TW201723425A - 在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量 - Google Patents

在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量 Download PDF

Info

Publication number
TW201723425A
TW201723425A TW105131944A TW105131944A TW201723425A TW 201723425 A TW201723425 A TW 201723425A TW 105131944 A TW105131944 A TW 105131944A TW 105131944 A TW105131944 A TW 105131944A TW 201723425 A TW201723425 A TW 201723425A
Authority
TW
Taiwan
Prior art keywords
uncertainty
observation
composite
pose
observed
Prior art date
Application number
TW105131944A
Other languages
English (en)
Inventor
彼得 艾爾分 安德森－斯普雷彻
Original Assignee
Ｘ開發有限責任公司
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 Ｘ開發有限責任公司 filed Critical Ｘ開發有限責任公司
Publication of TW201723425A publication Critical patent/TW201723425A/zh

Links

Classifications

    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/383—Indoor data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • G—PHYSICS
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0297—Fleet control by controlling means in a control room
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0261—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic plots
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0272—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising means for registering the travel distance, e.g. revolutions of wheels
    • 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
    • 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
    • Y10S901/30—End effector
    • Y10S901/31—Gripping jaw
    • 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
    • Y10S901/46—Sensing device
    • Y10S901/47—Optical

Abstract

本發明提供方法、設備、系統及電腦可讀媒體，其等用於在一環境中使用來自多個媒介(例如可移動機器人及/或固定感測器)之基於感測器之觀測來估計在一目標時間之該環境中之一物件之姿勢及估計該姿勢之一不確定性度量。各種實施方案基於來自多個媒介之一觀測群組來產生一多重圖形，其中該多重圖形包含一參考座標系統節點、物件節點及連接該等節點之複數個連線。在一些實施方案中，沿將該參考座標系統節點連接至一給定物件節點之該多重圖形之該等連線產生針對複數個簡單路徑之各者之一複合姿勢及複合不確定性度量，且基於該等複合姿勢及該等複合不確定性度量來產生針對與該給定物件節點相關聯之一識別符之一姿勢及不確定性度量。

Description

在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量
機器人可經程式化以執行各種任務，諸如(例如)自主或半自主巡行、操縱物件(例如重新定位一物件、更換一物件及/或拾取一物件且將其移動至一不同位置)、運輸物件(無需操縱該等物件)、監測環境狀態、用於「車輪視訊會議」等等。各種機器人可在執行各種機器人任務時利用來自機器人之一或多個感測器之輸入及/或機器人之環境之一策展圖。例如，一機器人可利用一或多個攝影機、雷射掃描器、深度感測器及/或其他感測器來識別且避免該機器人之一當前移動軌線中所偵測之障礙。此外，例如，一機器人可在計劃一移動軌線時利用一策展圖及/或其感測器輸入來完成一任務。 然而，利用來自一機器人之感測器之輸入來偵測物件且對此偵測採取行動會存在一或多個缺點。例如，諸多感測器具有一有限「視場」且無法偵測諸如不在感測器之視線內之物件之某些物件。此外，例如，來自與一物件相關之一機器人之感測器之一些輸入可歸因於(例如)其他物件「阻擋」感測器之視線、物件定位於感測器之一相對較遠距離處等等而「有雜訊」。再者，利用來自一策展圖之輸入會存在一或多個缺點。例如，會在其中未體現某些物件之一粒度位準處策展圖及/或圖可能為過時的且未反映新物件引入至環境、自環境移除物件及/或環境中之物件之姿勢之一變化。上述技術及/或其他技術可存在額外及/或替代缺點。
本發明大體上係針對：在一環境中使用來自多個代理人(例如可移動機器人及/或固定感測器)之基於感測器之觀測來估計在一目標時間之該環境中之一物件之姿勢及估計該姿勢之一不確定性度量。估計該姿勢及該不確定性度量時所針對之該物件可為諸如一托板、一盒子、一產品等等之一非能動者，或其本身可為一能動者(例如一可移動機器人)。如本文中所使用，一物件之「姿勢」可僅指涉該物件之一位置(例如一多維座標)或可指涉該物件之該位置及該物件之一定向兩者(例如SE(3)組態空間中之一姿勢)。 基於來自一代理人之一或多個感測器之感測器資料來產生來自該代理人之一給定觀測。該給定觀測可包含一觀測時間、該代理人之一來源識別符、一觀測物件之一觀測物件識別符、該觀測物件之一度量物件姿勢及該觀測物件之一觀測不確定性度量。例如，該給定觀測之該觀測不確定性度量可基於與用於產生該度量物件姿勢之該一或多個感測器相關聯之不確定性及/或與該度量物件姿勢與該等所利用之感測器之間之一距離相關聯之不確定性。在一些實施方案中，可將該觀測不確定性度量提供為該度量物件姿勢之一機率分佈(例如協方差)。例如，可將該度量物件姿勢提供為SE(3)組態空間中之一平均姿勢，且可將該觀測不確定性度量提供為圍繞該平均姿勢之六維切空間內之一相關聯高斯(Gaussian)協方差度量。 可由各種代理人產生各種類型之觀測。例如，來自安裝於一可移動機器人代理人上之一感測器(例如一攝影機)之感測器資料可用於產生一物件(一非能動物件或一能動物件(例如另一可移動機器人))之一「機器人對物件」觀測。在此一實例中，觀測物件識別符將識別該物件，來源識別符將識別可移動機器人代理人，且度量物件姿勢將與可移動機器人代理人有關。作為另一實例，來自一固定感測器(例如具有諸如一世界座標系統之一「參考座標系統」中之一已知姿勢之一固定攝影機)之感測器資料可用於產生一物件之一「參考座標系統對物件」觀測。在此一實例中，觀測物件識別符將識別該物件，來源識別符將識別該固定感測器，且度量物件姿勢將與該參考座標系統有關。作為又一實例，來自安裝於一可移動機器人代理人上之一感測器(例如GPS)之感測器資料可用於產生該可移動機器人代理人本身之一「參考座標系統對物件」觀測(例如機器人自我定位)。在此一實例中，觀測物件識別符將識別該可移動機器人代理人，來源識別符亦將識別該可移動機器人代理人，且度量物件姿勢將與該參考座標系統有關。 基於針對一目標時間(例如一「當前時間」)之一觀測群組之觀測時間來識別該組觀測以估計在該目標時間之一或多個物件之各者之姿勢及不確定性度量。例如，可選擇包含於該群組中之一或多個觀測，其等針對複數個唯一「來源識別符」、「觀測物件識別符」對之各者且具有在該目標時間之一臨限時間量內之觀測時間。例如，若可取得滿足該臨限值之兩個觀測，則可選擇來自時間上最接近於該目標時間(且亦滿足該臨限值)之針對各「來源識別符」、「觀測物件識別符」對之兩個觀測。否則，可選擇滿足該臨限值之一時間最接近觀測或無觀測可供選擇。 基於觀測群組來產生一多重圖形。該多重圖形包含界定識別觀測群組之物件(非能動物件及能動物件)之物件節點且包含界定諸如一所謂之「世界座標系統」之一參考座標系統之一參考座標系統節點。該多重圖形進一步包含該等節點之間之連線(edge)，其中基於識別觀測群組之一觀測來界定該等連線之各者。例如，可將一第一連線可界定於界定一可移動機器人代理人之一物件節點與界定一非能動物件之一物件節點之間。可基於包含與該非能動物件節點相關聯之一觀測物件識別符及與該可移動機器人代理人相關聯之一來源識別符之一觀測來界定該第一連線。該第一連線進一步界定該觀測之度量物件姿勢及觀測不確定性度量。 在一些實施方案中，基於一觀測群組來產生一多重圖形可包含：組合來自具有相同物件識別符及相同來源識別符之兩個或兩個以上觀測(即，具有相同「物件識別符」、「來源識別符」對之觀測)之度量物件姿勢及觀測不確定性度量。例如，推廣至SE(3)組態空間之球面線性插值(SLERP)之一變型可用於內插於兩個觀測之間且該內插用於基於該兩個觀測來界定一單一連線而非兩個單獨連線。 針對多重圖形中之參考座標系統節點與一目標節點之間之複數個識別簡單路徑之各者，藉由將組成該簡單路徑之連線之姿勢及不確定性度量鏈接在一起來產生與參考座標系統節點有關之一複合姿勢及該複合姿勢之一複合不確定性度量。可使用一無跡變換(UT)或諸如泰勒(Taylor)級數近似法之其他非線性協方差估計來近似表示該複合姿勢及該複合不確定性度量。在一些實施方案中，針對參考座標系統節點與目標節點之間之全部簡單路徑來產生一複合姿勢及複合不確定性度量。在一些實施方案中，可藉由(例如)僅觀察其連線全部與小於臨限數目個觀測源相關聯之簡單路徑及/或僅觀察具有小於臨限數目個連線之簡單路徑來減少簡單路徑之數目。例如，一些實施方案可僅針對其連線與一對應單一觀測源相關聯之簡單路徑來產生一複合姿勢及複合不確定性度量。 接著，基於簡單路徑之複合姿勢及複合不確定性度量來產生在目標時間之目標節點之一姿勢及不確定性度量。例如，針對簡單路徑所產生之複合姿勢及不確定性度量可經合併以產生姿勢及不確定性度量。例如，可使用協方差加權平均及/或其他資料融合技術來合併複合姿勢及不確定性度量。 可將在目標時間之目標節點之姿勢及不確定性度量指派給目標節點所基於之物件識別符。物件識別符及所指派之姿勢及不確定性度量可用於各種目的。例如，可將物件識別符及所指派之姿勢及不確定性度量提供至代理人之一機器人代理人以影響待由該機器人代理人執行之一或多個任務。 在一些實施方案中，可提供一種方法，其包含：在一環境中自複數個代理人接收複數個觀測。該等觀測之各者基於來自該等代理人之一對應代理人之一或多個感測器之感測器資料來產生且可包含：一觀測時間、該對應代理人之一來源識別符、該環境之多個物件之一對應觀測物件之一觀測物件識別符、該對應觀測物件之一度量物件姿勢及該度量物件姿勢之一觀測不確定性度量。該方法進一步包含：基於滿足與一目標時間有關之一臨限值之一觀測群組之觀測時間來識別該目標時間之該觀測群組；及基於該觀測群組來產生具有複數個節點及連接該等節點之連線之一多重圖形。產生該多重圖形可包含：界定該等節點之一參考座標系統節點；界定基於該群組之該等觀測物件識別符之該等節點之物件節點；及基於該等觀測物件識別符、該等來源識別符及該群組之該等度量物件姿勢及觀測不確定性度量來產生連接該等節點之該等連線。該方法進一步包含：沿連接該參考座標系統節點及該等物件節點之一給定物件節點之該等連線產生針對複數個簡單路徑之各者之一複合姿勢及複合不確定性度量。針對該等簡單路徑之各者之該複合姿勢及該複合不確定性度量係基於該簡單路徑之該等連線之各者之該度量物件姿勢及該觀測不確定性度量。該方法進一步包含：基於該等複合姿勢及該等複合不確定性度量來產生該給定物件節點所基於之物件識別符之一姿勢及一不確定性度量；及將該姿勢及該不確定性度量指派給該給定物件節點所基於之該物件識別符。 此方法及本文中所揭示之技術之其他實施方案可各視情況包含以下特徵之一或多者。 在一些實施方案中，該方法進一步包含：將該物件識別符及該姿勢及該不確定性度量提供至該環境中之該等代理人之至少一機器人代理人。 在一些實施方案中，該等觀測之該等觀測物件識別符之至少一者識別該環境之該等代理人之一者。 在一些實施方案中，該給定物件節點所基於之該物件識別符識別該環境之該等代理人之一機器人代理人。 在一些實施方案中，一第一觀測之觀測物件識別符識別該等代理人之一可移動機器人代理人且該第一觀測之來源識別符識別該可移動機器人代理人；且一第二觀測之觀測物件識別符識別該等代理人之一非能動物件且該第二觀測之來源識別符識別該可移動機器人代理人。在該等實施方案之部分中，一第三觀測之觀測物件識別符識別該等代理人之非能動物件且該第三觀測之來源識別符識別該等代理人之一固定感測器代理人。 在一些實施方案中，基於該複合姿勢及該複合不確定性度量來產生該姿勢及該不確定性度量包含：合併該複數個簡單路徑之該等複合姿勢及該等複合不確定性度量。在該等實施方案之部分中，合併該複數個簡單路徑之該等複合姿勢及該等複合不確定性度量包含：在進行該合併時，基於該等複合不確定性度量來權衡該等複合姿勢及該等複合不確定性度量。 在一些實施方案中，沿該等簡單路徑之一簡單路徑產生該等連線之一連線包含：基於該觀測群組之一第一觀測之該度量物件姿勢及該觀測不確定性度量及該觀測群組之一第二觀測之該度量物件姿勢及該觀測不確定性度量之球面線性插值來產生該連線之該度量物件姿勢及該觀測不確定性度量。該第一觀測及該第二觀測兩者識別相同觀測物件識別符及相同來源識別符。 在一些實施方案中，針對該複數個簡單路徑之各者來產生該複合姿勢及該複合不確定性度量包括：將一無跡變換應用於該簡單路徑之該等連線之該等度量物件姿勢及該等觀測不確定性度量。 其他實施方案可包含一種非暫時性電腦可讀儲存媒體，其儲存可由一處理器執行以執行諸如上文所描述之方法之一或多者之一方法的指令。又一實施方案可包含一種系統，其包含記憶體及一或多個處理器，該一或多個處理器可經操作以執行儲存於該記憶體中之指令來實施單獨或共同執行諸如上文所描述之方法之一或多者之一方法的一或多個模組或引擎。 應瞭解，前述概念及本文中更詳細描述之額外概念之全部組合被視為本文中所揭示之標的之部分。例如，出現於本文末尾處之主張標的之全部組合被視為本文中所揭示之標的之部分。
圖1繪示一實例性設定，其中來自一環境中之多個代理人130A至130N之觀測140A至140N可用於估計在一目標時間之該環境中之一或多個物件之姿勢及估計該等姿勢之不確定性度量。圖1之實例性環境中繪示兩個可移動機器人代理人130A及130B及一固定攝影機代理人130N。亦可存在額外機器人代理人及/或固定感測器代理人，如由定位於可移動機器人130B及固定攝影機130N之間之圖1之省略號所指示。 圖1之設定中亦提供一姿勢及不確定性系統150。可由對應代理人130A、130B及130N經由網路103來將觀測140A、140B及140N提供至系統150。系統150使用觀測140A、140B及/或140N之一或多者以根據本文中所描述之技術來產生在一目標時間之環境中之一或多個目標之一姿勢及產生該等姿勢之不確定性度量。網路103可包含諸如一區域網路(LAN)及/或廣域網路(WAN)(諸如網際網路)之一或多個網路。在其他實施方案中，可利用一或多個組件之間之一直接連接。 代理人130A至130N之各者可定位於一環境(諸如一建築物(例如一倉庫、一製造設施、一辦公大樓)、附近建築物之一集群之一或多個建築物、一多層辦公室或其他建築物之一或多個樓層等等)中。可在其他實施方案中提供額外及/或替代代理人，諸如在一或多個方面不同於圖1中所繪示之機器人及/或感測器之額外機器人(可移動及/或不可移動)及/或額外固定感測器。例如，自主或半自主堆高機器人可經提供為唯一機器人及/或在一些實施方案中與其他代理人一起提供。 可移動機器人代理人130A及130B之各者包含一對應基座133A及133B，其具有設置於其對置側上之輪子來移動可移動機器人代理人130A及130B之一對應者。例如，基座133A及133B之各者可包含一或多個馬達，其等用於驅動對應輪子以達成對應可移動機器人代理人130A及130B之移動之一所要方向、速度及/或加速度。 可移動機器人代理人130A及130B之各者亦可包含至少一姿勢視覺裝置，其包含一或多個對應姿勢視覺感測器。如本文中所使用，一姿勢視覺感測器係可感測與感測器之視線內之一物件之形狀、色彩及/或其他特徵相關之資料之一感測器，其中該感測資料可用於(視情況與其他資料組合)判定該物件之一位置及/或定向。作為一姿勢視覺裝置之一實例，可移動機器人代理人130A包含一3D雷射掃描器131A，其包含：一或多個雷射，其等發射光；及一或多個感測器，其等收集與該發射光之反射相關之資料以能夠判定各種物件之位置及/或定向。雷射掃描器131A可為(例如)一飛行時間3D雷射掃描器或基於三角量測之3D雷射掃描器且可包含一位置敏感偵測器(PSD)或其他光學位置感測器。 作為一姿勢視覺裝置之另一實例，可移動機器人代理人130B包含一立體攝影機131B，其包含各位於一不同有利位置處之兩個感測器(例如電荷耦合裝置(CCD))。可藉由比較由不同有利位置處之該兩個感測器感測之資料來判定各種物件之位置及/或定向。作為一姿勢視覺裝置之又一實例，一機器人代理人可包含一機器視覺攝影機，其包含擷取尤其與物件上之基準標籤相關之資料之一感測器。與一物件上之一基準標籤相關之資料可用於偵測該基準標籤且基於該基準標籤來判定該物件之位置及/或定向。儘管本文中描述姿勢視覺裝置及相關聯感測器之特定實例，但可利用額外及/或替代姿勢視覺裝置及相關聯感測器。 可移動機器人代理人130A及130B之各者亦包含一或多個控制器，其等(例如)將控制命令提供至該可移動機器人代理人之致動器及/或其他操作組件，產生本文中所描述之全部或部分觀測，接收且施加作用於基於本文中所描述之技術所判定之一或多個物件姿勢及不確定性度量，及/或接收且施加作用於控制命令(諸如至少部分基於基於本文中所描述之技術所判定之物件姿勢及不確定性度量所產生之控制命令)。例如，可移動機器人代理人130A之一或多個控制器可將控制命令提供至伺服馬達，該等伺服馬達驅動可移動機器人代理人130A之輪子以自主地、半自主地及/或基於由一使用者經由該使用者之一運算裝置提供之控制命令來使可移動機器人代理人130A巡行至環境中之各種位置。此外，例如，可移動機器人代理人130A之一或多個控制器可經由可移動機器人代理人130A之一網路介面來建立與姿勢及不確定性系統150之一網路連接，且將全部或部分觀測140A提供至系統150。本文中提供各種機器人之結構及功能之一些實例之額外描述。 可移動機器人代理人130A可為在一環境周邊移動且經由3D雷射掃描器131A及/或其他感測器來收集資料但無法執行任何額外非監測/觀測任務之一監測/觀測機器人。可移動機器人代理人130B包含具有對應末端執行器135B1及135B2之機械臂134B1及134B2，其等各呈具有兩個對置「手指」或「指」之一抓手之形式。可自主地、半自主地及/或基於由一使用者經由一使用者之一運算裝置提供之控制命令來控制機械臂134B1、134B2及末端執行器135B1、135B2。例如，可自主地控制機械臂134B1以將末端執行器135B1定位成接近於一物件且可自主地控制末端執行器135B1以抓取該物件。儘管圖1中繪示一群組之不同結構機器人，但在其他實施例中一環境中之機器人可為結構相同的。 例如，固定攝影機代理人130N可為一立體視覺攝影機或一機器視覺攝影機。可在諸如額外及/或替代姿勢視覺裝置之一些設定中提供其他固定感測器。固定攝影機代理人130N在一環境中可具有一固定位置及/或定向且可相對於諸如一所謂「世界座標系統」之一參考座標系統而校準。相應地，如本文中所描述，在一些實施方案中，由固定攝影機代理人130N提供之觀測140N可各指示與參考座標系統有關之一度量物件姿勢。 代理人130A至130N經由網路103來將對應觀測140A至140N提供至姿勢及不確定性系統150且姿勢及不確定性系統150基於所提供之觀測來產生在一目標時間之一或多個物件之一姿勢及不確定性度量。代理人130A至130N可提供各種狀況下之觀測140A至140N。例如，可移動機器人代理人130A及130B可在其等已參與另一任務時提供觀測140A及140B (例如，可移動機器人130B可在其巡行至一位置以執行一任務時提供觀測140B)及/或在其等未參與另一非監測/觀測任務時提供觀測140A及140B (例如，一機器人不是閒置不動，而是可在整個環境中移動以提供觀測)。如由與圖1之觀測140A、140B及140N一起提供之下標「i」所指示，一代理人130A、130B、130N通常將在一段時間內提供複數個觀測。例如，可移動機器人130A之觀測140A包含複數個觀測，其中該等觀測之各者係針對一不同時間瞬間。 觀測140A至140N可各包含一觀測時間、代理人之一來源識別符、一對應觀測物件之一觀測物件識別符、該對應物件之一度量物件姿勢及該對應觀測物件之一觀測不確定性度量。 觀測時間指示感測度量物件姿勢所基於之感測器資料之一時間。觀測時間可基於感測感測器資料之時間，或可基於諸如產生度量物件姿勢之時間之另一事件。在一些實施方案中，觀測140A至140N之一或多者(例如全部)可省略觀測時間且可由姿勢及不確定性系統150基於接收對應觀測140A至140N之一時間來推斷觀測時間。 來源識別符識別用於判定度量物件姿勢及/或與度量物件姿勢有關之座標系統之代理人。例如，來源識別符可為用於判定度量物件姿勢之一可移動機器人代理人之一唯一識別符及/或用於判定度量物件姿勢之一可移動機器人代理人之(若干)感測器之一唯一識別符。此外，例如，來源識別符可為一可移動機器人代理人之一唯一識別符且可識別與度量物件姿勢有關之座標系統。例如，度量物件姿勢之座標系統可為用於可移動機器人代理人之「機器人對物件」觀測之可移動機器人代理人，度量物件姿勢之座標系統可為用於可移動機器人代理人之一些「參考座標系統對物件」觀測之一「世界座標系統」參考座標系統，且度量物件姿勢之座標系統可為用於可移動機器人代理人之一些其他「參考座標系統對物件」觀測之一「里程表」參考座標系統。 例如，一觀測物件之觀測物件識別符可基於該物件上之一基準標籤、該物件之一射頻識別(RFID)標籤(被動或主動)及/或該物件之特徵點，且可由代理人130A至130N之一對應者基於各種技術來判定。例如，當識別符係基於物件上之一基準標籤(例如一快速回應(QR)碼或其他條碼、一字母數字標籤)時，可移動機器人代理人130A可基於自由可移動機器人代理人130A擷取之物件之一影像中之基準標籤提取識別符來判定觀測物件識別符。此外，例如，當觀測物件識別符係基於物件之一RFID標籤時，可移動機器人代理人130A可包含讀取RFID標籤之一RFID讀取器及用作觀測物件識別符之讀取RFID標籤之一ID信號。此外，例如，當觀測物件識別符係基於物件之特徵點時，可移動機器人代理人130A可利用雷射掃描器131A、一攝影機及/或其他感測器來產生特徵點且基於該等特徵點來判定觀測物件識別符。 可由代理人130A至130N之一對應者基於由代理人130A至130N之一對應者之一或多個感測器感測之資料來判定物件之度量物件姿勢。例如，可將度量物件姿勢提供為SE(3)組態空間中之一平均姿勢。 度量物件姿勢之觀測不確定性度量可基於(例如)與用於產生度量物件姿勢之一或多個感測器相關聯之不確定性(例如感測器之類型、感測器之模型、與感測器相關聯之誤差度量、感測器之最近校準日期、其中實施感測器之姿勢視覺裝置之類型)及/或與度量物件姿勢與代理人之感測器之間之一距離相關聯之不確定性(例如，不確定性可隨著距離增大而增大)。在一些實施方案中，可將觀測不確定性度量提供為度量物件姿勢之一概率分佈(例如一協方差)，諸如圍繞SE(3)組態空間中之一平均姿勢之六維切空間內之一相關聯高斯協方差度量。 觀測140A至140N可呈各種形式。例如，來自可移動機器人代理人130A之一些觀測140A可為「機器人對物件」觀測，其中觀測物件識別符識別一物件(一非能動物件或一能動物件(例如另一可移動機器人))，來源識別符識別可移動機器人代理人130，且度量物件姿勢與機器人之姿勢有關。作為另一實例，來自可移動機器人代理人130A之一些觀測可為「參考座標系統對物件」觀測，其中觀測物件識別符將可移動機器人代理人130A本身識別為物件，來源識別符亦識別可移動機器人代理人130A，且度量物件姿勢與一參考座標系統有關。例如，該等觀測可基於可移動機器人代理人130A使用諸如粒子濾波、地標偵測及/或GPS之一或多個定位技術來自我「定位」。作為另一實例，來自固定攝影機代理人130N之觀測可為「參考座標系統對物件」觀測，其中觀測物件識別符識別一物件(一非能動物件或一能動物件(例如一可移動機器人代理人))，來源識別符識別固定攝影機代理人130N，且度量物件姿勢與參考座標系統有關。在一些實施方案中，一可移動機器人代理人可提供多種類型之觀測，其中各類型之觀測提供與一不同座標系統有關之度量物件姿勢。例如，一可移動機器人代理人之一些觀測可為具有與該可移動機器人代理人之姿勢有關之一物件姿勢之「機器人對物件」觀測，一些觀測可為其中度量物件姿勢與一第一座標系統(例如一「世界座標系統」參考座標系統)有關之「針對機器人之參考座標系統」觀測，且一些觀測可為其中度量物件姿勢與一第二座標系統(例如一「里程表」參考座標系統)有關之「針對機器人之參考座標系統」觀測。在該等實施方案之部分中，觀測之各者之來源識別符可指示與度量物件姿勢有關之對應座標系統。 姿勢及不確定性系統150可包含由一或多個網路(圖中未描繪)連接之一或多個運算系統且可使用觀測140A至140N來產生在一目標時間之一物件101之一姿勢及不確定性度量且視情況產生該目標時間之額外物件之姿勢及不確定性度量。圖8中示意性地描繪此一運算系統之一實例。各種模組或引擎可經實施為軟體、硬體或兩者之任何組合來作為姿勢及不確定性系統150之部分。例如，在圖1中，系統150包含一觀測識別引擎152、一多重圖形產生引擎154、一複合姿勢及不確定性產生引擎156及一合併引擎158。 觀測識別引擎152經組態以基於滿足與一目標時間有關之一臨限值之一觀測群組140A至140N之觀測時間來識別該目標時間之該觀測群組。例如，該目標時間可為一「當前時間」或諸如「1小時前」、「昨天下午2:30」等等之一較早時間。例如，可選擇複數個唯一「來源識別符」之各者(例如代理人之識別符及/或與度量物件姿勢有關之參考座標系統之識別符)、「觀測物件識別符」對之一或多個觀測140A至140N，其等具有在該目標時間之一臨限時間量內之觀測時間。例如，若可取得滿足該臨限值之兩個觀測，則可選擇時間上最接近於該目標時間(且亦滿足該臨限值)之針對各「來源識別符」、「觀測物件識別符」對之兩個觀測。否則，可選擇滿足該臨限值之一時間最接近觀測或無觀測可供選擇。 作為一特定實例，假定：一目標時間係「當前時間」且臨限值係「在該目標時間之1秒內」。進一步假定：已將具有「可移動機器人代理人130A」之一來源識別符、「物件A」之一觀測物件識別符及目標時間之1秒內之一觀測時間的一第一組之五個觀測提供至姿勢及不確定性系統150 (或提供至可由系統150存取之一資料庫)。觀測識別引擎152可自該第一組之五個觀測選擇時間上最接近於當前時間之兩個觀測作為群組之成員。進一步假定：已將具有「可移動機器人代理人130A」之一來源識別符、「物件B」之一觀測物件識別符及目標時間之1秒內之一觀測時間的一第二組之六個觀測提供至姿勢及不確定性系統150。觀測識別引擎152可自該第二組之六個觀測選擇時間上最接近於當前時間之兩個觀測作為群組之成員。進一步假定：已將具有「代理人B」之一來源識別符、「可移動機器人代理人130B」之一觀測物件識別符及目標時間之1秒內之一觀測時間的一第三組之一個觀測提供至姿勢及不確定性系統150。觀測識別引擎152可選擇該觀測作為群組之一成員，或在其他實施方案(例如，其中必須存在滿足臨限值之兩個或兩個以上觀測，包含於群組中之該等觀測針對一「來源識別符」、「觀測物件識別符」對)中可不選擇該觀測。觀測識別引擎152可對具有額外「來源識別符」、「觀測物件識別符」對之觀測140A至140N重複此程序以形成觀測群組。 在一些實施方案中，觀測識別引擎152可自包含未被選入群組中之額外觀測之一多重圖形識別目標時間之觀測群組。例如，該多重圖形可包含最後X個接收觀測140A至140N或一最近時間段(諸如最後1小時)內所接收之全部觀測140A至140N。此一多重圖形可具有類似於下文將相對於圖3所討論之結構的一結構，且觀測識別引擎152可藉由針對複數個唯一「來源識別符」之各者、「觀測物件識別符」對選擇具有在目標時間之一臨限時間量內且時間上最接近於目標時間之觀測時間之該多重圖形之一或多個連線來選擇群組。 多重圖形產生引擎154經組態以基於由觀測識別引擎152識別之觀測群組來產生一多重圖形。在其中觀測識別引擎152自包含未被選入群組中之額外觀測之一多重圖形識別目標時間之觀測群組的實施方案中，基於群組來產生該多重圖形可包括：自由引擎152使用之該多重圖形產生一減小多重圖形。 由多重圖形產生引擎154產生之多重圖形包含界定群組之物件(非能動物件及能動物件)之物件節點及界定諸如一所謂「世界座標系統」之一參考座標系統之一參考座標系統節點。多重圖形進一步包含該等節點之間之連線，其中基於群組之一觀測來界定該等連線之各者。例如，可基於包含與一非能動物件相關聯之一觀測物件識別符及與一可移動機器人代理人相關聯之一來源識別符的一觀測來將一第一連線界定於界定該可移動機器人代理人之一物件節點與界定該非能動物件之一物件節點之間。該第一連線進一步界定該觀測之度量物件姿勢及觀測不確定性度量。 參考圖2及圖3，圖中描述可由引擎154產生之一多重圖形之一實例。圖2繪示在一第一時間之一建築物之一部分之一平面圖，其中該建築物中具有來自圖1之代理人130A、130B及130N且該建築物中亦具有額外物件105A至105M。物件105A至105J可為(例如)盒子、托板及/或其他物件。物件105K至105M可為(例如)圓筒、套筒及/或其他物件。在如圖2中所描繪之代理人130A、130B及130N及物件105A至105M之姿勢處，代理人130A、130B及130N之一或多者之各者可提供包含物件105A至105M之一或多者或代理人130A、130B、130N之一或多者之一度量物件姿勢之對應觀測。 例如，固定攝影機代理人130N在環境中位於一固定位置中且可在可移動機器人代理人130A、可移動機器人代理人130B及一或多個物件105A至105G呈圖2中所描繪之各自姿勢時產生具有可移動機器人代理人130A、可移動機器人代理人130B及/或一或多個物件105A至105G之一物件識別符之一或多個觀測。此外，例如，固定攝影機代理人130N可在可移動機器人代理人130A、可移動機器人代理人130B及/或一或多個物件105A至105M具有不同姿勢之較早或未來時間段內產生一或多個觀測。可移動機器人代理人130A及130B可在處於其所繪示之位置中時且在其及/或其他物件在整個環境中移動之一或多個較早及/或未來時間段內擷取一或多個觀測。 圖3呈現可基於由代理人130A、130B、130N提供之一觀測群組來產生之一多重圖形之一部分，其中基於接近於圖2中所繪示之第一時間之一目標時間來識別該觀測群組。該多重圖形包含物件節點2、3、4及5及一參考座標系統節點1。物件節點3及5對應於非能動物件且物件節點2及4對應於可移動機器人代理人物件。特定言之，如圖3中所指示，物件節點3及5分別對應於圖2中之物件105C及105A且物件節點2及4分別對應於可移動機器人代理人130B及可移動機器人代理人130A。 節點1至5之間之連線標記有字母數字標記。該等標記之起始數字字元指示其連接之兩個節點。例如，連線23RB1連接節點2及3。該等標記之字母字元指示連線所基於之觀測之來源。特定言之，字母字元RA指示來源係可移動機器人代理人130A，字母字元RB指示來源係可移動機器人代理人130B，字母字元FS指示來源係固定攝影機代理人130N。末尾數字字元區分基於具有相同「來源識別符」、「觀測物件識別符」對之多個不同時間觀測之連線。例如，連線23RB1及23RB2兩者係基於具有對應於可移動機器人代理人130B (如由「RB」所指示)之一來源識別符及對應於物件105C (如由連接至節點3之連線所指示)之一觀測物件識別符的一對應觀測。 在圖3所描繪之多重圖形中，由連線23RB1、23RB2、24RA1、24RB1、24RB2、34RA1、45RA1及45RA2表示「機器人對物件」觀測。由觀測12RB1、12RB2、14RA1及14RA2表示基於「機器人定位」之「參考座標系統對物件」觀測。由連線14FS1、14FS2、15FS1及15FS2表示來自固定攝影機感測器130N之「參考座標系統對物件」觀測。 在圖3之多重圖形中，連線全部係基於由觀測識別引擎152識別之一觀測群組。應瞭解，圖3之多重圖形可具有額外節點及/或連線。然而，為簡單起見，圖3中僅描繪多重圖形之一部分。 在一些實施方案中，在基於一觀測群組來產生一多重圖形時，多重圖形產生引擎154可組合來自具有相同物件識別符及相同來源識別符之兩個或兩個以上觀測(即，具有相同「物件識別符」、「來源識別符」對之觀測)之度量物件姿勢及觀測不確定性度量。經組合之物件姿勢及觀測不確定性度量可用於基於該兩個或兩個以上觀測來界定一單一連線而非兩個或兩個以上單獨連線。例如，推廣至SE(3)組態空間之球面線性插值(SLERP)之一變型可用於內插於兩個度量物件姿勢及觀測不確定性度量之間且該內插用於界定一單一連線之物件姿勢及觀測不確定性度量。 圖4中繪示一實例性多重圖形之一部分，該多重圖形組合來自具有相同物件識別符及相同來源識別符之兩個觀測之兩個或兩個以上度量物件姿勢及觀測不確定性度量。可基於來自圖2之代理人之一觀測群組來產生圖4之多重圖形。 圖4之多重圖形之部分相同於圖3中所描繪之多重圖形之部分，但將具有相同「來源識別符」、「觀測物件識別符」對之任何兩個連線組合成一單一連線。使用一末尾數字字元「3」來標示該等組合連線以反映：該等組合連線係兩個不同觀測之組合。特定言之：圖4中界定連線12RB3來代替圖3之連線12RB1及12RB2；圖4中界定連線23RB3來代替圖3之連線23RB1及23RB2；圖4中界定連線24RB3來代替圖3之連線24RB1及24RB2；圖4中界定連線14RA3來代替圖3之連線14RA1及14RA2；圖4中界定連線14FS3來代替圖3之連線14FS1及14FS2；圖4中界定連線15FS3來代替圖3之連線15FS1及15FS2；及圖4中界定連線45RA3來代替圖3之連線45RA1及45RA2。 應注意，在圖3及圖4中，連線34RA1及24RA1表示基於一單一觀測之連線(例如，群組中不存在用於滿足臨限值之相同「物件識別符」、「來源識別符」對之其他觀測)。在一些實施方案中，可自一所產生之多重圖形視情況省略連線34RA1及24RA1。 在一些實施方案中，可自圖3之多重圖形產生圖4之多重圖形。在一些實施方案中，可自另一多重圖形(諸如亦包含未由引擎152識別而包含於群組中之觀測之一多重圖形)產生圖4之多重圖形。在一些實施方案中，可自觀測直接產生圖4之多重圖形。 複合姿勢及不確定性產生引擎156經組態以針對一多重圖形之一或多個目標節點之各者，沿連接參考座標系統節點及目標節點之連線產生針對複數個簡單路徑之各者之一複合姿勢及複合不確定性度量。一多重圖形之一簡單路徑係不具任何重複頂點之一路徑。例如，假定：圖4之多重圖形之物件節點3係目標節點。存在自參考座標系統節點1至物件節點3之十二個單獨簡單路徑。圖5A至圖5L中繪示該等十二個單獨簡單路徑。 在一些實施方案中，引擎156產生針對參考座標系統節點與目標節點之間之全部簡單路徑之一複合姿勢及複合不確定性度量。在一些實施方案中，可藉由(例如)僅觀察其連線全部與小於臨限數目個觀測源相關聯之簡單路徑及/或僅觀察具有小於臨限數目個連線之簡單路徑來減少簡單路徑之數目。例如，一些實施方案可僅觀察其連線與一對應單一觀測源相關聯之簡單路徑。例如，圖5H及圖5I之兩個簡單路徑與一單一觀測源(分別為代理人130A (「RA」)及130B (「RB」))相關聯，且圖5H及圖5I之簡單路徑之一或兩者可為唯一考量之簡單路徑。另一方面，圖5A至圖5G及圖5J至圖5L之簡單路徑全部與兩個或兩個以上觀測源相關聯。 在一些實施方案中，可藉由合併節點之間之多個連線來減少所識別之簡單路徑之數目。例如，在圖4中，可使用協方差加權平均及/或其他資料融合方法來將連線14RA3及14FS3合併成一單一連線以減少簡單路徑之數目。在一些實施方案中，複合姿勢及不確定性產生引擎156可首先判定簡單路徑之數目，且可在簡單路徑之數目大於一臨限值時(基於一或多個準則)減少計算複合姿勢及不確定性度量時所針對之簡單路徑之數目。在一些實施方案中，複合姿勢及不確定性產生引擎156可減少路徑之數目來達成一所要執行時間(例如，更快速提供結果)。 針對一目標節點與一參考節點之間之各識別簡單路徑，引擎156藉由將針對組成該簡單路徑之連線界定之姿勢及不確定性度量鏈接在一起來產生與該參考座標系統節點有關之一複合姿勢及該複合姿勢之一複合不確定性度量。例如，引擎156可藉由將針對連線12RB3、24RB3及34RA1界定之姿勢及不確定性度量鏈接在一起來產生圖5A之簡單路徑之一複合姿勢及不確定性度量。在一些實施方案中，因為SE(3)組態空間中之變換係非線性的，所以可使用一無跡變換(UT)及/或諸如泰勒級數近似法之其他非線性協方差估計技術來近似表示複合不確定性度量。 合併引擎158經組態以針對一多重圖形之一或多個目標節點之各者，基於由引擎156判定之簡單路徑之複合姿勢及複合不確定性度量來判定在目標時間之目標節點之一姿勢及不確定性度量。例如，可將由引擎156針對一參考節點與一目標節點之間之複數個簡單路徑所產生之複合姿勢及複合不確定性度量提供至合併引擎158。合併引擎158可合併複合姿勢及複合不確定性度量來產生目標節點之一姿勢及不確定性度量。例如，合併引擎158可使用協方差加權平均及/或其他資料融合技術來合併複合姿勢及複合不確定性度量。 合併引擎158可將在目標時間針對目標節點所產生之姿勢及不確定性度量指派給目標節點所基於之物件識別符。例如，當目標節點係圖4之節點3且目標時間係「當前時間」時，合併引擎158可將所產生之姿勢及不確定性度量作為「當前」姿勢及不確定性指派給與物件105C相關聯之一物件識別符。 由引擎158產生之物件101之姿勢及不確定度量可用於各種目的。例如，可由姿勢及不確定性系統150經由網路103來將物件101之姿勢及不確定性度量提供至一或多個組件。例如，可將物件101之姿勢及不確定性提供至可移動機器人代理人130A及130B (或控制該等代理人之態樣之一控制系統)以影響待由機器人代理人130A及130B執行之一或多個任務。例如，一物件101之姿勢及不確定性可影響機器人130B採取之一路徑(例如，為了避開該物件或巡行至該物件)，可影響由待與該物件互動之機器人130B產生之控制命令(例如，為了基於姿勢來相對於該物件自我定位)，及/或可影響機器人130B是否朝向該物件行進以產生該物件之一或多個額外觀測(例如，若不確定性度量指示相對較高不確定性，則其可指示需要額外觀測來減小不確定性)。在一些實施方案中，可將一物件101之姿勢及不確定性度量提供至可將資訊用於庫存追蹤、程序分析、程序改良、追蹤一特定物件隨時間之姿勢歷史等等之一物流系統。 儘管圖1中單獨描繪代理人130A至130N及系統150，但此不意謂具限制性。在各種實施方案中，可在代理人130A至130N之一或多者上實施姿勢及不確定性系統150之一或多個態樣。例如，可將引擎152、154、156及/或158之一或多者之全部或部分分佈於代理人130A至130N之多者中。在其中代理人130A至130N及系統150係單獨組件之實施方案中，代理人130A至130N及系統150可通過一或多個有線或無線網路或使用諸如無線電、藍芽、紅外線等等之其他無線技術來通信。 圖6描繪一流程圖，其繪示在一環境中使用來自多個代理人之觀測來估計在一目標時間之該環境中之一物件之姿勢及估計該姿勢之一不確定性度量的一實例性方法600。為了方便，參考執行該等操作之一系統來描述該流程圖之該等操作。此系統可包含諸如圖1之姿勢及不確定性系統150之各種電腦系統之各種組件。再者，儘管依一特定順序展示方法600之操作，但此不意謂具限制性。可重新排序、省略或新增一或多個操作。 在區塊602中，系統在一環境中自複數個代理人接收觀測。例如，系統可自可移動機器人代理人、固定感測器代理人及/或其他代理人接收觀測。系統可直接及/或經由儲存由代理人提供之觀測之一或多個資料庫接收觀測。基於來自一對應代理人之一或多個感測器之感測器資料來產生各觀測。 在區塊604中，系統識別一目標時間之一觀測群組。系統基於滿足與該目標時間有關之一臨限值之該觀測群組之觀測時間來識別該群組。例如，該目標時間可為一「當前時間」或諸如「1小時前」、「昨天下午2:30」等等之一較早時間。在一些實施方案中，系統可將針對複數個唯一「來源識別符」之各者、「觀測物件識別符」對之複數個觀測選入該群組中，該複數個觀測具有在該目標時間之一臨限時間量內之觀測時間。例如，若可取得滿足該臨限值之兩個觀測，則可選擇時間上最接近於該目標時間(且亦滿足該臨限值)之針對各「來源識別符」、「觀測物件識別符」對之兩個觀測。在一些實施方案中，系統可自包含未被選入該群組中之額外觀測之一多重圖形識別該目標時間之該觀測群組。 在區塊606中，系統基於區塊604中所識別之觀測群組來產生一多重圖形。由系統產生之該多重圖形包含界定群組之物件(非能動物件及能動物件)之物件節點及界定諸如一所謂「世界座標系統」之一參考座標系統之一參考座標系統節點。該多重圖形進一步包含該等節點之間之連線，其中基於群組之一觀測來界定該等連線之各者。例如，可基於包含與一非能動物件相關聯之一觀測物件識別符及與一可移動機器人代理人相關聯之一來源識別符之一觀測而將一第一連線界定於界定該可移動機器人代理人之一物件節點與界定該非能動物件之一物件節點之間。該第一連線進一步界定該觀測之度量物件姿勢及觀測不確定性度量。 在一些實施方案中，在基於一觀測群組來產生一多重圖形時，系統組合來自具有相同物件識別符及相同來源識別符之兩個或兩個以上觀測(即，具有相同「物件識別符」、「來源識別符」對之觀測)之度量物件姿勢及觀測不確定性度量。經組合之物件姿勢及觀測不確定性度量可用於基於該兩個或兩個以上觀測來界定一單一連線而非兩個或兩個以上單獨連線。例如，推廣至SE(3)組態空間之球面線性插值(SLERP)之一變型可用於內插於兩個觀測之間且該內插用於基於該兩個觀測來界定一單一連線而非兩個單獨連線。 在區塊608中，系統針對多重圖形之一目標物件節點來產生介於該目標節點與一參考節點之間之多重圖形之複數個簡單路徑之各者之一複合姿勢及複合不確定性度量。例如，系統可藉由使用一無跡變換(UT)及/或其他非線性協方差估計技術來將針對組成一簡單路徑之連線所界定之姿勢及不確定性度量鏈接在一起而產生該簡單路徑之複合姿勢及複合不確定性度量。在一些實施方案中，系統針對參考座標系統節點與目標界定之間之全部簡單路徑來產生一複合姿勢及複合不確定性度量。在一些實施方案中，系統可針對非全部簡單路徑(諸如，僅為其連線全部與小於臨限數目個觀測源相關聯之簡單路徑及/或具有小於臨限數目個連線之簡單路徑)來產生一複合姿勢及複合不確定性度量。 在區塊610中，系統基於區塊608中所產生之複合姿勢及複合不確定性度量來產生對應於目標物件節點之一物件之一姿勢及一不確定性度量。例如，系統可使用協方差加權平均及/或其他資料融合技術來合併複合姿勢及複合不確定性度量。系統可將在目標時間針對目標節點所產生之姿勢及不確定性度量指派給目標節點所基於之物件識別符。系統可將在目標時間針對目標節點所產生之姿勢及不確定性度量提供至諸如一機器人、一機器人控制系統及/或一物流系統之一或多個組件。 圖7示意性地描繪可用作本文中所描述之一機器人代理人之一機器人之一實例性架構。機器人700可呈各種形式，其包含(但不限於)一遠端臨場機器人、一仿人外形、一動物外形、一帶輪裝置、一潛水載具、一無人飛行載具(「UAV」)等等。在各種實施方案中，機器人700可包含一控制器702。控制器702可呈各種形式，諸如一或多個處理器、一或多個場可程式化閘極陣列(「FPGA」)、一或多個專用積體電路(「ASIC」)、一或多個所謂「即時控制器」等等。 在各種實施方案中，控制器702可(例如)經由一或多個匯流排710來與一或多個致動器704a至704n及/或一或多個感測器708a至708m可操作地耦合。感測器708a至708m可呈各種形式，其包含(但不限於) 3D感測器、攝影機、深度感測器、光感測器、壓力感測器、壓力波感測器(例如麥克風)、近接感測器、加速度計、陀螺儀、溫度計、氣壓計等等。儘管已將感測器708a至708m描繪為與機器人700整合，但此不意謂具限制性。在一些實施方案中，一或多個感測器708a至708m可定位於機器人700外，例如，作為獨立單元。 控制器702可將控制命令提供至致動器704a至704n以完成一或多個任務。該等控制命令包含指導致動器704a至704n驅動輪子及/或其他組件來使機器人700自主地、半自主地及/或回應於由一運算裝置回應於該運算裝置處之使用者介面輸入來提供之控制命令而橫穿一或多個路徑的命令。控制器702可進一步提供控制命令以：產生本文中所描述之全部或部分觀測；接收且施加作用於基於本文中所描述之技術來判定之物件之一或多個姿勢及/或不確定性度量；及/或接收且施加作用於控制命令，諸如至少部分基於物件之一或多個姿勢及/或不確定性度量(其基於本文中所描述之技術來判定)來產生之控制命令。此外，例如，控制器702可經由網路介面子系統715來與姿勢及不確定性系統150建立一網路連接且將全部或部分觀測提供至系統150。網路介面子系統715提供至外部網路之一介面且耦合至一或多個其他電腦系統中之一或多個對應介面裝置，諸如參與一機器人會話之一運算裝置。在一些實施方案中，機器人700可併入一電腦系統(諸如下文將描述之電腦系統810)之一或多個態樣以及其他組件。 圖8係一實例性電腦系統810之一方塊圖。電腦系統810通常包含經由匯流排子系統812來與諸多周邊裝置通信之至少一處理器814。此等周邊裝置可包含一儲存子系統824 (其包含(例如)一記憶體子系統825及一檔案儲存子系統826)、使用者介面輸出裝置820、使用者介面輸入裝置822及一網路介面子系統816。輸入及輸出裝置允許使用者與電腦系統810互動。網路介面子系統816提供至外部網路之一介面且耦合至其他電腦系統中之對應介面裝置。 使用者介面輸入裝置822可包含一鍵盤、指標裝置(諸如一滑鼠、軌跡球、觸控板或圖形輸入板)、一掃描器、併入至顯示器中之一觸控螢幕、音訊輸入裝置(諸如語音辨識系統)、麥克風及/或其他類型之輸入裝置。一般而言，所使用之術語「輸入裝置」意欲包含用於將資訊輸入至電腦系統810中或輸入至一通信網路上之全部可能類型之裝置及方式。 使用者介面輸出裝置820可包含一顯示器子系統、一印表機、一傳真機或諸如音訊輸出裝置之非視覺顯示器。顯示器子系統可包含一陰極射線管(CRT)、一平板裝置(諸如一液晶顯示器(LCD))、一投影裝置或用於產生一可見影像之一些其他機構。顯示器子系統亦可(諸如)經由音訊輸出裝置來提供非視覺顯示。一般而言，所使用之術語「輸出裝置」意欲包含用於將資訊自電腦系統810輸出至使用者或另一機器或電腦系統之全部可能類型之裝置及方式。 儲存子系統824儲存提供本文中所描述之部分或全部模組之功能之程式化及資料建構。例如，儲存子系統824可包含用於執行方法600之選定態樣及/或實施控制器702、引擎152、引擎154、引擎156及/或引擎158之一或多個態樣的邏輯。儲存子系統824中所使用之記憶體825可包含諸多記憶體，其包含用於在程式執行期間儲存指令及資料之一主隨機存取記憶體(RAM) 830及其中儲存固定指令之一唯讀記憶體(ROM) 832。一檔案儲存子系統826可對程式及資料檔案提供永久性儲存且可包含一硬碟機、一CD-ROM碟機、一光碟機或可抽換式媒體盒。實施某些實施方案之功能之模組可由儲存子系統824中之檔案儲存子系統826儲存或儲存於可由(若干)處理器814存取之其他機器中。 匯流排子系統812提供用於使電腦系統810之各種組件及子系統如預期般彼此通信之一機構。儘管已將匯流排子系統812示意性地展示為一單一匯流排，但匯流排子系統之替代實施方案可使用多個匯流排。 電腦系統810可屬於不同類型，其包含一工作站、伺服器、運算叢集、刀鋒伺服器、伺服器群、智慧型電話、智慧型手錶、智慧型眼鏡、視訊轉換器、平板電腦、膝上型電腦或任何其他資料處理系統或運算裝置。歸因於電腦及網路之不斷變化性質，圖8中所描繪之電腦系統810之描述僅意欲為用於繪示一些實施方案之一特定實例。電腦系統810之諸多其他組態可具有比圖8中所描繪之電腦系統多或少之組件。 儘管本文中已描述且繪示若干實施方案，但可利用用於執行功能及/或獲得結果及/或本文中所描述之優點之一或多者之各種其他方式及/或結構，且此等變動及/或修改之各者被認為在本文中所描述之實施方案之範疇內。更一般而言，本文中所描述之全部參數、尺寸、材料及組態意謂具例示性且實際參數、尺寸、材料及/或組態將取決於特定應用或教示用於其之應用。熟悉技術者將認識到或能夠僅憑常規實驗確定本文中所描述之特定實施方案之諸多等效物。因此，應瞭解，前述實施方案僅供例示且可在隨附申請專利範圍及其等效物之範疇內依除具體所描述及主張之方式之外的方式實踐實施方案。本發明之實施方案係針對本文中所描述之各個特徵、系統、製品、材料、套組及/或方法。另外，若此等特徵、系統、製品、材料、套組及/或方法沒有相互矛盾，則兩個或兩個以上此等特徵、系統、製品、材料、套組及/或方法之任何組合包含於本發明之範疇內。
101‧‧‧物件 103‧‧‧網路 105A至105M‧‧‧物件 130A至130N‧‧‧代理人 131A ‧‧‧3D雷射掃描器 131B‧‧‧立體攝影機 133A‧‧‧基座 133B‧‧‧基座 134B1‧‧‧機械臂 134B2‧‧‧機械臂 135B1‧‧‧末端執行器 135B2‧‧‧末端執行器 140A至140N‧‧‧觀測 150‧‧‧姿勢及不確定性系統 152‧‧‧觀測識別引擎 154‧‧‧多重圖形產生引擎 156‧‧‧複合姿勢及不確定性產生引擎 158‧‧‧合併引擎 600‧‧‧方法 602‧‧‧區塊 604‧‧‧區塊 606‧‧‧區塊 608‧‧‧區塊 610‧‧‧區塊 700‧‧‧機器人 702‧‧‧控制器 704a至704n ‧‧‧致動器 708a至708m‧‧‧感測器 710‧‧‧匯流排 715‧‧‧網路介面子系統 810‧‧‧電腦系統 812‧‧‧匯流排子系統 814‧‧‧處理器 816‧‧‧網路介面子系統 820‧‧‧使用者介面輸出裝置 822‧‧‧使用者介面輸入裝置 824‧‧‧儲存子系統 825‧‧‧記憶體子系統 826‧‧‧檔案儲存子系統 830‧‧‧隨機存取記憶體(RAM) 832‧‧‧唯讀記憶體(ROM)
圖1繪示一實例性設定，其中來自一環境中之多個代理人之觀測可用於估計在一目標時間之該環境中之一物件之姿勢及估計該姿勢之一不確定性度量。 圖2繪示一建築物之一部分之一平面圖，其中該建築物中具有來自圖1之代理人且該建築物中具有額外物件。 圖3繪示可基於來自圖2之代理人之一觀測群組來產生之一多重圖形之一部分。 圖4繪示可基於來自圖2之代理人之一觀測群組來產生之另一多重圖形之一部分，其中該多重圖形之各種連線係基於組合具有相同物件識別符及相同來源識別符之兩個觀測之度量物件姿勢及觀測不確定性度量。 圖5A至圖5L繪示圖4之多重圖形之一參考座標系統節點與圖4之多重圖形之一物件節點之間之簡單路徑。 圖6描繪一流程圖，其繪示在一環境中使用來自多個代理人之觀測來估計在一目標時間之該環境中之一物件之姿勢及估計該姿勢之一不確定性度量之一實例性方法。 圖7示意性地描繪一機器人之一實例性架構。 圖8示意性地描繪一電腦系統之一實例性架構。
101‧‧‧物件
103‧‧‧網路
130A至130N‧‧‧代理人
131A‧‧‧3D雷射掃描器
131B‧‧‧立體攝影機
133A‧‧‧基座
133B‧‧‧基座
134B1‧‧‧機械臂
134B2‧‧‧機械臂
135B1‧‧‧末端執行器
135B2‧‧‧末端執行器
140A至140N‧‧‧觀測
150‧‧‧姿勢及不確定性系統
152‧‧‧觀測識別引擎
154‧‧‧多重圖形產生引擎
156‧‧‧複合姿勢及不確定性產生引擎
158‧‧‧合併引擎

Claims (20)

  1. 一種電腦實施方法，其包括： 在一環境中自複數個代理人接收複數個觀測，該等觀測之各者基於來自該等代理人之一對應代理人之一或多個感測器之感測器資料來產生且包含： 一觀測時間、該對應代理人之一來源識別符、該環境之多個物件之一對應觀測物件之一觀測物件識別符、該對應觀測物件之一度量物件姿勢及該度量物件姿勢之一觀測不確定性度量； 基於滿足與一目標時間有關之一臨限值之一觀測群組之觀測時間來識別該目標時間之該觀測群組； 基於該觀測群組來產生具有複數個節點及連接該等節點之連線之一多重圖形，該產生包括：界定該等節點之一參考座標系統節點；界定基於該群組之該等觀測物件識別符之該等節點之物件節點；及基於該群組之該等觀測物件識別符、該等來源識別符及該等度量物件姿勢及觀測不確定性度量來產生連接該等節點之該等連線； 沿連接該參考座標系統節點及該等物件節點之一給定物件節點之該等連線產生針對複數個簡單路徑之各者之一複合姿勢及複合不確定性度量，其中針對該等簡單路徑之各者之該複合姿勢及該複合不確定性度量係基於該簡單路徑之該等連線之各者之該度量物件姿勢及該觀測不確定性度量； 基於該等複合姿勢及該等複合不確定性度量來產生該給定物件節點所基於之該物件識別符之一姿勢及一不確定性度量；及 將該姿勢及該不確定性度量指派給該給定物件節點所基於之該物件識別符。
  2. 如請求項1之電腦實施方法，其進一步包括： 將該物件識別符及該姿勢及該不確定性度量提供至該環境中之該等代理人之至少一機器人代理人。
  3. 如請求項1之電腦實施方法，其中該等觀測之該等觀測物件識別符之至少一者識別該環境之該等代理人之一者。
  4. 如請求項1之電腦實施方法，其中該給定物件節點所基於之該物件識別符識別該環境之該等代理人之一機器人代理人。
  5. 如請求項1之電腦實施方法，其中： 一第一觀測之觀測物件識別符識別該等代理人之一可移動機器人代理人且該第一觀測之來源識別符識別該可移動機器人代理人；及 一第二觀測之觀測物件識別符識別該等代理人之一非能動物件且該第二觀測之來源識別符識別該可移動機器人代理人。
  6. 如請求項5之電腦實施方法，其中： 一第三觀測之觀測物件識別符識別該等代理人之該非能動物件且該第三觀測之來源識別符識別該等代理人之一固定感測器代理人。
  7. 如請求項1之電腦實施方法，其中基於該複合姿勢及該複合不確定性度量來產生該姿勢及該不確定性度量包括： 合併該複數個簡單路徑之該等複合姿勢及該等複合不確定性度量。
  8. 如請求項7之電腦實施方法，其中合併該複數個簡單路徑之該等複合姿勢及該等複合不確定性度量包括：在進行該合併時，基於該等複合不確定性度量來權衡該等複合姿勢及該等複合不確定性度量。
  9. 如請求項1之電腦實施方法，其中沿該等簡單路徑之一簡單路徑產生該等連線之一連線包括： 基於該觀測群組之一第一觀測之度量物件姿勢及觀測不確定性度量及該觀測群組之一第二觀測之度量物件姿勢及觀測不確定性度量之球面線性插值來產生該連線之度量物件姿勢及觀測不確定性度量，其中該第一觀測及該第二觀測兩者識別相同觀測物件識別符及相同來源識別符。
  10. 如請求項1之電腦實施方法，其中針對該複數個簡單路徑之各者來產生該複合姿勢及該複合不確定性度量包括：將一無跡變換應用於該簡單路徑之該等連線之該等度量物件姿勢及該等觀測不確定性度量。
  11. 一種系統，其包括： 一姿勢及不確定性系統，其包括一或多個運算系統； 一環境中之複數個代理人，其等在一時間段內將基於感測器之觀測提供至該姿勢及不確定性系統，其中該等觀測之各者基於來自該等代理人之一對應代理人之一或多個感測器之感測器資料來產生且包含： 一觀測時間、該對應代理人之一來源識別符、該環境之多個物件之一對應觀測物件之一觀測物件識別符、該對應觀測物件之一度量物件姿勢及該度量物件姿勢之一觀測不確定性度量； 其中該姿勢及不確定性系統包括在由該一或多個運算系統執行時引起該等運算系統進行以下操作之指令： 基於滿足與一目標時間有關之一臨限值之一觀測群組之觀測時間來識別該目標時間之該觀測群組； 基於該觀測群組來產生具有複數個節點及連接該等節點之連線之一多重圖形，該產生包括：界定該等節點之一參考座標系統節點；界定基於該群組之該等觀測物件識別符之該等節點之物件節點；及基於該群組之該等觀測物件識別符、該等來源識別符及該等度量物件姿勢及觀測不確定性度量來產生連接該等節點之該等連線； 沿連接該參考座標系統節點及該等物件節點之一給定物件節點之該等連線產生針對複數個簡單路徑之各者之一複合姿勢及複合不確定性度量，其中針對該等簡單路徑之各者之該複合姿勢及該複合不確定性度量係基於該簡單路徑之該等連線之各者之該度量物件姿勢及該觀測不確定性度量； 基於該等複合姿勢及該等複合不確定性度量來產生該給定物件節點所基於之該物件識別符之一姿勢及一不確定性度量；及 將該姿勢及該不確定性度量指派給該給定物件節點所基於之該物件識別符。
  12. 如請求項11之系統，其中該姿勢及不確定性系統進一步包括在由該一或多個運算系統執行時引起該等運算系統進行以下操作之指令： 將該物件識別符及該姿勢及該不確定性度量提供至該環境中之該等代理人之至少一機器人代理人。
  13. 如請求項11之系統，其中該等觀測之該等觀測物件識別符之至少一者識別該環境之該等代理人之一者。
  14. 如請求項11之系統，其中該給定物件節點所基於之該物件識別符識別該環境之該等代理人之一機器人代理人。
  15. 如請求項11之系統，其中： 一第一觀測之觀測物件識別符識別該等代理人之一可移動機器人代理人且該第一觀測之來源識別符識別該可移動機器人代理人；及 一第二觀測之觀測物件識別符識別該等代理人之一非能動物件且該第二觀測之來源識別符識別該可移動機器人代理人。
  16. 如請求項11之系統，其中在由該一或多個運算系統執行時引起該等運算系統基於該複合姿勢及該複合不確定性度量來產生該姿勢及該不確定性度量之該等指令包括引起該等運算系統進行以下操作之指令： 合併該複數個簡單路徑之該等複合姿勢及該等複合不確定性度量。
  17. 如請求項16之系統，其中在由該一或多個運算系統執行時引起該等運算系統合併該複數個簡單路徑之該等複合姿勢及該等複合不確定性度量之該指令包括：引起該等運算系統在進行該合併時基於該等複合不確定性度量來權衡該等複合姿勢及該等複合不確定性度量之指令。
  18. 如請求項11之系統，其中在由該一或多個運算系統執行時引起該等運算系統沿該等簡單路徑之一簡單路徑產生該等連線之一連線的該指令包括引起該等運算系統進行以下操作之指令： 基於該觀測群組之一第一觀測之度量物件姿勢及觀測不確定性度量及該觀測群組之一第二觀測之度量物件姿勢及觀測不確定性度量之球面線性插值來產生該連線之度量物件姿勢及觀測不確定性度量，其中該第一觀測及該第二觀測兩者識別相同觀測物件識別符及相同來源識別符。
  19. 如請求項11之系統，其中在由該一或多個運算系統執行時引起該等運算系統產生針對該複數個簡單路徑之各者之該複合姿勢及該複合不確定性度量的該指令包括：引起該等運算系統將一無跡變換應用於該簡單路徑之該等連線之該等度量物件姿勢及該等觀測不確定性度量的指令。
  20. 一種非暫時性電腦可讀媒體，其包括指令，回應於由一或多個處理器執行該等指令，該等指令引起該一或多個處理器執行以下操作： 在一環境中自複數個代理人接收複數個觀測，該等觀測之各者基於來自該等代理人之一對應代理人之一或多個感測器之感測器資料來產生且包含： 一觀測時間、該對應代理人之一來源識別符、該環境之多個物件之一對應觀測物件之一觀測物件識別符、該對應觀測物件之一度量物件姿勢及該度量物件姿勢之一觀測不確定性度量； 基於滿足與一目標時間有關之一臨限值之一觀測群組之觀測時間來識別該目標時間之該觀測群組； 基於該觀測群組來產生具有複數個節點及連接該等節點之連線之一多重圖形，該產生包括：界定該等節點之一參考座標系統節點；界定基於該群組之該等觀測物件識別符之該等節點之物件節點；及基於該群組之該等觀測物件識別符、該等來源識別符及該組之該等度量物件姿勢及觀測不確定性度量來產生連接該等節點之該等連線； 沿連接該參考座標系統節點及該給定物件節點之該等連線產生針對複數個簡單路徑之各者之一複合姿勢及複合不確定性度量，其中針對該等簡單路徑之各者之該複合姿勢及該複合不確定性度量係基於該簡單路徑之該等連線之各者之該度量物件姿勢及該觀測不確定性度量； 基於該等複合姿勢及該等複合不確定性度量來產生該給定物件節點所基於之該物件識別符之一姿勢及一不確定性度量；及 將該姿勢及該不確定性度量指派給該給定物件節點所基於之該物件識別符。
TW105131944A 2015-10-03 2016-10-03 在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量 TW201723425A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US14/874,419 US10209063B2 (en) 2015-10-03 2015-10-03 Using sensor-based observations of agents in an environment to estimate the pose of an object in the environment and to estimate an uncertainty measure for the pose

Publications (1)

Publication Number Publication Date
TW201723425A true TW201723425A (zh) 2017-07-01

Family

ID=58427978

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105131944A TW201723425A (zh) 2015-10-03 2016-10-03 在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量

Country Status (5)

Country Link
US (1) US10209063B2 (zh)
EP (1) EP3347171B1 (zh)
CN (1) CN108430713A (zh)
TW (1) TW201723425A (zh)
WO (1) WO2017059267A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101659037B1 (ko) * 2015-02-16 2016-09-23 엘지전자 주식회사 로봇 청소기, 이를 포함하는 원격 제어 시스템 및 이의 제어 방법
US10051839B2 (en) * 2016-01-13 2018-08-21 Petronics Inc. Animal exerciser system
JP6514156B2 (ja) * 2016-08-17 2019-05-15 ファナック株式会社 ロボット制御装置
US20180088234A1 (en) * 2016-09-27 2018-03-29 Carnegie Mellon University Robust Localization and Localizability Prediction Using a Rotating Laser Scanner
US11194334B2 (en) * 2016-11-30 2021-12-07 Panasonic Intellectual Property Corporation Of America Autonomous mobile device, autonomous delivery system, delivery method, and non-transitory recording medium
KR101907548B1 (ko) * 2016-12-23 2018-10-12 한국과학기술연구원 휴먼 추종을 위한 이동로봇의 주행 및 탐색방법
DE102017108107A1 (de) * 2017-04-13 2018-10-18 Volkswagen Aktiengesellschaft Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur schätzung einer pose eines kraftfahrzeugs
JP7353747B2 (ja) * 2018-01-12 2023-10-02 キヤノン株式会社 情報処理装置、システム、方法、およびプログラム
JP7057214B2 (ja) * 2018-05-18 2022-04-19 トヨタ自動車株式会社 把持装置、タグが付された容器、対象物把持プログラムおよび対象物把持方法
US11681303B2 (en) * 2018-07-06 2023-06-20 Verity Ag Methods and systems for estimating the orientation of an object
US10957066B2 (en) * 2019-03-19 2021-03-23 General Electric Company Systems and methods for locating humans using dynamic field robotic-sensor network of human robot team
WO2021049227A1 (ja) * 2019-09-13 2021-03-18 ソニー株式会社 情報処理システム、情報処理装置及び情報処理プログラム
US11614560B2 (en) * 2019-12-27 2023-03-28 International Business Machines Corporation Integration of physical sensors in a data assimilation framework
JP7085576B2 (ja) * 2020-02-27 2022-06-16 三菱ロジスネクスト株式会社 移動制御システム、移動体、制御方法及びプログラム
US20210346557A1 (en) * 2020-05-08 2021-11-11 Robust AI, Inc. Robotic social interaction
JP2023165189A (ja) * 2022-05-02 2023-11-15 株式会社東芝 搬送システム、制御装置、移動体、制御方法、プログラム、及び記憶媒体

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04227507A (ja) 1990-07-02 1992-08-17 Nec Corp 移動ロボット用のマップを作成し保持する方法
US6836701B2 (en) 2002-05-10 2004-12-28 Royal Appliance Mfg. Co. Autonomous multi-platform robotic system
JP4251545B2 (ja) 2003-07-11 2009-04-08 独立行政法人科学技術振興機構 移動ロボット用経路計画システム
JP2005107247A (ja) * 2003-09-30 2005-04-21 Canon Inc 位置姿勢推定方法および装置
US7689321B2 (en) * 2004-02-13 2010-03-30 Evolution Robotics, Inc. Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system
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
US8060271B2 (en) 2008-06-06 2011-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Detecting principal directions of unknown environments
TWM352099U (en) 2008-08-11 2009-03-01 Garmin Corp Navigation device with real time information display
US8340818B2 (en) * 2009-04-24 2012-12-25 Robert Bosch Gmbh Method of accurate mapping with mobile robots
JP2011129095A (ja) 2009-12-18 2011-06-30 Korea Electronics Telecommun 自律走行ロボットを利用した地図生成方法、これを利用した最適走行経路算出方法およびこれらを遂行するロボット制御装置
US20110208685A1 (en) * 2010-02-25 2011-08-25 Hariraam Varun Ganapathi Motion Capture Using Intelligent Part Identification
US8706298B2 (en) 2010-03-17 2014-04-22 Raytheon Company Temporal tracking robot control system
US9031809B1 (en) * 2010-07-14 2015-05-12 Sri International Method and apparatus for generating three-dimensional pose using multi-modal sensor fusion
AU2011305154B2 (en) * 2010-09-24 2015-02-05 Irobot Corporation Systems and methods for VSLAM optimization
TW201231931A (en) 2011-01-31 2012-08-01 Tele Atlas Deutschland Gmbh & Co Kg Maneuver analysis, direction of traffic flow and detection of grade separated crossings for network generation in a digital map
US9026248B1 (en) 2011-05-06 2015-05-05 Google Inc. Methods and systems for multirobotic management
US8798840B2 (en) 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
US8634974B2 (en) * 2012-01-09 2014-01-21 Google Inc. Using predicted movement to maintain optical-communication lock with nearby balloon
KR101807484B1 (ko) 2012-10-29 2017-12-11 한국전자통신연구원 객체 및 시스템 특성에 기반한 확률 분포 지도 작성 장치 및 그 방법
US9630319B2 (en) * 2015-03-18 2017-04-25 Irobot Corporation Localization and mapping using physical features

Also Published As

Publication number Publication date
US10209063B2 (en) 2019-02-19
CN108430713A (zh) 2018-08-21
US20170097232A1 (en) 2017-04-06
EP3347171B1 (en) 2022-11-02
EP3347171A4 (en) 2019-06-26
WO2017059267A1 (en) 2017-04-06
EP3347171A1 (en) 2018-07-18

Similar Documents

Publication Publication Date Title
TW201723425A (zh) 在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量
US11660749B2 (en) Using object observations of mobile robots to generate a spatio-temporal object inventory, and using the inventory to determine monitoring parameters for the mobile robots
US10127677B1 (en) Using observations from one or more robots to generate a spatio-temporal model that defines pose values for a plurality of objects in an environment
US9616568B1 (en) Generating a grasp affordance for an object based on a thermal image of the object that is captured following human manipulation of the object
US11170220B2 (en) Delegation of object and pose detection
US11235464B1 (en) Robot task optimization based on historical task and location correlated durations
CN113657565A (zh) 机器人跨楼层移动方法、装置、机器人及云端服务器
Rosa et al. Towards a ROS-based autonomous cloud robotics platform for data center monitoring
JP2022502791A (ja) ロボットの姿勢を推定するシステムおよび方法、ロボット、並びに記憶媒体
Scheuermann et al. Mobile augmented reality based annotation system: A cyber-physical human system
Kim et al. Digital twin for autonomous collaborative robot by using synthetic data and reinforcement learning
CN113310484B (zh) 一种移动机器人定位方法和系统
RU2685996C1 (ru) Способ и система предиктивного избегания столкновения манипулятора с человеком
KR102169420B1 (ko) 행동 특징량 해석 시스템 및 행동 특징량 해석 방법
Francis et al. MetaBot: Automated and dynamically schedulable robotic behaviors in retail environments
JP7468694B2 (ja) 情報収集装置、情報収集方法及びプログラム
Geretti et al. Process-driven collision prediction in human-robot work environments
WO2023100282A1 (ja) データ生成システム、モデル生成システム、推定システム、学習済みモデルの製造方法、ロボット制御システム、データ生成方法、およびデータ生成プログラム
Singh et al. Efficient deep learning-based semantic mapping approach using monocular vision for resource-limited mobile robots
CN117288180A (zh) 一种基于视觉传感器的动静融合环境建图方法及系统
Koval Algorithms of Landmark Robot Navigation Basing on Monocular Image Processing
Saleem et al. Obstacle detection by multi-sensor fusion of a laser scanner and depth camera
Kirci et al. EuroPallet Detection with RGB-D Camera Based on Deep Learning
WO2022271181A1 (en) High-level sensor fusion and multi-criteria decision making for autonomous bin picking
Operator LiDAR Based System for Tracking Loader