WO2015167220A1 - 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법 - Google Patents

이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법 Download PDF

Info

Publication number
WO2015167220A1
WO2015167220A1 PCT/KR2015/004255 KR2015004255W WO2015167220A1 WO 2015167220 A1 WO2015167220 A1 WO 2015167220A1 KR 2015004255 W KR2015004255 W KR 2015004255W WO 2015167220 A1 WO2015167220 A1 WO 2015167220A1
Authority
WO
WIPO (PCT)
Prior art keywords
mobile robot
path
grid
function
path planning
Prior art date
Application number
PCT/KR2015/004255
Other languages
English (en)
French (fr)
Inventor
이진한
Original Assignee
한화테크윈 주식회사
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 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Priority to US15/308,404 priority Critical patent/US10369695B2/en
Publication of WO2015167220A1 publication Critical patent/WO2015167220A1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40428—Using rapidly exploring random trees algorithm RRT-algorithm
    • 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

Definitions

  • the present invention relates to a path planning apparatus for a mobile robot and a path planning method for a mobile robot, and more particularly, to a mobile robot for setting the path planning of the mobile robot in real time and setting the movement to the target point as an optimized path.
  • a route planning device and a route planning method of a mobile robot are particularly preferred.
  • a robot is an automatic doll that puts a mechanism inside a doll that looks like a person, and makes the hands and feet and other parts work like the original person.
  • robots have come to be called autonomous devices that perform autonomous tasks regardless of their appearance.
  • Mobile robots are gaining a lot of attention because they can perform tasks on behalf of humans in extreme environments or hazardous areas.
  • a large number of household mobile robots, such as cleaning robots, which voluntarily move around the house to help with household chores have become popular.
  • Awareness of the surrounding environment is essential for the mobile robot to perform its task while moving autonomously.
  • the robot's surroundings are recognized through a map.
  • a map is typically a grid map in which the surrounding space is represented by the same sized grid and the presence or absence of an object in each grid.
  • the robot uses a distance sensor to create a grid map of its surroundings.
  • the robot obtains distance information while rotating the robot 360 degrees in place, and generates a grid map using the obtained distance information.
  • the grid-based path planning method for setting the path for moving the mobile robot to the target point by using the information identified from the grid map generated as described above is to optimize the path from the starting point of the mobile robot to the target point.
  • the sampling-based path planning method which finds the moving path to the final target point by expanding the tree by repeating the process of selecting the nearest node from the starting point of the mobile robot, is a path for moving the mobile robot in real time.
  • the ratio of optimized path setting for moving to the target point of the mobile robot is inferior.
  • the path setting for moving to the target point of the mobile robot due to inefficient sampling is possible. There is also the possibility of failure.
  • an object of the present invention is to set the path planning of the mobile robot in real time, while setting the movement path to the target point as the optimized path planning apparatus of the mobile robot And it provides a path planning method of a mobile robot.
  • Path planning apparatus for a mobile robot for achieving the above object is to recognize the obstacle between the start point and the target point of the mobile robot to recognize the set-up node and the grid-based nodes And a path plan generator for sampling and extending a path plan tree for movement control of the mobile robot.
  • the path planning generator randomly extracts and samples an arbitrary node from the grid-based nodes.
  • the path planning generator expands the path planning tree until the sampled node is a node corresponding to the target point.
  • the route plan generation unit executes the extension of the route plan tree by using a Rapidly-exploring Random Tree (RRT) algorithm.
  • RRT Rapidly-exploring Random Tree
  • the path planning generator comprises a first path function consisting of a function of a distance from the sampled node to the target point and a direction vector, and a distance and direction from the current position of the mobile robot to the target point. Compare the second path function consisting of the functions of the vector.
  • the path planning generator may compare the first path function and the second path function, and if the result value of the first path function is greater than the result value of the second path function, the sampled node. Does not add to the extension of the path planning tree, and if the result of the first path function is less than the result of the second path function, add the sampled node to the extension of the path planning node.
  • the recognizer sets passpoints that become inflection points on a grid map-based path defined between the starting point and the target point as the grid-based nodes.
  • the recognition unit, the grid-based nodes are set in consideration of the kinematic characteristics of the mobile robot.
  • the kinematic characteristics include at least one of the size information of the mobile robot, the movable direction information of the mobile robot and the movable range information of the mobile robot.
  • the route plan generation unit samples the grid-based nodes without considering kinematic characteristics of the mobile robot.
  • a path planning method of a mobile robot comprising: setting a starting point and a target point of a moving area of a mobile robot based on a grid map, a starting point and a target point of the mobile robot; Recognizing obstacles in between to set up grid-based nodes, and sampling the grid-based nodes to expand a path planning tree for movement control of the mobile robot.
  • the grid-based nodes are set as waypoints that become inflection points on the grid map-based path defined between the starting point and the target point.
  • the grid-based nodes are set in consideration of the kinematic characteristics of the mobile robot.
  • the kinematic characteristics include at least one of the size information of the mobile robot, the movable direction information of the mobile robot and the movable range information of the mobile robot.
  • the grid-based nodes are sampled without considering the kinematic characteristics of the mobile robot.
  • the sampling is a method of randomly extracting any node among the grid-based nodes.
  • expanding the path planning tree is repeated until the sampled node is a node corresponding to the target point.
  • the step of expanding the route planning tree is performed using a Rapidly-exploring Random Tree (RRT) algorithm.
  • RRT Rapidly-exploring Random Tree
  • a first path function comprising a function of a distance from the sampled node to the target point and a direction vector, and the target point at the current position of the mobile robot.
  • a second path function consisting of a function of the distance to and a direction vector, and if the result of the first path function is greater than the result of the second path function, add the sampled node to the expansion of the path planning tree. Rather, if the result of the first path function is less than the result of the second path function, the sampled node is added to the extension of the path planning node.
  • FIG. 1 is a block diagram showing a path planning apparatus of a mobile robot according to an embodiment of the present invention.
  • FIG. 2 is an exemplary view showing a grid-based path planning method as an example.
  • FIG. 3 is an exemplary diagram illustrating a sampling-based path planning method as an example.
  • FIG. 4 is an exemplary view showing a grid-based path setting according to the path planning method of the mobile robot according to an embodiment of the present invention as an example.
  • FIG. 5 is an exemplary diagram illustrating specific examples of grid-based nodes located on the path of FIG. 4.
  • FIG. 6 is an exemplary diagram illustrating a sampling-based first path planning process according to the path planning method of FIG. 4 as an example.
  • FIG. 7 is an exemplary view illustrating a second route planning process as a later route planning process of FIG. 6.
  • FIG. 8 is an exemplary view illustrating a third route planning process as a later route planning process of FIG. 7.
  • FIG. 9 is a flowchart showing an example of the path planning method of the mobile robot using the path planning device shown in FIG. 1.
  • first, second, etc. are used to describe various elements, components and / or sections, these elements, components and / or sections are of course not limited by these terms. These terms are only used to distinguish one element, component or section from another element, component or section. Therefore, the first device, the first component, or the first section mentioned below may be a second device, a second component, or a second section within the technical spirit of the present invention.
  • FIG. 1 is a block diagram showing a path planning apparatus of a mobile robot according to an embodiment of the present invention.
  • the path planning apparatus 100 of a mobile robot generates a sampling based path plan in real time based on grid-based nodes set in consideration of kinematic characteristics of the mobile robot, thereby planning the path of the mobile robot. It can have a configuration that can set the movement to the target point as an optimized path while setting in real time.
  • the path planning apparatus 100 of the mobile robot recognizes an obstacle between the start point and the target point of the mobile robot and receives the recognition unit 140 and the recognition unit 140 configured to set grid-based nodes. It may include a path plan generation unit 120 for randomly extracting any of the grid-based nodes, and add the extracted node as a sampling-based node to expand the path planning tree for the movement control of the mobile robot. have.
  • the grid-based node setting refers to a plurality of nodes representing a path that is optimal for the mobile robot to move to a target point on a grid map in which an area to which the mobile robot moves is divided into cells having a predetermined area. I mean.
  • the grid-based nodes are preferably set in consideration of the kinematic characteristics of the mobile robot, as shown in FIG.
  • the kinematic characteristics of the mobile robot may include information about a direction, range, etc., in which the mobile robot can be moved, and may further include information about the size of the mobile robot.
  • sampling-based node setting means that the path planning tree is gradually expanded while sampling and randomly selecting an arbitrary node from the start point of the mobile robot.
  • 3 illustrates an example of a sampling-based path planning method, which does not take into account the kinematic characteristics of a mobile robot.
  • the path planning apparatus of the mobile robot limits the selection range for sampling any node in the sampling-based node configuration to the grid-based nodes set in consideration of the kinematic characteristics of the mobile robot.
  • the expansion of the path planning tree based on sampling is limited to grid-based nodes set in consideration of the kinematic characteristics of the mobile robot to the sampling selection object. It is possible to generate optimized paths in real time even if the characteristics are not considered.
  • the path planning apparatus 100 of the mobile robot not only includes a recognizer 140 and a path plan generator 120, but also further includes a user interface 110, a robot controller 130, and a driver 150. It may be equipped with a form including the entire configuration for moving the target point of the mobile robot, including.
  • the user interface 110 is provided to enable a user to input a work command for moving a position of the mobile robot through a switch operation or a touch input or voice.
  • the robot controller 130 controls the driving unit 150 according to the route plan received from the route plan generator 120 to control the movement of the mobile robot to the target point.
  • the route plan generator 120 repeatedly extends the route plan tree until the extracted (sampled) node among the grid-based nodes is a node corresponding to the target point.
  • the route plan generation unit 120 has completed the path search for the target point movement of the mobile robot, so as to identify additional paths. There is no need to expand the path planning tree.
  • the route plan generation unit 120 expands the route plan tree to satisfy a constraint such as collision avoidance that does not collide with an obstacle in the moving area while planning a route connecting the starting point and the target point. Can be implemented using an algorithm.
  • the path planning generator 120 may include a first path function consisting of a function of a distance from the extracted (sampled) node among the grid-based nodes to the target point and a direction vector, and a target point from the current position of the mobile robot.
  • the second path function which is a function of the distance and the direction vector, can be compared.
  • the path plan generator 120 compares the first path function and the second path function, and if the result value of the first path function is greater than the result value of the second path function, the path plan generation unit 120 extracts (samples) from the grid-based nodes. Do not add excluded nodes to the path plan tree extension.
  • the path plan generation unit 120 compares the first path function and the second path function, and the result value of the first path function is smaller than the result value of the second path function, the path plan generation unit 120 extracts from the grid-based nodes ( Add the sampled node to the path plan tree extension.
  • FIG. 4 is an exemplary view showing a grid-based path setting according to the path planning method of the mobile robot according to an embodiment of the present invention as an example.
  • a starting point A and a target point B may be set in the moving area of the mobile robot.
  • FIG. 4 shows a result of generating map information and generating a path based on information previously input to a moving area which is a space to which the mobile robot moves.
  • the map of FIG. 4 is 9x5 in width and length, and consists of a total of 45 cells.
  • Each cell shows the result of calculating the cumulative distance or cumulative distance to the target point and the relative value for moving.
  • the cumulative distance or relative value is one embodiment, and is a weight for finding the shortest distance to move from each cell to the target point.
  • the coordinates of each cell will be used to refer to a specific cell.
  • the starting point is called cell (1, 3) because the abscissa is '1' and the ordinate is '3'.
  • a portion in which the relative value is not displayed in the moving region is a portion recognized as an obstacle.
  • a path based on a grid map may be determined after setting a starting point A and a target point B among the moving areas of the mobile robot.
  • FIG. 5 is an exemplary diagram illustrating specific examples of grid-based nodes located on the path of FIG. 4.
  • a waypoint that becomes an inflection point related to the movement of the mobile robot on the path of FIG. 4 may be identified as grid-based nodes K1 to K4. Can be.
  • FIG. 6 is an exemplary diagram illustrating a sampling-based first path planning process according to the mixed path planning method of FIG. 4 as an example.
  • the path plan generation unit 120 generates a sampling-based path plan in real time based on grid-based nodes set in consideration of kinematic characteristics of the mobile robot.
  • the path plan generation unit 120 performs sampling for randomly extracting any node among the specified grid-based nodes after the grid-based nodes are specified as described above.
  • the randomly extracted random node is 'K2'.
  • the path plan generation unit 120 generates a path for moving the mobile robot from the starting point to the 'K2' node in real time. After that, the robot is controlled and driven so that the mobile robot moves to the 'K2' node.
  • FIG. 7 is an exemplary view illustrating a second route planning process as a later route planning process of FIG. 6.
  • the route plan generation unit 120 additionally performs a process of selecting an arbitrary node among the specified grid-based nodes. At this time, any additional selected node may be 'K4' as shown in FIG. Accordingly, the path plan generation unit 120 generates a path for moving the mobile robot from the starting point to the 'K4' node in real time. After that, the robot is controlled and driven so that the mobile robot moves to the 'K2' node.
  • the route plan generation unit 120 may distance and direction from the 'K1' to the target point.
  • the first path function formed as a function of the vector and the second path function made as a function of the direction vector and the distance from the current position (ie, K2 point) of the mobile robot to the target point can be compared.
  • the route plan generation unit 120 determines that the result value of the first route function is greater than the result value of the second route function, and thus excludes the 'K1' node without adding it to the expansion of the route plan node. . Accordingly, the route plan generation unit 120 performs a process of selecting an arbitrary node among the specified grid-based nodes to repeat the process for expanding the route plan node.
  • FIG. 8 is an exemplary view illustrating a third route planning process as a later route planning process of FIG. 7.
  • the path plan generation unit 120 performs sampling based on the extracted node. Add a node to expand the route planning tree and set the end of route generation.
  • FIG. 9 is a flowchart showing an example of a route planning method of the mobile robot using the route planning apparatus 100 shown in FIG. 1.
  • the path planning method of the mobile robot may proceed by setting a starting point and a target point among the moving areas of the mobile robot (S1).
  • the path planning apparatus 100 sets the path between the starting point and the target point on the moving area using grid-based map information which is stored in advance, and specifies the grid-based nodes located on the set grid-based path. do.
  • random nodes are extracted randomly from the specified grid-based nodes (S3).
  • step S3 It is determined whether any node extracted in step S3 is a node corresponding to the target point (S5).
  • step S5 If any node extracted from the determination result of step S5 does not correspond to the target point, the extracted route node is added as a sampling-based node to expand the path planning tree (S7).
  • step S7 the first path function composed of the distance from the extracted node to the target point and the direction vector is compared with the second path function composed of the distance from the current position of the mobile robot to the target point and the function of the direction vector. If the result of the first path function is greater than the result of the second path function, the extracted node is not added to the path planning node. If the result of the first path function is smaller than the result of the second path function, You can expand the path planning tree by adding the extracted nodes to the path planning node.
  • the route plan generator 120 transmits the information on the route plan tree expanded in step S7 to the robot controller 130, and the robot controller 130 uses the information on the route plan tree to drive the driver 150. ) Moves the mobile robot to position (S9 and S11).
  • the path plan generation unit 120 performs the step of additionally randomly extracting random nodes among the grid-based nodes (S13).
  • step S5 If any node extracted in the determination result of step S5 corresponds to the target point, the extracted node is added as a sampling-based node to expand the path planning tree and set end of path generation (S15).
  • the route plan generator 120 transmits the information on the route plan tree expanded in step S15 to the robot controller 130, and the robot controller 130 uses the information on the route plan tree to drive the driver 150. ) And move the mobile robot to the target point (S17 and S19).
  • the present invention is intended to set the movement to the target point as an optimized path while setting the path planning of the mobile robot in real time, so that not only is there a sufficient possibility of commercialization or sales, but also the degree that can be clearly realized in reality. It is an invention that can be used.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법을 개시한다. 본 발명에 따른 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법은, 이동 로봇의 시작 지점과 목표 지점 사이의 그리드 기반의 노드들을 대상으로 샘플링하여 경로 계획 트리를 확장한다. 따라서, 본 발명은 이동 로봇의 경로 계획을 빠른 시간 내에 최적화된 경로로서 설정할 수 있다.

Description

이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법
본 발명은 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법에 관한 것으로, 더욱 상세하게는 이동 로봇의 경로 계획을 실시간으로 설정하면서 목표 지점까지의 이동을 최적화된 경로로서 설정하기 위한 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법에 관한 것이다.
로봇이란 사람의 모습을 한 인형 내부에 기계장치를 조립해 넣고, 손발과 그 밖의 부분을 본래의 사람과 마찬가지로 동작하도록 만든 자동인형을 말한다. 그러나 최근에는 사람의 모습 여부를 떠나서 자율적으로 어떠한 임무를 수행하는 자동 장치를 로봇으로 통칭하게 되었다.
이동 로봇은 극한 환경 또는 위험 지역에서 사람을 대신하여 작업을 수행할 수 있기 때문에 많은 각광을 받고 있다. 또한, 청소 로봇과 같이 자율적으로 집안을 돌아다니면서 가사 업무를 도와주는 가정용 이동 로봇도 다수 보급되기에 이르렀다.
이동 로봇이 자율적으로 이동하면서 임무를 수행하기 위해서는 주변 환경에 대한 인식이 필수적이다. 로봇의 주변 환경 인식은 맵(map)을 통해 이루어진다. 이러한 맵에는 주변 공간을 동일한 크기의 격자로 표현하고 각 격자에 물체의 유무를 표시한 그리드 맵(grid map)이 대표적이다. 로봇은 거리 측정 센서를 이용하여 주변 환경에 대한 그리드 맵을 생성한다.
로봇이 주변 환경에 대한 그리드 맵을 생성하기 위한 대표적인 방법으로는, 제자리에서 로봇이 360도 회전을 하면서 거리 정보를 획득하고, 획득된 거리 정보를 이용해서 그리드 맵을 생성하는 방법이 있다.
즉, 상기와 같이 생성되는 그리드 맵으로부터 확인되는 정보를 이용하여 목표 지점까지 이동 로봇을 이동케 하기 위한 경로 설정을 하는 그리드 기반의 경로 계획 방식은 이동 로봇의 시작 지점에서 목표 지점까지 최적화된 경로를 생성하는 데에 적합하나, 경로 설정을 완료하는 데까지 소요되는 시간이 상당하고, 이동 로봇의 기구학적 특성까지 고려할 경우에는 광역 환경에서 실시간으로 이동 로봇의 이동을 위한 경로 계획을 설정하는 것이 불가능하다.
또한, 이동 로봇의 시작 지점에서부터 가장 가까운 노드를 선택하는 과정을 반복하여 트리를 확장해 나가면서 최종 목표지점까지 이동 경로를 찾는 방법인 샘플링 기반의 경로 계획 방식은 실시간으로 이동 로봇의 이동을 위한 경로 설정이 가능하나 이동 로봇의 목표 지점까지 이동하기 위한 최적화된 경로 설정 비율이 떨어지는 단점이 있으며, 이동 로봇의 기구학적 특성까지 고려할 경우에는 비효율적인 샘플링으로 인해 이동 로봇의 목표 지점까지 이동하기 위한 경로 설정 자체가 실패될 가능성도 존재한다.
따라서, 본 발명은 상기의 문제점을 해결하기 위해 창출된 것으로, 본 발명의 목적은 이동 로봇의 경로 계획을 실시간으로 설정하면서 목표 지점까지의 이동을 최적화된 경로로서 설정하기 위한 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법을 제공하는 데 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 관점에 따른 이동 로봇의 경로 계획 장치는 이동 로봇의 시작 지점과 목표 지점 사이에 있는 장애물을 인식하여 그리드 기반의 노드들을 설정하는 인식부 및 상기 그리드 기반의 노드들을 샘플링하여 상기 이동 로봇의 이동 제어를 위한 경로 계획 트리를 확장하는 경로 계획 생성부를 포함한다.
일 실시예에 따르면, 상기 경로 계획 생성부는 상기 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추출하여 샘플링한다.
일 실시예에 따르면,상기 경로 계획 생성부는 상기 샘플링된 노드가 상기 목표 지점과 대응하는 노드일 때까지 상기 경로 계획 트리를 확장한다.
일 실시예에 따르면, 상기 경로 계획 생성부는 상기 경로 계획 트리의 확장을 RRT(Rapidly-exploring Random Tree) 알고리즘을 이용하여 실행한다.
일 실시예에 따르면, 상기 경로 계획 생성부는 상기 샘플링된 노드에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 상기 이동 로봇의 현 위치에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교한다.
일 실시예에 따르면, 상기 경로 계획 생성부는 상기 제1 경로 함수 및 상기 제2 경로 함수를 비교한 결과, 상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 크면 상기 샘플링된 노드를 상기 경로 계획 트리의 확장에 추가하지 않고, 상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 작으면 상기 샘플링된 노드를 상기 경로 계획 노드의 확장에 추가한다.
일 실시예에 따르면, 상기 인식부는, 상기 시작 지점과 상기 목표 지점 사이에서 정해진 그리드 맵 기반의 경로 상에서 변곡점이 되는 경유 지점들을 상기 그리드 기반의 노드들로 설정한다.
일 실시예에 따르면, 상기 인식부는, 상기 그리드 기반의 노드들은 상기 이동 로봇의 기구학적 특성을 고려하여 설정한다.
일 실시예에 따르면, 상기 기구학적 특성은 상기 이동 로봇의 크기 정보, 상기 이동 로봇의 기동 가능한 방향 정보 및 상기 이동 로봇의 기동 가능한 범위 정보 중 적어도 하나를 포함한다.
일 실시예에 따르면, 상기 경로 계획 생성부는, 상기 이동 로봇의 기구학적 특성을 고려하지 않고 상기 그리드 기반의 노드들을 샘플링한다.
상기 목적을 달성하기 위한 본 발명의 관점에 따른 이동 로봇의 경로 계획 방법은, 그리드 맵을 기반으로 이동 로봇의 이동 영역 중 시작 지점과 목표 지점을 설정하는 단계, 상기 이동 로봇의 시작 지점과 목표 지점 사이에 있는 장애물을 인식하여 그리드 기반의 노드들을 설정하는 단계 및 상기 그리드 기반 노드들을 샘플링하여 상기 이동 로봇의 이동 제어를 위한 경로 계획 트리를 확장하는 단계를 포함한다.
일 실시예에 따르면, 상기 그리드 기반의 노드들을 설정하는 단계에서, 상기 그리드 기반의 노드들은 상기 시작 지점과 상기 목표 지점 사이에서 정해진 상기 그리드 맵 기반의 경로 상에서 변곡점이 되는 경유 지점들로 설정된다.
일 실시예에 따르면, 상기 그리드 기반의 노드들을 설정하는 단계에서, 상기 그리드 기반의 노드들은 상기 이동 로봇의 기구학적 특성을 고려하여 설정된다.
일 실시예에 따르면, 상기 기구학적 특성은 상기 이동 로봇의 크기 정보, 상기 이동 로봇의 기동 가능한 방향 정보 및 상기 이동 로봇의 기동 가능한 범위 정보 중 적어도 하나를 포함한다.
일 실시예에 따르면, 상기 경로 계획 트리를 확장하는 단계에서, 상기 이동 로봇의 기구학적 특성을 고려하지 않고 상기 그리드 기반의 노드들을 샘플링한다.
일 실시예에 따르면, 상기 경로 계획 트리를 확장하는 단계에서, 상기 샘플링은 상기 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추출하는 방식이다.
일 실시예에 따르면, 상기 경로 계획 트리를 확장하는 단계는, 상기 샘플링된 노드가 상기 목표 지점과 대응하는 노드일 때까지 반복된다.
일 실시예에 따르면, 상기 경로 계획 트리를 확장하는 단계는, RRT(Rapidly-exploring Random Tree) 알고리즘을 이용하여 실행된다.
일 실시예에 따르면, 상기 경로 계획 트리를 확장하는 단계에서, 상기 샘플링된 노드에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 상기 이동 로봇의 현 위치에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교하고, 상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 크면 상기 샘플링된 노드를 상기 경로 계획 트리의 확장에 추가하지 않고, 상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 작으면 상기 샘플링된 노드를 상기 경로 계획 노드의 확장에 추가한다.
따라서, 본 발명에서는 이동 로봇의 기구학적 특성을 고려하여 설정한 그리드 기반의 노드들을 기초로 해서 샘플링 기반의 경로 계획을 실시간으로 생성함으로써, 이동 로봇의 경로 계획을 실시간으로 설정하면서 목표 지점까지의 이동을 최적화된 경로로서 설정할 수 있는 이점이 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 이동 로봇의 경로 계획 장치를 나타내는 구성도이다.
도 2는 그리드 기반의 경로 계획 방식을 일례로 나타내는 예시도이다.
도 3은 샘플링 기반의 경로 계획 방식을 일례로 나타내는 예시도이다.
도 4는 본 발명의 일 실시예에 따른 이동 로봇의 경로 계획 방식에 따른 그리드 기반의 경로 설정을 일례로 나타내는 예시도이다.
도 5는 도 4의 경로 상에 위치한 그리드 기반의 노드들을 특정한 것을 일례로 나타내는 예시도이다.
도 6은 도 4의 경로 계획 방식에 따른 샘플링 기반의 제1 경로 계획 과정을 일례로 나타내는 예시도이다.
도 7은 도 6의 추후 경로 계획 과정인 제2 경로 계획 과정을 일례로 나타내는 예시도이다.
도 8은 도 7의 추후 경로 계획 과정인 제3 경로 계획 과정을 일례로 나타내는 예시도이다.
그리고, 도 9는 도 1에 도시된 경로 계획 장치를 이용한 이동 로봇의 경로 계획 방법의 일례로 나타내는 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
비록 제1, 제2 등이 다양한 소자, 구성요소 및/또는 섹션들을 서술하기 위해서 사용되나, 이들 소자, 구성요소 및/또는 섹션들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자, 구성요소 또는 섹션들을 다른 소자, 구성요소 또는 섹션들과 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자, 제1 구성요소 또는 제1 섹션은 본 발명의 기술적 사상 내에서 제2 소자, 제2 구성요소 또는 제2 섹션일 수도 있음은 물론이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부도면을 참조하여 본 발명의 바람직한 실시 예에 대하여 다음과 같이 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 이동 로봇의 경로 계획 장치를 나타내는 구성도이다.
도 1을 참조하면, 이동 로봇의 경로 계획 장치(100)는 이동 로봇의 기구학적 특성을 고려하여 설정한 그리드 기반의 노드들을 기초로 해서 샘플링 기반의 경로 계획을 실시간 생성함으로써, 이동 로봇의 경로 계획을 실시간으로 설정하면서 목표 지점까지의 이동을 최적화된 경로로서 설정할 수 있는 구성을 갖출 수 있다.
구체적으로, 이동 로봇의 경로 계획 장치(100)는 이동 로봇의 시작 지점과 목표 지점 사이에 있는 장애물을 인식하여 그리드 기반의 노드들을 설정하는 인식부(140), 및 인식부(140)로부터 제공받는 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추출하고, 추출된 노드를 샘플링 기반의 노드로 추가하여 이동 로봇의 이동 제어를 위한 경로 계획 트리를 확장하는 경로 계획 생성부(120)를 포함할 수 있다.
여기서, 그리드 기반의 노드 설정이라 함은 이동 로봇이 이동할 영역을 일정한 면적의 셀(Cell)들로 분할한 그리드 맵 상에서 이동 로봇이 목표 지점으로 이동하기에 최적합한 경로를 표현하는 복수의 노드를 설정하는 것을 의미한다.
더 나아가, 그리드 기반의 노드들은 도 2에 도시된 바와 같이, 이동 로봇의 기구학적 특성까지 고려하여 설정되는 것이 바람직하다. 이동 로봇의 기구학적 특성은 이동 로봇이 기동 가능한 방향, 범위 등에 대한 정보를 포함할 수 있으며, 이동 로봇의 크기 등에 대한 정보를 더 포함할 수 있다.
또한, 샘플링 기반의 노드 설정이라 함은 이동 로봇의 시작 지점에서부터 임의의 노드를 샘플링하여 반복 선택하면서 경로 계획 트리를 점차 확장해가는 것을 의미한다. 도 3은 샘플링 기반의 경로 계획 방식의 일례를 도시한 것으로서, 이동 로봇의 기구학적 특성을 고려하지 않은 경우에 대한 것이다.
본 발명의 일 실시예에 따른 이동 로봇의 경로 계획 장치는 샘플링 기반의 노드 설정에서 임의의 노드를 샘플링하기 위한 선택 범위를 이동 로봇의 기구학적 특성을 고려하여 설정된 그리드 기반의 노드들 내로 한정한다.
즉, 샘플링 기반으로 경로 계획 트리를 확장하는 것을 이동 로봇의 기구학적 특성을 고려하여 설정한 그리드 기반의 노드들을 샘플링 선택 대상으로 한정하므로, 샘플링 기반으로 경로 계획 트리를 확장함에 있어 이동 로봇의 기구학적 특성을 고려하지 않는 방식을 채택하더라도 최적화된 경로를 실시간으로 생성하는 것이 가능하다.
또한, 이동 로봇의 경로 계획 장치(100)는 인식부(140) 및 경로 계획 생성부(120)를 포함할 뿐만 아니라, 사용자 인터페이스부(110), 로봇제어부(130) 및 구동부(150)를 더 포함하여 이동 로봇의 목표 지점 이동을 위한 전 구성을 포함하는 형태로 갖춰질 수 있다.
사용자 인터페이스부(110)는 이동 로봇의 위치 이동을 위한 작업 명령을 사용자가 스위치 조작 또는 터치 입력이나 음성 등을 통해 입력할 수 있게 구비된다.
로봇제어부(130)는 경로 계획 생성부(120)로부터 전달받은 경로 계획에 따라 구동부(150)를 제어하여 이동 로봇이 목표 지점까지 위치 이동하는 제어를 담당한다.
경로 계획 생성부(120)는 그리드 기반의 노드들 중에서 추출(샘플링)된 노드가 목표 지점과 대응하는 노드일 때까지 경로 계획 트리를 확장하는 과정을 반복 실행한다.
즉, 경로 계획 생성부(120)는 그리드 기반의 노드들 중에서 추출(샘플링)된 노드가 목표 지점과 대응하는 것으로 판정되면, 이동 로봇의 목표 지점 이동을 위한 경로 찾기가 완료된 것이므로 추가 경로를 파악하기 위해 경로 계획 트리를 확장할 필요가 없게 된다.
경로 계획 생성부(120)는 경로 계획 트리의 확장을 이동 영역 내의 장애물과 충돌하지 않는 충돌 회피 등의 제약 조건을 충족하면서 시작 지점과 목표 지점을 연결하는 경로를 계획하는 RRT(Rapidly-exploring Random Tree) 알고리즘을 이용하여 실행할 수 있다.
또한, 경로 계획 생성부(120)는 그리드 기반의 노드들 중에서 추출(샘플링)된 노드에서 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 이동 로봇의 현 위치에서 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교할 수 있다.
이때, 경로 계획 생성부(120)는 제1 경로 함수 및 제2 경로 함수를 비교한 결과, 제1 경로 함수의 결과 값이 제2 경로 함수의 결과 값보다 크면 그리드 기반의 노드들 중에서 추출(샘플링)된 노드를 경로 계획 트리의 확장에 추가하지 않는다.
반면, 경로 계획 생성부(120)는 제1 경로 함수 및 제2 경로 함수를 비교한 결과, 제1 경로 함수의 결과 값이 제2 경로 함수의 결과 값보다 작으면 그리드 기반의 노드들 중에서 추출(샘플링)된 노드를 경로 계획 트리의 확장에 추가한다.
도 4는 본 발명의 일 실시예에 따른 이동 로봇의 경로 계획 방식에 따른 그리드 기반의 경로 설정을 일례로 나타내는 예시도이다.
도 4를 참조하면, 이동 로봇의 이동 영역 중에서 시작 지점(A)과 목표 지점(B)을 설정할 수 있다.
이동 로봇이 이동할 공간인 이동 영역에 대해 미리 입력된 정보를 바탕으로 맵 정보를 생성하고, 경로를 생성한 결과가 도 4에서 나타내고 있다. 도 4의 맵은 가로, 세로가 9 × 5 이며, 총 45개의 셀로 구성된다, 각 셀은 목표 지점까지의 누적 거리 또는 누적 거리와 이동에 들어가는 상대 값을 계산한 결과를 나타내고 있다. 누적 거리 또는 상대 값은 일 실시예이며, 각 셀에서 목표 지점까지 이동하기 위해 최단 거리를 찾기 위한 가중치이다. 이하, 특정 셀을 지칭하기 위해 각 셀의 좌표를 이용하고자 한다. 출발 지점은 가로 좌표가 '1', 세로 좌표가 '3'이므로 셀 (1, 3)이라 한다.
또한, 상기 이동 영역에서 상대 값이 표시되지 않은 부분은 장애물로서 인식된 부분이다.
도 4에 도시된 바와 같이, 이동 로봇의 이동 영역 중에서 시작 지점(A)과 목표 지점(B)을 설정된 후 그리드 맵에 기반한 경로가 정해질 수 있다.
도 5는 도 4의 경로 상에 위치한 그리드 기반의 노드들을 특정한 것을 일례로 나타내는 예시도이다.
도 5를 참조하면, 도 4에 도시된 바와 같이 그리드 기반의 경로가 정해지면 도 4의 경로 상에서 이동 로봇의 이동과 관련한 변곡점이 되는 경유 지점을 그리드 기반의 노드들(K1 내지 K4)로서 특정할 수 있다.
도 6은 도 4의 혼합한 형태의 경로 계획 방식에 따른 샘플링 기반의 제1 경로 계획 과정을 일례로 나타내는 예시도이다.
도 6을 참조하면, 경로 계획 생성부(120)는 이동 로봇의 기구학적 특성을 고려하여 설정한 그리드 기반의 노드들을 기초로 해서 샘플링 기반의 경로 계획을 실시간으로 생성한다.
예를 들어 설명하면, 경로 계획 생성부(120)는 앞서 설명한 바와 같이 그리드 기반의 노드들이 특정된 후 특정된 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추출하는 샘플링을 진행한다.
도 6에서 상기 랜덤하게 추출된 임의의 노드가 'K2'이다. 이에, 경로 계획 생성부(120)는 이동 로봇의 이동을 위한 경로를 시작 지점에서 'K2' 노드까지 이동하는 경로를 실시간으로 생성한다. 이후, 로봇 제어 및 구동이 실시되어 이동 로봇이 'K2' 노드까지 위치 이동한다.
도 7은 도 6의 추후 경로 계획 과정인 제2 경로 계획 과정을 일례로 나타내는 예시도이다.
경로 계획 생성부(120)는 상기 특정된 그리드 기반의 노드들 중에서 임의의 노드를 선택하는 과정을 추가 실시한다. 이때, 추가 선택된 임의의 노드가 도 7에 도시된 바와 같이 'K4'가 될 수 있다. 이에, 경로 계획 생성부(120)는 이동 로봇의 이동을 위한 경로를 시작 지점에서 'K4' 노드까지 이동하는 경로를 실시간으로 생성한다. 이후, 로봇 제어 및 구동이 실시되어 이동 로봇이 'K2' 노드까지 위치 이동한다.
만일, 상기 특정된 그리드 기반의 노드들 중에서 임의의 노드를 선택하는 과정에서 추출된 임의의 노드가 'K1'인 경우, 경로 계획 생성부(120)는 'K1'에서 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 이동 로봇의 현 위치(즉, K2 지점)에서 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교할 수 있다.
상기 비교 결과, 경로 계획 생성부(120)는 제1 경로 함수의 결과 값이 제2 경로 함수의 결과 값보다 큰 것을 판정되는바, 'K1' 노드는 경로 계획 노드의 확장에 추가하지 않고 제외한다. 이에, 경로 계획 생성부(120)는 상기 특정된 그리드 기반의 노드들 중에서 임의의 노드를 선택하는 과정을 더 실시하여 경로 계획 노드의 확장을 위한 프로세스를 반복한다.
도 8은 도 7의 추후 경로 계획 과정인 제3 경로 계획 과정을 일례로 나타내는 예시도이다.
도 8을 참조하면, 경로 계획 생성부(120)는 상기 특정된 그리드 기반의 노드들 중에서 임의의 노드를 선택하는 과정에서 선택된 임의의 노드가 목표 지점과 대응하는 경우, 추출된 노드를 샘플링 기반의 노드로 추가하여 경로 계획 트리를 확장한 후 경로 생성의 종료를 설정한다.
그리고, 도 9는 도 1에 도시된 경로 계획 장치(100)를 이용한 이동 로봇의 경로 계획 방법의 일례로 나타내는 순서도이다.
도 9를 참조하면, 이동 로봇의 경로 계획 방법은 이동 로봇의 이동 영역 중에서 시작 지점과 목표 지점을 설정하는 것으로 진행 가능하다(S1).
이후, 경로 계획 장치(100)는 상기 이동 영역 상에서 시작 지점과 목표 지점 사이의 경로를 미리 저장 중인 그리드 기반의 맵 정보를 이용하여 설정하고, 설정된 그리드 기반의 경로 상에 위치한 그리드 기반의 노드들을 특정한다.
이후, 상기 특정된 그리드 기반의 노드들 중에서 임의의 노드를 랜덤을 추출한다(S3).
S3 단계에서 추출된 임의의 노드가 목표 지점과 대응하는 노드인지 여부를 판정한다(S5).
S5 단계의 판정 결과에서 추출된 임의의 노드가 목표 지점과 대응하지 않는 경우, 추출된 노드를 샘플링 기반의 노드로 추가하여 경로 계획 트리를 확장한다(S7).
S7 단계에서는 추출된 노드에서 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 이동 로봇의 현 위치에서 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교하고, 제1 경로 함수의 결과값이 제2 경로 함수의 결과값보다 크면 추출된 노드를 경로 계획 노드의 확장에 추가하기 않고, 제1 경로 함수의 결과값이 제2 경로 함수의 결과값보다 작으면 추출된 노드를 경로 계획 노드에 추가하여 경로 계획 트리를 확장할 수 있다.
이후, 경로 계획 생성부(120)는 S7 단계에서 확장된 경로 계획 트리에 대한 정보를 로봇제어부(130)로 전달하고, 이에 로봇제어부(130)는 경로 계획 트리에 대한 정보를 이용하여 구동부(150)를 제어함에 따라 이동 로봇을 위치 이동시킨다(S9 및 S11).
이후, 경로 계획 생성부(120)는 S3 단계에서 추출된 노드에 도달하는 경우 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추가 추출하는 단계를 다시 수행한다(S13).
만일, S5 단계의 판정 결과에서 추출된 임의의 노드가 목표 지점과 대응하는 경우, 추출된 노드를 샘플링 기반의 노드로 추가하여 경로 계획 트리를 확장한 후 경로 생성의 종료를 설정한다(S15).
이후, 경로 계획 생성부(120)는 S15 단계에서 확장된 경로 계획 트리에 대한 정보를 로봇제어부(130)로 전달하고, 이에 로봇제어부(130)는 경로 계획 트리에 대한 정보를 이용하여 구동부(150)를 제어함에 따라 이동 로봇을 목표 지점까지 위치 이동시킨다(S17 및 S19).
이상과 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
또한, 본 발명은 이동 로봇의 경로 계획을 실시간으로 설정하면서 목표 지점까지의 이동을 최적화된 경로로서 설정하기 위한 것임에 따라, 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.

Claims (19)

  1. 이동 로봇의 경로 계획 장치에 있어서,
    상기 이동 로봇의 시작 지점과 목표 지점 사이에 있는 장애물을 인식하여 그리드 기반의 노드들을 설정하는 인식부; 및
    상기 그리드 기반의 노드들을 샘플링하여 상기 이동 로봇의 이동 제어를 위한 경로 계획 트리를 확장하는 경로 계획 생성부를 포함하는 이동 로봇의 경로 계획 장치.
  2. 제1 항에 있어서,
    상기 경로 계획 생성부는 상기 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추출하여 샘플링하는, 이동 로봇의 경로 계획 장치.
  3. 제1 항에 있어서,
    상기 경로 계획 생성부는 상기 샘플링된 노드가 상기 목표 지점과 대응하는 노드일 때까지 상기 경로 계획 트리를 확장하는 이동 로봇의 경로 계획 장치.
  4. 제1 항에 있어서,
    상기 경로 계획 생성부는 상기 경로 계획 트리의 확장을 RRT(Rapidly-exploring Random Tree) 알고리즘을 이용하여 실행하는 이동 로봇의 경로 계획 장치.
  5. 제1 항에 있어서,
    상기 경로 계획 생성부는 상기 샘플링된 노드에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 상기 이동 로봇의 현 위치에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교하는 이동 로봇의 경로 계획 장치.
  6. 제5 항에 있어서,
    상기 경로 계획 생성부는 상기 제1 경로 함수 및 상기 제2 경로 함수를 비교한 결과, 상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 크면 상기 샘플링된 노드를 상기 경로 계획 트리의 확장에 추가하지 않고, 상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 작으면 상기 샘플링된 노드를 상기 경로 계획 노드의 확장에 추가하는 이동 로봇의 경로 계획 장치.
  7. 제1 항에 있어서,
    상기 인식부는, 상기 시작 지점과 상기 목표 지점 사이에서 정해진 그리드 맵 기반의 경로 상에서 변곡점이 되는 경유 지점들을 상기 그리드 기반의 노드들로 설정하는, 이동 로봇의 경로 계획 장치.
  8. 제1 항에 있어서,
    상기 인식부는, 상기 그리드 기반의 노드들은 상기 이동 로봇의 기구학적 특성을 고려하여 설정하는, 이동 로봇의 경로 계획 장치.
  9. 제8 항에 있어서,
    상기 기구학적 특성은 상기 이동 로봇의 크기 정보, 상기 이동 로봇의 기동 가능한 방향 정보 및 상기 이동 로봇의 기동 가능한 범위 정보 중 적어도 하나를 포함하는, 이동 로봇의 경로 계획 장치.
  10. 제8 항에 있어서,
    상기 경로 계획 생성부는, 상기 이동 로봇의 기구학적 특성을 고려하지 않고 상기 그리드 기반의 노드들을 샘플링하는, 이동 로봇의 경로 계획 장치.
  11. 그리드 맵을 기반으로 이동 로봇의 이동 영역 중 시작 지점과 목표 지점을 설정하는 단계;
    상기 이동 로봇의 시작 지점과 목표 지점 사이에 있는 장애물을 인식하여 그리드 기반의 노드들을 설정하는 단계; 및
    상기 그리드 기반 노드들을 샘플링하여 상기 이동 로봇의 이동 제어를 위한 경로 계획 트리를 확장하는 단계를 포함하는 이동 로봇의 경로 계획 방법.
  12. 제11 항에 있어서,
    상기 그리드 기반의 노드들을 설정하는 단계에서,
    상기 그리드 기반의 노드들은 상기 시작 지점과 상기 목표 지점 사이에서 정해진 상기 그리드 맵 기반의 경로 상에서 변곡점이 되는 경유 지점들로 설정되는, 이동 로봇의 경로 계획 방법.
  13. 제11 항에 있어서,
    상기 그리드 기반의 노드들을 설정하는 단계에서,
    상기 그리드 기반의 노드들은 상기 이동 로봇의 기구학적 특성을 고려하여 설정되는, 이동 로봇의 경로 계획 방법.
  14. 제13 항에 있어서,
    상기 기구학적 특성은 상기 이동 로봇의 크기 정보, 상기 이동 로봇의 기동 가능한 방향 정보 및 상기 이동 로봇의 기동 가능한 범위 정보 중 적어도 하나를 포함하는, 이동 로봇의 경로 계획 방법.
  15. 제13 항에 있어서,
    상기 경로 계획 트리를 확장하는 단계에서,
    상기 이동 로봇의 기구학적 특성을 고려하지 않고 상기 그리드 기반의 노드들을 샘플링하는, 이동 로봇의 경로 계획 방법.
  16. 제11 항에 있어서,
    상기 경로 계획 트리를 확장하는 단계에서,
    상기 샘플링은 상기 그리드 기반의 노드들 중에서 임의의 노드를 랜덤으로 추출하는 방식인, 이동 로봇의 경로 계획 방법.
  17. 제11 항에 있어서,
    상기 경로 계획 트리를 확장하는 단계는,
    상기 샘플링된 노드가 상기 목표 지점과 대응하는 노드일 때까지 반복되는, 이동 로봇의 경로 계획 방법.
  18. 제11 항에 있어서,
    상기 경로 계획 트리를 확장하는 단계는,
    RRT(Rapidly-exploring Random Tree) 알고리즘을 이용하여 실행되는, 이동 로봇의 경로 계획 방법.
  19. 제11 항에 있어서,
    상기 경로 계획 트리를 확장하는 단계에서,
    상기 샘플링된 노드에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제1 경로 함수와, 상기 이동 로봇의 현 위치에서 상기 목표 지점에 이르는 거리와 방향 벡터의 함수로 이루어진 제2 경로 함수를 비교하고,
    상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 크면 상기 샘플링된 노드를 상기 경로 계획 트리의 확장에 추가하지 않고,
    상기 제1 경로 함수의 결과값이 상기 제2 경로 함수의 결과값보다 작으면 상기 샘플링된 노드를 상기 경로 계획 노드의 확장에 추가하는, 이동 로봇의 경로 계획 방법.
PCT/KR2015/004255 2014-05-02 2015-04-28 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법 WO2015167220A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/308,404 US10369695B2 (en) 2014-05-02 2015-04-28 Device for planning path of mobile robot and method for planning path of mobile robot

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020140053398A KR102165437B1 (ko) 2014-05-02 2014-05-02 이동 로봇의 경로 계획 장치
KR10-2014-0053398 2014-05-02

Publications (1)

Publication Number Publication Date
WO2015167220A1 true WO2015167220A1 (ko) 2015-11-05

Family

ID=54358872

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2015/004255 WO2015167220A1 (ko) 2014-05-02 2015-04-28 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법

Country Status (3)

Country Link
US (1) US10369695B2 (ko)
KR (1) KR102165437B1 (ko)
WO (1) WO2015167220A1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105841704A (zh) * 2016-04-13 2016-08-10 京信通信系统（广州）有限公司 一种移动路径的确定方法及装置
CN106569496A (zh) * 2016-11-14 2017-04-19 中国船舶工业集团公司第七0八研究所 一种运动路径的规划方法
CN108981739A (zh) * 2018-06-08 2018-12-11 南方科技大学 一种路径规划方法、装置、服务器及存储介质
CN108983780A (zh) * 2018-07-24 2018-12-11 武汉理工大学 一种基于改进rrt*算法的移动机器人路径规划方法
CN109445444A (zh) * 2018-12-25 2019-03-08 同济大学 一种障碍物集中环境下的机器人路径生成方法
CN111650941A (zh) * 2020-06-10 2020-09-11 湖南爱米家智能科技有限公司 基于RRT-Connect改进的医用移动机器人路径规划方法、装置、介质及设备
CN112925308A (zh) * 2021-01-21 2021-06-08 深圳市人工智能与机器人研究院 路径规划方法、装置及计算机存储介质
CN113211447A (zh) * 2021-05-27 2021-08-06 山东大学 一种基于双向rrt*算法的机械臂实时感知规划方法及系统
CN113296500A (zh) * 2021-04-30 2021-08-24 浙江吉利控股集团有限公司 一种局部路径规划方法及系统
CN113799141A (zh) * 2021-10-14 2021-12-17 福州大学 六自由度机械臂避障路径规划方法
RU2769710C1 (ru) * 2021-01-14 2022-04-05 Автономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий» Способ построения маршрута движения и управления движением мобильного сервисного робота в торговом помещении

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6606442B2 (ja) * 2016-02-24 2019-11-13 本田技研工業株式会社 移動体の経路計画生成装置
KR101858108B1 (ko) * 2016-12-26 2018-05-16 한국생산기술연구원 로봇을 위한 동작 시뮬레이션 장치 및 방법
KR101898190B1 (ko) * 2016-12-30 2018-09-12 한국생산기술연구원 이동 로봇 및 주행 환경을 고려한 이동 로봇의 경로 생성 방법
WO2019004633A1 (ko) * 2017-06-30 2019-01-03 엘지전자 주식회사 이동 로봇의 동작 방법 및 이동 로봇
US11214437B1 (en) * 2017-09-13 2022-01-04 AI Incorporated Autonomous mobile robotic device for the transportation of items
CN108012326B (zh) * 2017-12-07 2019-06-11 珠海市一微半导体有限公司 基于栅格地图的机器人监视宠物的方法及芯片
CN108008728B (zh) 2017-12-12 2020-01-17 深圳市银星智能科技股份有限公司 清洁机器人以及基于清洁机器人的最短路径规划方法
WO2019139815A1 (en) 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
PL3769174T3 (pl) 2018-03-21 2022-10-24 Realtime Robotics, Inc. Planowanie przemieszczania robota do różnych środowisk i zadań oraz jego ulepszone działanie
CN108548533B (zh) * 2018-04-25 2022-05-17 山东爱泊客智能科技有限公司 一种用于红点实时定位的锚节点的定位方法及定位装置
CN108621165B (zh) * 2018-05-28 2021-06-15 兰州理工大学 障碍环境下的工业机器人动力学性能最优轨迹规划方法
CN109933068A (zh) * 2019-03-15 2019-06-25 文远知行有限公司 驾驶路径规划方法、装置、设备和存储介质
CN113905855B (zh) * 2019-04-17 2023-08-25 实时机器人有限公司 运动规划图生成用户界面、系统、方法和规则
CN110228069B (zh) * 2019-07-17 2022-04-01 东北大学 一种机械臂在线避障运动规划方法
CN110456825B (zh) * 2019-07-22 2020-09-15 清华大学 一种基于改进快速随机搜索树的无人机在线运动规划方法
CN110554697A (zh) * 2019-08-15 2019-12-10 北京致行慕远科技有限公司 行进方法、可行进设备和存储介质
CN110986953B (zh) * 2019-12-13 2022-12-06 达闼机器人股份有限公司 路径规划方法、机器人及计算机可读存储介质
US20210197377A1 (en) * 2019-12-26 2021-07-01 X Development Llc Robot plan online adjustment
CN113561171B (zh) * 2020-01-05 2023-03-24 牧今科技 具有动态运动调整机制的机器人系统及其操作方法
US11813756B2 (en) 2020-04-16 2023-11-14 Fanuc Corporation Disassembly based assembly planning
KR102358125B1 (ko) 2020-05-20 2022-02-04 주식회사 클로봇 시나리오 기반 작업을 수행하는 이동로봇 및 이의 작업 기반 이동경로 생성 방법
CN111912393A (zh) * 2020-08-19 2020-11-10 西北工业大学太仓长三角研究院 基于水面移动机器人的水文环境监测方法
CN112549016A (zh) * 2020-10-21 2021-03-26 西安工程大学 一种机械臂运动规划方法
CN112344938B (zh) * 2020-10-31 2022-07-19 安徽中科源起科技有限公司 基于指向和势场参数的空间环境路径生成及规划方法
CN112428271B (zh) * 2020-11-12 2022-07-12 苏州大学 基于多模态信息特征树的机器人实时运动规划方法
CN112828889A (zh) * 2021-01-05 2021-05-25 佛山科学技术学院 一种六轴协作机械臂路径规划方法及系统
CN113064426B (zh) * 2021-03-17 2022-03-15 安徽工程大学 一种改进双向快速搜索随机树算法的智能车路径规划方法
CN113119116B (zh) * 2021-03-22 2023-01-31 深圳市优必选科技股份有限公司 一种机械臂运动规划方法、装置、可读存储介质及机械臂
CN113358118B (zh) * 2021-05-06 2022-09-20 北京化工大学 非结构环境中端到端的室内移动机器人自主导航方法
CN113650011B (zh) * 2021-08-03 2022-05-10 中国人民解放军63920部队 一种机械臂拼接路径规划方法及装置
KR20230050958A (ko) 2021-10-08 2023-04-17 현대자동차주식회사 로봇의 경로 계획 장치 및 그 방법
CN114323028B (zh) * 2022-03-16 2022-06-07 中南大学 自适应地图的路径规划方法、系统、设备及介质
KR20230140191A (ko) 2022-03-29 2023-10-06 충북대학교 산학협력단 가중치를 고려한 광역 경로 계획 방법
CN115950439B (zh) * 2023-03-15 2023-06-02 季华实验室 双向rrt路径规划方法、装置、电子设备及存储介质
CN117733308B (zh) * 2024-02-19 2024-05-17 浙江大学 一种超声波焊接机器人路径规划方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090126414A (ko) * 2008-06-04 2009-12-09 삼성전자주식회사 로봇 및 그 경로생성방법
KR20110048330A (ko) * 2009-11-02 2011-05-11 삼성전자주식회사 로봇의 경로 계획 장치 및 그 방법
KR20120069949A (ko) * 2010-12-21 2012-06-29 고려대학교 산학협력단 이동 로봇의 최적 경로 생성 방법 및 이를 이용한 이동 로봇
KR101179075B1 (ko) * 2012-02-28 2012-09-03 국방과학연구소 자율로봇의 경로계획방법 및 이를 구비한 경로계획장치
KR101339480B1 (ko) * 2012-12-14 2013-12-10 고려대학교 산학협력단 Ｒｒｔ 기반의 듀얼 트리 구조를 이용한 이동 로봇의 궤적 계획 방법

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7079943B2 (en) * 2003-10-07 2006-07-18 Deere & Company Point-to-point path planning
US7272492B2 (en) * 2004-03-16 2007-09-18 The Johns Hopkins University Path planning for mine countermeasures
US8571745B2 (en) * 2008-04-10 2013-10-29 Robert Todd Pack Advanced behavior engine
JP2011525984A (ja) * 2008-06-26 2011-09-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 高速且つ正確な経路プランニングのための方法及びシステム
KR101667030B1 (ko) * 2009-08-10 2016-10-17 삼성전자 주식회사 로봇의 경로 계획 장치 및 그 방법
KR101691939B1 (ko) * 2009-08-10 2017-01-02 삼성전자주식회사 로봇의 경로 계획방법 및 장치
KR101667029B1 (ko) * 2009-08-10 2016-10-17 삼성전자 주식회사 로봇의 경로 계획방법 및 장치
KR101667032B1 (ko) * 2009-10-30 2016-10-17 삼성전자 주식회사 로봇의 경로 계획 장치 및 그 방법
KR101680239B1 (ko) 2010-01-04 2016-11-28 톰슨 라이센싱 무선 네트워크에서의 멀티캐스트 및 브로드캐스트 서비스의 핸드오버 방법
KR101296472B1 (ko) 2011-11-18 2013-08-13 엘지전자 주식회사 이동형 로봇
KR20130112507A (ko) 2012-04-04 2013-10-14 인하대학교 산학협력단 Ｓ＊ 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법
KR102009482B1 (ko) * 2012-10-30 2019-08-14 한화디펜스 주식회사 로봇의 경로계획 장치와 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090126414A (ko) * 2008-06-04 2009-12-09 삼성전자주식회사 로봇 및 그 경로생성방법
KR20110048330A (ko) * 2009-11-02 2011-05-11 삼성전자주식회사 로봇의 경로 계획 장치 및 그 방법
KR20120069949A (ko) * 2010-12-21 2012-06-29 고려대학교 산학협력단 이동 로봇의 최적 경로 생성 방법 및 이를 이용한 이동 로봇
KR101179075B1 (ko) * 2012-02-28 2012-09-03 국방과학연구소 자율로봇의 경로계획방법 및 이를 구비한 경로계획장치
KR101339480B1 (ko) * 2012-12-14 2013-12-10 고려대학교 산학협력단 Ｒｒｔ 기반의 듀얼 트리 구조를 이용한 이동 로봇의 궤적 계획 방법

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105841704B (zh) * 2016-04-13 2019-01-18 京信通信系统（中国）有限公司 一种移动路径的确定方法及装置
CN105841704A (zh) * 2016-04-13 2016-08-10 京信通信系统（广州）有限公司 一种移动路径的确定方法及装置
CN106569496A (zh) * 2016-11-14 2017-04-19 中国船舶工业集团公司第七0八研究所 一种运动路径的规划方法
CN108981739B (zh) * 2018-06-08 2022-02-22 南方科技大学 一种路径规划方法、装置、服务器及存储介质
CN108981739A (zh) * 2018-06-08 2018-12-11 南方科技大学 一种路径规划方法、装置、服务器及存储介质
CN108983780A (zh) * 2018-07-24 2018-12-11 武汉理工大学 一种基于改进rrt*算法的移动机器人路径规划方法
CN109445444A (zh) * 2018-12-25 2019-03-08 同济大学 一种障碍物集中环境下的机器人路径生成方法
CN109445444B (zh) * 2018-12-25 2021-05-11 同济大学 一种障碍物集中环境下的机器人路径生成方法
CN111650941A (zh) * 2020-06-10 2020-09-11 湖南爱米家智能科技有限公司 基于RRT-Connect改进的医用移动机器人路径规划方法、装置、介质及设备
RU2769710C1 (ru) * 2021-01-14 2022-04-05 Автономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий» Способ построения маршрута движения и управления движением мобильного сервисного робота в торговом помещении
CN112925308A (zh) * 2021-01-21 2021-06-08 深圳市人工智能与机器人研究院 路径规划方法、装置及计算机存储介质
CN112925308B (zh) * 2021-01-21 2023-12-26 深圳市人工智能与机器人研究院 路径规划方法、装置及计算机存储介质
CN113296500A (zh) * 2021-04-30 2021-08-24 浙江吉利控股集团有限公司 一种局部路径规划方法及系统
CN113296500B (zh) * 2021-04-30 2023-04-25 浙江吉利控股集团有限公司 一种局部路径规划方法及系统
CN113211447A (zh) * 2021-05-27 2021-08-06 山东大学 一种基于双向rrt*算法的机械臂实时感知规划方法及系统
CN113211447B (zh) * 2021-05-27 2023-10-27 山东大学 一种基于双向rrt*算法的机械臂实时感知规划方法及系统
CN113799141A (zh) * 2021-10-14 2021-12-17 福州大学 六自由度机械臂避障路径规划方法

Also Published As

Publication number Publication date
KR20150126482A (ko) 2015-11-12
US20170057087A1 (en) 2017-03-02
US10369695B2 (en) 2019-08-06
KR102165437B1 (ko) 2020-10-14

Similar Documents

Publication Publication Date Title
WO2015167220A1 (ko) 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법
Veloso et al. Cobots: Collaborative robots servicing multi-floor buildings
US9044862B2 (en) Path planning apparatus and method for robot
CN107116565B (zh) 控制装置、机器人以及机器人系统
CN103294054B (zh) 一种机器人导航方法及系统
Muthugala et al. MIRob: An intelligent service robot that learns from interactive discussions while handling uncertain information in user instructions
WO2010024631A2 (ko) 가상조립 시뮬레이션 시스템
JP2011201002A (ja) ロボット装置、ロボット装置の遠隔制御方法及びプログラム
Lanini et al. Human intention detection as a multiclass classification problem: Application in physical human–robot interaction while walking
US20190390396A1 (en) Robot and clothes folding apparatus including the same
CN105180941A (zh) 一种导航方法和装置
Umay et al. An integrated task and motion planning technique for multi-robot-systems
Batik Garip et al. Path planning for multiple mobile robots using A* algorithm
JP7179971B2 (ja) ロボット装置のための制御装置、ロボット装置、方法、コンピュータプログラム及び機械可読記憶媒体
Wögerer et al. LOCOBOT-low cost toolkit for building robot co-workers in assembly lines
JP6706777B2 (ja) 制御装置、ロボット、及びロボットシステム
CN108648599A (zh) 一种基于语音控制的机械臂3d虚拟操作实验平台
Liu et al. A floyd-genetic algorithm based path planning system for mobile robots in laboratory automation
CN110216688A (zh) 一种办公区送件服务机器人及其控制方法
Zhang et al. Ros based voice-control navigation of intelligent wheelchair
Kit et al. Pick and place mobile robot for the disabled through voice commands
Vanc et al. Controlling robotic manipulations via bimanual gesture sequences
JP2011143511A (ja) ユーザ支援システム
Li et al. Kinect-based robotic manipulation for door opening
Abolghasemi et al. Real-time placement of a wheelchair-mounted robotic arm

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15786566

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 15308404

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 15786566

Country of ref document: EP

Kind code of ref document: A1