JPH0954602A - 複数台移動ロボットの群行動命令生成装置 - Google Patents
複数台移動ロボットの群行動命令生成装置Info
- Publication number
- JPH0954602A JPH0954602A JP7237570A JP23757095A JPH0954602A JP H0954602 A JPH0954602 A JP H0954602A JP 7237570 A JP7237570 A JP 7237570A JP 23757095 A JP23757095 A JP 23757095A JP H0954602 A JPH0954602 A JP H0954602A
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- group
- robots
- data
- action
- 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.)
- Pending
Links
Landscapes
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【目的】 オペレータの命令を分布により表現し、双方
向連想記憶を用いることにより、複数台移動ロボットの
制御量を高速に生成することが出来る複数台移動ロボッ
トの群行動命令生成装置の提供。 【構成】 センシングデータ入力部Ｓ１は、各ロボット
からの各種のデータを入力し、センシングデータ格納部
Ｓ２に格納される。データ分布変換部Ｓ３は、格納され
たデータを分布に変換し、分布結合部Ｓ４により群の状
況としての分布が生成される。オペレータからの指示
は、マクロ指示分布変換部Ｓ８により分布に変換され、
行動命令生成部Ｓ９は、分布に変換されたマクロ指示か
ら、登録行動パターンとの適合度により、群の行動命令
を分布として生成する。制御量数値変換部Ｓ１０は、生
成された群の行動命令を示す分布と分布結合部Ｓ４によ
り生成される群の状況を示す分布との関係により、状況
に応じた各ロボットの制御量を数値化し、出力部Ｓ１１
より出力する。
向連想記憶を用いることにより、複数台移動ロボットの
制御量を高速に生成することが出来る複数台移動ロボッ
トの群行動命令生成装置の提供。 【構成】 センシングデータ入力部Ｓ１は、各ロボット
からの各種のデータを入力し、センシングデータ格納部
Ｓ２に格納される。データ分布変換部Ｓ３は、格納され
たデータを分布に変換し、分布結合部Ｓ４により群の状
況としての分布が生成される。オペレータからの指示
は、マクロ指示分布変換部Ｓ８により分布に変換され、
行動命令生成部Ｓ９は、分布に変換されたマクロ指示か
ら、登録行動パターンとの適合度により、群の行動命令
を分布として生成する。制御量数値変換部Ｓ１０は、生
成された群の行動命令を示す分布と分布結合部Ｓ４によ
り生成される群の状況を示す分布との関係により、状況
に応じた各ロボットの制御量を数値化し、出力部Ｓ１１
より出力する。
Description
【０００１】
【産業上の利用分野】本発明は、複数台ロボットの協調
制御技術に係り、特に複数台移動ロボットを群として制
御する行動命令を出力する群行動命令生成装皿に関する
ものである。
制御技術に係り、特に複数台移動ロボットを群として制
御する行動命令を出力する群行動命令生成装皿に関する
ものである。
【０００２】
【従来の技術】一般的に、マクロ命令生成などの概念的
な推論はプロダクションルールにより行われ、前件部の
入力変数が適合した全てのルールを抽出し、適合度によ
りルールに対する確信度を変更する考え方、または後件
部がファジイ集合であればファジイラベルに対応したメ
ンバーシップ関数を修正し、各修正メンバーシップ関数
を合成し、合成メンバーシップ関数の重心を求め、この
重心値に対応した値を推論結果とする考え方等がある。
な推論はプロダクションルールにより行われ、前件部の
入力変数が適合した全てのルールを抽出し、適合度によ
りルールに対する確信度を変更する考え方、または後件
部がファジイ集合であればファジイラベルに対応したメ
ンバーシップ関数を修正し、各修正メンバーシップ関数
を合成し、合成メンバーシップ関数の重心を求め、この
重心値に対応した値を推論結果とする考え方等がある。
【０００３】
【発明が解決しようとする課題】しかし、上記したプロ
ダクションルールによる方式は処理負荷が大きく、実時
間処理が困難となる。また多段推論により暖昧性が増加
し、さらにルールの追加修正作業に多大の時間を要する
などの問題がある。また、機能レベルの低い複数台のロ
ボットを群として扱う場合、オペレータが介入して指示
を与えることが不可欠である。しかし、これらの指示を
マスタースレーブなどの技術で行うと、ロボットの台数
が増加するにつれ、オペレータの負担が増大し、全体の
制御が困難となる。従って、オペレータの操作負荷を低
減させるためには、オペレータの概念的な命令を理解
し、具体的な制御量を高速に生成し、同時に複数のロボ
ットを制御できる装置の必要がある。本発明は、このよ
うな複数台のロボットとオペレータが協調して作業する
ために生ずる問題点に鑑み、オペレータの命令を分布に
より表現し、双方向連想記憶を用いることにより、複数
台ロボットの制御量を同時に、高速に生成することを目
的とする。
ダクションルールによる方式は処理負荷が大きく、実時
間処理が困難となる。また多段推論により暖昧性が増加
し、さらにルールの追加修正作業に多大の時間を要する
などの問題がある。また、機能レベルの低い複数台のロ
ボットを群として扱う場合、オペレータが介入して指示
を与えることが不可欠である。しかし、これらの指示を
マスタースレーブなどの技術で行うと、ロボットの台数
が増加するにつれ、オペレータの負担が増大し、全体の
制御が困難となる。従って、オペレータの操作負荷を低
減させるためには、オペレータの概念的な命令を理解
し、具体的な制御量を高速に生成し、同時に複数のロボ
ットを制御できる装置の必要がある。本発明は、このよ
うな複数台のロボットとオペレータが協調して作業する
ために生ずる問題点に鑑み、オペレータの命令を分布に
より表現し、双方向連想記憶を用いることにより、複数
台ロボットの制御量を同時に、高速に生成することを目
的とする。
【０００４】
【課題を解決するための手段】上記目的を達成するため
に、オペレータからの複数台移動ロボットへのマクロな
制御指示を分布に変換するマクロ指示分布変換部と、前
記分布を入力データとして、あらかじめ登録してある入
出力分布パターンから、Ｎ回（Ｎ≦１０）の反響動作回
数による連想記憶を用いた行動命令生成部により、群に
対する命令を分布として出力する。また、データ分布変
換部において、複数台移動ロボットの各ロボットからの
数値センシングデータは、評価基準値によりマイクロ状
況として可能性分布に変換される。そして、前記各ロボ
ットの可能性分布を分布結合部において結合することに
より、生成される複数台移動ロボットの群としてのマク
ロ状況分布と、前記行動指示の出力分布から、各ロボッ
トの数値制御量を生成する制御量数値変換部とから構成
されることを特徴とする群行動命令生成装置として構成
されている。
に、オペレータからの複数台移動ロボットへのマクロな
制御指示を分布に変換するマクロ指示分布変換部と、前
記分布を入力データとして、あらかじめ登録してある入
出力分布パターンから、Ｎ回（Ｎ≦１０）の反響動作回
数による連想記憶を用いた行動命令生成部により、群に
対する命令を分布として出力する。また、データ分布変
換部において、複数台移動ロボットの各ロボットからの
数値センシングデータは、評価基準値によりマイクロ状
況として可能性分布に変換される。そして、前記各ロボ
ットの可能性分布を分布結合部において結合することに
より、生成される複数台移動ロボットの群としてのマク
ロ状況分布と、前記行動指示の出力分布から、各ロボッ
トの数値制御量を生成する制御量数値変換部とから構成
されることを特徴とする群行動命令生成装置として構成
されている。
【０００５】
【作用】本発明による複数台移動ロボットの群行動命令
生成装置においては、上記マクロな制御指示の分布化、
および双方向連想記憶を用いることにより、多数台ロボ
ットの制御を実時間処理で行える。また、オペレータは
マクロな制御指示により、多数台ロボットを同時に制御
することができる。さらに、ルールの追加修正作業を容
易に、短時間で行うことができる。
生成装置においては、上記マクロな制御指示の分布化、
および双方向連想記憶を用いることにより、多数台ロボ
ットの制御を実時間処理で行える。また、オペレータは
マクロな制御指示により、多数台ロボットを同時に制御
することができる。さらに、ルールの追加修正作業を容
易に、短時間で行うことができる。
【０００６】
【実施例】以下、本発明の一実施例の群行動命令生成装
置について、図面を参照しながら説明する。図１は本実
施例の概略構成を示すブロック図、図２は本実施例にお
ける処理フロー図、図３は各ロボットのセンシングデー
タ例、図４は評価基準値の例、図５は評価基準値による
分布変換例、図６はセンシングデータの分布変換例、図
７は各ロボットのデータの分布表現例、図８は分布結合
の表現例、図９はマクロ指示の例、図１０はマクロ指示
の分布変換例、図１１は入力層連想パターン例、図１２
は出力層連想パターン例、図１３は双方向連想記憶によ
る群行動命令生成結果例、図１４は制御量の数値変換
例、図１５は各ロボットの制御量の例を示す説明図であ
る。
置について、図面を参照しながら説明する。図１は本実
施例の概略構成を示すブロック図、図２は本実施例にお
ける処理フロー図、図３は各ロボットのセンシングデー
タ例、図４は評価基準値の例、図５は評価基準値による
分布変換例、図６はセンシングデータの分布変換例、図
７は各ロボットのデータの分布表現例、図８は分布結合
の表現例、図９はマクロ指示の例、図１０はマクロ指示
の分布変換例、図１１は入力層連想パターン例、図１２
は出力層連想パターン例、図１３は双方向連想記憶によ
る群行動命令生成結果例、図１４は制御量の数値変換
例、図１５は各ロボットの制御量の例を示す説明図であ
る。
【０００７】先ず、図１は本実施例における機能の要部
を機能ブロックで表現したものである。センシングデー
タ入力部Ｓ１は、各ロボットからの各種のデータ入力す
るためのものである。センシングデータ格納部Ｓ２は、
入力された各種のデータを各ロボット毎にメモリに格納
するものである。データ分布変換部Ｓ３は、センシング
データ格納部に格納されたデータを分布に変換し、各ロ
ボット毎にメモリに格納するものである。分布結合部Ｓ
４は、各ロボット毎に分布変換されたセンシングデータ
を結合し、複数台のロボットの状況を１つの群の状況と
しての分布を生成するものである。マンマシンインタフ
ェース部Ｓ５は、センシングデータを分布に変換するた
めの評価基準値およびマクロな指示を入力するものであ
る。マクロ指示格納部Ｓ７は、入力された制御指示を格
納するものである。評価基準値格納部Ｓ６は、入力され
た評価基準値を格納するものである。マクロ指示分布変
換部Ｓ８は、格納されたマクロ指示を分布に変換するも
のである。行動命令生成部Ｓ９は、分布に変換されたマ
クロ指示から、登録行動パターンとの適合度により、群
の行動命令を分布として生成する。制御量数値変換部Ｓ
１０は、生成された群の行動命令を示す分布と分布結合
部Ｓ４により生成される群の状況を示す分布との関係に
より、状況に応じた各ロボットの制御量を分布から数値
化する。そして、出力部Ｓ１１より、数値化された群の
各ロボットに対する命令が出力される。上記、実施例の
処理フローを図２に示す。
を機能ブロックで表現したものである。センシングデー
タ入力部Ｓ１は、各ロボットからの各種のデータ入力す
るためのものである。センシングデータ格納部Ｓ２は、
入力された各種のデータを各ロボット毎にメモリに格納
するものである。データ分布変換部Ｓ３は、センシング
データ格納部に格納されたデータを分布に変換し、各ロ
ボット毎にメモリに格納するものである。分布結合部Ｓ
４は、各ロボット毎に分布変換されたセンシングデータ
を結合し、複数台のロボットの状況を１つの群の状況と
しての分布を生成するものである。マンマシンインタフ
ェース部Ｓ５は、センシングデータを分布に変換するた
めの評価基準値およびマクロな指示を入力するものであ
る。マクロ指示格納部Ｓ７は、入力された制御指示を格
納するものである。評価基準値格納部Ｓ６は、入力され
た評価基準値を格納するものである。マクロ指示分布変
換部Ｓ８は、格納されたマクロ指示を分布に変換するも
のである。行動命令生成部Ｓ９は、分布に変換されたマ
クロ指示から、登録行動パターンとの適合度により、群
の行動命令を分布として生成する。制御量数値変換部Ｓ
１０は、生成された群の行動命令を示す分布と分布結合
部Ｓ４により生成される群の状況を示す分布との関係に
より、状況に応じた各ロボットの制御量を分布から数値
化する。そして、出力部Ｓ１１より、数値化された群の
各ロボットに対する命令が出力される。上記、実施例の
処理フローを図２に示す。
【０００８】以上のように構成された、本実施例におい
て、平面上を移動する４台のロボットを群として移動制
御する例として、具体的な数値データを入力して、その
動作を説明する。先ず、ロボットからのセンシングデー
タを位置座標（ｘ，ｙ）、駆動時間ｔ，移動方向の角度
ａと設定し、ロボット１からロポット４までのセンシン
グデータ例を図３に示す。これら数値データは、センシ
ングデータ格納部に格納される。また、この時の評価基
準値を図４に示す。
て、平面上を移動する４台のロボットを群として移動制
御する例として、具体的な数値データを入力して、その
動作を説明する。先ず、ロボットからのセンシングデー
タを位置座標（ｘ，ｙ）、駆動時間ｔ，移動方向の角度
ａと設定し、ロボット１からロポット４までのセンシン
グデータ例を図３に示す。これら数値データは、センシ
ングデータ格納部に格納される。また、この時の評価基
準値を図４に示す。
【０００９】図５において、Ｃは設定された評価基準値
であり、Ｃ１は数１、Ｃ２は数２により与える。
であり、Ｃ１は数１、Ｃ２は数２により与える。
【００１０】
【数１】
【００１１】
【数２】
【００１２】ただし、数１、数２のＤＥＬＴＡは言語表
現の分解能で、０から１．０までの値である。
現の分解能で、０から１．０までの値である。
【００１３】次に、センシングデータの分布化の方式を
図６に示す。ロボットのｘ座標４０を入力した場合、デ
ータ分布変換部により分布化された評価基準との差によ
りΔｘが生成され、分布の存在可能領域が言語表現のド
メインに写像される。分布の存在範囲は言語表現と対応
させるために、［−３×Ｃ×ＤＥＬＴＡ，３×Ｃ×ＤＥ
ＬＴＡ］と定義する。言語表現は、評価基準との差によ
り ｛Ｎｅｇａｔｉｖｅ Ｂｉｇ（ＮＢ），Ｎｅｇａｔ
ｉｖｅＭｅｄｉｕｍ（ＮＭ），Ｎｅｇａｔｉｖｅ Ｓｍ
ａｌｌ（ＮＳ），Ｚｅｒｏ（ＺＯ），Ｐｏｓｉｔｉｖｅ
Ｓｍａｌｌ（ＰＳ），Ｐｏｓｉｔｉｖｅ Ｍｅｄｉｕ
ｍ（ＰＭ），Ｐｏｓｉｔｉｖｅ Ｂｉｇ（ＰＢ）｝の７
つの言語表現の分布に変換される。
図６に示す。ロボットのｘ座標４０を入力した場合、デ
ータ分布変換部により分布化された評価基準との差によ
りΔｘが生成され、分布の存在可能領域が言語表現のド
メインに写像される。分布の存在範囲は言語表現と対応
させるために、［−３×Ｃ×ＤＥＬＴＡ，３×Ｃ×ＤＥ
ＬＴＡ］と定義する。言語表現は、評価基準との差によ
り ｛Ｎｅｇａｔｉｖｅ Ｂｉｇ（ＮＢ），Ｎｅｇａｔ
ｉｖｅＭｅｄｉｕｍ（ＮＭ），Ｎｅｇａｔｉｖｅ Ｓｍ
ａｌｌ（ＮＳ），Ｚｅｒｏ（ＺＯ），Ｐｏｓｉｔｉｖｅ
Ｓｍａｌｌ（ＰＳ），Ｐｏｓｉｔｉｖｅ Ｍｅｄｉｕ
ｍ（ＰＭ），Ｐｏｓｉｔｉｖｅ Ｂｉｇ（ＰＢ）｝の７
つの言語表現の分布に変換される。
【００１４】図６においては、センシングデータｘ＝４
０で、ＤＥＬＴＡが０．２の時、分布化された評価基準
は ｛０．５／８０，１／１００，０．５／１２０｝と
なり、Δｘの存在範囲は［−６０，６０］で与えられ、
拡張原理によりΔｘの分布は、｛１／−６０，０５／−
４０，０／，２０｝となる。言語表現は、中心部をＺＯ
とし、ＮＢ＝１，ＮＭ＝０．５，ＮＳ＝０となる。同様
にして、各ロボットのセンシングデータを言語表現した
ものを図７に示す。これらの言語表現レベルにより、各
ロボットの評価基準に対する現在の状況が生成できる。
０で、ＤＥＬＴＡが０．２の時、分布化された評価基準
は ｛０．５／８０，１／１００，０．５／１２０｝と
なり、Δｘの存在範囲は［−６０，６０］で与えられ、
拡張原理によりΔｘの分布は、｛１／−６０，０５／−
４０，０／，２０｝となる。言語表現は、中心部をＺＯ
とし、ＮＢ＝１，ＮＭ＝０．５，ＮＳ＝０となる。同様
にして、各ロボットのセンシングデータを言語表現した
ものを図７に示す。これらの言語表現レベルにより、各
ロボットの評価基準に対する現在の状況が生成できる。
【００１５】次に、群としての状況を数３により結合す
る。
る。
【００１６】
【数３】
【００１７】ここで、πｉｊはｊ番のロボットのｉ番目
のデータの分布であり、ＩＩｉはグループ内のロボット
のｉ番目の情報の分布を全て包含したものである。具体
的な例として、図７の各ロボットの分布を結合した分布
を図８に示す。
のデータの分布であり、ＩＩｉはグループ内のロボット
のｉ番目の情報の分布を全て包含したものである。具体
的な例として、図７の各ロボットの分布を結合した分布
を図８に示す。
【００１８】次に、オペレータのマクロ指示の設定方式
を示す。オペレータは、マウス等の入力装置により、動
作を示す命令｛徘徊、移動、集合、帰還｝等と動作を修
飾する命令｛もっと、もう少し｝等を組み合わせて入力
する。徘徊は、現在の地点から各ロボットを分散させ、
移動は各ロボットを平行に移動させる。集合は、指定し
た地点に各ロボットを集め、帰還は、各ロボットを初期
位置へ移動させる命令である。
を示す。オペレータは、マウス等の入力装置により、動
作を示す命令｛徘徊、移動、集合、帰還｝等と動作を修
飾する命令｛もっと、もう少し｝等を組み合わせて入力
する。徘徊は、現在の地点から各ロボットを分散させ、
移動は各ロボットを平行に移動させる。集合は、指定し
た地点に各ロボットを集め、帰還は、各ロボットを初期
位置へ移動させる命令である。
【００１９】オペレータからの命令は、マクロ指示分布
変換部Ｓ８により図９のように３本の離散的分布に変換
される。図９において、Ｄは設定されたマクロ指示であ
り、Ｋはその動作に対する修飾命令の度合で、０から１
０までの値である。動作の修飾命令｛もっと｝を選択す
ることにより、Ｋの値は１の方向へ移動し、｛もう少
し｝を選択することにより、Ｋの値は０に近づく。この
修飾命令により、生成される制御量を変化させることが
できる。Ｋを０５とした時のマクロ指示の分布変換を、
図１０に示す。
変換部Ｓ８により図９のように３本の離散的分布に変換
される。図９において、Ｄは設定されたマクロ指示であ
り、Ｋはその動作に対する修飾命令の度合で、０から１
０までの値である。動作の修飾命令｛もっと｝を選択す
ることにより、Ｋの値は１の方向へ移動し、｛もう少
し｝を選択することにより、Ｋの値は０に近づく。この
修飾命令により、生成される制御量を変化させることが
できる。Ｋを０５とした時のマクロ指示の分布変換を、
図１０に示す。
【００２０】次に、生成されたマクロ指示の分布を基
に、群に対する行動命令を高速に生成するため、本実施
装置では双方向連想記憶を使用する。双方向連想記憶は
入力層と出力層の２層からなり、連想マトリックスＭに
より入力層（ｘ層）、出力層（ｙ層）に対し、パターン
（Ｘ，Ｙ）のペアを記憶する。ｘ層にノイズを含むデー
タＸ’’を入力すると、連想マトリックスＭを用いた活
性値の伝搬を繰り返すことで、Ｘ’’→Ｙ’’→Ｘ’→
Ｙ’→Ｘ→Ｙとなり最終的に最も入力条件に適合する記
憶中のペア（Ｘ，Ｙ）を想起する。双方向連想記憶の演
算は、反響ステップ数（活性値伝搬の繰り返し回数）ｔ
を用いて次式数４で与えられる。
に、群に対する行動命令を高速に生成するため、本実施
装置では双方向連想記憶を使用する。双方向連想記憶は
入力層と出力層の２層からなり、連想マトリックスＭに
より入力層（ｘ層）、出力層（ｙ層）に対し、パターン
（Ｘ，Ｙ）のペアを記憶する。ｘ層にノイズを含むデー
タＸ’’を入力すると、連想マトリックスＭを用いた活
性値の伝搬を繰り返すことで、Ｘ’’→Ｙ’’→Ｘ’→
Ｙ’→Ｘ→Ｙとなり最終的に最も入力条件に適合する記
憶中のペア（Ｘ，Ｙ）を想起する。双方向連想記憶の演
算は、反響ステップ数（活性値伝搬の繰り返し回数）ｔ
を用いて次式数４で与えられる。
【００２１】
【数４】
【００２２】ここで、φは双曲線正接関数であり次式数
５で与えられる。
５で与えられる。
【００２３】
【数５】
【００２４】ただし、数５のＴは、反応速度を決定する
パラメータであり、本実施例では、Ｔ＝４とする。また
数４において、
パラメータであり、本実施例では、Ｔ＝４とする。また
数４において、
【００２５】
【数６】
【００２６】とする。
【００２７】数６は、反響ステップ数ｔにおけるＸ層、
Ｙ層の活性値ベクトルである。さらに、連想マトリック
スＭとその転置マトリックスＭＴを数７とする。
Ｙ層の活性値ベクトルである。さらに、連想マトリック
スＭとその転置マトリックスＭＴを数７とする。
【００２８】
【数７】
【００２９】Ａｉ、Ｂｉは双方向連想記憶に格納するパ
ターンペアである。
ターンペアである。
【００３０】本実施例においては、各Ａｉ，Ｂｉは
［０，１］の範囲の入力データとし、群としての行動認
識ルールを与え、認識結果から逆に行動命令を推論する
方式をとる。該ルールは、平面上での移動に関して考
え、ルール前件部は｛ゴールと現在位置との平面座標上
でのＸ方向の相対距離（Ｘ）、ゴールと現在位置との平
面座標上でのＹ方向の相対距離（Ｙ）、ロボットの駆動
時間（Ｔ）、ゴールとの相対角度（Ａ）｝を入力し、後
件部では、｛うろつく、移動中、検査中、帰還中｝の状
態出力する。本実施例においては、連想すべきパターン
の原型として、４つのルールを設定し、［０，１］のパ
ターンで表現し、双方向連想記憶の連想マトリックスを
生成した。以下に４つのルールを示す。
［０，１］の範囲の入力データとし、群としての行動認
識ルールを与え、認識結果から逆に行動命令を推論する
方式をとる。該ルールは、平面上での移動に関して考
え、ルール前件部は｛ゴールと現在位置との平面座標上
でのＸ方向の相対距離（Ｘ）、ゴールと現在位置との平
面座標上でのＹ方向の相対距離（Ｙ）、ロボットの駆動
時間（Ｔ）、ゴールとの相対角度（Ａ）｝を入力し、後
件部では、｛うろつく、移動中、検査中、帰還中｝の状
態出力する。本実施例においては、連想すべきパターン
の原型として、４つのルールを設定し、［０，１］のパ
ターンで表現し、双方向連想記憶の連想マトリックスを
生成した。以下に４つのルールを示す。
【００３１】ルール１：ＩＦ（Ｘが非常に大きい、また
は非常に小さい）ＡＮＤ（Ｙが非常に大きい、または非
常に小さい）ＡＮＤ（Ｔが非常に多い）ＡＮＤ（Ａが非
常に大きい、または非常に小さい） ＴＨＥＮ うろついている（徘徊） ルール２：ＩＦ （Ｘが小さい））ＡＮＤ（Ｙが小さ
い））ＡＮＤ（Ｔが少ない））ＡＮＤ（Ａはノーマル） ＴＨＥＮ 移動中 ルール３：ＩＦ （Ｘがノーマル）ＡＮＤ（Ｙがノーマ
ル）ＡＮＤ（Ｔがノーマル）ＡＮＤ （Ａはノーマル） ＴＨＥＮ 検査中 ルール４：ＩＦ （Ｘが大きい））ＡＮＤ（Ｙが大き
い））ＡＮＤ（Ｔが少ない））ＡＮＤ（Ａはノーマル） ＴＨＥＮ 帰還中
は非常に小さい）ＡＮＤ（Ｙが非常に大きい、または非
常に小さい）ＡＮＤ（Ｔが非常に多い）ＡＮＤ（Ａが非
常に大きい、または非常に小さい） ＴＨＥＮ うろついている（徘徊） ルール２：ＩＦ （Ｘが小さい））ＡＮＤ（Ｙが小さ
い））ＡＮＤ（Ｔが少ない））ＡＮＤ（Ａはノーマル） ＴＨＥＮ 移動中 ルール３：ＩＦ （Ｘがノーマル）ＡＮＤ（Ｙがノーマ
ル）ＡＮＤ（Ｔがノーマル）ＡＮＤ （Ａはノーマル） ＴＨＥＮ 検査中 ルール４：ＩＦ （Ｘが大きい））ＡＮＤ（Ｙが大き
い））ＡＮＤ（Ｔが少ない））ＡＮＤ（Ａはノーマル） ＴＨＥＮ 帰還中
【００３２】これらのルール前件部を入力層、ルール後
件部を出力層とし、それぞれの入力層連想パターンを図
１１に、出力層パターンを図１２に示す。図１１のルー
ル前件部の各値は、７つの言語表現レベルを表してい
る。
件部を出力層とし、それぞれの入力層連想パターンを図
１１に、出力層パターンを図１２に示す。図１１のルー
ル前件部の各値は、７つの言語表現レベルを表してい
る。
【００３３】図１１において、ルール１＝（１，０．
５，０，０，０，０．５，１）は、（１．／ＮＢ、０．
５／ＮＭ、０／ＮＳ、０／ＺＯ、０／ＰＳ，０．５／Ｐ
Ｍ、１／ＰＢ）であり、「Ｘ座標の相対距離は非常に大
きい、または非常に小さい」を表現している。
５，０，０，０，０．５，１）は、（１．／ＮＢ、０．
５／ＮＭ、０／ＮＳ、０／ＺＯ、０／ＰＳ，０．５／Ｐ
Ｍ、１／ＰＢ）であり、「Ｘ座標の相対距離は非常に大
きい、または非常に小さい」を表現している。
【００３４】 図１２において、ルール１＝（０．６，
１，０．６・・・・・・）は、「Ｗａｎｄｅｒｉｎｇ
（うろついている）」を表現している。図１１と図１２
のパターンを基に、数７により連想マトリックスが生成
される。通常、双方向連想記憶の反響動作の式数４は、
数８によって示されるエネルギーＥの変化が一定になっ
たところで計算を打ち切る。
１，０．６・・・・・・）は、「Ｗａｎｄｅｒｉｎｇ
（うろついている）」を表現している。図１１と図１２
のパターンを基に、数７により連想マトリックスが生成
される。通常、双方向連想記憶の反響動作の式数４は、
数８によって示されるエネルギーＥの変化が一定になっ
たところで計算を打ち切る。
【００３５】
【数８】
【００３６】しかし、本実施例においては反響動作回数
が多くなると登録パターンがそのまま想起され、オペレ
ータの意図する命令を損なう可能性があるため、反響動
作をＮ回（Ｎ≦１０）で打ち切る。
が多くなると登録パターンがそのまま想起され、オペレ
ータの意図する命令を損なう可能性があるため、反響動
作をＮ回（Ｎ≦１０）で打ち切る。
【００３７】図１３に、反響動作打ち切り時における双
方向連想記憶の出力を示す。この結果は、負の値を０と
し、出力値の最大値で各データ値を正規化したものであ
る。
方向連想記憶の出力を示す。この結果は、負の値を０と
し、出力値の最大値で各データ値を正規化したものであ
る。
【００３８】図８と図１３の結果に基づいて、行動命令
を数値データに変換する。図４に示すように、センシン
グデータの分布と群に対する命令の分布の差異が２ポイ
ント、評価基準値の分布の間隔が１０の時、制御量２０
を得る。このように、制御精度は、評価基準値の分布の
分解能で規定されるため、徐々に精度を上げていくこと
ができる。したがって、各ロボットがこれらの指示に対
して、それぞれの分解能を修正することにより、群とし
ての行動が維持される。逆に、評価基準値の分布間隔を
大きくとることにより、ロボットを分散させることもで
きる。なお、連想記憶として本実施例で示した双方向連
想記憶だけでなく、ホップフィールドのニューラルネッ
トワークによっても可能である。
を数値データに変換する。図４に示すように、センシン
グデータの分布と群に対する命令の分布の差異が２ポイ
ント、評価基準値の分布の間隔が１０の時、制御量２０
を得る。このように、制御精度は、評価基準値の分布の
分解能で規定されるため、徐々に精度を上げていくこと
ができる。したがって、各ロボットがこれらの指示に対
して、それぞれの分解能を修正することにより、群とし
ての行動が維持される。逆に、評価基準値の分布間隔を
大きくとることにより、ロボットを分散させることもで
きる。なお、連想記憶として本実施例で示した双方向連
想記憶だけでなく、ホップフィールドのニューラルネッ
トワークによっても可能である。
【００３９】
【発明の効果】本発明は、上記したように構成されてい
る。それによって、複数台移動ロボットの個別状況を表
現する可能性分布の結合と連想記憶により、オペレータ
の概念的な命令を理解し、複数台移動ロボットに対して
制御量を並列に、高速に生成することができる。
る。それによって、複数台移動ロボットの個別状況を表
現する可能性分布の結合と連想記憶により、オペレータ
の概念的な命令を理解し、複数台移動ロボットに対して
制御量を並列に、高速に生成することができる。
【図１】実施例の概略構成を示すブロック図
【図２】実施例における処理フロー図
【図３】センシングデータ例
【図４】評価基準値の例
【図５】評価基準値による分布変換例
【図６】センシングデータの分布変換例
【図７】各ロボットのデータの分布表現例
【図８】分布結合の表現例
【図９】マクロ指示の例
【図１０】マクロ指示の分布変換例
【図１１】入力層連想パターン例
【図１２】出力層連想パターン例
【図１３】双方向連想記憶の出力例
【図１４】制御量の数値変換例
【図１５】制御量の例
───────────────────────────────────────────────────── フロントページの続き (72)発明者 松井 照幸 愛知県名古屋市西区康生通２丁目20番地１ 株式会社メイテック内
Claims (1)
- 【請求項１】オペレータからの複数台移動ロボットへの
マクロな制御指示を分布に変換するマクロ指示分布変換
部と、前記分布を入力データとして、あらかじめ登録し
てある入出力分布パターンから、Ｎ回（Ｎ≦１０）の反
響動作回数による連想記憶を用いた行動命令生成部によ
り、群に対する命令を分布として出力する。また、デー
タ分布変換部において、複数台移動ロボットの各ロボッ
トからの数値センシングデータは、評価基準値によりマ
イクロ状況として可能性分布に変換される。そして、前
記各ロボットの可能性分布を分布結合部において結合す
ることにより、生成される複数台移動ロボットの群とし
てのマクロ状況分布と、前記行動指示の出力分布から、
各ロボットの数値制御量を生成する制御量数値変換部と
から構成されることを特徴とする群行動命令生成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7237570A JPH0954602A (ja) | 1995-08-10 | 1995-08-10 | 複数台移動ロボットの群行動命令生成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7237570A JPH0954602A (ja) | 1995-08-10 | 1995-08-10 | 複数台移動ロボットの群行動命令生成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0954602A true JPH0954602A (ja) | 1997-02-25 |
Family
ID=17017280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7237570A Pending JPH0954602A (ja) | 1995-08-10 | 1995-08-10 | 複数台移動ロボットの群行動命令生成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0954602A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002113699A (ja) * | 2000-10-05 | 2002-04-16 | Kawasaki Heavy Ind Ltd | 移動体および移動体群内の同期性獲得方法。 |
| WO2018092699A1 (ja) | 2016-11-18 | 2018-05-24 | 日本電気株式会社 | 制御システム、制御方法およびプログラム記録媒体 |
-
1995
- 1995-08-10 JP JP7237570A patent/JPH0954602A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002113699A (ja) * | 2000-10-05 | 2002-04-16 | Kawasaki Heavy Ind Ltd | 移動体および移動体群内の同期性獲得方法。 |
| WO2018092699A1 (ja) | 2016-11-18 | 2018-05-24 | 日本電気株式会社 | 制御システム、制御方法およびプログラム記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tsourveloudis et al. | Autonomous vehicle navigation utilizing electrostatic potential fields and fuzzy logic | |
| CN111443603B (zh) | 基于自适应模糊神经网络系统的机器人共享控制方法 | |
| JP3019145B2 (ja) | 決定性ファジィ有限オートマトンを実現するニューラルネットワーク | |
| Lima et al. | Design of intelligent control systems based on hierarchical stochastic automata | |
| CN112631134A (zh) | 一种基于模糊神经网络的智能小车避障方法 | |
| Chang et al. | Interpretable fuzzy logic control for multirobot coordination in a cluttered environment | |
| Yang et al. | Mobile robot navigation using neural Q-learning | |
| Yang et al. | Construction of novel self-adaptive dynamic window approach combined with fuzzy neural network in complex dynamic environments | |
| Hamad et al. | Path Planning of Mobile Robot Based on Modification of Vector Field Histogram using Neuro-Fuzzy Algorithm. | |
| JPH0954602A (ja) | 複数台移動ロボットの群行動命令生成装置 | |
| Pesch et al. | Synthesis of optimal strategies for differential games by neural networks | |
| Kondratenko et al. | Safe Navigation of an Autonomous Robot in Dynamic and Unknown Environments | |
| Chang et al. | A two-phase navigation system for mobile robots in dynamic environments | |
| Jou | Comparing learning performance of neural networks and fuzzy systems | |
| Andreev et al. | The mobile robot control for obstacle avoidance with an artificial neural network application | |
| Siemiatkowska | A highly parallel method for mapping and navigation of an autonomous mobile robot | |
| Wu et al. | Fuzzy controller of pipeline robot navigation optimized by genetic algorithm | |
| Mohammadian et al. | Adaptive two layer fuzzy control of a mobile robot system | |
| Kelly III | Neuro-fuzzy control of a robotic arm | |
| Melingui et al. | Neuro-fuzzy controller for autonomous navigation of mobile robots | |
| Krishnapuram et al. | Propagation of uncertainty using neural networks | |
| Song et al. | Research on Local Path Planning for the Mobile Robot Based on QL-anfis Algorithm | |
| Farias et al. | Comparison between fuzzy and neural controllers to cross the reality gap in evolutionary robotics | |
| Gharbieh et al. | Robotic obstacle avoidance in a partially observable environment using feature ranking | |
| Gouko et al. | An action generation model by using time series prediction and its application to robot navigation |