KR20140130055A - 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 무인 운반차를 작동하기 위한 방법 - Google Patents

무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 무인 운반차를 작동하기 위한 방법 Download PDF

Info

Publication number
KR20140130055A
KR20140130055A KR20140051744A KR20140051744A KR20140130055A KR 20140130055 A KR20140130055 A KR 20140130055A KR 20140051744 A KR20140051744 A KR 20140051744A KR 20140051744 A KR20140051744 A KR 20140051744A KR 20140130055 A KR20140130055 A KR 20140130055A
Authority
KR
South Korea
Prior art keywords
vehicle
point
target point
assigned
guided vehicle
Prior art date
Application number
KR20140051744A
Other languages
English (en)
Other versions
KR102210788B1 (ko
Inventor
파트릭 파프
델리우스 다니엘 마이어
슈테판 로이블
Original Assignee
쿠카 레보라토리즈 게엠베하
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 쿠카 레보라토리즈 게엠베하 filed Critical 쿠카 레보라토리즈 게엠베하
Publication of KR20140130055A publication Critical patent/KR20140130055A/ko
Application granted granted Critical
Publication of KR102210788B1 publication Critical patent/KR102210788B1/ko

Links

Images

Classifications

    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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

Landscapes

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

Abstract

본 발명은 무인 운반차 (1), 컴퓨터 (10) 와 무인 운반차 (1) 를 가진 시스템, 무인 운반차 (1) 를 작동하기 위한 방법에 관한 것이다. 상기 무인 운반차 (1) 는 궤도 섹션들 (41-47) 을 따라서 자동적으로 출발점 (SP) 으로부터 목표점 (ZP) 으로 주행해야 한다.

Description

무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 무인 운반차를 작동하기 위한 방법 {AUTOMATED GUIDED VEHICLE, SYSTEM WITH A COMPUTER AND AN AUTOMATED GUIDED VEHICLE, METHOD FOR OPERATING AN AUTOMATED GUIDED VEHICLE}
본 발명은 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 및 무인 운반차를 작동하기 위한 방법에 관한 것이다.
무인 운반차 (영어: Automated Guided Vehicle (AGV)) 는 자신의 드라이브 (drive) 를 가진, 플로어 고정식 (floor-bound) 운반 수단이며, 상기 운반 수단은 자동적으로 제어되고 그리고 비접촉식으로 안내된다. 무인 운반차들은 자동적으로 출발점으로부터 목표점으로 주행한다.
본 발명의 목적은 무인 운반차를 보다 빠르게 그의 출발점으로부터 그의 목표점으로 주행시키기 위한 전제조건들을 만들어내는 것이다.
본 발명의 상기 목적은 환경 (environment) 의 내부에서 무인 운반차를 작동하기 위한 방법으로서, 상기 무인 운반차는 자동적으로 출발점으로부터 목표점으로 주행하도록 셋업되어 있으며, 이때 상기 환경은 중간점들, 및 상기 중간점들과 상기 출발점과 상기 목표점을 연결하는 궤도 섹션들을 포함하고, 상기 방법은 다음과 같은 방법단계들을 구비하는:
a) 상기 환경에게 할당된 그래프 (graph) 를 제공하는 단계로서, 상기 그래프는 상기 중간점들에게 할당된 정점 (vertex) 들, 상기 출발점에게 할당된 출발 정점, 상기 목표점에게 할당된 목표 정점, 및 상기 출발 정점과 상기 목표 정점과 상기 정점들을 연결하는, 상응하는 궤도 섹션들에게 할당된 간선 (edge) 들을 포함하며, 이때 상기 간선들에게는 각각, 특정 시간에 상기 상응하는 궤도 섹션이 주행 가능한 지의 여부에 관한 통과 가능성에 관한 정보, 및 상기 상응하는 주행 가능한 궤도 섹션을 주행하여 통과하기 위해 상기 무인 운반차가 필요로 하는 주행시간에 관한 정보가 할당되어 있는, 상기 환경에게 할당된 그래프를 제공하는 단계,
b) 상기 간선들에게 할당된 상기 정보들 및 상기 출발점에서의 현재 시점을 기초로 하여, 어느 궤도 섹션들을 따라야 상기 무인 운반차에게 상기 목표점으로의 가능한 한 가장 빠른 자동적인 주행이 허용되는 지 전략 (strategy) 을 계산하는 단계로서, 이때 상기 전략은 상응하는 중간점들 및 상기 목표점에서의 예상된 잠재적 도착시간들에 관한 정보를 포함하는, 전략을 계산하는 단계,
c) 상기 전략을 기초로 하여, 상응하는 궤도 섹션을 따라서 상기 출발점으로부터 상응하는, 상기 출발점에 이웃한 중간점으로 상기 무인 운반차가 자동적으로 주행하는 단계,
d) 상기 출발점에 이웃한 상기 중간점에서의 현재 도착시간을 기초로 하여 그리고 상기 전략을 기초로 하여, 상응하는 궤도 섹션을 따라서 상기 상응하는 궤도 섹션을 따른 다음 중간점으로 상기 무인 운반차가 자동적으로 주행하는 단계,
e) 상기 다음 중간점에서의 현재 도착시간을 기초로 하여 그리고 상기 전략을 기초로 하여, 상기 다음 중간점에 뒤따르는 중간점으로 상기 무인 운반차가 자동적으로 주행하는 단계, 그리고
f) 상기 단계들 d) 와 e) 를 상기 무인 운반차가 상기 목표점에 도착할 때까지 반복하는 단계,
무인 운반차를 작동하기 위한 방법을 통해 달성된다.
상기 무인 운반차는 예컨대 원하는 궤도 섹션들 또는 중간점들을 자신이 검출할 수 있다. 이에 따르면, 본 발명의 그 밖의 양상은 무인 운반차에 관한 것이며, 상기 무인 운반차는 차량 기본 몸체, 상기 차량 기본 몸체에 대해 상대적으로 회전 가능하게 설치된, 상기 무인 운반차를 움직이기 위한 다수의 바퀴, 상기 바퀴들 중 적어도 하나와 커플링된, 상기 상응하는 바퀴를 구동시키기 위한 적어도 하나의 드라이브, 및 상기 적어도 하나의 드라이브와 커플링된 제어장치 (control device) 를 구비하며, 이때 상기 무인 운반차는, 그의 제어장치를 통해 제어되어 자동적으로 환경의 내부에서 출발점으로부터 목표점으로 주행하도록 셋업되어 있고, 이때 상기 환경은 중간점들, 및 상기 중간점들과 상기 출발점과 상기 목표점을 연결하는 궤도 섹션들을 포함하며 그리고 상기 제어장치는 본 발명에 따른 상기 방법에 따라 전략을 계산하도록 셋업되어 있고, 상기 전략에 따라 상기 무인 운반차는 상기 출발점으로부터 상기 목표점으로 자동적으로 주행한다.
원하는 궤도 섹션들 또는 중간점들은 예컨대 외부 컴퓨터에 의해 검출될 수 있다. 그러므로, 본 발명의 그 밖의 양상은 시스템에 관한 것이며, 상기 시스템은
- 무인 운반차를 구비하며, 상기 무인 운반차는 차량 기본 몸체, 상기 차량 기본 몸체에 대해 상대적으로 회전 가능하게 설치된, 상기 무인 운반차를 움직이기 위한 다수의 바퀴, 상기 바퀴들 중 적어도 하나와 커플링된, 상기 상응하는 바퀴를 구동시키기 위한 적어도 하나의 드라이브, 및 상기 적어도 하나의 드라이브와 커플링된 제어장치를 구비하고, 이때 상기 무인 운반차는, 그의 제어장치를 통해 제어되어 자동적으로 환경의 내부에서 출발점으로부터 목표점으로 주행하도록 셋업되어 있으며, 이때 상기 환경은 중간점들, 및 상기 중간점들과 상기 출발점과 상기 목표점을 연결하는 궤도 섹션들을 포함하고, 그리고
- 상기 시스템은 컴퓨터를 구비하며, 상기 컴퓨터는 상기 무인 운반차가 상기 출발점으로부터 상기 목표점으로 자동적으로 주행하도록 본 발명에 따른 상기 방법에 따라 전략을 계산하도록 셋업되어 있고, 그리고 상기 컴퓨터는 특히 무선으로 상기 전략에 관한 표시를 상기 무인 운반차에게 전달하도록 셋업되어 있다.
상기 무인 운반차는 예컨대 이동 로봇 (mobile robot) 이다. 이동 로봇으로서 설계된 상기 무인 운반차는 잇달아 배치된 다수의 부재를 가진 로봇암 (robot arm) 을 포함할 수 있으며, 상기 부재들은 관절들을 이용해 연결되어 있다. 상기 로봇암은 예컨대 상기 차량 기본 몸체에 고정되어 있을 수 있다. 상기 바퀴들을 움직이기 위한 상기 제어장치는 상기 로봇암을 움직이도록 셋업되어 있을 수도 있다.
상기 무인 운반차는 바람직하게는 홀로노믹 (holonomic) 또는 전방향 (omnidirectional) 무인 운반차로서 형성되어 있을 수 있다. 이 경우, 상기 무인 운반차는 상기 제어장치에 의해 제어되는 전방향 바퀴들, 바람직하게는 이른바 메카넘 바퀴 (Mecanum wheel) 들을 포함한다.
본 발명에 따르면, 상기 무인 운반차는 상기 환경, 예컨대 넓은 방의 내부에서 자동적으로 상기 출발점으로부터 상기 목표점으로 주행해야 한다. 상기 환경은 상기 출발점과 상기 목표점 이외에 중간점들을 포함하며, 상기 중간점들은 궤도 섹션들을 통해 연결되어 있다. 자동적인 주행 동안 상기 무인 운반차는 상기 출발점으로부터 하나 또는 다수의 중간점을 거쳐서 그리고 상응하는 궤도 섹션들을 따라서 상기 목표점으로 움직인다.
본 발명에 따르면, 상기 그래프의 정점들은 상기 환경의 중간점들에게 할당되어 있으며, 출발 정점은 상기 출발점에게 할당되어 있고 그리고 목표 정점은 상기 목표점에게 할당되어 있다. 상기 그래프의 간선들은 또 한편으로는 개별적인 궤도 섹션들에게 할당되어 있으며, 그리고 각각 상기 개별적인 궤도 섹션들의 시간적인 통과 가능성에 관한 정보, 즉 특정 시간에 상기 상응하는 궤도 섹션이 주행 가능한 지의 여부에 관한 정보를 포함한다. 이 이외에, 각각의 간선은 상기 상응하는 주행 가능한 궤도 섹션을 주행하여 통과하기 위해 상기 무인 운반차가 필요로 하는 주행시간에 관한 정보를 포함한다. 이 정보들을 근거로 전략이 계산된다. 그 후, 상기 무인 운반차는 자동적으로 상기 상응하는 궤도 섹션들을 따라서 상기 출발점으로부터 상기 목표점으로 주행할 수 있다.
자동적으로 상기 출발점으로부터 상기 목표점으로 주행하기 위해, 주행 전에 우선 전략이 계산되며, 상기 전략을 근거로 상기 무인 운반차는 자동적으로 상기 출발점으로부터 상기 목표점으로 주행한다. 상기 전략은 상기 출발 정점에서의 현재 시점에 기초를 두고 있고 그리고 상기 간선들에게 할당된 상기 정보들을 고려한다. 그러므로, 여러 가지 중간점들에서의 여러 가지 잠재적 또는 예상된 도착시간들을 위해 그리고 상응하는 중간점들에서의 실제의 도착시간들을 기초로 하여, 자동적으로 다음 중간점이 결정되고 그리고 자동적으로 그를 향하여 주행될 수 있으며, 상기 중간점은 현재 시점에서 상기 무인 운반차의 가능한 한 가장 빠른 주행을 허용한다.
본 발명에 따른 상기 방법의 실시형태에 따르면, 상기 무인 운반차는, 특히 상기 무인 운반차의 제어장치를 통해 제어되어, 상기 환경의 가상 지도를 기초로 하여 궤도 섹션들을 따라서 주행한다. 상기 가상 지도는 예컨대 상기 무인 운반차의 상기 제어장치 안에 저장되어 있으며 그리고 상기 환경을 묘사한다. 예컨대 상기 무인 운반차의 센서들을 이용해, 상기 무인 운반차는, 상기 가상 지도를 근거로 상기 환경 안에서의 그의 위치를 결정하기 위해 주행 동안 상기 환경을 감지할 수 있다.
본 발명에 따른 상기 방법의 바람직한 실시형태에 따르면, 상기 무인 운반차의 자동적인 주행 동안 현재 시점에서의 상응하는 중간점들 중 하나에서 그리고 상기 간선들에게 할당된 상기 정보들을 기초로 하여, 어느 궤도 섹션들을 따라야 상기 무인 운반차에게 현재 중간점으로부터 상기 목표점으로의 가능한 한 가장 빠른 자동적인 주행이 허용되는 지 업데이트된 전략이 계산되며, 이때 상기 업데이트된 전략은 상기 상응하는 중간점들과 상기 목표점에서의 예상된 잠재적 도착시간들에 관한 정보를 포함한다. 이에 따라, 상기 업데이트된 전략을 기초로 하여 상기 무인 운반차는 상기 목표점으로 자동적으로 주행한다. 상기 업데이트된 전략은 바람직하게는 상기 무인 운반차 자체에 의해 계산된다. 하지만 상기 업데이트된 전략이 상기 컴퓨터에 의해 계산되는 것도 제공되어 있을 수 있다. 상기 업데이트된 전략의 계산을 위해, 거의 상기 현재 중간 정점이 새로운 출발 정점으로서 사용된다. 본 발명에 따르면, 상기 간선들은 통과 가능성, 즉 특정 시간에 상기 상응하는 궤도 섹션이 주행 가능한 지의 여부, 즉 특히 하루의 어느 시간들에 상기 상응하는 궤도 섹션이 주행 가능한 지의 여부에 관한 정보를 포함한다. 상기 무인 운반차의 주행 동안 시간이 경과하기 때문에, 상기 주행 동안 다른 궤도 섹션들이 본래의 전략에게 할당된 궤도 섹션들보다 상기 목표점으로의 보다 짧은 주행시간을 허용하는 것이 가능할 수 있다. 상기 주행 동안의 업데이트된 전략의 검출을 근거로, 이 변형에 따르면 경우에 따라서는 상기 무인 운반차의 짧아진 주행시간이 달성될 수 있다.
궤도 섹션들의 통과 가능성 및/또는 상응하는 주행시간들에 관한 정보들은 예컨대 경험적으로 및/또는 학습 단계 (learning phase) 의 범위에서 검출될 수 있다. 특히, 상응하는 궤도 섹션의 통과 가능성 및/또는 상응하는 주행시간들에 관한 정보들은 상기 무인 운반차의 자동적인 주행 동안 자동적으로 업데이트될 수 있다.
본 발명에 따른 상기 방법의 바람직한 변형에 따르면, 특정 시간에 상기 사응하는 궤도 섹션이 주행 가능한 지의 여부에 관한 각각의 정보는 특정 시점들에서의 상기 상응하는 궤도 섹션의 통과 가능성을 기술하는 확률과정 (stochastic process) 으로서 실행되어 있다. 상응하는 주행시간들에 관한 정보들은 바람직하게는 각각 통과 가능한 궤도 섹션에 있어서 상기 무인 운반차가 아마 필요로 하는 주행시간을 모델화하는 확률분포 (probability distribution) 로서 실행되어 있다. 이 확률분포 또는 확률과정을 이용해 수학적으로 비교적 간단한 방식으로 상기 출발점으로부터 상기 목표점으로의 가장 짧은 주행시간이 계산 또는 추정될 수 있다.
바람직하게는, 개별적인 궤도 섹션들을 위해 예상될 수 있는 주행시간들이 계산될 수 있으며, 상기 주행시간들은 다음 중간점에서의 도착시간들의 확률분포 P ( Y t ) 로서 다음과 같은 공식에 따라 계산될 수 있고:
Figure pat00001
여기서 P ( X t ) 는 상응하는 간선에게 할당된 궤도 섹션의 통과 가능성의 확률분포이며 P ( Y t ｜ X t ) 는 상기 통과 가능성에 따른 상기 상응하는 간선에게 할당된 상기 궤도 섹션의 도착시간의 조건부 확률 (conditional probability) 이다.
본 발명의 실시예는 첨부된 개략적인 도면들에 예시적으로 도시되어 있다.
도 1 은 무인 운반차의 평면도,
도 2 는 상기 무인 운반차의 측면도,
도 3 은 상기 무인 운반차의 환경,
도 4 는 가상 지도 및 그래프, 그리고
도 5 는 상기 그래프를 나타낸다.
도 1 은 무인 운반차 (1) 를 평면도로 개략적으로 나타내며, 도 2 는 무인 운반차 (1) 의 측면도를 나타낸다.
무인 운반차 (1) 는 바람직하게는 모든 방향으로 자유로이 움직일 수 있도록 형성되어 있다. 무인 운반차 (1) 는 특히 전방향으로 움직일 수 있는 또는 홀로노믹 무인 운반차로서 형성되어 있다. 무인 운반차 (1) 는 잇달아 배치된 다수의 부재 (22) 를 가진 로봇암 (21) 을 포함하는 이동 로봇일 수 있으며, 상기 부재들은 관절 (23) 들을 이용해 연결되어 있다. 로봇암 (21) 은 특히 예컨대 플랜지 (24) 형태의 고정 장치를 포함하며, 상기 플랜지에는, 상세히 도시되어 있지 않은 엔드 이펙터 (end effector) 가 고정될 수 있다.
본 실시예의 경우, 무인 운반차 (1) 는 차량 기본 몸체 (2) 와 다수의 전방향 바퀴 (3) 를 구비하며, 상기 바퀴들은 메카넘 바퀴들이라고도 불리운다. 이러한 바퀴들은 예컨대 회전 가능하게 설치된 바퀴테를 포함하며, 상기 바퀴테에는 다수의 롤링바디 (rolling body) 가 드라이브 없이 설치되어 있다. 상기 바퀴테는 드라이브를 가지고 구동될 수 있다. 본 실시예의 경우 바퀴 (3) 들은 각각 하나의 전기 드라이브 (4) 를 가지고 구동된다. 그들은 바람직하게는 조절된 전기 드라이브들이다.
무인 운반차 (1) 는 게다가 차량 기본 몸체 (2) 에 배치된 제어장치 (5) 를 구비하며, 상기 제어장치는 드라이브 (4) 들과 연결되어 있다. 경우에 따라서는 상기 제어장치는 로봇암 (21), 존재한다면, 의 운동도 제어할 수 있다.
무인 운반차 (1) 는 도 3 에 도시된 환경 (U) 안에서 자동적으로 움직이기로 되어 있으며, 특히 자동적으로 출발점 (SP) 으로부터 목표점 (ZP) 으로 주행하기로 되어 있다. 이를 위해 제어장치 (5) 에서는 전산 프로그램이 진행되며, 상기 전산 프로그램은, 드라이브 (4) 들이 자동적으로 무인 운반차 (1) 를 출발점 (SP) 으로부터 목표점 (ZP) 으로 움직이도록 상기 드라이브들을 제어한다.
본 실시예의 경우, 출발점 (SP) 과 목표점 (ZP) 뿐만 아니라 다수의 중간점이 환경 (U) 에게 할당되어 있다. 본 실시예의 경우, 상기 중간점들은 제 1 중간점 (31), 제 2 중간점 (32), 제 3 중간점 (33), 제 4 중간점 (34) 및 제 5 중간점 (35) 이다.
중간점들 (31-35) 은 궤도 섹션들을 통해 연결되어 있으며, 상기 궤도 섹션들 위에서 무인 운반차 (1) 는 경우에 따라서는 2개의 중간점 사이에서 주행할 수 있다. 도 3 은 출발점 (SP) 과 제 1 중간점 (31) 을 연결하는 제 1 궤도 섹션 (41), 제 1 중간점 (31) 과 목표점 (ZP) 을 연결하는 제 2 궤도 섹션 (42), 제 1 중간점 (31) 과 제 2 중간점 (32) 을 연결하는 제 3 궤도 섹션 (43), 제 2 중간점 (32) 과 제 3 중간점 (33) 을 연결하는 제 4 궤도 섹션 (44), 제 3 중간점 (33) 과 목표점 (ZP) 을 연결하는 제 5 궤도 섹션 (45), 목표점 (ZP) 과 제 4 중간점 (34) 을 연결하는 제 6 궤도 섹션 (46), 및 출발점 (SP) 과 제 5 중간점 (35) 을 연결하는 제 7 궤도 섹션 (47) 을 나타낸다.
무인 운반차 (1) 는 게다가 제어장치 (5) 와 연결된 그리고 예컨대 차량 기본 몸체 (2) 에 배치된 적어도 하나의 센서 (6) 를 포함한다. 센서 (6) 또는 센서들은 예컨대 적어도 하나의 레이저 스캐너 및/또는 적어도 하나의 카메라를 포함하며, 그리고 무인 운반차 (1) 의 환경 (U) 을 상기 무인 운반차의 자동적인 주행 동안 검출 또는 감지하기로 되어 있고 또는 무인 운반차 (1) 의 환경 (U) 의 영상들을 만들어내기로 되어 있다. 제어장치 (5) 는 또 한편으로는 센서 (6) 들에서 유래하는 신호들 또는 데이터를 예컨대 영상 데이터 처리를 이용해 처리하도록 또는 평가하도록 셋업되어 있다. 적어도 하나의 센서 (6) 는 예컨대 2D 레이저 스캐너, 3D 레이저 스캐너, RGBD 카메라 및/또는 TOF 카메라를 포함한다. TOF 카메라들은 비행시간법을 가지고 거리를 측정하는 3D 카메라 시스템들이다.
이미 설명한 바와 같이, 본 실시예의 경우 무인 운반차 (1) 는 환경 (U) 의 내부에서 자동적으로 출발점 (SP) 으로부터 목표점 (ZP) 으로 주행하도록 셋업되어 있다. 이를 위해, 본 실시예의 경우 예컨대 제어장치 (5) 안에는 도 4 에 도시된 가상 지도 (40) 또는 환경 (U) 의 디지털 지도가 저장되어 있고, 상기 환경 안에서 무인 운반차 (1) 가 움직여야 한다. 환경 (U) 은 예컨대 넓은 방이다. 가상 지도 (40) 는 예컨대 이른바 SLAM 방법을 통해 예컨대 센서 (6) 들의 신호들 또는 데이터를 기초로 하여 및/또는 상세히 도시되어 있지 않은, 바퀴 (3) 들에게 할당된 바퀴센서들을 근거로 작성된다. 가상 지도 (40) 는 예컨대 무인 운반차 (1) 의 메모리 (7) 안에 저장되어 있으며, 상기 메모리는 제어장치 (5) 와 커플링되어 있다. 가상 지도 (40) 는 예컨대 디스플레이 장치 (8) 를 이용해 나타내질 수 있다. 그러므로, 무인 운반차 (1) 에게는, 환경 (U) 의 어느 궤도 섹션들을 따라서 그가 자동적으로 목표점 (ZP) 으로 주행해야 하는 지가 그에게 알려지자마자 자동적으로 목표점 (ZP) 으로 움직이는 것이 가능하다.
본 실시예의 경우, 주행되어야 하는 궤도 섹션들은 도 4 및 도 5 에 도시된 그래프 (G) 의 도움으로 검출된다. 특히, 궤도 섹션들은, 무엇보다도 궤도 섹션들 중 적어도 하나가 지속적으로 주행 가능하지 않음으로써 그리고 환경 (U) 의 특정 궤도 섹션을 주행하여 통과하기 위해 무인 운반차 (1) 가 필요로 하는 시간이 변할 수 있음으로써 변할 수 있는, 어쩌면 변하는 환경 (U) 을 근거로 검출된다. 이 계획을 예컨대 무인 운반차 (1) 자체가 실행하며, 예컨대 그의 제어장치 (5) 를 이용해, 구체적으로는 그의 제어장치 (5) 에서 진행되는 전산 프로그램을 이용해 실행한다. 상기 계획은 예컨대 외부 컴퓨터 (10) 를 이용해, 구체적으로는 컴퓨터 (10) 에서 진행되는 전산 프로그램을 이용해 실행될 수도 있으며, 이때 컴퓨터 (10) 는 상기 계획의 결과를 제어 컴퓨터 (5) 에게 바람직하게는 무선으로 전달한다. 도 4 에 도시되어 있는 바와 같이, 그래프 (G) 는 예컨대 가상 지도 (40) 와 함께 디스플레이 장치 (8) 상에 나타내질 수 있다.
그래프 (G) 는 다수의 정점, 및 상기 정점들을 연결하는 간선들을 포함한다. 그래프 (G) 는 특히 출발 정점 (s), 목표 정점 (z), 제 1 정점 (k1), 제 2 정점 (k2), 제 3 정점 (k3), 제 4 정점 (k4) 및 제 5 정점 (k5) 을 포함한다. 그래프 (G) 는 특히 제 1 간선 (51), 제 2 간선 (52), 제 3 간선 (53), 제 4 간선 (54), 제 5 간선 (55), 제 6 간선 (56) 및 제 7 간선 (57) 을 포함한다. 본 실시예의 경우, 제 1 간선 (51) 은 출발 정점 (s) 과 제 1 정점 (k1) 을 연결하며, 제 2 간선 (52) 은 제 1 정점 (k1) 과 목표 정점 (z) 을 연결하고, 제 3 간선 (53) 은 제 1 정점 (k1) 과 제 2 정점 (k2) 을 연결하며, 제 4 간선 (54) 은 제 2 정점 (k2) 과 제 3 정점 (k3) 을 연결하고, 제 5 간선 (55) 은 제 3 정점 (k3) 과 목표 정점 (z) 을 연결하며, 제 6 간선 (56) 은 목표 정점 (z) 과 제 4 정점 (k4) 을 연결하고, 제 7 간선 (57) 은 출발 정점 (s) 과 제 5 정점 (k5) 을 연결한다.
본 실시예의 경우, 환경 (U) 안의 출발점 (SP) 에게 그래프 (G) 의 출발 정점 (s) 이 할당되어 있으며, 목표점 (ZP) 은 목표 정점 (z) 에게 할당되어 있다. 이 이외에, 환경 (U) 의 중간점들 (31-35) 은 그래프 (G) 의 정점들 (k1-k5) 에게 할당되어 있으며, 궤도 섹션들 (41-47) 은 간선들 (51-57) 에게 할당되어 있다. 특히, 환경 (U) 의 제 1 중간점 (31) 은 그래프 (G) 의 제 1 정점 (k1) 에게 할당되어 있으며, 환경 (U) 의 제 2 중간점 (32) 은 그래프 (G) 의 제 2 정점 (k2) 에게 할당되어 있고, 환경 (U) 의 제 3 중간점 (33) 은 그래프 (G) 의 제 3 정점 (k3) 에게 할당되어 있으며, 환경 (U) 의 제 4 중간점 (34) 은 그래프 (G) 의 제 4 정점 (k4) 에게 할당되어 있고, 환경 (U) 의 제 5 중간점 (35) 은 그래프 (G) 의 제 5 정점 (k5) 에게 할당되어 있다. 특히, 제 1 궤도 섹션 (41) 은 제 1 간선 (51) 에게 할당되어 있으며, 제 2 궤도 섹션 (42) 은 제 2 간선 (52) 에게 할당되어 있고, 제 3 궤도 섹션 (43) 은 제 3 간선 (53) 에게 할당되어 있으며, 제 4 궤도 섹션 (44) 은 제 4 간선 (54) 에게 할당되어 있고, 제 5 궤도 섹션 (45) 은 제 5 간선 (55) 에게 할당되어 있으며, 제 6 궤도 섹션 (46) 은 제 6 간선 (56) 에게 할당되어 있고, 제 7 궤도 섹션 (47) 은 제 7 간선 (57) 에게 할당되어 있다.
그래프 (G) 는 특히 방향 그래프 (G) 이며, 그 때문에 간선들 (51-57) 은 화살표들로서 도 4 및 도 5 에 도시되어 있다. 그래프 (G) 는 다음과 같은 방정식을 통해 수학적으로 기술될 수 있으며:
G = <V, E>,
여기서 V 는 정점들 (s, z, k1-k5) 의 유한 집합이고, E 와 E ⊆ V x V 는 간선들 (51-57) 의 집합이다.
본 실시예의 경우, 각각의 개별적인 간선 (41-47) 에게는 각각 그에게 할당된 궤도 섹션 (51-57) 에 관한 정보가 할당되어 있다.
본 실시예의 경우, 상응하는 궤도 섹션들 (51-57) 에 관한 정보는 상응하는 간선 (51-57) 또는 상응하는 궤도 섹션 (41-47) 의 통과 가능성을 포함하며, 즉 무인 운반차 (1) 가 특정 시간에 상기 상응하는 궤도 섹션을 주행할 수 있는 지의 여부에 관한 정보, 및 상기 상응하는 주행 가능한 궤도 섹션을 주행하여 통과하기 위해 무인 운반차 (1) 가 필요로 하는 주행시간에 관한 정보를 포함한다.
본 실시예의 경우, 간선들 (51-57) 각각에게는, 특정 시점들에서의 상응하는 궤도 섹션 (41-47) 의 통과 가능성을 기술하는 확률과정, 및 통과 가능한 궤도 섹션 (41-47) 에 있어서 무인 운반차 (1) 가 아마 필요로 하는 주행시간을 모델화하는 확률분포가 할당되어 있다.
주행되어야 하는 궤도 섹션들의 계획은 그래프 (G) 를 이용해 실행된다. 상기 계획의 범위에서, 어느 궤도 섹션들 (41-47) 을 따라야 목표점 (ZP) 으로의 가능한 한 가장 빠른 자동적인 주행이 무인 운반차 (1) 에게 허용되는 지 전략이 계산된다. 상기 전략은 상응하는 중간점들 (31-35) 과 목표점 (ZP) 에서의 예상된 잠재적 도착시간들에 관한 정보를 포함한다. 상기 계획은 무인 운반차 (1) 의 주행 동안 상기 무인 운반차 (1) 가 그의 주행시 통과하는 중간점들 (31-35) 중 적어도 하나에서 반복될 수 있으며, 이때 그러면 이 중간점은 업데이트된 계획을 위한 새로운 출발점이다. 상기 반복된 계획에 있어서, 업데이트된 전략이 계산되며, 상기 업데이트된 전략에 따라 무인 운반차 (1) 는 자동적으로 현재 중간점으로부터 목표점 (ZP) 으로 주행한다.
주행되어야 하는 궤도 섹션의 계획은 바람직하게는 마르코프 결정 문제 (Markov decision problem) 로 간주될 수 있으며, 여기서
S = {( i,t )｜ i ∈ V , t ∈ N 0 } 는
출발점 (SP) 에게, 중간점들 (31-35) 에게 그리고 목표점 (ZP) 에게 또는 출발 정점 (s) 에게, 목표 정점 (z) 에게 그리고 중간 정점들 (k1-k5) 에게 그리고 상응하는 중간점들 (31-35) 또는 목표점 (ZP) 에서의 도착시간 t 에게 할당되어 있는 상태공간 (state space) 이다.
A ( i , t ) = N G ( i ) 는 각각의 상태 ( i , t )∈ S 를 위한 행동공간이며, 여기서 N G ( i ) 는 모든 이웃한 정점들 (i), 즉 그래프 (G) 안에 할당되어 있는 정점들 (k1-k5) 과 출발 정점 (s) 과 목표 정점 (z) 의 집합이다.
P (( j , t′ )｜( i , j ), j ) 는 무인 운반차 (1) 가 시점 t 에서 i 번째 중간점에서 출발한 경우 상기 무인 운반차가 시점 t′에서 j 번째 중간점에 도착하는 확룔에 할당되어 있는 통과 모델 또는 통과 확률이다. 이 확률은 상응하는 간선들 ( i , j ) (간선들 51-57) 에게 할당된 궤도 섹션들 (41-47) 의 통과 가능성, 및 통과 가능한 궤도 섹션에 있어서 무인 운반차 (1) 가 아마 필요로 하는 주행시간을 모델화하는 확률분포에 좌우된다. 본 마르코프 결정 문제는 특히 이른바 레프트-라이트 모델 (left-right model) 인데, 왜냐하면 할당된 도착시간들이 현재 상태의 도착시간보다 작거나 또는 같을 수 있는 상태들로의 전이가 가능하지 않기 때문이다.
c : S x S → N 0 ∪{∞} 을 가지고 중간 비용함수가 표현되며, 상기 비용함수는 한 상태로부터 다음 상태로, 즉 한 중간점으로부터 다음 중간점으로 주행하기 위해 무인 운반차 (1) 가 필요로 하는 시간에게 할당되어 있다. 상응하는 통과확률이 영 (zero) 이면, 상기 비용함수는“무한한”으로 설정된다.
주어져 있는 목표 정점 z ( z ∈ G ) 에 있어서 최적의 전략 π * 가 계산될 수 있으며, 상기 전략은 각각의 상태 s 를 위한 목표점 (ZP) 에서의 예상된 도착시간을 최소화한다. 상태 ( i , t ) ∈ S 를 위한 예상된 최소 도착시간 C* ( i , t ) 는 다음과 같은 방정식 (방정식 Nr. 1) 을 통해 계산될 수 있다:
Figure pat00002
목표 정점 (z) 에게 할당된 목표 상태 ( z , t ) 는 특히 t 를 가지고 초기화되며, 즉 C *( z , t ) = t .
특히 도착시간의 비교적 효율적인 계산을 바람직하게는 역학적 계산을 이용해 얻기 위해, 본 실시예의 경우 시점 t m 이 존재한다는 것이 이용되며, 따라서 모든 t ∈ N 0 를 위해 C *( i , t m + t ) = C *( i , t m ) + t . 이는 모든 시간단계 (time step) 들을 위해, 목표점 (ZP) 에 도달하기 위해 필요해지는 시간이 t m 보다 크며, 현재의 시점에 좌우되지 않는다는 것을 의미한다.
X t 는 시점 t 에서의 특정 간선 (51-57) 또는 그의 할당된 궤도 섹션 (41-47) 의 통과 가능성을 기술하는 우연 변수이며, 여기서
Figure pat00003
본 실시예의 경우, 개별적인 시점들을 위한 이 확률은 경험적으로 검출되었다. 하지만 이 확률이, 무인 운반차 (1) 가 예컨대 학습 단계 동안 자동적으로 환경을 통해 주행하고 그리고 이때 개별적인 시점들을 위해 언제 어느 궤도 섹션이 통과 가능한 지를 저장함으로써 자동적으로 상기 무인 운반차를 이용해 검출되는 것도 가능하다. 이 학습 단계는 예컨대 앞서 말한 확률의 표시를 개선하기 위해, 작동이 진행되는 동안 적어도 부분적으로 수행될 수 있다. 상기 학습 단계는 작동이 진행되는 동안 완전히 수행될 수 있다.
본 실시예의 경우, 특정 간선 또는 그의 할당된 궤도 섹션의 통과 확률은 나머지 간선들 또는 그들의 할당된 궤도 섹션들의 통과 확률과 상관없다라고 가정된다. 이 이외에, 본 실시예의 경우 통과 행렬
Figure pat00004
를 가진
1차의 동질 (homogeneous) 마르코프 과정 (Markov process) 이라고 가정된다.
t 가 “무한한”을 향하여 가면, X t 는 정상분포 (stationary distribution) 에 근사화된다. 이 근사화를 위한 시간은 혼합시간이라고 불리운다. 전체 그래프 (G) 를 위한 혼합시간은 다음과 같고:
Figure pat00005
, 여기서
Figure pat00006
는 각각의 간선 (51-57) 을 위한 혼합시간이다.
본 실시예의 경우, 상응하는 궤도 섹션들 (41-47) 을 통한, 간선들 (41-47) 에게 할당된 예상될 수 있는 주행시간들은 확률과정 Y t 로서 모델화되며, 상기 확률과정은 무인 운반차 (1) 가 특정 시점에서 다음 중간점에 도달하는 확률을 표현한다. 특히, P ( Y t = t′ ) 는 무인 운반차 (1) 가 시점 t 에서 i 번째 중간점 (상기 중간점은 출발점 (SP) 일 수도 있다) 에서 출발한 경우 상기 무인 운반차가 시점 t′에서 j 번째 중간점에 도착하는 확률이다. 도착시간의 확률분포 P ( Y t ) 는 다음과 같이 계산될 수 있고:
Figure pat00007
여기서 P ( X t ) 는 상응하는 간선에게 할당된 궤도 섹션의 통과 가능성의 확률분포이며 P ( Y t ｜ X t ) 는 상기 통과 가능성에 따른 상기 상응하는 간선에게 할당된 상기 궤도 섹션의 도착시간의 조건부 확률이다. 본 실시예의 경우 Y t - t 는 상기 궤도 섹션에게 할당된 주행시간이다.
상기 상응하는 궤도 섹션이 주행 가능할 경우, 주행시간은 시간 종속적이다. 본 실시예의 경우, 조건부 도착시간을 계산하기 위해 베타 분포의 이른바 이산적인 근사화가 사용되며, 즉 P ( Y t ｜ X t = 0)∼ Beta ( α,β ; a + t , b + 1).
궤도 섹션이 주행 가능하지 않을 경우, 본 실시예의 경우 도착시간들의 분포는:
Figure pat00008
로서 계산된다.
본 실시예의 경우, 다음 정점에게 할당된 중간점에 도달될 수 있기 전에 간선 또는 그의 궤도 섹션의 상기 상태가 변해야 한다라고 가정된다. 시점 t 에서의 한 간선에게 할당된 예상된 도착시간은
Figure pat00009
이 되도록 발생되며,
여기서 E [ Y t ｜ X t = 0] 은 이 간선이 통과 가능하면, 한 간선에게 할당된 예상된 도착시간이고
Figure pat00010
은 뒤따르는 간선 또는 뒤따르는 궤도 섹션이 다시 통과 가능할 때까지 무인 운반차 (1) 가 한 정점 또는 중간점에서 아마 기다려야 하는 예상된 시간단계들이고 또는 시간이다.
그러므로, 한 간선에게 할당된 도착시간의 확률분포는
Figure pat00011
로서 발생한다.
상태들 ( i , t ) ∈ S 각각을 위한 예상된 최소 도착시간 C *( i , t ) 을 얻기 위해, 본 실시예의 경우 시점 t m 에서의 각각의 상태를 위한 예상된 최소 도착시간 C *( i , t m ) 은 다음과 같은 공식을 이용해 계산된다:
Figure pat00012
이 공식은 상기 방정식 Nr. 1 의 사용을 통해 얻어진다. 변형을 통해 발생한다:
Figure pat00013
이미 위에서 기술한 바와 같이, 목표점 (ZP), 즉 목표 정점 (z) 에게 z : C *( i , t m ) = t m 이 적용된다. 예컨대 전문가에게 원칙적으로 알려진 다이크스트라 알고리즘을 이용해, 본 실시예의 경우 각각의 간선 (51-57) 의 비용함수를 위해 시점 t m 에서의 예상된 주행시간
Figure pat00014
이 이용됨으로써, 시점 t m 에서의 모든 중간 정점들 (k1-k5) 을 위한 목표점 (ZP) 에서의 예상할 수 있는 도착시간이 계산될 수 있다.
시점 t=t m 에서의 예상된 도착시간이 이미 계산되었다라는 가정하에, t<t m 을 위한 예상된 도착시간들은 상기 방정식 Nr. 1 에 따라 예컨대 반복 (iteration) 을 통해 시점 t m -1 과 함께 시작하며 계산될 수 있다.
특히, S 안의 각각의 상태 (i,t) 에 대해, 이미 계산되었던 또는 C *( i , t m+1 ) = C *( i , t m ) + t 에 따라 계산될 수 있는 예상된 도착시간들만 t 보다 큰 시간단계들을 위해 필요해진다.
상기 방정식 Nr. 1 의 값은 예컨대 다음과 같은 방정식에 따라 계산될 수 있으며:
Figure pat00015
여기서 시간단계 T 는 t m 과 t*+1 사이의 최대치이며, 여기서 t* 은
Figure pat00016
과 관련된 가장 큰 값이다.
가수 A 를 위해 최소 예상 도착시간들이 이미 계산되었다. 가수 B 는 다음과 같은 방정식을 통해 계산될 수 있다:
Figure pat00017

Claims (9)

  1. 환경 (U) 의 내부에서 무인 운반차 (1) 를 작동하기 위한 방법으로서, 상기 무인 운반차는 자동적으로 출발점 (SP) 으로부터 목표점 (ZP) 으로 주행하도록 셋업되어 있으며, 상기 환경 (U) 은 중간점들 (31-35), 및 상기 중간점들 (31-35) 과 상기 출발점 (SP) 과 상기 목표점 (ZP) 을 연결하는 궤도 섹션들 (41-47) 을 포함하고, 상기 방법은 다음과 같은 방법단계들:
    a) 상기 환경 (U) 에 할당된 그래프 (G) 를 제공하는 단계로서, 상기 그래프는 상기 중간점들 (31-35) 에 할당된 정점들 (k1-k5), 상기 출발점 (SP) 에 할당된 출발 정점 (s), 상기 목표점 (ZP) 에 할당된 목표 정점 (z), 및 상기 출발 정점 (s) 과 상기 목표 정점 (z) 과 상기 정점들 (k1-k5) 을 연결하는, 상응하는 궤도 섹션들 (41-47) 에 할당된 간선들 (51-57) 을 포함하며, 상기 간선들 (51-57) 에는 각각, 특정 시간에 상기 상응하는 궤도 섹션 (41-47) 이 주행 가능한 지의 여부에 관한 통과 가능성에 관한 정보, 및 상기 상응하는 주행 가능한 궤도 섹션 (41-47) 을 주행하여 통과하기 위해 상기 무인 운반차 (1) 가 필요로 하는 주행시간에 관한 정보가 할당되어 있는, 상기 환경에게 할당된 그래프를 제공하는 단계,
    b) 상기 간선들 (51-57) 에게 할당된 상기 정보들 및 상기 출발점 (SP) 에서의 현재 시점을 기초로 하여, 어느 궤도 섹션들 (41-47) 을 따라야 상기 무인 운반차 (1) 에게 상기 목표점 (ZP) 으로의 가능한 한 가장 빠른 자동적인 주행이 허용되는 지 전략을 계산하는 단계로서, 상기 전략은 상응하는 중간점들 (31-35) 과 상기 목표점 (ZP) 에서의 예상된 잠재적 도착시간들에 관한 정보를 포함하는, 전략을 계산하는 단계,
    c) 상기 전략을 기초로 하여, 상응하는 궤도 섹션을 따라서 상기 출발점 (SP) 으로부터 상응하는, 상기 출발점 (SP) 에 이웃한 중간점 (31) 으로 상기 무인 운반차 (1) 가 자동적으로 주행하는 단계,
    d) 상기 출발점 (SP) 에 이웃한 상기 중간점 (31) 에서의 현재 도착시간을 기초로 하여 그리고 상기 전략을 기초로 하여, 상응하는 궤도 섹션을 따라서 다음 중간점 (32) 으로 상기 무인 운반차 (1) 가 자동적으로 주행하는 단계,
    e) 상기 다음 중간점 (32) 에서의 현재 도착시간을 기초로 하여 그리고 상기 전략을 기초로 하여, 상기 다음 중간점 (31) 에 뒤따르는 중간점 (32) 으로 상응하는 궤도 섹션을 따라서 상기 무인 운반차 (1) 가 자동적으로 주행하는 단계,
    f) 상기 단계들 d) 와 e) 를 상기 무인 운반차 (1) 가 상기 목표점 (1) 에 도착할 때까지 반복하는 단계를 구비하는, 무인 운반차를 작동하기 위한 방법.
  2. 제 1 항에 있어서, 검출된 궤도 섹션들 (41-47) 을 따른 상기 무인 운반차 (1) 의 자동적인 주행 동안 현재 시점에서의 상응하는 중간점들 (31-35) 중 적어도 하나에서 그리고 상기 간선들 (51-57) 에 할당된 상기 정보들을 기초로 하여, 어느 궤도 섹션들 (41-47) 을 따라야 상기 무인 운반차에게 현재 중간점으로부터 상기 목표점 (ZP) 으로의 가능한 한 가장 빠른 자동적인 주행이 허용되는 지 업데이트된 전략이 계산되며, 상기 업데이트된 전략은 상기 상응하는 중간점들 (31-35) 과 상기 목표점 (ZP) 에서의 예상된 잠재적 도착시간들에 관한 정보를 포함하고, 상기 업데이트된 전략을 기초로 하여 상기 무인 운반차 (1) 가 상기 목표점 (ZP) 으로 자동적으로 주행하는, 무인 운반차를 작동하기 위한 방법.
  3. 제 1 항 또는 제 2 항에 있어서, 상응하는 궤도 섹션 (41-47) 의 통과 가능성 및/또는 상응하는 주행시간들에 관한 정보들은 경험적으로 및/또는 학습 단계의 범위에서 검출되었던, 무인 운반차를 작동하기 위한 방법.
  4. 제 3 항에 있어서, 상응하는 궤도 섹션 (41-47) 의 통과 가능성 및/또는 상응하는 주행시간들에 관한 정보들은 상기 무인 운반차 (1) 의 자동적인 주행 동안 자동적으로 업데이트되는, 무인 운반차를 작동하기 위한 방법.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서, 특히 상기 무인 운반차 (1) 의 제어장치 (5) 를 통해 제어되어, 상기 환경 (U) 의 가상 지도 (40) 를 기초로 한 상기 궤도 섹션들 (41-47) 을 따른 상기 무인 운반차 (1) 의 자동적인 주행을 구비하는, 무인 운반차를 작동하기 위한 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서, 특정 시간에 상기 상응하는 궤도 섹션 (41-47) 이 주행 가능한 지의 여부에 관한 각각의 정보는 특정 시점들에서의 상기 상응하는 궤도 섹션 (41-47) 의 통과 가능성을 기술하는 확률과정 (stochastic process) 으로서 실행되어 있으며, 및/또는 상응하는 주행시간들에 관한 정보는 각각 통과 가능한 궤도 섹션 (41-47) 에 있어서 상기 무인 운반차 (1) 가 아마 필요로 하는 주행시간을 모델화하는 확률분포 (probability distribution) 로서 실행되어 있는, 무인 운반차를 작동하기 위한 방법.
  7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서, 개별적인 궤도 섹션들 (41-47) 을 위해 예상될 수 있는 주행시간들이 계산되며, 상기 주행시간들은 다음 중간점에서의 도착시간들의 확률분포 P ( Y t ) 로서 다음과 같은 공식에 따라 계산되고:
    Figure pat00018

    여기서 P ( X t ) 는 상응하는 간선에게 할당된 궤도 섹션의 통과 가능성의 확률분포이며 P ( Y t ｜ X t ) 는 상기 통과 가능성에 따른 상기 상응하는 간선에 할당된 상기 궤도 섹션의 도착시간의 조건부 확률 (conditional probability) 인, 무인 운반차를 작동하기 위한 방법.
  8. 무인 운반차로서, 상기 무인 운반차는 차량 기본 몸체 (2), 상기 차량 기본 몸체 (2) 에 대해 상대적으로 회전 가능하게 설치된, 상기 무인 운반차 (1) 를 움직이기 위한 다수의 바퀴 (3), 상기 바퀴 (3) 들 중 적어도 하나와 커플링된, 상기 상응하는 바퀴 (3) 를 구동시키기 위한 적어도 하나의 드라이브 (4), 및 상기 적어도 하나의 드라이브 (4) 와 커플링된 제어장치 (5) 를 구비하며, 상기 무인 운반차 (1) 는, 그의 제어장치 (5) 를 통해 제어되어 자동적으로 환경 (U) 의 내부에서 출발점 (SP) 으로부터 목표점 (ZP) 으로 주행하도록 셋업되어 있고, 상기 환경 (U) 은 중간점들 (31-35), 및 상기 중간점들 (31-35) 과 상기 출발점 (SP) 과 상기 목표점 (ZP) 을 연결하는 궤도 섹션들 (41-47) 을 포함하며 상기 제어장치 (5) 는 제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법에 따라 전략을 계산하도록 셋업되어 있고, 상기 전략에 따라 상기 무인 운반차 (1) 는 상기 출발점 (SP) 으로부터 상기 목표점 (ZP) 으로 자동적으로 주행하는 무인 운반차.
  9. 시스템으로서, 상기 시스템은
    - 무인 운반차 (1) 를 구비하며, 상기 무인 운반차는 차량 기본 몸체 (2), 상기 차량 기본 몸체 (2) 에 대해 상대적으로 회전 가능하게 설치된, 상기 무인 운반차 (1) 를 움직이기 위한 다수의 바퀴 (3), 상기 바퀴 (3) 들 중 적어도 하나와 커플링된, 상기 상응하는 바퀴 (3) 를 구동시키기 위한 적어도 하나의 드라이브 (4), 및 상기 적어도 하나의 드라이브 (4) 와 커플링된 제어장치 (5) 를 구비하고, 상기 무인 운반차 (1) 는, 그의 제어장치 (5) 를 통해 제어되어 자동적으로 환경 (U) 의 내부에서 출발점 (SP) 으로부터 목표점 (ZP) 으로 주행하도록 셋업되어 있으며, 상기 환경 (U) 은 중간점들 (31-35), 및 상기 중간점들 (31-35) 과 상기 출발점 (SP) 과 상기 목표점 (ZP) 을 연결하는 궤도 섹션들 (41-47) 을 포함하고,
    - 상기 시스템은 컴퓨터 (10) 를 구비하며, 상기 컴퓨터는 제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법에 따라 전략을 검출하도록 셋업되어 있고, 상기 전략에 따라 상기 무인 운반차 (1) 는 상기 출발점 (SP) 으로부터 상기 목표점 (ZP) 으로 자동적으로 주행하며, 상기 컴퓨터는 특히 무선으로 상기 전략에 관한 정보를 상기 무인 운반차 (1) 에게 전달하도록 셋업되어 있는, 시스템.
KR1020140051744A 2013-04-30 2014-04-29 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 무인 운반차를 작동하기 위한 방법 KR102210788B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE201310207895 DE102013207895A1 (de) 2013-04-30 2013-04-30 Fahrerloses Transportfahrzeug, System mit einem Rechner und einem fahrerlosen Transportfahrzeug, Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs
DE102013207895.1 2013-04-30

Publications (2)

Publication Number Publication Date
KR20140130055A true KR20140130055A (ko) 2014-11-07
KR102210788B1 KR102210788B1 (ko) 2021-02-01

Family

ID=50488992

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140051744A KR102210788B1 (ko) 2013-04-30 2014-04-29 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 무인 운반차를 작동하기 위한 방법

Country Status (5)

Country Link
US (1) US9483051B2 (ko)
EP (1) EP2818955B1 (ko)
KR (1) KR102210788B1 (ko)
CN (1) CN104133471B (ko)
DE (1) DE102013207895A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170024003A (ko) * 2014-07-29 2017-03-06 쿠카 로보테르 게엠베하 무인 운반차량 및 상기 무인 운반차량을 작동하기 위한 방법
KR20190000060A (ko) * 2017-06-22 2019-01-02 한국교통대학교산학협력단 이종 망에서 그래프 기반 차량 충돌 예측 방법 및 이를 이용하는 장치
KR20210131567A (ko) * 2020-04-24 2021-11-03 정환홍 Agv 로봇의 작업 경로 진입을 위한 경로탐색 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9645577B1 (en) * 2016-03-23 2017-05-09 nuTonomy Inc. Facilitating vehicle driving and self-driving
DE102016211129A1 (de) * 2016-06-22 2017-12-28 Kuka Roboter Gmbh Verfahren zum Überprüfen einer Kollision zwischen zwei fahrerlosen Transportfahrzeugen, fahrerloses Transportfahrzeug und System mit mehreren fahrerlosen Transportfahrzeugen
CN106384509A (zh) * 2016-10-08 2017-02-08 大连理工大学 考虑出租车运营状态下的城市道路行程时间分布估算方法
EP3526446B1 (en) * 2016-10-14 2023-12-06 Sandvik Intellectual Property AB Scanning-based steering of a mobile haulage system for continuously conveying fragmented material
CN106695743B (zh) * 2017-02-10 2019-12-03 中国东方电气集团有限公司 一种基于移动机器人的危化溶液抽取参数的下达方法
CN107169611B (zh) * 2017-06-09 2020-06-02 金陵科技学院 一种图形化方式规划agv行走区域并监控其运行的方法
WO2019049664A1 (ja) * 2017-09-08 2019-03-14 日本精工株式会社 自走装置、自走装置の走行制御方法及び走行制御プログラム
CN107943029A (zh) * 2017-11-15 2018-04-20 苏州佳世达电通有限公司 运输方法及运输系统
KR101974109B1 (ko) * 2017-12-21 2019-04-30 그제고스 말레비치 출발지 위치로부터 목적지 위치로의 여정에 대한 루트 또는 루트 소요 시간을 제공하기 위한 방법 및 컴퓨터 시스템
CN111079988B (zh) * 2019-11-28 2024-02-20 浙江华睿科技股份有限公司 任务的执行方法、装置、存储介质及电子装置
EP4002049A1 (en) * 2020-11-20 2022-05-25 Rapyuta Robotics Co., Ltd. Systems and methods for optimizing route plans in an operating environment
CN113401140B (zh) * 2021-06-30 2022-11-25 深圳元戎启行科技有限公司 双向路段的路由寻径方法、装置、计算机设备和存储介质
KR20230037266A (ko) * 2021-09-09 2023-03-16 삼성전자주식회사 로봇 및 그 제어 방법
CN113515133B (zh) * 2021-09-14 2021-12-14 季华实验室 一种agv的力控方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080009965A1 (en) * 2006-07-05 2008-01-10 Battelle Energy Alliance, Llc Autonomous Navigation System and Method
JP2008077636A (ja) * 2006-08-30 2008-04-03 Mitsubishi Electric Research Laboratories Inc 出発地から目的地までの最適経路を見つけるためにコンピュータによって実施される方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0618523B1 (en) * 1993-04-02 1998-12-09 Shinko Electric Co. Ltd. Transport management control apparatus and method for unmanned vehicle system
DE10218636A1 (de) * 2002-04-25 2003-11-06 Daimler Chrysler Ag Verfahren zur Information von Fahrzeugführern über Änderungen der optimalen Route
JP2004298977A (ja) * 2003-03-28 2004-10-28 Sony Corp 行動制御装置、行動制御方法及び行動制御プログラム、並びに移動型ロボット装置
DE602004023313D1 (de) * 2003-09-30 2009-11-05 Kenwood Corp Führungsroutensuchverfahren
CN100498231C (zh) 2004-12-31 2009-06-10 集嘉通讯股份有限公司 路径规划系统及方法
KR100843085B1 (ko) * 2006-06-20 2008-07-02 삼성전자주식회사 이동 로봇의 격자지도 작성 방법 및 장치와 이를 이용한영역 분리 방법 및 장치
JP4661838B2 (ja) * 2007-07-18 2011-03-30 トヨタ自動車株式会社 経路計画装置及び方法、コスト評価装置、並びに移動体
US8571745B2 (en) * 2008-04-10 2013-10-29 Robert Todd Pack Advanced behavior engine
EP2290321B1 (en) * 2008-06-04 2016-10-26 Hitachi, Ltd. Navigation device, navigation method and navigation system
US8001651B2 (en) * 2008-06-19 2011-08-23 National Taipei University Of Technology Floor washing robot
US8224500B2 (en) * 2008-09-11 2012-07-17 Deere & Company Distributed knowledge base program for vehicular localization and work-site management
US8121749B1 (en) * 2008-09-25 2012-02-21 Honeywell International Inc. System for integrating dynamically observed and static information for route planning in a graph based planner
US8437875B2 (en) * 2008-10-27 2013-05-07 Eusebio Guillermo Hernandez Outdoor home cleaning robot
KR101667029B1 (ko) 2009-08-10 2016-10-17 삼성전자 주식회사 로봇의 경로 계획방법 및 장치
CN101739817B (zh) 2009-11-26 2012-08-29 西北工业大学 一种动态起点的最短路径规划方法
DE102010012750A1 (de) * 2010-03-25 2011-09-29 Kuka Laboratories Gmbh Verfahren zum Betreiben eines holonomen/omnidirektionalen Flurförderfahrzeugs
KR101761313B1 (ko) * 2010-12-06 2017-07-25 삼성전자주식회사 로봇 및 로봇의 경로생성방법
GB2499795A (en) * 2012-02-28 2013-09-04 Ibm Routing in a network, based on travel and waiting time
DE102012207269A1 (de) * 2012-05-02 2013-11-07 Kuka Laboratories Gmbh Fahrerloses Transportfahrzeug und Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs
US9459108B2 (en) * 2012-08-31 2016-10-04 International Business Machines Corporation Hedging risk in journey planning
DE102013207899A1 (de) * 2013-04-30 2014-10-30 Kuka Laboratories Gmbh Fahrerloses Transportfahrzeug, System mit einem Rechner und einem fahrerlosen Transportfahrzeug, Verfahren zum Planen einer virtuellen Spur und Verfahren zum Betreiben eines fahrerlosen Transportfahrzeugs

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080009965A1 (en) * 2006-07-05 2008-01-10 Battelle Energy Alliance, Llc Autonomous Navigation System and Method
JP2008077636A (ja) * 2006-08-30 2008-04-03 Mitsubishi Electric Research Laboratories Inc 出発地から目的地までの最適経路を見つけるためにコンピュータによって実施される方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170024003A (ko) * 2014-07-29 2017-03-06 쿠카 로보테르 게엠베하 무인 운반차량 및 상기 무인 운반차량을 작동하기 위한 방법
KR20190000060A (ko) * 2017-06-22 2019-01-02 한국교통대학교산학협력단 이종 망에서 그래프 기반 차량 충돌 예측 방법 및 이를 이용하는 장치
KR20210131567A (ko) * 2020-04-24 2021-11-03 정환홍 Agv 로봇의 작업 경로 진입을 위한 경로탐색 방법

Also Published As

Publication number Publication date
EP2818955B1 (de) 2020-08-05
CN104133471B (zh) 2017-07-18
EP2818955A2 (de) 2014-12-31
CN104133471A (zh) 2014-11-05
KR102210788B1 (ko) 2021-02-01
US20140324267A1 (en) 2014-10-30
EP2818955A3 (de) 2015-11-11
US9483051B2 (en) 2016-11-01
DE102013207895A1 (de) 2014-10-30

Similar Documents

Publication Publication Date Title
KR102210788B1 (ko) 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 무인 운반차를 작동하기 위한 방법
KR102192530B1 (ko) 무인 운반차, 컴퓨터와 무인 운반차를 가진 시스템, 가상 궤도를 계획하기 위한 방법 및 무인 운반차를 작동하기 위한 방법
Schneier et al. Literature review of mobile robots for manufacturing
KR101539270B1 (ko) 충돌회피 및 자율주행을 위한 센서융합 기반 하이브리드 반응 경로 계획 방법, 이를 수행하기 위한 기록 매체 및 이동로봇
US11685449B1 (en) Autonomous versatile vehicle system
CN113009918B (zh) 路径规划方法、装置、系统及可读存储介质
De Lima et al. Navigation of an autonomous car using vector fields and the dynamic window approach
US11175664B1 (en) Navigation directly from perception data without pre-mapping
Digani et al. Obstacle avoidance for industrial AGVs
Vilca et al. A novel safe and flexible control strategy based on target reaching for the navigation of urban vehicles
Nieuwenhuisen et al. Layered mission and path planning for MAV navigation with partial environment knowledge
CA3192462A1 (en) Systems and methods for generating basis paths for autonomous vehicle motion control
Gomez et al. Ros-based architecture for autonomous intelligent campus automobile (icab)
Signifredi et al. A general purpose approach for global and local path planning combination
US20240210955A1 (en) Controller and method
Ahmad et al. Efficient sampling-based planning for subterranean exploration
Jonnarth et al. End-to-end Reinforcement Learning for Online Coverage Path Planning in Unknown Environments
Nayl et al. On-line path planning for an articulated vehicle based on model predictive control
Huy et al. A practical and optimal path planning for autonomous parking using fast marching algorithm and support vector machine
Zou et al. An adaptive control strategy for indoor leader-following of wheeled mobile robot
JP7411185B2 (ja) 通行人追従型の移動ロボットの誘導
US20230022637A1 (en) Information processing apparatus, information processing method, and program
US20220397905A1 (en) Information processing apparatus, information processing method, and program
Dai et al. Autonomous navigation for wheeled mobile robots-a survey
Grigorescu Vision dynamics-based learning control

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant