KR102113695B1 - 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기 - Google Patents

로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기 Download PDF

Info

Publication number
KR102113695B1
KR102113695B1 KR1020180170055A KR20180170055A KR102113695B1 KR 102113695 B1 KR102113695 B1 KR 102113695B1 KR 1020180170055 A KR1020180170055 A KR 1020180170055A KR 20180170055 A KR20180170055 A KR 20180170055A KR 102113695 B1 KR102113695 B1 KR 102113695B1
Authority
KR
South Korea
Prior art keywords
path
point
optimized
abnormal
shortest
Prior art date
Application number
KR1020180170055A
Other languages
English (en)
Other versions
KR20190080782A (ko
Inventor
유쮠 슝
유? 슝
징화 탕
Original Assignee
유비테크 로보틱스 코프
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 유비테크 로보틱스 코프 filed Critical 유비테크 로보틱스 코프
Publication of KR20190080782A publication Critical patent/KR20190080782A/ko
Application granted granted Critical
Publication of KR102113695B1 publication Critical patent/KR102113695B1/ko

Links

Images

Classifications

    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • 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
    • B25J9/1666—Avoiding collision or forbidden zones
    • 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
    • B25J9/1676—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G05B2219/40443—Conditional and iterative planning
    • 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
    • G05B2219/40476—Collision, planning for collision free path
    • 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
    • G05B2219/40477—Plan path independent from obstacles, then correction for obstacles
    • 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
    • G05B2219/40519—Motion, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Automation & Control Theory (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

(과제) 본 발명은 OMPL 데이터베이스에 의해 계획된 경로가 큰 불확실성을 가져 쉽게 로봇의 운동효율 저하를 초래한다는 문제를 해결하기 위한 로봇의 운동경로 계획방법을 개시한다.
(해결 수단) 본 발명에 의한 방법은, OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하는 단계와, 최단 이상경로를 초기 이상경로로서 결정하는 단계와, 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계와, 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하는 단계와, 만족하면 새 경로를 새로운 계획경로로서 결정하는 단계와, 만족하지 않으면 새 경로를 새로운 이상경로로서 결정하는 단계와, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될 때까지, 이분법을 이용하여 계획경로를 최적화하는 것을 반복하는 단계와, 현재의 계획경로를 대상 로봇의 동작경로로서 결정하는 단계를 포함한다.

Description

로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기 {METHOD FOR PLANNING ROBOT MOTION PATH, DEVICE, RECORDING MEDIUM AND TERMINAL DEVICE}
본 발명은 로봇의 기술분야에 관한 것이며, 특히 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기에 관한 것이다.
로봇의 응용에 대한 수요가 높아짐에 따라, 사용자는 단순한 씬에서 로봇이 점대점의 조작을 하는 것에 이미 만족하지 않고 보다 복잡한 씬에서 로봇이 복잡한 조작을 실시할 수 있는 것을 요구한다.
MoveIt소프트웨어는 현재 가장 선진적이고 가장 널리 응용되고 있는 오픈소스의 로봇 운동 계획 소프트웨어이며, 주로 유연한 충돌 라이브러리(Flexible Collision Library, FCL)를 호출하여 장애물 충돌 검출을 실현하고, 개방적인 운동 계획 라이브러리(Open Motion Planning Library, OMPL 데이터베이스)를 호출하여 운동 계획의 문제를 풀도록 한다. OMPL 데이터베이스에 의해 제공된 운동 계획 솔버(solver)는 모두 랜덤 샘플링(random sampling) 방법을 채용하고 있다. 이들 방법은 확률상에서는 완전하지만, 환경이 복잡해지면 한정된 시간내에 얻을 수 있는 계산 결과는 큰 불확실성을 가져 쉽게 로봇의 운동효율 저하를 초래하게 된다.
중국 공개특허 제104571113호(2015.04.29. 공개)
본 발명의 실시예는 OMPL 데이터베이스에 의한 계획을 바탕으로 계산 결과의 확실성을 대폭 향상시켜 로봇의 운동효율을 향상시킬 수 있는 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기를 제공한다.
본 발명의 제1 측면에 따르면, OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하는 단계와,
상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정하는 단계와,
이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계와,
상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하는 단계와,
상기 새 경로가 기설정된 장애물 회피요건 및 구조적 구속을 만족하면, 상기 새 경로를 새로운 계획경로로서 결정하는 단계와,
상기 새 경로가 기설정된 장애물 회피요건 및 구조적 구속을 만족하지 않으면, 상기 새 경로를 새로운 이상경로로서 결정하는 단계와,
현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될 때까지, 상기 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계로 되돌아가서 실행하는 단계와,
현재의 계획경로를 대상 로봇의 동작경로로서 결정하는 단계를 포함하는
로봇의 운동경로 계획방법을 제공한다.
또한, 현재의 계획경로를 대상 로봇의 동작경로로서 결정하기 전에,
상기 현재의 계획경로에 있어서의 경로기점과 경로종점을 제외한 다른 경로점이 포함되는 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계와,
기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하는 단계와,
상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하는 단계와,
상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하면, 상기 최적화해야 할 점의 관절각 벡터를 상기 최적화된 관절각 벡터로 치환하는 단계와,
상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하지 않으면, 현재의 최적화해야 할 점을 상기 최적화해야 할 점의 집합으로부터 제거하는 단계와,
기설정된 반복조건이 만족될 때까지, 상기 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계로 되돌아가서 실행하는 단계를 더 포함할 수도 있다.
또한, 상기 기설정된 반복조건을 만족하는 것은,
상기 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계로 되돌아가서 실행한 반복회수가, 기설정된 반복회수 한계값을 넘으면, 기설정된 반복조건이 만족되었다고 결정하는 것, 또는
상기 최적화해야 할 점의 집합 내의 경로점이 모두 제거되었으면, 기설정된 반복조건이 만족되었다고 결정하는 것을 포함할 수도 있다.
또한, 상기 기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하는 단계는,
기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터를, 하기의 수학식에 대입하여 최적화된 관절각 벡터를 산출하는 것을 포함할 수도 있다.
<수학식>
Figure 112018130741605-pat00001
여기에서, imax가 최적화해야 할 점의 아래첨자이며,
Figure 112018130741605-pat00002
가 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리이고,
Figure 112018130741605-pat00003
가 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터이며, W가 단축 팩터이고 동시에 W <1이며,
Figure 112018130741605-pat00004
가 최적화된 관절각 벡터이다.
또한, 상기 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계에 되돌아가서 실행하기 전에,
현재의 계획경로에 있어서의 각 경로점과 현재의 이상경로와의 최단 거리를 각각 계산하는 단계와,
산출된 각 경로점에 대응하는 최단 거리 가운데, 최대치가 기설정된 거리 한계값 미만이면, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있다고 결정하는 단계를 더 포함할 수도 있다.
본 발명의 제2 측면에 따르면, OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하기 위한 경로 계획모듈과,
상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정하기 위한 이상경로 결정모듈과,
이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하기 위한 새 경로 계산모듈과,
상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는 지여부를 판정하기 위한 새 경로 판정모듈과,
상기 새 경로 판정모듈의 판정결과가 만족한다(YES)면 상기 새 경로를 새로운 계획경로로서 결정하기 위한 제1 결정모듈과,
상기 새 경로판정 모듈의 판정결과가 만족하지 않는다(NO)면 상기 새 경로를 새로운 이상경로로서 결정하기 위한 제2 결정모듈과,
현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될때까지, 상기 새 경로 계산모듈을 트리거하게 돌아가기 위한 반복 트리거 모듈과,
현재의 계획경로를 대상 로봇의 동작경로로서 결정하기 위한 동작경로 결정모듈을 포함하는
로봇의 운동경로 계획장치를 제공한다.
또한, 상기 로봇의 운동경로 계획장치는,
상기 현재의 계획경로에 있어서의 경로기점과 경로종점을 제외한 다른 경로점이 포함되는 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하기 위한 최적화해야 할 점 결정모듈과,
기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하기 위한 최적화 벡터 계산모듈과,
상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하기 위한 벡터 판정모듈과,
상기 벡터 판정모듈의 판정결과가 YES이면 상기 최적화해야 할 점의 관절각 벡터를 상기 최적화된 관절각 벡터로 치환하기 위한 벡터 치환모듈과,
상기 벡터 판정모듈의 판정결과가 NO이면 현재의 최적화해야 할 점을 상기 최적화해야 할 점의 집합으로부터 제거하기 위한 점 제거모듈과,
기설정된 반복조건이 만족될 때까지, 상기 최적화해야 할 점 결정모듈을 트리거하기 위한 반복 최적화 모듈을 더 포함할 수도 있다.
또한, 상기 로봇의 운동경로 계획장치는,
현재의 계획경로에 있어서의 각 경로점과 현재의 이상경로와의 최단 거리를 각각 계산하기 위한 최단 경로 계산모듈과,
산출된 각 경로점에 대응하는 최단 거리 가운데, 최대치가 기설정된 거리 한계값 미만이면, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있다고 결정하기 위한 제3 결정모듈을 더 포함할 수도 있다.
본 발명의 제3 측면에 따르면, 메모리와, 프로세서와, 상기 메모리에 기억되어 상기 프로세서에서 실행 가능한 컴퓨터 프로그램을 포함하는 단말기기에 있어서, 상기 컴퓨터 프로그램이 상기 프로세서에 의해 실행되면, 상술한 로봇의 운동경로 계획방법의 단계가 실현되는 단말기기를 제공한다.
본 발명의 제4 측면에 따르면, 컴퓨터 프로그램을 기억한 컴퓨터 판독 가능한 기억 매체에 있어서, 상기 컴퓨터 프로그램이 프로세서에 의해 실행되면, 상술한 로봇의 운동경로 계획방법의 단계가 실현되는 컴퓨터 판독 가능한 기억 매체를 제공한다.
이상의 기술안으로부터 본 발명의 실시예가 다음과 같은 이점을 가진다는 것을 알 수 있다.
본 발명의 실시예에서 우선 OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하고, 그 후에 상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정하며, 계속하여 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하고, 상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하며, 상기 새 경로가 기설정된 장애물 회피요건 및 구조적 구속을 만족하면, 상기 새 경로를 새로운 계획경로로서 결정하고, 상기 새 경로가 기설정된 장애물 회피요건 및 구조적 구속을 만족하지 않으면, 상기 새 경로를 새로운 이상경로로서 결정하며, 게다가, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될 때까지, 상기 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계로 되돌아가서 실행하고, 마지막으로, 현재의 계획경로를 대상 로봇의 동작경로로서 결정한다. 본 발명의 실시예에서 이분법에 의해 계획경로의 이상경로에의 전체적인 단축을 실현하여 계획경로를 될 수 있는 한 이상경로에 가까이하는 동시에 장애물 회피요건 및 구조적 구속을 만족하도록 하는 것으로, OMPL 데이터베이스에 의한 계획을 바탕으로 계산 결과의 확실성을 대폭 향상시켜 로봇의 운동효율을 향상시킬 수 있다.
본 발명의 실시예에 있어서의 기술안을 보다 명확히 설명하기 위해, 이하에서 실시예 또는 선행 기술의 설명에 이용할 필요가 있는 도면을 간단히 소개한다. 물론, 이하에 설명되는 도면은 본 발명의 일부 실시예에 지나지 않고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 창조적 노동을 전제로 하지 않고, 이들 도면으로부터 다른 도면을 얻을 수도 있다.
도 1은 본 발명의 실시예에 따른 로봇의 운동경로 계획방법의 일 실시예를 도시한 흐름도이다.
도 2는 본 발명의 실시예에 따른 로봇의 운동경로 계획방법에 대하여, 어느 응용 씬에서 이분법을 이용하여 최적화하는 모식도이다.
도 3은 본 발명의 실시예에 따른 로봇의 운동경로 계획방법에 대하여, 어느 응용 씬에서 단일점 반복 최적화의 모식도이다.
도 4는 본 발명의 실시예에 따른 로봇의 운동경로 계획방법에 대하여, 어느 응용 씬에서 단일점 반복 최적화를 하는 흐름 모식도이다.
도 5는 본 발명의 실시예에 따른 단일점 반복 최적화의 최적화 효과를 나타낸 모식도이다.
도 6은 본 발명의 실시예에 따른 로봇의 운동경로 계획장치의 일 실시예를 도시한 구조도이다.
도 7은 본 발명의 일 실시예에 의한 단말기기의 모식도이다.
본 발명의 실시예는 OMPL 데이터베이스에 의해 계획된 경로가 큰 불확실성을 가져 쉽게 로봇의 운동효율 저하를 초래하는 문제를 해결하기 위한 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기를 제공한다.
본 발명의 목적, 특징 및 이점을 보다 명료하게 하기 위해, 이하에서 본 발명의 실시예에 있어서의 도면을 참조하면서 본 발명의 실시예의 기술안을 명확하고 완전하게 설명한다. 물론, 이하에 설명되는 실시예는 본 발명의 일부 실시예에 지나지 않으며 모든 실시예가 아니다. 본 발명에 있어서의 실시예에 기초하여, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 창조적 노동을 전제로 하지 않고 얻을 수 있는 모든 다른 실시예는 모두 본 발명의 보호 범위에 속할 것이다.
도 1을 참조하면, 본 발명의 실시예에 따른 로봇의 운동경로 계획방법의 일 실시예는 다음과 같은 단계(101)~ 단계(108)를 포함한다.
단계(101)에서 OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획한다.
본 실시예에서, 먼저 OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의 계획경로를 구할 필요가 있다. 당해 계획경로에 합계 n개의 경로점이 있다고 가정하고, 경로기점의 관절각 벡터를 qstart라고 하고, 경로종점의 관절각 벡터를 qgoal라고 하면, 당해 계획경로는 도 2에 도시한 "계획경로"와 같이,
Figure 112018130741605-pat00005
로 나타낼 수 있다. 여기에서, q1=qstart, qn=qgoal이다.
설명해야 할 것은, 본 실시예에 있어서의 로봇의 운동경로 계획방법은, 구체적으로, 로봇 전체의 운동에 대한 경로 계획에 적용할 수 있고, 로봇 부품 운동에 대한 경로 계획, 예를 들어 로봇에 있는 로봇 암의 운동경로 계획에 적용할 수도 있다.
단계(102)에서 상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정한다.
도 2를 참조하면, 경로기점과 경로종점 사이의 연결선이 로봇의 최단 운동경로, 최단 이상경로로 되는 것을 분명히 알 수 있으며, 도 2에 도시한 "최단 이상경로"와 같이, 이 연결선을 초기 이상경로로서 결정하고,
Figure 112018130741605-pat00006
라고 기재한다.
단계(103)에서 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산한다.
대상 로봇의 운동효율을 향상시키기 위해, 도 2에 도시된 바와 같이, 경로가 장애물을 회피하는 동시에 관절 리미트 요건을 충족시키는 것을 보증하는 전제로, "계획경로"를 "최단 이상경로"에 될 수 있는 한 가깝게 해야 하는 것을 이해할 수 있다. 본 실시예는 이분법을 이용하여 계획경로를 최적화하며, 구체적으로, 계획경로와 이상경로 사이의 절충 경로를 현재의 새 경로로 계산한다. 상기 새 경로는
Figure 112018130741605-pat00007
이다.
단계(104)에서 상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하고, 만족하면(YES) 단계(105)를 실행하고, 만족하지 않으면(NO) 단계(106)를 실행한다.
단계(105)에서 상기 새 경로를 새로운 계획경로로서 결정한다.
단계(106)에서 상기 새 경로를 새로운 이상경로로서 결정한다.
상술한 단계(104)~(106)에 대하여, 상술한 내용으로부터 알 수 있는 바와 같이, 새 경로를 산출한 후, 로봇의 운동 요건을 충족시키기 위해, 산출된 새 경로가 장애물 회피요건 및 구조적 구속을 만족시키는지 여부를 구별할 필요가 있다. 설명해야 할 것은, 상술한 구조적 구속은 로봇 구조 자체의 제한에 의한 것이며, 예를 들어, 로봇에 있는 로봇 암의 각 관절의 어느 것에도, 관절 리미트의 구속이 있다. 따라서, 상술한 구조적 구속은 로봇의 실제 상황에 의해 결정되어 본 실시예에서는 특히 한정하지 않는다.
이해의 편의를 위해, 임의의 경로가 장애물 회피요건 및 구조적 구속을 만족시키면 당해 경로를 유효로 하고, Q∈Svalid라고 기재하며, 만일 경로상의 임의의 점이 장애물 회피요건 및 구조적 구속을 만족시키면 당해 점을 유효로 하고, q∈Svalid라고 기재한다. 도 2를 참조하면 알 수 있는 바와 같이, 장애물이 존재하는 경우에,
Figure 112018130741605-pat00008
,
Figure 112018130741605-pat00009
로 된다.
따라서, 상술한 단계(104)에서 Qnew∈Svalid인지 여부를 판정하고, Qnew∈Svalid이면 단계(105)를 실행하고, 상기 새 경로를 새로운 계획경로로서 결정한다. 즉, Qplan=Qnew로 한다. 반대로,
Figure 112018130741605-pat00010
이면 단계(106)를 실행하여 Qideal=Qnew로 되도록 한다.
상술한 단계(103)~(106)를 1회 실행하는 것은, 계획경로를 최단 이상경로에 1회 가까워지게 한 것, 즉, 반복 최적화를 1회 한 것에 상당하다는 것을 알 수 있다.
단계(107)에서 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내인지 여부를 판정하며, YES이면 단계(108)을 실행하고, NO이면 단계(103)에 되돌아가 실행한다.
본 실시예의 최적화 구상으로서는, 상술한 단계(103)~(106)를 복수 회 반복적으로 실행하여, 계획경로가 장애물 회피요건 및 구조적 구속을 만족하는 전제로 최단 이상경로에 무한히 근접하게 함으로써, 전체적으로 대상 로봇을 위해 효율적인 운동경로를 찾아내게 한다. 하지만 최적화의 효율을 확보하기 위해, 상술한 반복 최적화 프로세스의 탈출 조건을 설정하여 현재의 계획경로와 현재의 이상경로 사이의 오차가 일정한 조건을 만족시키면, 현재의 계획경로가 이미 충분히 효율적이라고 간주하게 할 필요가 있다.
따라서, 단계(107)에서 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있는 것인지 여부를 판정하며, NO이면 반복 최적화를 계속해야 할 필요가 있어 단계(103)으로 돌아가서 이분법에 의한 다음 번의 최적화를 실행하고, YES이면 현재의 계획경로가 이미 단축된 전체적인 최적화 궤적으로 되었다고 간주할 수 있으며, Qopt1=Qplan이라고 기재한다. 도 2에 도시된 "전체 최적화 경로"와 같이, 초기의 계획경로와 비교하면, 단축된 경로 쪽이 보다 짧은 것이 명확하다.
또한, 상술한 단계(107)은, 구체적으로, 먼저 현재의 계획경로에 있어서의 각 경로점과 현재의 이상경로와의 최단 거리를 각각 계산하는 단계와, 산출된 각 경로점에 대응하는 최단 거리 가운데, 최대치가 기설정된 거리 한계값 미만이면, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있다고 결정하는 단계를 포함한다.
단계(108)에서 현재의 계획경로를 대상 로봇의 동작경로로서 결정한다. 이분법에 의해 최적화된 계획경로는 이미 초기의 계획경로에 비해 운동효율이 대폭 향상되어 있기 때문에, 이 시점에서 현재의 계획경로를 대상 로봇의 동작경로로서 결정할 수 있게 된다는 것을 이해할 수 있다.
도 2에 도시된 바와 같이, 장애물이 경로의 중앙 근방에 위치할 경우, 현재의 계획경로는 상술한 이분법에 의해 최적화된 후, 비교적 이상적인 결과를 대체로 얻을 수 있다. 그러나, 장애물이 경로의 경로기점 또는 경로종점에 가까울 경우, 계획경로는 이분법에 의해 최적화된 후, 로봇의 운동효율을 향상하지만, 구체적으로 도 3에 도시된 "전체 최적화 경로"와 같이, 이상적인 효과를 달성할 수 없다. 따라서, 도 3에 있어서의 장애물과 같은 경우에 대하여, 한층 더 최적화할 수 있다. 본 실시예에서 단일점 반복 최적화라고 하는 바, 구체적인 최적화 프로세스는 아래와 같다.
또한, 도 4에 도시된 바와 같이, 단계(108) 전에 단계(401)~ 단계(406)를 더 포함한다.
단계(401)에서 상기 현재의 계획경로에 있어서의 경로기점과 경로종점을 제외한 다른 경로점이 포함되는 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정한다.
단계(402)에서 기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출한다.
단계(403)에서 상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는 지여부를 판정하며, YES이면 단계(404)를 실행하고, NO이면 단계(405)를 실행한다.
단계(404)에서 상기 최적화해야 할 점의 관절각 벡터를 상기 최적화된 관절각 벡터로 치환한다.
단계(405)에서 현재의 최적화해야 할 점을 상기 최적화해야 할 점의 집합으로부터 제거한다.
단계(406)에서 기설정된 반복조건을 만족하는 지여부를 판정하며, YES이면 단계(108)를 실행하고, NO이면 단계(401)에 되돌아가서 실행한다.
단계(401)에 대하여, 당해 최적화해야 할 점의 집합을 ql이라고 기재할 수 있으며, 그 중, 아래첨자 l=2, 3, …, n-1이고 경로기점 및 경로종점을 포함하지 않는다. 당해 최적화해야 할 점의 집합내의 각 경로점이 최단 이상경로(즉, 도 3에 있어서의 "최단 이상경로"와 같은 초기 이상경로)와의 최단 거리를 di=qoptl-qideal(i∈l)라고 기재하며, 여기에서, qoptl는 이분법에 의해 최적화된 Qoptl상의 경로점을 의미하고, qideal는 "최단 이상경로" 상의 경로점을 의미하며, 또한, 당해 최적화해야 할 점의 집합 가운데, 거리가 최대인 경로점 아래첨자를
Figure 112018130741605-pat00011
라고 기재할 수 있다.
상술한 단계(402)에 대하여, 구체적으로, 기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터를, 수학식 1에 대입하여 최적화된 관절각 벡터를 산출할 수 있다.
Figure 112018130741605-pat00012
여기에서, imax가 최적화해야 할 점의 아래첨자이며,
Figure 112018130741605-pat00013
가 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리이고,
Figure 112018130741605-pat00014
가 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터이며, W가 단축 팩터이고 동시에 W <1이며,
Figure 112018130741605-pat00015
가 최적화된 관절각 벡터이다.
단계(403)~(405)에 대하여, 매번 1개의 경로점을 단일점 최적화한 후, 최적화된 경로점이 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속, 즉, 대상 로봇의 운동 요건을 충족시키고 있는 지여부를 더 판정 할 필요가 있는 것을 이해할 수 있다. 따라서, 상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족시키면, 즉,
Figure 112018130741605-pat00016
이면, Qoptl상이 대응하는 경로점의 관절각 벡터를 최적화된 관절각 벡터로 치환할 수 있으며, 즉
Figure 112018130741605-pat00017
이며, 상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족시키지 않으면, 즉,
Figure 112018130741605-pat00018
이면, 당해 경로점imax를 최적화해야 할 점의 집합으로부터 제거하는 것을 알 수 있다.
상술한 단계(401)~(405)는 1개의 경로점에 대한 단일점 최적화 프로세스이며, 도 5에 도시된 바와 같이, a점부터 a' 점까지가 1회째 단일점 최적화한 효과이며, b점부터 b' 점까지가 2회째 단일점 최적화한 효과이고, c점부터 c' 점까지가 3회째 단일점 최적화한 효과인 것을 알 수 있다.
계획경로 전체를 최적화하기 위해, 계획경로에 있는 복수의 점을 순차적으로 단일점 최적화해야만 비교적 이상적인 효과를 얻을 수 있다는 것을 이해할 수 있다. 따라서, 본 실시예는 상술한 단계(401)~(405)를 반복적으로 실행하며, 또한 단일점 반복 최적화의 탈출 조건, 즉 상술한 단계(406)를 설정할 것도 필요하다.
단계(406)에 대하여, 단일점 반복 최적화된 효과의 관점에서, 상기 반복조건을 두 가지 방법으로 기설정하는 것이 가능하다. 첫째로서, 최대 반복회수를 설정하고, 반복회수가 당해 최대 반복회수에 달하면, 반복 최적화를 정지하는 것이어도 좋다. 구체적으로, "상기 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계로 돌아가 실행한 반복회수가, 기설정된 반복회수 한계값을 넘으면, 기설정된 반복조건이 만족되었다고 결정한다". 둘째로서, 반복 효과에 의해 판정하고, 모든 경로점의 관절각을 단축할 수 없게 될 때까지 단일점 반복 최적화를 실시하는 것이어도 좋다. 구체적인 실행 단계는, "상기 최적화해야 할 점의 집합내의 경로점이 모두 제거되었으면, 기설정된 반복조건이 만족되었다고 결정한다"는 것이어도 좋다.
구체적인 반복조건은 실제 상황에 따라 설정 가능하며, 여기에서 특히 한정하지 않는다. 기설정된 반복조건을 만족하지 않을 경우, 단일점 반복 최적화를 계속할 필요가 있으며, 단계(401)에 되돌아가 다음 번의 반복 프로세스를 실행하며, 기설정된 반복조건을 만족할 경우, 현재의 계획경로에 대한 단일점 반복 최적화가 완료했다고 간주하여, 단계(108)를 실행하여 현재의 계획경로를 대상 로봇의 동작경로로서 출력할 수 있다는 것을 이해할 수 있다.
도 3에 도시된 바와 같이, 복수회의 단일점 반복 최적화한 후, 장애물이 경로의 경로기점 또는 경로종점에 가까워도 최적화된 계획경로는 비교적 이상적인 효과를 얻을 수 있다. 도 3에 도시된 바와 같이 "반복 최적화 경로"가 단일점 반복 최적화된 계획경로이다.
본 실시예에 의한 로봇의 운동경로 계획방법은, 현재의 오픈 소스의 OMPL 데이터베이스의 알고리즘을 바탕으로, 이분법 및 단일점 반복법을 이용하여 장애물이 위치하는 임의의 위치에 대하여 합리적이고 효율적인 장애물 회피경로를 계획할 수 있으며, 원래의 OMPL 데이터베이스의 알고리즘에 의한 계획경로가 이상적이지 않고, 효율이 낮다는 결점을 극복했다. 당해 방법은, 로봇손(robotc hand)에 의한 물체의 움켜 쥠, 화물의 구분 등 작업에 효과적으로 적용할 수 있어, 움켜 쥐거나 구분하는 작업효율을 향상시킴과 동시에 작업의 안전성(장애물 회피)을 보증하여 물류나 패밀리서비스(family service) 산업에 폭넓은 용도가 있다.
상술한 실시예 중 각 단계 번호의 대소는, 실행순서의 전후를 의미하는 것이 아니고, 각 프로세스의 실행순서가 그 기능 및 내부 로직에 의해 결정되어야 하며, 본 발명 실시예의 실시 프로세스에 대한 어떠한 제한으로도 되지 않는다는 것을 이해해야 한다.
이상에서 주로 로봇의 운동경로 계획방법에 대하여 설명했지만, 이하에서는 로봇의 운동경로 계획장치에 대하여 자세하게 설명한다.
도 6은 본 발명 실시예에 따른 로봇의 운동경로 계획장치의 일 실시예의 구조도를 도시하고 있다.
본 실시예에 따른 로봇의 운동경로 계획장치는,
OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하기 위한 경로 계획모듈(601)과,
상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정하기 위한 이상경로 결정모듈(602)과,
이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하기 위한 새 경로 계산모듈(603)과,
상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하기 위한 새 경로 판정모듈(604)과,
상기 새 경로 판정모듈(604)의 판정결과가 YES이면 상기 새 경로를 새로운 계획경로로서 결정하기 위한 제1 결정모듈(605)과,
상기 새 경로 판정모듈(604)의 판정결과가 NO이면 상기 새 경로를 새로운 이상경로로서 결정하기 위한 제2 결정모듈(606)과,
현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될 때까지, 상기 새 경로 계산모듈(603)을 트리거하게 돌아가기 위한 반복 트리거 모듈(607)과,
현재의 계획경로를 대상 로봇의 동작경로로서 결정하기 위한 동작경로 결정모듈(608)을 포함한다.
또한, 상기 로봇의 운동경로 계획장치는,
상기 현재의 계획경로에 있어서의 경로기점과 경로종점을 제외한 다른 경로점이 포함되는 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하기 위한 최적화해야 할 점 결정모듈과,
기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하기 위한 최적화 벡터 계산모듈과,
상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하기 위한 벡터 판정모듈과,
상기 벡터 판정모듈의 판정결과가 YES이면 상기 최적화해야 할 점의 관절각 벡터를 상기 최적화된 관절각 벡터로 치환하기 위한 벡터 치환모듈과,
상기 벡터 판정모듈의 판정결과가 NO이면 현재의 최적화해야 할 점을 상기 최적화해야 할 점의 집합으로부터 제거하기 위한 점 제거모듈과,
기설정된 반복조건이 만족될 때까지, 상기 최적화해야 할 점 결정모듈을 트리거하기 위한 반복 최적화 모듈을 더 포함할 수도 있다.
또한, 상기 반복 최적화 모듈은,
상기 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계로 되돌아가서 실행한 반복회수가, 기설정된 반복회수 한계값을 넘으면, 기설정된 반복조건이 만족되었다고 결정하기 위한 제1 만족 결정 유닛, 또는,
상기 최적화해야 할 점의 집합내의 경로점이 모두 제거되었으면, 기설정된 반복조건이 만족되었다고 결정하기 위한 제2 만족 결정 유닛을 포함해도 좋다.
또한, 상기 최적화 벡터 계산모듈은,
기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터를, 하기의 수학식에 대입하여 최적화된 관절각 벡터를 산출하기 위한 각 벡터 계산유닛을 포함할 수도 있다.
<수학식>
Figure 112018130741605-pat00019
여기에서, imax가 최적화해야 할 점의 아래첨자이며,
Figure 112018130741605-pat00020
가 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리이고,
Figure 112018130741605-pat00021
가 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터이며, W가 단축 팩터이고 동시에 W <1이며,
Figure 112018130741605-pat00022
가 최적화된 관절각 벡터이다.
또한, 상기 로봇의 운동경로 계획장치는,
현재의 계획경로에 있어서의 각 경로점과 현재의 이상경로와의 최단 거리를 각각 계산하기 위한 최단 경로 계산모듈과,
산출된 각 경로점에 대응하는 최단 거리 가운데, 최대치가 기설정된 거리 한계값 미만이면, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있다고 결정하기 위한 제3 결정모듈을 더 포함할 수도 있다.
도 7은 본 발명 일 실시예에 따른 단말기기의 모식도이다. 도 7에 도시된 바와 같이, 본 실시예의 단말기기(7)는 프로세서(70)와, 메모리(71)와, 상기 메모리(71)에 기억되어 상기 프로세서(70)에서 실행 가능한 컴퓨터 프로그램(72), 예를 들어 상술한 로봇의 운동경로 계획방법을 실행하는 프로그램을 포함한다. 상기 컴퓨터 프로그램(72)이 상기 프로세서(70)에 의해 실행되면, 상술한 각 로봇의 운동경로 계획방법 실시예에 있어서의 단계, 예를 들어 도 1에 도시된 단계(101)~(108)가 실현된다. 또는, 상기 컴퓨터 프로그램(72)이 상기 프로세서(70)에 의해 실행되면, 상술한 각 장치 실시예에 있어서의 각 모듈/유닛의 기능, 예를 들어 도 6에 도시된 모듈(601)~(608)의 기능이 실현된다.
예시적으로, 상기 컴퓨터 프로그램(72)은 하나 또는 복수의 모듈/유닛으로 분할되며, 상기 하나 또는 복수의 모듈/유닛이 상기 메모리(71)에 기억되어, 상기 프로세서(70)에 의해 실행되는 것으로써, 본 발명을 완성할 수도 있다. 상기 하나 또는 복수의 모듈/유닛은, 특정한 기능이 달성 가능한 일련의 컴퓨터 프로그램 명령 세그먼트에 있어서, 상기 컴퓨터 프로그램(72)의 상기 단말기기(7)에서의 실행 프로세스를 기술하기 위한 명령 세그먼트여도 좋다.
상기 단말기기(7)는 탁상식 컴퓨터, 노트북 PC, PDA, 클라우드 서버 등의 컴퓨팅 기기일 수도 있다. 상기 단말기기는 프로세서(70)와 메모리(71)를 포함하지만, 이것들에 한정되지 않는다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 도 7이 단말기기(7)의 일예일 뿐, 단말기기(7)에 대한 제한이 아니며, 도시된 것 보다도 많은 또는 적은 부품을 포함할 수도 있고, 일부 부품 또는 다른 부품을 조합시켜도 된다는 것을 이해할 수 있다. 예를 들어, 상기 단말기기는 입출력장치, 네트워크 액세스 장치, 버스 등을 더 포함할 수도 있다.
상기 프로세서(70)는 중앙처리장치(Central Processing Unit, CPU)일 수도 있고, 다른 범용 프로세서, 디지털 신호 프로세서(Digital Signal Processor, DSP), 특정용도 집적회로(Application Specific Integrated Circuit, ASIC), 필드 프로그래머블 게이트 어레이(Field-Programmable Gate Array, FPGA)이나 다른 프로그래머블 로직 장치, 디스크리트(discrete) 게이트나 트랜지스터 로직 장치, 디스크리트(discrete) 하드웨어 컴포넌트 등일 수도 있다. 범용 프로세서는 마이크로 프로세서일 수도 있고, 또는 당해 프로세서는 임의의 종래의 프로세서 등일 수도 있다.
상기 메모리(71)는 상기 단말기기(7)의 내부 기억 소자, 예를 들어 단말기기(7)의 하드 디스크나 내부 메모리일 수도 있다. 상기 메모리(71)는 상기 단말기기(7)의 외부 기억 장치, 예를 들어, 상기 단말기기(7)에 탑재된 플러그인 하드 디스크, 스마트 메모리 카드(Smart Media Card, SMC), 시큐어 디지털(Secure Digital, SD)카드, 플래시 카드(Flash Card) 등일 수도 있다. 또한, 상기 메모리(71)는 상기 단말기기(7)의 내부 기억 소자와 외부 기억 장치 쌍방을 포함해도 좋다. 상기 메모리(71)는 상기 컴퓨터 프로그램, 및 상기 단말기기에 필요한 다른 프로그램이나 데이터를 기억하기 위한 것일 수도 있다. 상기 메모리(71)는 출력된 또는 출력하려는 데이터를 일시적으로 기억하기 위한 것일 수도 있다.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 설명의 편의 및 간결을 위해, 상술한 시스템, 장치 및 유닛이 구체적인 동작 프로세스가 전술한 방법 실시예에 있어서의 대응하는 프로세스를 참조할 수 있다는 것을 확실히 이해할 수 있기 때문에, 여기에서 다시 설명하지 않는다.
상술한 실시예에 있어서, 각 실시예에 각각 중점을 두고 설명하였으며, 어느 실시예에서 자세히 설명 또는 기재되지 않은 부분은, 다른 실시예의 관련 설명을 참조할 수 있다.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 본 명세서에 개시된 실시예에 의해 설명된 각 실시예의 모듈, 유닛 및/ 또는 방법 단계가, 전자 하드웨어, 또는, 컴퓨터 소프트웨어와 전자 하드웨어의 조합에 의해 실현 가능함을 의식할 수 있다. 이들 기능을 하드웨어로 실현할 것인가, 그렇지 않으면 소프트웨어로 실현할 지는, 기술안의 특정 응용 및 설계의 제약 조건에 의존한다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는, 각 특정 응용에 대해 다른 방법을 사용하여 상기 기능을 실현할 수 있지만, 이런 실현은 본 발명의 범위를 넘는 것으로 간주해서는 안된다.
본 출원에 제공된 몇몇 실시예에 있어서는, 개시된 시스템, 장치 및 방법이 다른 형태로 실현 가능함을 이해해야 한다. 예를 들어, 이상으로 설명된 장치 실시예는 단지 예시적인 것이며, 예를 들어, 상기 유닛의 분할은 단지 한 가지 논리적 기능 분할이며, 실제 실현에서 다른 분할 방법이어도 좋다. 예를 들어, 복수의 유닛 또는 구성 요소가 다른 시스템에 조합되거나 집적될 수 있다. 혹은, 몇 가지 특징이 무시되거나, 실행되지 않아도 좋다. 더욱이, 표시 또는 설명된 상호결합 또는 직접 결합 또는 통신 연결은, 몇몇 인터페이스, 장치 또는 유닛에 의한 간접적 결합 또는 통신 연결일 수도 있고, 전기적 형태, 기계적 형태, 또는 다른 형태일 수도 있다.
독립적 부품으로서 설명된 유닛은, 물리적으로 분리할 수도 분리 못할 수도 있다. 유닛으로 나타나는 부품은, 물리적 유닛일 수도 아닐 수도 있다. 즉, 한 곳에 위치할 수도 있고, 또는, 복수의 네트워크 유닛에 분포될 수도 있다. 유닛의 일부 또는 전부는, 본 실시예에 따른 기술안의 목적을 달성하기 위해, 실제 수요에 근거하여 선택되어도 좋다.
또한, 본 발명의 각 실시예에 있어서의 각 기능 유닛은, 하나의 처리 유닛에 집적될 수 있고, 각 유닛이 물리적으로 단독 존재할 수도 있고, 둘 이상의 유닛이 하나의 유닛에 집적될 수도 있다. 상기 집적된 유닛은, 하드웨어 형태로 실현될 수도 있고, 소프트웨어 기능 유닛의 형태로 실현될 수도 잇다.
상기 집적된 유닛이 소프트웨어 기능 유닛의 형태로 실현되어, 독립적인 제품으로서 판매 또는 사용될 경우, 컴퓨터 판독 가능한 기억 매체에 기억할 수 있다. 이러한 이해에 근거하여, 본 발명에 의해 실현되는 상기 실시예의 방법 중 전부 또는 일부 흐름은, 컴퓨터 프로그램을 통해 관련된 하드웨어를 지시하여 완성할 수도 있다. 전술한 컴퓨터 프로그램은, 컴퓨터 판독 가능한 기억 매체에 기억할 수 있으며, 당해 컴퓨터 프로그램이 프로세서에 의해 실행되면, 상술한 각 방법 실시예의 단계를 실현할 수 있다. 상기 컴퓨터 프로그램은 컴퓨터 프로그램 코드를 포함하며, 상기 컴퓨터 프로그램 코드는 원시 코드 형식, 목적 코드 형식, 실행 가능 파일, 또는 어느 중간형식일 수도 있다. 상기 컴퓨터 판독 가능한 매체는, 상기 컴퓨터 프로그램 코드를 계대할 수 있는 어떠한 실체나 장치, 기억 매체, USB플래시 메모리, 휴대용 하드 디스크, 자기 디스크, 광 디스크, 컴퓨터 메모리, 읽기 전용 메모리(ROM, Read-Only Memory), 랜덤 액세스 메모리(RAM, Random Access Memory) 등을 포함할 수도 있다.
상술한 바와 같이, 상기의 실시예는 단지 본 발명의 기술안을 설명하기 위한 것일 뿐, 본 발명을 제한하려는 것이 아니다. 전술한 실시예를 참조하면서 본 발명을 자세히 설명했지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 전술한 각 실시예에 기재된 기술안을 수정 가능한 것, 또는 그 중의 기술적 특징의 일부를 균등적으로 치환 가능한 것을 이해해야 한다. 또한 이러한 수정이나 치환은 본 발명의 각 실시예의 발명 사상 및 범위에서 벗어나는 것이 아니다.

Claims (10)

  1. OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하는 단계와,
    상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정하는 단계와,
    이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계와,
    상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하는 단계와,
    상기 새 경로가 기설정된 장애물 회피요건 및 구조적 구속을 만족하면, 상기 새 경로를 새로운 계획경로로서 결정하는 단계와,
    상기 새 경로가 기설정된 장애물 회피요건 및 구조적 구속을 만족하지 않으면, 상기 새 경로를 새로운 이상경로로서 결정하는 단계와,
    현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될 때까지, 상기 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계로 되돌아가서 실행하는 단계와,
    현재의 계획경로를 대상 로봇의 동작경로로서 결정하는 단계를 포함하는 것을 특징으로 하는 로봇의 운동경로 계획방법.
  2. 제1 항에 있어서,
    현재의 계획경로를 대상 로봇의 동작경로로서 결정하기 전에,
    상기 현재의 계획경로에 있어서의 경로기점과 경로종점을 제외한 다른 경로점이 포함되는 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계와,
    기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하는 단계와,
    상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하는 단계와,
    상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하면, 상기 최적화해야 할 점의 관절각 벡터를 상기 최적화된 관절각 벡터로 치환하는 단계와,
    상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하지 않으면, 현재의 최적화해야 할 점을 상기 최적화해야 할 점의 집합으로부터 제거하는 단계와,
    기설정된 반복조건이 만족될 때까지, 상기 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계로 되돌아가서 실행하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 운동경로 계획방법.
  3. 제2 항에 있어서,
    상기 기설정된 반복조건을 만족하는 것은,
    상기 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하는 단계로 되돌아가서 실행한 반복회수가, 기설정된 반복회수 한계값을 넘으면, 기설정된 반복조건이 만족되었다고 결정하는 것, 또는
    상기 최적화해야 할 점의 집합내의 경로점이 모두 제거되었으면, 기설정된 반복조건이 만족되었다고 결정하는 것을 포함하는 것을 특징으로 하는 로봇의 운동경로 계획방법.
  4. 제2 항에 있어서,
    상기 기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하는 단계는,
    기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터를, 하기의 수학식에 대입하여 최적화된 관절각 벡터를 산출하는 것을 포함하며,
    <수학식>
    Figure 112018130741605-pat00023

    여기에서, imax가 최적화해야 할 점의 아래첨자이며,
    Figure 112018130741605-pat00024
    가 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리이고,
    Figure 112018130741605-pat00025
    가 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터이며, W가 단축 팩터이고 동시에 W <1이며,
    Figure 112018130741605-pat00026
    가 최적화된 관절각 벡터인 것을 특징으로 하는 로봇의 운동경로 계획방법.
  5. 제1 항 내지 제4 항 중 어느 한 항에 있어서,
    상기 이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하는 단계로 되돌아가서 실행하기 전에,
    현재의 계획경로에 있어서의 각 경로점과 현재의 이상경로와의 최단 거리를 각각 계산하는 단계와,
    산출된 각 경로점에 대응하는 최단 거리 가운데, 최대치가 기설정된 거리 한계값 미만이면, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있다고 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 운동경로 계획방법.
  6. OMPL 데이터베이스를 이용하여 대상 로봇을 위해 현재 씬에 있어서의, 경로기점과 경로종점이 포함되는 복수의 경로점을 포함하는 계획경로를 계획하기 위한 경로 계획모듈과,
    상기 경로기점에서 상기 경로종점까지의 최단 경로를 의미하는 최단 이상경로를 초기 이상경로로서 결정하기 위한 이상경로 결정모듈과,
    이분법을 이용하여 계획경로와 이상경로 사이의 새 경로를 계산하기 위한 새 경로 계산모듈과,
    상기 새 경로가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하기 위한 새 경로 판정모듈과,
    상기 새 경로 판정모듈의 판정결과가 만족한다(YES)면 상기 새 경로를 새로운 계획경로로서 결정하기 위한 제1 결정모듈과,
    상기 새 경로판정 모듈의 판정결과가 만족하지 않는다(NO)면 상기 새 경로를 새로운 이상경로로서 결정하기 위한 제2 결정모듈과,
    현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내로 될 때까지, 상기 새 경로 계산모듈을 트리거하게 돌아가기 위한 반복 트리거 모듈과,
    현재의 계획경로를 대상 로봇의 동작경로로서 결정하기 위한 동작경로 결정모듈을 포함하는 것을 특징으로 하는 로봇의 운동경로 계획장치.
  7. 제6 항에 있어서,
    상기 현재의 계획경로에 있어서의 경로기점과 경로종점을 제외한 다른 경로점이 포함되는 최적화해야 할 점의 집합 가운데, 최단 이상경로에 있어서의 대응하는 경로점과의 거리가 최대인 경로점을 최적화해야 할 점으로서 결정하기 위한 최적화해야 할 점 결정모듈과,
    기설정된 단축 팩터, 상기 최적화해야 할 점과 상기 최단 이상경로와의 최단 거리, 및 상기 최단 이상경로에 있어서의 상기 최적화해야 할 점과 대응하는 경로점의 관절각 벡터에 근거하여 최적화된 관절각 벡터를 산출하기 위한 최적화 벡터 계산모듈과,
    상기 최적화된 관절각 벡터가 현재 씬에 있어서의 장애물 회피요건 및 구조적 구속을 만족하는지 여부를 판정하기 위한 벡터 판정모듈과,
    상기 벡터 판정모듈의 판정결과가 YES이면 상기 최적화해야 할 점의 관절각 벡터를 상기 최적화된 관절각 벡터로 치환하기 위한 벡터 치환모듈과,
    상기 벡터 판정모듈의 판정결과가 NO이면 현재의 최적화해야 할 점을 상기 최적화해야 할 점의 집합으로부터 제거하기 위한 점 제거모듈과,
    기설정된 반복조건이 만족될 때까지, 상기 최적화해야 할 점 결정모듈을 트리거하기 위한 반복 최적화 모듈을 더 포함하는 것을 특징으로 하는 로봇의 운동경로 계획장치.
  8. 제6 항 또는 제7 항에 있어서,
    현재의 계획경로에 있어서의 각 경로점과 현재의 이상경로와의 최단 거리를 각각 계산하기 위한 최단 경로 계산모듈과,
    산출된 각 경로점에 대응하는 최단 거리 가운데, 최대치가 기설정된 거리 한계값 미만이면, 현재의 계획경로와 현재의 이상경로 사이의 오차가 기설정된 범위 내에 있다고 결정하기 위한 제3 결정모듈을 더 포함하는 것을 특징으로 하는 로봇의 운동경로 계획장치.
  9. 메모리와, 프로세서와, 상기 메모리에 기억되어 상기 프로세서에서 실행 가능한 컴퓨터 프로그램을 포함하는 단말기기에 있어서, 상기 컴퓨터 프로그램이 상기 프로세서에 의해 실행되면, 제1 항 내지 제4 항 중 어느 한 항에 따른 로봇의 운동경로 계획방법의 단계가 실현되는 것을 특징으로 하는 단말기기.
  10. 컴퓨터 프로그램을 기억한 컴퓨터 판독 가능한 기억 매체에 있어서, 상기 컴퓨터 프로그램이 프로세서에 의해 실행되면, 제1 항 내지 제4 항 중 어느 한 항에 따른 로봇의 운동경로 계획방법의 단계가 실현되는 것을 특징으로 하는 컴퓨터 판독 가능한 기억 매체.
KR1020180170055A 2017-12-28 2018-12-27 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기 KR102113695B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711462962.9A CN109976148B (zh) 2017-12-28 2017-12-28 机器人运动路径规划方法、装置、存储介质及终端设备
CN201711462962.9 2017-12-28

Publications (2)

Publication Number Publication Date
KR20190080782A KR20190080782A (ko) 2019-07-08
KR102113695B1 true KR102113695B1 (ko) 2020-05-21

Family

ID=64899441

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180170055A KR102113695B1 (ko) 2017-12-28 2018-12-27 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기

Country Status (4)

Country Link
US (1) US10821605B2 (ko)
JP (1) JP6443905B1 (ko)
KR (1) KR102113695B1 (ko)
CN (1) CN109976148B (ko)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6838028B2 (ja) * 2018-10-31 2021-03-03 ファナック株式会社 自動プログラム修正装置および自動プログラム修正方法
CN109773798A (zh) * 2019-03-28 2019-05-21 大连理工大学 一种基于双目视觉的双机械臂协作控制方法
US11179850B2 (en) * 2019-04-24 2021-11-23 Intrinsic Innovation Llc Robot motion planning
CN110347162A (zh) * 2019-07-29 2019-10-18 南京市晨枭软件技术有限公司 一种工业机器人路径自动修正的方法及系统
WO2021026748A1 (zh) * 2019-08-13 2021-02-18 深圳市大疆创新科技有限公司 拍摄检测方法、装置、云台、系统及存储介质
CN110763247A (zh) * 2019-10-21 2020-02-07 上海海事大学 基于可视图和贪心算法结合的机器人路径规划方法
CN111158365B (zh) * 2019-12-31 2023-05-16 深圳优地科技有限公司 一种路径规划方法、装置、机器人及存储介质
CN111752302B (zh) * 2020-02-26 2021-09-10 广州极飞科技股份有限公司 路径规划方法、装置、电子设备和计算机可读存储介质
CN111428919B (zh) * 2020-03-17 2022-07-19 深圳先进技术研究院 路径规划方法、装置、电子设备及存储介质
CN111428928B (zh) * 2020-03-23 2022-08-09 江苏苏宁物流有限公司 路径规划方法、装置、介质及计算机设备
CN111230888A (zh) * 2020-03-23 2020-06-05 江苏科技大学 一种基于rgbd相机的上肢外骨骼机器人避障方法
US11707843B2 (en) 2020-04-03 2023-07-25 Fanuc Corporation Initial reference generation for robot optimization motion planning
CN111582566B (zh) * 2020-04-26 2024-01-26 上海高仙自动化科技发展有限公司 路径规划方法及规划装置、智能机器人及存储介质
CN113713986A (zh) * 2020-05-25 2021-11-30 广东博智林机器人有限公司 喷涂控制方法、装置、设备及存储介质、喷涂装置
CN111750862A (zh) * 2020-06-11 2020-10-09 深圳优地科技有限公司 基于多区域的机器人路径规划方法、机器人及终端设备
CN111649748A (zh) * 2020-06-16 2020-09-11 湖北友系互联科技有限公司 室内导航方法及系统
CN111665853B (zh) * 2020-07-07 2023-03-31 中国人民解放军国防科技大学 一种面向规划控制联合优化的无人车辆运动规划方法
CN111983970B (zh) * 2020-08-10 2022-02-18 上海数设科技有限公司 一种水刀快进线自动避障规划方法
CN112035921B (zh) * 2020-08-25 2021-06-29 中船文化科技(北京)有限公司 一种方舱动线规划方法、装置、电子设备以及存储介质
CN112238456B (zh) * 2020-10-10 2023-03-07 江西洪都航空工业集团有限责任公司 一种基于蚁群算法的料片分拣路径规划方法
CN112631306B (zh) * 2020-12-28 2021-12-14 深圳市普渡科技有限公司 机器人移动路径规划方法、装置及机器人
CN112914601B (zh) * 2021-01-19 2024-04-02 深圳市德力凯医疗设备股份有限公司 一种机械臂的避障方法、装置、存储介质及超声设备
CN112987724B (zh) * 2021-02-04 2023-05-02 京东科技信息技术有限公司 路径优化方法、装置、机器人及存储介质
CN113379342B (zh) * 2021-04-28 2023-07-25 杭州中港科技有限公司 基于最短路径算法优化物联网服务管理系统
CN113263500B (zh) * 2021-05-25 2022-10-21 深圳市优必选科技股份有限公司 一种机器人自主作业方法、装置、机器人及存储介质
CN113222282B (zh) * 2021-05-31 2024-06-18 北京京东乾石科技有限公司 运送路径确定方法和装置、可读存储介质、电子设备
CN113485332A (zh) * 2021-07-01 2021-10-08 深圳优地科技有限公司 一种机器人相逢交互方法、装置、机器人及存储介质
US12007785B2 (en) * 2021-08-31 2024-06-11 Samsung Electronics Co., Ltd. Cleaning robot capable of obtaining map of indoor space and operating method thereof
CN113877836B (zh) * 2021-11-05 2023-05-09 江苏昱博自动化设备有限公司 一种基于视觉检测系统的智能识别分拣系统
CN114594778A (zh) * 2022-03-17 2022-06-07 华侨大学 一种基于二分法和路径融合的全局避障路径规划方法
CN115922688A (zh) * 2022-06-21 2023-04-07 北京小米移动软件有限公司 机械手的操作方法、装置及存储介质
CN115060272B (zh) * 2022-08-08 2022-11-29 农业农村部南京农业机械化研究所 一种无人驾驶联合收获机路径规划方法及系统
CN115933688B (zh) * 2022-12-28 2024-03-29 南京衍构科技有限公司 一种多机器人协同工作避障方法、系统、设备及存储介质
CN116151036B (zh) * 2023-04-17 2023-07-07 中铁九局集团有限公司 一种钢筋自动绑扎的路径规划方法及装置
CN116382099A (zh) * 2023-06-02 2023-07-04 上海数字大脑科技研究院有限公司 一种机器人路径调度规划方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0511843A (ja) * 1991-07-05 1993-01-22 Fujitsu Ltd ロボツトの軌道作成方法
JPH07141016A (ja) * 1993-11-18 1995-06-02 Nissan Motor Co Ltd ロボットの移動経路シミュレーション装置
JPH08141977A (ja) * 1994-11-18 1996-06-04 Nippondenso Co Ltd ロボットの経路点生成装置及びその経路点を利用して駆動制御するロボット
US8234032B2 (en) * 2008-11-10 2012-07-31 Electronics And Telecommunications Research Institute Method and apparatus for generating safe path of mobile robot
JP5361004B2 (ja) * 2010-09-13 2013-12-04 独立行政法人国立高等専門学校機構 円滑経路生成装置および円滑経路生成方法
CN102500498B (zh) * 2011-11-11 2014-06-04 江苏科技大学 非规则多面体上的喷涂机器人喷枪轨迹优化方法
US8700307B1 (en) * 2013-03-04 2014-04-15 Mitsubishi Electric Research Laboratories, Inc. Method for determining trajectories manipulators to avoid obstacles
CN104571113B (zh) 2015-01-20 2017-07-11 新智认知数据服务有限公司 移动机器人的路径规划方法
US9607347B1 (en) * 2015-09-04 2017-03-28 Qiang Li Systems and methods of 3D scanning and robotic application of cosmetics to human
US9968025B2 (en) * 2016-01-14 2018-05-15 CNH Industrial American LLC System and method for generating and implementing an end-of-row turn path
CN105955254B (zh) * 2016-04-25 2019-03-29 广西大学 一种适用于机器人路径搜索的改进的a＊算法
CN105867381B (zh) * 2016-04-25 2019-03-29 广西大学 一种基于概率地图的工业机器人路径搜索优化算法
CN106354161A (zh) * 2016-09-26 2017-01-25 湖南晖龙股份有限公司 机器人运动路径规划方法

Also Published As

Publication number Publication date
JP6443905B1 (ja) 2018-12-26
CN109976148A (zh) 2019-07-05
US10821605B2 (en) 2020-11-03
JP2019119041A (ja) 2019-07-22
US20190202056A1 (en) 2019-07-04
CN109976148B (zh) 2022-02-22
KR20190080782A (ko) 2019-07-08

Similar Documents

Publication Publication Date Title
KR102113695B1 (ko) 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기
US10902349B2 (en) Systems and methods for machine learning using a trusted model
CN101310255B (zh) 用于检测处理系统中的存储器装置的配置的方法和设备
US20140351289A1 (en) Simplification of large networks and graphs
CN109048909B (zh) 枝节式路径调度方法、装置、后台服务端及第一机器人
US20210008716A1 (en) Patrol method using robot and apparatus and robot thereof
US20180024949A1 (en) Method of achieving low write latency in a data storage system
CN105528183A (zh) 一种存储数据的方法及存储设备
CN113467487A (zh) 路径规划模型的训练、路径规划方法、装置及电子设备
KR102213345B1 (ko) 패리티 검사 연접 극 부호의 설계 방법 및 그 장치
CN107133741B (zh) 待办任务处理方法、装置、可读存储介质及电子设备
US11755408B2 (en) Systems for estimating bit error rate (BER) of encoded data using neural networks
US9658938B2 (en) Iterative test generation based on data source analysis
EP3859528A2 (en) Method and apparatus for handling memory failure, electronic device and storage medium
US9495138B1 (en) Scheme for verifying the effects of program optimizations
US20160357627A1 (en) Data error correction from cached error correction information
US20180150379A1 (en) Method and system of verifying software
CN115964984B (zh) 用于数字芯片版图平衡绕线的方法和装置
JP5804047B2 (ja) 演算装置及び演算実行方法
US20190108105A1 (en) Semiconductor system including fault manager
CN116476042A (zh) 基于深度强化学习的机械臂运动学逆解优化方法及装置
US9858144B2 (en) Processor-in-memory-and-storage architecture
US20170269858A1 (en) METHOD AND SYSTEM FOR DATA PROTECTION IN NVMe INTERFACE
CN114090466A (zh) 一种指令处理装置、方法、计算机设备及存储介质
US10416888B2 (en) Parallel processing device, method for controlling parallel processing device, and controller used in parallel processing device

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right