本发明专利技术的一方面的路径规划系统使用训练完毕的路线图构建模型，针对每个主体来构建路线图。训练完毕的路线图构建模型是通过使用由多个学习用主体的正解路径所获得的学习数据的机器学习而生成。路径规划系统通过训练完毕的路线图构建模型来反复进行将各主体各别地指定为对象主体并推测对象时间步至下个时间步的候选状态的处理，从而构建每个主体的路线图。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种路径规划系统、路径规划方法、路线图构建装置、模型生成装置及模型生成方法。
技术介绍
1、存在对多个主体(agent)分别向目的地移动的路径进行规划的多主体的路径规划问题。主体例如是自主移动的移动体(例如搬送机器人、清扫机器人、自动驾驶车辆、无人驾驶飞机等)、人、人所操作的装置、操纵器(manipulator)等。以往，多主体的路径规划问题是在预先规定的栅格图(grid map)(栅格空间)上求解。例如，非专利文献1中提出了一种方法：使用通过机器学习进行了训练的模型，在栅格图上进行各主体的路径规划。
2、根据使用所述栅格图的方法，各主体的可移动位置是被预先规定的，因此能够相对较简单地找到各主体的路径。但是，各主体的移动受预先规定的栅格限制。因此，对于各主体要获得更佳的路径(例如实际空间内的最短路径)存在极限。
3、因此，正在探讨并非在预先规定的栅格空间而是在各主体可移动到自由位置的连续空间上对多主体的路径规划问题求解的方法。在连续空间上对路径规划问题求解的情况下，常常采用构建路线图并在所构建的路线图上搜索各主体的路径的方法(approach)(例如非专利文献2)。
4、路线图包含节点及边缘，确定搜索各主体的路径的范围。节点表示可移动位置，边缘将节点彼此连结，表示所连结的节点间可移动。在构建所述路线图时，可对应于搜索路径的对象的连续空间而在任意的位置配置节点。因此，与使用可移动位置被预先固定的栅格图的方法相比，在所述连续空间上搜索路径的方法有可能对于各主体获得更佳的路径。
5、现有技术文献
6、非专利文献
7、非专利文献1：梅裕尔·达马尼、罗志尧、爱默生·温泽尔、纪尧姆·萨托雷蒂“primal2通过强化和模仿多智能体学习寻路-终身”，ieee机器人与自动化快报，第6卷第2期，第2666-2673页，2021年(mehul damani,zhiyao luo,emerson wenzel,guillaumesartoretti,“primal2 pathfinding via reinforcement and imitation multi-agentlearning--lifelong”,ieeerobotics and automation letters,volume 6,issue 2,p.2666-2673,2021)
8、非专利文献2：费利佩·费利克斯·阿里亚斯、布瑞恩·安德鲁·伊齐特、亚历山大·浮士德、南希·m·阿马托，“动态环境中运动规划的避免临界概率路线图”，ieee机器人与自动化国际会议，2021年(felipe felix arias,brian andrew ichter,aleksandrafaust,nancy m.amato,“avoidance critical probabilistic roadmaps for motionplanning in dynamic environments”,ieeeinternational conference on roboticsand automation,2021)
技术实现思路
1、专利技术所要解决的问题
2、本申请专利技术人等发现：在连续空间上对多主体的路径规划问题求解的所述以往的方法中，存在如下的问题。即，以往的方法中，通过在连续空间整体配置节点来对各主体构建共同的路线图。一例中，节点是随机地配置在整个连续空间内。作为另一例，非专利文献2中提出的方法中，使用通过机器学习进行了训练的模型，从而在障碍物附近在可避开其他主体的位置配置节点。无论是哪种方法，基本上，节点均是配置在整个连续空间内。
3、此时，通过在连续空间上稠密地配置节点，对于各主体可采用的路径的组合增加。因此，能够通过所述路线图来发现各主体的进而最佳路径的可能性变高。但是，若稠密地配置节点，则与此相应地，节点数将增加，因此路径的搜索所耗费的成本(计算成本及时间成本)增大。因此，若稀疏地配置节点，则尽管能够降低搜索所耗费的成本，但能够发现最佳路径的可能性变低。在最差的情况(case)下，还可能产生无法发现可绕过障碍物或其他主体的路径的事态。因此，以往的方法中，存在难以兼顾进而最佳路径的发现及搜索成本降低的问题。
4、另外，此问题的产生并不限于搜索多主体的移动路径的场景。各节点可构成为，表示位置以外的其他状态(例如速度、方向等)。在此情况下，在连续状态空间中搜索从各主体的开始状态直至目标状态为止的迁移路径的场景中也可能同样地产生所述问题。
5、本专利技术在一方面是有鉴于此种状况而完成，其目的在于提供一种技术，在连续状态空间上对多主体的路径规划问题求解时，提高能够针对主体发现进而最佳路径的可能性，并且实现搜索所耗费的成本的降低。
6、解决问题的技术手段
7、为了解决所述课题，本专利技术采用以下的结构。
8、即，本专利技术的一方面的路径规划系统包括信息获取部、图构建部及搜索部。信息获取部构成为，获取对象信息，所述对象信息包含多个主体各自在连续状态空间中的开始状态及目标状态。图构建部构成为，使用训练完毕的路线图构建模型，根据所获取的所述对象信息，针对每个所述主体来构建路线图。搜索部构成为，在针对每个所述主体所构建的所述路线图上，搜索从所述开始状态直至所述目标状态为止的所述各主体的路径。
9、路线图构建模型包括第一处理模块、第二处理模块及推测模块。第一处理模块构成为，根据对象主体信息来生成第一特征信息，所述对象主体信息包含对象主体的目标状态及对象时间步中的候选状态。第二处理模块构成为，根据其他主体信息来生成第二特征信息，所述其他主体信息包含所述对象主体以外的其他主体的目标状态及所述对象时间步中的候选状态。推测模块构成为，根据所生成的所述第一特征信息及所述第二特征信息，推测所述对象主体在所述对象时间步的下个时间步中的一个以上的候选状态。训练完毕的所述路线图构建模型是通过使用由多个学习用主体的正解路径所获得的学习数据的机器学习而生成。
10、针对每个所述主体来构建所述路线图的步骤是通过将所述多个主体分别各别地指定为所述对象主体来执行下述处理而构成，即：将所述多个主体中的任一个主体处理为所述对象主体，将所述多个主体中的剩余主体的至少一部分处理为所述其他主体，将由所获取的所述对象信息所示的所述任一个主体的开始状态指定为所述对象主体在最开始的对象时间步中的候选状态，通过训练完毕的所述路线图构建模型来推测下个时间步中的一个以上的候选状态，且将所推测出的下个时间步中的一个以上的候选状态分别指定为新的对象时间步中的候选状态，并重复通过训练完毕的所述路线图构建模型所进行的下个时间步的候选状态的推测，直至所述任一个主体的所述目标状态或其附近状态包含在所推测的下个时间步中的一个以上的候选状态中为止。
11、候选状态与构成路线图的节点对应。即，推测模块构成为，针对对象主体，根据对象时间步的各特征信息来推测在连续本文档来自技高网
...
【技术保护点】
1.一种路径规划系统，包括：
2.根据权利要求1所述的路径规划系统，其中
3.根据权利要求1或2所述的路径规划系统，其中
4.根据权利要求1至3中任一项所述的路径规划系统，其中
5.根据权利要求4所述的路径规划系统，其中
6.根据权利要求1至5中任一项所述的路径规划系统，其中
7.根据权利要求6所述的路径规划系统，其中
8.根据权利要求1至7中任一项所述的路径规划系统，其中
9.根据权利要求1至8中任一项所述的路径规划系统，其中
10.一种路径规划方法，由计算机执行下述步骤：
11.一种路线图构建装置，包括：
12.一种模型生成装置，包括：
13.根据权利要求12所述的模型生成装置，其中
14.一种模型生成方法，由计算机执行下述步骤：
【技术特征摘要】
【国外来华专利技术】
1.一种路径规划系统，包括：
2.根据权利要求1所述的路径规划系统，其中
3.根据权利要求1或2所述的路径规划系统，其中
4.根据权利要求1至3中任一项所述的路径规划系统，其中
5.根据权利要求4所述的路径规划系统，其中
6.根据权利要求1至5中任一项所述的路径规划系统，其中
7.根据权利要求6所述的路径规划系统，其中
...
【专利技术属性】
技术研发人员：奥村圭祐，米谷竜，黒瀬西村真衣，松井朝子，
申请(专利权)人：欧姆龙株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。