JP3968501B2 - ロボットの自己位置同定システム及び自己位置同定方法 - Google Patents
ロボットの自己位置同定システム及び自己位置同定方法 Download PDFInfo
- Publication number
- JP3968501B2 JP3968501B2 JP2001365752A JP2001365752A JP3968501B2 JP 3968501 B2 JP3968501 B2 JP 3968501B2 JP 2001365752 A JP2001365752 A JP 2001365752A JP 2001365752 A JP2001365752 A JP 2001365752A JP 3968501 B2 JP3968501 B2 JP 3968501B2
- Authority
- JP
- Japan
- Prior art keywords
- self
- search
- observation
- robot
- landmark
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 28
- 230000004807 localization Effects 0.000 claims description 64
- 230000033001 locomotion Effects 0.000 claims description 45
- 238000009826 distribution Methods 0.000 claims description 41
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000000546 chi-square test Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 210000002414 leg Anatomy 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0272—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising means for registering the travel distance, e.g. revolutions of wheels
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Length Measuring Devices By Optical Means (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、作業空間を自在（無経路）に移動することができるインテリジェントな移動ロボットのための自己位置同定システム及び自己位置同定方法に係り、特に、ロボットのセンサ情報とロボット自身の動作情報に基づいて自己位置を同定するロボットの自己位置同定システム及び自己位置同定方法に関する。
【０００２】
さらに詳しくは、本発明は、人工的なランドマークを含む環境において、ランドマークの探索結果を手掛かりに自己位置を同定するロボットの自己位置同定システム及び自己位置同定方法に係り、特に、広い範囲で比較的短い探索時間で探索を行う大域的探索と高精度だが探索時間を要する局所的探索とを併用して自己位置同定を行うロボットの自己位置同定システム及び自己位置同定方法に関する。
【０００３】
【従来の技術】
電気的若しくは磁気的な作用を用いて人間の動作に似せた運動を行う機械装置のことを「ロボット」という。ロボットの語源は、スラブ語のＲＯＢＯＴＡ(奴隷機械)に由来すると言われている。わが国では、ロボットが普及し始めたのは１９６０年代末からであるが、その多くは、工場における生産作業の自動化・無人化などを目的としたマニピュレータや搬送ロボットなどの産業用ロボット（industrial robot）であった。
【０００４】
最近では、ヒトのような２足直立歩行を行う動物の身体メカニズムや動作をモデルにしてデザインされた「人間形」若しくは「人間型」のロボット（humanoid robot）を始めとして、各種の脚式移動ロボットに関する研究開発が進展し、実用化への期待も高まってきている。
【０００５】
車輪や可動脚などを備えた移動型ロボットの主な用途は、産業活動・生産活動などにおける各種作業の代行や、ユーザとの対話をベースにしてインテリジェントなリアクションを行う人間との共存・共生などを挙げることができる。前者の場合、原子力発電プラントや火力発電プラント、石油化学プラントにおけるメンテナンス作業、製造工場における部品の搬送・組立作業、高層ビルにおける清掃、火災現場その他における救助といったような、人間が容易に踏み込むことができない現場での危険作業・難作業をロボットが代わりに行うことを意味する。また、後者の場合、ロボットは人間と同じ住空間で利用され、自律的な思考及び動作制御を行い、より高度でリアリスティックなコミュニケーションを実現する。
【０００６】
ところで、移動ロボットの自己位置同定は、例えばロボットがデリバリなどのサービスを行う上で極めて重要な技術である。何故ならば、目標地点までの道順を間違うことは、仮に回復することができたとしても非効率的であり、障害物との衝突や危険区域への進入などの危険を招来する可能性さえあるからである。
【０００７】
ロボットが自己同定を行う代表的な手法の１つとして「ランドマーク（Ｌａｎｄｍａｒｋ）」の利用を挙げることができる。ランドマークには、通常、視覚的に識別可能な視認情報がその表面に形成されている。ロボットは、視覚認識されたランドマークからの相対位置情報を基に自己位置を地理的に探索することができる。
【０００８】
人工的なランドマークを含む環境における探索若しくは自己位置同定の方式として、例えば、マルコフ・ローカリゼーションや拡張カルマン・フィルタを適用したものが提案されている。
【０００９】
マルコフ・ローカリゼーションを用いた探索装置は、環境内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、環境内に設置されているランドマークを観測すると、ランドマークからの相対位置に基づいて自己位置を推定して、自己位置確率密度分布を更新する。また、自身の動作情報を観測すると、その動作情報に基づいて、自己位置確率密度を更新する。そして、各時刻において、自己位置確率密度分布の最も高い値を持つグリッドが、自己位置の推定結果となる。
【００１０】
他方、拡張カルマン・フィルタを用いた探索装置は、自己位置を状態変数［ｘ，ｙ，θ］の実測値として保持し、環境内に設置されたランドマークを観測すると、ランドマークからの相対位置に基づいて自己位置を推定する。また、自身の動作情報を観測すると、その動作情報に基づいて、状態量の推定を行う。
【００１１】
前者のマルコフ・ローカリゼーションを適用した探索装置は、同定解の精度は粗いが、解の収束速度が速いことを主な特徴とする。よって、本発明者らはこのタイプの探索装置は大域的な探索に適していると思料する。また、マルコフ・ローカリゼーションは、センサのノイズに対してロバストである、すなわちセンサ値にノイズを含んでいても、ほぼ一定の自己位置同定結果を得ることができる。
【００１２】
また、後者の拡張カルマン・フィルタを適用した探索装置は、解の収束速度は遅いが、同定解の精度が細かいことを主な特徴とする。よって、本発明者らはこのタイプの探索装置は局所的な探索に適していると思料する。また、拡張カルマン・フィルタは、センサ情報に対してロバストである反面、センサ・ノイズに対するロバスト性が低く、また、再復帰にかかる時間が長い。
【００１３】
【発明が解決しようとする課題】
マルコフ・ローカリゼーションを用いた探索装置は、大局的探索装置の性質が強く、解の収束速度は速い。しかしながら、グリッド分割の数の２乗で計算量が増加するため、同定解の精度は離散化されたグリッドの粗さに依存し、一般に精度のよい解は得られない。また、解の精度が悪い場合には、自己位置を正確に知ることができない。このため、目的の場所に正確に行くことができない、目的に場所に到着しているのかどうか判断できない、といった不具合が生ずることがある。
【００１４】
一方、拡張カルマン・フィルタを用いた探索装置は、局所的探索装置の性質が強く、同定解の精度は非常によいが、その反面、収束性が悪く、観測情報のノイズに対するロバスト性（頑健性）に欠けている。収束速度が遅い場合には、自己位置同定開始時の初期位置同定に時間がかかるとともに、他の外力によって意図せず位置を動かされた場合（誘拐問題）には、正しい解を得るまでに非常に時間がかかる。
【００１５】
本発明の目的は、車輪や可動脚などの移動機構を備えたロボット自身の位置や姿勢を認識しながら行動するロボットにおいて、高精度で高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することにある。
【００１６】
本発明のさらなる目的は、人工的なランドマークを含む環境において、ランドマークの探索結果を手掛かりに自己位置を好適に同定することができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することにある。
【００１７】
本発明のさらなる目的は、広い範囲で比較的短い探索時間で探索を行う大域探索と高精度だが探索時間を要する局所的探索とを併用して、高精度で、高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することにある。
【００１８】
【課題を解決するための手段及び作用】
本発明は、上記課題を参酌してなされたものであり、移動機構を備えて所定の環境内を移動可能なロボットのための自己位置同定システム又は自己位置同定方法であって、
前記環境内に設置されたランドマークを観測する外界観測手段又はステップと、
ロボット自身の動作情報を観測する内界観測手段又はステップと、
外界観測結果及び内界観測結果を基に比較的高速に位置同定解を出力する第１の探索手段又はステップと、
外界観測結果及び内界観測結果を基に比較的細かな精度で位置同定解を出力する第２の探索手段又はステップと、
前記第１の探索手段又はステップの出力結果に応じて前記第２の探索手段又はステップの動作を制御する制御手段又はステップと、
を具備することを特徴とするロボットの自己位置同定システム又は自己位置同定方法である。
【００１９】
ここで、前記第１の探索手段又はステップは、マルコフ・ローカリゼーションを適用して、環境内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、前記外界観測手段又はステップによるランドマークの観測結果に応じて該ランドマークからの相対位置に基づいて自己位置を推定して自己位置確率密度分布を更新するとともに、前記内界観測手段又はステップによる自身の動作情報の観測結果に基づいて、自己位置確率密度を更新し、各時刻において自己位置確率密度分布の最も高い値を持つグリッドを自己位置の推定結果として出力するようになっていてもよい。
【００２０】
マルコフ・ローカリゼーションを適用した探索は、同定解の精度は粗いが、センサ・ノイズに対してロバストであることや、解の収束速度が速いことを主な特徴とし、大域的な探索に適している。
【００２１】
また、前記第２の探索手段又はステップは、前記内界観測手段又はステップによるロボット自身の動作情報と自己位置との関係を規定した状態モデルと、自己位置と前記外界観測手段又はステップによるランドマークの観測情報との関係を規定した観測モデルを備えた拡張カルマン・フィルタを適用して、前記内界観測手段又はステップによるロボット自身の動作情報及び前記外界観測手段又はステップによるランドマークの観測情報を基に自己位置を推定するようになっていてもよい。
【００２２】
拡張カルマン・フィルタを適用した探索は、センサ・ノイズに対するロバスト性が低く、解の収束速度は遅いが、センサ情報に対するロバスト性に優れ、同定解の精度が細かいことを主な特徴とし、局所的な探索に適している。
【００２３】
また、前記制御手段又はステップは、前記第１の探索手段又はステップの探索結果の妥当性を評価して、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段又はステップへの少なくとも外界観測情報の入力を制限するようにしてもよい。
【００２４】
例えば、前記第１の探索手段又はステップにおいてマルコフ・ローカリゼーションを適用する場合には、前記第１の探索手段又はステップにおいて推定された自己位置において前記外界観測手段又はステップによりランドマークを観測する確率が所定の閾値を上回るかどうかによって、前記外界観測手段又はステップによる外界観測結果の妥当性を評価することができる。
【００２５】
例えば、推定された自己位置においてランドマークを観測する確率が閾値を下回る場合には、マルコフ・ローカリゼーションにおいて、センサ・ノイズのために解が充分に収束していないことが予測される。したがって、センサ・ノイズに対するロバスト性がより低い拡張カルマン・フィルタに基づく探索を行っても精度のよい自己位置同定結果が得られるとは考えられない。そこで、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段又はステップへの少なくとも外界観測情報の入力を制限して、収束速度の遅い拡張カルマン・フィルタに基づく探索をスキップするようにしてもよい。
【００２６】
また、前記制御手段又はステップは、前記第２の探索手段又はステップによる探索結果の妥当性を検証して、該評価が所定の基準を満たすことに応答して該探索結果を自己位置同定結果として出力するとともに、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段又はステップを再初期化するようにしてもよい。
【００２７】
例えば、前記第２の探索手段又はステップにおいて拡張カルマン・フィルタを適用する場合には、前記第２の探索手段又はステップによる自己位置の推定結果である確率密度分布を、前記第１の探索手段又はステップによる自己位置の推定結果である確率密度分布と比較して、両者の類似度により妥当性を検証することができる。分布の類似度は、例えばカイ自乗テストを利用することができる。拡張カルマン・フィルタよりもマルコフ・ローカリゼーションの方がセンサ・ノイズに対してロバストであることから、両者の確率密度分布が類似しない場合には、センサ・ノイズに対するロバスト性の低い拡張カルマン・フィルタに基づく探索結果の方が妥当でないと推測される。また、拡張カルマン・フィルタは再復帰にかかる時間が長い。そこで、該評価が所定の基準を満たさなかったことに応答して、前記第２の探索手段又はステップを再初期化するようにしてもよい。
【００２８】
また、拡張カルマン・フィルタに基づく探索の方がセンサ情報に対するロバスト性が高いことから、該評価が所定の基準を満たす場合には、前記第２の探索手段又はステップによる自己位置推定結果をシステム全体の探索結果として出力するようにしてもよい。
【００２９】
本発明に係る自己位置同定システム又は自己位置同定方法によれば、自己位置同定解の収束速度が優れる大域的探索による精度の粗い同定解にのみ頼るとなく、また、同定解の精度が高いが収束速度が遅い局所的探索を常に稼働しその出力をひたすら待つ必要もない。
【００３０】
また、マルコフ・ローカリゼーションのセンサ・ノイズに対するロバスト性を用いて、ランドマークに関する外界観測結果の妥当性や拡張カルマン・フィルタの自己位置推定結果の妥当性を評価して、最終的には、センサ情報に対するロバスト性に優れた拡張カルマン・フィルタによる自己位置推定結果をシステム全体の自己位置同定結果として出力とすることができる。
【００３１】
すなわち、本発明によれば、高精度で高速、且つ、ロバストな自己位置同定を実現することができる訳である。
【００３２】
なお、前記外界観測手段は、ランドマークを捕捉する画像入力手段及び入力画像を基にランドマーク及び該ランドマークまでの距離を認識する画像認識手段デ構成することができる。
【００３３】
あるいは、前記外界観測手段は、ランドマークまでの距離を計測するレンジ・ファインダなどで構成することもできる。
【００３４】
また、ランドマークは、視認性の識別情報が表面に形成されている部材で構成することができる。例えば、２色以上に塗り分けられたチューブ状のポールや、２色以上に塗り分けられた平面板などをランドマークとして適用することができる。
【００３５】
本発明のさらに他の目的、特徴や利点は、後述する本発明の実施形態や添付する図面に基づくより詳細な説明によって明らかになるであろう。
【００３６】
【発明の実施の形態】
以下、図面を参照しながら本発明の実施形態について詳解する。
【００３７】
Ａ．移動ロボットの構成
図１には、本発明に実施に供される移動ロボット１の機能構成を模式的に示している。同図に示すように、移動ロボット１は、全体の動作の統括的制御やその他のデータ処理を行う制御ユニット２０と、入出力部４０と、駆動部５０と、電源部６０とで構成される。以下、各部について説明する。
【００３８】
入出力部４０は、入力部として移動ロボット１の目に相当するＣＣＤカメラ１５や、耳に相当するマイクロフォン１６、頭部や背中などの部位に配設されてユーザの接触を感知するタッチ・センサ１８、各足底に配設された肉球スイッチ、あるいは五感に相当するその他の各種のセンサを含む。また、出力部として、口に相当するスピーカ１７、あるいは点滅の組み合わせや点灯のタイミングにより顔の表情を形成するＬＥＤインジケータ（目ランプ）１９などを装備している。これら出力部は、脚などによる機械運動パターン以外の形式で移動ロボット１からのユーザ・フィードバックを表現することができる。
【００３９】
ＣＣＤカメラ１５は、例えば、作業空間上の各部位に配設されたランドマークを観測する外界観測手段として機能することができる。勿論、ＣＣＤカメラ１５以外に（あるいは、これと併せて）、レンジ・ファインダなどを外界観測手段として備えていてもよい。
【００４０】
駆動部５０は、制御部２０が指令する所定の運動パターンに従って移動ロボット１の機械運動を実現する機能ブロックであり、首関節７、尻尾関節８、股関節１１Ａ〜１１Ｄ、膝関節１２Ａ〜１２Ｄなどのそれぞれの関節におけるロール、ピッチ、ヨーなど各軸毎に設けられた駆動ユニットで構成される。図示の例では、移動ロボット１はｎ個の関節自由度を有し、したがって駆動部５０はｎ個の駆動ユニットで構成される。各駆動ユニットは、所定軸回りの回転動作を行うモータ５１と、モータ５１の回転位置を検出するエンコーダ５２と、エンコーダ５２の出力に基づいてモータ５１の回転位置や回転速度を適応的に制御するドライバ５３の組み合わせで構成される。
【００４１】
各駆動ユニット毎に配設されたエンコーダ５２は、ロボット自身の動作情報を観測する内界観測手段として機能することができる。
【００４２】
電源部６０は、その字義通り、移動ロボット１内の各電気回路などに対して給電を行う機能モジュールである。本実施形態に係る移動ロボット１は、バッテリを用いた自律駆動式であり、電源部６０は、充電バッテリ６１と、充電バッテリ６１の充放電状態を管理する充放電制御部６２とで構成される。
【００４３】
充電バッテリ６１は、例えば、複数本のニッケル・カドミウム電池セルをカートリッジ式にパッケージ化した「バッテリ・パック」の形態で構成される。
【００４４】
また、充放電制御部６２は、バッテリ６１の端子電圧や充電／放電電流量、バッテリ６１の周囲温度などを測定することでバッテリ６１の残存容量を把握し、充電の開始時期や終了時期などを決定するようになっている。充放電制御部６２が決定する充電の開始及び終了時期は制御ユニット２０に通知され、移動ロボット１が充電オペレーションを開始及び終了するためのトリガとなる。
【００４５】
制御ユニット２０は、「頭脳」に相当し、例えば移動ロボット１の頭部あるいは胴体部に搭載されている。
【００４６】
図２には、制御ユニット２０の構成をさらに詳細に図解している。同図に示すように、制御ユニット２０は、メイン・コントローラとしてのＣＰＵ（Central Processing Unit）２１が、メモリその他の各回路コンポーネントや周辺機器とバス接続された構成となっている。バス２７は、データ・バス、アドレス・バス、コントロール・バスなどを含む共通信号伝送路である。バス２７上の各装置にはそれぞれに固有のアドレス（メモリ・アドレス又はＩ／Ｏアドレス）が割り当てられている。ＣＰＵ２１は、アドレスを指定することによってバス２８上の特定の装置と通信することができる。
【００４７】
ＲＡＭ（Random Access Memory）２２は、ＤＲＡＭ（Dynamic RAM）などの揮発性メモリで構成された書き込み可能メモリであり、ＣＰＵ２１が実行するプログラム・コードをロードしたり、実行プログラムによる作業データの一時的な保存のために使用される。
【００４８】
ＲＯＭ（Read Only Memory）２３は、プログラムやデータを恒久的に格納する読み出し専用メモリである。ＲＯＭ２３に格納されるプログラム・コードには、移動ロボット１の電源投入時に実行する自己診断テスト・プログラムや、移動ロボット１の動作を規定する動作制御プログラムなどが挙げられる。
【００４９】
ロボット１の制御プログラムには、カメラ１５やマイクロフォン１６などのセンサ入力を処理する「センサ入力処理プログラム」、センサ入力と所定の動作モデルとに基づいて移動ロボット１の行動すなわち運動パターンを生成する「行動命令プログラム」、生成された運動パターンに従って各モータの駆動やスピーカ１７の音声出力などを制御する「駆動制御プログラム」、作業空間に配置されている１以上のランドマークを手がかりに自分の地理的な所在を探索する「自己位置同定プログラム」などが含まれる。
【００５０】
駆動制御プログラムは、通常の歩行運動や走行運動以外に、「お手」、「お預け」、「お座り」や、「ワンワン」などの動物の鳴き声の発声などエンターティンメント性の高い動作を発現するようにしてもよい。
【００５１】
また、自己位置同定プログラムは、ＣＣＤカメラ１５によって観測されたランドマークなどの外界観測情報やエンコーダ５２によって観測されたロボット１自身の動作情報に基づいて、大局的及び局所的な自己位置同定処理を行う。自己位置同定のメカニズムの詳細については後述に譲る。
【００５２】
不揮発性メモリ２４は、例えばＥＥＰＲＯＭ（Electrically Erasable and Programmable ROM）のように電気的に消去再書き込みが可能なメモリ素子で構成され、逐次更新すべきデータを不揮発的に保持するために使用される。逐次更新すべきデータには、製造番号や暗号鍵などのセキュリティ情報などが挙げられる。
【００５３】
インターフェース２５は、制御ユニット２０外の機器と相互接続し、データ交換を可能にするための装置である。インターフェース２５は、例えば、カメラ１５やマイクロフォン１６、スピーカ１７との間でデータ入出力を行う。また、インターフェース２５は、駆動部５０内の各ドライバ５３−１…との間でデータやコマンドの入出力を行う。
【００５４】
また、インターフェース２５は、ＲＳ（Recommended Standard）−２３２Ｃなどのシリアル・インターフェース、ＩＥＥＥ（Institute of Electrical and electronics Engineers）１２８４などのパラレル・インターフェース、ＵＳＢ（Universal Serial Bus）インターフェース、ｉ−Ｌｉｎｋ（ＩＥＥＥ１３９４）インターフェース、ＳＣＳＩ（Small Computer System Interface）インターフェース、メモリ・スティックを受容するメモリ・カード・インターフェース（カード・スロット）などのような、コンピュータの周辺機器接続用の汎用インターフェースを備え、ローカル接続された外部機器との間でプログラムやデータの移動を行うようにしてもよい。
【００５５】
また、インターフェース２５の他の例として、赤外線通信（ＩｒＤＡ）インターフェースを備え、外部機器と無線通信を行うようにしてもよい。
【００５６】
さらに、制御ユニット２０は、無線通信インターフェース２６やネットワーク・インターフェース・カード（ＮＩＣ）２７などを含み、Ｂｌｕｅｔｏｏｔｈのような近接無線データ通信や、ＩＥＥＥ ８０２．１１ｂのような無線ネットワーク、あるいはインターネットなどの広域ネットワークを経由して、外部のさまざまなホスト・コンピュータとデータ通信を行うことができる。
【００５７】
このような移動ロボット１とホスト・コンピュータ間におけるデータ通信により、遠隔のコンピュータ資源を用いて、移動ロボット１の複雑な動作制御を演算したり、リモート・コントロールすることができる。
【００５８】
Ｂ．ロボット自己位置同定システム
本実施形態に係る移動ロボット１は、自分が自律的に移動する作業空間の中で現在の自分の所在を探索する自己位置同定システムを備えている。自己位置同定システムは、実際には、制御ユニット２０内のＣＰＵ２１が実行するプログラム・コードによって実現される。
【００５９】
本実施形態に係る自己位置同定システムは、作業空間に配置されている１以上のランドマークの観測をベースとしており、ランドマークの観測に関する外界観測結果とロボット１自身の動作情報の観測に関する内界観測結果に基づいて探索処理を行う。すなわち、センサ入力などの外界観測結果ｓの履歴と、各関節アクチュエータからのエンコーダ出力などの内界観測結果ａの履歴を基に、ロボット１の状態すなわち自己位置ｌ（localization）の確からしさ（likelihood）を求める。外界観測結果と内界観測結果の効果を統合的に結合することは極めて困難であるが、再帰的に概算値や確率を推定することは可能である。
【００６０】
また、本実施形態に係る自己位置同定システムは、同定解の精度は粗いが解の収束速度が速い「大域的探索」と、解の収束速度は遅いが同定解の精度が細かな「局所的探索」とを併用して構成されている。大域的探索にはマルコフ・ローカリゼーション（Ｍａｒｋｏｖ Ｌｏｃａｌｉｚａｔｉｏｎ）を適用するとともに、局所的探索には拡張カルマン・フィルタ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）を適用する。
【００６１】
マルコフ・ローカリゼーションを用いた探索では、作業空間内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、作業空間内に設置されているランドマークを観測すると、その観測情報ｓすなわちランドマークからの相対位置に基づいて自己位置を推定して、自己位置確率密度分布を更新する。また、自身の動作情報ａを観測すると、その動作情報ａに基づいて、自己位置確率密度を更新する。そして、各時刻において、自己位置確率密度分布の最も高い値を持つグリッドが、自己位置の推定結果となる。
【００６２】
例えば、２次元的な作業空間上では、略等間隔状にグリッド（ｘ，ｙ）を設け、各グリッドの位置ｌ（localization）毎にロボットが存在する確率ｐ（ｌ）を管理する。この存在確率ｐ（ｌ）は、ロボットの移動（ｍｏｖｅ）すなわち内界観測情報ａや、ランドマークの観測すなわち外界観測情報ｓの入力に応じて更新される。
【００６３】
存在確率ｐ（ｌ）は、ロボットの以前の状態すなわち自己位置ｌ'における存在確率ｐ（ｌ'）と、以前の状態ｌ'において移動ａを行ったときに状態ｌになるという遷移確率ｐ（ｌ｜ａ，ｌ'）に依拠する。すなわち、これまでの各状態ｌ'になる確率ｐ（ｌ'）と、状態ｌ'において移動ａを行ったときに状態ｌになるという遷移確率ｐ（ｌ｜ａ，ｌ'）の積を加算していく（若しくは積分する）ことによって、現在の状態すなわち自己位置ｌになるという存在確率ｐ（ｌ）に収束する。したがって、外界観測結果としてのロボットの移動ａが観測されたときには、各グリッドでは、下式に従ってロボットの存在確率ｐ（ｌ）を更新することができる。
【００６４】
【数１】
【００６５】
また、状態すなわち自己位置ｌにロボットが存在するという存在確率ｐ（ｌ）は、存在確率ｐ（ｌ）とこの状態ｌにおいてランドマークを観察するという遷移確率ｐ（ｓ｜ｌ）に依拠する。したがって、状態ｌにおいてランドマークの観測すなわち外界観測情報ｓが入力された場合には、下式に従ってロボットの存在確率ｐ（ｌ）を更新することができる。但し、右辺では、正規化のため、ランドマークを観察するという確率ｐ（ｓ）で除して正規化している。
【００６６】
【数２】
【００６７】
図３には、マルコフ・ローカリゼーションにより求められた各グリッド上での自己位置確率密度分布を表している。同図では、各グリッドにおける確率密度を濃淡により表現している。最も色が濃いすなわち自己位置確率密度分布の最も高い値を持つグリッドが、自己位置の推定結果となる。
【００６８】
マルコフ・ローカリゼーションによる自己位置同定は、センサのノイズに対してロバストであり、同定解の精度は粗いが、解の収束速度が速いことを主な特徴とする。
【００６９】
一方、拡張カルマン・フィルタは、自己位置を状態変数［ｘ，ｙ，θ］の実測値として保持し、環境内に設置されたランドマークを観測すると、ランドマークからの相対位置に基づいて自己位置を推定する。また、自身の動作情報を観測すると、その動作情報に基づいて、状態量の推定を行う。
【００７０】
図４には、拡張カルマン・フィルタの構成を模式的に示している。同図に示すように、拡張カルマン・フィルタは、ロボット自身の動作情報ａと状態すなわち自己位置ｌとの関係を規定した状態モデルと、自己位置ｌとランドマークの観測情報ｓとの関係を規定した観測モデルで構成される。
【００７１】
状態モデルは、ロボットが状態すなわち自己位置ｌにおいて動作ａを行った場合における理論的な状態ｌを与える遷移関数Ｆ（ｌ，ａ）を備えている。実際には理論的な状態ｌに対してノイズ成分ｗが重畳されることから、ロボットの状態ｌは状態モデルにより下式のように収束する。
【００７２】
【数３】
【００７３】
また、観測モデルは、ロボットが状態すなわち自己位置ｉにおいて、ある既知の環境Ｅｎｖ（例えばランドマークの位置など）に関する観測の理論値ｓを与える観測関数Ｈ（Ｅｎｖ，ｌ）を備えている。実際には観測の理論値に対してノイズ成分ｖが重畳されることから、観測値ｓは観測モデルにより下式のように収束する。
【００７４】
【数４】
【００７５】
なお、状態ｌ並びに観測ｓに重畳されるそれぞれのノイズｗ及びｖは、ここではゼロを中央値とするガウス分布として仮定する。
【００７６】
図示のようにロボット自身の動作情報ａと自己位置ｌとの関係を規定した状態モデルと自己位置ｌとランドマークの観測情報ｓとの関係を規定した観測モデルを備えた拡張カルマン・フィルタにおいて、動作情報ａは内界観測結果として、ランドマークの観測情報ｓは外界観測結果として、それぞれ既知である。したがって、ロボットの自己位置同定を、ロボットの状態ｌをロボットの動作情報ａ及び観測情報ｓによる推定するという問題に帰着することができる。ここでは、ロボットの動作ａ、状態ｌ、及び観測ｓをそれぞれ以下に示すガウス分布として表現することにする。
【００７７】
【数５】
【００７８】
ある時点でのロボットの状態ｌがある中央値と共分散を持つガウス分布として推定されているとする。このような場合、ロボットの動作ａが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を下式により更新することができる。
【００７９】
【数６】
【００８０】
ここで、
【００８１】
【数７】
【００８２】
とする。
【００８３】
同様に、ある時点でのロボットの状態ｌがある中央値と共分散を持つガウス分布として推定されている場合に、ランドマークの観測情報ｓが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を下式により更新することができる。
【００８４】
【数８】
【００８５】
ここで、
【００８６】
【数９】
【００８７】
とする。
【００８８】
図５には、マルコフ・ローカリゼーションと拡張カルマン・フィルタを併用した、本実施形態に係る自己位置同定システム１００の機能構成を模式的に示している。同図に示すように、この自己位置同定システム１００は、マルコフ・ローカリゼーション部（ＭＬ）１０１と、拡張カルマン・フィルタ部（ＥＫＬ）１０２と、拡張カルマン・フィルタ部１０３の動作を制御するＥＫＬ制御部１０３とで構成される。
【００８９】
マルコフ・ローカリゼーション部１０１は、作業空間内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、ランドマークの観測に関する外界観測情報ｓと、ロボット自身の動作に関する内界観測情報ａを入力して、自己位置確率密度分布の更新を行う。そして、各時刻において、自己位置確率密度分布の最も高い値を持つグリッドを自己位置の推定結果としてＥＫＬ制御部１０３に出力する。
【００９０】
拡張カルマン・フィルタ部１０２は、ロボット自身の動作情報ａと状態すなわち自己位置ｌとの関係を規定した状態モデルと自己位置ｌとランドマークの観測情報ｓとの関係を規定した観測モデルで構成され、ロボットの自己位置同定を、ロボットの状態ｌをロボットの動作情報ａ及び観測情報ｓによる推定するという問題に帰着して、ある時点でのロボットの状態ｌがある中央値と共分散を持つガウス分布として推定する。そして、ロボットの動作ａが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を上記の式［数６］により更新するとともに、ランドマークの観測情報ｓが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を上記の式［数８］により更新する。拡張カルマン・フィルタはセンサ情報に対するロバスト性に優れているので、拡張カルマン・フィルタ部１０２の推定結果は、システム１００全体の出力としている。
【００９１】
ＥＫＬ制御部１０３は、マルコフ・ローカリゼーション部１０１の出力結果に応じて拡張カルマン・フィルタ部１０３の動作を制御する。より具体的には、マルコフ・ローカリゼーション部１０１の自己位置推定結果に基づいて、ランドマークの観測情報ｓに関する妥当性を検証する。観測情報ｓの妥当性は、マルコフ・ローカリゼーション部１０１において最大の存在確率となるグリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が所定の閾値パラメータｔｈｒｅｓｈobsを越えたかどうかで判断することができる。
【００９２】
グリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が閾値パラメータｔｈｒｅｓｈobsを下回る場合には、センサ・ノイズに対してロバストなマルコフ・ローカリゼーション部１０１においてさえ、センサ・ノイズのために同定解が充分に収束していないことが推測される。このような場合、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２において自己位置を推定しても、精度のよい解が得られず、むしろ演算時間を浪費するだけである。このため、観測情報ｓが妥当でないと判断された場合には、切換器１０４を用いて拡張カルマン・フィルタ部１０２への外界観測情報ｓすなわちランドマークの観測情報の入力を遮断して、拡張カルマン・フィルタ部１０２における自己位置推定値の更新を停止させる。
【００９３】
また、ＥＫＬ制御部１０３は、拡張カルマン・フィルタ部１０２の自己位置推定結果の妥当性も検証する。自己位置推定結果の妥当性は、推定された状態ｌの中央値及び共分散を用いて、マルコフ・ローカリゼーション部１０１から出力される存在確率ｐ（ｌ）との分布比較テストにより判断することができる。分布比較テストの一例は、カイ自乗テストｃｈｉ−ｓｑｕａｒｅ−ｔｅｓｔ（ｍｌ，ｅｋｆ）である。
【００９４】
分布比較テストによりマルコフ・ローカリゼーション部１０１と拡張カルマン・フィルタ部１０２それぞれの確率分布が類似していない場合には、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２における自己位置推定値の方が、センサ・ノイズの影響により妥当でないと判断することができる。このような場合、ＥＫＬ制御部１０３は拡張カルマン・フィルタ部１０２の再初期化を行わせる。何故ならば、拡張カルマン・フィルタは再復帰に多大な時間を要するからである。
【００９５】
また、図６には、自己位置同定システム１００の動作特性をフローチャートの形式で示している。
【００９６】
ロボット１の移動に関する内界観測情報ａが自己位置同定システム１００に入力されると、まずマルコフ・ローカリゼーション部１０１において、上記の式［数１］を用いて自己位置推定値の更新処理が行われる（ステップＳ１）。次いで、拡張カルマン・フィルタ部１０２において、上記の式［数６］を用いて自己位置推定値の更新処理が行われる（ステップＳ２）。
【００９７】
また、ランドマークの観測に関する外界観測情報ｓが自己位置同定システム１００に入力されると、まずマルコフ・ローカリゼーション部１０１において、上記の式［数２］を用いて、自己位置推定値の更新処理が行われる（ステップＳ１１）。
【００９８】
マルコフ・ローカリゼーション部１０１の出力結果は、ＥＫＬ制御部１０３に入力されて、観測情報ｓの妥当性が検証される（ステップＳ１２）。観測情報ｓの妥当性は、マルコフ・ローカリゼーション部１０１において最大の存在確率となるグリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が所定の閾値パラメータｔｈｒｅｓｈobsを越えたかどうかで判断することができる。
【００９９】
グリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が閾値パラメータｔｈｒｅｓｈobsを下回る場合には、センサ・ノイズに対してロバストなマルコフ・ローカリゼーション部１０１においてさえ、センサ・ノイズのために同定解が充分に収束していないことが推測される。このような場合、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２において自己位置を推定しても、精度のよい解が得られず、むしろ演算時間を浪費するだけである。このため、観測情報ｓが妥当でないと判断された場合には、切換器１０４を用いて拡張カルマン・フィルタ部１０２への外界観測情報ｓすなわちランドマークの観測情報の入力を遮断して、拡張カルマン・フィルタ部１０２における自己位置推定値の更新を停止させる。
【０１００】
他方、観測情報ｓを検証した結果、妥当性を満たす、すなわちグリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が閾値パラメータｔｈｒｅｓｈobsを上回る場合には、さらに拡張カルマン・フィルタ部１０２において、上記の式［数８］を用いて更新処理が行われる（ステップＳ１３）。
【０１０１】
拡張カルマン・フィルタ部１０２による自己位置推定の結果は、ＥＫＬ制御部１０３に入力されて、その妥当性が検証される（ステップＳ１４）。拡張カルマン・フィルタ部１０２による自己位置推定結果の妥当性は、推定された状態ｌの中央値及び共分散を用いて、マルコフ・ローカリゼーション部１０１から出力される存在確率ｐ（ｌ）との分布比較テストにより判断することができる。分布比較テストの一例は、カイ自乗テストｃｈｉ−ｓｑｕａｒｅ−ｔｅｓｔ（ｍｌ，ｅｋｆ）である。
【０１０２】
分布比較テストによりマルコフ・ローカリゼーション部１０１と拡張カルマン・フィルタ部１０２それぞれの確率分布が類似していない場合には、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２における自己位置推定値の方が、センサ・ノイズの影響により妥当でないと判断することができる。このような場合、ＥＫＬ制御部１０３は拡張カルマン・フィルタ部１０２の再初期化を行わせる（ステップＳ１５）。何故ならば、拡張カルマン・フィルタは再復帰に多大な時間を要するからである。
【０１０３】
最後に、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の実験例について比較検証する。但し、ここでは、フィールド・サイズ３×２ｍの作業空間の四方６箇所にランドマークを配置して、総計測時間５８分、ランドマーク観測回数（すなわち観測情報ｓの入力回数）４８，６３６回、ロボット動作ステップ数（すなわち動作情報ａの入力回数）８，３３４ステップとする。
【０１０４】
図７には、センサ入力回数を横軸に、観測誤差を縦軸にとって、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合における、センサ情報に対するロバスト性について比較検証している。
【０１０５】
拡張カルマン・フィルタを単独で適用した場合、及び、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合は、センサ入力回数が減少しても観測誤差はあまり変化しない。これに対して、マルコフ・ローカリゼーションを単独で適用した場合には、センサ入力回数の減少とともに観測誤差は著しく増大する。したがって、拡張カルマン・フィルタはセンサ情報に対するロバスト性が高く、観測回数が少ない場合には、マルコフ・ローカリゼーションよりも拡張カルマン・フィルタの方がより高精度な自己位置同定が可能であることが判る。
【０１０６】
また、図８には、センサ・ノイズ比を横軸に、観測誤差を縦軸にとって、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合における、センサ・ノイズに対するロバスト性について比較検証している。
【０１０７】
マルコフ・ローカリゼーションを単独で適用した場合、及び、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合は、センサ・ノイズが多くなっても観測誤差はあまり変化しない。これに対して、拡張カルマン・フィルタを単独で適用した場合には、センサ・ノイズの増大とともに観測誤差は著しく増大する。したがって、マルコフ・ローカリゼーションはセンサ・ノイズに対するロバスト性が高く、センサ・ノイズが多い場合には、拡張カルマン・フィルタよりもマルコフ・ローカリゼーションの方がより高精度な自己位置同定が可能であることが判る。
【０１０８】
また、図９には、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合のそれぞれにおいて、再復帰に必要な時間について比較検証している。
【０１０９】
マルコフ・ローカリゼーションを単独で適用した場合、及び、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合は、再復帰に必要な時間は比較的短くて済む。これに対し、拡張カルマン・フィルタを単独で適用した場合には、再復帰のためにかなり長い時間を要する。したがって、再復帰が必要なときには、マルコフ・ローカリゼーションを適用することが好ましい。また、拡張カルマン・フィルタにおいては、再復帰するくらいならば、再初期化を行うほうが好ましい。
【０１１０】
図７〜図９からも判るように、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行う手法は、マルコフ・ローカリゼーション及び拡張カルマン・フィルタの双方のよい性能を継承していると言えよう。
【０１１１】
［追補］
以上、特定の実施形態を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が該実施形態の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、本明細書の記載内容を限定的に解釈するべきではない。本発明の要旨を判断するためには、冒頭に記載した特許請求の範囲の欄を参酌すべきである。
【０１１２】
【発明の効果】
以上詳記したように、本発明によれば、車輪や可動脚などの移動機構を備えたロボット自身の位置や姿勢を認識しながら行動するロボットにおいて、高精度で高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することができる。
【０１１３】
また、本発明によれば、人工的なランドマークを含む環境において、ランドマークの探索結果を手掛かりに自己位置を好適に同定することができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することができる。
【０１１４】
また、本発明によれば、広い範囲で比較的短い探索時間で探索を行う大域探索と高精度だが探索時間を要する局所的探索とを併用して、高精度で、高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することができる。
【図面の簡単な説明】
【図１】本発明に実施に供される移動ロボット１の機能構成を模式的に示した図である。
【図２】制御ユニット２０の構成をさらに詳細に示した図である。
【図３】マルコフ・ローカリゼーションにより求められた各グリッド上での自己位置確率密度分布を表した図である。
【図４】拡張カルマン・フィルタの構成を模式的に示した図である。
【図５】マルコフ・ローカリゼーションと拡張カルマン・フィルタを併用した本実施形態に係る自己位置同定システム１００の機能構成を模式的に示した図である。
【図６】自己位置同定システム１００の動作特性を示したフローチャートである。
【図７】マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の比較検証結果を示した図である。
【図８】マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の比較検証結果を示した図である。
【図９】マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の比較検証結果を示した図である。
【符号の説明】
１…移動ロボット
１５…ＣＣＤカメラ
１６…マイクロフォン
１７…スピーカ
１８…タッチセンサ
１９…ＬＥＤインジケータ
２０…制御部
２１…ＣＰＵ
２２…ＲＡＭ
２３…ＲＯＭ
２４…不揮発メモリ
２５…インターフェース
２６…無線通信インターフェース
２７…ネットワーク・インターフェース・カード
２８…バス
２９…キーボード
４０…入出力部
５０…駆動部
５１…モータ
５２…エンコーダ
５３…ドライバ
１００…自己位置同定システム
１０１…マルコフ・ローカリゼーション部
１０２…拡張カルマン・フィルタ部
１０３…ＥＫＬ制御部
１０４…切換器
【発明の属する技術分野】
本発明は、作業空間を自在（無経路）に移動することができるインテリジェントな移動ロボットのための自己位置同定システム及び自己位置同定方法に係り、特に、ロボットのセンサ情報とロボット自身の動作情報に基づいて自己位置を同定するロボットの自己位置同定システム及び自己位置同定方法に関する。
【０００２】
さらに詳しくは、本発明は、人工的なランドマークを含む環境において、ランドマークの探索結果を手掛かりに自己位置を同定するロボットの自己位置同定システム及び自己位置同定方法に係り、特に、広い範囲で比較的短い探索時間で探索を行う大域的探索と高精度だが探索時間を要する局所的探索とを併用して自己位置同定を行うロボットの自己位置同定システム及び自己位置同定方法に関する。
【０００３】
【従来の技術】
電気的若しくは磁気的な作用を用いて人間の動作に似せた運動を行う機械装置のことを「ロボット」という。ロボットの語源は、スラブ語のＲＯＢＯＴＡ(奴隷機械)に由来すると言われている。わが国では、ロボットが普及し始めたのは１９６０年代末からであるが、その多くは、工場における生産作業の自動化・無人化などを目的としたマニピュレータや搬送ロボットなどの産業用ロボット（industrial robot）であった。
【０００４】
最近では、ヒトのような２足直立歩行を行う動物の身体メカニズムや動作をモデルにしてデザインされた「人間形」若しくは「人間型」のロボット（humanoid robot）を始めとして、各種の脚式移動ロボットに関する研究開発が進展し、実用化への期待も高まってきている。
【０００５】
車輪や可動脚などを備えた移動型ロボットの主な用途は、産業活動・生産活動などにおける各種作業の代行や、ユーザとの対話をベースにしてインテリジェントなリアクションを行う人間との共存・共生などを挙げることができる。前者の場合、原子力発電プラントや火力発電プラント、石油化学プラントにおけるメンテナンス作業、製造工場における部品の搬送・組立作業、高層ビルにおける清掃、火災現場その他における救助といったような、人間が容易に踏み込むことができない現場での危険作業・難作業をロボットが代わりに行うことを意味する。また、後者の場合、ロボットは人間と同じ住空間で利用され、自律的な思考及び動作制御を行い、より高度でリアリスティックなコミュニケーションを実現する。
【０００６】
ところで、移動ロボットの自己位置同定は、例えばロボットがデリバリなどのサービスを行う上で極めて重要な技術である。何故ならば、目標地点までの道順を間違うことは、仮に回復することができたとしても非効率的であり、障害物との衝突や危険区域への進入などの危険を招来する可能性さえあるからである。
【０００７】
ロボットが自己同定を行う代表的な手法の１つとして「ランドマーク（Ｌａｎｄｍａｒｋ）」の利用を挙げることができる。ランドマークには、通常、視覚的に識別可能な視認情報がその表面に形成されている。ロボットは、視覚認識されたランドマークからの相対位置情報を基に自己位置を地理的に探索することができる。
【０００８】
人工的なランドマークを含む環境における探索若しくは自己位置同定の方式として、例えば、マルコフ・ローカリゼーションや拡張カルマン・フィルタを適用したものが提案されている。
【０００９】
マルコフ・ローカリゼーションを用いた探索装置は、環境内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、環境内に設置されているランドマークを観測すると、ランドマークからの相対位置に基づいて自己位置を推定して、自己位置確率密度分布を更新する。また、自身の動作情報を観測すると、その動作情報に基づいて、自己位置確率密度を更新する。そして、各時刻において、自己位置確率密度分布の最も高い値を持つグリッドが、自己位置の推定結果となる。
【００１０】
他方、拡張カルマン・フィルタを用いた探索装置は、自己位置を状態変数［ｘ，ｙ，θ］の実測値として保持し、環境内に設置されたランドマークを観測すると、ランドマークからの相対位置に基づいて自己位置を推定する。また、自身の動作情報を観測すると、その動作情報に基づいて、状態量の推定を行う。
【００１１】
前者のマルコフ・ローカリゼーションを適用した探索装置は、同定解の精度は粗いが、解の収束速度が速いことを主な特徴とする。よって、本発明者らはこのタイプの探索装置は大域的な探索に適していると思料する。また、マルコフ・ローカリゼーションは、センサのノイズに対してロバストである、すなわちセンサ値にノイズを含んでいても、ほぼ一定の自己位置同定結果を得ることができる。
【００１２】
また、後者の拡張カルマン・フィルタを適用した探索装置は、解の収束速度は遅いが、同定解の精度が細かいことを主な特徴とする。よって、本発明者らはこのタイプの探索装置は局所的な探索に適していると思料する。また、拡張カルマン・フィルタは、センサ情報に対してロバストである反面、センサ・ノイズに対するロバスト性が低く、また、再復帰にかかる時間が長い。
【００１３】
【発明が解決しようとする課題】
マルコフ・ローカリゼーションを用いた探索装置は、大局的探索装置の性質が強く、解の収束速度は速い。しかしながら、グリッド分割の数の２乗で計算量が増加するため、同定解の精度は離散化されたグリッドの粗さに依存し、一般に精度のよい解は得られない。また、解の精度が悪い場合には、自己位置を正確に知ることができない。このため、目的の場所に正確に行くことができない、目的に場所に到着しているのかどうか判断できない、といった不具合が生ずることがある。
【００１４】
一方、拡張カルマン・フィルタを用いた探索装置は、局所的探索装置の性質が強く、同定解の精度は非常によいが、その反面、収束性が悪く、観測情報のノイズに対するロバスト性（頑健性）に欠けている。収束速度が遅い場合には、自己位置同定開始時の初期位置同定に時間がかかるとともに、他の外力によって意図せず位置を動かされた場合（誘拐問題）には、正しい解を得るまでに非常に時間がかかる。
【００１５】
本発明の目的は、車輪や可動脚などの移動機構を備えたロボット自身の位置や姿勢を認識しながら行動するロボットにおいて、高精度で高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することにある。
【００１６】
本発明のさらなる目的は、人工的なランドマークを含む環境において、ランドマークの探索結果を手掛かりに自己位置を好適に同定することができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することにある。
【００１７】
本発明のさらなる目的は、広い範囲で比較的短い探索時間で探索を行う大域探索と高精度だが探索時間を要する局所的探索とを併用して、高精度で、高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することにある。
【００１８】
【課題を解決するための手段及び作用】
本発明は、上記課題を参酌してなされたものであり、移動機構を備えて所定の環境内を移動可能なロボットのための自己位置同定システム又は自己位置同定方法であって、
前記環境内に設置されたランドマークを観測する外界観測手段又はステップと、
ロボット自身の動作情報を観測する内界観測手段又はステップと、
外界観測結果及び内界観測結果を基に比較的高速に位置同定解を出力する第１の探索手段又はステップと、
外界観測結果及び内界観測結果を基に比較的細かな精度で位置同定解を出力する第２の探索手段又はステップと、
前記第１の探索手段又はステップの出力結果に応じて前記第２の探索手段又はステップの動作を制御する制御手段又はステップと、
を具備することを特徴とするロボットの自己位置同定システム又は自己位置同定方法である。
【００１９】
ここで、前記第１の探索手段又はステップは、マルコフ・ローカリゼーションを適用して、環境内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、前記外界観測手段又はステップによるランドマークの観測結果に応じて該ランドマークからの相対位置に基づいて自己位置を推定して自己位置確率密度分布を更新するとともに、前記内界観測手段又はステップによる自身の動作情報の観測結果に基づいて、自己位置確率密度を更新し、各時刻において自己位置確率密度分布の最も高い値を持つグリッドを自己位置の推定結果として出力するようになっていてもよい。
【００２０】
マルコフ・ローカリゼーションを適用した探索は、同定解の精度は粗いが、センサ・ノイズに対してロバストであることや、解の収束速度が速いことを主な特徴とし、大域的な探索に適している。
【００２１】
また、前記第２の探索手段又はステップは、前記内界観測手段又はステップによるロボット自身の動作情報と自己位置との関係を規定した状態モデルと、自己位置と前記外界観測手段又はステップによるランドマークの観測情報との関係を規定した観測モデルを備えた拡張カルマン・フィルタを適用して、前記内界観測手段又はステップによるロボット自身の動作情報及び前記外界観測手段又はステップによるランドマークの観測情報を基に自己位置を推定するようになっていてもよい。
【００２２】
拡張カルマン・フィルタを適用した探索は、センサ・ノイズに対するロバスト性が低く、解の収束速度は遅いが、センサ情報に対するロバスト性に優れ、同定解の精度が細かいことを主な特徴とし、局所的な探索に適している。
【００２３】
また、前記制御手段又はステップは、前記第１の探索手段又はステップの探索結果の妥当性を評価して、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段又はステップへの少なくとも外界観測情報の入力を制限するようにしてもよい。
【００２４】
例えば、前記第１の探索手段又はステップにおいてマルコフ・ローカリゼーションを適用する場合には、前記第１の探索手段又はステップにおいて推定された自己位置において前記外界観測手段又はステップによりランドマークを観測する確率が所定の閾値を上回るかどうかによって、前記外界観測手段又はステップによる外界観測結果の妥当性を評価することができる。
【００２５】
例えば、推定された自己位置においてランドマークを観測する確率が閾値を下回る場合には、マルコフ・ローカリゼーションにおいて、センサ・ノイズのために解が充分に収束していないことが予測される。したがって、センサ・ノイズに対するロバスト性がより低い拡張カルマン・フィルタに基づく探索を行っても精度のよい自己位置同定結果が得られるとは考えられない。そこで、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段又はステップへの少なくとも外界観測情報の入力を制限して、収束速度の遅い拡張カルマン・フィルタに基づく探索をスキップするようにしてもよい。
【００２６】
また、前記制御手段又はステップは、前記第２の探索手段又はステップによる探索結果の妥当性を検証して、該評価が所定の基準を満たすことに応答して該探索結果を自己位置同定結果として出力するとともに、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段又はステップを再初期化するようにしてもよい。
【００２７】
例えば、前記第２の探索手段又はステップにおいて拡張カルマン・フィルタを適用する場合には、前記第２の探索手段又はステップによる自己位置の推定結果である確率密度分布を、前記第１の探索手段又はステップによる自己位置の推定結果である確率密度分布と比較して、両者の類似度により妥当性を検証することができる。分布の類似度は、例えばカイ自乗テストを利用することができる。拡張カルマン・フィルタよりもマルコフ・ローカリゼーションの方がセンサ・ノイズに対してロバストであることから、両者の確率密度分布が類似しない場合には、センサ・ノイズに対するロバスト性の低い拡張カルマン・フィルタに基づく探索結果の方が妥当でないと推測される。また、拡張カルマン・フィルタは再復帰にかかる時間が長い。そこで、該評価が所定の基準を満たさなかったことに応答して、前記第２の探索手段又はステップを再初期化するようにしてもよい。
【００２８】
また、拡張カルマン・フィルタに基づく探索の方がセンサ情報に対するロバスト性が高いことから、該評価が所定の基準を満たす場合には、前記第２の探索手段又はステップによる自己位置推定結果をシステム全体の探索結果として出力するようにしてもよい。
【００２９】
本発明に係る自己位置同定システム又は自己位置同定方法によれば、自己位置同定解の収束速度が優れる大域的探索による精度の粗い同定解にのみ頼るとなく、また、同定解の精度が高いが収束速度が遅い局所的探索を常に稼働しその出力をひたすら待つ必要もない。
【００３０】
また、マルコフ・ローカリゼーションのセンサ・ノイズに対するロバスト性を用いて、ランドマークに関する外界観測結果の妥当性や拡張カルマン・フィルタの自己位置推定結果の妥当性を評価して、最終的には、センサ情報に対するロバスト性に優れた拡張カルマン・フィルタによる自己位置推定結果をシステム全体の自己位置同定結果として出力とすることができる。
【００３１】
すなわち、本発明によれば、高精度で高速、且つ、ロバストな自己位置同定を実現することができる訳である。
【００３２】
なお、前記外界観測手段は、ランドマークを捕捉する画像入力手段及び入力画像を基にランドマーク及び該ランドマークまでの距離を認識する画像認識手段デ構成することができる。
【００３３】
あるいは、前記外界観測手段は、ランドマークまでの距離を計測するレンジ・ファインダなどで構成することもできる。
【００３４】
また、ランドマークは、視認性の識別情報が表面に形成されている部材で構成することができる。例えば、２色以上に塗り分けられたチューブ状のポールや、２色以上に塗り分けられた平面板などをランドマークとして適用することができる。
【００３５】
本発明のさらに他の目的、特徴や利点は、後述する本発明の実施形態や添付する図面に基づくより詳細な説明によって明らかになるであろう。
【００３６】
【発明の実施の形態】
以下、図面を参照しながら本発明の実施形態について詳解する。
【００３７】
Ａ．移動ロボットの構成
図１には、本発明に実施に供される移動ロボット１の機能構成を模式的に示している。同図に示すように、移動ロボット１は、全体の動作の統括的制御やその他のデータ処理を行う制御ユニット２０と、入出力部４０と、駆動部５０と、電源部６０とで構成される。以下、各部について説明する。
【００３８】
入出力部４０は、入力部として移動ロボット１の目に相当するＣＣＤカメラ１５や、耳に相当するマイクロフォン１６、頭部や背中などの部位に配設されてユーザの接触を感知するタッチ・センサ１８、各足底に配設された肉球スイッチ、あるいは五感に相当するその他の各種のセンサを含む。また、出力部として、口に相当するスピーカ１７、あるいは点滅の組み合わせや点灯のタイミングにより顔の表情を形成するＬＥＤインジケータ（目ランプ）１９などを装備している。これら出力部は、脚などによる機械運動パターン以外の形式で移動ロボット１からのユーザ・フィードバックを表現することができる。
【００３９】
ＣＣＤカメラ１５は、例えば、作業空間上の各部位に配設されたランドマークを観測する外界観測手段として機能することができる。勿論、ＣＣＤカメラ１５以外に（あるいは、これと併せて）、レンジ・ファインダなどを外界観測手段として備えていてもよい。
【００４０】
駆動部５０は、制御部２０が指令する所定の運動パターンに従って移動ロボット１の機械運動を実現する機能ブロックであり、首関節７、尻尾関節８、股関節１１Ａ〜１１Ｄ、膝関節１２Ａ〜１２Ｄなどのそれぞれの関節におけるロール、ピッチ、ヨーなど各軸毎に設けられた駆動ユニットで構成される。図示の例では、移動ロボット１はｎ個の関節自由度を有し、したがって駆動部５０はｎ個の駆動ユニットで構成される。各駆動ユニットは、所定軸回りの回転動作を行うモータ５１と、モータ５１の回転位置を検出するエンコーダ５２と、エンコーダ５２の出力に基づいてモータ５１の回転位置や回転速度を適応的に制御するドライバ５３の組み合わせで構成される。
【００４１】
各駆動ユニット毎に配設されたエンコーダ５２は、ロボット自身の動作情報を観測する内界観測手段として機能することができる。
【００４２】
電源部６０は、その字義通り、移動ロボット１内の各電気回路などに対して給電を行う機能モジュールである。本実施形態に係る移動ロボット１は、バッテリを用いた自律駆動式であり、電源部６０は、充電バッテリ６１と、充電バッテリ６１の充放電状態を管理する充放電制御部６２とで構成される。
【００４３】
充電バッテリ６１は、例えば、複数本のニッケル・カドミウム電池セルをカートリッジ式にパッケージ化した「バッテリ・パック」の形態で構成される。
【００４４】
また、充放電制御部６２は、バッテリ６１の端子電圧や充電／放電電流量、バッテリ６１の周囲温度などを測定することでバッテリ６１の残存容量を把握し、充電の開始時期や終了時期などを決定するようになっている。充放電制御部６２が決定する充電の開始及び終了時期は制御ユニット２０に通知され、移動ロボット１が充電オペレーションを開始及び終了するためのトリガとなる。
【００４５】
制御ユニット２０は、「頭脳」に相当し、例えば移動ロボット１の頭部あるいは胴体部に搭載されている。
【００４６】
図２には、制御ユニット２０の構成をさらに詳細に図解している。同図に示すように、制御ユニット２０は、メイン・コントローラとしてのＣＰＵ（Central Processing Unit）２１が、メモリその他の各回路コンポーネントや周辺機器とバス接続された構成となっている。バス２７は、データ・バス、アドレス・バス、コントロール・バスなどを含む共通信号伝送路である。バス２７上の各装置にはそれぞれに固有のアドレス（メモリ・アドレス又はＩ／Ｏアドレス）が割り当てられている。ＣＰＵ２１は、アドレスを指定することによってバス２８上の特定の装置と通信することができる。
【００４７】
ＲＡＭ（Random Access Memory）２２は、ＤＲＡＭ（Dynamic RAM）などの揮発性メモリで構成された書き込み可能メモリであり、ＣＰＵ２１が実行するプログラム・コードをロードしたり、実行プログラムによる作業データの一時的な保存のために使用される。
【００４８】
ＲＯＭ（Read Only Memory）２３は、プログラムやデータを恒久的に格納する読み出し専用メモリである。ＲＯＭ２３に格納されるプログラム・コードには、移動ロボット１の電源投入時に実行する自己診断テスト・プログラムや、移動ロボット１の動作を規定する動作制御プログラムなどが挙げられる。
【００４９】
ロボット１の制御プログラムには、カメラ１５やマイクロフォン１６などのセンサ入力を処理する「センサ入力処理プログラム」、センサ入力と所定の動作モデルとに基づいて移動ロボット１の行動すなわち運動パターンを生成する「行動命令プログラム」、生成された運動パターンに従って各モータの駆動やスピーカ１７の音声出力などを制御する「駆動制御プログラム」、作業空間に配置されている１以上のランドマークを手がかりに自分の地理的な所在を探索する「自己位置同定プログラム」などが含まれる。
【００５０】
駆動制御プログラムは、通常の歩行運動や走行運動以外に、「お手」、「お預け」、「お座り」や、「ワンワン」などの動物の鳴き声の発声などエンターティンメント性の高い動作を発現するようにしてもよい。
【００５１】
また、自己位置同定プログラムは、ＣＣＤカメラ１５によって観測されたランドマークなどの外界観測情報やエンコーダ５２によって観測されたロボット１自身の動作情報に基づいて、大局的及び局所的な自己位置同定処理を行う。自己位置同定のメカニズムの詳細については後述に譲る。
【００５２】
不揮発性メモリ２４は、例えばＥＥＰＲＯＭ（Electrically Erasable and Programmable ROM）のように電気的に消去再書き込みが可能なメモリ素子で構成され、逐次更新すべきデータを不揮発的に保持するために使用される。逐次更新すべきデータには、製造番号や暗号鍵などのセキュリティ情報などが挙げられる。
【００５３】
インターフェース２５は、制御ユニット２０外の機器と相互接続し、データ交換を可能にするための装置である。インターフェース２５は、例えば、カメラ１５やマイクロフォン１６、スピーカ１７との間でデータ入出力を行う。また、インターフェース２５は、駆動部５０内の各ドライバ５３−１…との間でデータやコマンドの入出力を行う。
【００５４】
また、インターフェース２５は、ＲＳ（Recommended Standard）−２３２Ｃなどのシリアル・インターフェース、ＩＥＥＥ（Institute of Electrical and electronics Engineers）１２８４などのパラレル・インターフェース、ＵＳＢ（Universal Serial Bus）インターフェース、ｉ−Ｌｉｎｋ（ＩＥＥＥ１３９４）インターフェース、ＳＣＳＩ（Small Computer System Interface）インターフェース、メモリ・スティックを受容するメモリ・カード・インターフェース（カード・スロット）などのような、コンピュータの周辺機器接続用の汎用インターフェースを備え、ローカル接続された外部機器との間でプログラムやデータの移動を行うようにしてもよい。
【００５５】
また、インターフェース２５の他の例として、赤外線通信（ＩｒＤＡ）インターフェースを備え、外部機器と無線通信を行うようにしてもよい。
【００５６】
さらに、制御ユニット２０は、無線通信インターフェース２６やネットワーク・インターフェース・カード（ＮＩＣ）２７などを含み、Ｂｌｕｅｔｏｏｔｈのような近接無線データ通信や、ＩＥＥＥ ８０２．１１ｂのような無線ネットワーク、あるいはインターネットなどの広域ネットワークを経由して、外部のさまざまなホスト・コンピュータとデータ通信を行うことができる。
【００５７】
このような移動ロボット１とホスト・コンピュータ間におけるデータ通信により、遠隔のコンピュータ資源を用いて、移動ロボット１の複雑な動作制御を演算したり、リモート・コントロールすることができる。
【００５８】
Ｂ．ロボット自己位置同定システム
本実施形態に係る移動ロボット１は、自分が自律的に移動する作業空間の中で現在の自分の所在を探索する自己位置同定システムを備えている。自己位置同定システムは、実際には、制御ユニット２０内のＣＰＵ２１が実行するプログラム・コードによって実現される。
【００５９】
本実施形態に係る自己位置同定システムは、作業空間に配置されている１以上のランドマークの観測をベースとしており、ランドマークの観測に関する外界観測結果とロボット１自身の動作情報の観測に関する内界観測結果に基づいて探索処理を行う。すなわち、センサ入力などの外界観測結果ｓの履歴と、各関節アクチュエータからのエンコーダ出力などの内界観測結果ａの履歴を基に、ロボット１の状態すなわち自己位置ｌ（localization）の確からしさ（likelihood）を求める。外界観測結果と内界観測結果の効果を統合的に結合することは極めて困難であるが、再帰的に概算値や確率を推定することは可能である。
【００６０】
また、本実施形態に係る自己位置同定システムは、同定解の精度は粗いが解の収束速度が速い「大域的探索」と、解の収束速度は遅いが同定解の精度が細かな「局所的探索」とを併用して構成されている。大域的探索にはマルコフ・ローカリゼーション（Ｍａｒｋｏｖ Ｌｏｃａｌｉｚａｔｉｏｎ）を適用するとともに、局所的探索には拡張カルマン・フィルタ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）を適用する。
【００６１】
マルコフ・ローカリゼーションを用いた探索では、作業空間内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、作業空間内に設置されているランドマークを観測すると、その観測情報ｓすなわちランドマークからの相対位置に基づいて自己位置を推定して、自己位置確率密度分布を更新する。また、自身の動作情報ａを観測すると、その動作情報ａに基づいて、自己位置確率密度を更新する。そして、各時刻において、自己位置確率密度分布の最も高い値を持つグリッドが、自己位置の推定結果となる。
【００６２】
例えば、２次元的な作業空間上では、略等間隔状にグリッド（ｘ，ｙ）を設け、各グリッドの位置ｌ（localization）毎にロボットが存在する確率ｐ（ｌ）を管理する。この存在確率ｐ（ｌ）は、ロボットの移動（ｍｏｖｅ）すなわち内界観測情報ａや、ランドマークの観測すなわち外界観測情報ｓの入力に応じて更新される。
【００６３】
存在確率ｐ（ｌ）は、ロボットの以前の状態すなわち自己位置ｌ'における存在確率ｐ（ｌ'）と、以前の状態ｌ'において移動ａを行ったときに状態ｌになるという遷移確率ｐ（ｌ｜ａ，ｌ'）に依拠する。すなわち、これまでの各状態ｌ'になる確率ｐ（ｌ'）と、状態ｌ'において移動ａを行ったときに状態ｌになるという遷移確率ｐ（ｌ｜ａ，ｌ'）の積を加算していく（若しくは積分する）ことによって、現在の状態すなわち自己位置ｌになるという存在確率ｐ（ｌ）に収束する。したがって、外界観測結果としてのロボットの移動ａが観測されたときには、各グリッドでは、下式に従ってロボットの存在確率ｐ（ｌ）を更新することができる。
【００６４】
【数１】
また、状態すなわち自己位置ｌにロボットが存在するという存在確率ｐ（ｌ）は、存在確率ｐ（ｌ）とこの状態ｌにおいてランドマークを観察するという遷移確率ｐ（ｓ｜ｌ）に依拠する。したがって、状態ｌにおいてランドマークの観測すなわち外界観測情報ｓが入力された場合には、下式に従ってロボットの存在確率ｐ（ｌ）を更新することができる。但し、右辺では、正規化のため、ランドマークを観察するという確率ｐ（ｓ）で除して正規化している。
【００６６】
【数２】
図３には、マルコフ・ローカリゼーションにより求められた各グリッド上での自己位置確率密度分布を表している。同図では、各グリッドにおける確率密度を濃淡により表現している。最も色が濃いすなわち自己位置確率密度分布の最も高い値を持つグリッドが、自己位置の推定結果となる。
【００６８】
マルコフ・ローカリゼーションによる自己位置同定は、センサのノイズに対してロバストであり、同定解の精度は粗いが、解の収束速度が速いことを主な特徴とする。
【００６９】
一方、拡張カルマン・フィルタは、自己位置を状態変数［ｘ，ｙ，θ］の実測値として保持し、環境内に設置されたランドマークを観測すると、ランドマークからの相対位置に基づいて自己位置を推定する。また、自身の動作情報を観測すると、その動作情報に基づいて、状態量の推定を行う。
【００７０】
図４には、拡張カルマン・フィルタの構成を模式的に示している。同図に示すように、拡張カルマン・フィルタは、ロボット自身の動作情報ａと状態すなわち自己位置ｌとの関係を規定した状態モデルと、自己位置ｌとランドマークの観測情報ｓとの関係を規定した観測モデルで構成される。
【００７１】
状態モデルは、ロボットが状態すなわち自己位置ｌにおいて動作ａを行った場合における理論的な状態ｌを与える遷移関数Ｆ（ｌ，ａ）を備えている。実際には理論的な状態ｌに対してノイズ成分ｗが重畳されることから、ロボットの状態ｌは状態モデルにより下式のように収束する。
【００７２】
【数３】
また、観測モデルは、ロボットが状態すなわち自己位置ｉにおいて、ある既知の環境Ｅｎｖ（例えばランドマークの位置など）に関する観測の理論値ｓを与える観測関数Ｈ（Ｅｎｖ，ｌ）を備えている。実際には観測の理論値に対してノイズ成分ｖが重畳されることから、観測値ｓは観測モデルにより下式のように収束する。
【００７４】
【数４】
なお、状態ｌ並びに観測ｓに重畳されるそれぞれのノイズｗ及びｖは、ここではゼロを中央値とするガウス分布として仮定する。
【００７６】
図示のようにロボット自身の動作情報ａと自己位置ｌとの関係を規定した状態モデルと自己位置ｌとランドマークの観測情報ｓとの関係を規定した観測モデルを備えた拡張カルマン・フィルタにおいて、動作情報ａは内界観測結果として、ランドマークの観測情報ｓは外界観測結果として、それぞれ既知である。したがって、ロボットの自己位置同定を、ロボットの状態ｌをロボットの動作情報ａ及び観測情報ｓによる推定するという問題に帰着することができる。ここでは、ロボットの動作ａ、状態ｌ、及び観測ｓをそれぞれ以下に示すガウス分布として表現することにする。
【００７７】
【数５】
ある時点でのロボットの状態ｌがある中央値と共分散を持つガウス分布として推定されているとする。このような場合、ロボットの動作ａが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を下式により更新することができる。
【００７９】
【数６】
ここで、
【００８１】
【数７】
とする。
【００８３】
同様に、ある時点でのロボットの状態ｌがある中央値と共分散を持つガウス分布として推定されている場合に、ランドマークの観測情報ｓが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を下式により更新することができる。
【００８４】
【数８】
ここで、
【００８６】
【数９】
とする。
【００８８】
図５には、マルコフ・ローカリゼーションと拡張カルマン・フィルタを併用した、本実施形態に係る自己位置同定システム１００の機能構成を模式的に示している。同図に示すように、この自己位置同定システム１００は、マルコフ・ローカリゼーション部（ＭＬ）１０１と、拡張カルマン・フィルタ部（ＥＫＬ）１０２と、拡張カルマン・フィルタ部１０３の動作を制御するＥＫＬ制御部１０３とで構成される。
【００８９】
マルコフ・ローカリゼーション部１０１は、作業空間内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、ランドマークの観測に関する外界観測情報ｓと、ロボット自身の動作に関する内界観測情報ａを入力して、自己位置確率密度分布の更新を行う。そして、各時刻において、自己位置確率密度分布の最も高い値を持つグリッドを自己位置の推定結果としてＥＫＬ制御部１０３に出力する。
【００９０】
拡張カルマン・フィルタ部１０２は、ロボット自身の動作情報ａと状態すなわち自己位置ｌとの関係を規定した状態モデルと自己位置ｌとランドマークの観測情報ｓとの関係を規定した観測モデルで構成され、ロボットの自己位置同定を、ロボットの状態ｌをロボットの動作情報ａ及び観測情報ｓによる推定するという問題に帰着して、ある時点でのロボットの状態ｌがある中央値と共分散を持つガウス分布として推定する。そして、ロボットの動作ａが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を上記の式［数６］により更新するとともに、ランドマークの観測情報ｓが観測されたときには、状態ｌの推定値に関する中央値並びに共分散を上記の式［数８］により更新する。拡張カルマン・フィルタはセンサ情報に対するロバスト性に優れているので、拡張カルマン・フィルタ部１０２の推定結果は、システム１００全体の出力としている。
【００９１】
ＥＫＬ制御部１０３は、マルコフ・ローカリゼーション部１０１の出力結果に応じて拡張カルマン・フィルタ部１０３の動作を制御する。より具体的には、マルコフ・ローカリゼーション部１０１の自己位置推定結果に基づいて、ランドマークの観測情報ｓに関する妥当性を検証する。観測情報ｓの妥当性は、マルコフ・ローカリゼーション部１０１において最大の存在確率となるグリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が所定の閾値パラメータｔｈｒｅｓｈobsを越えたかどうかで判断することができる。
【００９２】
グリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が閾値パラメータｔｈｒｅｓｈobsを下回る場合には、センサ・ノイズに対してロバストなマルコフ・ローカリゼーション部１０１においてさえ、センサ・ノイズのために同定解が充分に収束していないことが推測される。このような場合、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２において自己位置を推定しても、精度のよい解が得られず、むしろ演算時間を浪費するだけである。このため、観測情報ｓが妥当でないと判断された場合には、切換器１０４を用いて拡張カルマン・フィルタ部１０２への外界観測情報ｓすなわちランドマークの観測情報の入力を遮断して、拡張カルマン・フィルタ部１０２における自己位置推定値の更新を停止させる。
【００９３】
また、ＥＫＬ制御部１０３は、拡張カルマン・フィルタ部１０２の自己位置推定結果の妥当性も検証する。自己位置推定結果の妥当性は、推定された状態ｌの中央値及び共分散を用いて、マルコフ・ローカリゼーション部１０１から出力される存在確率ｐ（ｌ）との分布比較テストにより判断することができる。分布比較テストの一例は、カイ自乗テストｃｈｉ−ｓｑｕａｒｅ−ｔｅｓｔ（ｍｌ，ｅｋｆ）である。
【００９４】
分布比較テストによりマルコフ・ローカリゼーション部１０１と拡張カルマン・フィルタ部１０２それぞれの確率分布が類似していない場合には、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２における自己位置推定値の方が、センサ・ノイズの影響により妥当でないと判断することができる。このような場合、ＥＫＬ制御部１０３は拡張カルマン・フィルタ部１０２の再初期化を行わせる。何故ならば、拡張カルマン・フィルタは再復帰に多大な時間を要するからである。
【００９５】
また、図６には、自己位置同定システム１００の動作特性をフローチャートの形式で示している。
【００９６】
ロボット１の移動に関する内界観測情報ａが自己位置同定システム１００に入力されると、まずマルコフ・ローカリゼーション部１０１において、上記の式［数１］を用いて自己位置推定値の更新処理が行われる（ステップＳ１）。次いで、拡張カルマン・フィルタ部１０２において、上記の式［数６］を用いて自己位置推定値の更新処理が行われる（ステップＳ２）。
【００９７】
また、ランドマークの観測に関する外界観測情報ｓが自己位置同定システム１００に入力されると、まずマルコフ・ローカリゼーション部１０１において、上記の式［数２］を用いて、自己位置推定値の更新処理が行われる（ステップＳ１１）。
【００９８】
マルコフ・ローカリゼーション部１０１の出力結果は、ＥＫＬ制御部１０３に入力されて、観測情報ｓの妥当性が検証される（ステップＳ１２）。観測情報ｓの妥当性は、マルコフ・ローカリゼーション部１０１において最大の存在確率となるグリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が所定の閾値パラメータｔｈｒｅｓｈobsを越えたかどうかで判断することができる。
【００９９】
グリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が閾値パラメータｔｈｒｅｓｈobsを下回る場合には、センサ・ノイズに対してロバストなマルコフ・ローカリゼーション部１０１においてさえ、センサ・ノイズのために同定解が充分に収束していないことが推測される。このような場合、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２において自己位置を推定しても、精度のよい解が得られず、むしろ演算時間を浪費するだけである。このため、観測情報ｓが妥当でないと判断された場合には、切換器１０４を用いて拡張カルマン・フィルタ部１０２への外界観測情報ｓすなわちランドマークの観測情報の入力を遮断して、拡張カルマン・フィルタ部１０２における自己位置推定値の更新を停止させる。
【０１００】
他方、観測情報ｓを検証した結果、妥当性を満たす、すなわちグリッド位置ｍｌｐにおいてランドマークを観測する確率ｐ（ｓ｜ｍｌｐ）が閾値パラメータｔｈｒｅｓｈobsを上回る場合には、さらに拡張カルマン・フィルタ部１０２において、上記の式［数８］を用いて更新処理が行われる（ステップＳ１３）。
【０１０１】
拡張カルマン・フィルタ部１０２による自己位置推定の結果は、ＥＫＬ制御部１０３に入力されて、その妥当性が検証される（ステップＳ１４）。拡張カルマン・フィルタ部１０２による自己位置推定結果の妥当性は、推定された状態ｌの中央値及び共分散を用いて、マルコフ・ローカリゼーション部１０１から出力される存在確率ｐ（ｌ）との分布比較テストにより判断することができる。分布比較テストの一例は、カイ自乗テストｃｈｉ−ｓｑｕａｒｅ−ｔｅｓｔ（ｍｌ，ｅｋｆ）である。
【０１０２】
分布比較テストによりマルコフ・ローカリゼーション部１０１と拡張カルマン・フィルタ部１０２それぞれの確率分布が類似していない場合には、センサ・ノイズに対するロバスト性が低い拡張カルマン・フィルタ部１０２における自己位置推定値の方が、センサ・ノイズの影響により妥当でないと判断することができる。このような場合、ＥＫＬ制御部１０３は拡張カルマン・フィルタ部１０２の再初期化を行わせる（ステップＳ１５）。何故ならば、拡張カルマン・フィルタは再復帰に多大な時間を要するからである。
【０１０３】
最後に、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の実験例について比較検証する。但し、ここでは、フィールド・サイズ３×２ｍの作業空間の四方６箇所にランドマークを配置して、総計測時間５８分、ランドマーク観測回数（すなわち観測情報ｓの入力回数）４８，６３６回、ロボット動作ステップ数（すなわち動作情報ａの入力回数）８，３３４ステップとする。
【０１０４】
図７には、センサ入力回数を横軸に、観測誤差を縦軸にとって、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合における、センサ情報に対するロバスト性について比較検証している。
【０１０５】
拡張カルマン・フィルタを単独で適用した場合、及び、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合は、センサ入力回数が減少しても観測誤差はあまり変化しない。これに対して、マルコフ・ローカリゼーションを単独で適用した場合には、センサ入力回数の減少とともに観測誤差は著しく増大する。したがって、拡張カルマン・フィルタはセンサ情報に対するロバスト性が高く、観測回数が少ない場合には、マルコフ・ローカリゼーションよりも拡張カルマン・フィルタの方がより高精度な自己位置同定が可能であることが判る。
【０１０６】
また、図８には、センサ・ノイズ比を横軸に、観測誤差を縦軸にとって、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合における、センサ・ノイズに対するロバスト性について比較検証している。
【０１０７】
マルコフ・ローカリゼーションを単独で適用した場合、及び、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合は、センサ・ノイズが多くなっても観測誤差はあまり変化しない。これに対して、拡張カルマン・フィルタを単独で適用した場合には、センサ・ノイズの増大とともに観測誤差は著しく増大する。したがって、マルコフ・ローカリゼーションはセンサ・ノイズに対するロバスト性が高く、センサ・ノイズが多い場合には、拡張カルマン・フィルタよりもマルコフ・ローカリゼーションの方がより高精度な自己位置同定が可能であることが判る。
【０１０８】
また、図９には、マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合のそれぞれにおいて、再復帰に必要な時間について比較検証している。
【０１０９】
マルコフ・ローカリゼーションを単独で適用した場合、及び、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合は、再復帰に必要な時間は比較的短くて済む。これに対し、拡張カルマン・フィルタを単独で適用した場合には、再復帰のためにかなり長い時間を要する。したがって、再復帰が必要なときには、マルコフ・ローカリゼーションを適用することが好ましい。また、拡張カルマン・フィルタにおいては、再復帰するくらいならば、再初期化を行うほうが好ましい。
【０１１０】
図７〜図９からも判るように、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行う手法は、マルコフ・ローカリゼーション及び拡張カルマン・フィルタの双方のよい性能を継承していると言えよう。
【０１１１】
［追補］
以上、特定の実施形態を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が該実施形態の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、本明細書の記載内容を限定的に解釈するべきではない。本発明の要旨を判断するためには、冒頭に記載した特許請求の範囲の欄を参酌すべきである。
【０１１２】
【発明の効果】
以上詳記したように、本発明によれば、車輪や可動脚などの移動機構を備えたロボット自身の位置や姿勢を認識しながら行動するロボットにおいて、高精度で高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することができる。
【０１１３】
また、本発明によれば、人工的なランドマークを含む環境において、ランドマークの探索結果を手掛かりに自己位置を好適に同定することができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することができる。
【０１１４】
また、本発明によれば、広い範囲で比較的短い探索時間で探索を行う大域探索と高精度だが探索時間を要する局所的探索とを併用して、高精度で、高速且つロバストな自己位置同定を行うことができる、優れたロボットの自己位置同定システム及び自己位置同定方法を提供することができる。
【図面の簡単な説明】
【図１】本発明に実施に供される移動ロボット１の機能構成を模式的に示した図である。
【図２】制御ユニット２０の構成をさらに詳細に示した図である。
【図３】マルコフ・ローカリゼーションにより求められた各グリッド上での自己位置確率密度分布を表した図である。
【図４】拡張カルマン・フィルタの構成を模式的に示した図である。
【図５】マルコフ・ローカリゼーションと拡張カルマン・フィルタを併用した本実施形態に係る自己位置同定システム１００の機能構成を模式的に示した図である。
【図６】自己位置同定システム１００の動作特性を示したフローチャートである。
【図７】マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の比較検証結果を示した図である。
【図８】マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の比較検証結果を示した図である。
【図９】マルコフ・ローカリゼーション並びに拡張カルマン・フィルタをそれぞれ単独で適用して自己位置同定を行った場合と、本発明に従ってマルコフ・ローカリゼーションと拡張カルマン・フィルタを組み合わせて自己位置同定を行った場合の比較検証結果を示した図である。
【符号の説明】
１…移動ロボット
１５…ＣＣＤカメラ
１６…マイクロフォン
１７…スピーカ
１８…タッチセンサ
１９…ＬＥＤインジケータ
２０…制御部
２１…ＣＰＵ
２２…ＲＡＭ
２３…ＲＯＭ
２４…不揮発メモリ
２５…インターフェース
２６…無線通信インターフェース
２７…ネットワーク・インターフェース・カード
２８…バス
２９…キーボード
４０…入出力部
５０…駆動部
５１…モータ
５２…エンコーダ
５３…ドライバ
１００…自己位置同定システム
１０１…マルコフ・ローカリゼーション部
１０２…拡張カルマン・フィルタ部
１０３…ＥＫＬ制御部
１０４…切換器
Claims (11)
- 移動機構を備えて所定の環境内を移動可能なロボットのための自己位置同定システムであって、
前記環境内に設置されたランドマークを観測する外界観測手段と、
ロボット自身の動作情報を観測する内界観測手段と、
マルコフ・ローカリゼーションを適用して、環境内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、前記外界観測手段によるランドマークの観測結果に応じて該ランドマークからの相対位置に基づいて自己位置を推定して自己位置確率密度分布を更新するとともに、前記内界観測手段によるロボット自身の動作情報の観測結果に基づいて、自己位置確率密度を更新し、各時刻において自己位置確率密度分布の最も高い値を持つグリッドを自己位置の推定結果として出力する第１の探索手段と、
前記内界観測手段によるロボット自身の動作情報と自己位置との関係を規定した状態モデルと、自己位置と前記外界観測手段によるランドマークの観測情報との関係を規定した観測モデルを備えた拡張カルマン・フィルタを適用して、前記内界観測手段によるロボット自身の動作情報及び前記外界観測手段によるランドマークの観測情報を基に自己位置を推定する第２の探索手段と、
前記第２の探索手段による自己位置の推定結果を前記第１の探索手段による自己位置の推定結果と比較することによりその妥当性を検証して、該評価が所定の基準を満たすことに応答して前記第２の探索手段による自己位置の推定結果を自己位置同定結果として出力するとともに、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段を再初期化する制御手段と、
を具備することを特徴とするロボットの自己位置同定システム。 - 前記制御手段は、前記第１の探索手段において推定された自己位置において前記外界観測手段によりランドマークを観測する確率を基に前記外界観測手段による外界観測結果の妥当性を評価して、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段への少なくとも外界観測情報の入力を制限する、
ことを特徴とする請求項１に記載のロボットの自己位置同定システム。 - 前記制御手段は、前記第２の探索手段による探索結果である確率密度分布を、前記第１の探索手段による探索結果である確率密度分布と比較することによってその妥当性を検証して、該評価が所定の基準を満たすことに応答して該探索結果を自己位置同定結果として出力するとともに、該評価が所定の基準を満たさなかったことに応答して前記第２の探索手段を再初期化する、
ことを特徴とする請求項１に記載のロボットの自己位置同定システム。 - 前記制御手段は、前記第１の探索手段と前記第２の探索手段の自己位置推定結果の類似度が低い場合には前記第２の探索手段の出力結果が妥当でないと評価する、
ことを特徴とする請求項１に記載のロボットの自己位置同定システム。 - 前記外界観測手段は、ランドマークを捕捉する画像入力手段及び入力画像を基にランドマーク及び該ランドマークまでの距離を認識する画像認識手段を備える、
ことを特徴とする請求項１に記載のロボットの自己位置同定システム。 - 前記外界観測手段は、ランドマークまでの距離を計測するレンジ・ファインダを備える、
ことを特徴とする請求項１に記載のロボットの自己位置同定システム。 - ランドマークは視認性の識別情報が表面に形成されている、
ことを特徴とする請求項１に記載のロボットの自己位置同定システム。 - 移動機構を備えて所定の環境内を移動可能なロボットのための自己位置同定方法であって、
前記環境内に設置されたランドマークを観測する外界観測ステップと、
ロボット自身の動作情報を観測する内界観測ステップと、
マルコフ・ローカリゼーションを適用して、環境内の自分の位置を離散的なグリッド上の自己位置確率密度分布として保持し、前記外界観測ステップによるランドマークの観測結果に応じて該ランドマークからの相対位置に基づいて自己位置を推定して自己位置確率密度分布を更新するとともに、前記内界観測ステップによる自身の動作情報の観測結果に基づいて、自己位置確率密度を更新し、各時刻において自己位置確率密度分布の最も高い値を持つグリッドを自己位置の推定結果として出力する第１の探索ステップと、
前記内界観測ステップによるロボット自身の動作情報と自己位置との関係を規定した状態モデルと、自己位置と前記外界観測ステップによるランドマークの観測情報との関係を規定した観測モデルを備えた拡張カルマン・フィルタを適用して、前記内界観測ステップによるロボット自身の動作情報及び前記外界観測ステップによるランドマークの観測情報を基に自己位置を推定する第２の探索ステップと、
前記第２の探索ステップによる自己位置の推定結果を前記第１の探索ステップによる自己位置の推定結果と比較することによりその妥当性を検証して、該評価が所定の基準を満たすことに応答して前記第２の探索ステップによる自己位置の推定結果を自己位置同定結果として出力するとともに、該評価が所定の基準を満たさなかったことに応答して前記第２の探索ステップを再初期化する制御ステップと、
を具備することを特徴とするロボットの自己位置同定方法。 - 前記制御ステップでは、前記第１の探索ステップにおいて推定された自己位置において前記外界観測ステップによりランドマークを観測する確率を基に前記外界観測ステップによる外界観測結果の妥当性を評価して、該評価が所定の基準を満たさなかったことに応答して前記第２の探索ステップへの少なくとも外界観測情報の入力を制限する、
ことを特徴とする請求項８に記載のロボットの自己位置同定方法。 - 前記制御ステップでは、前記第２の探索ステップによる探索結果である確率密度分布を、前記第１の探索ステップによる探索結果である確率密度分布と比較することによってその妥当性を検証して、該評価が所定の基準を満たすことに応答して該探索結果を自己位置同定結果として出力するとともに、該評価が所定の基準を満たさなかったことに応答して前記第２の探索ステップを再初期化する、
ことを特徴とする請求項８に記載のロボットの自己位置同定方法。 - 前記制御手段は、前記第１の探索ステップと前記第２の探索ステップの自己位置推定結果の類似度が低い場合には前記第２の探索ステップの出力結果が妥当でないと評価する、
ことを特徴とする請求項８に記載のロボットの自己位置同定方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001365752A JP3968501B2 (ja) | 2001-11-30 | 2001-11-30 | ロボットの自己位置同定システム及び自己位置同定方法 |
| US10/470,456 US7263412B2 (en) | 2001-11-30 | 2002-11-27 | Robot self-position identification system and self-position identification method |
| EP02783642A EP1450129A4 (en) | 2001-11-30 | 2002-11-27 | ROBOT AUTOMATIC POSITION IDENTIFICATION SYSTEM AND IDENTIFICATION METHOD |
| PCT/JP2002/012367 WO2003046478A1 (fr) | 2001-11-30 | 2002-11-27 | Systeme d'identification de position automatique d'un robot et procede d'identification |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001365752A JP3968501B2 (ja) | 2001-11-30 | 2001-11-30 | ロボットの自己位置同定システム及び自己位置同定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003166824A JP2003166824A (ja) | 2003-06-13 |
| JP3968501B2 true JP3968501B2 (ja) | 2007-08-29 |
Family
ID=19175740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001365752A Expired - Fee Related JP3968501B2 (ja) | 2001-11-30 | 2001-11-30 | ロボットの自己位置同定システム及び自己位置同定方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US7263412B2 (ja) |
| EP (1) | EP1450129A4 (ja) |
| JP (1) | JP3968501B2 (ja) |
| WO (1) | WO2003046478A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101409990B1 (ko) * | 2007-09-14 | 2014-06-23 | 삼성전자주식회사 | 로봇의 위치를 계산하기 위한 장치 및 방법 |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7373270B2 (en) * | 2003-03-26 | 2008-05-13 | Sony Corporation | Diagnosing device for stereo camera mounted on robot, and diagnostic method of stereo camera mounted on robot apparatus |
| US7188048B2 (en) * | 2003-06-25 | 2007-03-06 | Lockheed Martin Corporation | Refining stochastic grid filter |
| JP3994950B2 (ja) * | 2003-09-19 | 2007-10-24 | ソニー株式会社 | 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置 |
| KR100506097B1 (ko) * | 2004-02-04 | 2005-08-03 | 삼성전자주식회사 | 자기장 지도 생성 방법 및 장치와 이를 활용한 이동체의포즈 확인 방법 및 장치 |
| KR100763234B1 (ko) * | 2004-06-11 | 2007-10-04 | 삼성전자주식회사 | 주행 상태를 감지하는 시스템 및 방법 |
| JP4479372B2 (ja) * | 2004-06-25 | 2010-06-09 | ソニー株式会社 | 環境地図作成方法、環境地図作成装置、及び移動型ロボット装置 |
| US7908040B2 (en) * | 2004-07-15 | 2011-03-15 | Raytheon Company | System and method for automated search by distributed elements |
| JP2006220521A (ja) * | 2005-02-10 | 2006-08-24 | Hitachi Ltd | 自己位置計測装置及び自己位置計測方法を実行するためのプログラム |
| ES2706729T3 (es) * | 2005-12-02 | 2019-04-01 | Irobot Corp | Sistema de robot |
| KR100757839B1 (ko) * | 2006-04-04 | 2007-09-11 | 삼성전자주식회사 | 제어시스템, 제어시스템을 갖는 이동로봇장치 및 그제어방법 |
| JP4984650B2 (ja) * | 2006-05-30 | 2012-07-25 | トヨタ自動車株式会社 | 移動装置及び移動装置の自己位置推定方法 |
| JP4882575B2 (ja) * | 2006-07-27 | 2012-02-22 | トヨタ自動車株式会社 | 自己位置推定装置 |
| JP2008065562A (ja) * | 2006-09-06 | 2008-03-21 | Sony Corp | 情報処理装置、および同定処理方法、並びにコンピュータ・プログラム |
| JP2008185417A (ja) * | 2007-01-29 | 2008-08-14 | Sony Corp | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム |
| WO2008111692A1 (en) * | 2007-03-13 | 2008-09-18 | Research Institute Of Industrial Science & Technology | Landmark for position determination of mobile robot and apparatus and method using it |
| JP4696088B2 (ja) * | 2007-03-20 | 2011-06-08 | 富士通株式会社 | 自律移動体および移動方法 |
| KR101415879B1 (ko) | 2008-01-04 | 2014-07-07 | 삼성전자 주식회사 | 이동 로봇을 도킹시키는 방법 및 장치 |
| KR101081859B1 (ko) | 2008-04-28 | 2011-11-09 | 한양대학교 산학협력단 | 동적 환경에서의 위치 추정 방법 및 그 장치 |
| US20090299929A1 (en) * | 2008-05-30 | 2009-12-03 | Robert Kozma | Methods of improved learning in simultaneous recurrent neural networks |
| US8508590B2 (en) * | 2010-03-02 | 2013-08-13 | Crown Equipment Limited | Method and apparatus for simulating a physical environment to facilitate vehicle operation and task completion |
| US8538577B2 (en) * | 2010-03-05 | 2013-09-17 | Crown Equipment Limited | Method and apparatus for sensing object load engagement, transportation and disengagement by automated vehicles |
| US8400471B2 (en) * | 2010-03-08 | 2013-03-19 | Empire Technology Development, Llc | Interpretation of constrained objects in augmented reality |
| KR101251184B1 (ko) * | 2010-08-05 | 2013-04-08 | 서울대학교산학협력단 | 구동 명령을 이용한 비젼 트래킹 시스템 및 방법 |
| KR101194576B1 (ko) * | 2010-12-16 | 2012-10-25 | 삼성중공업 주식회사 | 풍력 터빈 조립 및 관리 로봇 및 이를 포함하는 풍력 터빈 시스템 |
| WO2012141601A2 (en) | 2011-04-11 | 2012-10-18 | Crown Equipment Limited | Method and apparatus for efficient scheduling for multiple automated non-holonomic vehicles using a coordinated path planner |
| US8655588B2 (en) | 2011-05-26 | 2014-02-18 | Crown Equipment Limited | Method and apparatus for providing accurate localization for an industrial vehicle |
| US8548671B2 (en) | 2011-06-06 | 2013-10-01 | Crown Equipment Limited | Method and apparatus for automatically calibrating vehicle parameters |
| US8594923B2 (en) | 2011-06-14 | 2013-11-26 | Crown Equipment Limited | Method and apparatus for sharing map data associated with automated industrial vehicles |
| US8589012B2 (en) | 2011-06-14 | 2013-11-19 | Crown Equipment Limited | Method and apparatus for facilitating map data processing for industrial vehicle navigation |
| US8799201B2 (en) | 2011-07-25 | 2014-08-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method and system for tracking objects |
| US20140058634A1 (en) | 2012-08-24 | 2014-02-27 | Crown Equipment Limited | Method and apparatus for using unique landmarks to locate industrial vehicles at start-up |
| US9056754B2 (en) | 2011-09-07 | 2015-06-16 | Crown Equipment Limited | Method and apparatus for using pre-positioned objects to localize an industrial vehicle |
| US8798840B2 (en) | 2011-09-30 | 2014-08-05 | Irobot Corporation | Adaptive mapping with spatial summaries of sensor data |
| CN102521475A (zh) * | 2011-11-01 | 2012-06-27 | 河南省电力公司计量中心 | 一种运动设备的运动轨迹描绘方法 |
| CN102566574B (zh) * | 2012-01-20 | 2014-12-31 | 北人机器人***（苏州）有限公司 | 一种基于激光传感的机器人轨迹生成方法及装置 |
| JP6233706B2 (ja) | 2013-04-02 | 2017-11-22 | パナソニックＩｐマネジメント株式会社 | 自律移動装置及び自律移動装置の自己位置推定方法 |
| CN104331078B (zh) * | 2014-10-31 | 2017-01-11 | 东北大学 | 一种基于位置映射算法的多机器人协作定位方法 |
| JP6187500B2 (ja) * | 2015-02-19 | 2017-08-30 | Ｊｆｅスチール株式会社 | 自律移動ロボットの自己位置推定方法、自律移動ロボット、及び自己位置推定用ランドマーク |
| JP6187499B2 (ja) * | 2015-02-19 | 2017-08-30 | Ｊｆｅスチール株式会社 | 自律移動ロボットの自己位置推定方法、自律移動ロボット、及び自己位置推定用ランドマーク |
| US10649466B2 (en) * | 2015-12-02 | 2020-05-12 | Husqvarna Ab | Navigation for a vehicle by implementing two operating modes |
| US10572802B1 (en) * | 2018-11-15 | 2020-02-25 | University Of South Florida | Learning state-dependent sensor measurement models for localization |
| CN110509312B (zh) * | 2019-08-29 | 2021-03-26 | 炬星科技（深圳）有限公司 | 机器人配置更新方法、电子设备及计算机可读存储介质 |
| US11577395B2 (en) | 2020-02-17 | 2023-02-14 | Toyota Research Institute, Inc. | Systems for determining location using robots with deformable sensors |
| JP7512839B2 (ja) | 2020-10-26 | 2024-07-09 | オムロン株式会社 | 制御装置、ロボット、制御方法、プログラム |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06201813A (ja) | 1992-12-28 | 1994-07-22 | Hitachi Ltd | 移動体の位置評定方法および装置 |
| KR950015327A (ko) | 1993-11-16 | 1995-06-16 | 배순훈 | 계단형 소거 헤드 및 그 구동 회로 |
| JP3390237B2 (ja) | 1993-12-21 | 2003-03-24 | 株式会社日立製作所 | プロセス制御方法および装置 |
| ATE185006T1 (de) * | 1996-03-06 | 1999-10-15 | Gmd Gmbh | Autonomes mobiles robotersystem für sensor- und kartengestützte navigation in einem leitungsnetzwerk |
| AU2003229008A1 (en) * | 2002-05-10 | 2003-11-11 | Honda Giken Kogyo Kabushiki Kaisha | Real-time target tracking of an unpredictable target amid unknown obstacles |
| KR100493159B1 (ko) * | 2002-10-01 | 2005-06-02 | 삼성전자주식회사 | 이동체의 효율적 자기 위치 인식을 위한 랜드마크 및 이를이용한 자기 위치 인식 장치 및 방법 |
-
2001
- 2001-11-30 JP JP2001365752A patent/JP3968501B2/ja not_active Expired - Fee Related
-
2002
- 2002-11-27 EP EP02783642A patent/EP1450129A4/en not_active Withdrawn
- 2002-11-27 WO PCT/JP2002/012367 patent/WO2003046478A1/ja not_active Application Discontinuation
- 2002-11-27 US US10/470,456 patent/US7263412B2/en not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101409990B1 (ko) * | 2007-09-14 | 2014-06-23 | 삼성전자주식회사 | 로봇의 위치를 계산하기 위한 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2003046478A1 (fr) | 2003-06-05 |
| EP1450129A1 (en) | 2004-08-25 |
| US20040249504A1 (en) | 2004-12-09 |
| EP1450129A4 (en) | 2005-01-12 |
| JP2003166824A (ja) | 2003-06-13 |
| US7263412B2 (en) | 2007-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3968501B2 (ja) | ロボットの自己位置同定システム及び自己位置同定方法 | |
| JP3945279B2 (ja) | 障害物認識装置、障害物認識方法、及び障害物認識プログラム並びに移動型ロボット装置 | |
| JP4839487B2 (ja) | ロボット及びタスク実行システム | |
| US20060064202A1 (en) | Environment identification device, environment identification method, and robot device | |
| Duisterhof et al. | Sniffy bug: A fully autonomous swarm of gas-seeking nano quadcopters in cluttered environments | |
| ES2675363T3 (es) | Procedimiento de construcción de un mapa de probabilidad entre la ausencia y la presencia de obstáculos para un robot autónomo | |
| JP2004110802A (ja) | 環境同定装置、環境同定方法、プログラム及び記録媒体、並びにロボット装置 | |
| US20040230340A1 (en) | Behavior controlling apparatus, behavior control method, behavior control program and mobile robot apparatus | |
| US9987745B1 (en) | Execution of robotic tasks | |
| RU2680791C2 (ru) | Всенаправленный колесный человекоподобный робот, основанный на контроллере положения и скорости с линейным прогнозированием | |
| KR101121763B1 (ko) | 환경 인식 장치 및 방법 | |
| US6556892B2 (en) | Control device and control method for robot | |
| Zalama et al. | Adaptive behavior navigation of a mobile robot | |
| JP2005193331A (ja) | ロボット装置及びその情動表出方法 | |
| JP2003266345A (ja) | 経路計画装置、経路計画方法及び経路計画プログラム並びに移動型ロボット装置 | |
| Calzado et al. | SAMI: interactive, multi-sense robot architecture | |
| Kim et al. | Providing services using network-based humanoids in a home environment | |
| JP2003266349A (ja) | 位置認識方法、その装置、そのプログラム、その記録媒体及び位置認識装置搭載型ロボット装置 | |
| JP4505998B2 (ja) | 移動ロボット及び移動ロボット間のデータ通信制御方法 | |
| JP2020055084A (ja) | 制御装置、ロボット、制御方法及びプログラム | |
| JP2001236585A (ja) | 移動ロボット及び移動ロボットのための盗難防止方法 | |
| WO2020008754A1 (ja) | 情報処理装置、最適時間推定方法、自己位置推定方法及びプログラムを記録した記録媒体 | |
| Newman et al. | Embedded mobile ros platform for slam application with rgb-d cameras | |
| Martínez et al. | A proposal of a multi-agent system implementation for the control of an Assistant Personal Robot | |
| Ahern et al. | Autonomous robot retrieval system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040805 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070213 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070405 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070508 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070521 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100615 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |