KR20180132780A - 계획된 로봇 주행 경로를 이용한 탐색 - Google Patents

계획된 로봇 주행 경로를 이용한 탐색 Download PDF

Info

Publication number
KR20180132780A
KR20180132780A KR1020187031657A KR20187031657A KR20180132780A KR 20180132780 A KR20180132780 A KR 20180132780A KR 1020187031657 A KR1020187031657 A KR 1020187031657A KR 20187031657 A KR20187031657 A KR 20187031657A KR 20180132780 A KR20180132780 A KR 20180132780A
Authority
KR
South Korea
Prior art keywords
robot
pixels
robots
image
environment
Prior art date
Application number
KR1020187031657A
Other languages
English (en)
Other versions
KR102383800B1 (ko
Inventor
브루스 웰티
브래들리 파워스
에릭 타판
Original Assignee
로커스 로보틱스 코포레이션
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 로커스 로보틱스 코포레이션 filed Critical 로커스 로보틱스 코포레이션
Publication of KR20180132780A publication Critical patent/KR20180132780A/ko
Application granted granted Critical
Publication of KR102383800B1 publication Critical patent/KR102383800B1/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
    • G05D1/02—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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages
    • B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/01—Mobile robot

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Economics (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Robotics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Instructional Devices (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법은 복수의 픽셀에 의해 정의되는 환경의 화상을 취득하는 단계를 포함하고, 각 픽셀은 비용 값을 갖는다. 환경은, 해당 픽셀의 위치에 대응하며 정의된 제1비용 값을 갖는 픽셀들의 세트를 갖는 고정된 객체의 화상을 포함한다. 이 방법은, 환경의 각 로봇의 위치에 대응하는 픽셀들의 제1 세트 및 픽셀들의 제1 세트에 인접하며 목적지를 향하는 계획된 주행 경로를 연장되는 픽셀들의 제2 세트를 포함하는, 로봇들에 대한 계획된 경로 화상을 취득하는 단계를 포함한다. 각 로봇의 픽셀들의 제1 세트는 정의된 제1비용 값을 갖고, 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는다. 정의된 제2비용 값은 정의된 제1비용 값보다 작다.

Description

계획된 로봇 주행 경로를 이용한 탐색
본 발명은, 로봇 탐색(navigation)에 관한 것으로서, 더욱 구체적으로는, 계획된 로봇 주행 경로들을 동적으로 업데이트하고 로봇 탐색에 사용되는 맵들 상의 계획된 로봇 주행 경로들의 비용 화상들을 중첩하는 것에 관한 것이다.
인터넷을 통해 제품을 택배 주문하는 것은 매우 대중적인 쇼핑 방식이다. 이러한 주문을 시의적절하고 정확하고 효율적인 방식으로 이행하는 것은 적어도 논리적으로 어려운 일이다. 가상 쇼핑 카트의 "체크 아웃" 버튼을 클릭하면 "주문"이 생성된다. 이 주문에는, 특정 주소로 배송될 물품들의 목록이 포함된다. "이행" 과정은, 대형 창고로부터 이러한 물품들을 물리적으로 취하거나 "집고"(pick), 포장하여, 지정된 주소로 배송하는 것을 포함한다. 따라서, 주문 이행 프로세스의 중요한 목표는 가능한 한 짧은 시간 내에 많은 물품을 배송하는 것이다.
주문 이행 프로세스는, 통상적으로 주문에 나열된 제품을 포함하여 많은 제품을 포함하는 대형 창고에서 이루어진다. 따라서, 주문 이행의 태스크들 중 하나는, 주문에 나열된 다양한 물품을 찾아 수집하도록 창고를 가로지르는 태스크이다. 또한, 최종적으로 배송될 제품은, 우선 창고에 수용되고 배송을 위해 쉽게 회수될 수 있도록 창고 전체에 걸쳐 정돈된 방식으로 보관 빈(bin)에 보관되거나 "배치"될 필요가 있다.
대형 창고에서, 배달되고 주문되는 상품들은, 서로 매우 멀리 떨어져 있는 창고에 보관될 수 있으며 많은 다른 상품 간에 분산될 수 있다. 주문 이행 프로세스에서 인간 조작자만 사용하여 상품을 집고 배치하려면, 조작자가 많이 걸어야 하며, 비효율적이고 시간 소모적일 수 있다. 이행 프로세스의 효율은 단위 시간당 배송되는 물품 수의 함수이므로, 시간이 증가하면 집고/배치하는 효율이 감소한다.
효율을 높이기 위해, 로봇을 사용하여 인간의 기능을 수행할 수 있거나 로봇을 사용하여 인간 활동을 보완할 수 있다. 예를 들어, 로봇들은, 창고 전체에 분산된 여러 위치에 많은 물품을 "배치"하거나 포장과 배송을 위해 여러 위치로부터 물품을 "집도록" 수 있다. 집기와 배치는, 로봇 단독으로 행해질 수 있거나 인간 조작자의 도움을 받아 행해질 수 있다. 예를 들어, 집기 작업의 경우, 인간 조작자는 선반에서 물품을 집어 로봇 상에 배치하며, 또는 배치 작업의 경우, 인간 조작자는 로봇에서 물품을 집어 선반 상에 배치한다.
바쁜 작업에 있어서, 많은 로봇은, 선반과 벽 등의 고정된 장애물 및 인간 조작자와 기타 로봇 등의 동적인 장애물을 피하면서 창고 공간을 빠르게 탐색해야 할 수도 있다. 이를 위해, 로봇들은, 위치측정 및 동시지도화(SLAM)라는 맵핑 기술 및 내장형 레이저-레이더를 이용할 수 있으며, 이러한 기술에는 환경의 맵을 구축 및 업데이트하는 연산 문제가 있다. 로봇이 환경, 예를 들어, 창고를 가로지르기 시작할 때, 로봇은, 자신의 레이저 레이더를 사용하여 자신의 경로에 고정된 또는 동적인 임의의 장해물이 있는지를 결정하고, 자신의 목적지를 향하는 자신의 경로를 반복적으로 업데이트하여 관찰된 객체를 피한다. 로봇은, 초당 여러 번, 예를 들어, 50밀리초마다 한 번씩 자신의 루트를 평가하고 잠재적으로 다시 계획할 수 있다.
이것은 로봇에게는 복잡하고 연산 상 어려움이 있는 프로세스이며, 많은 경로 변경, 및 로봇이 자신의 목적지로 향하도록 선택하는 경로에 있어서 비효율을 초래할 수 있다.
일 양태에서, 본 발명은, 복수의 로봇이 탐색할 환경의 탐색 맵을 생성하는 방법을 특징으로 한다. 방법은 환경의 화상을 취득하는 단계를 포함하고, 이 화상은 복수의 픽셀의 의해 정의되며, 각 픽셀은 자신에 연관된 비용 값을 갖는다. 환경의 화상은, 환경의 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트를 포함하는 그 적어도 하나의 고정된 객체의 화상을 포함한다. 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트는 정의된 제1비용 값을 갖는다. 이 방법은 환경의 복수의 로봇의 계획된 경로 화상을 취득하는 단계를 포함하고, 계획된 경로 화상은, 각 로봇에 대하여, 환경의 각 로봇의 위치에 대응하는 픽셀들의 제1 세트, 및 픽셀들의 제1 세트에 인접하며 각 로봇의 목적지를 향하는 계획된 주행 경로를 따라 연장되는 픽셀들의 제2 세트를 포함한다. 각 로봇의 픽셀들의 제1 세트의 픽셀들은 정의된 제1비용 값을 갖고, 각 로봇의 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는 픽셀들을 포함한다. 정의된 제2비용 값은 정의된 제1비용 값보다 작다.
본 발명의 다른 양태에서는, 다음에 따르는 특징부들 중 하나 이상을 포함할 수 있다. 적어도 하나의 고정된 객체의 화상을 포함하는 환경의 화상은, 복수의 로봇의 각각에 의해 국부적으로 저장될 수 있다. 복수의 로봇의 각각은, 자신의 고유한 계획된 경로를 생성할 수 있고, 자신의 고유한 계획된 경로를 복수의 로봇 중 나머지에 통신한다. 각 로봇은, 적어도 하나의 고정된 객체의 화상을 포함하는 환경의 화상을 복수의 로봇 중 나머지로부터 수신되는 계획된 경로들을 나타내는 화상들과 결합하여 탐색 맵을 형성할 수 있다. 각 로봇은, 탐색 맵을 사용하여 자신의 현재 위치로부터 목적지까지의 경로를 계획할 수 있다. 복수의 로봇의 각각은, 각 로봇이 자신의 경로를 가로질러 자신의 목적지로 향할 때 자신의 고유한 업데이트되고 계획된 경로를 규칙적인 시간 간격으로 생성할 수 있고, 이러한 고유한 업데이트되고 계획된 경로를 복수의 로봇 중 나머지에 이러한 규칙적인 간격으로 통신하고, 각 로봇은, 복수의 로봇 중 나머지 로봇의 업데이트되고 계획된 경로를 사용하여 업데이트된 탐색 맵을 생성할 수 있고, 업데이트된 탐색 맵을 사용하여 자신의 목적지로 향하는 자신의 계획된 경로를 업데이트한다.
본 발명의 또 다른 양태에서는, 다음에 따르는 특징부들을 포함할 수 있다. 각 로봇의 픽셀들의 제2 세트는 제1비용 값보다 작은 복수의 비용 값을 갖는 픽셀들을 포함할 수 있고, 픽셀들의 비용 값들은, 픽셀들의 제1 세트에 인접하는 것으로부터 계획된 주행 경로를 따라 목적지를 향하여 외측으로 연장됨에 따라 비례 감소할 수 있다. 각 로봇의 픽셀들의 제2 세트는, 목적지를 향하는 각 로봇의 계획된 주행 경로를 따라 복수의 영역을 생성함으로써 형성될 수 있고, 각 영역은, 선행 영역보다 작은 픽셀 값들을 갖는 픽셀들을 연속적으로 포함할 수 있다. 영역들은, 원형 형상일 수 있으며, 로봇들의 크기에 대응하는 반경을 가질 수 있다. 환경은 창고일 수 있다.
또 다른 양태에서, 본 발명은, 환경에서 현재 위치로부터 목적지까지 로봇을 탐색시키는 방법을 특징으로 한다. 환경은 적어도 하나의 고정된 객체 및 적어도 하나의 다른 로봇을 포함한다. 방법은 환경의 화상을 취득하는 단계를 포함하고, 화상은 복수의 픽셀에 의해 정의되고, 각 픽셀은 자신에 연관된 비용 값을 갖는다. 환경의 화상은, 환경의 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트를 포함하는 그 적어도 하나의 고정된 객체의 화상을 포함한다. 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트는 정의된 제1비용 값을 갖는다. 방법은 환경의 적어도 하나의 다른 로봇의 화상을 취득하는 단계를 포함하고, 적어도 하나의 다른 로봇의 화상은, 환경의 그 적어도 하나의 다른 로봇의 위치에 대응하는 픽셀들의 제1 세트를 포함한다. 픽셀들의 제1 세트에 인접하며 적어도 하나의 다른 로봇의 계획된 주행 경로를 따라 목적지를 향하여 연장되는 픽셀들의 제2 세트가 존재한다. 적어도 하나의 다른 로봇의 픽셀들의 제1 세트의 픽셀들은 정의된 제1비용 값을 갖고, 적어도 하나의 다른 로봇의 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는 픽셀들을 포함한다. 정의된 제2비용 값은 정의된 제1비용 값보다 작다. 방법은, 또한, 적어도 하나의 고정된 객체의 화상 및 적어도 하나의 다른 로봇의 화상에 기초하여 로봇의 현재 위치로부터 로봇의 목적지까지의 경로를 계획하는 단계를 포함한다.
본 발명의 또 다른 양태에서는, 다음에 따르는 특징부들 중 하나 이상을 포함할 수 있다. 적어도 하나의 고정된 객체의 화상을 포함하는 환경의 화상은 로봇 내에 국부적으로 저장될 수 있다. 적어도 하나의 다른 로봇은, 현재 위치로부터 목적지까지의 자신의 고유한 계획된 경로를 생성할 수 있고, 자신의 고유한 계획된 경로를 로봇에 통신한다. 로봇은, 적어도 하나의 고정된 객체의 화상을 포함하는 환경의 화상을 적어도 하나의 다른 로봇으로부터 수신되는 계획된 경로의 화상과 결합하여 탐색 맵을 형성할 수 있다. 로봇은, 탐색 맵을 사용하여 자신의 현재 위치로부터 자신의 목적지까지의 경로를 계획할 수 있다.
본 발명의 또 다른 양태에서는, 다음에 따르는 특징부들 중 하나 이상을 포함할 수 있다. 적어도 하나의 다른 로봇은, 자신의 목적지로 향하는 경로를 가로지를 때 자신의 고유한 업데이트되고 계획된 경로를 규칙적인 시간 간격으로 생성할 수 있고, 자신의 고유한 업데이트되고 계획된 경로를 로봇에 이러한 규칙적인 간격으로 통신한다. 로봇은, 적어도 하나의 다른 로봇의 업데이트되고 계획된 경로를 사용하여 업데이트된 탐색 맵을 생성할 수 있고, 업데이트된 탐색 맵을 사용하여 자신의 목적지를 향하는 계획된 경로를 업데이트한다. 적어도 하나의 다른 로봇의 픽셀들의 제2 세트는, 제1비용 값보다 작은 복수의 비용 값을 갖는 픽셀들을 포함할 수 있고, 픽셀들의 비용 값들은, 픽셀들의 제1 세트에 인접하는 곳으로부터 목적지를 향하여 적어도 하나의 다른 로봇의 계획된 주행 경로를 따라 외측으로 연장됨에 따라 비례 감소할 수 있다. 적어도 하나의 다른 로봇의 픽셀들의 제2 세트는, 목적지를 향하는 적어도 하나의 다른 로봇의 계획된 주행 경로를 따라 복수의 영역을 생성함으로써 형성될 수 있고, 각 영역은, 선행 영역보다 작은 픽셀 값을 갖는 픽셀들을 연속적으로 포함할 수 있다. 영역들은, 원형 형상일 수 있으며, 로봇들의 크기에 대응하는 반경을 가질 수 있다. 환경은 창고일 수 있다.
또 다른 양태에서, 본 발명은, 적어도 하나의 고정된 객체와 복수의 다른 로봇을 포함하는 환경을 탐색하도록 구성된 로봇을 특징으로 한다. 로봇은, 환경 전체에 걸쳐 로봇을 추진하기 위한 이동 베이스, 및 로봇과 복수의 다른 로봇 간의 통신을 가능하게 하는 통신 장치를 포함한다. 또한, 통신 장치와 통신하는 프로세서가 있다. 프로세서는 환경의 화상을 취득하도록 구성된다. 화상은 복수의 픽셀에 의해 정의되고, 각 픽셀은 자신에 연관된 비용 값을 갖는다. 환경의 화상은, 환경의 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트를 포함하는 적어도 하나의 고정된 객체의 화상을 포함한다. 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트는 정의된 제1비용 값을 갖는다. 프로세서는 환경의 복수의 다른 로봇의 화상을 취득하도록 구성되고, 화상은, 각 로봇에 대하여, 환경의 각 로봇의 위치에 대응하는 픽셀들의 제1 세트를 포함한다. 픽셀들의 제1 세트에 인접하며 목적지를 향하여 서로 다른 로봇의 계획된 주행 경로를 따라 연장되는 픽셀들의 제2 세트가 존재한다. 서로 다른 로봇의 픽셀들의 제1 세트의 픽셀들은 정의된 제1비용 값을 갖고, 서로 다른 로봇의 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는 픽셀들을 포함한다. 정의된 제2비용 값은 정의된 제1비용 값보다 작다. 프로세서는, 또한, 적어도 하나의 고정된 객체의 화상과 복수의 다른 로봇의 화상들에 기초하여 로봇의 현재 위치로부터 로봇의 목적지까지의 경로를 계획하도록 구성된다.
본 발명의 다른 양태에서는, 다음에 따르는 특징부들을 또한 포함할 수 있다. 적어도 하나의 고정된 객체의 화상을 포함하는 환경의 화상은 복수의 로봇의 각각에 의해 국부적으로 저장될 수 있다. 복수의 다른 로봇의 각각은, 자신의 고유한 계획된 경로를 생성하도록 구성될 수 있고, 통신 장치를 사용하여 자신의 고유한 계획된 경로를 복수의 로봇의 나머지에 통신할 수 있다. 프로세서는, 적어도 하나의 고정된 객체의 화상을 포함하는 환경의 화상을 복수의 로봇의 나머지로부터 수신되는 계획된 경로들의 화상들과 결합하여 탐색 맵을 형성하도록 구성될 수 있다. 프로세서는, 탐색 맵을 사용하여 자신의 현재 위치로부터 목적지까지의 경로를 계획하도록 구성될 수 있다. 프로세서는, 서로 다른 로봇이 각자의 목적지로 향하는 경로를 가로지를 때 복수의 다른 로봇의 각각으로부터 업데이트되고 계획된 경로를 규칙적인 시간 간격으로 수신하도록 구성될 수 있다. 프로세서는, 복수의 로봇 중 나머지의 업데이트되고 계획된 경로를 사용하여 업데이트된 탐색 맵을 생성하도록 구성될 수 있고, 업데이트된 탐색 맵을 사용하여 자신의 목적지로 향하는 계획된 경로를 업데이트할 수 있다.
본 발명의 또 다른 양태에서는, 다음에 따르는 특징부들 중 하나 이상을 포함할 수 있다. 복수의 다른 로봇의 각각의 픽셀들의 제2 세트는, 제1비용 값보다 작은 복수의 비용 값을 갖는 픽셀들을 포함할 수 있다. 픽셀들의 비용 값은, 픽셀들의 제1 세트에 인접하는 곳으로부터 목적지를 향하는 각 로봇의 계획된 주행 경로를 따라 외측으로 연장됨에 따라 비례 감소할 수 있다. 복수의 다른 로봇의 각각의 픽셀들의 제2 세트는, 목적지를 향하는 각 로봇의 계획된 주행 경로를 따라 복수의 영역을 생성함으로써 형성될 수 있고, 각 영역은 선행 영역보다 작은 픽셀 값들을 갖는 픽셀들을 연속적으로 포함할 수 있다. 영역들은, 원형 형상일 수 있고, 로봇들의 크기에 대응하는 반경을 가질 수 있다. 환경은 창고일 수 있다.
본 발명의 이들 특징과 기타 특징은 다음에 따르는 상세한 설명과 첨부 도면으로부터 명백할 것이다.
도 1은 주문 이행 창고의 평면도;
도 2는 도 1에 도시된 창고에서 사용되는 로봇들 중 한 로봇의 베이스의 사시도;
도 3은, 아마추어(armature)를 갖추고 있으며 도 1에 도시된 선반의 앞에 주차된 도 2의 로봇의 사시도;
도 4는 로봇에 레이저 레이더를 사용하여 생성된 도 1의 창고의 부분 맵;
도 5는 창고 전체에 분산되어 있는 기준 마커를 위치파악하고 기준 마커 포즈를 저장하는 프로세스를 도시하는 흐름도;
도 6은 맵핑 포즈에 대한 기준 식별 테이블;
도 7은 빈 위치 대 기준 식별 맵핑의 테이블;
도 8은 제품 SKU 대 포즈 맵핑 프로세스를 도시하는 흐름도;
도 9는 본 발명에 따른 계획된 로봇 주행 경로의 중첩된 비용 화상들을 갖는 탐색 맵;
도 10은 도 9의 탐색 맵을 생성하는 프로세스를 도시하는 흐름도;
도 11a 및 도 11b는 도 9에 도시된 바와 같이 계획된 로봇 주행 경로의 중첩된 비용 화상들을 구성하는 방식을 도시한 도면;
도 12는 본 발명에 따라 계획된 로봇 경로의 중첩된 비용 화상들을 생성하는 프로세스를 도시하는 흐름도.
도 1을 참조해 볼 때, 통상적인 주문 이행 창고(10)는 주문(16)에 포함될 수 있는 다양한 물품으로 채워진 선반(12)을 포함한다. 작동 중에, 창고 관리 서버(15)로부터의 주문(16)이 주문 서버(14)에 도달한다. 주문 서버(14)는, 창고(10)를 돌아다니는 복수의 로봇 중에서 선택된 로봇(18)에 주문(16)을 통신한다.
바람직한 일 실시예에서, 도 2에 도시된 로봇(18)은, 레이저-레이더(22)를 갖는 자율 바퀴식 베이스(20)를 포함한다. 베이스(20)는, 또한, 로봇(18)이 주문 서버(14)와 카메라(26)로부터 명령어를 수신할 수 있게 하는 송수신기(24)를 특징으로 한다. 베이스(20)는, 또한, 창고(10) 내에서의 탐색에 연관된 다양한 태스크를 실행하고 또한 도 3에 도시한 바와 같이 선반(12) 상에 배치된 기준 마커(30)를 탐색하도록 협력하는, 로봇의 환경을 나타내는 정보를 캡처하는 카메라(26)와 레이저-레이더(22)로부터 데이터를 수신하는 프로세서(32), 및 메모리(34)를 특징으로 한다. 기준 마커(30)(예를 들어, 2차원 바코드)는 주문된 물품의 빈/위치에 대응한다. 본 발명의 탐색 방안을 도 4 내지 도 11과 관련하여 이하에서 상세히 설명한다.
본 명세서에 제공되는 초기 설명은 고객에게 배송하기 위한 주문을 수행하도록 창고의 빈 위치에서 물품을 집는 데 중점을 두고 있지만, 시스템은, 추후에 고객에게 배송하거나 회수를 위해 창고 전체에 걸쳐 빈 위치에서 창고 내에 수용되는 물품의 보관 또는 배치에도 똑같이 적용될 수 있다. 본 발명은, 통합, 계수, 검증, 검사, 및 제품 청소와 같은 이러한 창고 시스템에 연관된 재고 제어 태스크에도 적용될 수 있다.
다시 도 2를 참조해 볼 때, 베이스(20)의 상면(36)은, 복수의 교체식 아마추어(40) 중 임의의 하나와 체결하는 커플링(38)을 특징으로 하며, 그 중 하나가 도 3에 도시되어 있다. 도 3의 특정 아마추어(40)는, 물품을 수용하는 토트(tote)(44)를 반송하기 위한 토트 홀더(42), 및 태블릿(48)을 지지하기 위한 태블릿 홀더(46)를 특징으로 한다. 일부 실시예에서, 아마추어(40)는 물품을 반송하기 위한 하나 이상의 토트를 지지한다. 다른 실시예에서, 베이스(20)는 수용된 물품을 반송하기 위한 하나 이상의 토트를 지지한다. 본 명세서에서 사용되는 바와 같이, "토트"라는 용어는, 제한 없이, 화물 홀더, 빈, 케이지, 선반, 물품을 매달 수 있는 막대, 캐디, 상자, 랙, 스탠드, 가대, 컨테이너, 박스, 캐니스터, 용기, 및 저장소를 포함한다.
로봇(18)은 창고(10) 주위를 이동하는 데 있어서 탁월하지만, 현재의 로봇 기술로, 물건의 로봇 조작에 연관된 기술적인 어려움으로 인해, 선반으로부터 물품을 신속하고 효율적으로 집고 토트(44) 상에 배치하는 것은 그리 양호하지 않다. 물품을 집는 더욱 효율적인 방법은, 선반(12)으로부터 주문된 물품을 물리적으로 제거하고 이것을 로봇(18), 예를 들어 토트(44) 상에 배치하는 태스크를 실행하도록 통상적으로 인간인 로컬 조작자(50)를 사용하는 것이다. 로봇(18)은, 로컬 조작자(50)가 판독할 수 있는 태블릿(48)을 통해, 또는 로컬 조작자(50)에 의해 사용되는 핸드헬드 장치에 주문을 송신함으로써, 로컬 오퍼레이터(50)에 주문을 통신한다.
로봇(18)은, 주문 서버(14)로부터 주문(16)을 수신하면, 예를 들어, 도 3에 도시된 제1창고 위치로 이동한다. 로봇은, 메모리(34)에 저장되고 프로세서(32)에 의해 실행되는 탐색 소프트웨어에 기초하여 그렇게 이동한다. 탐색 소프트웨어는, 탐색을 위해, 레이저-레이더(22)에 의해 수집되는 바와 같은 환경에 관한 데이터, 구체적인 물품을 찾을 수 있는 창고(10) 내의 위치에 대응하는 기준 마커(30)의 기준 식별부(ID)를 식별하는 메모리(34)의 내부 테이블, 및 카메라(26)에 의존한다.
로봇(18)은, 정확한 위치에 도달하면, 물품이 보관되어 있는 선반(12) 앞에 정차하고, 로컬 조작자(50)가 선반(12)으로부터 물품을 회수하여 토트(44) 상에 배치할 때까지 기다린다. 로봇(18)이 회수할 다른 물품이 있다면, 로봇은 그 위치로 이동한다. 이어서, 로봇(18)에 의해 회수된 물품(들)은, 포장 및 배송되는 도 1의 포장 스테이션(100)으로 전달된다.
통상의 기술자는, 각 로봇이 하나 이상의 주문을 이행할 수 있고, 각 주문이 하나 이상의 물품으로 이루어질 수 있음을 이해할 것이다. 통상적으로는, 효율을 증가시키도록 경로 최적화 소프트웨어의 일부 형태가 포함되지만, 이는 본 발명의 범위를 벗어나므로 본 명세서에서 설명하지는 않는다.
본 발명의 설명을 단순화하기 위해, 단일 로봇(18)과 조작자(50)를 설명한다. 그러나, 도 1로부터 명백한 바와 같이, 통상적인 이행 작업은, 연속적인 주문 흐름을 이행하도록 창고에서 서로 작업하는 많은 로봇과 조작자를 포함한다.
이하에서는, 물품이 위치하는 창고 내의 기준 마커에 연관된 기준 ID/포즈에 대한 회수 물품의 SKU의 의미론적 맵핑뿐만 아니라 본 발명의 탐색 방안을 도 4 내지 도 11에 관하여 상세히 설명한다.
하나 이상의 로봇(18)을 사용하여, 창고(10) 맵을 생성하고 동적으로 업데이트하여 정적인 것과 동적인 것 모두인 객체의 위치 및 창고 전체에 걸쳐 분산된 다양한 기준 마커의 위치를 결정해야 한다. 이를 위해, 로봇들(18)은, 미지의 환경의 맵을 구축하거나 업데이트하는 계산 상의 문제가 있는 동시 국지화 및 맵핑(SLAM) 및 자신의 레이저-레이더(22)를 이용하여 창고를 초기에 탐색하고 도 4의 맵(10a)을 구축/업데이트한다. 널리 사용되는 SLAM 근사 해법은, 입자 필터와 확장된 칼만 필터를 포함한다. SLAM GMapping 방안이 바람직한 방안지만, 임의의 적절한 SLAM 방안을 사용할 수 있다.
로봇(18)은, 로봇이 공간 전체에 걸쳐 주행함에 따라, 자신의 레이저-레이더(22)를 이용하여, 개방 공간(112), 벽(114), 객체(116), 및 공간 내의 선반(12) 등의 기타 정적인 장애물을 식별하면서 레이저-레이더가 환경을 스캔할 때 자신이 수신하는 반사에 기초하여 창고(10)의 맵(10a)을 생성/업데이트한다.
맵(10a)을 구축/업데이트하는 동안, 로봇들(18)은, 카메라(26)를 사용하여 창고(10)를 탐색하며 환경을 스캔하여 창고 전체에 걸쳐 분산되어 있는 도 3의 참조번호 32 및 34와 같이 빈 근처 선반 상에 있는 기준 마커(2차원 바코드)를 위치파악한다. 로봇(18)은 원점(110)과 같이 알려져 있는 시작점 또는 원점을 기준으로서 사용한다. 도 3과 도 4의 기준 마커(30)와 같은 기준 마커가 자신의 카메라(26)를 사용하는 로봇(18)에 의해 위치파악되는 경우, 원점(110)에 대한 창고 내의 위치가 결정된다.
휠 인코더 및 헤딩 센서의 사용에 의해, 벡터(120) 및 창고(10)에서의 로봇의 위치가 결정될 수 있다. 기준 마커/2차원 바코드 및 공지된 크기의 캡처된 화상을 사용하여, 로봇(18)은, 알려져 있는 기술들을 사용하여, 로봇으로부터 기준 마커/2차원 바코드까지의 거리와 배향, 및 벡터(130)를 결정할 수 있다. 벡터(120, 130)가 알려지면, 원점(110)과 기준 마커(30) 간의 벡터(140)를 결정할 수 있다. 로봇(18)에 대한 기준 마커/2차원 바코드의 결정된 배향 및 벡터(140)로부터, 기준 마커(30)에 대한 사원수(x, y, z, ω)에 의해 정의되는 포즈(위치와 배향)를 결정할 수 있다.
기준 마커 위치 프로세스를 설명하는 도 5의 흐름도(200)를 설명한다. 이는, 초기 맵핑 모드에서 수행되고, 로봇(18)이 집기, 배치, 및/또는 다른 태스크를 수행하는 동안 창고에서 새로운 기준 마커를 만날 때 수행된다. 단계(202)에서, 로봇(18)은, 카메라(26)를 사용하여 화상을 캡처하고, 단계(204)에서는 캡처된 화상 내의 기준 마커를 검색한다. 단계(206)에서는, 기준 마커가 화상에서 발견되면(단계(204)), 기준 마커가 로봇(18)의 메모리(34)에 위치하는 도 6의 기준 테이블(300)에 미리 저장되어 있는지를 결정한다. 기준 정보가 메모리에 미리 저장되어 있다면, 흐름도는 단계(202)로 복귀하여 다른 화상을 캡처한다. 기준 정보가 메모리에 없다면, 전술한 프로세스에 따라 포즈를 결정하고, 단계(208)에서, 이러한 포즈를 기준 대 포즈 룩업 테이블(300)을 추가한다.
각 로봇의 메모리에 저장될 수 있는 룩업 테이블(300)에는, 각 기준 마커에 대하여, 기준 식별부(1, 2, 3 등) 및 각 기준 식별부에 연관된 기준 마커/바코드에 대한 포즈가 포함된다. 포즈는, 배향 또는 사원수(x, y, z, ω)와 함께 창고의 x, y, z 좌표로 이루어진다.
각 로봇의 메모리에 또한 저장될 수 있는 도 7의 다른 룩업 테이블(400)에는, 특정 기준 ID(404), 예컨대, 번호 "11"에 상관된, 창고(10) 내의 빈 위치 목록(예컨대, 402a 내지 402f)이 있다. 이 예에서, 빈 위치는 7개의 영숫자 문자로 이루어진다. 처음 6개 문자(예를 들어, L01001)는 창고 내의 선반 위치에 관한 것이고, 마지막 문자(예를 들어, A-F)는 선반 위치에서의 특정 빈을 식별한다. 이 예에서는, 기준 ID "11"에 연관된 6개의 서로 다른 빈 위치가 있다. 각 기준 ID/마커에 연관된 하나 이상의 빈이 있을 수 있다.
영숫자 빈 위치는, 사람, 예를 들어, 도 3의 조작자(50)가, 창고(10) 내의 물품들이 보관되는 물리적 위치에 대응하는 것으로서 이해할 수 있다. 그러나, 이러한 위치는 로봇(18)에게는 의미가 없다. 위치를 기준 ID에 맵핑함으로써, 로봇(18)은, 도 6의 테이블(300)의 정보를 사용하여 기준 ID의 포즈를 결정할 수 있고, 이어서 본 명세서에서 설명하는 바와 같이 포즈를 탐색할 수 있다.
본 발명에 따른 주문 이행 프로세스는 도 8의 흐름도(500)에 도시되어 있다. 단계(502)에서, 도 1의 창고 관리 시스템(15)은 검색될 하나 이상의 물품으로 이루어질 수 있는 주문을 취득한다. 단계(504)에서, 물품들의 SKU 번호(들)는 창고 관리 시스템(15)에 의해 결정되고, SKU 번호(들)로부터, 단계(506)에서 빈 위치가 결정된다. 이어서, 주문에 대한 빈 위치 목록이 로봇(18)에 송신된다. 단계(508)에서, 로봇(18)은, 빈 위치를 기준 ID와 상관하고, 단계(510)에서는 기준 ID로부터 각 기준 ID의 포즈를 취득한다. 단계(512)에서, 로봇(18)은 도 3에 도시된 바와 같은 이 포즈를 탐색하고, 여기서 조작자는 적절한 빈으로부터 검색될 물품을 집어서 로봇 상에 배치할 수 있다.
창고 관리 시스템(15)에 의해 취득된 SKU 번호 및 빈 위치와 같은 물품 특정 정보는 로봇(18) 상의 태블릿(48)에 송신될 수 있어서, 로봇이 각 기준 마커 위치에 도달하면 조작자(50)가 검색될 특정 물품을 통지받는다.
SLAM 맵과 기준 ID의 포즈가 알려짐에 따라, 로봇(18)은, 다양한 로봇 탐색 기술을 사용하여 기준 ID들 중 임의의 하나로 쉽게 탐색할 수 있다. 바람직한 방안은, 창고(10)와 벽(114)의 개방 공간(112), (선반(12)과 같은) 선반, 및 다른 장애물(116)을 아는 경우, 기준 마커 포즈에 대한 초기 경로를 설정하는 것을 포함한다. 로봇이 자신의 레이저 레이더(26)를 사용하여 창고를 횡단하기 시작하면서, 로봇은, 다른 로봇(18) 및/또는 조작자(50)와 같이 경로에 고정된 또는 동적인 임의의 장애물이 있는지를 결정하고, 기준 마커의 포즈로의 자신의 경로를 반복적으로 업데이트한다. 로봇은, 약 50밀리초마다 한 번씩 경로를 다시 계획하면서, 장애물을 피하는 동안 가장 효율적이고 효과적인 경로를 계속 찾는다.
본 명세서에 기술된 SLAM 탐색 기술과 결합된 제품 SKU/기준 ID 대 기준 포즈 맵핑 기술을 사용하여, 로봇(18)은, 창고 내의 위치를 결정하도록 그리드 라인과 중간 기준 마커를 포함하는 통상적으로 사용되는 더욱 복잡한 탐색 방안을 사용할 필요 없이, 창고 공간을 매우 효율적으로 그리고 효과적으로 탐색할 수 있다.
바쁜 창고 운영의 동적인 환경을 감안할 때, 많은 로봇은, 선반과 벽 등의 고정된 장애물 및 인간 조작자와 기타 로봇 등의 동적 장애물을 피하면서 창고 공간을 신속하게 탐색해야 한다. 이것은, 로봇에 대해 복잡하고 계산 상으로 어려운 프로세스일 수 있으며, 로봇이 자신의 목적지로 이동하기 위해 선택하는 경로에 있어서 많은 경로 변경 및 비효율성을 초래할 수 있다.
로봇이 창고를 통해 주행할 때, 로봇은 동적으로 업데이트된 맵을 사용하여 탐색할 수 있다. 로봇이 자신의 경로를 계획하는 데 사용하는 맵은, 2차원적일 수 있고, 특정 영역에서의 객체의 존재 또는 부재를 나타내는 색상이 개별 픽셀에 할당된 복수의 픽셀을 포함할 수 있다. 흑색은 입체적 객체의 존재를 나타내는 데 사용될 수 있는 한편, 백색은 입체적 객체 또는 개방 공간이 없을 때 나타낸다. 픽셀의 색상은, 또한, 로봇에 의해 위험을 평가하는 데 사용되는 수치에 상관된다. 흑색 픽셀, 즉 입체적 객체를 나타내는 흑색 픽셀에는, 최고 위험 또는 "비용"을 나타내는 최고 수치가 할당된다. 백색 픽셀, 즉 개방 공간을 나타내는 백색 픽셀에는, 최저 위험 또는 비용을 나타내는 최저 수치가 할당된다. 그레이의 다양한 셰이드를 갖는 픽셀들도, 사용될 수 있으며, 각 픽셀에 연관된 "비용" 또는 위험을 나타내도록 최저(백색에 가장 가까운 셰이드) 내지 최고(흑색에 가장 가까운 셰이드) 범위에 걸친 수치를 할당받는다. 예를 들어, 0 내지 255 범위의 수치를 갖는 픽셀들은, 최저 비용 값 내지 최고 비용 값을 나타내는 데 사용될 수 있다.
로봇이 한 지점에서 다른 지점으로 이동할 수 있는 잠재적 경로를 평가할 때, 로봇은, 경로 거리뿐만 아니라 각 경로에 연관된 비용 또는 위험에도 기초하여 취할 가능한 최선의 경로를 결정할 수 있다. 다시 말하면, 각 경로를 따라 개별 픽셀의 수치 비용 값을 합산할 수 있고, 그 합은 경로에 연관된 전체 비용 또는 위험을 제공한다. 이어서, 각 경로의 길이와 비용을 기반으로 최적화된 경로가 선택될 수 있다. 경로 거리와 경로 비용에 기초하는 최적화된 경로 선택 프로세스는 공지되어 있으며, A* 경로 찾기 프로세스를 포함한 임의의 표준 프로세스가 사용될 수 있다.
이러한 최적화 프로세스를 사용할 때, 로봇이 사용하는 맵에는, 선반 및 벽과 같은 고정된 객체, 로봇에 대하여 미리 정의된 제한 영역과 같은 "접근 금지" 영역 등의 정적 정보, 및 인간 조작자와 로봇의 위치 등의 동적 정보가 포함되는 것으로 알려져 있다. 그러나, 창고 공간 내에서의 로봇의 탐색을 향상시키고 보다 효율적으로 만들도록, 본 방안은, 다양한 로봇의 현재 위치와 로봇의 계획된 주행 경로에 대한 실시간 정보를 갖는 맵을 구축하는 것을 포함한다. 이는, 각 로봇이, 다른 로봇들이 각자의 고유한 목적지로 향하는 중에 이러한 다른 로봇들이 자신의 경로를 가로지를 가능성을 고려하여, 자신의 현재 위치로부터 목적지까지의 루트를 더욱 능동적으로 계획하게 할 수 있다.
맵과 같은 일례가 도 9에 맵(600)으로서 도시되어 있다. 맵(600)에는, 선반 유닛들이 고정된 입체적 객체이며 로봇에 의해 회피되어야 하므로, 최고 비용 또는 위험을 나타내도록 흑색으로 표시된 선반 유닛들(602, 604, 606)이 포함된다. 선반 사이에는, 다른 객체들이 존재하지 않는다고 가정하는 경우 비교적 낮은 위험으로 로봇들이 주행할 수 있는 저 비용 또는 위험 및 영역을 나타내는 백색인 행(608, 610)이 영역이 있다. 선반 유닛들의 단부 캡 근처에는, 다른 객체가 없다고 가정하는 경우 주행의 비교적 낮은 위험을 나타내는 역시 백색인 영역(612, 614)이 있다.
또한, 로봇들(620, 622)은 영역들(612, 614)의 각자의 현재 위치에서 각각 맵(600) 상에 도시되어 있다. 로봇들(620, 622)에 대한 최종 목적지는 각각 위치(624, 626)이다. 로봇(620)의 계획된 주행 경로를 따라, 행(608)에서의 자신의 현재 위치로부터 목적지(624)까지 걸쳐 있는 중첩된 비용 화상(630)이 도시되어 있다. 로봇(622)의 투영된 주행 경로를 따라 행(610)에서의 자신의 현재 위치로부터 목적지(626)까지 걸쳐 있는 중첩된 비용 화상(632)이 도시되어 있다.
중첩된 비용 화상들(630, 632)은, 로봇(620, 622)의 당시의 현재 위치에 더 가까운 어두운/높은 비용 값의 픽셀을 포함하고 목적지를 향하여 투영된 경로를 따라 점진적으로 더 밝은 색상과 더 낮은 비용 값을 포함한다. 중첩된 비용 화상들의 폭은, 적절한 클리어런스를 확보하기 위한 로봇의 버퍼와 로봇의 크기를 고려하도록 로봇의 폭에 상관된다. 현재의 응용분야에 대하여 구상된 크기의 로봇의 경우, 반경 1m의 "버퍼"가 로봇 상에 중첩된다. 이 폭은 투영된 경로를 따라 사용되므로, 중첩된 비용 화상의 폭은 약 2m이다.
또한, 맵(600)에는 다른 로봇(640)이 도시되어 있다. 이 맵은, 로봇(640)이 자신의 주행을 계획하는 데 사용될 맵이므로, 계획된 경로에 대해 중첩된 비용 화상을 포함하지 않는다. 따라서, 주행 계획에 사용되는 각 로봇의 맵에는, 다른 모든 로봇의 중첩된 비용 화상이 포함되지만 해당 로봇의 고유한 계획된 주행 경로는 포함되지 않는다. 로봇(640)이, 예를 들어, A* 경로 발견 프로세스를 사용하여 자신의 주행 경로를 계획할 때, 로봇들(620, 622)의 중첩된 비용 화상들(630, 632)은 로봇(640)에 의해 각각 고려된다. 따라서, 중첩된 비용 화상들(630 또는 632)과 교차할 수 있는 로봇(640)에 대한 임의의 잠재적 경로에 대해, 이러한 중첩된 비용 화상들의 교차 픽셀들의 수치는 경로 최적화 알고리즘에 영향을 미칠 것이다. 제안된 경로가 로봇의 위치에 가까운 중첩된 비용 화상과 교차하면, 발생하는 비용 수치가 높아져 충돌 위험이 커짐을 나타낸다. 제안된 경로가 로봇 위치로부터 멀리 중첩된 비용 화상들과 교차하면, 수치 비용이 낮아져, 충돌 위험이 낮아짐을 나타낸다.
탐색 맵 구축을 위한 프로세스는 도 10의 흐름도(650)에 도시되어 있다. 맵은, 각 로봇에 의해 국부적으로 또는 창고 관리 시스템에 의해 중앙에서 구축될 수 있고 로봇에 제공될 수 있다. 이 설명에서, 맵은 각 로봇에 의해 국부적으로 구축된다고 가정한다. 단계(652)에서는 창고의 정적 맵을 취득하고, 단계(654)에서는 창고에 대한 "접근 금지" 맵을 취득한다. 이들 맵은 이전에 생성되어 각 로봇에 국부적으로 저장되었을 수 있다. 단계(656)에서는, 다른 모든 로봇들에 대한 현재 주행 경로를 취득한다. 경로는, 각 로봇에 의해 생성되고, 와이파이를 통해 나머지 로봇들에 송신된다. 단계(658)에서는, 수신되는, 정적 맵, 접근 금지 맵, 및 현재 로봇 경로를 중첩함으로써 통합된 탐색 맵을 생성한다. 단계(660)에서는, 경로 최적화 알고리즘이 현재 탐색 맵을 사용하여 로봇의 경로를 업데이트한다. 단계(662)에서는, 각 로봇이 자신의 주행 경로를 업데이트하여 나머지 로봇들에 송신한다. 단계(664)에서는, 로봇의 목적지에 도달하지 않았다면, 프로세스가 다음 반복을 위해 단계(656)로 되돌아간다. 목적지에 도달하면, 로봇은 자신의 다음 목적지를 결정한다.
로봇은, 통상적으로 자신의 주행 경로를 재평가하고, 업데이트된 경로를 초당 여러 번, 예컨대, 초당 5회 내지 10회 또는 그 이상으로 생성한다. 따라서, 각 로봇 경로는 그러한 비율로 업데이트되어 나머지 로봇들에 송신된다.
중첩된 비용 화상들을 갖는 개별 로봇 주행 경로를 구축하는 프로세스가 도 11과 도 12에 도시되어 있다. 도 11a에는, 경로(704)를 따라 위치(702)로 향하는 로봇(700)이 도시되어 있다. 경로(704)는, 먼저 경로(704)를 따라 거리 "D"마다 복수의 증분 또는 지점으로 분할된다. 사용된 거리 "D"는 약 5cm이지만, 이는 응용분야 및 데이터 캡처 속도에 따라 달라질 수 있다. 경로를 따른 각 증분/지점에는, 점을 가운데 두는 반경 약 1미터의 원이 배치된다. 이것은, 전술한 바와 같이 예상되는 로봇 크기가 주어지면 로봇 주위에 충분한 버퍼를 제공하는 것이다. 원의 크기와 각 원의 중심을 위치파악하기 위한 5cm 증분이 주어지면, 원들의 상당량이 중첩된다.
이어서, 도 11b에 도시된 바와 같이, 원은, 원의 중심이 로봇의 현재 위치로부터 떨어진 거리에 기초하여 비용 값(색)으로 채워진다. 로봇(700)에 근접하여 볼 수 있는 바와 같이, 영역(706)에서, 원들은 높은 비용 값으로 채워져 흑색으로 되는 반면, 위치(702)에 있는 목적지 근처의 영역(708)에서는, 원들이 낮은 비용 값으로 채워져 밝은 회색 또는 백색으로 된다.
도 12의 흐름도(720)는 각 로봇에 대한 중첩된 비용 화상들을 생성하기 위한 프로세스를 도시한다. 단계(722)에서는 로봇의 현재 위치를 결정하고, 단계(724)에서는 로봇이 자신의 현재 위치로부터 목적지까지 주행하는 계획된 경로를 복수의 지점으로 분할한다. 단계(726)에서는, 경로를 따른 다음 지점을 결정한다. 예를 들어, 도 11에서, 시작 지점은 지점(710)일 것이다. 단계(728)에서는, 로봇으로부터 지점까지의 거리를 결정한다. 지점(710)에서, 거리는 거리 "D"이다. 단계(730)에서는 약 1m의 반경을 갖는 원을 생성하고(원(712) 참조)， 단계(732)에서는 원 내의 픽셀들에 적용될 비용 값을 계산한다.
비용 값은 다음과 같이 계산될 수 있다:
비용 ∝ 1/e거리 _to_pt
이 계산 방법은, 로봇의 현재 위치로부터의 경로를 따른 거리에 비례하는 비용 값을 제공한다(즉, "거리_to_pt"). 단계(734)에서는, 원 내에 포함된 픽셀들은, 이용가능한 픽셀 값의 범위(이 예에서는 0 내지 255)에 기초하여 단계(732)에서 계산된 비용 값에 대응하는 수치로 채워진다. 단계(736)에서는 경로를 따라 추가 지점이 남아 있는지 여부를 결정하고, 추가 지점이 남아 있다면, 프로세스가 단계(726)로 복귀한다. 추가 지점이 남아 있지 않다면, 계획된 주행 경로에 대한 중첩된 비용 화상이 완료되고, 단계(738)에서는, (도 10의 단계(662)에 따라) 새로운 경로 맵을 나머지 로봇들에 송신한다.
대안으로, 여행 경로의 전체 비용 화상을 송신하는 것 대신 와이파이를 통해 송신되는 데이터의 양을 줄이도록, 단계(724) 후에, 각 로봇에 대한 분할된 주행 경로를 따른 지점들의 좌표를 다른 모든 로봇에 송신할 수 있다. 각 로봇으로부터 수신되는 주행 경로 좌표로부터, 수신 로봇은, 단계(726 내지 736)를 실행하고 각 로봇의 주행 경로에 대한 비용 화상을 자신의 탐색 맵 상에 국부적으로 생성하여 중첩할 수 있다.
명백하듯이, 중첩된 비용 화상은, 로봇의 계획된 경로를 따라 최고값 내지 최저값(255 내지 0)의 수치/색상의 그라디언트를 포함한다. 단계(722)에서는, 로봇의 현재 위치가 결정되면, 약 1m의 반경을 갖는 원이 255와 동일한 비용 값(즉, 고정된 객체와 등가)으로 생성되고(로봇(700)에 대해서 원을 참조), 이러한 값이 그 원의 픽셀에 적용된다는 점에 주목해야 한다. 따라서, 그라디언트는, 255의 비용 값(고정된 객체와 등가)에서 시작하여, 지점이 계획된 주행 경로를 따라 로봇으로부터 멀어지게 이동함에 따라 감소한다.
전술한 바와 같이, 경로를 따라 형성된 원과 상당한 중첩량이 존재하며, 각각의 연속적인 원은 상이한 수치를 갖는 픽셀을 포함한다. 이 문제를 해결하는 한 가지 방법은, 이전 원과 겹치는 각 원에 대해, 이전 원의 픽셀 값을 새롭게 겹치는 원에 대해 결정된 값으로 덮어쓸 수 있다는 것이다.
본 발명과 본 발명의 바람직한 실시예를 설명하였으며, 신규한 것이며 특허 결정될 청구범위는 아래와 같다.

Claims (30)

  1. 복수의 로봇이 탐색하는 환경의 탐색 맵(navigation map)을 생성하는 방법으로서,
    상기 환경의 화상을 취득하는 단계로서, 상기 화상은 복수의 픽셀에 의해 정의되고. 각 러셀은 자신에 연관된 비용 값을 갖고, 상기 환경의 화상은, 상기 환경의 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트를 포함하는 상기 적어도 하나의 고정된 객체의 화상을 포함하고, 상기 적어도 하나의 고정된 객체의 위치에 대응하는 상기 픽셀들의 세트는 정의된 제1비용 값을 갖는, 상기 환경의 화상을 취득하는 단계; 및
    상기 환경의 상기 복수의 로봇의 각각에 대한 계획된 경로 화상을 취득하는 단계로서, 상기 계획된 경로 화상은, 각 로봇에 대하여, 상기 환경의 각 로봇의 위치에 대응하는 픽셀들의 제1 세트 및 상기 픽셀들의 제1 세트에 인접하고 목적지를 향하는 각 로봇의 계획된 주행 경로를 따라 연장되는 픽셀들의 제2 세트를 포함하고, 각 로봇의 상기 픽셀들의 제1 세트의 픽셀들은 상기 정의된 제1비용 값을 갖고, 각 로봇의 상기 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는 픽셀들을 포함하고, 상기 정의된 제2비용 값은 상기 정의된 제1비용 값보다 작은, 상기 계획된 경로 화상을 취득하는 단계를 포함하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  2. 제1항에 있어서, 상기 환경의 화상은, 상기 적어도 하나의 고정된 객체의 화상이 상기 복수의 로봇의 각각에 의해 국부적으로 저장되는 것을 포함하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  3. 제2항에 있어서, 상기 복수의 로봇의 각각은. 자신의 고유한 계획된 경로를 생성하고, 자신의 고유한 계획된 경로를 상기 복수의 로봇의 나머지에 통신하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  4. 제3항에 있어서, 각 로봇은, 상기 적어도 하나의 고정된 객체의 화상을 포함하는 상기 환경의 화상을 상기 복수의 로봇의 다른 것으로부터 수신되는 계획된 경로들을 나타내는 화상들과 결합하여 탐색 맵을 형성하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  5. 제4항에 있어서, 각 로봇은, 상기 탐색 맵을 사용하여 자신의 현재 위치부터 자신의 목적지까지의 경로를 계획하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  6. 제5항에 있어서, 상기 복수의 로봇의 각각은, 각 로봇이 자신의 목적지를 향하는 해당 경로를 가로지를 때 자신의 고유한 업데이트되고 계획된 경로를 정기적인 시간 간격으로 생성하고 자신의 고유한 업데이트되고 계획된 경로를 상기 복수의 로봇의 나머지에 이러한 정기적인 시간 간격으로 통신하고, 각 로봇은, 상기 복수의 로봇 중 나머지의 상기 업데이트되고 계획된 경로를 사용하여 업데이트된 탐색 맵을 생성하고 상기 업데이트된 탐색 맵을 사용하여 자신의 목적지를 향하는 자신의 계획된 경로를 업데이트하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  7. 제1항에 있어서, 각 로봇의 상기 픽셀들의 제2 세트는 상기 제1비용 값보다 작은 복수의 비용 값을 갖는 픽셀들을 포함하고, 상기 픽셀들의 비용 값들은, 목적지를 향하여 각 로봇의 계획된 주행 경로를 따라 상기 픽셀들의 제1 세트에 인접하는 것으로부터 외측으로 연장됨에 따라 비례 감소하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  8. 제7항에 있어서, 각 로봇의 상기 픽셀들의 제2 세트는, 목적지를 향하는 각 로봇의 상기 계획된 주행 경로를 따라 복수의 영역을 생성함으로써 형성되고, 각 영역은 선행 영역보다 각은 픽셀 값들을 연속적으로 포함하는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  9. 제8항에 있어서, 상기 영역들은 원형 형상이고, 상기 영역들은 상기 로봇들의 크기에 대응하는 반경을 갖는, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  10. 제1항에 있어서, 상기 환경은 창고인, 복수의 로봇이 탐색하는 환경의 탐색 맵을 생성하는 방법.
  11. 적어도 하나의 고정된 객체와 적어도 하나의 다른 로봇을 포함하는 환경에서 현재 위치로부터 목적지까지 로봇을 탐색시키는 방법으로서,
    상기 환경의 화상을 취득하는 단계로서, 상기 화상은 복수의 픽셀에 의해 정의되고, 각 픽셀은 자신에 연관된 비용 값을 갖고, 상기 환경의 화상은, 상기 환경의 상기 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트를 포함하는 상기 적어도 하나의 고정된 객체의 화상을 포함하고, 상기 적어도 하나의 고정된 객체의 위치에 대응하는 상기 픽셀들의 세트는 정의된 제1비용 값을 갖는, 상기 환경의 화상을 취득하는 단계;
    상기 환경의 상기 적어도 하나의 다른 로봇의 화상을 취득하는 단계로서, 상기 적어도 하나의 다른 로봇의 화상은, 상기 환경의 상기 적어도 하나의 다른 로봇의 위치에 대응하는 픽셀들의 제1 세트 및 상기 픽셀들의 제1 세트에 인접하고 목적지를 향하는 상기 적어도 하나의 다른 로봇의 계획된 주행 경로를 따라 연장되는 픽셀들의 제2 세트를 포함하고, 상기 적어도 하나의 다른 로봇의 상기 픽셀들의 제1 세트의 픽셀들은 상기 정의된 제1비용 값을 갖고, 상기 적어도 하나의 다른 로봇의 상기 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는 픽셀들을 포함하고, 상기 정의된 제2비용 값은 상기 정의된 제1비용 값보다 작은, 상기 적어도 하나의 다른 로봇의 화상을 취득하는 단계, 및
    상기 적어도 하나의 고정된 객체의 화상 및 상기 적어도 하나의 다른 로봇의 화상에 기초하여 상기 로봇의 현재 위치로부터 상기 로봇의 목적지까지의 경로를 계획하는 단계를 포함하는, 로봇을 탐색시키는 방법.
  12. 제11항에 있어서, 상기 환경의 화상은, 상기 로봇 내에 국부적으로 저장되는 상기 적어도 하나의 고정된 객체의 화상을 포함하는, 로봇을 탐색시키는 방법.
  13. 제12항에 있어서. 상기 적어도 하나의 다른 로봇은. 현재 위치로부터 목적지까지의 자신의 계획된 경로를 생성하고 자신의 고유한 계획된 경로를 상기 로봇에 통신하는, 로봇을 탐색시키는 방법.
  14. 제13항에 있어서, 상기 로봇은, 상기 적어도 하나의 고정된 객체의 화상을 포함하는 상기 환경의 화상을 상기 적어도 하나의 다른 로봇으로부터 수신되는 계획된 경로의 화상과 결합하여 탐색 맵을 형성하는, 로봇을 탐색시키는 방법.
  15. 제14항에 있어서, 상기 로봇은, 상기 탐색 맵을 사용하여 자신의 현재 위치로부터 자신의 목적지까지의 경로를 계획하는, 로봇을 탐색시키는 방법.
  16. 제15항에 있어서, 상기 적어도 하나의 다른 로봇은, 자신이 자신의 목적지를 향하는 해당 경로를 가로지를 때 상기 자신의 고유한 업데이트되고 계획된 경로를 정기적인 시간 간격으로 생성하고 자신의 고유한 업데이트되고 계획된 경로를 상기 로봇에 이러한 정기적인 시간 간격으로 통신하고; 상기 로봇은, 상기 적어도 하나의 다른 로봇의 상기 업데이트되고 계획된 경로를 사용하여 업데이트된 탐색 맵을 생성하고 상기 업데이트된 탐색 맵을 사용하여 자신의 목적지를 향하는 자신의 계획된 경로를 업데이트하는, 로봇을 탐색시키는 방법.
  17. 제11항에 있어서, 상기 적어도 하나의 다른 로봇의 상기 픽셀들의 제2 세트는 상기 제1비용 값보다 작은 복수의 비용 값을 갖는 픽셀들을 포함하고, 상기 픽셀들의 비용 값들은, 목격지를 향하여 상기 적어도 하나의 다른 로봇의 계획된 주행 경로를 따라 상기 픽셀들의 제1 세트에 인접하는 것으로부터 외측으로 연장됨에 따라 비례 감소하는, 로봇을 탐색시키는 방법.
  18. 제17항에 있어서, 상기 적어도 하나의 다른 로봇의 상기 픽셀들의 제2 세트는, 목적지를 향하는 상기 적어도 하나의 다른 로봇의 상기 계획된 주행 경로를 따라 복수의 영역을 생성함으로써 형성되고, 각 영역은 선행 영역보다 작은 픽셀 값들을 연속적으로 포함하는, 로봇을 탐색시키는 방법.
  19. 제18항에 있어서, 상기 영역들은 원형 형상이고, 상기 영역들은 상기 로봇들의 크기에 대응하는 반경을 갖는, 로봇을 탐색시키는 방법.
  20. 제11항에 있어서, 상기 환경은 창고인, 로봇을 탐색시키는 방법.
  21. 적어도 하나의 고정된 객체와 복수의 다른 로봇을 포함하는 환경에서 탐색하도록 구성된 로봇으로서,
    상기 환경을 통해 상기 로봇을 추진하기 위한 이동 베이스;
    상기 로봇과 상기 복수의 다른 로봇 간의 통신을 가능하게 하는 통신 장치; 및
    상기 통신 장치와 통신하는 프로세서를 포함하되, 상기 프로세서는,
    상기 환경의 화상을 취득하도록 구성되되, 상기 화상은 복수의 픽셀에 의해 정의되고, 각 픽셀은 자신에 연관된 비용 값을 갖고, 상기 환경의 화상은, 상기 환경의 상기 적어도 하나의 고정된 객체의 위치에 대응하는 픽셀들의 세트를 포함하는 상기 적어도 하나의 고정된 객체의 화상을 포함하고, 상기 적어도 하나의 고정된 객체의 위치에 대응하는 상기 픽셀들의 세트는 정의된 제1비용 값을 갖고;
    상기 환경의 상기 복수의 다른 로봇의 화상을 취득하도록 구성되되, 상기 화상은, 각 로봇에 대하여, 상기 환경의 각 로봇의 위치에 대용하는 픽셀들의 제1 세트 및 상기 픽셀들의 제1 세트에 인접하고 목적지를 향하는 다른 로봇의 계획된 주행 경로를 따라 연장되는 픽셀들의 제2 세트를 포함하고, 상기 다른 로봇의 상기 픽셀들의 제1 세트의 픽셀들은 상기 정의된 제1비용 값을 갖고, 상기 다른 로봇의 상기 픽셀들의 제2 세트는 정의된 제2비용 값을 갖는 픽셀들을 포함하고, 상기 정의된 제2비용 값은 상기 정의된 제1비용 값보다 작고; 그리고
    상기 적어도 하나의 고정된 객체의 화상 및 상기 복수의 다른 로봇의 화상에 기초하여 상기 로봇의 현재 위치로부터 상기 로봇의 목적지까지의 경로를 계획하도록 구성되는, 로봇.
  22. 제21항에 있어서, 상기 환경의 화상은, 상기 복수의 로봇의 각각에 의해 국부적으로 저장되는 상기 적어도 하나의 고정된 객체의 화상을 포함하는, 로봇.
  23. 제22항에 있어서, 상기 복수의 다른 로봇의 각각은. 자신의 고유한 계획된 경로를 생성하고, 자신의 고유한 계획된 경로를 상기 복수의 로봇의 나머지에 통신하도록 구성된, 로봇.
  24. 제23항에 있어서, 상기 프로세서는, 상기 적어도 하나의 고정된 객체의 화상을 포함하는 상기 환경의 화상을 상기 복수의 로봇의 나머지로부터 수신되는 계획된 경로들의 화상들과 결합하여 탐색 맵을 형성하도록 구성된, 로봇.
  25. 제24항에 있어서, 상기 프로세서는, 상기 탐색 맵을 사용하여 자신의 현재 위치부터 자신의 목적지까지의 경로를 계획하도록 구성된, 로봇.
  26. 제25항에 있어서, 상기 프로세서는, 다른 로봇이 자신의 목적지를 향하여 자신의 경로를 가로지를 때 상기 복수의 다른 로봇의 각각으로부터 업데이트되고 계획된 경로를 정기적인 시간 간격으로 수신하도록 구성되고; 그리고 상기 프로세서는, 상기 복수의 다른 로봇의 상기 업데이트되고 계획된 경로를 사용하여 업데이트된 탐색 맵을 생성하고 상기 업데이트된 탐색 맵을 사용하여 자신의 목적지로 향하는 자신의 계획된 경로를 업데이트하도록 구성된, 로봇.
  27. 제21항에 있어서, 상기 복수의 다른 로봇의 각각의 상기 픽셀들의 제2 세트는 상기 제1비용 값보다 작은 복수의 비용 값을 갖는 픽셀들을 포함하고, 상기 픽셀들의 비용 값들은, 목적지를 향하여 각 로봇의 계획된 주행 경로를 따라 상기 픽셀들의 제1 세트에 인접하는 것으로부터 외측으로 연장됨에 따라 비례 감소하는, 로봇.
  28. 제27항에 있어서, 상기 복수의 다른 로봇의 각각의 상기 픽셀들의 제2 세트는, 목적지를 향하는 각 로봇의 상기 계획된 주행 경로를 따라 복수의 영역을 생성함으로써 형성되고, 각 영역은 선행 영역보다 각은 픽셀 값들을 연속적으로 포함하는, 로봇.
  29. 제28항에 있어서, 상기 영역들은 원형 형상이고, 상기 영역들은 상기 로봇들의 크기에 대응하는 반경을 갖는, 로봇.
  30. 제21항에 있어서, 상기 환경은 창고인, 로봇.
KR1020187031657A 2016-04-01 2017-04-01 계획된 로봇 주행 경로를 이용한 탐색 KR102383800B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/088,474 2016-04-01
US15/088,474 US9864377B2 (en) 2016-04-01 2016-04-01 Navigation using planned robot travel paths
PCT/US2017/025650 WO2017173424A1 (en) 2016-04-01 2017-04-01 Navigation using planned robot travel paths

Publications (2)

Publication Number Publication Date
KR20180132780A true KR20180132780A (ko) 2018-12-12
KR102383800B1 KR102383800B1 (ko) 2022-04-05

Family

ID=58672656

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187031657A KR102383800B1 (ko) 2016-04-01 2017-04-01 계획된 로봇 주행 경로를 이용한 탐색

Country Status (8)

Country Link
US (1) US9864377B2 (ko)
EP (1) EP3436880B1 (ko)
JP (1) JP6949868B2 (ko)
KR (1) KR102383800B1 (ko)
CN (1) CN109196433B (ko)
CA (1) CA3019572C (ko)
ES (1) ES2790423T3 (ko)
WO (1) WO2017173424A1 (ko)

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9139363B2 (en) 2013-03-15 2015-09-22 John Lert Automated system for transporting payloads
CA2968997C (en) * 2014-12-18 2023-03-07 Innerspace Technology Inc. Method and system for sensing interior spaces to auto-generate a navigational map
US20180361584A1 (en) * 2015-01-06 2018-12-20 Discovery Robotics Robotic platform with long-term learning
CA2988122A1 (en) 2015-06-02 2016-12-08 Alert Corporation Storage and retrieval system
US11203486B2 (en) 2015-06-02 2021-12-21 Alert Innovation Inc. Order fulfillment system
US11142398B2 (en) 2015-06-02 2021-10-12 Alert Innovation Inc. Order fulfillment system
US10346793B2 (en) * 2016-01-29 2019-07-09 Walmart Apollo, Llc Systems and methods for order filling
US11142402B2 (en) 2016-11-17 2021-10-12 Alert Innovation Inc. Automated-service retail system and method
EP3855376A1 (en) 2016-11-29 2021-07-28 Alert Innovation Inc. Automated retail supply chain and inventory management system
WO2018132500A1 (en) 2017-01-10 2018-07-19 Alert Innovation Inc. Automated store with interchangeable automated mobile robots
US10445691B2 (en) * 2017-01-27 2019-10-15 Walmart Apollo, Llc System for improving order batching using location information of items in retail store and method of using same
US10572932B2 (en) 2017-01-27 2020-02-25 Walmart Apollo, Llc System for providing optimal shopping routes in retail store and method of using same
US10657580B2 (en) 2017-01-27 2020-05-19 Walmart Apollo, Llc System for improving in-store picking performance and experience by optimizing tote-fill and order batching of items in retail store and method of using same
EP4116901A1 (en) * 2017-02-24 2023-01-11 Alert Innovation Inc. Inventory management system and method
US10293485B2 (en) * 2017-03-30 2019-05-21 Brain Corporation Systems and methods for robotic path planning
US10825076B2 (en) 2017-04-17 2020-11-03 Walmart Apollo Llc Systems to fulfill a picked sales order and related methods therefor
US10846645B2 (en) 2017-04-28 2020-11-24 Walmart Apollo, Llc Systems and methods for real-time order delay management
US10810542B2 (en) 2017-05-11 2020-10-20 Walmart Apollo, Llc Systems and methods for fulfilment design and optimization
US11126953B2 (en) 2017-06-14 2021-09-21 Walmart Apollo, Llc Systems and methods for automatically invoking a delivery request for an in-progress order
US11126954B2 (en) 2017-06-28 2021-09-21 Walmart Apollo, Llc Systems and methods for automatically requesting delivery drivers for online orders
US10909612B2 (en) 2017-07-13 2021-02-02 Walmart Apollo Llc Systems and methods for determining an order collection start time
US10899542B2 (en) * 2017-08-15 2021-01-26 Tompkins International Mobile sorter platforms and method for sorting articles
US10788831B2 (en) * 2017-10-06 2020-09-29 Wipro Limited Method and device for identifying center of a path for navigation of autonomous vehicles
US10816996B1 (en) * 2017-11-17 2020-10-27 Amazon Technologies, Inc. Techniques for contention management for mobile drive units
US10761539B2 (en) 2017-11-22 2020-09-01 Locus Robotics Corp. Robot charger docking control
US10365656B2 (en) * 2017-11-22 2019-07-30 Locus Robotics Corp. Robot charger docking localization
JP6935760B2 (ja) * 2018-01-31 2021-09-15 トヨタ自動車株式会社 集配システムおよび情報処理装置
US11163314B1 (en) 2018-02-27 2021-11-02 Amazon Technologies, Inc. Contention management for mobile drive units
US20190314983A1 (en) * 2018-04-17 2019-10-17 Sony Corporation Recording medium, information processing apparatus, and information processing method
US11074547B2 (en) * 2018-04-20 2021-07-27 Walmart Apollo, Llc Systems and methods for dual optimization of pick walk and tote fill rates for order picking
US10769587B2 (en) * 2018-07-02 2020-09-08 Walmart Apollo, Llc Systems and methods of storing and retrieving retail store product inventory
CN110356824B (zh) * 2018-08-02 2022-04-12 北京京东乾石科技有限公司 自动导引运输车及其路径规划方法
US11256259B2 (en) * 2018-09-19 2022-02-22 Locus Robotics Corp. Zone engine for providing context-augmented map layer
GB2577486B (en) * 2018-09-20 2023-05-10 Jaguar Land Rover Ltd Control system for determining vehicle path
US20210354725A1 (en) * 2018-09-20 2021-11-18 Jaguar Land Rover Limited Control system for a vehicle
US11256261B1 (en) * 2018-10-16 2022-02-22 Amazon Technologies, Inc. System for movement of autonomous mobile device
CN109637339B (zh) * 2018-11-19 2022-08-09 深圳市海柔创新科技有限公司 地图生成方法、装置、计算机可读存储介质和计算机设备
US10793357B2 (en) * 2019-01-30 2020-10-06 Locus Robotics Corp. Robot dwell time minimization in warehouse order fulfillment operations
US11078019B2 (en) 2019-01-30 2021-08-03 Locus Robotics Corp. Tote induction in warehouse order fulfillment operations
US11724395B2 (en) 2019-02-01 2023-08-15 Locus Robotics Corp. Robot congestion management
US11034027B2 (en) 2019-02-01 2021-06-15 Locus Robotics Corp. Robot assisted personnel routing
CN109955265A (zh) * 2019-03-08 2019-07-02 武汉理工大学 一种室内靶场智能弹壳清理机器人
CN111693046A (zh) * 2019-03-13 2020-09-22 锥能机器人（上海）有限公司 机器人系统和机器人导航地图建图系统及方法
CN110275535B (zh) * 2019-06-27 2022-02-15 大连理工大学 一种基于改进a星算法的多状态车辆路径规划方法
CN112214012A (zh) * 2019-07-11 2021-01-12 深圳市海柔创新科技有限公司 一种导航方法、移动载体及导航系统
CN111063029B (zh) * 2019-12-11 2023-06-09 深圳市优必选科技股份有限公司 地图构建方法、装置、计算机可读存储介质及机器人
US11868958B2 (en) 2020-01-31 2024-01-09 Walmart Apollo, Llc Systems and methods for optimization of pick walks
US11657347B2 (en) 2020-01-31 2023-05-23 Walmart Apollo, Llc Systems and methods for optimization of pick walks
KR20210129975A (ko) * 2020-04-21 2021-10-29 현대자동차주식회사 차량의 표시 장치 및 그 방법
KR20210129976A (ko) 2020-04-21 2021-10-29 현대자동차주식회사 차량의 표시 장치 및 그 방법
KR20210129974A (ko) * 2020-04-21 2021-10-29 현대자동차주식회사 차량의 표시 장치 및 그 방법
CN111949027A (zh) * 2020-08-10 2020-11-17 珠海一维弦机器人有限公司 自适应的机器人导航方法和装置
US11741564B2 (en) 2020-09-11 2023-08-29 Locus Robotics Corp. Sequence adjustment for executing functions on hems in an order
CN112229419B (zh) * 2020-09-30 2023-02-17 隶元科技发展(山东)有限公司 一种动态路径规划导航方法及系统
CN112083732A (zh) * 2020-10-28 2020-12-15 中航华东光电（上海）有限公司 一种检测可视线激光的机器人导航方法和导航系统
CN113478456B (zh) * 2021-07-19 2022-12-13 北京云迹科技股份有限公司 一种轮式运动陪伴机器人及其使用方法
EP4141474A1 (en) * 2021-08-25 2023-03-01 Hexagon Geosystems Services AG System for 3d surveying by an autonomous robotic vehicle using lidar-slam and an estimated point distribution map for path planning
CN114347019B (zh) * 2021-12-22 2023-09-08 深圳优地科技有限公司 机器人控制方法、机器人及控制系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120053096A (ko) * 2010-11-17 2012-05-25 포항대학 산학협력단 네트워크 로봇 시스템, 로봇 제어 장치, 로봇 제어 방법 및 로봇 제어 프로그램
KR101382982B1 (ko) * 2012-03-06 2014-04-09 고려대학교 산학협력단 로봇의 주행 경로 계획 장치 및 방법

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2001400A (en) 1934-02-26 1935-05-14 Shamberger George Adams Aeroplane
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
JP4348276B2 (ja) * 2004-11-02 2009-10-21 本田技研工業株式会社 ロボット制御装置
CN101297267B (zh) 2005-09-02 2012-01-11 Neato机器人技术公司 多功能机器人设备
US7539557B2 (en) 2005-12-30 2009-05-26 Irobot Corporation Autonomous mobile robot
US20100026555A1 (en) * 2006-06-09 2010-02-04 Whittaker William L Obstacle detection arrangements in and for autonomous vehicles
AU2008204560A1 (en) * 2007-01-10 2008-07-17 Tomtom International B.V. Data processing method & device
EP2179600B1 (en) 2007-08-06 2015-07-01 TRX Systems, Inc. Locating, tracking, and/or monitoring people and/or assets both indoors and outdoors
TWI344439B (en) 2008-01-29 2011-07-01 Univ Da Yeh Automatic load system and operation method of the same
CN101532842A (zh) * 2008-03-13 2009-09-16 联发科技（合肥）有限公司 确定从起点到终点的目标路线的路径规划方法及其装置
CN100573388C (zh) * 2008-10-30 2009-12-23 中控科技集团有限公司 实时颜色自动采集的机器人控制方法及机器人
JP5318623B2 (ja) * 2009-03-26 2013-10-16 株式会社国際電気通信基礎技術研究所 遠隔操作装置および遠隔操作プログラム
EP2473890B1 (en) 2009-08-31 2014-03-12 Neato Robotics, Inc. Method and apparatus for simultaneous localization and mapping of mobile robot environment
CN101699223B (zh) * 2009-10-27 2011-06-15 北京控制工程研究所 一种月球车双目视觉导航系统标定装置
US20110200420A1 (en) 2010-02-17 2011-08-18 Velociti Alliance North America, Inc. Warehouse dynamic picking slots
JP5518579B2 (ja) * 2010-06-02 2014-06-11 本田技研工業株式会社 移動可能領域抽出装置および移動可能領域抽出方法
US20120195491A1 (en) * 2010-07-21 2012-08-02 Palo Alto Research Center Incorporated System And Method For Real-Time Mapping Of An Indoor Environment Using Mobile Robots With Limited Sensing
JP5206752B2 (ja) * 2010-08-30 2013-06-12 株式会社デンソー 走行環境認識装置
CN102467751A (zh) * 2010-11-10 2012-05-23 上海日浦信息技术有限公司 一种三维虚拟场景快速路径规划的橡皮筋算法
CN102087530B (zh) * 2010-12-07 2012-06-13 东南大学 基于手绘地图和路径的移动机器人视觉导航方法
KR20140040094A (ko) * 2011-01-28 2014-04-02 인터치 테크놀로지스 인코퍼레이티드 이동형 원격현전 로봇과의 인터페이싱
WO2012178048A1 (en) 2011-06-24 2012-12-27 Seegrid Corporation Robot-enabled case picking
US8798840B2 (en) * 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
CA3155221A1 (en) 2012-05-28 2013-11-28 Tulip.Io Inc. Order processing systems using picking robots
JP6069606B2 (ja) * 2013-03-01 2017-02-01 株式会社国際電気通信基礎技術研究所 ロボット制御システムおよびロボット制御方法
US8983774B2 (en) 2013-07-09 2015-03-17 Qualcomm Incorporated Intelligent map combination for venues enabling indoor positioning
EP2826858B1 (en) * 2013-07-09 2017-05-31 Honda Motor Co., Ltd. Beta-glucosidase
WO2015017691A1 (en) 2013-08-02 2015-02-05 Irobot Corporation Time-dependent navigation of telepresence robots
US9463927B1 (en) 2013-09-23 2016-10-11 Vecna Technologies, Inc. Transporting and/or sorting items with mobile robot(s)
US9969337B2 (en) * 2014-09-03 2018-05-15 Sharp Laboratories Of America, Inc. Methods and systems for mobile-agent navigation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120053096A (ko) * 2010-11-17 2012-05-25 포항대학 산학협력단 네트워크 로봇 시스템, 로봇 제어 장치, 로봇 제어 방법 및 로봇 제어 프로그램
KR101382982B1 (ko) * 2012-03-06 2014-04-09 고려대학교 산학협력단 로봇의 주행 경로 계획 장치 및 방법

Also Published As

Publication number Publication date
CN109196433B (zh) 2021-09-24
US20170285648A1 (en) 2017-10-05
KR102383800B1 (ko) 2022-04-05
JP6949868B2 (ja) 2021-10-13
EP3436880B1 (en) 2020-03-04
EP3436880A1 (en) 2019-02-06
CA3019572C (en) 2020-05-26
CN109196433A (zh) 2019-01-11
ES2790423T3 (es) 2020-10-27
CA3019572A1 (en) 2017-10-05
WO2017173424A1 (en) 2017-10-05
JP2019513994A (ja) 2019-05-30
US9864377B2 (en) 2018-01-09

Similar Documents

Publication Publication Date Title
KR102383800B1 (ko) 계획된 로봇 주행 경로를 이용한 탐색
CA3018911C (en) Robot queueing in order-fulfillment operations
US10019015B2 (en) Robotic navigation utilizing semantic mapping
JP6925427B2 (ja) ロボット支援の注文履行動作における効率を改善するためのディスプレイ
US10513033B2 (en) Robot queuing in order fulfillment operations
US20170278047A1 (en) Dynamic task interleaving in robot assisted order-fulfillment operations
US20190243358A1 (en) Manual control modes for an autonomous mobile robot

Legal Events

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