CN113359743A - 机器人任务执行方法、装置、机器人及存储介质 - Google Patents

机器人任务执行方法、装置、机器人及存储介质 Download PDF

Info

Publication number
CN113359743A
CN113359743A CN202110681640.3A CN202110681640A CN113359743A CN 113359743 A CN113359743 A CN 113359743A CN 202110681640 A CN202110681640 A CN 202110681640A CN 113359743 A CN113359743 A CN 113359743A
Authority
CN
China
Prior art keywords
robot
task
sub
target area
area
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN202110681640.3A
Other languages
English (en)
Inventor
王帅帅
范东
刘梓文
闫东坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yingdi Mande Technology Co ltd
Original Assignee
Beijing Yingdi Mande Technology Co ltd
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 Beijing Yingdi Mande Technology Co ltd filed Critical Beijing Yingdi Mande Technology Co ltd
Priority to CN202110681640.3A priority Critical patent/CN113359743A/zh
Publication of CN113359743A publication Critical patent/CN113359743A/zh
Priority to CN202210674876.9A priority patent/CN115097823A/zh
Priority to US18/571,017 priority patent/US20240201700A1/en
Priority to PCT/CN2022/098817 priority patent/WO2022262743A1/zh
Priority to EP22824222.8A priority patent/EP4357871A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/229—Command input data, e.g. waypoints
    • G05D1/2297—Command input data, e.g. waypoints positional data taught by the user, e.g. paths
    • 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
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • 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
    • G05D1/20—Control system inputs
    • G05D1/24—Arrangements for determining position or orientation
    • G05D1/246—Arrangements for determining position or orientation using environment maps, e.g. simultaneous localisation and mapping [SLAM]
    • G05D1/2464—Arrangements for determining position or orientation using environment maps, e.g. simultaneous localisation and mapping [SLAM] using an occupancy grid
    • 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
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/229—Command input data, e.g. waypoints
    • G05D1/2295—Command input data, e.g. waypoints defining restricted zones, e.g. no-flight zones or geofences
    • 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
    • G05D1/60—Intended control result
    • G05D1/648—Performing a task within a working area or space, e.g. cleaning
    • G05D1/6482—Performing a task within a working area or space, e.g. cleaning by dividing the whole area or space in sectors to be processed separately
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2105/00—Specific applications of the controlled vehicles
    • G05D2105/10—Specific applications of the controlled vehicles for cleaning, vacuuming or polishing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2107/00—Specific environments of the controlled vehicles
    • G05D2107/40—Indoor domestic environment
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2109/00—Types of controlled vehicles
    • G05D2109/10—Land vehicles

Landscapes

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

Abstract

本发明公开了一种机器人任务执行方法、装置、机器人及存储介质。该方法包括：获取训练模式下的训练轨迹以及环境地图；结合所述环境地图和所述训练轨迹，生成机器人待执行任务的目标区域，其中，所述目标区域为所述机器人能自主完成任务的最大包络区域；控制所述机器人遍历所述目标区域，直至所述机器人完成所述待执行任务。根据上述技术方案，可以稳定高效地在多种环境区域执行任务，并可以适用于多种应用场景。

Description

机器人任务执行方法、装置、机器人及存储介质
技术领域
本发明涉及通信领域，具体而言，涉及一种机器人任务执行方法、装置、机器人及存储介质。
背景技术
随着人工成本提升及机器人智能化技术日渐成熟，越来越多的机器人被应用在一定场景下解决特定问题。例如，清洁机器人主要完成家庭及典型商用场景的清洁工作，其核心工作内容是对目标场景完成遍历清扫工作。清洁机器人的核心功能体现在机器人的路径规划，尤其全覆盖路径规划能够反映机器人的智能程度及市场应用前景。
目前，清洁机器人的全覆盖路径规划主要采用以下两种方法：
1、基于人工教学(训练)方法：使用者首先教学(训练)一条全覆盖目标区域路径，清洁机器人完全跟踪教学(训练)路径从而完成整个覆盖清扫过程。由于机器人行走路径由人决定，所以机器人教学路径可以轻松避开结构化复杂场景。此方案其一般应用于结构化复杂场景，例如货架，高空复杂障碍物等，参见图1所示。
2、基于边界全覆盖方法：首先教学(训练)一个边界，清洁机器人根据边界约束在包络区域内进行完全自主规划全覆盖规划，机器人根据规划路径，完成清扫结果。但是，由于清扫区域包络的环境不可确定性，在结构化场景较为复杂场景，机器人很难完全自主完成全覆盖式清扫，此方案通常应用于结构化较为简单的场景(开阔大堂，广场等)，参见图2所示。
对于第1种方法而言，对环境适应性强，但是一旦教学(训练)完毕，路径将不能更改，而其中由于人为失误所造成的部分区域重复会导致效率低下，且造成清扫设备的不必要磨损。对于第2种方法而言，仅适用于结构化较为简单的场景环境，其适应能力较弱，应用场景非常有限。
发明内容
本发明的主要目的在于公开了一种机器人任务执行方法、装置、机器人及存储介质，以至少解决相关技术中全覆盖路径规划方法清洁效率低下，适应能力较弱，应用场景有限等问题。
根据本发明的一个方面，提供了一种机器人任务执行方法。
根据本发明的机器人任务执行方法包括：获取训练模式下的训练轨迹以及环境地图；结合所述环境地图和所述训练轨迹，生成机器人待执行任务的目标区域，其中，所述目标区域为所述机器人能自主完成任务的最大包络区域；控制所述机器人遍历所述目标区域，直至所述机器人完成所述待执行任务。
根据本发明的另一方面，提供了一种机器人任务执行装置。
根据本发明的机器人任务执行装置包括：获取模块，用于获取训练模式下的训练轨迹以及环境地图；生成模块，用于根据所述环境地图和所述训练轨迹，生成机器人待执行任务的目标区域，其中，所述目标区域为所述机器人能自主完成任务的最大包络区域；执行模块，用于控制机器人遍历所述目标区域，直至所述机器人完成所述待执行任务。
根据本发明的又一方面，提供了一种机器人。
根据本发明的机器人包括：包括：存储器及处理器，上述存储器，用于存储计算机执行指令；上述处理器，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如上述任一项上述的方法。
根据本发明的再一方面，提供了一种计算机可读存储介质。
根据本发明的计算机可读存储介质包括：包括：存储器及处理器，上述存储器，用于存储计算机执行指令；上述处理器，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如上述任一项上述的方法。
根据本发明，获取教学(训练)模式下的训练轨迹和环境地图，自动生成机器人待执行任务(例如，清扫，洗地等任务)的目标区域，其中，上述目标区域为上述机器人能自主完成任务的最大包络区域。控制上述机器人遍历上述目标区域，直至上述机器人完成上述待执行任务。解决了相关技术中基于人工教学方法效率低下，基于边界全覆盖方法适应能力较弱，应用场景有限等问题，可以稳定高效地在多种环境区域执行任务，并可以适用于多种应用场景。
附图说明
图1是根据相关技术的基于教学方法实现路径规划的示意图；
图2是根据相关技术的基于边界全覆盖方法实现路径规划的示意图；
图3是根据本发明实施例的机器人任务执行方法的流程图；
图4是根据本发明优选实施例的教学模式下获取环境地图和训练轨迹的示意图；
图5根据本发明优选实施例的待执行任务的目标区域的示意图；
图6是根据本发明优选实施例的禁区范围及目标区域边界的示意图；
图7是根据本发明优选实施例的划分区域的示意图；
图8是根据本发明优选实施例的机器人遍历子区域执行任务的示意图；
图9是根据本发明优选实施例的子区域中两种遍历模式的示意图；
图10是根据本发明实施例的机器人任务执行装置的结构框图。
具体实施方式
下面结合说明书附图对本发明的具体实现方式做一详细描述。
根据本发明实施例，还提供了一种机器人任务执行方法。
图3是根据本发明实施例的机器人任务执行方法的流程图。如图3所示，该机器人任务执行方法包括：
步骤S301：获取训练模式下的训练轨迹以及环境地图；
步骤S302：根据上述环境地图和上述训练轨迹，生成机器人待执行任务的目标区域，其中，上述目标区域为上述机器人能自主完成任务的最大包络区域；
步骤S303：控制上述机器人遍历上述目标区域，直至上述机器人完成上述待执行任务。
相关技术中，对于人工教学(训练)方法，由于人的主观性，导致清扫区域的大量过度清扫与漏扫，因此该方法的效率和稳定性较低。对于基于边界全覆盖方法，包含复杂障碍物的区域(如图1所示)的应用场景中，由于清扫区域包络的环境不可确定性，该方法环境适应能力较弱。采用图1所示的方案，先获取教学(训练)模式下的训练轨迹和环境地图，结合训练轨迹和环境地图自动生成机器人待执行任务(例如，清扫，洗地等任务)的目标区域，其中，上述目标区域为上述机器人能自主完成任务的最大包络区域。控制上述机器人遍历上述目标区域，直至上述机器人完成上述待执行任务。可以稳定高效地在多种环境区域执行任务，并可以适用于多种应用场景。
优选地，上述步骤S302中，生成机器人待执行任务的目标区域可以进一步包括：在上述环境地图内，对上述训练轨迹进行膨胀，获取上述机器人能自主完成任务的最大包络区域。
例如，以家用小型扫地(兼拖地功能)机为例进行说明。对于家用小型扫地机通常可以使用app中虚拟方向键控制机器人运动，从而可以完成整个目标区域的清扫遍历，得到清扫目标区域的环境地图及清扫训练轨迹。如图4所示，其中(a)图为需要清扫的目标环境，其中包含复杂障碍物区域。(b)图示出了使用app控制小型扫地机完成遍历清扫的轨迹，可以看到教学(训练)轨迹完全避开了复杂障碍物区域，最终得到(c)图所示的栅格地图，以及(d)图所示的训练轨迹。
之后，基于栅格地图及教学(训练)轨迹，将训练轨迹进行膨胀离，可以获取上述机器人能自主完成任务的上述最大包络区域，如图5所示。具体地，在栅格地图上，确定每一条训练轨迹需要外扩的栅格层数，将外扩后区域内的栅格作为训练轨迹虚拟膨胀栅格，最终获取上述机器人能自主完成任务的最大包络区域。从图5中可以看出此最大包络区域完全覆盖了清扫区域且排除了机器人无法完全自主可完成的复杂障碍物区域。
优选地，在步骤S302的生成机器人待执行任务的目标区域之后，还可以包括以下处理：确定上述目标区域的边界，在上述目标区域的边界生成禁区围栏，其中，上述机器人在上述禁区围栏封闭的目标区域内执行任务。
在优选实施过程中，在机器人自主导航和绕障时，某些区域不需要机器人通过，例如，对于机器人执行拖地任务而言，不需要机器人通过地毯区域。例如，如图5所示的目标区域是联合清洁区域，当不需要机器人通过某些区域(即禁区范围)时，需要在目标区域的外部边界以及禁区范围内，设置禁区围栏，如图6中的阴影部分，就可以避免机器人执行任务时超出工作区域。需要说明的是，由于人工教学过程中机器人不会通过地毯、复杂区域、跌落区域等禁区，所以根据训练轨迹可确定相应的禁区范围，从而保证机器人不会通过这些区域。
优选地，步骤S301中，控制机器人遍历上述目标区域执行任务，直至上述机器人完成上述任务可以进一步包括：将上述目标区域划分为多个子区域；控制上述机器人遍历各个上述子区域执行任务，直至上述机器人在上述目标区域内完成上述待执行任务。
在优选实施过程中，当上述目标区域仍具有复杂的轮廓时，为了更利于机器人稳定高效地执行任务(例如，清扫，拖地等)，可以将复杂的轮廓转变为更简单的轮廓，例如，对目标区域进行分区，得到多个子区域。例如，对于图5所示的目标区域，可以将整个目标区域划分为5个子区域，如图7所示。
智能分区可以采用如下方法：将环境栅格地图划分为多个栅格区域，相邻栅格区域部分重叠；在每个栅格区域中查找相交的线段，根据相交的线段确定候选区域；合并落入栅格区域重叠部分的候选区域，得到子区域划分结果。
智能分区也可以采用现有技术的BCD(boustrophedon cellular decomposition)算法来实现，BCD是一种栅格地图的划分方法，对整个目标清扫区域进行自动分区，其分区结果都可以使用牛耕式路径遍历，同时也可以采用回型路径遍历。
优选地，遍历各个上述子区域执行上述待执行任务，直至上述机器人在全部目标区域内完成上述待执行任务可以进一步包括：确定上述机器人对各个上述子区域执行任务的顺序；按照确定的顺序控制上述机器人逐个遍历上述子区域，直至上述机器人在全部上述子区域内完成上述待执行任务。
将上述目标区域划分为多个子区域之后，可以控制机器人在遍历各个上述子区域执行任务，直至上述机器人在上述目标区域内完成上述待执行任务。当然，对于多个机器人而言，可以并行独立在各个子区域内遍历执行任务，从而提高任务执行效率。优选地，也可以控制机器人逐个遍历各个子区域执行任务，即，在一个子区域内遍历完成任务后，再到下一个子区域内遍历完成任务。可以先确定机器人对各个上述子区域执行任务的顺序；在按照确定的顺序控制上述机器人逐个遍历上述子区域，直至上述机器人在全部上述子区域内完成上述待执行任务。例如，先确定机器人执行任务的起始位置，然后确定该位置最临界的是哪几个子区域，然后根据与这几个子区域的最小距离来判定机器人执行任务所经过的区域顺序。也可以根据顺时针或者逆时针方向等来确定各个子区域对应的任务执行顺序。
优选地，控制上述机器人遍历各个上述子区域执行任务，直至上述机器人在上述目标区域内完成上述待执行任务还可以进一步包括以下处理：
S1：根据上述机器人的初始定位信息，确定距离上述机器人最邻近的子区域；
S2：控制上述机器人遍历上述最邻近的子区域执行任务；
S3：在上述最邻近的子区域内完成任务之后，确定上述机器人任务执行完成时结束点的定位信息，确定距离该结束点最邻近的下一个子区域；
S4：循环执行S2至S3，直至上述机器人在上述目标区域的全部子区域内完成上述待执行任务。
例如，排序方式采用最邻近原则，每清扫完成一块区域，根据机器人当前的定位，选择距离机器人最近的区块作为下一个子区域(可以是子区域的边界距离机器人当前的定位最近，也可以是子区域的角点距离机器人当前的定位最近)。如图8所示，编号为1的子区域清扫完成以后机器人处于图示的结束点位置，则图8中右上侧编号为2的子区域的边界距离结束点最近，则在机器人遍历编号为1的子区域之后，控制机器人遍历上述编号为2的子区域执行任务。循环执行上述步骤，遍历完目标区域中的各个子区域从而在具有复杂轮廓的整个目标区域内完成任务。
优选地，在控制上述机器人遍历目标区域之前，还需要先判断选择遍历方式，例如，如图9中的(a)图所示，可以选择回形遍历方式，如图9中的(b)图所示，也可以选择弓形遍历方式。
根据本发明实施例，还提供了一种机器人任务执行装置。
图10是根据本发明实施例的机器人任务执行装置的结构框图。如图10所示，根据本发明实施例的机器人任务执行装置包括：获取模块10，用于获取训练模式下的训练轨迹以及环境地图；生成模块12，用于根据上述环境地图和上述训练轨迹，生成机器人待执行任务的目标区域，其中，上述目标区域为上述机器人能自主完成任务的最大包络区域；执行模块14，用于控制机器人遍历上述目标区域，直至上述机器人完成上述待执行任务。
优选地，上述执行模块14可以进一步包括：划分单元140，用于将上述目标区域划分为多个子区域；控制单元142，用于控制上述机器人遍历各个上述子区域执行任务，直至上述机器人在上述目标区域内完成上述待执行任务。
需要说明的是，上述机器人任务执行装置中的各模块各单元相互结合的优选实施方式，具体可以参见图1至图9的描述，其实现方式与原理相同，此处不再赘述。
根据本发明实施例，还提供了一种机器人。
根据本发明的机器人包括：存储器及处理器，上述存储器，用于存储计算机执行指令；上述处理器，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如上述实施例提供的任务执行方法。具体可以参见图1至图9的描述，其实现方式与原理相同，不再赘述。
根据本发明实施例，还提供了一种计算机可读存储介质。
根据本发明的计算机可读存储介质存储有计算机执行指令，当处理器执行上述计算机执行指令时，实现如上述实施例提供的机器人任务执行方法。
本申请实施例的包含计算机可执行指令的存储介质，可用于存储前述实施例中提供的机器人任务执行方法的计算机执行指令，具体可以参见图1至图9的描述，其实现方式与原理相同，不再赘述。
综上所述，借助本发明提供的上述实施方式，基于训练路径和栅格地图，生成所述机器人能自主完成任务的最大包络区域(即目标区域)，并对目标区域进行智能分区，并对智能分区后的区域的任务执行顺序进行排序，在此基础之上自动选择适合每个区域的遍历方式(例如，弓形遍历方式或回型遍历方式等)，从而可以实现机器人稳定高效地对具有多种环境区域(例如，结构化复杂的环境区域)执行任务(例如，清扫，拖地等任务)，并可以适用于多种应用场景。
以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种机器人任务执行方法，其特征在于，包括：
获取训练模式下的训练轨迹以及环境地图；
结合所述环境地图和所述训练轨迹，生成机器人待执行任务的目标区域，其中，所述目标区域为所述机器人能自主完成任务的最大包络区域；
控制所述机器人遍历所述目标区域，直至所述机器人完成所述待执行任务。
2.根据权利要求1所述的方法，其特征在于，生成机器人待执行任务的目标区域包括：在所述环境地图内，对所述训练轨迹进行膨胀，获取所述机器人能自主完成任务的最大包络区域。
3.根据权利要求1所述的方法，其特征在于，生成机器人待执行任务的目标区域之后，还包括：
确定所述目标区域的外部边界，并确定所述待执行任务所对应的禁区范围；
在所述外部边界上和所述禁区范围内，设置禁区围栏。
4.根据权利要求1所述的方法，其特征在于，控制机器人遍历所述目标区域执行任务，直至所述机器人完成所述任务包括：
将所述目标区域划分为多个子区域；
控制所述机器人遍历各个所述子区域执行任务，直至所述机器人在所述目标区域内完成所述待执行任务。
5.根据权利要求4所述的方法，其特征在于，遍历各个所述子区域执行所述待执行任务，直至所述机器人在全部目标区域内完成所述待执行任务包括：
确定所述机器人对各个所述子区域执行任务的顺序；
按照确定的顺序控制所述机器人逐个遍历所述子区域，直至所述机器人在全部所述子区域内完成所述待执行任务。
6.根据权利要求4所述的方法，其特征在于，控制所述机器人遍历各个所述子区域执行任务，直至所述机器人在所述目标区域内完成所述待执行任务包括：
S1：根据所述机器人的初始定位信息，确定距离所述机器人最邻近的子区域；
S2：控制所述机器人遍历所述最邻近的子区域执行任务；
S3：在所述最邻近的子区域内完成任务之后，确定所述机器人任务执行完成时结束点的定位信息，确定距离该结束点最邻近的下一个子区域；
S4：循环执行S2至S3，直至所述机器人在所述目标区域的全部子区域内完成所述待执行任务。
7.一种机器人任务执行装置，其特征在于，包括：
获取模块，用于获取训练模式下的训练轨迹以及环境地图；
生成模块，用于根据所述环境地图和所述训练轨迹，生成机器人待执行任务的目标区域，其中，所述目标区域为所述机器人能自主完成任务的最大包络区域；
执行模块，用于控制机器人遍历所述目标区域，直至所述机器人完成所述待执行任务。
8.根据权利要求7所述的装置，其特征在于，所述执行模块包括：
划分单元，用于将所述目标区域划分为多个子区域；
控制单元，用于控制所述机器人遍历各个所述子区域执行任务，直至所述机器人在所述目标区域内完成所述待执行任务。
9.一种机器人，包括：存储器及处理器，其特征在于，
所述存储器，用于存储计算机执行指令；
所述处理器，用于执行所述存储器存储的计算机执行指令，使得所述机器人执行如权利要求1至6任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至6任一项所述的方法。
CN202110681640.3A 2021-06-18 2021-06-18 机器人任务执行方法、装置、机器人及存储介质 Pending CN113359743A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110681640.3A CN113359743A (zh) 2021-06-18 2021-06-18 机器人任务执行方法、装置、机器人及存储介质
CN202210674876.9A CN115097823A (zh) 2021-06-18 2022-06-15 机器人任务执行方法、装置、机器人及存储介质
US18/571,017 US20240201700A1 (en) 2021-06-18 2022-06-15 Robot task execution method and apparatus, robot, and storage medium
PCT/CN2022/098817 WO2022262743A1 (zh) 2021-06-18 2022-06-15 机器人任务执行方法、装置、机器人及存储介质
EP22824222.8A EP4357871A1 (en) 2021-06-18 2022-06-15 Robot task execution method and apparatus, robot, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110681640.3A CN113359743A (zh) 2021-06-18 2021-06-18 机器人任务执行方法、装置、机器人及存储介质

Publications (1)

Publication Number Publication Date
CN113359743A true CN113359743A (zh) 2021-09-07

Family

ID=77535299

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110681640.3A Pending CN113359743A (zh) 2021-06-18 2021-06-18 机器人任务执行方法、装置、机器人及存储介质
CN202210674876.9A Pending CN115097823A (zh) 2021-06-18 2022-06-15 机器人任务执行方法、装置、机器人及存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210674876.9A Pending CN115097823A (zh) 2021-06-18 2022-06-15 机器人任务执行方法、装置、机器人及存储介质

Country Status (4)

Country Link
US (1) US20240201700A1 (zh)
EP (1) EP4357871A1 (zh)
CN (2) CN113359743A (zh)
WO (1) WO2022262743A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115250720A (zh) * 2022-07-12 2022-11-01 松灵机器人(深圳)有限公司 割草方法、装置、割草机器人以及存储介质
WO2022262743A1 (zh) * 2021-06-18 2022-12-22 北京盈迪曼德科技有限公司 机器人任务执行方法、装置、机器人及存储介质
CN115250720B (zh) * 2022-07-12 2024-07-30 深圳库犸科技有限公司 割草方法、装置、割草机器人以及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116300976B (zh) * 2023-05-22 2023-07-21 汇智机器人科技(深圳)有限公司 一种机器人多任务作业规划方法、***及其应用
CN118049890B (zh) * 2024-04-15 2024-06-25 山东吉利达智能装备集团有限公司 一种训练成绩裁决***及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI676934B (zh) * 2018-10-03 2019-11-11 東元電機股份有限公司 開放擴充式移動平台
CN109358650B (zh) * 2018-12-14 2022-11-18 国网冀北电力有限公司检修分公司 巡检路径规划方法、装置、无人机和计算机可读存储介质
CN111562784B (zh) * 2020-04-24 2024-03-22 上海思岚科技有限公司 移动消毒机器人的消毒方法及设备
CN112306067B (zh) * 2020-11-13 2022-11-18 湖北工业大学 一种全局路径规划方法及***
CN112462780B (zh) * 2020-11-30 2024-05-21 深圳市杉川致行科技有限公司 扫地控制方法、装置、扫地机器人及计算机可读存储介质
CN112612273B (zh) * 2020-12-21 2021-08-24 南方电网电力科技股份有限公司 一种巡检机器人避障路径规划方法、***、设备和介质
CN112904845B (zh) * 2021-01-15 2024-06-18 珠海一微半导体股份有限公司 基于无线测距传感器的机器人卡住检测方法、***及芯片
CN113359743A (zh) * 2021-06-18 2021-09-07 北京盈迪曼德科技有限公司 机器人任务执行方法、装置、机器人及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022262743A1 (zh) * 2021-06-18 2022-12-22 北京盈迪曼德科技有限公司 机器人任务执行方法、装置、机器人及存储介质
CN115250720A (zh) * 2022-07-12 2022-11-01 松灵机器人(深圳)有限公司 割草方法、装置、割草机器人以及存储介质
WO2024012286A1 (zh) * 2022-07-12 2024-01-18 松灵机器人(深圳)有限公司 割草方法、装置、割草机器人以及存储介质
CN115250720B (zh) * 2022-07-12 2024-07-30 深圳库犸科技有限公司 割草方法、装置、割草机器人以及存储介质

Also Published As

Publication number Publication date
WO2022262743A1 (zh) 2022-12-22
US20240201700A1 (en) 2024-06-20
CN115097823A (zh) 2022-09-23
EP4357871A1 (en) 2024-04-24

Similar Documents

Publication Publication Date Title
CN113359743A (zh) 机器人任务执行方法、装置、机器人及存储介质
EP1554639B1 (de) Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur bildung einer graphenstruktur zur beschreibung einer fläche mit einer freifläche und einer belegtfläche
Gonzalez et al. BSA: A complete coverage algorithm
CN109464074B (zh) 区域划分方法、分区清扫方法及其机器人
CN109363585B (zh) 分区遍历方法、清扫方法及其扫地机器人
CN104615138B (zh) 一种划分移动机器人室内区域动态覆盖方法及其装置
CN110361017B (zh) 一种基于栅格法的扫地机器人全遍历路径规划方法
Kong et al. Distributed coverage with multi-robot system
CN107807649A (zh) 一种扫地机器人及其清扫方法、装置
CN109163722B (zh) 一种仿人机器人路径规划方法及装置
CN113219993B (zh) 一种路径规划方法及清洁机器人
CN113009916B (zh) 一种基于全局地图探索的路径规划方法、芯片及机器人
CN113189988B (zh) 一种基于Harris算法与RRT算法复合的自主路径规划方法
CN113064407A (zh) 全区域覆盖的清扫方法、装置、清扫机器人及存储装置
Zhang et al. A mip-based approach for multi-robot geometric task-and-motion planning
CN112486182B (zh) 一种实现未知环境地图构建与路径规划的扫地机器人及其使用方法
Gonzalez et al. BSA: A coverage algorithm
CN114690753A (zh) 基于混合策略的路径规划方法、自主行进设备及机器人
CN114587191B (zh) 扫地机分区清扫方法、装置、计算机设备和存储介质
CN116149314A (zh) 机器人全覆盖作业方法、装置及机器人
CN115444325A (zh) 二次清洁方法、装置、清洁机器人及存储介质
CN114397893A (zh) 路径规划方法、机器人清扫方法及相关设备
Wong Qualitative topological coverage of unknown environments by mobile robots
Kalaivanan et al. Coverage path planning for an autonomous robot specific to agricultural operations
JPS63200208A (ja) 移動経路探索方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210907

WD01 Invention patent application deemed withdrawn after publication