JP7462891B2 - エスカレータを検出するためのシステム、装置、及び方法 - Google Patents

エスカレータを検出するためのシステム、装置、及び方法 Download PDF

Info

Publication number
JP7462891B2
JP7462891B2 JP2021533466A JP2021533466A JP7462891B2 JP 7462891 B2 JP7462891 B2 JP 7462891B2 JP 2021533466 A JP2021533466 A JP 2021533466A JP 2021533466 A JP2021533466 A JP 2021533466A JP 7462891 B2 JP7462891 B2 JP 7462891B2
Authority
JP
Japan
Prior art keywords
distance measurement
drop
escalator
sensor
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021533466A
Other languages
English (en)
Other versions
JPWO2020123605A5 (ja
JP2022511978A (ja
Inventor
アブドルハミド バディオザマニ
クリスティアン エドゥアルド トロンコソ パレデス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Brain Corp
Original Assignee
Brain Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Brain Corp filed Critical Brain Corp
Publication of JP2022511978A publication Critical patent/JP2022511978A/ja
Publication of JPWO2020123605A5 publication Critical patent/JPWO2020123605A5/ja
Application granted granted Critical
Publication of JP7462891B2 publication Critical patent/JP7462891B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G05B19/27—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using an absolute digital measuring device
    • G05B19/31—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using an absolute digital measuring device for continuous-path control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/088—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices with position, velocity or acceleration sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1615—Programme controls characterised by special kind of manipulator, e.g. planar, scara, gantry, cantilever, space, closed chain, passive/active joints and tendon driven manipulators
    • B25J9/162—Mobile manipulator, movable base with manipulator arm mounted on it
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B29/00—Safety devices of escalators or moving walkways
    • B66B29/005—Applications of security monitors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4061—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34351—Knowledge acquisition of environment
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40548—Compare measured distances to obstacle with model of environment

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Description

著作権
この特許文献の開示の一部は、著作権保護の対象となる資料を含む。著作権所有者は、特許商標庁の特許ファイル又は記録に現れるような、特許文献又は特許開示の何人かによる複製に異議を唱えることはないが、そうでなければ何であれすべての著作権を留保する。
本願は概してロボット工学に関し、より具体的には、ロボットの周囲環境内で、例えば、エスカレータを有することによる、平面内の高さの落差（drop）を検出するためのシステム及び方法に関する。
現在、多くのロボットが、例えば、ロボットの前にある急な落差を測定してロボットがその急な落差を越えて転倒することを回避することが可能になるように構成された１又は２以上の距離測定センサを含む。いくつかのロボットは画像、例えば、色付き又はグレースケールの画像をさらに利用して走行し、環境の障害物及び危険を感知することができる。エスカレータは、例えば、急な落差を検出するように構成された距離測定センサで走行するロボットに固有の問題を提供するが、これはロボットがすでにエスカレータの最初の移動ステップ上にくるまでロボットがその最初の移動ステップの向こうの落差を検出しないことがあるためである。
ロボットがエスカレータの最初の移動ステップ上へ移動する前にそのエスカレータを検出するように構成されていないロボットは、ロボットに対する損傷、エスカレータに対する損傷、及び近くの人の負傷という重大なリスクのある可能性がある。したがって、当該技術においてロボットが周囲環境内のエスカレータを検出するシステム及び方法が必要とされている。
前述の必要性は、とりわけ、例えば、ロボット装置がエスカレータに接近するときに、そのロボット装置によって平面内の落差を検出するためのシステム及び方法を提供する本開示によって満たされる。本開示は、ＬｉＤＡＲデータを処理してロボットがその環境内のエスカレータ又は動く歩道を検出することを可能にする具体的な用途を対象にしている。当業者は、エスカレータの考察が平面内の落差を考察する非限定的な一例の実施形態であることを理解することができる。以下の考察はエスカレータに関係するが、崖、階段、建物の縁部、又は地上レベルを上回る表面の縁部のような、平面内に落差がある他の実世界の例にも同等に適用可能であり得る。
本明細書に記載の例示的な実施形態は革新的な特徴を有するが、そのうちの１つもその望ましい属性に不可欠である、又は単独で責任があるものではない。特許請求の範囲を限定することなく、有利な特徴のいくつかを次に要約する。
少なくとも１つの非限定的な例示的な実施形態によれば、ロボットシステムが開示される。このロボットシステムは、ロボットの前及び近くにある床の距離測定値を収集してロボットが急な崖及び障害物を回避することができるように構成された距離測定センサを含むことができる。ロボットシステムは、具体化された複数の命令と、これらのコンピュータ可読命令を実行するように構成された１又は２以上の専用プロセッサと、を含む非一時的コンピュータ可読記憶媒体をさらに含むことができる。これらの命令により、１又は２以上の専用プロセッサは、距離測定センサによって収集されたデータに基づいて環境内のエスカレータを検出及び回避することが可能になり得る。
少なくとも１つの非限定的な例示的な実施形態によれば、ロボットがエスカレータを検出する方法が開示される。この方法は、ロボットのコントローラが、エスカレータの幅に対応する所定の距離によって分離された２つの壁を検出することを含むことができる。この方法は、静止床とエスカレータの最初の移動ステップとの間の小さな落差の検出をさらに含むことができる。これら２つのパラメータが満たされると、ロボットのコントローラはエスカレータを判定することができ、ロボットをエスカレータから遠ざけるように走行させて、ロボットがエスカレータから落下することになった場合のロボットに対する損傷、周囲の物体に対する損傷、又は近くの人の負傷を回避することができる。
開示される本発明の概念は、コンピュータ技術及び機能性に非抽象的改良を行う具体的な特定の構成における特徴によって実行される。コンピュータ技術及び機能性におけるこれらの改良のいくつかは、プロセッサが従来のプロセッサより高速かつ効率的に実行することが可能である独自の専用プロセッサによる専用アルゴリズムを実行することを含み、データが収集、解析及び記憶されるときに必要とされるメモリスペースの使用が少なくなる。したがって、本明細書に開示される本発明の概念は、ロボットを、それ自体、その周りの人間及び物体に対する安全上のリスクを生じやすい軌道に沿って操縦することを対象とした従来の技術又は先行技術に対する改良である。最後に、例えば、様々なセンサユニット、ナビゲーションユニット、アクチュエータユニット、通信ユニット及びユーザインターフェイスユニットのような、本明細書に開示される構造的要素は、ロボット装置が経路に沿って動くときのその機能及び動作に固有の具体的な方法及び構成に合わせられている。
本明細書に開示される本発明の概念は、本明細書に開示されるアルゴリズムの実行時、コンピュータの構成要素がより速く機能して用いるメモリスペースが少なくなるように、コンピュータの機能性を改良する技術的改良を対象としている。
本開示のこれら及び他の目的、特徴、及び特性、並びに構造の関連要素の動作及び機能の方法及び部品の組み合わせ及び製造の経済性は、添付の図面を参照した次の説明及び添付の請求項を考慮するとより明らかになり、図面のすべてが本明細書の一部を形成し、同様の参照番号は様々な図における対応する部分を示す。しかしながら、図面は、例示及び説明のみを目的としており、本開示の限定の定義として意図されるものではないことが明示的に理解されるべきである。本明細書及び請求項において用いられるとき、「ａ」、「ａｎ」、及び「ｔｈｅ」の単数形は、文脈が明確に別段の指示をしない限り、複数の指示対象を含む。
開示される態様を限定するためではなく例示するために提供される添付の図面と併せて、開示された態様を以降に説明し、同様の符号は同様の要素を指す。
本開示のいくつかの実施形態による主要ロボットの機能ブロック図である。 本開示のいくつかの実施形態によるコントローラ又はプロセッサの機能ブロック図である。 例示的な一実施形態による、エスカレータ及びエスカレータの様々な点での高さ測定値を含むデータを収集する距離測定センサの正面図を示す。 例示的な一実施形態による、エスカレータ及び測定値を収集してエスカレータの最初の移動ステップと静止部分との間の落差を判定する距離測定センサの側面図を示す。 例示的な一実施形態による、エスカレータの様々な点での高さ測定値を含むデータを収集する距離測定センサによって取得された高さ測定値を示す。 例示的な一実施形態による、図３Ａに示す高さ測定値の導関数を示す。 例示的な一実施形態による、エスカレータの左壁、右壁、及び床に対応する高さ測定値を記憶するためのデータテーブルを示す。 例示的な一実施形態による、ロボットのコントローラが周囲環境内のエスカレータを判定するプロセスフロー図を示す。 及び 例示的な一実施形態による、エスカレータを検出するために用いられる最小間隔パラメータがロボットの接近角度からどのように不変であるかを示すために２つの接近角度でエスカレータに接近するロボットを示す。 例示的な一実施形態による、ＬｉＤＡＲスキャン又は画像においてエスカレータを識別するように訓練されるべきニューラルネットワークの高レベルの図を示す。
本明細書に開示されるすべての図は、2018 Brain Corporationの著作権である。すべての権利を留保する。
添付の図面を参照して、本明細書に開示される新規のシステム、装置、及び方法の様々な態様を以降により完全に説明する。しかしながら、本開示は多くの異なる形態で実施することができ、本開示全体を通して提示されるいずれの具体的な構造又は機能にも限定されるとして解釈されるべきではない。むしろ、これらの態様は、本開示が徹底的かつ完全であり、本開示の範囲を当業者に完全に伝えることになるように提供される。本明細書の教示に基づいて、当業者であれば、本開示の範囲は、本明細書に開示される新規のシステム、装置、及び方法の任意の態様を、本開示の任意の他の態様から独立して、又はそれと組み合わせて実施されるかどうかにかかわらず、カバーするように意図されていることを理解するであろう。例えば、本明細書に記載の任意の数の態様を用いて装置を実装することができ、又は方法を実施することができる。加えて、本開示の範囲は、本明細書に記載の本開示の様々な態様に加えて、又はそれ以外の他の構造、機能性、又は構造及び機能性を用いて実施されるそのような装置又は方法をカバーするように意図されている。本明細書に開示されるいずれの態様も請求項の１又は２以上の要素によって実施することができるということが理解されるべきである。
特定の態様を本明細書で説明しているが、これらの態様の多くの変形及び置換が本開示の範囲内に含まれる。好ましい態様のいくつかの利益及び利点を述べているが、本開示の範囲は、特定の利点、用途、及び／又は目的に限定されるように意図されていない。詳細な説明及び図面は、限定するものではなく、単に本開示の例示であり、本開示の範囲は添付の請求項及びその同等物によって定義される。
本開示は、ロボットの周囲環境内のエスカレータを検出するためのシステム及び方法を提供する。本明細書で用いられるとき、ロボットは、複雑な一連のタスク又はアクションを自律的に実行するように構成された機械的及び／又は仮想エンティティを含むことができる。いくつかの例示的な実施形態において、ロボットは、コンピュータプログラム及び／又は電子回路によって誘導及び／又は指示される機械とすることができる。いくつかの例示的な実施形態において、ロボットは、走行用に構成されている電気機械的コンポーネントを含むことができ、ロボットは１つの場所から他へと移動することができる。このようなロボットは、自動及び／又は半自動運転車、床用掃除機、ローバー、ドローン、飛行機、ボート、カート、トラム、車椅子、産業機器、貯蔵機械（stocking machines）、移動プラットフォーム、個人用輸送装置（例えば、ホバーボード、SEGWAYS（登録商標）など）、貯蔵機械、トレーラムーバ、車両などを含むことができる。ロボットはまた、物品、人、動物、積荷、貨物、物体、荷物、及び／又は所望されるあらゆるものを１つの場所から他へと輸送するための任意の自律型及び／又は半自律型機械を含むことができる。
本明細書で用いられるとき、エスカレータは、移動階段を介して人又は物を上向き又は下向きに移動させるように構成された斜めステップエスカレータを含むことができる。エスカレータは、移動ベルトを介して平面を横切って人又は物を水平に並進させるように構成されたフラットエスカレータをさらに含むことができる。フラットエスカレータ、又は動く歩道は通常、移動ベルトを作成する複数のセグメントを含み、フラットエスカレータ又は動く歩道に関して本明細書で用いられるような最初の移動ステップは、フラットエスカレータの移動ベルトの最初のセグメントに対応し得る。フラットエスカレータ上の一方の端部に移動するロボットは依然として、ロボットがエスカレータのベルト上へ、又はそこから遠ざかるように移動するときにエスカレータの壁との衝突を経験する可能性があり、又はロボットを損傷させる、又は近くの人に安全上のリスクを引き起こす可能性がある速度で、反対側の端部にあるフラットエスカレータの静止部分に近づく可能性がある。少なくとも１つの非限定的な例示的な実施形態によれば、ロボットは、エスカレータを判定及び利用して、環境を通じてロボットを輸送するように構成することができる。
本明細書で用いられるとき、距離測定センサは、センサと目標点との間の距離を判定するように構成された任意のセンサを含むことができ、目標点は表面上にある。例えば、距離測定センサは、センサと近くの物体との間の距離を測定するように構成された、光検出及び測距（ＬｉＤＡＲ，light detection and ranging）センサ、又は他の同様の光学センサを含むことができる。
本明細書で用いられるとき、高さ測定値は、ゼロ（０）の高さでの平坦基準面に対して距離測定カメラによって測定された目標点の高さを含むことができる。平坦基準面は、距離測定センサを含むロボットがある平坦な床とすることができる。距離測定値は、本明細書で用いられるとき、高さ測定値の逆数を含むことができ、距離測定は、距離測定センサと目標点との間の距離を測定する。本開示に示す実施形態は高さ測定を利用するが、実質的に同様のシステム及び方法を使用して距離測定を用いてエスカレータを判定することが期待されるであろうことが当業者によって理解される。
本明細書で用いられるとき、エスカレータの側壁は、エスカレータの移動ステップを囲む手すり及びハンドレール支持構造を含むことができる。
本明細書で用いられるとき、学習プロセスは、ロボットに関連するパラメータを教えることを含むことができる。例えば、ロボットは、オペレータにロボットをエスカレータへ走行させ、ロボットにセンサを用いてエスカレータの幅を測定させることによってエスカレータの幅を学習することができる。ロボットは次いで学習した幅をメモリに記憶し、エスカレータの判定中に後で参照することができる。
本明細書で用いられるとき、ネットワークインターフェイスは、FireWire（例えば、ＦＷ４００、ＦＷ８００、ＦＷＳ８００Ｔ、ＦＷＳ１６００、ＦＷＳ３２００など）、ユニバーサルシリアルバス（「ＵＳＢ，universal serial bus」）（例えば、ＵＳＢ １．Ｘ、ＵＳＢ ２．０、ＵＳＢ ３．０、ＵＳＢ Ｔｙｐｅ－Ｃなど）、Ethernet（例えば、１０／１００、１０／１００／１０００（Gigabit Ethernet）、１０－Ｇｉｇ－Ｅなど）、同軸経由マルチメディアアライアンス技術（「ＭｏＣＡ，multimedia over coax alliance」）、Coaxsys（例えば、ＴＶＮＥＴ（商標））、無線周波数チューナ（例えば、帯域内又はＯＯＢ、ケーブルモデムなど）、Ｗｉ－Ｆｉ（８０２．１１）、ＷｉＭＡＸ（例えば、ＷｉＭＡＸ（８０２．１６））、ＰＡＮ（例えば、ＰＡＮ／８０２．１５）、セルラー（例えば、３Ｇ、ＬＴＥ／ＬＴＥ－Ａ／ＴＤ－ＬＴＥ／ＴＤ－ＬＴＥ、ＧＳＭなど）、ＩｒＤＡ類などのものを含むが、これらに限定されない、コンポーネント、ネットワーク、又はプロセスとの任意の信号、データ、又はソフトウェアインターフェイスを含むことができる。本明細書で用いられるとき、Ｗｉ－Ｆｉは、ＩＥＥＥ－Ｓｔｄ．８０２．１１、ＩＥＥＥ－Ｓｔｄ．８０２．１１の変形、ＩＥＥＥ－Ｓｔｄ．８０２．１１に関連する規格（例えば、８０２．１１ａ／ｂ／ｇ／ｎ／ａｃ／ａｄ／ａｆ／ａｈ／ａｉ／ａｊ／ａｑ／ａｘ／ａｙ）、及び／又は他のワイヤレス規格の１又は２以上を含むことができる。
本明細書で用いられるとき、プロセッサ、マイクロプロセッサ、及び／又はデジタルプロセッサは、デジタル信号プロセッサ（「ＤＳＰ，digital signal processor」）、縮小命令セットコンピュータ（「ＲＩＳＣ，reduced instruction set computer」）、汎用（「ＣＩＳＣ」）プロセッサ、マイクロプロセッサ、ゲートアレイ（例えば、フィールドプログラマブルゲートアレイ（「ＦＰＧＡ，field programmable gate array」））、プログラマブルロジックデバイス（「ＰＬＤ，programmable logic device」）、再構成可能コンピュータファブリック（「ＲＣＦ，reconfigurable computer fabric」）、アレイプロセッサ、セキュアマイクロプロセッサ、専用プロセッサ（例えば、ニューロモーフィックプロセッサ）、及び特定用途向け集積回路（「ＡＳＩＣ，application-specific integrated circuit」）のような、任意のタイプのデジタル処理デバイスを含むことができるが、これらに限定されない。このようなデジタルプロセッサは、単一一体集積回路ダイに含むことも複数の要素にわたって分散することもできる。
本明細書で用いられるとき、コンピュータプログラム及び／又はソフトウェアは、ある機能を実行する任意のシーケンス又は人間又は機械認識可能ステップを含むことができる。このようなコンピュータプログラム及び／又はソフトウェアは、例えば、Ｃ／Ｃ＋＋、Ｃ＃、Fortran、ＣＯＢＯＬ、ＭＡＴＬＡＢ（商標）、ＰＡＳＣＡＬ、ＧＯ、ＲＵＳＴ、ＳＣＡＬＡ、Python、アセンブリ言語、マークアップ言語（例えば、ＨＴＭＬ、ＳＧＭＬ、ＸＭＬ、ＶｏＸＭＬ）など、並びにコモンオブジェクトリクエストブローカーアーキテクチャ（「ＣＯＲＢＡ，Common Object Request Broker Architecture」）、ＪＡＶＡ（商標）（Ｊ２ＭＥ、Java Beansなどを含む）、バイナリランタイム環境（例えば、「ＢＲＥＷ」）などのようなオブジェクト指向環境を含む任意のプログラミング言語又は環境で表示することができる。
本明細書で用いられるとき、接続、リンク、及び／又は無線リンクは、任意の２又は３以上のエンティティ（物理的又は論理的／仮想にかかわらず）間の、これらのエンティティ間の情報交換を可能にする、因果的リンクを含むことができる。
本明細書で用いられるとき、コンピュータ及び／又はコンピューティングデバイスは、デスクトップ、ラップトップ、又はその他にかかわらず、パーソナルコンピュータ（「ＰＣ，personal computer」）及びミニコンピュータ、メインフレームコンピュータ、ワークステーション、サーバ、パーソナルデジタルアシスタント（「ＰＤＡ，personal digital assistant」）、ハンドヘルドコンピュータ、組み込みコンピュータ、プログラム可能ロジックデバイス、パーソナルコミュニケータ、タブレットコンピュータ、モバイルデバイス、ポータブルナビゲーションエイド、Ｊ２ＭＥ搭載デバイス、携帯電話、スマートフォン、パーソナル統合通信又はエンターテイメントデバイス、及び／又は一組の命令を実行して着信データ信号を処理することができる任意の他のデバイスを含むことができるが、これらに限定されない。
本開示のシステム及び方法の様々な実施形態の詳細な説明を次に提供する。本明細書で考察される多くの例は具体的な例示的な実施形態を参照し得るが、本明細書に含まれる記載されたシステム及び方法は、任意の種類のロボットに適用可能であることが理解されよう。本開示の内容があれば、本明細書に記載の技術についての無数の他の実施形態又は使用が当業者によって容易に想定されるであろう。
有利には、本開示のシステム及び方法は少なくとも（ｉ）１又は２以上のセンサを用いて周囲環境内のエスカレータを検出し、（ii）ロボットの動作の安全性を向上させ、（iii）ロボットが自律的に動作して障害物を回避する能力を向上させ、（iv）複雑な環境においてロボットを動作させるリスクを最小化する。他の利点は、本開示の内容があれば当業者によって容易に識別可能である。
少なくとも１つの非限定的な例示的な実施形態によれば、ロボットシステムが開示される。このロボットシステムは、ロボットの前及び近くにある床の距離測定値を収集してロボットが急な崖及び障害物を回避することができるように構成された１又は２以上の距離測定センサを含むことができる。ロボットシステムは、コンピュータ可読命令を実行して１又は２以上の距離測定センサによって収集されたデータに基づいてエスカレータを判定するように構成された１又は２以上の専用プロセッサをさらに含むことができる。
少なくとも１つの非限定的な例示的な実施形態によれば、ロボットシステムは、具体化された複数の命令を含む非一時的コンピュータ可読記憶媒体と、これらのコンピュータ可読命令を実行するように構成された１又は２以上の専用プロセッサと、を含むことができる。これらの命令により、１又は２以上の専用プロセッサは、本開示のシステム及び方法を用いて距離測定センサによって収集されたデータに基づいて環境内のエスカレータを検出及び回避することが可能になり得る。
少なくとも１つの非限定的な例示的な実施形態によれば、ロボットがエスカレータを検出する方法が開示される。この方法は、ロボットのコントローラが所定の幅だけ離れて配置された２つの壁を検出することを含むことができ、所定の幅はエスカレータの幅に対応する。この方法は、静止床とエスカレータの最初の移動ステップとの間の小さな落差の検出をさらに含むことができる。これら２つのパラメータが満たされると、ロボットのコントローラはエスカレータを判定することができる。少なくとも１つの非限定的な例示的な実施形態によれば、ロボットは、エスカレータを判定すると、ロボットをエスカレータから遠ざけるように走行させて、ロボットがエスカレータ上を落下又は走行することになった場合のロボットに対する損傷、周囲の物体に対する損傷、又は近くの人の負傷を回避することができる。他の非限定的な例示的な一実施形態によれば、ロボットはエスカレータ上を走行してロボットが環境内で自身を輸送することを可能にし得る。
図１Ａは、本開示のいくつかの原理に従ったロボット１０２の機能ブロック図である。図１Ａに示すように、ロボット１０２は、コントローラ１１８、メモリ１２０、ユーザインターフェイスユニット１１２、センサユニット１１４、ナビゲーションユニット１０６、アクチュエータユニット１０８、及び通信ユニット１１６、並びに他のコンポーネント及びサブコンポーネント（例えば、これらのいくつかは図示しないことがある）を含むことができる。具体的な実施形態を図１Ａに示すが、本開示の内容があれば当業者に容易に明らかであるようにいくつかの実施形態においてこのアーキテクチャを変更することができるということが理解される。本明細書で用いられるとき、ロボット１０２は、本開示で説明される任意のロボットの少なくとも一部を代表することができる。
コントローラ１１８は、ロボット１０２によって実行される様々な動作を制御することができる。コントローラ１１８は、１又は２以上のプロセッサ（例えば、マイクロプロセッサ）及び他の周辺機器を含み、及び／又はこれらから構成され得る。前述のように、本明細書で用いられるとき、プロセッサ、マイクロプロセッサ、及び／又はデジタルプロセッサは、デジタル信号プロセッサ（「ＤＳＰ」）、縮小命令セットコンピュータ（「ＲＩＳＣ」）、汎用（「ＣＩＳＣ」）プロセッサ、マイクロプロセッサ、ゲートアレイ（例えば、フィールドプログラマブルゲートアレイ（「ＦＰＧＡ」））、プログラマブルロジックデバイス（「ＰＬＤ」）、再構成可能コンピュータファブリック（「ＲＣＦ」）、アレイプロセッサ、セキュアマイクロプロセッサ、専用プロセッサ（例えば、ニューロモーフィックプロセッサ）、及び特定用途向け集積回路（「ＡＳＩＣ」）のような任意のタイプのデジタル処理デバイスを含むことができるが、これらに限定されない。このようなデジタルプロセッサは、単一一体集積回路ダイに含むことも複数の要素にわたって分散することもできる。
コントローラ１１８は、メモリ１２０に動作可能及び／又は通信可能に接続することができる。メモリ１２０は、読み取り専用メモリ（「ＲＯＭ，read-only memory」）、ランダムアクセスメモリ（「ＲＡＭ，random access memory」）、不揮発性ランダムアクセスメモリ（「ＮＶＲＡＭ，non-volatile random access memory」）、プログラム可能読み取り専用メモリ（「ＰＲＯＭ，programmable read-only memory」）、電気的消去可能プログラム可能読み取り専用メモリ（「ＥＥＰＲＯＭ，electrically erasable programmable read-only memory」）、ダイナミックランダムアクセスメモリ（「ＤＲＡＭ，dynamic random-access memory」）、モバイルＤＲＡＭ、同期ＤＲＡＭ（「ＳＤＲＡＭ，synchronous DRAM」）、ダブルデータレートＳＤＲＡＭ（「ＤＤＲ／２ ＳＤＲＡＭ，double data rate SDRAM」）、拡張データ出力（「ＥＤＯ，extended data output」）ＲＡＭ、高速ページモードＲＡＭ（「ＦＰＭ，fast page mode」）、低遅延ＤＲＡＭ（「ＲＬＤＲＡＭ，reduced latency DRAM」）、静的ＲＡＭ（「ＳＲＡＭ，static RAM」）、フラッシュメモリ（例えば、ＮＡＮＤ／ＮＯＲ）、メモリスタメモリ、疑似静的ＲＡＭ（「ＰＳＲＡＭ，pseudostatic RAM」）などを含むが、これらに限定されない、デジタルデータを記憶するように構成された任意のタイプの集積回路又は他の記憶装置を含むことができる。メモリ１２０は、コントローラ１１８に命令及びデータを提供することができる。例えば、メモリ１２０は、複数の命令が記憶された非一時的、コンピュータ可読記憶装置及び／又は媒体とすることができ、これらの命令は、ロボット１０２を動作させるように処理装置（例えば、コントローラ１１８）によって実行可能である。いくつかの場合において、これらの命令は、処理装置によって実行されるとき、本開示に記載の様々な方法、特徴、及び／又は機能性を処理装置に実行させるように構成することができる。したがって、コントローラ１１８は、メモリ１２０内に記憶されたプログラム命令に基づいて論理及び／又は算術演算を実行することができる。いくつかの場合において、メモリ１２０の命令及び／又はデータは、いくつかはロボット１０２内にローカルに配置され、いくつかはロボット１０２からリモートに（例えば、クラウド、サーバ、ネットワークなどに）配置される、ハードウェアの組み合わせに記憶することができる。
メモリ１２０の例示的なデータテーブルは、コントローラ１１８がメモリ１２０からのコンピュータ可読命令を実行するときに追加の行及び／又は列を追加することができる自己参照データテーブルとすることができるということが当業者によって理解される。
ロボット１０２の外部にプロセッサを置いて通信ユニット１１６を利用してロボット１０２のコントローラ１１８に通信可能に接続することができ、外部プロセッサはロボット１０２からデータを受信し、データを処理し、コンピュータ可読命令をコントローラ１１８に送り返すことができるということが当業者には容易に明らかであるはずである。少なくとも１つの非限定的な例示的な実施形態において、プロセッサはリモートサーバ（図示せず）上に置くことができる。
いくつかの例示的な実施形態において、図１Ａに示すメモリ１２０は、センサデータのライブラリを記憶することができる。いくつかの場合において、センサデータは、少なくとも部分的に物体及び／又は人に関連付けることができる。例示的な実施形態において、このライブラリは、異なる組成（例えば、材料、反射特性、分子構成など）、異なる照明条件、角度、サイズ、距離、明確さ（例えば、ぼやけている、遮られている／閉塞している、部分的にオフフレームなど）、色、周囲、及び／又は他の条件を備えた物体及び／又は人に関連するセンサデータのような、異なる条件における物体及び／又は人に関連するセンサデータを含むことができる。ライブラリにおけるセンサデータはセンサ（例えば、センサユニット１１４のセンサ又は任意の他のセンサ）によって取得され、及び／又は、例えば異なる照明条件、角度、サイズ、距離、明確さ（例えば、ぼやけている、遮られている／閉塞している、部分的にオフフレームなど）、色、周囲、及び／又は他の条件からライブラリセンサデータ（例えば、これらはこれらのライブラリデータを完全にデジタルに及び／又は実際のセンサデータから開始して生成／シミュレートすることができる）を生成／シミュレート（例えば、仮想世界において）するように構成されているコンピュータプログラムで自動的に生成することができる。ライブラリにおける画像の数は、利用可能なデータの量、ロボット１０２が動作する周囲環境の変動性、物体及び／又は人の複雑さ、物体の見かけの変動性、ロボットの物理的特性、センサの特色、及び／又は利用可能な記憶スペース（例えば、ライブラリ、メモリ１２０、及び／又はローカル又はリモートストレージにおける）の量の１又は２以上に少なくとも部分的に依存し得る。例示的な実施形態において、ライブラリの少なくとも一部は、ネットワーク（例えば、クラウド、サーバ、分散型ネットワークなど）に記憶することができ、及び／又は完全にメモリ１２０内に記憶されなくてもよい。さらに他の例示的な一実施形態として、様々なロボット（例えば、共通の製造者、ユーザ、ネットワークなどによるロボットのような、共通に関連付けられている）を、個々のロボットによって捕捉されたデータが他のロボットと集合的に共有されるようにネットワーク化することができる。このような方法で、これらのロボットは、エラーを容易に検出及び／又は識別し、及び／又は事象を支援する能力を促進するためにセンサデータを学習及び／又は共有するように構成することができる。
依然として図１Ａを参照すると、動作ユニット１０４は、コントローラ１１８、又は任意の他のコントローラに接続されて、本開示に記載の様々な動作を実行することができる。動作ユニット１０４におけるモジュールの１つ、２つ以上がいくつかの実施形態に含まれていてもいなくてもよい。本開示全体を通して、様々なコントローラ及び／又はプロセッサに対する参照があり得る。いくつかの実施形態において、単一のコントローラ（例えば、コントローラ１１８）が記載の様々なコントローラ及び／又はプロセッサとして機能することができる。他の実施形態において、特に１又は２以上の動作ユニット１０４に用いられるコントローラ及び／又はプロセッサのような、異なるコントローラ及び／又はプロセッサを用いることができる。コントローラ１１８は、電力信号、ステータス信号、データ信号、電気信号、及び／又は動作ユニット１０４への離散及びアナログ信号を含む、任意の他の所望の信号のような信号を送信及び／又は受信することができる。コントローラ１１８は、動作ユニット１０４を調整及び／又は管理し、及び／又はタイミングを設定し（例えば、同期又は非同期）、制御電力バジェットをオフ／オンし、ネットワーク命令及び／又は更新を受信／送信し、ファームウェアを更新し、問い合わせ信号を送信し、ステータスを受信及び／又は送信し、及び／又はロボット１０２の機能を実行するための任意の動作を実行し得る。
図１Ａに戻ると、動作ユニット１０４は、ロボット１０２のための機能を実行する様々なユニットを含むことができる。例えば、動作ユニット１０４は少なくともナビゲーションユニット１０６、アクチュエータユニット１０８、ユーザインターフェイスユニット１１２、センサユニット１１４、及び通信ユニット１１６を含む。動作ユニット１０４はまた、ロボット１０２の様々な機能性を提供する他のユニットを含むことができる。例示的な実施形態において、動作ユニット１０４は、ソフトウェア、ハードウェア、又はソフトウェア及びハードウェアの両方でインスタンス化することができる。例えば、いくつかの場合において、動作ユニット１０４のユニットは、コントローラによって実行されるコンピュータ実装命令を含むことができる。例示的な実施形態において、動作ユニット１０４のユニットは、ハードコードされたロジックを含むことができる。例示的な実施形態において、動作ユニット１０４のユニットは、コントローラによって実行されるコンピュータ実装命令及びハードコードされたロジックの両方を含むことができる。動作ユニット１０４が部分的にソフトウェアで実装される場合、動作ユニット１０４は、１又は２以上の機能性を提供するように構成されたコードのユニット／モジュールを含むことができる。
例示的な実施形態において、ナビゲーションユニット１０６は、環境のマップを計算的に構築及び更新し、マップにおいてロボット１０２をローカライズし（例えば、位置を発見し）、ロボット１０２を目的地へ／からナビゲートすることができるシステム及び方法を含むことができる。マッピングは、環境の少なくとも一部を表すコンピュータ可読マップ内へセンサユニット１１４によって部分的に取得されたデータを課すことによって実行することができる。例示的な実施形態において、環境のマップは、ユーザインターフェイスユニット１１２を通してロボット１０２にアップロードするか、無線で又は有線接続を通してアップロードするか、又はユーザによってロボット１０２に教えることができる。
例示的な実施形態において、ナビゲーションユニット１０６は、ロボット１０２が走行するための方向指示を提供するように構成されたコンポーネント及び／又はソフトウェアを含むことができる。ナビゲーションユニット１０６は、マッピング及びローカリゼーションユニット、センサユニット１１４からのデータ、及び／又は他の動作ユニット１０４によって生じたマップ、ルート、及びローカリゼーション情報を処理することができる。
依然として図１Ａを参照すると、アクチュエータユニット１０８は、電気モータ、ガスモータ、駆動磁石システム、ソレノイド／ラチェットシステム、圧電システム（例えば、インチワームモータ）、磁歪要素、ジェスチャー、及び／又は当該技術において知られているアクチュエータを駆動する任意の方法のようなアクチュエータを含むことができる。例示として、このようなアクチュエータは、ロボット１０２がルートをナビゲートし、障害物の周りをナビゲートし、カメラ及びセンサを回転させるホイールを作動させることができる。
アクチュエータユニット１０８は、いくつかの場合においてタスクを実行するように作動するために用いられる任意のシステムを含むことができる。例えば、アクチュエータユニット１０８は、駆動磁石システム、モータ／エンジン（例えば、電気モータ、燃焼エンジン、蒸気エンジン、及び／又は当該技術において知られている任意のタイプのモータ／エンジン）、ソレノイド／ラチェットシステム、圧電システム（例えば、インチワームモータ）、磁歪要素、ジェスチャー、及び／又は当該技術において知られている任意のアクチュエータを含むことができる。例示的な実施形態によれば、アクチュエータユニット１０８は、電動推進力のような、ロボット１０２の移動を可能にするシステムを含むことができる。例えば、電動推進力はロボット１０２を前方又は後方に移動させ、及び／又はロボット１０２を回転させる（例えば、左、右、及び／又は任意の他の方向）際に少なくとも部分的に用いることができる。例示として、アクチュエータユニット１０８は、ロボット１０２が移動しているか停止しているかを制御し、及び／又はロボット１０２が１つの場所から他の場所へ走行することを可能にすることができる。
例示的な実施形態によれば、センサユニット１１４は、ロボット１０２内及び／又はその周囲の特性を検出することができるシステム及び／又は方法を含むことができる。センサユニット１１４は複数のセンサ及び／又はセンサの組み合わせを含むことができる。センサユニット１１４は、ロボット１０２の内部又は外部にあり、及び／又は部分的に内部及び／又は部分的に外部にあるコンポーネントを有するセンサを含むことができる。いくつかの場合において、センサユニット１１４は、ソナー、光検出及び測距（「ＬｉＤＡＲ」）センサ、レーダ、レーザ、カメラ（ビデオカメラ（例えば、赤青緑（「ＲＢＧ，red-blue-green」）カメラ、赤外線カメラ、三次元（「３Ｄ，three-dimensional」）カメラ、サーマルカメラなどを含む）、飛行時間（「ＴＯＦ，time of flight」）カメラ、構造化光カメラ、アンテナ、モーションディテクタ、マイク、及び／又は当該技術において知られている任意の他のセンサのような、１又は２以上の外受容性センサを含むことができる。いくつかの例示的な実施形態によれば、センサユニット１１４は、生の測定値（例えば、電流、電圧、抵抗、ゲートロジックなど）及び／又は変換された測定値（例えば、障害物などにおける距離、角度、検出点）を収集することができる。いくつかの場合において、測定値は集約及び／又は要約することができる。センサユニット１１４は、距離又は高さ測定値に少なくとも部分的に基づいてデータを生じさせることができる。このようなデータは、マトリックス、アレイ、キュー、リスト、アレイ、スタック、バッグなどのようなデータ構造に記憶することができる。
例示的な実施形態によれば、センサユニット１１４は、ロボット１０２の内部特性を測定することができるセンサを含むことができる。例えば、センサユニット１１４は、ロボット１０２の温度、電力レベル、ステータス、及び／又は任意の特性を測定することができる。いくつかの場合において、センサユニット１１４は、ロボット１０２のオドメトリを判定するように構成することができる。例えば、センサユニット１１４は固有受容性センサを含むことができ、これは加速度計、慣性測定ユニット（「ＩＭＵ，inertial measurement units」）、オドメータ、ジャイロスコープ、スピードメータ、カメラ（例えば視覚オドメトリを用いる）、クロック／タイマーなどのようなセンサを含むことができる。オドメトリは、ロボット１０２の自律ナビゲーション及び／又は自律動作を促進することができる。このオドメトリは、初期位置に対するロボット１０２の位置（例えば、位置は、ロボットの場所、変位及び／又は向きを含むことができ、本明細書で用いられるpose（姿勢）という用語と交換可能であるときがある）を含むことができる。このようなデータは、マトリックス、アレイ、キュー、リスト、アレイ、スタック、バッグなどのような、データ構造に記憶することができる。例示的な実施形態によれば、センサデータのデータ構造は画像と呼ぶことができる。
例示的な実施形態によれば、ユーザインターフェイスユニット１１２は、ユーザがロボット１０２と対話することを可能にするように構成することができる。例えば、ユーザインターフェイスユニット１１２は、タッチパネル、ボタン、キーパッド／キーボード、ポート（例えば、ユニバーサルシリアルバス（「ＵＳＢ」）、デジタルビジュアルインターフェイス（「ＤＶＩ，digital visual interface」）、ディスプレイポート、E-Sata、Firewire、ＰＳ／２、シリアル、ＶＧＡ、ＳＣＳＩ、オーディオポート、高精細度マルチメディアインターフェイス（「ＨＤＭＩ，high-definition multimedia interface」）、パーソナルコンピュータメモリカード国際協会（「ＰＣＭＣＩＡ，personal computer memory card international association」）ポート、メモリカードポート（例えば、セキュアデジタル（「ＳＤ」）及びminiSD）、及び／又はコンピュータ可読媒体用ポート）、マウス、ローラーボール、コンソール、バイブレータ、オーディオトランスデューサ、及び／又は無線で又は有線で接続されているかにかかわらず、ユーザがデータ及び／又はコマンドを入力及び／又は受信するための任意のインターフェイスを含むことができる。ユーザは、音声コマンド又はジェスチャーを通して対話することができる。ユーザインターフェイスユニット２１８は、液晶ディスプレイ（「ＬＣＤ，liquid crystal display」）、発光ダイオード（「ＬＥＤ，light-emitting diode」）ディスプレイ、ＬＥＤ ＬＣＤディスプレイ、面内スイッチング（「ＩＰＳ，in-plane-switching」）ディスプレイ、陰極線管、プラズマディスプレイ、高精細（「ＨＤ，high definition」）パネル、４Ｋディスプレイ、網膜ディスプレイ、有機ＬＥＤディスプレイ、タッチスクリーン、表面、キャンバス、及び／又は任意のディスプレイ、テレビ、モニタ、パネル、及び／又は視覚表現についての技術において既知のデバイスのようなディスプレイを含むことができるが、これらに限定されない。例示的な実施形態によれば、ユーザインターフェイスユニット１１２はロボット１０２の本体上に配置することができる。例示的な実施形態によれば、ユーザインターフェイスユニット１１２はロボット１０２の本体から離れて配置することができるが、ロボット１０２に通信可能に（例えば、送信機、受信機、及び／又はトランシーバを含む通信ユニットを介して）直接又は間接的に（例えば、ネットワーク、サーバ、及び／又はクラウドを通して）接続することができる。例示的な実施形態によれば、ユーザインターフェイスユニット１１２は、例えば、乗員又はロボットの周りの人に情報を提供するため、ロボットの近位にある表面（例えば、床）上の画像の１又は２以上の投影を含むことができる。この情報とは、前方、左、右、後ろ、角度、及び／又は任意の他の方向へ移動する指示のような、ロボットの将来の移動の方向である可能性がある。いくつかの場合において、このような情報は矢印、色、記号などを利用することができる。
例示的な実施形態によれば、通信ユニット１１６は、１又は２以上の受信機、送信機、及び／又はトランシーバを含むことができる。通信ユニット１１６は、BLUETOOTH（登録商標）、ZIGBEE（登録商標）、Ｗｉ－Ｆｉ、誘導無線データ送信、無線周波数、無線送信、無線周波数識別（「ＲＦＩＤ，radio-frequency identification」）、近距離通信（「ＮＦＣ，near-field communication」）、赤外線、ネットワークインターフェイス、３Ｇ（３ＧＰＰ／３ＧＰＰ２）のようなセルラー技術、高速ダウンリンクパケットアクセス（「ＨＳＤＰＡ，high-speed downlink packet access」）、高速アップリンクパケットアクセス（「ＨＳＵＰＡ，high-speed uplink packet access」）、時分割多重アクセス（「ＴＤＭＡ，time division multiple access」）、符号分割多重アクセス（「ＣＤＭＡ，code division multiple access」）（例えば、ＩＳ－９５Ａ、広帯域符号分割多重アクセス（「ＷＣＤＭＡ，wideband code division multiple access」）など）、周波数ホッピング拡散スペクトル（「ＦＨＳＳ，frequency hopping spread spectrum」）、直接シーケンス拡散スペクトル（「ＤＳＳＳ，direct sequence spread spectrum」）、モバイル通信用グローバルシステム（「ＧＳＭ，global system for mobile communication」）、パーソナルエリアネットワーク（「ＰＡＮ，Personal Area Network」）（例えば、ＰＡＮ／８０２．１５）、マイクロ波アクセス用世界的相互運用性（「ＷｉＭＡＸ，worldwide interoperability for microwave access」）、８０２．２０、長期進化（「ＬＴＥ，long term evolution」）（例えば、ＬＴＥ／ＬＴＥ－Ａ）、時分割ＬＴＥ（「ＴＤ－ＬＴＥ，time division LTE」）、モバイル通信用グローバルシステム（「ＧＳＭ，global system for mobile communication」）、狭帯域／周波数分割多重アクセス（「ＦＤＭＡ，frequency-division multiple access」）、直交周波数分割多重方式（「ＯＦＤＭ，orthogonal frequency-division multiplexing」）、アナログセルラー、セルラーデジタルパケットデータ（「ＣＤＰＤ，cellular digital packet data」）、衛星システム、ミリ波又はマイクロ波システム、音響、赤外線（例えば、赤外線データ協会（「ＩｒＤＡ，infrared data association」））、及び／又は無線データ伝送の任意の他の形式のような伝送プロトコルを送信／受信するように構成することができる。
通信ユニット１１６はまた、信号線及び接地を有する任意のケーブルのような有線接続を介して伝送プロトコルを利用して信号を送信／受信するように構成することができる。例えば、このようなケーブルは、Ethernetケーブル、同軸ケーブル、ユニバーサルシリアルバス（「ＵＳＢ」）、FireWire、及び／又は当該技術において知られている任意の接続を含むことができる。このようなプロトコルが通信ユニット１１６によって用いられ、コンピュータ、スマートフォン、タブレット、データキャプチャシステム、移動通信ネットワーク、クラウド、サーバなどのような外部システムに伝達することができる。通信ユニット１１６は、数字、文字、英数字、及び／又は記号を含む信号を送信及び受信するように構成することができる。いくつかの場合において、１２８ビット又は２５６ビットキーのようなアルゴリズム及び／又は高度暗号化標準（「ＡＥＳ，Advanced Encryption Standard」）、ＲＳＡ、データ暗号化標準（「ＤＥＳ，Data Encryption Standard」）、トリプルＤＥＳなどのような標準に準拠する他の暗号化アルゴリズムを用いて、信号を暗号化することができる。通信ユニット１１６は、ステータス、コマンド、及び他のデータ／情報を送信及び受信するように構成することができる。例えば、通信ユニット１１６はユーザオペレータと通信して、ユーザがロボット１０２を制御することを可能にすることができる。通信ユニット１１６は、ロボット１０２がデータ、ステータス、コマンド、及びサーバへの他の通信を送信することを可能にするため、サーバ／ネットワーク（例えば、ネットワーク）と通信することができる。サーバはまた、ロボット１０２を遠隔で監視及び／又は制御するために用いることができるコンピュータ及び／又はデバイスに通信可能に接続することができる。通信ユニット１１６はまた、更新（例えば、ファームウェア又はデータ更新）、データ、ステータス、コマンド、及び他の通信をロボット１０２のためのサーバから受信することができる。
例示的な実施形態において、オペレーティングシステム１１０は、メモリ１２０、コントローラ１１８、電源１２２、動作ユニット１０４におけるモジュール、及び／又はロボット１０２の任意のソフトウェア、ハードウェア、及び／又は機能を管理するように構成することができる。例えば、限定することなく、オペレーティングシステム１１０は、ロボット１０２のためのハードウェアリソースを管理するデバイスドライバを含むことができる。
例示的な実施形態において、電源１２２は、リチウム、リチウムイオン、ニッケルカドミウム、ニッケル金属水素化物、ニッケル水素、炭素亜鉛、酸化銀、亜鉛炭素、空気亜鉛、酸化水銀、アルカリ、又は当該技術において知られている任意の他のタイプのバッテリを含むが、これらに限定されない、１又は２以上のバッテリを含むことができる。いくつかのバッテリは、例えば無線で（例えば、共振回路及び／又は共振タンク回路による）及び／又は外部電源へ接続して、再充電可能であり得る。電源１２２はまた、太陽、風、水、原子力、水素、ガソリン、天然ガス、化石燃料、機械的エネルギー、蒸気、及び／又は任意の電力の源を電気に変換する壁ソケット及び電子デバイスを含む、任意のエネルギーの供給源とすることができる。
図１Ａに関して説明したユニットの１又は２以上（メモリ１２０、コントローラ１１８、センサユニット１１４、ユーザインターフェイスユニット１１２、アクチュエータユニット１０８、通信ユニット１１６、マッピング及びローカリゼーションユニット１２６、及び／又は他のユニットを含む）は、例えば統合システムにおいて、ロボット１０２に統合することができる。しかしながら、いくつかの例示的な実施形態によれば、これらのユニットの１又は２以上は取り付け可能なモジュールの一部とすることができる。このモジュールは、既存の装置に取り付けて、ロボットとして振る舞うように自動化することができる。したがって、ロボット１０２に関して本開示に記載される特徴は、既存の装置に取り付け、及び／又は統合システムにおいてロボット１０２に統合することができるモジュールにおいてインスタンス化することができる。また、いくつかの場合において、当業者であれば、本開示の内容から、本開示に記載の特徴の少なくとも一部は、例えばクラウド、ネットワーク、及び／又はサーバにおいて、遠隔で実行することができるということを理解するであろう。
今後用いられるように、ロボット１０２、コントローラ１１８、又は以下の図に示すタスクを実行する任意の他のコントローラ、プロセッサ、又はロボットは、当業者によって理解されるように、メモリ１２０のような、非一時的コンピュータ可読記憶装置に記憶されたコンピュータ可読命令を実行するコントローラを含む。
次に図１Ｂを参照すると、図１Ａに示すシステムにおいて用いられる専用コントローラ１１８のアーキテクチャが、例示的な一実施形態に従って示されている。図１Ｂに示すように、専用コンピュータは、データバス１２８、受信機１２６、送信機１３４、少なくとも１つのプロセッサ１３０、及びメモリ１３２を含む。受信機１２６、プロセッサ１３０及び送信機１３４はすべて、データバス１２８を介して互いに通信する。プロセッサ１３０は、専用アルゴリズムを実行するように構成された専用プロセッサである。プロセッサ１３０は、プロセッサ１３０が専用アルゴリズムを実行するよう、コンピュータコード又は命令を記憶するメモリ１３２にアクセスするように構成されている。図１Ｂに示すように、メモリ１３２は、先に図１Ａに示したメモリ１２４の特徴のいくつか、異なる、又はすべてを含んでも含まなくてもよい。プロセッサ１３０によって実行されるアルゴリズムは以下でさらに詳細に考察する。図１Ｂに示すような受信機１２６は、入力信号１２４を受信するように構成されている。入力信号１２４は、センサユニット１１４からのセンサデータ、ユーザ入力、モータフィードバック、外部通信信号（例えば、リモートサーバからの）、及び／又は専用コントローラ１１８によるさらなる処理が必要とされる動作ユニット１０４からの任意の他の信号を含むが、これらに限定されない、図１Ａに示す複数の動作ユニット１０４からの信号を含むことができる。受信機１２６は、データバス１２８を介してこれらの受信信号をプロセッサ１３０に伝達する。当業者であれば理解するように、データバス１２８は、専用コントローラ１１８における異なるコンポーネント、すなわち受信機、プロセッサ、及び送信機間の通信手段である。プロセッサ１３０は、メモリ１３２からの専用コンピュータ可読命令にアクセスすることによって、以下で考察するように、アルゴリズムを実行する。これらの信号の受信、処理及び送信において専用アルゴリズムを実行するプロセッサ１３０に関するさらなる詳細な説明は、図１Ａに関して上で考察されている。メモリ１３２は、コンピュータコード又は命令を記憶するための記憶媒体である。この記憶媒体は、とりわけ、光メモリ（例えば、ＣＤ、ＤＶＤ、ＨＤ－ＤＶＤ、Blu-Ray Discなど）、半導体メモリ（例えば、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭなど）、及び／又は磁気メモリ（例えば、ハードディスクドライブ、フロッピーディスクドライブ、テープドライブ、ＭＲＡＭなど）を含むことができる。記憶媒体は、揮発性、不揮発性、動的、静的、読み取り／書き込み、読み取り専用、ランダムアクセス、シーケンシャルアクセス、ロケーションアドレス可能、ファイルアドレス可能、及び／又は内容アドレス可能デバイスを含むことができる。プロセッサ１３０は、図示のように、データバス１２８を介して出力信号を送信機１３４に伝達することができる。送信機１３４は、信号出力１３６によって示される複数の動作ユニット１０４への出力信号をさらに伝達するように構成することができる。
当業者であれば、図１Ｂに示すアーキテクチャは、遠隔地からロボット装置の制御を実現するように構成された外部サーバアーキテクチャを示し得ることを理解するであろう。すなわち、サーバはまた、データバス、受信機、送信機、プロセッサ、及び専用コンピュータ可読命令を記憶するメモリを含むことができる。
図２Ａは、例示的な一実施形態によるエスカレータ２０２の複数の距離測定値２０６を収集する１又は２以上のセンサ２０４の正面図を示す。上で考察したように、エスカレータの使用は、一例の目的のみであり、本開示の目的を限定するものではない。当業者は、基礎となる概念が、ロボット１０２によって移動される平面内の落差を検出すること、及びこのような落差を検出及び回避する努力に向けられていることを理解することができる。センサ２０４は、例えば、センサ２０４と床２０８のような目標との間の距離を測定するように構成されたＬｉＤＡＲセンサのような距離測定センサを含むことができる。センサ２０４は、ロボット１０２（図示せず）のシャーシ上に配置することができる。床２０８は、エスカレータ２０２の最初の移動ステップを含むことができる。図示のように、１又は２以上の距離測定センサ２０４は、既知の角距離によって分離された２０の距離測定値２０６（すなわち、２０６－０～２０６－２０）を収集することができる。他の非限定的な例示的な実施形態によれば、１又は２以上の距離測定センサ２０４は、追加の又はより少ない測定値２０６－ｎを収集することができ、インデックス「ｎ」は任意の正の整数とすることができる。少なくとも１つの非限定的な例示的な実施形態によれば、センサ２０４の角度測定範囲（例えば、図示のような測定値２０６－０と２０６－２０との間の角度範囲）は、図２Ａに示すようなものよりも大きな又は小さな角度測定範囲を含むことができる。例えば、短いロボット又は床２０８に近いセンサ２０４を備えたロボットは、センサ２０４がエスカレータ２０２の壁又は柵を測定するのに床２０８から十分に高くない可能性があるため、２つの手すり２１０間で測定を行うことができる。複数の距離測定値２０６は、図１Ａに示すような、コントローラ１１８による複数の距離測定値２０６に基づくエスカレータの後の判定のため、コントローラ１１８によってロボット１０２のメモリ１２０に記憶することができる。
図２Ｂは、例示的な一実施形態による、２つの場所でエスカレータ２０２の距離測定値２１２及び２１４を収集する、図２Ａに先に示したような、１又は２以上のセンサ２０４の側面図を示す。当業者は、１又は２以上のセンサ２０４が、図２Ｂに示すように第１のセンサ及び異なるセンサに対応し得ることを理解することができる。あるいは、１又は２以上のセンサは単一のセンサに対応する。センサ２０４は、図示のようにエスカレータ２０２の近くの位置で、又はセンサ２０４を含むロボット１０２（図示せず）がある平担な床上の任意の場所で測定２１２を行うことができる。換言すれば、センサ２０４から静止部分２１６（すなわち、第１の領域）までの取得される測定値２１２は、図３Ａに関して以下に示すように、ゼロ（０）測定単位（例えば、センチメートル、インチなど）の基準高さを決定するための基準距離測定値を提供する。センサ２０４を搭載したロボット１０２（図示せず）がエスカレータ２０２に向かって移動するにつれて（すなわち、ロボット１０２が図において左方向へ移動するにつれて）、センサ２０４は他の測定値２１４を追加で受け取ることができる。距離測定値２１４は、センサ２０４と第１の領域すなわち静止部分２１６とは異なるエスカレータ２０２の最初の移動ステップすなわち第２の基準点又は第２の領域を含む床２０８との間の距離を測定する、上で図２Ａに示すような、測定値２０６の側面図に対応し得る。ロボット１０２（図示せず）のコントローラ１１８が測定値２１４を受信し、これが基準測定値２１２とは異なると、コントローラ１１８は、図５に関してさらに説明するように、落差パラメータを決定するために用いられるべき落差２１８の大きさを判定することができる。落差パラメータは、センサ２０４によるエスカレータ２０２の検出を示す、エスカレータ検出パラメータを決定するために用いることができる。
少なくとも１つの非限定的な例示的な実施形態によれば、距離測定センサ２０４は、測定値２１２及び２１４を同時に及び／又は同じ位置で収集するように構成することができる。例えば、距離測定カメラ又はＬＩＤＡＲセンサのアレイを実装して、二次元（２Ｄ，two-dimensional）又は三次元（３Ｄ）空間において距離測定値を収集することができる。落差２１８の大きさは、図５で考察するように測定値２０６、２１２、及び２１４からエスカレータを判定するために用いられる落差パラメータの閾値を満足させる又は満たすために用いることができる。換言すれば、落差が落差パラメータを超えれば、これは、この経路に沿って前進した結果、ロボット１０２は落下又は転倒する可能性があるため、ロボット１０２に害を及ぼす結果になるであろう落下を経験するであろうということをコントローラ１１８に示す。
図３Ａは、例示的な一実施形態による、上で図２Ａ～Ｂに示す１又は２以上の距離測定センサ２０４からの高さ測定値「Ｈ」を示す。水平軸は、上で図２Ａに示した個々の距離測定値２０６に対応するビームＩＤインデックス「ｉ」を含むことができ、高さ測定値３０２は、同じインデックスｉを備えた距離測定値２０６の大きさに対応する（例えば、高さ測定値３０２－５は距離測定値２０６－５に対応するなど）。鉛直軸は、同じインデックスを備えた測定値２０６に対応するビームＩＤインデックスのそれぞれについての高さ測定値に対応し、ゼロの高さは、センサ２０４とロボット１０２が走行しているエスカレータの静止部分２１６との間の距離からなる基準距離２１２に対応する。３０２－５と３０２－１５との間の、両端を含まない、点は、床２０８又は床上の異なる第２の領域の高さ測定値に対応し得る。点３０２－５～３０２－１５の、両端を含まない、平均高さ値は－ｄであると判定することができ、大きさ｜ｄ｜は、エスカレータ２０２の静止部分２１６と最初の移動ステップ２０８との間の、先に図２Ｂに示した、落差２１８の大きさに対応する。大きさ｜ｄ｜は、ロボット１０２の通信ユニット１１６を介して外部サーバから、又は１又は２以上のセンサ２０４によってコントローラ１１８によって受信されたデータに基づく学習プロセス（例えば、測定された平均に基づいて決定される）を通して、ユーザインターフェイスユニット１１２を介してロボット１０２に伝達することができる。図示のデータを生じさせる１又は２以上の距離測定センサ２０４を含むロボット１０２は、最初の移動ステップ２０８の上方の高さｄでエスカレータ２０２の静止部分２１６上で走行又は静止しているということを想起されたい。値ｄを用いて、以下の図５に示すようにエスカレータ検出パラメータを決定するためにさらに利用されるべき落差パラメータを決定することができる。
少なくとも１つの非限定的な例示的な実施形態によれば、センサは完全に較正されていなくてもよく、ロボット１０２が配置され又は移動している床を非ゼロ高さであると知覚することができる。したがって、「ｄ」の値は、この較正エラーを説明するためにリアルタイムで変更又は更新することができる。例えば、ロボットのセンサは、ロボットがある床を、完全に較正されたセンサによって記録されるゼロ（０）の基準高さから１センチメートル（１ｃｍ）の高さにあると検出することができ、所定の「－ｄ」の値は、この較正エラーを説明するために１センチメートル（１ｃｍ）増加させることができる。換言すれば、「ｄ」の大きさは、図２Ｂに示す落差２１８の大きさに対応し、任意の基準高さから取得することができ、図３Ａに示すようなゼロ（０）の基準高さは、例示的な一実施形態による完全に較正されたセンサの例示である。この落差２１８は、静止床２１８とエスカレータの最初の移動ステップ２０８との間に常に存在し、通常１０～３０ミリメートルの小さな値を含む。
当業者であれば、図示のような水平軸が、例えば、約ゼロ度（０°）を中心とする角度測定のような、異なる測定を含むことができるということを理解するであろう。加えて、少なくとも１つの非限定的な例示的な実施形態によれば、高さ測定値は距離測定値と置き換えることができ、図３Ｂに示すものと実質的に同様の反転したグラフを見ることが期待されるであろう。
図３Ｂは、例示的な一実施形態による、先に図３Ａに示したビームＩＤ「ｉ」のグラフに関する高さ測定値「Ｈ」の導関数を示す。各導関数測定値３０４は、同じインデックス「ｎ」を含む、図３Ａに示すような、高さ測定値３０２に対応し得る（例えば、高さ測定値３０２－３は導関数測定値３０４－３に対応する）。先に図２Ａに示した、エスカレータ２０２の左手すり２１０は、値「－Ｔ」という負の壁閾値パラメータを満たす導関数測定値３０４－５に対応するビームＩＤ（例えば、図３Ａに示すビーム５又は表記３０２－５）によって測定されるとコントローラ１１８によって判定することができる。同様に、エスカレータ２０２の右手すり２１０は、正の壁閾値パラメータ値「＋Ｔ」を満たす導関数測定値３０４－１５に対応するビームＩＤ（例えば、図３Ｂに示すビーム１５又は表記３０２－１５）によって測定されるとコントローラ１１８によって判定することができる。壁閾値パラメータ「Ｔ」の大きさは、通信ユニット１１６を介して「Ｔ」の大きさを伝達する外部サーバから、又は学習プロセス（例えば、エスカレータの複数のＬｉＤＡＲスキャンにおける類似点を識別することに基づく）を通して、ユーザインターフェイスユニット１１２を介してロボット１０２に伝達することができる。
導関数測定値３０４－５の、これを含む、左側の点を次いでエスカレータ２０２の左壁に沿った測定値に対応すると判定することができ、導関数測定値３０４－１５の、これを含む、右側の点を次いでエスカレータ２０２の右壁に沿った測定値に対応すると判定することができる。したがって、導関数測定値３０４－５と３０４－１５との間の、両端を含まない、残りの点は、エスカレータ２０２の２つの手すり２１０間の床２０８に対応し得る。少なくとも１つの非限定的な例示的な実施形態によれば、コントローラ１１８は、導関数測定値３０４が閾値「Ｔ」より小さな大きさである（例えば、導関数測定値３０４－５～３０４－１５、両端を含まない）ことに基づいて床２０８に対応する点を判定することができる。コントローラ１１８は次いで、以下の図５に示すように壁間隔パラメータを決定する際に用いられるべき床２０８に対応するビームＩＤの数に基づいて床の幅を判定することができる。
少なくとも１つの非限定的な例示的な実施形態によれば、図３Ａに示すグラフは、ガラス又はＬｉＤＡＲセンサにとって透明な他の材料で構成され得る、エスカレータの側壁、又は手すり２１０として点３０２－１と３０２－５との間及び／又は点３０２－１５と３０２－２０との間の測定値を含まなくてもよい。多くの場合、ハンドレールはそれでも検出することができる（すなわち、点３０２－０と３０２－２０が存在する）。したがって、図３Ｂに示すグラフは、不連続性のためにこれらのそれぞれの点について導関数測定値３０４を含まないことがある。しかしながら、側面手すり２１０は金属又は不透明な材料であり、ＬｉＤＡＲセンサによって依然として検出することができるということが理解され得る。したがって、ガラス側壁を備えたエスカレータを含む環境において、側面手すり２１０の検出に対応する導関数閾値を満たすために、閾値の大きさ「Ｔ」を超える１又は２以上の導関数測定値３０４のみが必要とされ得る。ロボット１０２が走行又は静止する床の下方の距離「－ｄ」での床２０８の検出が、これらの実施形態においてエスカレータを検出するために依然として必要とされる。当業者は、側壁がガラス製であれば、点３０２と同じにはならないであろうことを理解するであろう。しかしながら、手すり２１０は、通常本質的に金属又は不透明であるため捉えられ、ひいては導関数閾値を満たすことになる。
少なくとも１つの非限定的な例示的な実施形態によれば、鉛直軸は、ビームＩＤ ｉ又はビーム２０６がセンサ２０４から放出される角度に関する距離測定値の導関数に対応することができ、右壁検出に対応する閾値が負の壁閾値「－Ｔ」であり得、左壁についてその逆のことがある。
図４は、例示的な一実施形態による、図２Ａに示すような、エスカレータ２０２の距離測定センサ２０４によって取得された複数の距離測定値２０６に対応する点を記憶するための構造を示すデータテーブルを示す。図３Ａ～Ｂに示す方法を用いて、エスカレータの左壁及び右壁に対応する一組の距離測定値２０６を判定すると、ロボット１０２のコントローラ１１８は、その距離測定値２０６に対応するビームＩＤを適切なバッファに記憶することができる。各バッファは、１又は２以上のビームＩＤ番号（例えば、図３Ａ～Ｂに示すグラフにおけるインデックス「ｉ」）及び１又は２以上の対応する高さ値Ｈｎを含むことができ、インデックス「ｎ」は、同じインデックスのビームＩＤ番号によって測定された距離測定値２０６に対応する、ゼロを含む、任意の正の整数とすることができる。先に図３Ｂに示したように、左壁閾値「－Ｔ」を満たす導関数測定値３０４－５に対応する、ＩＤ番号５を備えたビームをしたがって、エスカレータ２０２の左壁に対応する最大ビームＩＤ番号として判定することができる。同様に、右壁閾値「＋Ｔ」を満たす導関数測定値３０４－１５に対応する、ＩＤ番号１５を備えたビームをしたがって、エスカレータ２０２の右壁に対応する最小ビームＩＤ番号として判定することができる。
加えて、ビームＩＤ番号６～１４の間の、両端を含む、残りのビームＩＤは、図２Ａに示すような、床２０８で取得された測定値２０６に対応することができ、したがって床点バッファに記憶することができる。コントローラ１１８は、壁間のビームの数及び、センサの角度、各ビームの角度、及び距離測定センサ２０４によって受信又は判定された距離測定値２０６のようなセンサの既知のパラメータに基づいて、左及び右壁間の床の幅を計算することができる。左及び右壁間の床の幅は、以下で図５に示すようにエスカレータ検出パラメータを決定するために用いられる壁パラメータを決定するために用いることができる。
ロボット１０２のコントローラ１１８は次いで、床点バッファ内に記憶された高さ値（例えば、Ｈ６～Ｈ１４）の平均値を決定することができる。平均高さ値を「ｄ」の値と比較して、床点が床２０８の測定値に対応するかどうかを判定することができ、エスカレータ２０２の最初の移動ステップは静止床に対して「ｄ」の値だけ下がっている。平均高さ値が所定の小さな許容誤差内（例えば、ランダムな熱雑音のために０．５センチメートル以内）で「ｄ」の値に等しければ、コントローラ１１８は、エスカレータ検出パラメータを決定するために用いられる落差パラメータが以下で図５に示すように満たされると判定することができる。
当業者であれば、図４に示すデータテーブルは、コントローラ１１８がコンピュータ可読命令を実行する、又は距離測定センサ２０４から追加の測定値を受信するときに、追加の行及び列を追加することができる自己参照テーブルとすることができるということを理解するであろう。
いくつかの例において、エスカレータ２０２はガラス側壁を含むことができる。したがって、左及び右壁バッファは、エスカレータ２０２の側面手すり２１０を感知するいくつかの測定値３０２を除いて、空であることがある。側面手すり２１０の測定値３０２は依然として上の図３Ｂに示す導関数閾値を満たすことができる。
図５は、例示的な一実施形態による、ロボット１０２のコントローラ１１８が、センサユニット１１４の距離測定センサによって測定されるセンサデータに基づいてエスカレータ検出パラメータを決定する方法５００を示すプロセスフロー図を示す。満たされているエスカレータ検出パラメータは、センサデータが、少なくとも部分的に、エスカレータを感知する測定値に対応することを示すことができる。
ブロック５０２は、コントローラ１１８が１又は２以上の距離測定センサ２０４からセンサデータを収集することを示す。１又は２以上の距離測定センサ２０４からのデータは、マトリックス、アレイ、バッファ、及び／又はデータを記憶する任意の他の形式を含むがこれらに限定されないような複数のフォーマットでメモリ１２０に記憶することができる。距離測定センサデータは、距離測定センサによって観察される複数の高さ又は距離測定値を含むことができる。距離測定センサは、時間的に離散的な間隔で、又は時間的に連続的にデータを収集することができる。
ブロック５０４は、コントローラ１１８が、ブロック５０２において収集されたセンサデータの導関数を計算することを示す。導関数は、図３Ａ～Ｂに示すような、ビームＩＤ番号、角距離、横方向距離、又は他の同様のパラメータに関して取得することができる。コントローラ１１８は次いで、ブロック５０２において受信されたセンサデータを記憶するために用いられるフォーマットと実質的に同様の複数のフォーマットでセンサデータの導関数をメモリ１２０に記憶することができる。
ブロック５０６は、コントローラ１１８が、すべての側壁閾値が満たされているかどうかを判定することを示す。側壁閾値は、エスカレータ２０２の左壁、エスカレータ２０２の右壁の検出に対応する２つの側壁検出パラメータ、及び左及び右壁間の最小分離要件に対応する間隔パラメータを含むことができる。少なくとも１つの導関数測定値３０４が、図３Ｂにおける「Ｔ」の大きさによって示される、距離測定センサによる側壁の検出を示す、所定の閾値を満たす又は超えることによって、側壁検出パラメータを満たすことができる。エスカレータ２０２がセンサ２０４にとって透明であるガラス側壁を含めば、少なくとも１つの要件によりエスカレータ２０２の側面手すり２１０の検出が可能になり得る。
例えば、ロボット１０２によって生成されるＬｉＤＡＲスキャンが、導関数測定値３０４、及び同じインデックスの対応する高さ測定値３０２が上の図３Ｂに示すように「－Ｔ」以下の値を含むときにエスカレータ２０２の左壁が検出されることを示すことができる。同様に、図４Ｂに示すように、「＋Ｔ」以上の値の、同じインデックスの高さ測定値３０２に対応する、導関数測定値３０４を含むように、エスカレータの右壁を判定することができる。「Ｔ」の大きさを超える導関数測定値３０４は、狭い通路の左又は右壁の肯定の検出に対応することがあり、通路はエスカレータである可能性がある。
側壁閾値は、検出された左及び右壁又は手すり２１０の両方が所定の距離だけ分離されていることが必要とされる間隔パラメータをさらに含むことができ、所定の距離はエスカレータの幅に対応し得る。エスカレータ幅は一般に、約２４インチ、３２インチ、又は４０インチ（６１センチメートル、８２センチメートル、１０２センチメートルに相当）に標準化されており、したがって間隔パラメータは少なくとも約２４インチであるが、エスカレータ又は動く歩道の任意の長さに事前定義することができる。所定の距離は、ユーザインターフェイスユニット１１２を介して、外部サーバ又はネットワークと通信する通信ユニット１１６を介して、又は学習プロセスを介して、ロボット１０２に伝達することができる。エスカレータの２つの壁の間隔は、図６Ａ～Ｂに示すように、ロボット１０２の側壁までの距離及びロボット１０２の接近角度に基づいて判定することができる。有利なことに、２つの検出された壁の間隔パラメータを用いることにより、検出された狭い通路又は他の壁のためエスカレータ検出について誤検出が生じることに起因するコントローラ１１８による不要な計算の大部分を排除することができる。
少なくとも１つの非限定的な例示的な実施形態によれば、ロボット１０２に伝達されるエスカレータの所定の幅は、以下で図６Ａ～Ｂに示すように、エスカレータの入口に完全に直交しない角度でエスカレータに接近するロボット１０２を説明する最小幅要件を含むことができる。少なくとも１つの非限定的な例示的な実施形態によれば、幅の異なる複数のエスカレータがロボット１０２の周囲環境内に存在することがあり、ロボット１０２は、複数のエスカレータの幅に対応する複数の壁分離幅を受け取ることができる。コントローラ１１８は、この例示的な実施形態において、判定された左及び右壁の間隔が、ロボット１０２にとって既知である複数のエスカレータ幅の１つと同じ幅であれば、満たされるべき分離パラメータを決定することができる。
少なくとも１つの非限定的な例示的な実施形態によれば、側壁閾値は、２つの検出された側壁間の空間が実質的に平坦である（すなわち、ゼロに非常に近い導関数ｄＨ／ｄｉを含む）ことが必要とされる平坦性閾値をさらに含むことができる。すなわち、図３Ａを参照すると、高さ測定値３０２－６、３０２－１４、両端を含む、は、平坦性閾値を満たす閾値量だけ逸脱することがない。誤検出のエスカレータ検出を除去するためにこれをさらに利用することができる。
エスカレータ２０２の両壁（すなわち、右及び左壁）を検出し、エスカレータの壁間の間隔をエスカレータの幅に対応する距離であると測定する（例えば、すべての壁の閾値が満たされる）と、コントローラ１１８は次にブロック５０８に移動する。しかしながら、１又は２以上の壁閾値が満たされていないと判定されれば、コントローラ１１８はブロック５０２に戻ってアルゴリズムを再実行する。
ブロック５０８は、コントローラ１１８が、エスカレータ２０２の検出された左壁、右壁、及び床２０８の高さ測定値３０２に対応する高さ測定値３０２を、上で図４に示すように、適切なバッファに記憶することを示す。いくつかの非限定的な例示的な実施形態によれば、これらの測定値は、例えば、アレイ、マトリックス、又は他の同様のデータフォーマットのような複数の他のフォーマットで記憶することができる。コントローラ１１８は、ブロック５０６に示す壁パラメータに基づいてエスカレータ２０２の左壁、右壁、及び壁間の床に対応する点を判定することができる。例えば、エスカレータの左壁に対応する高さ測定値は、壁検出閾値「－Ｔ」を下回る対応する導関数測定値を有することができ、したがって左壁バッファに記憶することができる。コントローラ１１８は、実質的に同様の方法でエスカレータの右壁に対応する距離測定値を判定及び記憶することができる。コントローラ１１８は、左又は右壁バッファ内にない点を左及び右壁間の床の高さ測定値に対応するとさらに判定し、これらの残りの点を床バッファに記憶することができる。
ブロック５１０は、コントローラ１１８が床バッファ内の床測定値の平均高さ値を決定することを示す。先に図４に示したように、床バッファ内の各測定値は高さ測定値を含み、コントローラ１１８は、床バッファ内のすべての点の高さ測定値の平均値を決定することができる。
ブロック５１２は、コントローラ１１８が、落差パラメータが満たされている又は満足させられているかを判定することを示す。落差パラメータを利用して、上で図２に示す落差２１８が、エスカレータ、崖又は階段を示す、左及び右側の２つの壁によって囲まれた床内に存在するかどうかを判定することができる。床測定値の平均高さ値は、図３Ａに示すような大きさ「ｄ」の落差パラメータと比較され、「ｄ」の大きさは、エスカレータの静止部分２１６とエスカレータの静止部分２１６から離れて移動している最初の移動ステップ２０８との間の落差２１８の大きさに対応し得る。「ｄ」の大きさは、ロボット１０２にユーザインターフェイスユニット１１２を介して伝達する、通信ユニット１１６を介してサーバ又はネットワークによって伝達する、又は学習プロセスを通じて学習させることができる。ブロック５１０において計算された床の平均高さが、ロボット１０２がある床の高さに対応するゼロ（０）の基準高さに関して小さな許容誤差（例えば、０．５センチメートル以下）内で値「－ｄ」であれば、落差パラメータは満たされている、等しい、又は超えている。
少なくとも１つの非限定的な例示的な実施形態によれば、完全に較正されていないセンサの場合のように、基準高さはゼロ（０）でなくてもよい。したがって、平均床高さが、完全に較正されていないセンサによって測定された床の基準高さより小さな大きさ「ｄ」であれば、落差パラメータを満たすことができる。落差パラメータが満たされると、コントローラ１１８はブロック５１４に移動する。しかしながら、落差パラメータが満たされないと、コントローラ１１８はブロック５０２に戻ってアルゴリズムを再実行する。
ブロック５１４は、コントローラ１１８が、距離測定センサによってエスカレータが検出されたことを示す側壁パラメータ及び落差パラメータが満たされていることに基づいてエスカレータ検出パラメータが満たされていると判定することを示す。少なくとも１つの非限定的な例示的な実施形態によれば、コントローラ１１８は、エスカレータ検出パラメータが満たされると、ロボット１０２をエスカレータから遠ざけるように経路変更することができる。他の非限定的な例示的な一実施形態によれば、コントローラ１１８は、ロボット１０２を判定されたエスカレータ上へ走行させてロボット１０２を輸送することができる。当業者は、落差パラメータを、軌道を移動しているロボット１０２の物理的特性（すなわち、高さ、幅、広さ）を考慮に入れた事前プログラムされた値とすることができるということを理解することができる。このように、小型又は短いロボットは、大型又は大きいロボットとは異なる落差パラメータを有することができる。
図６Ａは、例示的な一実施形態による、エスカレータ６００の入口に直交する角度でエスカレータ６００に接近するロボット１０２の上面図を示す。エスカレータ６００は、エスカレータ６００の静止部分と最初の移動ステップとの間の落差に対応する落差６１０（例えば、落差２１８の側面図を上で図２Ｂに示す）を含むことができる。ロボット１０２はエスカレータ６００に向かって走行し、センサ視線６０４によって示されるように、平面ＬｉＤＡＲセンサ６０６から距離測定値を収集することができる。平面ＬｉＤＡＲセンサ６０６からの測定値は、距離測定値６０８によって示されるような、エスカレータ６００の側壁６０２間の距離のユークリッド距離測定を含むことができる。距離測定値６０８は落差６１０の向こうにあり、これによって、距離測定値６０８は、上で図３Ａに示すように、ゼロ高さでの床に対して－ｄの高さとなり得るので、エスカレータ検出のための落差パラメータを満たし得る。距離測定値６０８は、上で図５に示すように、エスカレータ６００の検出のための間隔パラメータ要件の最小幅を満たし得る。図６Ａは、ロボット１０２がエスカレータ６００を検出する理想的なシナリオを示し、ロボット１０２は、エスカレータ６００の入口に完全に直交して走行する（例えば、ロボット１０２の進行方向は距離測定値６０８に直交する）。しかしながら、いくつかの例においてロボット１０２は、入口に完全に直交していない角度でエスカレータ６００に接近することがある。例えば、ロボット１０２は、エスカレータ６００の入口で旋回を試みることができ、エスカレータの２つの側壁６０２間の距離測定値６０８は、以下で図６Ｂに示すように変化することがある。
図６Ｂは、例示的な一実施形態による、エスカレータ６００の入口に完全に直交していない角度でエスカレータ６００に接近するロボット１０２の上面図を示す。平面ＬｉＤＡＲセンサ６０６は、エスカレータ６００の２つの側壁６０２間の距離測定値６１２を測定することができる。図６Ｂにおける距離測定値６１２は、エスカレータ６００の入口に対するロボット１０２の接近角度のために図６Ａにおける距離測定６０８より大きくなることがある。図６Ａに示すように、完全に直交する角度でエスカレータ６００に接近するロボット１０２の距離測定値６０８は、間隔パラメータのための最小距離を提供することができる。したがって、入口に完全には直交しない角度でエスカレータ６００に接近するロボット１０２のより大きな距離測定値６１２は、距離測定値６１２が間隔パラメータについての最小距離測定要件を満たすので、エスカレータ検出に必要とされる側壁パラメータの間隔パラメータを依然として満たすことができる。
エスカレータ６００の入口に対して完全に直交する角度でエスカレータ６００に接近するロボット１０２によって測定される最小測定可能距離６０８に基づいて、間隔パラメータのためにエスカレータ６００の側壁６０２間の最小距離６０８を設定することにより、ロボット１０２が任意の接近角度でエスカレータ６００を検出することが可能になり得る。有利なことに、間隔パラメータについての最小距離要件を用いることにより、エスカレータ６００の入口に対して任意の角度でエスカレータ６００を判定するロボット１０２のコントローラ１１８の能力をさらに高めることができる。
図７は、上で考察したエスカレータ検出のシステム及び方法と併せて用いられる例示的な一実施形態による、ニューラルネットワーク７００を示す。ニューラルネットワーク７００は、複数の入力ノード７０２、中間ノード７０６、及び出力ノード７１０を含むことができる。入力ノード７０２はリンク７０４を介して１又は２以上の中間ノード７０６に接続されている。中間ノード７０６はそれぞれリンク７０８を介して１又は２以上の他の中間ノード７０６又はリンク７１２を介して出力ノード７１０に接続されている。リンク７０４、７０８、７１２は、ニューラルネットワーク７００を通じた入力ノード７０２から出力ノード７１０への数値データの転送及び伝播の例示である。中間ノード７０６は、ニューラルネットワーク７００の中間層７１４を形成することができる。いくつかの実施形態において、ニューラルネットワーク７００は複数の中間層７１２を含むことができ、各中間層７１４の中間ノード７０６は、隣接する層が入力層（すなわち、入力ノード７０２）又は出力層（すなわち、出力ノード７１０）でない限り、隣接する層の１又は２以上の中間ノード７０６にリンクされている。各ノード７０２、７０６、及び７１０は、任意の数のノードにリンクすることができ、図示のようにすべてのノードを互いにリンクすることは、限定するように意図されていない。
本明細書で用いられるとき、ある特徴は、物体の検出、その物体のパラメータ（例えば、サイズ、形状、色、向き、縁部など）、画像のピクセルのカラー値、深さ画像のピクセルの深度値、距離測定値（例えば、ＬｉＤＡＲスキャン）、画像の明るさ、画像全体、時間の経過に伴う特徴の変化（例えば、物体の速度、軌道など）、音、スペクトル帯域幅のスペクトルエネルギー、モータフィードバック（すなわち、エンコーダ値）、センサ値（例えば、ジャイロスコープ、加速度計、ＧＰＳ、磁気計などの読み取り値）、バイナリカテゴリ変数、列挙型、文字／文字列、又は任意の他の感覚入力の特性を含むが、これらに限定されない、センサユニット１１４からの入力を特徴付ける１又は２以上の数値（例えば、浮動小数点、小数、値のテンソルなど）を含むことができる。
入力ノード７０６は、ある特徴の数値ｘｉを受け取ることができ、ｉは整数のインデックスである。例えば、ｘｉは、カラー画像のピクセルのカラー値、インデックスｉのビームＩＤについての距離測定値、その導関数などを表すことができる。入力ノード７０６は、リンク７０４を介して数値ｘｉを１又は２以上の中間ノード７０６に出力することができる。各中間ノード７０６は、数値ｘｉを受け取って以下の式１に従ってリンク７０８に他の数値ｋｉ，ｊを出力するように構成することができる。
ki,j = ai,jx0+ bi,jx1 + ci,jx2 + di,jx3（式１）
インデックスｉは層内のノード番号に対応する（例えば、ｘ１は、ゼロからインデックス付けしている、入力層の第１の入力ノード７０２を指す）。インデックスｊは層に対応し、ｊは、図示のニューラルネットワーク７００の１つの中間層７１４についてのものに等しくなるであろうが、ｊは、任意の数の中間層７１２を含むニューラルネットワーク７００に対応する任意の数であり得る。定数ａ、ｂ、ｃ、及びｄは、訓練プロセスに従って学習されるべき重みを表す。式１の定数の数は、それぞれの中間ノード７０６への入力リンク７０４の数に依存し得る。この実施形態において、すべての中間ノード７０６がすべての入力ノード７０２にリンクされているが、これは限定するように意図されていない。
出力ノード７１０は、ｊ番目の中間層７１４の少なくともｉ番目の中間ノード７０６から少なくとも１つの数値ｋｉ，ｊを受け取るように構成することができる。図示のように、例えば、各出力ノード７１０は、ゼロからインデックス付けしている、第２の中間層７１４の８つの中間ノード７０６から数値ｋ０－７，１を受け取る。出力ノード７１０の出力は、入力ノード７０２の特徴の分類を含むことができる。出力ノード７１０の出力ｃｉは、上の式１と実質的に同様の式に従って（すなわち、学習された重みａ、ｂ、ｃ、ｄなど及び後の７１４－２の中間ノード７０６からの数値出力を含む接続７１２からの入力に基づいて）計算することができる。入力ｘｉがＲＧＢ画像のピクセルカラー値を含む上の例に従って、出力ノード７１０は各入力ピクセルの分類ｃｉを出力することができる（例えば、ピクセルｉは、車、電車、犬、人、背景、ソープ、又は任意の他の分類である）。
訓練プロセスは、中間ノード７０６の重みを決定することができるように、入力ノード７０２及び出力ノード７１０に対して、それぞれ、値の入力及び出力対の両方をニューラルネットワーク７００に提供することを含む。決定された重みは、入力ノード７０２への入力を受け取って出力ノード７１０での正しい出力を決定するようにニューラルネットワーク７００を構成する。例示的な例として、アノテーション付き（すなわち、ラベル付き）画像を利用してニューラルネットワーク７００を訓練し、画像内のオブジェクトを識別することができる。画像（すなわち、ピクセルＲＧＢカラー値）を入力ノード７０２に提供することができるとともに、画像のアノテーション（すなわち、各ピクセルについての分類）を出力ノード７１０に提供することができ、入力ノード７０２に提供されたピクセルカラー値に基づいてニューラルネットワーク７００が画像のアノテーションを生じさせるように中間ノード７０６の重みを調整することができる。このプロセスは、各中間ノード７０６の理想的な重みを決定することができるように、かなりの数の画像（例えば、数百以上）を用いて繰り返すことができる。当業者は、ニューラルネットワーク７００が識別するように訓練されている特徴を含まない又は表さない、否定的な例又は訓練ペアもまた、ニューラルネットワーク７００をさらに訓練するために利用することができるということを理解することができる（例えば、ＲＧＢ画像において人間を識別するようにニューラルネットワーク７００を訓練することには、人間を描写している画像及び人間を描写していない画像の使用が必要とされることがある）。
図２Ａ～２Ｂ、３Ａ～３Ｂに関連して上で考察したような平面ＬｉＤＡＲセンサを用いるエスカレータ検出を対象とした他の非限定的な例示的な一実施形態として、ニューラルネットワーク７００に複数の訓練ペアを設けることができ、それぞれがＬｉＤＡＲセンサからのスキャン及びスキャンの任意のそれぞれの点／測定値はエスカレータのものであるという示唆に対する肯定又は否定のいずれかを含む。すなわち、訓練ペアはそれぞれ、（ｉ）各距離測定値３０２－ｉ、又はその導関数３０４－ｉが、それぞれの入力ノード７０２－ｉに提供された、図３Ａ～Ｂに示すものと同様のグラフ、（ii）各入力距離測定値３０２－ｉ、３０４－ｉをエスカレータ又は非エスカレータのいずれかとして示す、それぞれの出力ノード７１０－ｉに提供された「エスカレータ」又は「非エスカレータ」のラベル、又はこれらの同様の変形、を含むことができる。ニューラルネットワーク７００の訓練後（すなわち、モデルが収束する又は十分な精度を達成した後）、各入力ノード７０２－ｉはそれぞれ、図３Ａに示すような、それぞれの距離測定値３０２－ｉを受け取ることができ、相互接続された層７１４及び学習された重みは、提供された距離測定値３０２がニューラルネットワーク７００を訓練するために用いられた訓練用スキャンと実質的に同様であれば、出力ノード７１０にエスカレータの肯定の検出を出力させるように構成することができる。
少なくとも１つの非限定的な例示的な実施形態によれば、ｊ番目の中間層７１４の中間ノード７０６からの１又は２以上の出力ｋｉ，ｊを、１又は２以上の中間ノード７０６及びｍ番目の中間層７１４への入力として利用することができ、インデックスｍはｊより大きくても小さくてもよい（例えば、リカレントニューラルネットワーク）。少なくとも１つの非限定的な例示的な実施形態によれば、ニューラルネットワーク７００は、Ｎ次元特徴（例えば、（ｘ、ｙ）位置及び深さ符号化を含む３次元入力画像）のためのＮ次元を含むことができ、１つの次元のみが明確にするために例示されている。当業者は、ニューラルネットワーク７００の複数の他の実施形態を理解することができ、図示のニューラルネットワーク７００は、ニューラルネットワーク及びその変形の簡略化された一実施形態を表し、限定するように意図されていない。すなわち、ニューラルネットワーク７００は、ニューラルネットワークアーキテクチャ、訓練、及び動作の基本原理の例示であり、ニューラルネットワーク７００は、フィードフォワードネットワーク、ラジアルバイアスネットワーク、長／短期記憶（ＬＳＴＭ，long/short term memory）、コンボリューショナルニューラルネットワーク、デコンボリューショナルニューラルネットワークなどにおいて具現化することができるが、これらに限定されない。
有利なことに、エスカレータの形状及びサイズの標準化のため、エスカレータのＬｉＤＡＲスキャンのパターン（例えば、図３Ａ～Ｂ及び６Ａ～Ｂに示されるような）は、一貫した形状（すなわち、図３Ａに示すようなＵ形状）を維持する。同様に、導関数（ｄＨ／ｄｉ）も一貫した形状を維持する（すなわち、図３Ｂに示すように）。したがって、エスカレータのＬｉＤＡＲスキャンの形状又はパターンの一貫性のため、形状又はパターンを識別するようにニューラルネットワーク７００を訓練することは、（ｉ）訓練されたモデル（すなわち、固定重みで訓練されたニューラルネットワーク７００）をロボット１０２上へ展開することができる、又は（ii）ロボット１０２がニューラルネットワーク７００を訓練及び／又は実行するのに十分なコンピューティングリソースを含む、実施形態において有利であり得る。さらに、エスカレータのサイズ及び形状の標準化により、ニューラルネットワーク７００がＲＧＢ又はグレースケール画像においてエスカレータを識別する能力が高まり、ＲＧＢ又はグレースケール画像においてエスカレータを識別するようにニューラルネットワーク７００を訓練するために必要とされる訓練ペア（すなわち、エスカレータのアノテーション付き又はラベル付き画像）の数が劇的に減少する。
少なくとも１つの非限定的な例示的な実施形態によれば、ニューラルネットワーク７００は、エスカレータ又は非エスカレータのピクセルである画像（例えば、ＲＧＢ画像、グレースケール画像、深さ画像など）のピクセルを識別するように訓練することができる。少なくとも１つの非限定的な例示的な実施形態によれば、ニューラルネットワーク７００は、バウンディングボックスを備えた画像においてエスカレータを識別することができる。ニューラルネットワーク７００を訓練するために利用される訓練ペアは、エスカレータのアノテーション付き又はラベル付き画像を含むことができ、アノテーション又はラベルは、「エスカレータ」又は「非エスカレータ」のいずれかとしての画像のピクセル又は領域の符号化を含む。有利なことに、ＲＧＢ画像及びニューラルネットワーク７００を用いることにより、平面ＬｉＤＡＲセンサを利用しないロボット１０２が、ロボット１０２のそれぞれの１又は２以上のコントローラ１１８又は処理デバイスに課せられる計算の複雑さの増加を犠牲にしてエスカレータを識別することが可能になり得る。加えて、ＲＧＢ画像及びニューラルネットワーク７００の使用を利用して、エスカレータの誤検出を排除するため、上の図２～６において考察した方法を用いてエスカレータの検出を検証することができる。
本明細書で考察される本発明の概念によれば、移動経路に沿って落差を検出するための方法、非一時的コンピュータ可読媒体及びシステムが開示される。非一時的コンピュータ可読媒体及びシステムは、メモリに記憶されたコンピュータ可読命令を実行するように構成可能なコントローラを含み、方法は、とりわけ、ロボット装置に搭載された第１のセンサからデータを受信するステップであって、このデータが、第１のセンサから第１の領域までの第１の距離測定値を含む、ステップと、ロボット装置に搭載された第２のセンサからデータを受信するステップであって、このデータが、第２のセンサから第２の領域までの第２の距離測定値を含み、第２の領域が第１の領域とは異なる、ステップと、第２の距離測定値が第１の距離測定値と異なる場合、第１の距離測定値と第２の距離測定値との間の差を計算するステップであって、計算された差が落差の大きさに対応する、ステップと、落差の大きさが落差パラメータと等しいか又はこれを超えている場合、ロボット装置による移動経路を再指定するようにロボット装置を作動させるステップと、を含む、ステップを実行する。落差パラメータは、第１の領域と第２の領域との間の高さの平均値に対応し、第１の領域は静止しており、第２の領域は第１の領域から離れるように動いている。
この非一時的コンピュータ可読媒体、システム、及び方法は、第１及び第２のセンサの１又は２以上に較正エラーがあれば落差の大きさを調整することと、第１及び第２の距離測定値間の差を計算する前に側壁閾値を検出することをさらに含み、側壁閾値は、第１及び第２のセンサの１又は２以上によって第１の壁及び第２の壁を検出することに対応し、第１及び第２の壁はある距離によって分離されている。第１及び第２の壁は、第１及び第２の壁がロボット装置の右又は左側のいずれかにあると判定する導関数測定値に基づいて検出される。そして、導関数測定値が負の壁閾値パラメータ値を満たす場合、第１及び第２の壁の１つがロボット装置の左側にあり、導関数測定値が正の壁閾値パラメータ値を満たす場合、第１及び第２の壁の１つがロボット装置の右側にあり、落差の大きさは、第１及び第２の壁に対するロボット装置の角度に関係なく計算される。
本開示のいくつかの態様は方法の具体的な一連のステップに関して説明されているが、これらの説明は、本開示のより広い方法の例示にすぎず、特定の用途によって必要に応じて修正することができるということが認識されるであろう。いくつかのステップがいくつかの状況下で不要又は任意選択になることがある。加えて、いくつかのステップ又は機能性を開示された実施形態に追加すること、又は２又は３以上のステップの実行の順序を並べ替えることができる。すべてのこのような変形は、本明細書に開示及び特許請求される開示内に包含されると見なされる。
上の詳細な説明は、様々な例示的な実施形態に適用されるような本開示の新規の特徴を示し、説明し、そして指摘しているが、図示の装置又はプロセスの形態及び詳細における様々な省略、置換、及び変更を、本開示から逸脱することなく当業者によって行うことができることが理解されるであろう。前述の説明は、本開示を実行するのに現在考えられている最良の形態のものである。この説明は、決して限定することを意味するものではなく、むしろ本開示の一般原理の例示として解釈されるべきである。本開示の範囲は、請求項を参照して決定されるべきである。
本開示は、図面及び前述の説明において詳細に例示及び説明されているが、このような例示及び説明は説明的又は例示的であり、制限的ではないと見なされるべきである。本開示は、開示された実施形態に限定されない。開示された実施形態及び／又は実装形態に対する変形は、図面、開示及び添付の請求項の研究から、特許請求された開示を実施する際に当業者によって理解及び実施され得る。
本開示のいくつかの特徴又は態様を説明するときの特定の用語の使用は、その用語が関連している開示の特徴又は態様のあらゆる具体的な特徴を含むように制限されるようにその用語が本明細書で再定義されていることを示唆するように解釈されるべきではないということが留意されるべきである。本願において用いられる用語及び句、及び特に添付の請求項における、それらの変形は、特に明記しない限り、限定するものではなくオープンエンドとして解釈されるべきである。前述の例として、「ｉｎｃｌｕｄｉｎｇ（含む）」という用語は「ｉｎｃｌｕｄｉｎｇ， ｗｉｔｈｏｕｔ ｌｉｍｉｔａｔｉｏｎ（限定することなく、含む）」、「ｉｎｃｌｕｄｉｎｇ ｂｕｔ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ（含むが限定されない）」などを意味するように読まれるべきであり、本明細書で用いられるような「ｃｏｍｐｒｉｓｉｎｇ（含む）」という用語は「ｉｎｃｌｕｄｉｎｇ（含む）」、「ｃｏｎｔａｉｎｉｎｇ（含む）」、又は「ｃｈａｒａｃｔｅｒｉｚｅｄ ｂｙ（によって特徴付けられる）」と同義であり、包括的又はオープンエンドであって、追加の、未記載の要素又は方法ステップを除外せず、「ｈａｖｉｎｇ（有する）」という用語は「ｈａｖｉｎｇ ａｔ ｌｅａｓｔ（少なくとも有する）」として解釈されるべきであり、「ｓｕｃｈ ａｓ（のような）」という用語は「ｓｕｃｈ ａｓ， ｗｉｔｈｏｕｔ ｌｉｍｉｔａｔｉｏｎ（限定することなく、のような）」として解釈されるべきであり、「ｉｎｃｌｕｄｅｓ（含む）」という用語は、「ｉｎｃｌｕｄｅｓ ｂｕｔ ｉｓ ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ（含むが限定されない）」として解釈されるべきであり、「ｅｘａｍｐｌｅ（例）」という用語は、考察中の項目の例示的な例を提供するために用いられ、その網羅的又は限定的なリストではなく、「ｅｘａｍｐｌｅ， ｂｕｔ ｗｉｔｈｏｕｔ ｌｉｍｉｔａｔｉｏｎ（例であるが、限定しない）」として解釈されるべきであり、「ｋｎｏｗｎ（既知の）」、「ｎｏｒｍａｌ（通常の）」、「ｓｔａｎｄａｒｄ（標準の）」のような形容詞、及び同様の意味の用語は、説明されている項目を所与の期間又は所与の時点で利用可能な項目に限定するとして解釈されるべきではなく、代わりに今又は将来のいつでも利用可能又は既知になり得る既知の、通常の、又は標準の技術を包含するように読まれるべきであり、「ｐｒｅｆｅｒａｂｌｙ（好ましくは）」、「ｐｒｅｆｅｒｒｅｄ（好ましい）」、「ｄｅｓｉｒｅｄ（所望の）」、又は「ｄｅｓｉｒａｂｌｅ（望ましい）」などの用語、及び同様の意味の言葉の使用は、いくつかの特徴が本開示の構造又は機能にとって重大、必須、又はさらには重要であるということを示唆するとしてではなく、代わりに、特定の一実施形態において利用されてもされなくてもよい代替又は追加の特徴を強調するように単に意図されるとして理解されるべきである。同様に、接続詞「ａｎｄ（及び）」で接続された項目のグループは、これらの項目のそれぞれ１つ１つがそのグループに存在することが必要とされるとして読まれるべきではなく、むしろ特に明記されていない限り、「ａｎｄ／ｏｒ（及び／又は）」として読まれるべきである。同様に、接続詞「ｏｒ」で接続された項目のグループは、そのグループ間に相互排他性が必要とされるとして読まれるべきではなく、むしろ特に明記されていない限り、「ａｎｄ／ｏｒ（及び／又は）」として読まれるべきである。「ａｂｏｕｔ（約）」又は「ａｐｐｒｏｘｉｍａｔｅ（およそ）」などの用語は同義語であり、その用語によって変更された値がそれに関連する理解された範囲を有するということを示すために用いられ、その範囲は±２０％、±１５％、±１０％、±５％、又は±１％とすることができる。「ｓｕｂｓｔａｎｔｉａｌｌｙ（実質的に）」という用語は、結果（例えば、測定値）が目標値に近いということを示すために用いられ、近いとは、例えば、その結果がその値の８０％以内、その値の９０％以内、その値の９５％以内、又はその値の９９％以内であることを意味することができる。また、本明細書で用いられるとき「ｄｅｆｉｎｅｄ（定義された）」又は「ｄｅｔｅｒｍｉｎｅｄ（決定された）」は、「ｐｒｅｄｅｆｉｎｅｄ（事前定義された）」又は「ｐｒｅｄｅｔｅｒｍｉｎｅｄ（事前決定された）」及び／又は他の方法で決定された値、条件、閾値、測定値などを含むことができる。

Claims (17)

  1. 移動経路に沿って落差を検出するための方法であって、
    ロボット装置に搭載された第１のセンサから第１のデータを受信するステップであって、前記第１のデータが、前記第１のセンサから第１の領域までの第１の距離測定値を含む、前記第１のセンサから第１のデータを受信するステップと、
    前記ロボット装置に搭載された前記第１のセンサから第２のデータを受信するステップであって、前記第２のデータが、前記第１のセンサから第２の領域までの第２の距離測定値を含み、前記第２の領域が前記第１の領域とは異なる、前記第１のセンサから第２のデータを受信するステップと、
    前記第２の距離測定値が前記第１の距離測定値と異なる場合、前記第１の距離測定値と前記第２の距離測定値との間の差を計算するステップであって、前記計算された差が落差の大きさに対応する、前記計算するステップと、
    前記第２の領域内において、２つの側壁が側壁の距離の閾値によって分離されているか、及び前記２つの側壁が前記第２の距離測定値内にあるか判定するステップと、
    前記落差の大きさが、所定の閾値の大きさである落差パラメータと等しいか又はこれを超えている場合、及び前記側壁の距離の閾値を介して前記２つの側壁を判定すると、前記移動経路を再指定するように前記ロボット装置を作動させるステップと
    を含む、前記方法。
  2. 前記落差パラメータが、前記第１の領域と前記第２の領域との間の高さの平均値に対応し、前記第１の領域が静止しており、前記第２の領域が前記第１の領域から離れるように動いている、請求項１に記載の方法。
  3. 前記第１のセンサに較正エラーがある場合に前記落差の大きさを調整するステップ
    をさらに含む、請求項１に記載の方法。
  4. 前記第１の距離測定値と前記第２の距離測定値との間の差を計算する前に側壁閾値を検出するステップをさらに含み、前記側壁閾値を検出するステップが、前記第１のセンサによって第１の側壁及び第２の側壁を検出することを含み、前記第１及び第２の側壁が所定の距離の閾値によって分離されている、請求項１に記載の方法。
  5. 前記２つの側壁が前記ロボット装置の右側又は左側のいずれかにあると判定するために前記第１の距離測定値及び前記第２の距離測定値の少なくとも１つによる導関数測定値に基づいて、前記２つの側壁が検出される、請求項４に記載の方法。
  6. 前記導関数測定値が負の壁閾値パラメータ値を満たす場合、前記２つの側壁の一方が前記ロボット装置の前記左側にあり、前記導関数測定値が正の壁閾値パラメータ値を満たす場合、前記２つの側壁の一方が前記ロボット装置の前記右側にある、請求項５に記載の方法。
  7. 前記落差の大きさ及び前記側壁の距離の閾値が、前記第１及び第２の側壁に対する前記ロボット装置の角度に関係なく計算される、請求項４に記載の方法。
  8. 複数の命令が記憶された非一時的コンピュータ可読媒体であって、コントローラによって実行されたときに前記コントローラが、
    ロボット装置に搭載された第１のセンサから第１のデータを受信することであって、前記第１のデータが、前記第１のセンサから第１の領域までの第１の距離測定値を含む、前記第１のセンサから第１のデータを受信することと、
    前記ロボット装置に搭載された前記第１のセンサから第２のデータを受信するステップであって、前記第２のデータが、前記第１のセンサから第２の領域までの第２の距離測定値を含み、前記第２の領域が前記第１の領域とは異なる、前記第１のセンサから第２のデータを受信することと、
    前記第２の距離測定値が前記第１の距離測定値と異なる場合、前記第１の距離測定値と前記第２の距離測定値との間の差を計算するステップであって、前記計算された差が落差の大きさに対応する、前記計算することと、
    前記第２の領域内において、２つの側壁が側壁の距離の閾値によって分離されているか、及び前記２つの側壁が前記第２の距離測定値内にあるか判定することと、
    前記落差の大きさが、所定の閾値の大きさである落差パラメータと等しいか又はこれを超えている場合、及び前記側壁の距離の閾値を介して前記２つの側壁を判定すると、移動経路を再指定するように前記ロボット装置を作動させることと
    を実行するように構成される、前記非一時的コンピュータ可読媒体。
  9. 前記落差パラメータが、前記第１の領域と前記第２の領域との間の高さの平均値に対応し、前記第１の領域が静止しており、前記第２の領域が前記第１の領域から離れるように動いている、請求項８に記載の非一時的コンピュータ可読媒体。
  10. 前記コントローラが、複数のコンピュータ可読命令を実行して、前記第１のセンサに較正エラーがある場合に、前記落差の大きさを調整するように、さらに構成可能である、請求項８に記載の非一時的コンピュータ可読媒体。
  11. 前記２つの側壁が前記ロボット装置の右側又は左側のいずれかにあると判定するために、前記第２のデータの前記第２の距離測定値による導関数測定値に基づいて、前記２つの側壁が検出される、請求項８に記載の非一時的コンピュータ可読媒体。
  12. 前記第２のデータの前記第２の距離測定値による前記導関数測定値が負の壁閾値パラメータ値を満たす場合、前記２つの側壁の一方が前記ロボット装置の前記左側にあり、前記第２のデータの前記第２の距離測定値による前記導関数測定値が正の壁閾値パラメータ値を満たす場合、前記２つの側壁の一方が前記ロボット装置の前記右側にある、請求項１１に記載の非一時的コンピュータ可読媒体。
  13. 前記落差の大きさ及び前記側壁の距離の閾値が、前記２つの側壁に対する前記ロボット装置の角度に関係なく計算される、請求項８に記載の非一時的コンピュータ可読媒体。
  14. 移動経路に沿って落差を検出するためのシステムであって、
    コンピュータ可読命令が記憶されたメモリと、
    少なくとも１つのコントローラであって、前記コンピュータ可読命令が実行されたときに、
    ロボット装置に搭載された第１のセンサから第１のデータを受信するステップであって、前記第１のデータが、前記第１のセンサから第１の領域までの第１の距離測定値を含む、前記第１のセンサから第１のデータを受信することと、
    前記ロボット装置に搭載された第１のセンサから第２のデータを受信するステップであって、前記第２のデータが、前記第１のセンサから第２の領域までの第２の距離測定値を含み、前記第２の領域が前記第１の領域とは異なる、前記第１のセンサから第２のデータを受信することと、
    前記第２の距離測定値が前記第１の距離測定値と異なる場合、前記第１の距離測定値と前記第２の距離測定値との間の差を計算するステップであって、前記計算された差が落差の大きさに対応する、前記計算することと、
    前記第２の領域内において、２つの側壁が側壁の距離の閾値によって分離されているか、及び前記２つの側壁が前記第２の距離測定値内にあるか判定することと、
    前記落差の大きさが、所定の閾値の大きさである落差パラメータと等しいか又はこれを超えている場合、及び前記側壁の距離の閾値を介して前記２つの側壁を判定すると、前記移動経路を再指定するように前記ロボット装置を作動させることと
    を実行するように構成可能な前記少なくとも１つのコントローラと
    を備える、前記システム。
  15. 前記落差パラメータと前記側壁の距離の閾値とが満たされた場合、前記落差がエスカレータに対応する、請求項１に記載の方法。
  16. 前記落差パラメータと前記側壁の距離の閾値とが満たされた場合、前記落差がエスカレータに対応する、請求項８に記載の非一時的コンピュータ可読記憶媒体。
  17. 前記落差パラメータと前記側壁の距離の閾値とが満たされた場合、前記落差がエスカレータに対応する、請求項１４に記載のシステム。
JP2021533466A 2018-12-11 2019-12-11 エスカレータを検出するためのシステム、装置、及び方法 Active JP7462891B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862778030P 2018-12-11 2018-12-11
US62/778,030 2018-12-11
PCT/US2019/065643 WO2020123605A1 (en) 2018-12-11 2019-12-11 Systems, apparatuses, and methods for detecting escalators

Publications (3)

Publication Number Publication Date
JP2022511978A JP2022511978A (ja) 2022-02-01
JPWO2020123605A5 JPWO2020123605A5 (ja) 2022-12-20
JP7462891B2 true JP7462891B2 (ja) 2024-04-08

Family

ID=71076621

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021533466A Active JP7462891B2 (ja) 2018-12-11 2019-12-11 エスカレータを検出するためのシステム、装置、及び方法

Country Status (6)

Country Link
US (1) US11529736B2 (ja)
EP (1) EP3894969A4 (ja)
JP (1) JP7462891B2 (ja)
KR (1) KR20210110610A (ja)
TW (1) TW202030141A (ja)
WO (1) WO2020123605A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022221242A1 (en) * 2021-04-14 2022-10-20 Brain Corporation Systems and methods for robotic detection of escalators and moving walkways
EP4241928A1 (en) * 2022-03-07 2023-09-13 Körber Suppy Chain DK A/S Method for operating a material handling apparatus
KR20240028125A (ko) * 2022-08-24 2024-03-05 삼성전자주식회사 에스컬레이터에서 하차하는 로봇 및 그 제어 방법
KR20240029678A (ko) * 2022-08-26 2024-03-06 삼성전자주식회사 무빙 워크를 이용하는 로봇 및 그 제어 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011059071A (ja) 2009-09-14 2011-03-24 Univ Of Electro-Communications 移動環境認識装置及び方法
JP2012128616A (ja) 2010-12-15 2012-07-05 Panasonic Corp 移動車両の制御システム
JP2018102496A (ja) 2016-12-26 2018-07-05 国立大学法人 東京大学 走行車両及び走行車両の制御方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7248725B2 (en) * 2004-01-07 2007-07-24 Ramot At Tel Avia University Ltd. Methods and apparatus for analyzing ultrasound images
US7047132B2 (en) * 2004-01-12 2006-05-16 Steven Jacobs Mobile vehicle sensor array
EP2834048B1 (en) * 2012-09-21 2017-11-01 iRobot Corporation Proximity sensing on mobile robots
TWI689387B (zh) * 2016-05-17 2020-04-01 南韓商Ｌｇ電子股份有限公司 行動機器人
CN206282141U (zh) * 2016-12-23 2017-06-27 上海木爷机器人技术有限公司 避障系统
KR102012548B1 (ko) * 2017-01-25 2019-08-20 엘지전자 주식회사 로봇의 진입 가능 영역을 식별하는 방법 및 이를 구현하는 로봇

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011059071A (ja) 2009-09-14 2011-03-24 Univ Of Electro-Communications 移動環境認識装置及び方法
JP2012128616A (ja) 2010-12-15 2012-07-05 Panasonic Corp 移動車両の制御システム
JP2018102496A (ja) 2016-12-26 2018-07-05 国立大学法人 東京大学 走行車両及び走行車両の制御方法

Also Published As

Publication number Publication date
KR20210110610A (ko) 2021-09-08
WO2020123605A1 (en) 2020-06-18
US11529736B2 (en) 2022-12-20
TW202030141A (zh) 2020-08-16
JP2022511978A (ja) 2022-02-01
EP3894969A4 (en) 2022-08-24
US20210299873A1 (en) 2021-09-30
EP3894969A1 (en) 2021-10-20

Similar Documents

Publication Publication Date Title
JP7462891B2 (ja) エスカレータを検出するためのシステム、装置、及び方法
US20230021778A1 (en) Systems and methods for training a robot to autonomously travel a route
US20180207791A1 (en) Bistatic object detection apparatus and methods
US11613016B2 (en) Systems, apparatuses, and methods for rapid machine learning for floor segmentation for robotic devices
US20220269943A1 (en) Systems and methods for training neural networks on a cloud server using sensory data collected by robots
US20210354302A1 (en) Systems and methods for laser and imaging odometry for autonomous robots
US11951629B2 (en) Systems, apparatuses, and methods for cost evaluation and motion planning for robotic devices
US11886198B2 (en) Systems and methods for detecting blind spots for robots
US20230083293A1 (en) Systems and methods for detecting glass and specular surfaces for robots
US11865731B2 (en) Systems, apparatuses, and methods for dynamic filtering of high intensity broadband electromagnetic waves from image data from a sensor coupled to a robot
US20230168689A1 (en) Systems and methods for preserving data and human confidentiality during feature identification by robotic devices
US20210232149A1 (en) Systems and methods for persistent mapping of environmental parameters using a centralized cloud server and a robotic network
TW202102959A (zh) 用於合併關於自動化機器人之單原點的不連續地圖及路線數據之系統及方法
US20240085916A1 (en) Systems and methods for robotic detection of escalators and moving walkways
US20240077882A1 (en) Systems and methods for configuring a robot to scan for features within an environment
JP2022512438A (ja) 非ホロノミックロボットシステムの改善された制御のためのシステム及び方法
WO2021252425A1 (en) Systems and methods for wire detection and avoidance of the same by robots
TW202119055A (zh) 使用對準目標校準不可見光發射感測器的系統和方法
US20240168487A1 (en) Systems and methods for detecting and correcting diverged computer readable maps for robotic devices
US20230358888A1 (en) Systems and methods for detecting floor from noisy depth measurements for robots
WO2022087014A1 (en) Systems and methods for producing occupancy maps for robotic devices
WO2023076576A1 (en) Systems and methods for automatic route generation for robotic devices
WO2022146971A1 (en) Systems and methods for precisely estimating a robotic footprint for execution of near-collision motions

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221212

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221212

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231031

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231120

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240219

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240311

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240315

R150 Certificate of patent or registration of utility model

Ref document number: 7462891

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150