[发明专利]路径决定方法

说明书

本发明提供一种决定机器人的路径的路径决定方法，其以移动装置一边避免与交通参与者等多个移动物体的干涉，一边顺利地移动至目标地点为止的方式决定机器人的路径。在多个第二步行者(M2)按照规定的移动模式移动的环境中，识别第一步行者(M1)朝目标地点(Po)移动时的多个移动路径(Rw)。生成将包含环境图像的时间序列的复合环境图像与移动方向指令组合的数据作为学习用数据，所述环境图像表示分别按照所述多个移动路径(Rw)移动时的假想机器人的周围的视觉环境，所述移动方向指令表示假想机器人的移动方向。使用学习用数据来学习模型参数，并使用学习完毕CNN来决定机器人(2)的移动速度指令(v_cmd)。

技术领域

本发明涉及一种自行移动型的机器人的路径决定方法。

背景技术

以往，作为自行移动型的机器人的路径决定方法，已知有专利文献1及专利文献2中记载的路径决定方法。在专利文献1的路径决定方法中，根据步行者等交通参与者的速度，算出被预想为存在机器人干涉交通参与者的可能性的干涉可能性时间，进而，算出被设想为交通参与者在规定时间后移动的假想障碍物区域。并且，根据干涉可能性时间及假想障碍物区域，决定机器人的路径。由此，避免机器人与交通参与者的干涉。

而且，在专利文献2的路径决定方法中，计算机器人的当前位置，根据外界传感器已测定的距离数据来生成障碍物地图，并且从存储部读取地图信息。接下来，参照障碍物地图及地图信息，判定在已被存储在地图信息的路径上是否存在障碍物，当在路径上存在障碍物时，通过A﹡探索算法来执行机器人的路径。具体而言，根据当前位置信息、障碍物地图及地图信息，算出栅格地图上的围绕机器人的许多栅格中的障碍物的存在概率，将障碍物的存在概率最低的栅格决定为路径。

[现有技术文献]

[专利文献]

专利文献1：日本专利特开2009-110495号公报

专利文献2：日本专利特开2010-191502号公报

发明内容

[发明所要解决的问题]

根据所述专利文献1的路径决定方法，因使用交通参与者的干涉可能性时间及假想障碍物区域的关系，当步行者等实际的交通参与者以无法预测的轨迹进行了移动时，机器人与交通参与者的干涉状态频发。其结果，机器人的停止状态频发，存在商品性低这一问题。尤其，在存在人山人海的交通环境下，问题变得显着。

而且，在专利文献2的路径决定方法的情况下，当步行者等实际的交通参与者以无法预测的轨迹进行了移动时，也产生与专利文献1相同的问题。尤其，在存在人山人海的交通环境下，变成找不到障碍物的存在概率最低的栅格的状态，由此机器人的停止时间变长。

因此，本发明的目的在于提供一种决定机器人的路径的方法，其以移动装置一边避免与交通参与者等多个移动物体的干涉，一边顺利地移动至目标地点为止的方式决定机器人的路径。

[解决问题的技术手段]

本发明涉及一种移动装置在所述移动装置周边存在多个移动物体的状况下，决定至目标地点为止的目标移动路径的方法。

本发明的路径决定方法：在多个第二移动物体分别按照不同的多个移动模式移动的状况下，识别第一移动物体一边避免与所述多个第二移动物体各自的干涉，一边移动至所述目标地点为止时的所述第一移动物体的多个移动路径，生成将包含复合环境图像的环境图像数据与行动参数相关联的多个学习用数据，所述复合环境图像是通过将所述移动装置分别按照所述多个移动路径移动时的表示所述移动装置的环境的环境图像的时间序列予以复合而生成，所述行动参数表示所述移动装置的行动，使用所述多个学习用数据，按照指定学习方法来学习将所述环境图像数据作为输入而将所述行动参数作为输出的行动模型的模型参数，由此来生成学习完毕的所述行动模型即学习完毕模型，使用所述学习完毕模型，决定所述移动装置的所述目标移动路径。