机器人、控制方法以及存储介质技术

机器人(10)包括传感器(12)和控制器(11)。控制器(11)包括第1学习模型(M1)和行进方向决定部(112)。第1学习模型(M1)通过将传感器(12)输出的测距数据作为输入并且输出对象物存在的方向来进行机器学习。行进方向决定部(112)参照第1学习模型(M1)的输出，决定机器人(10)的行进方向，以使其朝向对象物。

【技术实现步骤摘要】
机器人、控制方法以及存储介质
本专利技术涉及对自走式的机器人进行控制的方法。
技术介绍
对自走式的机器人进行控制的技术是已知的。例如，在专利文献1中记载了如下技术：根据从机器人发送的动态图像，通过机器学习，测量与动态图像中映出的被摄体接触的危险程度，并且在测量出的危险程度为规定的阈值以上的情况下，指示机器人停止。【现有技术文献】【专利文献1】日本公开特许公报“专利第6393433号说明书(2018年8月31日登记)”
技术实现思路
专利技术所要解决的技术问题这里，在使机器人追随规定的对象物(例如特定的人)的用途中，需要对存在于机器人的周围的物体中的机器人应该朝向的规定的对象物进行检测。在这样的用途中，当采用专利文献1记载的技术时，由于动态图像中不包含到被摄体的距离信息，因此通过使用动态图像的机器学习来检测对象物时的检测精度存在改善的余地。因此，机器人有可能向非意图的方向行进。本专利技术的一个方面的目的在于，提供一种更高精度地决定朝向对象物行进的机器人的行进方向的技术。解决技术问题的技术方案为了解决上述课题，根据本专利技术的一个方面的机器人为自走式的机器人，其具有：传感器，其在每个方向上对从所述机器人到周围存在的物体之间的距离进行测量，以及控制器，其参照从所述传感器输出的测距数据对所述机器人进行控制。所述控制器使用第1学习模型，该第1学习模型通过将所述测距数据作为输入并且输出表示所述物体中规定的对象物可以存在的一个或多个方向的信息来进行机器学习。另外，所述控制器执行如下处理：参照所述第1学习模型的输出信息，决定所述机器人的行进方向，以使其朝向所述规定的对象物。为了解决上述课题，根据本专利技术的一个方面的控制方法为自走式的机器人的控制方法，其包括如下步骤：在每个方向上对从所述机器人到周围存在的物体之间的距离进行测量；以及参照在所述测量的步骤中输出的测距数据对所述机器人进行控制。在所述控制的步骤中，使用第1学习模型，该第1学习模型通过将所述测距数据作为输入并且输出表示所述物体中规定的对象物能够存在的一个或多个方向的信息来进行机器学习。另外，在所述控制的步骤中，包括如下处理：参照所述第1学习模型的输出信息，决定所述机器人的行进方向，以使其朝向所述规定的对象物。为了解决上述课题，根据本专利技术的一个方面的存储介质为存储对上述的机器人进行控制的程序的存储介质，该存储介质使所述控制器执行所述各个处理。专利技术效果根据本专利技术的一个方面，能够提供更高精度地决定朝向对象物行进的机器人的行进方向的技术。附图说明图1是示出根据本专利技术的实施例1的机器人的主要结构的框图。图2是示出根据本专利技术的实施例1的机器人的硬件结构的一例的图。图3是说明本专利技术的实施例1的第1学习模型的输入输出的图。图4是示出在本专利技术的实施例1中对机器人进行控制的控制方法的流程图。图5是示出根据本专利技术的实施例2的机器人的主要结构的框图。图6是示出根据本专利技术的实施例2的机器人的硬件结构的一例的图。图7是说明本专利技术的实施例2的第2学习模型的输入输出的图。图8是示出在本专利技术的实施例2中对机器人进行控制的控制方法的流程图。图9是示出根据本专利技术的实施例3的机器人的主要结构的框图。图10是说明本专利技术的实施例3的第3学习模型的输入输出的图。图11是示出本专利技术的实施例3的障碍物匹配信息的一例的是概略俯视图。图12是示出本专利技术的实施例3的障碍物栅格地图的一例的图。图13是示出本专利技术的实施例3的放大障碍物栅格地图的一例的图。图14是示出在本专利技术的实施例3中对机器人进行控制的控制方法的流程图。具体实施例参照附图，对根据本专利技术的各个实施例的机器人进行说明。根据各个实施例的机器人是代替职员实施设施内的巡视的自走式的机器人。作为配备机器人的设施的一例，可以举出医疗设施、护理设施、幼儿园等，但不限于此。机器人朝向存在于机器人的周围的物体中规定的对象物行进。例如，机器人在设施内巡视的同时将满足特定的条件的物体确定为规定的对象物，并且追随该规定的对象物行进。特定的条件例如可以是在机器人没有追随任何对象物的状态下最初识别出的移动体。作为具体例子，机器人会发现并追随在设施内徘徊的人。另外，特定的条件也可以是通过输入从而指定的移动体。作为具体例子，机器人会追随搭载有散步的人的特定的轮椅。在本实施例中，存在于机器人的周围的物体是人、轮椅、台车、墙壁、柱等。另外，在本实施例中，机器人应朝向的规定的对象物是移动体。移动体是指可以移动的物体，作为一例，可以是人、轮椅、台车等。在下文中，将机器人应朝向的规定的对象物也记载为“追随对象物”。[实施例1]以下，参照图1至图4，对根据本专利技术的实施例1的机器人10进行说明。<机器人10的主要结构>图1是示出机器人10的主要结构的框图。如图1所示，机器人10包括控制器11、测域传感器12以及行进装置13。作为功能性结构，控制器11包括测距数据取得部111、行进方向决定部112、行进控制部113、以及第1学习模型M1。关于各功能块的详细结构将在后文叙述。图2是示出机器人10的硬件结构的一例的框图。如图2所示，控制器11是由包括处理器101、存储器102以及通信接口103的计算机构成的。另外，通信接口103是本专利技术的输入接口的一例。另外，控制器11经由交换式集线器SW分别与测域传感器12和行进装置13可通信地连接。处理器101、存储器102以及通信接口103经由总线彼此连接。作为处理器101，例如使用微处理器、数字信号处理器、微控制器、或者它们的组合。作为存储器102，例如使用半导体RAM(randomaccessmemory：随机存取存储器)、HDD(HardDiskDrive：硬盘驱动器)、SSD(SolidStateDrive：固态驱动器)、或者它们的组合。在存储器102中存储有用于使处理器101执行后述的控制器11的控制方法S1的程序。处理器101通过读取并执行存储在存储器102中的程序来执行控制方法S1。另外，在存储器102中存储有为了执行控制方法S1而由处理器101参照的各种数据。通信接口103是用于与其他装置进行通信的接口。例如，通信接口103是进行有线LAN(LocalAreaNetwork：局域网)通信的接口。在这种情况下，通信接口103与交换式集线器SW连接，并且经由交换式集线器SW与测域传感器12和行进装置13进行通信。另外，通信接口103不限于有线LAN通信，也可以是进行其他通信的接口。例如，通信接口103也可以是进行无线LAN通信的接口。在这种情况下，通信接口103经由接入点(未图示)与测域传感器12和行进装置13进行通信。另外，通信接口103也可以是由USB(UniversalSerialBus：通用串行总线)接口、RS-232C、RS-422、RS-485等串行通信接口、红外线、B本文档来自技高网...

【技术保护点】
1.一种机器人，其为自走式的机器人，其特征在于，所述机器人具有：/n传感器，其在每个方向上对从所述机器人到周围存在的物体之间的距离进行测量，以及/n控制器，其参照从所述传感器输出的测距数据对所述机器人进行控制，/n所述控制器使用第1学习模型执行以下处理：参照所述第1学习模型的输出信息，决定所述机器人的行进方向，以使所述机器人朝向规定的对象物，/n其中，所述第1学习模型通过将所述测距数据作为输入并且输出表示所述物体中所述规定的对象物能够存在的一个或多个方向的信息来进行机器学习。/n

【技术特征摘要】
20191129 JP 2019-2171321.一种机器人，其为自走式的机器人，其特征在于，所述机器人具有：
传感器，其在每个方向上对从所述机器人到周围存在的物体之间的距离进行测量，以及
控制器，其参照从所述传感器输出的测距数据对所述机器人进行控制，
所述控制器使用第1学习模型执行以下处理：参照所述第1学习模型的输出信息，决定所述机器人的行进方向，以使所述机器人朝向规定的对象物，
其中，所述第1学习模型通过将所述测距数据作为输入并且输出表示所述物体中所述规定的对象物能够存在的一个或多个方向的信息来进行机器学习。


2.根据权利要求1所述的机器人，其特征在于，
所述规定的对象物是移动体，
所述传感器周期性地执行在每个方向上测量所述距离的处理，
所述第1学习模型将至少两个周期以上的所述测距数据作为输入，并且将表示所述物体中移动体存在的一个或多个方向的信息作为所述规定的对象物能够存在的一个或多个方向进行输出。


3.根据权利要求1或2所述的机器人，其特征在于，
所述机器人还具有对所述机器人的周围进行摄像的摄像装置，
所述控制器还使用第2学习模型，在所述决定的处理中，参照从所述第1学习模型输出的一个或多个方向中的、通过参照所述第2学习模型的输出信息提取出的一个或多个方向，决定所述机器人的行进方向，
其中，所述第2学习模型通过将由所述摄像装置生成的摄像图像作为输入并且输出表示在所述摄像图像中能够包括所述规定的对象物的一个或多个图像区域的信息来进行机器学习。


4.根据权...

【专利技术属性】
技术研发人员：铃木薪雄，杨艳艳，
申请(专利权)人：新东工业株式会社，
类型：发明
国别省市：日本;JP