記ナビゲーションモジュール（１１０）は保存されている地図の中でグローバルな位置推定の仮定を判定することによって自己位置推定を実行する、請求項１または２に記載のロボット（１００）。
4. 前記ナビゲーションモジュール（１１０）は保存されている地図の中での位置推定の仮定の品質を判定する、請求項３に記載のロボット（１００）。
5. ヒューマン・マシン・インターフェース（２００）との接続を成立させ、当該接続を介してユーザー入力を受け取るために構成された通信モジュール（１６０）をさらに有している、請求項１から４のいずれか１項に記載のロボット（１００）。
6. 前記検知モジュール（１５０）は前記ロボット（１００）が持ち上げられてから元に戻されるのを検知することによって前記ロボット（１００）の移動を検知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）。
7. 前記ロボット（１００）は弾性支承されたホイールに少なくとも１つの接触スイッチをさらに有しており、および／または前記ロボットの下面に配置された反射光バリアを有しており、該反射光バリアは床で反射される光線を発し、該光線によって前記ロボット（１００）が持ち上げられてから元に戻されるのを検知することができる、請求項６に記載のロボット（１００）。
8. 前記センサモジュール（１２０）は前記ロボット（１００）の運動を検出するための慣性センサを有しており、前記検知モジュール（１５０）は検出された運動を参照して前記ロボット（１００）の移動を検知する、先行請求項のうちいずれか１項に記載のロボット（１００）。
9. スイッチが切られる前に前記センサモジュール（１２０）により検出された情報が保存され、あらためてスイッチが入れられたときに前記センサモジュール（１２０）により検出された情報が保存されている情報と相違しているときに前記ロボットの移動が検知される、先行請求項のうちいずれか１項に記載のロボット（１００）。
10. 自律的に遂行される活動は床面の処理および／または周辺もしくは周辺にある物品の点検および／または物品の搬送および／または空気の清浄化を含んでいる、先行請求項のうちいずれか１項に記載のロボット（１００）。
11. 自走式の自律型ロボット（１００）を用いて活動を自動的に遂行する方法において、前記方法は次のステップを有しており、すなわち、
    周辺の少なくとも１つの恒常的な地図を保存して管理し、
    処理プロセスを開始し、前記ロボット（１００）に配置された処理モジュール（１４０）を用いて活動を遂行し、
    周辺の恒常的な地図を参照しながら処理プロセス中に床面上で前記ロボットをナビゲートし、
    前記ロボット（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を検出し、
    前記ロボット（１００）が移動していることを前記ロボット（１００）の表面または内部に配置された検知モジュール（１５０）が検知したときにグローバル自己位置推定を実行し、グローバル自己位置推定にあたっては、保存されている恒常的な地図の内部に前記ロボット（１００）がいるかどうか、どこにいるかが検知される方法。

Images