JP7385040B2

JP7385040B2 - モバイルクリーニングロボットの予知保全

Info

Publication number: JP7385040B2
Application number: JP2022534815A
Authority: JP
Inventors: ダニエル・ジェイ・バーンズ; テレサ・ボルツフ
Original assignee: アイロボット・コーポレーション
Priority date: 2019-12-11
Filing date: 2020-07-23
Publication date: 2023-11-21
Anticipated expiration: 2040-07-23
Also published as: CN114867399A; US20210177226A1; US11382473B2; JP2023506621A; EP4072390B1; WO2021118647A1; EP4072390A1

Description

優先権出願
本出願は、２０１９年１２月１１日に出願された米国特許出願第１６／７１０，１２６号の優先権の利益を主張し、その内容は、その全体が参照により本明細書に組み込まれている。

この明細書は、概して、モバイルロボットに関し、より詳細には、モバイルクリーニングロボットの予知保全のためのシステム、デバイス、および方法に関する。

自律型モバイルロボットは、環境の中の表面を動き回ることが可能である。自律型モバイルロボットの例は、環境（たとえば、家）の中のクリーニングタスクを自律的に実施するクリーニングロボットを含む。多くの種類のクリーニングロボットは、ある程度自律的であり、異なる方式で自律的である。クリーニングロボットは、「クリーニングミッション」を実行することが可能であり、「クリーニングミッション」では、ロボットは、それらの環境のフロア表面を横断し、同時に、フロア表面からデブリ（debris）を取り込む（たとえば、吸い込む）。

モバイルクリーニングロボットは、クリーニングヘッド（たとえば、ブラシまたはビータローラなど）を含むことが可能であり、クリーニングヘッドは、デブリをピックアップするか、または、デブリをピックアップすることを助ける。しかし、クリーニングヘッドは、デブリおよびダートをフロア表面から離れるように撹拌して抽出することが可能であるが、フィラメント（たとえば、髪の毛、糸、ひも、カーペット繊維）は、ローラにきつく巻き付けられる場合がある。とりわけ、ペットの毛は、急速に蓄積し、除去に抵抗する傾向がある。デブリが、クリーニングヘッドの中に蓄積する場合がある。追加的に、クリーニングヘッドは、時間の経過とともに摩耗する可能性がある。ルーチンメンテナンスが、効果的なクリーニングのために必須である。

米国特許第７，１９６，４８７号明細書米国特許第７，４０４，０００号明細書米国特許出願公開第２００５／０１５６５６２号明細書米国特許出願公開第２０１４／０１００６９３号明細書米国特許出願公開第２０１４／０２０７２８２号明細書米国特許第９，９９３，１２９号明細書

この明細書は、モバイルクリーニングロボットの中のクリーニングヘッドの状態、たとえば、クリーニングヘッドまたはそのクリーニング部材の摩耗レベルまたはデブリ蓄積レベル（すなわち、クリーニングヘッドの「汚さ」のレベル）などを自動的に決定するためのシステム、デバイス、および方法を説明する。クリーニングヘッド状態、ひいては、メンテナンスに関する要件は、モバイルロボットの通常の動作の間に決定され得る。予知保全アプローチを使用して、クリーニングヘッド状態は、予期寿命の母集団総計推定値（たとえば、平均または他の母集団ベースの統計）というよりもむしろ、クリーニングヘッドの実際の条件に基づいて決定される。一例示的なシステムは、環境を横断するモバイルクリーニングロボットによって作り出されるロボットデータを受信し、モバイルクリーニングロボットによって横断される特定の表面条件を有するフロアエリアに対応する受信されたロボットデータの一部分を抽出し、抽出されたロボットデータ部分を使用してロボットパラメータを決定し、クリーニングヘッドの状態を決定し、また、ロボットパラメータに基づいて、クリーニングヘッドの残存耐用年数を推定することが可能である。システムは、ユーザがクリーニングヘッドをクリーニングすることの推奨、または、ユーザが摩耗したクリーニングヘッドを交換することの推奨を発生させることが可能である。

例１は、モバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価するためのシステムであり、そのモバイルクリーニングロボットは、クリーニング部材を含み、クリーニング部材は、モータによって駆動され、デブリを抽出するためにフロア表面に回転可能に係合する。システムは、プロセッサ回路であって、プロセッサ回路は、環境を横断しているモバイルクリーニングロボットによって作り出されるロボットデータを受信するように構成されており、プロセッサ回路は、モバイルクリーニングロボットによって横断される環境の中のフロアエリアに対応する受信されたロボットデータの一部分を使用して、ロボットパラメータを決定するように構成されており、フロアエリアは、所定の表面条件を有しており、プロセッサ回路は、決定されたロボットパラメータに基づいてクリーニングヘッドの状態を決定するように構成されており、クリーニングヘッド状態は、クリーニング部材に関する摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示している、プロセッサ回路と、クリーニングヘッドの決定された状態をユーザに通知するように構成されているユーザインターフェースとを含む。

例２において、例１の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、ロボットパラメータのトレンドを発生させるように構成され得、ロボットパラメータの発生させられたトレンドに基づいて、クリーニングヘッドの状態を決定するように構成され得る。

例３において、例１～２のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、決定されたロボットパラメータを使用して、クリーニング部材の残存耐用年数の推定値（ERL）を発生させるようにさらに構成され得る。

例４において、例１～３のうちの任意の１つまたは複数の主題は、随意的に、ロボットデータを含み、そのロボットデータは、モータに供給される電圧、モータ電流、クリーニング部材の角速度、または、クリーニング部材において発生させられるトルクのうちの１つまたは複数の測定値を含むことが可能である。

例５において、例３～４のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、（１）クリーニングヘッドダイナミクスを表すクリーニングヘッドアッセンブリの数学的モデル、および、（２）表面条件を備えたフロアエリアに対応するデータ部分を使用して、クリーニング部材の状態変数を推定するように構成され得、推定された状態変数を使用して、クリーニング部材のERLを発生させるように構成され得る。

例６において、例５の主題は、随意的に、状態変数を含み、その状態変数は、クリーニング部材の中のデブリ蓄積またはクリーニング部材の摩耗に関連付けられた外乱トルクを含むことが可能である。

例７において、例５～６のうちの任意の１つまたは複数の主題は、随意的に、数学的モデルを含み、その数学的モデルは、状態空間モデルを含むことが可能であり、プロセッサ回路は、（１）クリーニング部材を駆動するためにモータに供給される電圧、および、（２）モバイルクリーニングロボットが１つまたは複数の表面条件において動作するときに結果として生じるモータ電流を使用して、状態空間応答モデルを発生させるように構成され得る。

例８において、例１～７のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、環境の中の１つまたは複数のフロアエリアの表面条件についての情報を含有するフロアマップに基づいて、表面条件を備えたフロアエリアに対応する受信されたロボットデータの一部分を抽出するように構成され得、表面条件は、フロアタイプ、環境の特定の空間的な場所におけるフロア表面、モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面、または、特定の寸法または形状を有するフロア表面のうちの１つまたは複数を含む。

例９において、例１～８のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、モバイルクリーニングロボットがドッキングステーションに戻るドッキング局面、または、モバイルクリーニングロボットがドッキングステーションを出発するアンドッキング局面のうちの少なくとも１つを含む、クリーニングミッションの局面にしたがって、受信されたロボットデータの一部分を抽出するように構成され得る。

例１０において、例１～９のうちの任意の１つまたは複数の主題は、随意的に、ロボットパラメータおよびプロセッサ回路を含み、そのロボットパラメータは、表面条件を備えたフロアエリアを横切ってクリーニング部材を駆動するためのモータによって発生させられるエネルギーを含むことが可能であり、そのプロセッサ回路は、モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、モータエネルギーのトレンドを発生させるように構成され得、第１のモニタリング期間の間のモータエネルギーの増加トレンドに基づいて、デブリ蓄積レベルを決定するように構成され得、第１のモニタリング期間よりも長い第２のモニタリング期間の間のモータエネルギーの減少トレンドに基づいて、摩耗レベルを決定するように構成され得る。

例１１において、例１０の主題は、随意的に、クリーニングヘッドの２つの連続したメンテナンスサービスの間に第１のモニタリング期間を含む。

例１２において、例１０～１１のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、クリーニングヘッドのメンテナンスの検出されたインジケーションに関して特定の時間においてそれぞれ生じた複数のクリーニングミッションにわたって、モータエネルギーのトレンドを示すように構成され得る。

例１３において、例１２の主題は、随意的に、メンテナンスがクリーニングヘッドに実施されているというインジケーションを検出するための１つまたは複数のセンサに連結されているメンテナンス検出器回路を含む。

例１４において、例１～１３のうちの任意の１つまたは複数の主題は、随意的に、ロボットパラメータおよびプロセッサ回路を含み、そのロボットパラメータは、モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面に回転可能に係合するようにクリーニング部材を駆動するモータの動的応答を含むことが可能であり、そのプロセッサ回路は、モータの決定された動的応答と、摩耗したクリーニングヘッドのための第１のモータ応答テンプレート、または、デブリが蓄積されたクリーニングヘッドのための第２のモータ応答テンプレートのうちの１つまたは複数との比較に基づいて、クリーニングヘッドの状態を決定するように構成され得、第１および第２のモータ応答テンプレートは、ドッキングステーションのプラットフォーム表面に回転可能に係合しているクリーニング部材に対応するロボットデータを使用してそれぞれ発生させられ得る。

例１５において、例１４の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、モータの決定された動的応答にフィットするようにパラメトリックモデルを発生させるように構成され得、フィットすることが特定の基準を満たすように、パラメトリックモデルに関する１つまたは複数のモデルパラメータを決定するように構成され得、決定された１つまたは複数のモデルパラメータを使用して、クリーニングヘッドの状態を決定するように構成され得る。

例１６において、例１～１５のうちの任意の１つまたは複数の主題は、随意的に、それぞれの表面条件を備えた環境の中のそれぞれのフロアエリアに関連付けられた複数の推定器を含む。複数の推定器は、それぞれのフロアエリアに対応する受信されたロボットデータの一部分を使用してそれぞれのロボットパラメータを決定するようにそれぞれ構成され得る。プロセッサ回路は、クリーニングミッションにおいて複数の推定器によってそれぞれに決定されるロボットパラメータを使用して複合ロボットパラメータを発生させるように構成され得、モバイルクリーニングロボットによるそれぞれのフロアエリアのうちの１つまたは複数の横断をそれぞれ含む複数のクリーニングミッションにわたって、複合ロボットパラメータのトレンドを発生させるように構成され得、複合ロボットパラメータの発生させられたトレンドに基づいて、クリーニングヘッドの状態を決定するように構成され得る。

例１７において、例１６の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、複数の推定器のそれぞれに関して、それぞれの重み係数を決定するように構成され得、それぞれの重み係数によって重み付けされたロボットパラメータの組合せを使用して、複合ロボットパラメータを発生させるように構成され得る。

例１８において、例１７の主題は、随意的に、複数の推定器およびプロセッサ回路を含み、その複数の推定器は、クリーニング部材の推定された残存耐用年数（ERL）を発生させるようにそれぞれ構成され得、そのプロセッサ回路は、それぞれの重み係数によって重み付けされたERLの組合せを使用して総計ERLを発生させるように構成され得る。

例１９において、例１７～１８のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、それぞれの推定器に関連付けられたフロアエリアのフロアタイプに基づいて、重み係数を決定するように構成され得る。

例２０において、例１７～１９のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、クリーニングミッションにおいてそれぞれの推定器に関連付けられたフロアエリアをモバイルクリーニングロボットが横断するときに獲得されたロボットデータの変動性メトリックに基づいて、重み係数を決定するように構成され得る。

例２１において、例１～２０のうちの任意の１つまたは複数の主題は、随意的に、ユーザインターフェースを含み、そのユーザインターフェースは、クリーニング部材のERLをユーザに通知するように構成され得る。

例２２において、例１～２１のうちの任意の１つまたは複数の主題は、随意的に、ユーザインターフェースを含み、そのユーザインターフェースは、決定されたデブリ蓄積レベルに応答してクリーニング部材をクリーニングすることの推奨、または、決定された摩耗レベルに基づいてクリーニング部材を交換することの推奨を発生させるように構成され得る。

例２３において、例１～２２のうちの任意の１つまたは複数の主題は、随意的に、ユーザインターフェースを含み、そのユーザインターフェースは、決定された摩耗レベルを有するクリーニングヘッドを交換するために、新しいクリーニングヘッドを購入するようにユーザを促すように構成され得る。

例２４は、モバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価する方法であり、モバイルクリーニングロボットは、クリーニング部材を含み、クリーニング部材は、モータによって駆動され、デブリを抽出するためにフロア表面に回転可能に係合する。方法は、環境を横断しているモバイルクリーニングロボットによって作り出されるロボットデータを受信するステップと、プロセッサ回路を介して、モバイルクリーニングロボットによって横断される環境の中のフロアエリアに対応する受信されたロボットデータの一部分を使用して、ロボットパラメータを決定するステップであって、フロアエリアは、所定の表面条件を有している、ステップと、プロセッサ回路を介して、決定されたロボットパラメータに基づいてクリーニングヘッドの状態を決定するステップであって、クリーニングヘッド状態は、クリーニング部材に関する摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示している、ステップと、クリーニングヘッドの決定された状態をユーザインターフェースの上に提示するステップとを含む。

例２５において、例２４の主題は、随意的に、環境の中の１つまたは複数のフロアエリアの表面条件についての情報を含有するフロアマップに基づいて、表面条件を備えたフロアエリアに対応する受信されたロボットデータの一部分を抽出するステップを含む。表面条件は、フロアタイプ、環境の中の特定の場所におけるフロア表面、モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面、または、特定の寸法または形状を有するフロア表面のうちの１つまたは複数を含むことが可能である。

例２６において、例２４～２５のうちの任意の１つまたは複数の主題は、随意的に、モバイルクリーニングロボットがドッキングステーションに戻るドッキング局面、または、モバイルクリーニングロボットがドッキングステーションを出発するアンドッキング局面のうちの少なくとも１つを含む、クリーニングミッションの特定の局面に基づいて、受信されたロボットデータの一部分を抽出するステップを含む。

例２７において、例２４～２６のうちの任意の１つまたは複数の主題は、随意的に、決定されたロボットパラメータを使用して、クリーニング部材の残存耐用年数の推定値（ERL）を発生させるステップを含む。

例２８において、例２７の主題は、随意的に、（１）クリーニングヘッドダイナミクスを表すクリーニングヘッドアッセンブリの数学的モデル、および、（２）表面条件を備えたフロアエリアに対応するデータ部分を使用して、クリーニング部材の状態変数を推定するステップと、推定された状態変数を使用して、クリーニング部材のERLを発生させるステップとを含む。

例２９において、例２８の主題は、随意的に、状態変数を含み、その状態変数は、クリーニング部材の中のデブリ蓄積またはクリーニング部材の摩耗に関連付けられる外乱トルクを含むことが可能である。本例は、（１）クリーニング部材を駆動するためにモータに供給される電圧と、（２）モバイルクリーニングロボットが１つまたは複数の表面条件において動作するときに結果として生じるモータ電流との間の関係を表す状態空間モデルを含む数学的モデルを発生させるステップをさらに含むことが可能である。

例３０において、例２４～２９のうちの任意の１つまたは複数の主題は、随意的に、ロボットパラメータを含み、そのロボットパラメータは、表面条件を備えたフロアエリアを横切ってクリーニング部材を駆動するためのモータによって発生させられるエネルギーを含むことが可能である。本例は、モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、ロボットパラメータのトレンドを発生させるステップと、第１のモニタリング期間の間のモータエネルギーの増加トレンドに基づいて、デブリ蓄積レベルを決定するステップと、第１のモニタリング期間よりも長い第２のモニタリング期間の間のモータエネルギーの減少トレンドに基づいて、摩耗レベルを決定するステップとをさらに含むことが可能である。

例３１において、例３０の主題は、随意的に、メンテナンスがクリーニングヘッドに実施されているというインジケーションを検出または受信するステップと、クリーニングヘッドの２つの連続したメンテナンスサービスの間の第１のモニタリング期間の間のモータエネルギーの増加トレンドに基づいて、デブリ蓄積レベルを決定するステップと、クリーニングヘッドのメンテナンスの検出されたインジケーションに関して特定の時間においてそれぞれ生じた複数のクリーニングミッションにわたって、モータエネルギーの減少トレンドに基づいて、摩耗レベルを決定するステップとを含む。

例３２において、例２４～３１のうちの任意の１つまたは複数の主題は、随意的に、ロボットパラメータを含み、そのロボットパラメータは、モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面に回転可能に係合するようにクリーニング部材を駆動するモータの動的応答を含むことが可能である。クリーニングヘッドの状態を決定するステップは、モータの決定された動的応答と、摩耗したクリーニングヘッドのための第１のモータ応答テンプレート、または、デブリが蓄積されたクリーニングヘッドのための第２のモータ応答テンプレートのうちの１つまたは複数との比較に基づいていることが可能である。第１および第２のモータ応答テンプレートは、ドッキングステーションのプラットフォーム表面に回転可能に係合しているクリーニング部材に対応するロボットデータを使用してそれぞれ発生させられ得る。

例３３において、例２４～３５のうちの任意の１つまたは複数の主題は、随意的に、第１の表面条件を有する環境の中の第１のフロアエリアに対応する受信されたロボットデータの第１の部分を使用して、少なくとも第１のロボットパラメータを決定し、第２の表面条件を有する環境の中の第２のフロアエリアに対応する受信されたロボットデータの第２の部分を使用して、第２のロボットパラメータを決定するステップであって、第１および第２のフロアエリアは、モバイルクリーニングロボットによってそれぞれ横断される、ステップと、少なくとも第１および第２のロボットパラメータを使用して、複合ロボットパラメータを発生させるステップと、モバイルクリーニングロボットによる第１のフロアエリアまたは第２のフロアエリアのうちの１つまたは複数の横断をそれぞれ含む複数のクリーニングミッションにわたって、複合ロボットパラメータのトレンドを発生させるステップと、複合ロボットパラメータの発生させられたトレンドに基づいて、クリーニングヘッドの状態を決定するステップとを含む。

例３４において、例３３の主題は、随意的に、それぞれの重み係数によって重み付けされた少なくとも第１および第２のロボットパラメータの重み付けされた組合せを発生させるステップを含む。

例３５において、例２４～３４のうちの任意の１つまたは複数の主題は、随意的に、第１のロボットパラメータを使用して、クリーニング部材の残存耐用年数の少なくとも第１の推定値（ERL）を発生させ、第２のロボットパラメータを使用して、クリーニング部材の第２のERLを発生させるステップと、それぞれの重み係数によって重み付けされた少なくとも第１および第２のERLを使用して、総計ERLを発生させるステップとを含む。

例３６は、モバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価するためのデバイスである。デバイスは、環境を横断するモバイルクリーニングロボットによって作り出されるロボットデータを受信するために、モバイルロボットに通信可能に連結するように構成されている通信回路と、環境の中の１つまたは複数のフロアエリアのフロアタイプを含む表面条件についての情報を含有するフロアマップを記憶するように構成されているメモリ回路と、プロセッサ回路であって、プロセッサ回路は、フロアマップを使用し、モバイルクリーニングロボットによって横断されるフロアエリアに対応する受信されたロボットデータの一部分を抽出するように構成されており、フロアエリアは、特定のフロアタイプを有しており、プロセッサ回路は、抽出されたデータ部分を使用して、ロボットパラメータを決定するように構成されており、プロセッサ回路は、決定されたロボットパラメータに基づいて、クリーニングヘッドの状態を決定するように構成されており、クリーニングヘッド状態は、クリーニングヘッドアッセンブリのクリーニング部材に関する摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示している、プロセッサ回路と、クリーニングヘッドの決定された状態をユーザに通知するように構成されているユーザインターフェースとを含む。

例３７において、例３６の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、決定されたロボットパラメータを使用して、クリーニング部材の残存耐用年数の推定値（ERL）を発生させるようにさらに構成され得る。

例３８において、例３６～３７のうちの任意の１つまたは複数の主題は、随意的に、ロボットパラメータおよびプロセッサ回路を含み、そのロボットパラメータは、特定のフロアタイプを備えたフロアエリアを横切ってクリーニング部材を駆動するためのモータによって発生させられるエネルギーを含むことが可能であり、そのプロセッサ回路は、モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、モータエネルギーのトレンドを発生させるように構成され得、第１のモニタリング期間の間のモータエネルギーの増加トレンドに基づいて、デブリ蓄積レベルを決定するように構成され得、第１のモニタリング期間よりも長い第２のモニタリング期間の間のモータエネルギーの減少トレンドに基づいて、摩耗レベルを決定するように構成され得る。

例３９において、例３６～３８のうちの任意の１つまたは複数の主題は、随意的に、ロボットパラメータおよびプロセッサ回路を含み、そのロボットパラメータは、モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面に回転可能に係合するようにクリーニング部材を駆動するモータの動的応答を含み、そのプロセッサ回路は、モータの決定された動的応答と、摩耗したクリーニングヘッドのための第１のモータ応答テンプレート、または、デブリが蓄積されたクリーニングヘッドのための第２のモータ応答テンプレートのうちの１つまたは複数との比較に基づいて、クリーニングヘッドの状態を決定するように構成され得る。第１および第２のモータ応答テンプレートは、ドッキングステーションのプラットフォーム表面に回転可能に係合しているクリーニング部材に対応するロボットデータを使用してそれぞれ発生させられ得る。

例４０において、例３６～３９のうちの任意の１つまたは複数の主題は、随意的に、プロセッサ回路を含み、そのプロセッサ回路は、第１のフロアタイプを有する第１のフロアエリアに対応する受信されたロボットデータの第１の部分を使用して、少なくとも第１のロボットパラメータを決定し、第２のフロアタイプを有する第２のフロアエリアに対応する受信されたロボットデータの第２の部分を使用して、第２のロボットパラメータを決定するように構成され得、第１および第２のフロアエリアは、モバイルクリーニングロボットによってそれぞれ横断され、プロセッサ回路は、それぞれの重み係数によって重み付けされた少なくとも第１および第２のロボットパラメータを使用して、複合ロボットパラメータを発生させるように構成され得、プロセッサ回路は、モバイルクリーニングロボットによる第１のフロアエリアまたは第２のフロアエリアのうちの１つまたは複数の横断をそれぞれ含む複数のクリーニングミッションにわたって、複合ロボットパラメータのトレンドを発生させるように構成され得、プロセッサ回路は、複合ロボットパラメータの発生させられたトレンドに基づいて、クリーニングヘッドの状態を決定するように構成され得る。

この発明の概要は、本出願の教示のうちのいくつかの概要であり、本主題の排他的なまたは包括的な表現方法であることを意図していない。本主題についてのさらなる詳細は、発明を実施するための形態および添付の特許請求の範囲の中に見出される。本開示の他の態様は、以下の詳細な説明を読んで理解すると、および、その一部を形成する図面を見ると、当業者に明らかになることとなり、それらのそれぞれは、限定的な意味で解釈されるべきではない。本開示の範囲は、添付の特許請求の範囲およびそれらの法的な均等物によって定義される。

さまざまな実施形態が、添付の図面の図に例として示されている。そのような実施形態は、例証的なものであり、本主題の包括的なまたは排他的な実施形態であることは意図していない。

モバイルロボットの側部断面図である。モバイルロボットの底面図である。モバイルロボットの上面斜視図である。モバイルクリーニングロボットを動作させるための制御アーキテクチャの一例を示すダイアグラムである。モバイルクリーニングロボットがその中で動作する通信ネットワーク、および、ネットワークの中のデータ伝送の一例を示すダイアグラムである。モバイルロボットと通信ネットワークの中の他のデバイスとの間で情報を交換する一例示的なプロセスを示すダイアグラムである。モバイルロボット予知保全（PdM）システムの一例を示すダイアグラムである。モバイルロボットのドッキングおよびアンドッキングを示すダイアグラムであり、その間に、ロボットデータが、クリーニングヘッド状態を評価するために獲得および使用される、ダイアグラムである。ロボットパラメータのトレンドに基づいてクリーニングヘッド状態を決定する一例示的な方法を示すダイアグラムである。ロボットパラメータのトレンドに基づいてクリーニングヘッド状態を決定する一例示的な方法を示すダイアグラムである。メンテナンス行為がモバイルロボットのクリーニングヘッドに実施されているということを検出する一例示的な方法を示すダイアグラムである。クリーニングヘッドモータの動的応答に基づいてクリーニングヘッド状態を決定する一例示的な方法を示す図である。クリーニングヘッドモータの動的応答に基づいてクリーニングヘッド状態を決定する一例示的な方法を示す図である。クリーニングヘッドモータの動的応答に基づいてクリーニングヘッド状態を決定する一例示的な方法を示す図である。クリーニングヘッドのクリーニング部材の残存耐用年数を推定するための線形回帰モデルの一例を示すグラフである。クリーニングヘッド状態についての情報を表示するように構成されているスマートフォンの上の一例示的なユーザインターフェースを示すダイアグラムである。クリーニングヘッド状態についての情報を表示するように構成されているスマートフォンの上の一例示的なユーザインターフェースを示すダイアグラムである。数学的モデルに基づいてバーチャルセンサを使用してクリーニングヘッド状態を決定するように構成されているモバイルロボットPdMシステムの一例を示すダイアグラムである。マルチ推定器融合に基づいてクリーニングヘッド状態を決定するように構成されている一例示的なモバイルロボットPdMシステムを示すダイアグラムである。環境の中の異なる領域に関連付けられた複数の推定器によってそれぞれに決定されるロボットパラメータの一融合を示すダイアグラムである。環境の中の異なる領域に関連付けられた複数の推定器によってそれぞれに決定されるロボットパラメータの一融合を示すダイアグラムである。モバイルクリーニングロボットの中のクリーニングヘッドの健康ステータスを評価する方法の一例を示すフローダイアグラムである。マルチ推定器融合に基づいてクリーニングヘッドの健康ステータスを評価する方法の一例を示すフローダイアグラムである。本明細書で議論されている技法（たとえば、方法論）のうちの任意の１つまたは複数がその上で実施され得る一例示的なマシンを示すブロック図である。

モバイルクリーニングロボットは、繰り返された使用の後に、回転ブラシまたはローラの周りにきつく巻き付く逸脱したフィラメント（たとえば、髪の毛、糸、ひも、カーペット繊維）などのような、そのクリーニングヘッドの中にデブリ蓄積を有する可能性がある。クリーニングヘッドは、時間の経過とともに摩耗する可能性がある。ルーチンメンテナンスは、効果的なクリーニングのために必須であり、また、モバイルロボットの健康的な動作条件および長期間の耐用年数のために必須である。従来、ロボットメンテナンス（たとえば、デブリをクリーニングすること、クリーニングヘッドを修理すること、または交換すること）は、定期的に実施されることが多い。これは、定期メンテナンスまたは予防メンテナンスとして知られており、それは、定期的にまたは設定された時間にルーチン検査を行うことを特徴としている。たとえば、基準時間から特定の量のランタイムが経過したときに（たとえば、最後のメンテナンスからの時間）、アラートがトリガされ、クリーニングブラシをクリーニングすること、または、クリーニングブラシの摩耗ステータスをチェックすることを、ユーザに気付かせることが可能である。いくつかのモバイルロボットは、オドメトリに基づいて、または、モバイルロボットによってトラベルされる距離に基づいて、定期メンテナンスを行い、ここでは、モバイルロボットが所定の量の距離をトラベルしたときに、メンテナンスアラートがトリガされる。メンテナンス（たとえば、ブラシをクリーニングすること）を実施した後、ユーザは、対応するタイマーまたはオドメータを手動でリセットすることが可能である。

定期メンテナンスは、経過時間またはトラベルした距離のいずれかに基づいて、デブリがすべてのロボットに関しておよびすべての環境において一定のレートで均一に蓄積するということを推測する経験則に本質的に依存している。しかし、実際には、デブリ蓄積は、ロボットごとに異なることが多い。モバイルロボットは、他の要因のなかでも、ロボット環境の中の異なるフロア条件、デブリの量および分布、クリーニングミッションの中の変動、または、クリーニング頻度もしくはスケジュールに起因して、一定のデブリ蓄積レートを維持することは滅多にない。追加的に、多くの従来のモバイルロボットに関して、定期メンテナンススケジュール（たとえば、メンテナンスアラートをトリガするための閾値時間または閾値距離など）は、クリーニングヘッドの劣化プロセス（たとえば、デブリ蓄積または通常の摩耗）の母集団総計近似に基づいて事前に決定される。そのような母集団ベースの推定は、個々のモバイルロボットのクリーニングヘッド状態の実際の検出または推論とは異なっていることが可能であり、クリーニングヘッドのデブリ状態または摩耗状態のアラームを、不正確にまたは時期を逃してトリガする可能性がある。たとえば、定期メンテナンスは、クリーニングヘッドが早急に対処する必要があるほど十分には汚れていないときまたは摩耗していないときには、不必要であるかまたは時期尚早である可能性がある。他方では、次の定期メンテナンスのかなり前にクリーニングヘッドが汚くなりまたは摩耗したときには、定期メンテナンスは時期遅れになる可能性がある。そのうえ、定期メンテナンスは、次の定期メンテナンスの前に起こるクリーニングヘッドの事故的な損傷を見逃す傾向がある。上に述べられているそれらの理由のために、少なくともいくつかのケースでは、定期メンテナンスは、不十分なクリーニング性能、損傷を受けたコンポーネント、および、ユーザの満足度の低下につながる可能性がある。

この明細書は、予知保全（PdM）パラダイムを議論しており、予知保全（PdM）パラダイムは、モバイルクリーニングロボットの中のクリーニングヘッド状態を予測し、それは、クリーニングヘッドまたはそのクリーニング部材のデブリ蓄積レベルまたは摩耗レベルの個別の推定を含む。PdM（条件ベースのメンテナンスとしても知られる）は、特定のタイプのイベント（たとえば、機器の障害または故障など）の発生を予測するために、通常の動作の間の機器の性能および条件をモニタリングするメンテナンスである。予防メンテナンスとは異なり、PdMは、平均または予期寿命統計（たとえば、デブリ蓄積サイクルまたはクリーニングヘッドの予期される寿命時間の母集団ベースの推定）というよりもむしろ、機器の実際の条件に依存し、メンテナンスが必要とされることとなるときを予測する。

モバイルクリーニングロボットの中のクリーニングヘッドの摩耗状態およびデブリ蓄積状態を推定するときに、摩耗またはデブリ蓄積を表す、モバイルロボットから（たとえば、機械的なまたは電気的なパラメータをセンシングするように構成されているセンサを介して）収集されたデータは、環境条件によって狂わされる可能性がある。たとえば、ロボットによって横断されるフロアタイプは、ロボットデータの特質を支配する可能性がある。専用のセンサが、たとえば、目視検査、トルクまたは力センシングなどを通して、クリーニングヘッドの動作ステータスを検査する自動的手段のための追加的なセンシング能力を追加するために使用され得る。しかし、これらの追加的なコンポーネントは、一体化されたシステムにコストおよび複雑さを追加する。代替的に、他のロボット動作（たとえば、ナビゲーション、クリーニング、およびモーション制御）の中で使用されており、モバイルロボットの中へすでに組み込まれているセンサまたは派生信号は、クリーニングヘッドデブリ蓄積状態および摩耗状態を評価するために、再使用されおよび別目的で使用され得る。たとえば、クリーニングヘッドを駆動するモータから測定される電流は、クリーニングヘッドの上の負荷を示している。負荷は、デブリ蓄積（たとえば、髪の毛）に起因する第１の成分と、クリーニング部材（たとえば、ブラシ）とフロアとの間の相互作用に起因する支配的な第２の成分とを含むことが可能である。モータ電流測定は、フロアタイプ（たとえば、ハードウッド、タイルまたはカーペット）などのような、クリーニングされているフロアエリアの表面条件によって支配され得る。本発明者らは、モバイルクリーニングロボットの予知保全における課題、とりわけ、異なるフロア条件の下で摩耗レベルおよびデブリ蓄積レベルを推定する改善された方法に対する満たされていないニーズを認識した。

本明細書は、モバイルクリーニングロボットの予知保全（PdM）を議論する。クリーニングヘッドアッセンブリは、１つまたは複数のクリーニング部材を含み、１つまたは複数のクリーニング部材は、１つまたは複数の電気モータによって駆動されており、デブリを撹拌および抽出するためにフロア表面に回転可能に係合している。一例示的なシステムは、環境を横断しているモバイルクリーニングロボットによって作り出されるロボットデータを受信するためのデータレシーバと、クリーニング部材のデブリ蓄積レベルおよび摩耗レベルを推定するコントローラとを含む。フロア相互作用の影響を明確化するために、および、測定されるロボットデータに対するクリーニングヘッドのデブリ状態または摩耗状態の影響を明確化するために、コントローラは、モバイルロボットによって横断される特定のフロアエリアに対応する受信されたロボットデータの一部分を使用して、ロボットパラメータを決定することが可能である。フロアエリアは、たとえば、特定のフロアタイプ、環境の中の特定の空間的な場所、または、特定のサイズまたは寸法を有する特定のエリアなど、特定の表面条件を有している。そのような制御された（すなわち、実質的に一定の）フロア条件によって、コントローラは、決定されたロボットパラメータに基づいて、摩耗レベルまたはデブリ蓄積レベルを示すクリーニングヘッドの状態を決定することが可能である。システムは、ユーザインターフェースを含み、決定されたデブリ状態または摩耗状態に基づいて、クリーニングヘッドのメンテナンスまたは交換を実施するようにユーザを促すことが可能である。

従来の定期または予防メンテナンスと比較して、本明細書に議論されているようなモバイルクリーニングロボットのPdMは、いくつかの利益を有している。第１に、クリーニングヘッドの実際の動作条件をモニタリングすることは、モバイルロボットの障害または故障の数を低減させ、修理のためのダウンタイムを低減させ、またメンテナンスコストを低減させることが可能である。第２に、デブリレベルおよび摩耗レベルは、ロボットナビゲーションおよびクリーニング制御などのような他のロボット動作のために使用されている、既存のセンサに基づくアルゴリズムを使用して推定される。摩耗状態およびデブリ状態検出のための専用のセンサの回避は、一体化されたロボットシステムの複雑さを低減させ、合計のコストを削減することが可能である。第３に、この明細書の中のモバイルロボットPdMパラダイムは、また、フロア相互作用の影響、ならびに、測定されたロボットデータに対するクリーニングヘッドのデブリおよび摩耗の影響を明確化する方法を含む。本発明者らは、フロアの空間的な情報およびフロア表面条件（たとえば、フロアタイプ）は、クリーニングヘッドとフロア表面との間のフロアタイプ相互作用を制御するための手段を提供することが可能であるということを認識した。モータ応答の瞬間的な測定などのようなロボットデータ（たとえば、電流引出し、エネルギー消費、その周波数ドメイン変換など）は、フロア表面との相互作用によって支配されるが、フロア場所およびフロア条件の関数としてこれらのロボットデータをトラッキングし、次いで、時間の経過に伴うそれらの観測値のトレンドを示すことは（たとえば、現在の測定ロボットデータおよび履歴ロボットデータを使用すること）、測定されたモータ信号からデブリおよび摩耗に起因する成分を隔離するための手段を提供することが可能である。たとえば、家の中のフロアタイプは頻繁には変化しないということを推測すると、いくつかのクリーニングミッションの過程にわたって採取されたロボットデータのトレンドは、フロア相互作用に起因するデータ変動を効果的に制御することが可能であり、残りの効果がデブリ蓄積および摩耗に起因することとなるということが予期される。フロアの空間的な場所およびフロア条件の効果が観測値から隔離および除去されると、より信頼性の高い正確な推論が、摩耗レベルまたはデブリ蓄積レベルを含む、クリーニングヘッドの状態に関するロボットデータから引き出され、その後に、メンテナンスの必要性をロボット所有者に伝えるために使用され得る。結果的に、本明細書で議論されているようなロボットクリーニングヘッド状態を評価するためのシステム、デバイス、および方法によって、モバイルロボットのより効率的なメンテナンスおよび改善された動作が実現され得る。

以下では、モバイルロボットおよびその作業環境が、図１～図３を参照して簡潔に議論される。本明細書で説明されているさまざまな実施形態による、カバレージ経路計画（coverage path planning）のシステム、デバイス、および方法の詳細な説明は、図４～図１５を参照して議論される。

自律型モバイルロボットの例
図１および図２Ａ～図２Ｂは、モバイルフロアクリーニングロボット１００の一例の異なる図を示している。図１を参照すると、ロボット１００は、ロボット１００がフロア表面１０を横断するときに、フロア表面１０からデブリ１０５を収集する。図２Ａを参照すると、ロボット１００は、ロボットハウジングインフラストラクチャ１０８を含む。ハウジングインフラストラクチャ１０８は、ロボット１００の構造的な周辺を画定することが可能である。いくつかの例では、ハウジングインフラストラクチャ１０８は、シャーシ、カバー、底部プレート、およびバンパアッセンブリを含む。ロボット１００は、小さいプロファイルを有する家庭用ロボットであり、ロボット１００が家の中の家具の下にフィットすることができるようになっている。たとえば、フロア表面に対するロボット１００の高さＨ１（図１に示されている）は、たとえば、１３センチメートル以下である。また、ロボット１００は、コンパクトである。ロボット１００の全体的な長さＬ１（図１に示されている）、および、全体的な幅Ｗ１（図２Ａに示されている）は、それぞれ、３０センチメートル～６０センチメートルの間にあり、たとえば、３０センチメートル～４０センチメートルの間にあるか、４０センチメートル～５０センチメートルの間にあるか、または、５０センチメートル～６０センチメートルの間にある。全体的な幅Ｗ１は、ロボット１００のハウジングインフラストラクチャ１０８の幅に対応することが可能である。

ロボット１００は、１つまたは複数のドライブホイールを含むドライブシステム１１０を含む。ドライブシステム１１０は、１つまたは複数の電気モータをさらに含み、１つまたは複数の電気モータは、電気回路１０６の一部を形成する電気的に駆動される部分を含む。ハウジングインフラストラクチャ１０８は、ロボット１００の中に電気回路１０６を支持しており、電気回路１０６は、少なくともコントローラ回路１０９を含む。

ドライブシステム１１０は、フロア表面１０を横切ってロボット１００を推進させるように動作可能である。ロボット１００は、前方ドライブ方向Ｆまたは後方ドライブ方向Ｒに推進させられ得る。また、ロボット１００は、ロボット１００が適切な場所でターンするように、または、ロボット１００が前方ドライブ方向Ｆもしくは後方ドライブ方向Ｒに移動しながらターンするように推進させられ得る。図２Ａに示されている例において、ロボット１００は、ドライブホイール１１２を含み、ドライブホイール１１２は、ハウジングインフラストラクチャ１０８の底部部分１１３を通って延在している。ドライブホイール１１２は、モータ１１４によって回転させられ、フロア表面１０に沿ったロボット１００の移動を引き起こす。ロボット１００は、パッシブキャスタホイール１１５をさらに含み、パッシブキャスタホイール１１５は、ハウジングインフラストラクチャ１０８の底部部分１１３を通って延在している。キャスタホイール１１５は動力を与えられていない。一緒になって、ドライブホイール１１２およびキャスタホイール１１５は、フロア表面１０の上方にハウジングインフラストラクチャ１０８を支持するように協働する。たとえば、キャスタホイール１１５は、ハウジングインフラストラクチャ１０８の後方部分１２１に沿って配設されており、ドライブホイール１１２は、キャスタホイール１１５の前方に配設されている。

図２Ｂを参照すると、ロボット１００は、実質的に長方形になっている前方部分１２２と、実質的に半円形になっている後方部分１２１とを含む。前方部分１２２は、側部表面１５０、１５２、前方表面１５４、および角部表面１５６、１５８を含む。前方部分１２２の角部表面１５６、１５８は、側部表面１５０、１５２を前方表面１５４に接続している。

図１および図２Ａ～図２Ｂに示されている例において、ロボット１００は、自律型モバイルフロアクリーニングロボットであり、自律型モバイルフロアクリーニングロボットは、フロア表面１０をクリーニングするように動作可能なクリーニングヘッドアッセンブリ１１６（図２Ａに示されている）を含む。たとえば、ロボット１００は、バキュームクリーニングロボットであり、バキュームクリーニングロボットの中では、クリーニングヘッドアッセンブリ１１６が、フロア表面１０からデブリ１０５（図１に示されている）を取り込むことによって、フロア表面１０をクリーニングするように動作可能である。クリーニングヘッドアッセンブリ１１６は、クリーニング入口部１１７を含み、デブリは、ロボット１００によってクリーニング入口部１１７を通して収集される。クリーニング入口部１１７は、ロボット１００の中心（たとえば、中心１６２）の前方に位置決めされており、前方部分１２２の側部表面１５０と側部表面１５２との間で、ロボット１００の前方部分１２２に沿って位置決めされている。

クリーニングヘッドアッセンブリ１１６は、１つまたは複数の回転可能な部材、たとえば、ローラモータ１２０によって駆動される回転可能な部材１１８を含む。回転可能な部材１１８は、ロボット１００の前方部分１２２を横切って水平方向に延在している。回転可能な部材１１８は、ハウジングインフラストラクチャ１０８の前方部分１２２に沿って位置決めされており、ハウジングインフラストラクチャ１０８の前方部分１２２の幅（たとえば、ロボット１００の全体的な幅Ｗ１に対応する）の７５%～９５%に沿って延在している。また、図１を参照すると、クリーニング入口部１１７は、回転可能な部材１１８同士の間に位置決めされている。

図１に示されているように、回転可能な部材１１８は、互いに逆回転するローラである。たとえば、回転可能な部材１１８は、フロントローラおよびリアローラを含むことが可能であり、フロントローラおよびリアローラは、フロア表面に対して平行に装着されており、小さい細長いギャップだけ互いから間隔を離して配置されている。回転可能な部材１１８は、平行な水平方向の軸線１４６、１４８（図２Ａに示されている）の周りに回転可能であり、フロア表面１０の上のデブリ１０５を撹拌し、クリーニング入口部１１７に向けて、クリーニング入口部１１７の中へ、および、ロボット１００の中の吸引経路１４５（図１に示されている）の中へ、デブリ１０５を方向付けることが可能である。図２Ａに戻って参照すると、回転可能な部材１１８は、ロボット１００の前方部分１２２の中に完全に位置決めされ得る。回転可能な部材１１８は、エラストマーシェルを含み、エラストマーシェルは、回転可能な部材１１８がハウジングインフラストラクチャ１０８に対して回転するときに、フロア表面１０の上のデブリ１０５に接触し、回転可能な部材１１８同士の間のクリーニング入口部１１７を通して、ロボット１００の内部の中へ、たとえば、デブリビン１２４（図１に示されている）の中へ、デブリ１０５を方向付ける。回転可能な部材１１８は、さらに、フロア表面１０に接触し、フロア表面１０の上のデブリ１０５を撹拌する。図２Ａに示されているような例では、回転可能な部材１１８（たとえば、フロントローラおよびリアローラなど）は、その円筒形状の外部に沿って分配されたシェブロン形状のベーンのパターンをそれぞれ特徴としていることが可能であり、少なくとも１つのローラのベーンは、ローラの長さに沿ってフロア表面と接触し、回転の間に一貫して印加される摩擦力（それは、しなやかなブリストルを有するブラシには存在しない）を経験する。

回転可能な部材１１８は、他の適切な構成をとることが可能である。一例では、フロントローラおよびリアローラのうちの少なくとも１つは、フロア表面を撹拌するためのブリストルおよび／または細長いしなやかなフラップを含むことが可能である。一例では、フラッパーブラシ（それは、クリーニングヘッドアッセンブリハウジングに回転可能に連結されている）は、柔軟なフラップを含むことが可能であり、柔軟なフラップは、コアから半径方向外向きに延在しており、ローラが回転するように駆動されるときに、フロア表面をスイープする。フラップは、逸脱したフィラメントがコアの周りにきつく巻き付くことを防止し、フィラメントのその後の除去を支援するように構成されている。フラッパーブラシは、軸線方向の端部ガードを含み、軸線方向の端部ガードは、外側コア表面の端部に隣接してコアの上に装着されており、巻き付けられたフィラメントが外側コア表面から装着特徴部の上に軸線方向に横断することを防止するように構成されている。フラッパーブラシは、コアから半径方向外向きに延在する複数のフロアクリーニングブリストルを含むことが可能である。

ロボット１００は、バキュームシステム１１９をさらに含み、バキュームシステム１１９は、回転可能な部材１１８同士の間のクリーニング入口部１１７を通してデブリビン１２４の中へ空気フローを発生させるように動作可能である。バキュームシステム１１９は、インペラおよびモータを含み、インペラを回転させ、空気フローを発生させる。バキュームシステム１１９は、クリーニングヘッドアッセンブリ１１６と協働し、フロア表面１０からデブリビン１２４の中へデブリ１０５を引き込む。いくつかのケースでは、バキュームシステム１１９によって発生させられる空気フローは、フロア表面１０の上のデブリ１０５を回転可能な部材１１８同士の間のギャップを通してデブリビン１２４の中へ上向きに引き込むのに十分な力を生成させる。いくつかのケースでは、回転可能な部材１１８は、フロア表面１０に接触し、フロア表面１０の上のデブリ１０５を撹拌し、それによって、バキュームシステム１１９によって発生させられる空気フローによってデブリ１０５がより容易に取り込まれることを可能にする。

ロボット１００は、ブラシ１２６（側部ブラシとも称される）をさらに含み、ブラシ１２６は、非水平方向の軸線の周りに回転し、たとえば、フロア表面１０と７５度～９０度の間の角度を形成する軸線の周りに回転する。非水平方向の軸線は、たとえば、回転可能な部材１１８の長手方向の軸線と７５度～９０度の間の角度を形成している。ロボット１００は、ブラシモータ１２８を含み、ブラシモータ１２８は、側部ブラシ１２６に操作可能に接続されており、側部ブラシ１２６を回転させる。

ブラシ１２６は、ロボット１００の前後軸線ＦＡから横方向にオフセットされた側部ブラシであり、ブラシ１２６がロボット１００のハウジングインフラストラクチャ１０８の外周を越えて延在するようになっている。たとえば、ブラシ１２６は、ロボット１００の側部表面１５０、１５２のうちの１つを越えて延在することが可能であり、それによって、回転可能な部材１１８が典型的に到達することができないフロア表面１０の部分の上のデブリに係合することが可能であり、たとえば、ロボット１００の直ぐ下のフロア表面１０の一部分の外側のフロア表面１０の部分の上のデブリに係合することが可能であり得る。また、ブラシ１２６は、ロボット１００の横方向の軸線ＬＡから前方にオフセットされており、ブラシ１２６が、また、ハウジングインフラストラクチャ１０８の前方表面１５４を越えて延在するようになっている。図２Ａに示されているように、ブラシ１２６は、ハウジングインフラストラクチャ１０８の側部表面１５０、角部表面１５６、および前方表面１５４を越えて延在している。いくつかの実装形態では、ブラシ１２６が側部表面１５０を越えて延在する水平方向の距離Ｄ１は、少なくとも、たとえば、０.２センチメートル、たとえば、少なくとも０.２５センチメートル、少なくとも０.３センチメートル、少なくとも０.４センチメートル、少なくとも０.５センチメートル、少なくとも１センチメートル、またはそれ以上である。ブラシ１２６は、その回転の間にフロア表面１０に接触するように位置決めされており、ブラシ１２６がフロア表面１０の上のデブリ１０５に容易に係合することができるようになっている。

ブラシ１２６は、ロボット１００が移動するときに、フロア表面１０の上のデブリをクリーニングヘッドアッセンブリ１１６のクリーニング経路の中へブラッシングするように、非水平方向の軸線の周りに回転可能である。たとえば、ロボット１００が前方ドライブ方向Fに移動している例では、ブラシ１２６は、時計回り方向（ロボット１００の上方の視点から見たとき）に回転可能であり、ブラシ１２６が接触するデブリが、クリーニングヘッドアッセンブリに向けて、および、前方ドライブ方向Ｆにクリーニングヘッドアッセンブリ１１６の前のフロア表面１０の一部分に向けて移動するようになっている。結果として、ロボット１００が前方ドライブ方向Ｆに移動するときに、ロボット１００のクリーニング入口部１１７は、ブラシ１２６によってスイープされたデブリを収集することが可能である。ロボット１００が後方ドライブ方向Ｒに移動している例では、ブラシ１２６は、反時計回り方向（ロボット１００の上方の視点から見たとき）に回転可能であり、ブラシ１２６が接触するデブリが、後方ドライブ方向Ｒにクリーニングヘッドアッセンブリ１１６の後ろのフロア表面１０の一部分に向けて移動するようになっている。結果として、ロボット１００が後方ドライブ方向Ｒに移動するときに、ロボット１００のクリーニング入口部１１７は、ブラシ１２６によってスイープされたデブリを収集することが可能である。

電気回路１０６は、コントローラ回路１０９に加えて、メモリストレージエレメント１４４と、たとえば１つまたは複数の電気センサを備えたセンサシステムとを含む。本明細書で説明されているように、センサシステムは、ロボット１００の現在の場所を示す信号を発生させることが可能であり、また、ロボット１００がフロア表面１０に沿ってトラベルするときに、ロボット１００の場所を示す信号を発生させることが可能である。コントローラ回路１０９は、本明細書で説明されているような１つまたは複数の動作を実施するように、インストラクションを実行するように構成されている。メモリストレージエレメント１４４は、コントローラ回路１０９によってアクセス可能であり、ハウジングインフラストラクチャ１０８の中に配設されている。１つまたは複数の電気センサは、ロボット１００の環境の中の特徴を検出するように構成されている。たとえば、図２Ａを参照すると、センサシステムは、クリフセンサ１３４を含み、クリフセンサ１３４は、ハウジングインフラストラクチャ１０８の底部部分１１３に沿って配設されている。クリフセンサ１３４のそれぞれは、光学センサの下方の物体（たとえば、フロア表面１０など）の存在または不在を検出することができる光学センサである。したがって、クリフセンサ１３４は、クリフセンサ１３４が配設されているロボット１００の部分の下方の急斜面およびクリフなどのような障害物を検出し、それにしたがってロボットを方向付けし直すことが可能である。センサシステムおよびコントローラ回路１０９のより詳細は、たとえば図３などを参照して、下記に議論される。

図２Ｂを参照すると、センサシステムは、１つまたは複数の近接センサを含み、その１つまたは複数の近接センサは、ロボット１００の近くにあるフロア表面１０に沿って物体を検出することが可能である。たとえば、センサシステムは、近接センサ１３６ａ、１３６ｂ、１３６ｃを含むことが可能であり、近接センサ１３６ａ、１３６ｂ、１３６ｃは、ハウジングインフラストラクチャ１０８の前方表面１５４に近接して配設されている。近接センサ１３６ａ、１３６ｂ、１３６ｃのそれぞれは、光学センサを含み、その光学センサは、ハウジングインフラストラクチャ１０８の前方表面１５４から外向きに面しており、それは、光学センサの前の物体の存在または不在を検出することが可能である。たとえば、検出可能な物体は、ロボット１００の環境の中の家具、壁、人、および他の物体などのような、障害物を含む。

センサシステムは、バンパ１３８を含むバンパシステムと、環境の中のバンパ１３８と障害物との間の接触を検出する１つまたは複数のバンプセンサとを含む。バンパ１３８は、ハウジングインフラストラクチャ１０８の一部を形成している。たとえば、バンパ１３８は、側部表面１５０、１５２および前方表面１５４を形成することが可能である。センサシステムは、たとえば、バンプセンサ１３９ａ、１３９ｂを含むことが可能である。バンプセンサ１３９ａ、１３９ｂは、ロボット１００（たとえば、バンパ１３８）と環境の中の物体との間の接触を検出することができるブレークビームセンサ、容量センサ、または他のセンサを含むことが可能である。いくつかの実装形態では、バンプセンサ１３９ａは、ロボット１００の前後軸線ＦＡ（図２Ａに示されている）に沿ったバンパ１３８の移動を検出するために使用され得、バンプセンサ１３９ｂは、ロボット１００の横方向の軸線ＬＡ（図２Ａに示されている）に沿ったバンパ１３８の移動を検出するために使用され得る。近接センサ１３６ａ、１３６ｂ、１３６ｃは、ロボット１００が物体に接触する前に、物体を検出することが可能であり、バンプセンサ１３９ａ、１３９ｂは、たとえば、ロボット１００の物体との接触に応答して、バンパ１３８に接触する物体を検出することが可能である。

センサシステムは、１つまたは複数の障害物検知センサ（obstacle following sensor）を含む。たとえば、ロボット１００は、側部表面１５０に沿って障害物検知センサ１４１を含むことが可能である。障害物検知センサ１４１は、光学センサを含み、光学センサは、ハウジングインフラストラクチャ１０８の側部表面１５０から外向きに面しており、それは、ハウジングインフラストラクチャ１０８の側部表面１５０に隣接する物体の存在または不在を検出することが可能である。障害物検知センサ１４１は、ロボット１００の前方ドライブ方向Ｆに対して垂直の方向に、および、ロボット１００の側部表面１５０に対して垂直の方向に、光学ビームを水平方向に放出することが可能である。たとえば、検出可能な物体は、ロボット１００の環境の中の家具、壁、人、および他の物体などのような、障害物を含む。いくつかの実装形態では、センサシステムは、側部表面１５２に沿って障害物検知センサを含むことが可能であり、障害物検知センサは、側部表面１５２に隣接する物体の存在または不在を検出することが可能である。側部表面１５０に沿った障害物検知センサ１４１は、右側の障害物検知センサであり、側部表面１５２に沿った障害物検知センサは、左側の障害物検知センサである。また、障害物検知センサ１４１を含む１つまたは複数の障害物検知センサは、（たとえば、本明細書で説明されている近接センサと同様の）障害物検出センサとしての役割を果たすことが可能である。この点において、左側の障害物検知センサは、ロボット１００の左側にある物体（たとえば、障害物表面）とロボット１００との間の距離を決定するために使用され得、右側の障害物検知センサは、ロボット１００の右側にある物体（たとえば、障害物表面）とロボット１００との間の距離を決定するために使用され得る。

いくつかの実装形態では、近接センサ１３６ａ、１３６ｂ、１３６ｃおよび障害物検知センサ１４１のうちの少なくともいくつかは、光学エミッタおよび光学検出器をそれぞれ含む。光学エミッタは、ロボット１００から外向きに（たとえば、水平方向に外向きに）、光学ビームを放出することが可能であり、光学検出器は、ロボット１００の近くの物体に反射する光学ビームの反射を検出する。ロボット１００は、たとえば、コントローラ回路１０９を使用して、光学ビームの飛行時間を決定することが可能であり、それによって、光学検出器と物体との間の距離、ひいては、ロボット１００と物体との間の距離を決定することが可能である。

いくつかの実装形態では、近接センサ１３６ａは、光学検出器１８０および複数の光学エミッタ１８２、１８４を含む。光学エミッタ１８２、１８４のうちの一方は、光学ビームを外向きにおよび下向きに方向付けるように位置決めされ得、光学エミッタ１８２、１８４のうちの他方は、光学ビームを外向きにおよび上向きに方向付けるように位置決めされ得る。光学検出器１８０は、光学ビームの反射または光学ビームからの散乱を検出することが可能である。いくつかの実装形態では、光学検出器１８０は、イメージングセンサ、カメラ、または、光信号をセンシングするためのいくつかの他のタイプの検出デバイスである。いくつかの実装形態では、光学ビームは、ロボット１００の前方の平面的な垂直方向の表面に沿って水平方向のラインを照射する。いくつかの実装形態では、光学エミッタ１８２、１８４は、障害物表面に向けて外向きにビームのファンをそれぞれ放出し、１次元グリッドのドットが、１つまたは複数の障害物表面の上に出現するようになっている。１次元グリッドのドットは、水平方向に延在するラインの上に位置決めされ得る。いくつかの実装形態では、ドットのグリッドは、複数の障害物表面、たとえば、互いに隣接する複数の障害物表面を横切って延在することが可能である。光学検出器１８０は、光学エミッタ１８２によって形成されるドットのグリッド、および、光学エミッタ１８４によって形成されるドットのグリッドを表すイメージをキャプチャすることが可能である。イメージの中のドットのサイズに基づいて、ロボット１００は、光学検出器１８０に対する、たとえば、ロボット１００に対する、物体（ドットがその上に出現する）の距離を決定することが可能である。ロボット１００は、ドットのそれぞれに関してこの決定を行うことが可能であり、したがって、ロボット１００が物体（ドットがその上に出現する）の形状を決定することを可能にする。加えて、複数の物体がロボット１００の前にある場合には、ロボット１００は、物体のそれぞれの形状を決定することが可能である。いくつかの実装形態では、物体は、ロボット１００の真正面のフロア表面１０の一部分から横方向にオフセットされている１つまたは複数の物体を含むことが可能である。

センサシステムは、イメージキャプチャデバイス１４０（たとえば、カメラ）をさらに含み、イメージキャプチャデバイス１４０は、ハウジングインフラストラクチャ１０８の上部部分１４２に向けて方向付けられている。イメージキャプチャデバイス１４０は、ロボット１００がフロア表面１０の周りを移動するときに、ロボット１００の環境のデジタル画像を発生させる。イメージキャプチャデバイス１４０は、上向き方向に角度を付けられており、たとえば、フロア表面１０（ロボット１００はフロア表面１０の周りをナビゲートする）から３０度～８０度の間の角度を付けられている。カメラは、上向きに角度を付けられているときに、環境の壁表面のイメージをキャプチャすることができ、壁表面の上の物体に対応する特徴が、ローカリゼーションのために使用され得るようになっている。

ロボット１００がミッションを実施することをコントローラ回路１０９が引き起こすときには、コントローラ回路１０９は、モータ１１４を動作させ、ドライブホイール１１２を駆動し、フロア表面１０に沿ってロボット１００を推進させる。加えて、コントローラ回路１０９は、ローラモータ１２０を動作させ、回転可能な部材１１８が回転することを引き起こし、また、ブラシモータ１２８を動作させ、側部ブラシ１２６が回転することを引き起こし、また、バキュームシステム１１９のモータを動作させ、空気フローを発生させる。ロボット１００がさまざまなナビゲーション行動およびクリーニング行動を実施することを引き起こすために、コントローラ回路１０９は、メモリストレージエレメント１４４の上に記憶されているソフトウェアを実行し、ロボット１００のさまざまなモータを動作させることによって、ロボット１００が実施することを引き起こす。コントローラ回路１０９は、ロボット１００のさまざまなモータを動作させ、ロボット１００が行動をとることを引き起こす。

センサシステムは、ロボット１００によってトラベルされる距離をトラッキングするためのセンサをさらに含むことが可能である。たとえば、センサシステムは、ドライブホイール１１２のためのモータ１１４に関連付けられたエンコーダを含むことが可能であり、これらのエンコーダは、ロボット１００がトラベルした距離をトラッキングすることが可能である。いくつかの実装形態では、センサシステムは、フロア表面に向けて下向きに面する光学センサを含む。光学センサは、光学マウスセンサであることが可能である。たとえば、光学センサは、ロボット１００の底部表面を通してフロア表面１０に向けて光を方向付けるように位置決めされ得る。光学センサは、光の反射を検出することが可能であり、ロボット１００がフロア表面１０に沿ってトラベルするときのフロア特徴の変化に基づいて、ロボット１００によってトラベルされる距離を検出することが可能である。

コントローラ回路１０９は、センサシステムのセンサによって収集されたデータを使用し、ミッションの間のロボット１００のナビゲーション行動を制御する。たとえば、コントローラ回路１０９は、ロボット１００の障害物検出センサ（たとえば、クリフセンサ１３４、近接センサ１３６ａ、１３６ｂ、１３６ｃ、およびバンプセンサ１３９ａ、１３９ｂ）によって収集されたセンサデータを使用し、ロボット１００が障害物を回避することを可能にし、または、ミッションの間にロボット１００の環境の中の階段から落ちることを防止する。いくつかの例では、コントローラ回路１０９は、環境のマップなどのような、環境についての情報を使用して、ロボット１００のナビゲーション行動を制御する。適正なナビゲーションによって、ロボット１００は、ゴール位置に到達することができ、または、可能な限り効率的におよび信頼性高く、カバレージミッションを完了する。本明細書で議論されているさまざまな実施形態によれば、コントローラ回路１０９は、カバレージプランナを含むことが可能であり、カバレージプランナは、合計のトラベル時間を最小化または低減させながら、ロボット１００が環境の全体（または、特定の部分）を少なくとも１回通過するためのカバレージプラン（たとえば、経路など）を識別するように構成されている。この明細書において、経路は、線形の経路セグメントのセットを含む軌跡を指しており、線形の経路セグメントは、線形の経路セグメント同士の間の複数のターンによって接続されている。ロボット１００は、１つの線形の経路セグメントから別の線形の経路セグメントへ切り替わるためにターンを行う。ロボット１００の合計のトラベル時間を低減させるために、カバレージプランナは、それらの間の複数のターンによって接続されている線形の経路セグメントのセットを含む経路を識別することが可能である。カバレージプランナは、この明細書の中に説明されているようなさまざまな実施形態による環境分割および経路計画技法を使用し、実質的に直交する方向（たとえば、経路の２つの部分の間で、おおよそ８０～１００度の範囲の中、または、おおよそ６０～１２０度の範囲の中などにある）に少なくとも１つの部分を有する経路と比較して、ターンの数を低減させる経路を決定することが可能である。いくつかの例では、２つ以上のロボットのチームが、それらのそれぞれの経路にしたがって、環境を共同でカバーすることが可能である。カバレージプランナは、それぞれの経路を識別することが可能であり、ロボットのチームの中の最も遅いロボットによって必要とされる時間が最小化または低減されるようになっている。カバレージプランナの例、および、低減された数のターンを伴う経路を識別する方法の例が、たとえば図４～図１５などを参照して、下記に議論される。

センサデータは、自己位置推定と地図作成を同時に行う（simultaneous localization and mapping）（SLAM）技法のためのコントローラ回路１０９によって使用され得、自己位置推定と地図作成を同時に行う（SLAM）技法において、コントローラ回路１０９は、センサデータによって表される環境の特徴を抽出し、環境のフロア表面１０のマップを構築する。イメージキャプチャデバイス１４０によって収集されるセンサデータは、視覚ベースのSLAM（VSLAM）などのような技法のために使用され得、視覚ベースのSLAM（VSLAM）において、コントローラ回路１０９は、環境の中の物体に対応する視覚的特徴を抽出し、これらの視覚的特徴を使用してマップを構築する。コントローラ回路１０９がミッションの間にフロア表面１０の周りにロボット１００を方向付けるとき、コントローラ回路１０９は、収集されたセンサデータの中に表された特徴を検出することによって、および、その特徴を以前に記憶されている特徴と比較することによって、SLAM技法を使用し、マップの中のロボット１００の場所を決定する。センサデータから形成されるマップは、環境の中の横断可能なおよび横断不可能なスペースの場所を示すことが可能である。たとえば、障害物の場所は、横断不可能なスペースとして、マップの上に示され、オープンフロアスペースの場所は、横断可能なスペースとして、マップの上に示される。

センサのいずれかによって収集されたセンサデータは、メモリストレージエレメント１４４の中に記憶され得る。加えて、SLAM技法のために発生させられる他のデータ（マップを形成するマッピングデータを含む）は、メモリストレージエレメント１４４の中に記憶され得る。ミッションの間に作り出されるこれらのデータは、永続的データを含むことが可能であり、永続的データは、ミッションの間に作り出され、また、それは、さらなるミッションの間に使用可能である。たとえば、ミッションは、第１のミッションであることが可能であり、さらなるミッションは、第１のミッションの後に起こる第２のミッションであることが可能である。ロボット１００がその行動をとることを引き起こすためのソフトウェアを記憶することに加えて、メモリストレージエレメント１４４は、センサデータを記憶し、または、１つのミッションから別のミッションへのコントローラ回路１０９によるアクセスのためのセンサデータの処理から結果として生じるデータを記憶する。たとえば、マップは、永続的マップであることが可能であり、永続的マップは、１つのミッションから別のミッションへロボット１００のコントローラ回路１０９によって使用可能および更新可能であり、フロア表面１０の周りでロボット１００をナビゲートする。この明細書において議論されているさまざまな実施形態によれば、永続的マップは、ユーザから受け取るインストラクションコマンドに応答して更新され得る。コントローラ回路１０９は、たとえば、計画された経路を修正することによって、または、障害物回避戦略を更新することなどによって、更新された永続的マップにしたがって、ロボット１００のその後のまたは将来のナビゲーション行動を修正することが可能である。計画された経路を修正することの例が、たとえば図１０～図１２などを参照して、下記に議論される。

永続的データ（永続的マップを含む）は、ロボット１００がフロア表面１０を効率的にクリーニングすることを可能にする。たとえば、永続的マップは、コントローラ回路１０９がオープンフロアスペースに向けてロボット１００を方向付けること、および、横断不可能なスペースを回避することを可能にする。加えて、後続のミッションのために、コントローラ回路１０９は、ミッションの間にとられる経路を最適化するために永続的マップを使用して、環境を通るロボット１００のナビゲーションを計画することができる。

ロボット１００は、いくつかの実装形態では、光インジケータシステム１３７を含むことが可能であり、光インジケータシステム１３７は、ロボット１００の上部部分１４２の上に位置付けされている。光インジケータシステム１３７は、光源を含むことが可能であり、光源は、デブリビン１２４をカバーする蓋部１４７の中に位置決めされている（図２Ｂに示されている）。光源は、蓋部１４７の周辺に光を方向付けるように位置決めされ得る。光源は、ロボット１００の上部部分１４２の上の連続的なループ１４３の任意の部分が照射され得るように位置決めされている。連続的なループ１４３は、ロボット１００の上部部分１４２の凹んだ部分の上に位置付けされており、光源が活性化されるとき、光源がロボット１００の表面を照射することができるようになっている。

図３は、モバイルクリーニングロボットを動作させるための制御アーキテクチャ３００の一例を示すダイアグラムである。コントローラ回路１０９は、通信システム３０５、クリーニングシステム３１０、ドライブシステム１１０、およびナビゲーションセンサシステム３２０を含む、ロボット１００のさまざまなサブシステムに通信可能に連結され得る。コントローラ回路１０９は、メモリユニット１４４を含み、メモリユニット１４４は、プロセッサ３２４によって処理するためのデータおよびインストラクションを保持している。プロセッサ３２４は、メモリユニット１４４からプログラムインストラクションおよびフィードバックデータを受け取り、プログラムインストラクションによって要求される論理的動作を実行し、また、ロボット１００のそれぞれのサブシステムコンポーネントを動作させるためのコマンド信号を発生させる。入力／出力ユニット３２６は、コマンド信号を送信し、さまざまな図示されているコンポーネントからフィードバックを受信する。

通信システム３０５は、ビーコン通信モジュール３０６およびワイヤレス通信モジュール３０７を含むことが可能である。ビーコン通信モジュール３０６は、コントローラ回路１０９に通信可能に連結され得る。いくつかの実施形態では、ビーコン通信モジュール３０６は、リモートデバイスへ信号を送るように、また、リモートデバイスから信号を受信するように動作可能である。たとえば、ビーコン通信モジュール３０６は、ナビゲーションのエミッタもしくはバーチャルウォールビーコンから投射されるナビゲーション信号を検出することが可能であり、または、ドッキングステーションのエミッタから投射されるホーミング信号を検出することが可能である。ドッキング技術、コンファインメント技術、ホームベース技術、およびホーミング技術は、米国特許第７，１９６，４８７号および米国特許第７，４０４，０００号、米国特許出願公開第２００５０１５６５６２号、ならびに米国特許出願公開第２０１４０１００６９３号に議論されている（それらの全体が、参照により本明細書に組み込まれている）。米国特許出願公開第２０１４／０２０７２８２号（その全体が、参照により本明細書に組み込まれている）に説明されているように、ワイヤレス通信モジュール３０７は、１つまたは複数のモバイルデバイス（たとえば、図４に示されているモバイルデバイス４０４）を伴う適切なワイヤレスネットワーク（たとえば、ワイヤレスローカルエリアネットワーク）にわたって、ロボット１００のステータスを説明する情報の通信を促進させる。通信システム３０５のさらなる詳細は、たとえば図４などを参照して、下記に議論される。

クリーニングシステム３１０は、ローラモータ１２０と、側部ブラシ１２６を駆動するブラシモータ１２８と、バキュームシステム１１９に動力を与える吸引ファンモータ３１６とを含むことが可能である。クリーニングシステム３１０は、複数のモータセンサ３１７をさらに含み、複数のモータセンサ３１７は、ローラモータ１２０、ブラシモータ１２８、および吸引ファンモータ３１６の動作をモニタリングし、コントローラ回路１０９によるモータの閉ループ制御を促進させる。いくつかの実施形態では、ローラモータ１２０は、コントローラ回路１０９（または、適切なマイクロコントローラ）によって動作させられ、クローズドループのパルス幅変調（PWM）技法を介して、特定の速度設定にしたがって、ローラ（たとえば、回転可能な部材１１８）を駆動し、ここで、フィードバック信号は、ローラモータ１２０の回転速度を示す信号をモニタリングするモータセンサ３１７から受信される。たとえば、そのようなモータセンサ３１７は、モータ電流センサ（たとえば、シャント抵抗器、電流センシング変圧器、および／またはHall効果電流センサ）の形態で提供され得る。

ドライブシステム１１０は、コントローラ回路１０９からのドライブコマンドまたは制御信号に応答してドライブホイール１１２を動作させるためのドライブホイールモータ１１４と、（たとえば、上に説明されているように適切なPWM技法を介して）ドライブホイールの閉ループ制御を促進させるための複数のドライブモータセンサ１６１とを含むことが可能である。いくつかの実装形態では、ドライブシステム１１０に割り当てられたマイクロコントローラは、x成分、y成分、およびθ成分を有するドライブコマンドを解読するように構成されている。コントローラ回路１０９は、ドライブホイールモータ１１４に個々の制御信号を発行することが可能である。いずれにしても、コントローラ回路１０９は、ドライブホイールモータ１１４を介してそれぞれのドライブホイール１１２の回転速度および方向を独立して制御することによって、クリーニング表面を横切って任意の方向にロボット１００を操縦することが可能である。

コントローラ回路１０９は、ナビゲーションセンサシステム３２０から受信される信号に応答して、ドライブシステム１１０を動作させることが可能である。たとえば、コントローラ回路１０９は、ドライブシステム１１０を動作させ、ロボット１００を方向付けし直し、フロア表面を処置している間に出会う障害物および散乱物を回避することが可能である。別の例では、ロボット１００が使用の間に立ち往生するかまたはもつれた場合には、コントローラ回路１０９は、１つまたは複数の脱出行動にしたがってドライブシステム１１０を動作させることが可能である。信頼性の高い自律的な移動を実現するために、ナビゲーションセンサシステム３２０は、互いに組み合わせて使用され得るいくつかの異なるタイプのセンサを含むことが可能であり、ロボット１００が特定の環境についてインテリジェントな決定を行うことを可能にする。例としておよび限定ではなく、ナビゲーションセンサシステム３２０は、近接センサ３３６（たとえば、近接センサ１３６ａ～１３６ｃなど）、クリフセンサ１３４、視覚センサ３２４のうちの１つまたは複数を含むことが可能であり、視覚センサ３２４は、たとえば、上に説明されているように、たとえばVSLAM技術などを使用して、動作環境の中の特徴およびランドマークを検出するように、および、バーチャルマップを構築するように構成されているイメージキャプチャデバイス１４０などである。

ナビゲーションセンサシステム３２０は、バンパ１３８の活性化に応答するバンパセンサ３３９（たとえば、バンパセンサ１３９ａおよび１３９ｂなど）をさらに含むことが可能である。センサシステム３２０は、慣性測定ユニット（IMU）１６４を含むことが可能であり、慣性測定ユニット（IMU）１６４は、フロアに対して実質的に垂直の垂直方向の軸線に対するロボット１００の位置の変化に部分的に応答し、また、（それは、フローリングタイプ変化に潜在的に起因する）高さの差を有するフロアタイプインターフェースにおいて、ロボット１００がピッチされる（pitched）ときをセンシングする。いくつかの例では、IMU１６４は、ジャイロセンサを有する６軸IMUであり、ジャイロセンサは、垂直方向の軸線に対するロボット１００の角速度を測定する。しかし、他の適切な構成も企図される。たとえば、IMU１６４は、垂直方向の軸線に沿ったロボット１００の線形加速度に敏感な加速度計を含むことが可能である。いずれにしても、IMU１６４からの出力は、コントローラ回路１０９によって受信され、フロア表面（ロボット１００がフロア表面を横切ってトラベルしている）の中の不連続性を検出するために処理される。本開示の文脈において、「フローリングの不連続性」および「閾値」という用語は、ロボット１００によって横断可能であるが、離散的な垂直方向の移動イベント（たとえば、上向きまたは下向きの「バンプ」）を引き起こす、フロア表面における任意の不規則性（たとえば、フローリングタイプの変化、または、フローリングインターフェースにおけるエレベーションの変化）を指す。垂直方向の移動イベントは、IMU１６４の構成および設置に応じて、ドライブシステムの一部（たとえば、ドライブホイール１１２のうちの１つ）、または、ロボットハウジング１０８のシャーシを指すことが可能である。フローリング閾値またはフローリングインターフェースの検出は、コントローラ回路１０９がフロアタイプの変化を予期することを促すことが可能である。たとえば、ロボット１００は、それがハイパイルカーペット（軟らかいフロア表面）からタイルフロア（硬いフロア表面）へ移動するときに、有意な下向きの垂直方向のバンプを経験する可能性があり、また、反対のケースでは、上向きのバンプを経験する可能性がある。

図示されている例に関連して示されても説明されてもいないが、多種多様な他のタイプのセンサが、本開示の範囲から逸脱することなく、ナビゲーションセンサシステム３２０（または、任意の他のサブシステム）の中に組み込まれ得る。そのようなセンサは、障害物検出ユニット、障害物検出障害物回避（ODOA）センサ、ホイールドロップセンサ、障害物検知センサ、ストールセンサユニット、ドライブホイールエンコーダユニット、およびバンパセンサなどとして機能することが可能である。

通信ネットワークの例
図４Ａは、例としておよび限定ではなく、モバイルロボット１００と１つまたは複数の他のデバイス（たとえば、モバイルデバイス４０４、クラウドコンピューティングシステム４０６、または、モバイルロボット４０４とは別個の別の自律型ロボット４０８など）との間のネットワーキングを可能にする通信ネットワークを示すダイアグラムである。通信ネットワーク４１０を使用して、ロボット１００、モバイルデバイス４０４、ロボット４０８、およびクラウドコンピューティングシステム４０６は、互いに通信し、互いにデータを送信すること、および、互いからデータを受信することが可能である。いくつかの実装形態では、ロボット１００、ロボット４０８、または、ロボット１００およびロボット４０８の両方が、クラウドコンピューティングシステム４０６を通してモバイルデバイス４０４と通信する。代替的にまたは追加的に、ロボット１００、ロボット４０８、または、ロボット１００およびロボット４０８の両方が、モバイルデバイス４０４と直接的に通信する。ワイヤレスネットワーク（たとえば、Bluetooth、ラジオ周波数、光学ベースなど）およびネットワークアーキテクチャ（たとえば、メッシュネットワーク）のさまざまなタイプおよび組合せが、通信ネットワーク４１０によって用いられ得る。

いくつかの実装形態では、図４に示されているようなモバイルデバイス４０４は、リモートデバイスであり、そのリモートデバイスは、クラウドコンピューティングシステム４０６にリンクされ得、また、ユーザがモバイルデバイス４０４の上に入力を提供することを可能にすることができる。モバイルデバイス４０４は、たとえば、タッチスクリーンディスプレイ、ボタン、マイクロホン、マウス、キーボード、または、ユーザによって提供される入力に応答する他のデバイスのうちの１つまたは複数などの、ユーザ入力エレメントを含むことが可能である。モバイルデバイス４０４は、代替的にまたは追加的に、没入型メディア（たとえば、バーチャルリアリティ）を含み、ユーザは、その没入型メディアと相互作用し、ユーザ入力を提供する。これらのケースにおいて、モバイルデバイス４０４は、たとえば、バーチャルリアリティヘッドセットまたはヘッドマウントディスプレイである。ユーザは、モバイルロボット４０４のためのコマンドに対応する入力を提供することが可能である。そのようなケースでは、モバイルデバイス４０４は、クラウドコンピューティングシステム４０６に信号を送信し、クラウドコンピューティングシステム４０６がモバイルロボット１００にコマンド信号を送信することを引き起こす。いくつかの実装形態では、モバイルデバイス４０４は、オーグメンテッドリアリティイメージを提示することが可能である。いくつかの実装形態では、モバイルデバイス４０４は、スマートフォン、ラップトップコンピュータ、タブレットコンピューティングデバイス、または他のモバイルデバイスである。

本明細書で議論されているさまざまな実施形態によれば、モバイルデバイス４０４は、ロボット環境のマップを表示するように構成されているユーザインターフェースを含むことが可能である。また、ロボット経路（たとえば、コントローラ回路１０９のカバレージプランナによって識別されるものなど）は、マップの上に表示され得る。インターフェースは、ユーザインストラクションを受信し、たとえば、なかでも、環境の中に立入禁止の横断可能なゾーンを追加するか、除去するか、もしくはその他の方法で修正することによって、環境の中の重複横断ゾーン（たとえば、繰り返されるクリーニングを必要とするエリアなど）を追加するか、除去するか、もしくはその他の方法で修正することによって、環境の一部分の中のロボット横断方向もしくは横断パターンを制限することによって、または、クリーニングランクを追加するかもしくは変更することになどよって、環境マップを修正することが可能である。

いくつかの実装形態では、通信ネットワーク４１０は、追加的なノードを含むことが可能である。たとえば、通信ネットワーク４１０のノードは、追加的なロボットを含むことが可能である。代替的にまたは追加的に、通信ネットワーク４１０のノードは、ネットワーク接続されたデバイスを含むことが可能である。いくつかの実装形態では、ネットワーク接続されたデバイスは、環境２０についての情報を発生させることが可能である。ネットワーク接続されたデバイスは、環境２０の中の特徴を検出するための１つまたは複数のセンサ、たとえば、音響センサ、イメージキャプチャシステム、または、信号（その信号から特徴が抽出され得る）を発生させる他のセンサなどを含むことが可能である。ネットワーク接続されたデバイスは、ホームカメラおよびスマートセンサなどを含むことが可能である。

図４に示されている通信ネットワーク４１０において、および、通信ネットワーク４１０の他の実装形態において、ワイヤレスリンクは、さまざまな通信スキーム、プロトコルなど、たとえば、Bluetoothクラス、Wi-Fi、Bluetooth-low-energy（BLEとしても知られる）、８０２.１５.４、Worldwide Interoperability for Microwave Access（WiMAX）、赤外線チャネル、または衛星バンドなどを利用することが可能である。いくつかのケースでは、ワイヤレスリンクは、それに限定されないが、１G、２G、３G、または４Gとしての資格を与える標準を含む、モバイルデバイスの間で通信するために使用される任意のセルラーネットワーク標準を含む。ネットワーク標準は、利用される場合には、国際電気通信連合によって維持されている仕様などのような、仕様または標準を満たすことによって、たとえば、モバイル電気通信標準の１つまたは複数の世代としての資格を与える。３G標準は、利用される場合には、たとえば、International Mobile Telecommunications-２０００（IMT-２０００）仕様に対応しており、４G標準は、International Mobile Telecommunications Advanced（IMT-Advanced）仕様に対応することが可能である。セルラーネットワーク標準の例は、AMPS、GSM、GPRS、UMTS、LTE、LTE Advanced、Mobile WiMAX、およびWiMAX-Advancedを含む。セルラーネットワーク標準は、さまざまなチャネルアクセス方法、たとえば、FDMA、TDMA、CDMA、またはSDMAを使用することが可能である。

図４Ｂは、モバイルロボット１００、クラウドコンピューティングシステム４０６、およびモバイルデバイス４０４を含む、通信ネットワーク４１０の中のデバイスの間で情報を交換する一例示的なプロセス４００を示すダイアグラムである。クリーニングミッションは、モバイルロボット１００の上のボタンを押すことによって開始させられ得、または、将来の時間または日に関してスケジュールされ得る。ユーザは、クリーニングミッションの間にクリーニングされるべき部屋のセットを選択することが可能であり、または、すべての部屋をクリーニングするようにロボットに指示することが可能である。また、ユーザは、クリーニングミッションの間にそれぞれの部屋の中で使用されることとなるクリーニングパラメータのセットを選択することが可能である。

クリーニングミッションの間に、モバイルロボット１００は、その場所、クリーニングの間に起こる任意の動作イベント、および、クリーニングするのに費やす時間を含む、そのステータスをトラッキング４１０する。モバイルロボット１００は、ステータスデータ（たとえば、場所データ、動作イベントデータ、時間データのうちの１つまたは複数）をクラウドコンピューティングシステム４０６に送信４１２し、そのクラウドコンピューティングシステム４０６は、プロセッサ４４２によって、クリーニングされることとなるエリアに関する推定時間を計算４１４する。たとえば、推定時間は、その部屋に関する複数の（たとえば、２つ以上の）以前のクリーニングミッションの間に集められた、その部屋に関する実際のクリーニング時間を平均することによって、クリーニング部屋に関して計算され得る。クラウドコンピューティングシステム４０６は、ロボットステータスデータとともに推定時間データをモバイルデバイス４０４に送信４１６する。モバイルデバイス４０４は、プロセッサ４４４によって、ディスプレイの上にロボットステータスデータおよび推定時間データを提示４１８する。ロボットステータスデータおよび推定時間データは、複数のグラフィック表現編集可能なミッションタイムラインおよび／またはマッピングインターフェースのいずれかとして、モバイルデバイスのディスプレイの上に提示され得る。

ユーザ４０２は、ディスプレイの上のロボットステータスデータおよび推定時間データを見て４２０、新しいクリーニングパラメータを入力４２２することが可能であり、または、クリーニングされることとなる部屋の順序もしくはアイデンティティを操作することが可能である。ユーザ４０２は、たとえば、モバイルロボット１００のクリーニングスケジュールから部屋を削除することが可能である。他の場合では、ユーザ４０２は、たとえば、クリーニングされることとなる部屋に関して、エッジクリーニングモードまたはディープクリーニングモードを選択することが可能である。モバイルデバイス４０４のディスプレイは、クリーニングパラメータまたはクリーニングスケジュールに対する変更をユーザが入力するときに更新される４２４。たとえば、ユーザがシングルパスクリーニングからデュアルパスクリーニングへクリーニングパラメータを変化させる場合には、システムは、推定される時間を更新し、新しいパラメータに基づいて推定値を提供することとなる。シングルパスクリーニング対デュアルパスクリーニングのこの例では、推定値は、おおよそ２倍になることとなる。別の例では、ユーザがクリーニングスケジュールから部屋を除去する場合には、合計の推定時間は、おおよそ、除去される部屋をクリーニングするために必要とされる時間だけ減少させられる。ユーザ４０２からの入力に基づいて、クラウドコンピューティングシステム４０６は、クリーニングされることとなるエリアに関する推定時間を計算４２６し、それは、次いで、（たとえば、ワイヤレス伝送によって、プロトコルを適用することによって、ワイヤレス伝送をブロードキャストすることによって）モバイルデバイス４０４に送信して戻され４２８、表示される。追加的に、計算４２６された推定時間に関係するデータは、ロボットのコントローラ４３０に送信４４６される。ユーザ４０２からの入力に基づいて（それは、モバイルロボット１００のコントローラ４３０によって受信される）、コントローラ４３０は、コマンド信号を発生４３２させる。コマンド信号は、所定の行動を実行４３４するようにモバイルロボット１００に命令し、その所定の行動は、クリーニング行動であることが可能である。クリーニング行動が実行されるとき、コントローラは、その場所、クリーニングの間に起こる任意の動作イベント、および、クリーニングするのに費やす時間を含む、ロボットのステータスをトラッキング４１０し続ける。いくつかの場合では、ロボットのステータスに関係するライブ更新は、プッシュ通知を介して、モバイルデバイスまたはホームエレクトロニクスシステム（たとえば、インタラクティブスピーカシステム）に追加的に提供され得る。

所定の行動を実行４３４すると、コントローラ４３０は、受信されたコマンド信号が、クリーニングミッションを完了するためのコマンドを含むかどうかを確かめるためにチェック４３６する。コマンド信号が、クリーニングミッションを完了するためのコマンドを含む場合には、ロボットは、そのドックに戻るように命令され、戻ったときに情報を送り、クラウドコンピューティングシステム４０６がミッションサマリを発生４３８させることを可能にし、そのミッションサマリは、モバイルデバイス４０４に送信され、モバイルデバイス４０４によって表示４４０される。ミッションサマリは、タイムラインおよび／またはマップを含むことが可能である。タイムラインは、クリーニングされた部屋、それぞれの部屋をクリーニングするのに費やした時間、それぞれの部屋の中でトラッキングされた動作イベントなどを表示することが可能である。マップは、クリーニングされた部屋、それぞれの部屋の中でトラッキングされた動作イベント、それぞれの部屋の中で実施されたクリーニング（たとえば、スイーピングまたはモッピング）のタイプなどを表示することが可能である。

本明細書で説明されているプロセス４００および他のプロセスのための動作は、分散された様式で実行され得る。たとえば、クラウドコンピューティングシステム４０６、モバイルロボット１００、およびモバイルデバイス４０４は、互いに協力して動作のうちの１つまたは複数を実行することが可能である。クラウドコンピューティングシステム４０６、モバイルロボット１００、およびモバイルデバイス４０４のうちの１つによって実行されるものとして説明されている動作は、いくつかの実装形態では、クラウドコンピューティングシステム４０６、モバイルロボット１００、およびモバイルデバイス４０４のうちの２つまたはすべてによって、少なくとも部分的に実行される。

モバイルロボット予知保全（PdM）システムの例
モバイルロボット１００などのようなモータクリーニングロボットの予知保全のシステム、デバイス、およびプロセスのさまざまな実施形態が、図５～図１７を参照して以下に議論される。いくつかのコンポーネント、モジュール、および動作は、ロボット１００によって、ユーザによって、コンピューティングデバイスによって、または別のアクターによって、実装および実施されるものとして説明されている可能性があるが、これらの動作は、いくつかの実装形態では、説明されているもの以外のアクターによって実施され得る。たとえば、ロボット１００によって実施される動作は、いくつかの実装形態では、クラウドコンピューティングシステム４０６によって、または、別のコンピューティングデバイス（もしくは、複数のデバイス）によって実施され得る。他の例では、ユーザによって実施される動作は、コンピューティングデバイスによって実施され得る。いくつかの実装形態では、クラウドコンピューティングシステム４０６は、動作を実施しない。むしろ、他のコンピューティングデバイスが、クラウドコンピューティングシステム４０６によって実施されるものとして説明されている動作を実施し、これらのコンピューティングデバイスは、互いにおよびロボット１００と直接的に（または、間接的に）通信した状態にあることが可能である。いくつかの実装形態では、ロボット１００は、ロボット１００によって実施されるものとして説明されている動作に加えて、クラウドコンピューティングシステム４０６またはモバイルデバイス４０４によって実施されるものとして説明されている動作を実施することが可能である。他の変形例も可能である。そのうえ、本明細書で説明されている方法、プロセス、および動作は、特定の動作またはサブ動作を含むものとして説明されているが、他の実装形態では、これらの動作もしくはサブ動作のうちの１つもしくは複数が省略され得、または、追加的な動作もしくはサブ動作が追加され得る。

図５は、モバイルロボットPdMシステム５００の一例を示すダイアグラムである。システム５００は、モバイルクリーニングロボットの中のクリーニングヘッドアッセンブリ（たとえば、モバイルロボット１００のクリーニングヘッドアッセンブリ１１６など）の健康ステータスを評価するように構成され得る。例としておよび限定ではなく、クリーニングヘッドの健康ステータスは、クリーニングヘッドアッセンブリまたはそのクリーニング部材のデブリ蓄積レベル、摩耗レベル、および残存耐用年数についての情報を含むことが可能である。

システム５００は、データレシーバ５１０、プロセッサ回路５２０、メモリ回路５３０、およびユーザインターフェース５４０のうちの１つまたは複数を含むことが可能である。システム５００の少なくとも一部分は、モバイルロボット１００、モバイルデバイス４０４、自律型ロボット４０８、またはクラウドコンピューティングシステム４０６のうちの１つまたは複数の中に実装され得る。たとえば、１つの実施形態では、システム５００のうちのいくつかまたはすべては、モバイルロボット１００の中に実装され、モバイルロボット１００によって実行され得、図３を参照すると、データレシーバ５１０は、ロボットデータを受信するためにセンサシステム３２０に連結されている入力／出力ユニット３２６の一部であることが可能であり、プロセッサ回路５２０は、プロセッサ３２４の一部であることが可能であり、メモリ回路５３０は、モバイルロボット１００の中のメモリユニット１４４の一部であることが可能である。別の実施形態では、システム５００のうちのいくつかまたはすべては、モバイルデバイス４０４（たとえば、モバイルロボット１００に通信可能に連結されているスマートフォンなど）の中に実装され得、モバイルデバイス４０４によって実行され得、データレシーバ５１０は、通信リンクを介してモバイルロボット１００からロボットデータを受信するように構成され得る。スマートフォンの中のメモリ回路５３０は、フロアマップ、および、フロア表面条件についての情報を記憶することが可能である。プロセッサ回路５２０は、スマートフォンの上でアプリケーション（「アプリ」）を実行し、クリーニングヘッド状態を決定することが可能であり、および／または、他の予知保全タスクのなかでも、クリーニングヘッドの残存耐用年数を推定することが可能である。

データレシーバ５１０は、そのアクティブ動作の間に、たとえば、環境（たとえば、家）を横断している間に、および、その環境の中のフロアエリアをクリーニングしている間などに、モバイルクリーニングロボットによって作り出されるロボットデータを受信することが可能である。データレシーバ５１０は、１つまたは複数のセンサ（たとえば、モータセンサ３１７など）に連結され得、その１つまたは複数のセンサは、クリーニングヘッドアッセンブリの動作状態を示すロボットデータをセンシングおよび獲得するように構成されている。ロボットデータの例は、クリーニングヘッドアッセンブリのクリーニング部材を駆動するモータ（たとえば、回転可能な部材１１８を駆動するローラモータ１２０、または、ドライブ側部ブラシ１２６を駆動するブラシモータ１２８）に供給される電圧、モータ電流センサ（たとえば、シャント抵抗器、電流センシング変圧器、および／またはHall効果電流センサ）によってセンシングされるものなどのようなモータ電流、クリーニング部材の角速度、モータ回転速度、または、クリーニング部材において発生させられるトルクの測定を含むことが可能である。一例では、回転速度は、モータのロータに位置付けされているか、または、モータとクリーニング部材との間のドライブトレインに沿った所定の場所に位置付けされている、エンコーダセンサを使用して測定され得る。エンコーダ技術の例は、光学的な、抵抗的な、容量的な、または誘導的な測定を含むことが可能である。一例では、トルク負荷は、たとえば、モータの上に装着されているか、もしくは、ドライブモータの間のドライブトレインに沿った所定の場所などに装着されているような、１つもしくは複数の歪みゲージを使用して測定され得、または、モータによって引き出されている電流を使用して推定され得る。

いくつかの例では、センサデータの測定値（たとえば、モータ電流または角速度）は、１つまたは複数の周波数-ドメインメトリック、たとえば、なかでも、支配的な周波数、共振、またはスペクトル密度へと変換され得る。たとえば、クリーニング部材（たとえば、回転可能な部材１１８）は、可撓性の材料から構築された円筒形状のエレメントであることが多く、したがって、励起されているときに機械的な共振を示す。これらの共振または他の周波数ドメイン特質の変化は、デブリ蓄積レベルまたは摩耗レベルを推定するために使用され得る。

プロセッサ回路５２０は、クリーニングヘッド状態を決定すること、および、クリーニングヘッドのメンテナンスまたは交換が必要であるかどうかを判定することを含む、PdMタスクを実施することが可能である。プロセッサ回路５２０は、マイクロプロセッサ回路の一部として実装され得、そのマイクロプロセッサ回路５２０は、デジタル信号プロセッサ、特定用途向け集積回路（ASIC）、マイクロプロセッサ、または、物理的な活動情報を含む情報を処理するための他のタイプのプロセッサなどのような、専用のプロセッサであることが可能である。代替的に、マイクロプロセッサ回路は、本明細書で説明されている機能、方法、または技法を実施するインストラクションのセットを受信および実行することができるプロセッサであることが可能である。

プロセッサ回路５２０は、空間フィルタ５２２、ロボットパラメータ発生器５２４、クリーニングヘッド状態検出器５２６、および残存寿命推定器５２８などのような、１つまたは複数の他の回路またはサブ回路を含む回路セットを含むことが可能である。これらの回路またはモジュールは、単独でまたは組み合わせて、本明細書で説明されている機能、方法、または技法を実施することが可能である。一例では、回路セットのハードウェアは、特定の動作を実施するように不変に設計され得る（たとえば、ハードワイヤード）。一例では、回路セットのハードウェアは、特定の動作のインストラクションをエンコードする物理的に修正されたコンピュータ可読媒体（たとえば、不変質量の粒子の磁気的に、電気的に、移動可能な設置など）を含む、可変的に接続されている物理的なコンポーネント（たとえば、実行ユニット、トランジスタ、単純回路など）を含むことが可能である。物理的なコンポーネントを接続する際に、ハードウェア構成要素の基礎的な電気特性が、たとえば、絶縁体から導体へ変化させられるか、または、同様にその反対に変化させられる。インストラクションは、埋め込まれているハードウェア（たとえば、実行ユニットまたはローディングメカニズム）が可変接続を介してハードウェアの中の回路セットの部材を生成させることを可能にし、動作中のときに特定の動作の一部分を実施する。したがって、コンピュータ可読媒体は、デバイスが動作しているときに、回路セット部材の他のコンポーネントに通信可能に連結されている。一例では、物理的なコンポーネントのうちのいずれかが、２つ以上の回路セットの２つ以上の部材の中に使用され得る。たとえば、動作下において、実行ユニットは、１つの時点において、第１の回路セットの第１の回路の中で使用され、また、異なる時間において、第１の回路セットの中の第２の回路によって、または、第２の回路セットの中の第３の回路によって再使用され得る。

空間フィルタ５２２は、受信されたロボットデータを処理し、モバイルロボットによって横断されるフロアエリアに対応する前記ロボットデータの一部分を抽出することが可能である。フロアエリアは、特定のフロア表面条件を有することが可能である。この明細書において、「表面条件」は、なかでも、フロアエリアの空間的な、幾何学的な、およびテクスチャの情報を含むことが可能である。フロアエリアの表面条件の例は、特定の空間的な場所（たとえば、特定の部屋またはエリア、たとえば、キッチン、または、部屋の中のサブ領域、たとえば、部屋または環境の一部分のグリッド入りマップの中のＭ行Ｎ列の領域のうちの１つまたは複数など）、特定のサイズ、形状、または寸法のフロアエリア、または、特定の表面タイプ（たとえば、ハードウッドまたはカーペット）を有するフロアエリアを含むことが可能である。

メモリ回路５３０は、環境の中の異なるフロアエリアに関するフロア表面条件５３２についての情報を含むフロアマップを記憶することが可能である。フロアエリアおよび対応するフロア表面条件は、フロアマップの上にマークされ得るかまたはその他の方法で識別され得る。ユーザは、モバイルロボットによって繰り返して横断およびクリーニングされた既知の表面条件を備えたフロアエリア、または、空間フィルタ５２２に関して同一の表面条件（たとえば、同じ表面タイプ）を備えた複数のフロアエリアを、フロアマップの上で指定することが可能である。たとえば、ハードウッド表面を備えた玄関ホールの中のフロアエリアが、フロアマップの上でユーザによって選択され得る。フロアマップおよび指定されたフロアエリアの場所に基づいて、空間フィルタ５２２は、指定されたフロアエリアを横切ってトラベルしてクリーニングするモバイルロボットに対応するデータ部分を抽出することが可能である。

いくつかの例では、ユーザは、関心のエリアとして、ドッキングステーションのプラットフォーム表面を指定することが可能である。ロボットデータは、モバイルロボットが命令された「ブラシ特性評価モード」で動作するときに獲得され得、その「ブラシ特性評価モード」では、モバイルロボットは、モバイルクリーニングロボットがドッキングステーションの上で静止したままの状態で、「クリーニング」動作を実施する（すなわち、クリーニング部材は、ドッキングステーションのプラットフォーム表面に回転可能に係合している）。

上に説明されているように、ロボットデータ（たとえば、クリーニング部材のブラシモータ電圧および電流および回転速度など）は、フロア表面とのクリーニング部材の相互作用によって支配される。一定の既知の表面条件（または、「制御された」表面条件）を備えた特定のフロアエリアに対応するロボットデータ部分を分析することによって、デブリおよび摩耗に起因する成分が、ロボットデータから隔離され得る。したがって、空間フィルタ５２２による空間フィルタリングは、フロア相互作用の影響、ならびに、測定されるロボットデータに対するクリーニングヘッドのデブリ蓄積および摩耗の影響を明確化するための手段を提供する。カーペットを敷いた表面と比較して、硬い表面（たとえば、ハードウッドフロア、タイル、または、ドッキングステーションのプラットフォーム表面）は、より滑らかで、よりリジッドになっており、髪の毛およびカーペット繊維などのような逸脱したフィラメントを引き付けて保つ可能性がより低くなっている。そうであるので、硬い表面の上で動作するときには、クリーニング部材は、一般的に、カーペットの上においてよりも、硬い表面の上において、より少ない摩擦を経験し、測定されるロボットデータに対するクリーニングヘッド-フロア相互作用の影響は、一般的に、より重要でなくなり、より予測可能である。いくつかの例では、空間フィルタ５２２は、モバイルロボットによって繰り返して横断される硬いフロア表面のみを備えたフロアエリアに対応するロボットデータ部分を抽出することが可能である。

フロアエリアの空間的な、幾何学的な、およびテクスチャの情報などのような、表面条件に加えてまたはその代わりに、空間フィルタ５２２は、モバイルクリーニングロボットによって特定のフロアエリアを横断するモードに基づいて、ロボットデータ部分を抽出することが可能である。横断モードの例は、カバレージ経路（たとえば、フロアエリアに進入およびフロアエリアから退出する場所および方向、ならびに、フロアエリアの中の経路配向）、横断パターン（たとえば、経路のシーケンスもしくは配置）、または横断速度を含むことが可能である。一例では、ユーザは、モバイルロボットによって繰り返して横断およびクリーニングされるフロアエリア、ならびに、特定のカバレージ経路または横断パターンを、フロアマップの上に指定することが可能である。空間フィルタ５２２は、指定された横断経路またはパターンにしたがって指定されたフロアエリアを横切ってトラベルしてクリーニングするモバイルロボットに対応するデータ部分を抽出することが可能である。別の例では、ユーザは、フロアエリアおよびモバイルロボットに関する横断速度要件を指定することが可能である。たとえば、空間フィルタ５２２は、その全速力でトラベルしながら指定されたフロアエリアをクリーニングするモバイルロボットに対応するデータ部分を抽出することが可能である。

いくつかの例では、空間フィルタ５２２は、代替的に、クリーニングミッションの特定の局面に対応するロボットデータの一部分を抽出することが可能である。クリーニングミッションは、一般的に、アンドッキングセッションによって始まり、ドッキング局面によって終了し、そのアンドッキングセッションの間に、クリーニングロボットは、ドッキングステーションから出発し、環境の中の複数の領域を横切る一連のフロアクリーニングを含むクリーニング局面がそれに続き、そのドッキング局面の間に、クリーニングロボットは、ドッキングステーションに戻る。ドッキングステーションは、クリーニングセッションを開始および終了するために、モバイルクリーニングロボットのためのランドマークとしての役割を果たしている。ここで図６を参照すると、クリーニングロボット１００は、クリーニングミッションの前に、ドッキングステーション６１０のプラットフォーム６１２の上に留まっている。モバイルクリーニングロボット１００がドッキングステーション６１０を出発し、アンドッキング経路６２０Ａに沿って逆方向６３２に沿って後ろ向きにトラベルするときに、クリーニングミッションは、アンドッキング局面によって開始する。アンドッキングの間に、モバイルロボット１００は、アンドッキング経路６２０Ａのフロア表面をアクティブにクリーニングすることが可能である。モバイルロボット１００が特定の距離にわたって後退するときに、アンドッキング局面は終了する。次いで、モバイルロボット１００は、方向６４０に沿って特定の角度だけ回転し、ドッキングステーション６１０に対して前向きの方向から後ろ向きの方向に切り替わり、前方にトラベルし、クリーニングミッションを継続する。

ドッキング局面の間に、モバイルロボット１００は、ドッキング経路６２０Ｂに沿って前方方向６３４に沿ってトラベルし、一方、同時に、ドッキング経路６２０Ｂのフロア表面をアクティブにクリーニングする。ドッキングステーション６１０に接近すると、モバイルロボット１００は、ドッキングステーション６１０に対して前向きの方向から後ろ向きの方向へ回転し、ドッキングステーション６１０のプラットフォーム６１２の上に後退し、クリーニングミッションを完了する。

アンドッキング経路６２０Ａおよびドッキング経路６２０Ｂは、それぞれ、決定論的なフロア条件を備えた真っ直ぐな経路であることが可能である。アンドッキング操縦およびドッキング操縦は、異なるクリーニングミッションにわたって繰り返し可能であり、モバイルロボット１００が、アンドッキングの間に、一定の既知のフロア表面条件によって、実質的に同じアンドッキング経路６２０Ａをカバーするようになっており、同様に、ドッキングの間に、一定の既知のフロア表面条件によって実質的に同じドッキング経路６２０Ｂをカバーするようになっている。いくつかの例では、アンドッキング経路６２０Ａおよびドッキング経路６２０Ｂは、同じ経路であることが可能である。空間フィルタ５２２は、モバイルロボット１００がアンドッキング経路６２０Ａを横断してそのフロア表面をクリーニングするときに、アンドッキング局面に対応するロボットデータの第１の部分を識別および抽出することが可能である。追加的にまたは代替的に、空間フィルタ５２２は、モバイルロボット１００がドッキング経路６２０Ｂを横断してそのフロア表面をクリーニングするときに、ドッキング局面に対応するロボットデータの第２の部分を識別および抽出することが可能である。ドッキング経路およびアンドッキング経路は、既知の（および、実質的に一定の）フロア表面条件を伴う決定論的なフロアエリアであるので、ドッキング局面またはアンドッキング局面に基づくロボットデータの空間フィルタリングは、フロアマップが存在しないときでも、異なるクリーニングミッションにわたってフロア条件を効果的に制御することが可能である。これは、クリーニングミッションにわたって制御された（すなわち、実質的に一定の）表面条件を備えたフロアエリアを識別するためにフロアマップを必要とする空間フィルタリングと比較して、その単純さに起因して有利である可能性がある。また、それは、フロアマップを生成させるかまたは記憶する能力を欠く非マッピングモバイルロボットに関して有益である可能性がある。

いくつかの例では、空間フィルタ５２２は、追加的にまたは代替的に、アンドッキング局面の直ぐ後に続くＴ１秒、または、ドッキング局面の直前のＴ２秒などのような、ドッキングまたはアンドッキングに関して特定の時間期間に対応するロボットデータの第３の部分を識別および抽出することが可能である。たとえば、ドッキング局面およびアンドッキング局面に一時的に近いものなど、クリーニング局面の特定の部分の間に、クリーニング局面は、一般的に、可変のフロア表面条件を伴う可変の（または、ミッション特有の）経路および可変のフロアエリアに関連付けられるが、モバイルロボットは、同じフロア表面条件によって、実質的に同じフロアエリアをカバーする可能性がより高く、したがって、ロボットデータの空間フィルタリングのために使用され得る。

図５に戻って参照すると、ロボットパラメータ発生器５２４は、特定の表面条件を備えたフロアエリアに対応する受信されたロボットデータの一部分を使用して、ロボットパラメータを決定することが可能である。一例では、ロボットパラメータは、たとえば、回転可能な部材１１８を駆動するローラモータ１２０、または、側部ブラシ１２６を駆動するブラシモータ１２８など、フロアエリアのフロア表面に回転可能に係合してデブリを撹拌および抽出するようにクリーニングヘッドを駆動するクリーニングヘッドモータによって消費される電力（Ｐ）を含むことが可能である。フロア相互作用およびクリーニングに対応する第１の電力成分（Ｐ１）に加えて、電力消費Ｐは、第２の電力成分Ｐ２（外乱電力とも称される）を追加的に含むことが可能であり、それは、クリーニングヘッドの中に蓄積されたデブリ（たとえば、ローラまたは回転ブラシの周りに巻き付く逸脱したフィラメント）に起因する摩擦または張力に打ち勝つために働かされる。外乱電力Ｐ２は、デブリ蓄積レベルに相関付けられ得る。追加的に、フロア表面を撹拌するための回転可能な部材１１８の上のブリストルまたはフラップなどのような、クリーニングヘッドに対する摩耗または損傷は、また、モータ電力に影響を与える可能性がある。たとえば、完全に***したフラップまたは太くて弾性のブリストルを備えたクリーニング部材と比較して、平坦化されたフラップまたは軟らかくて鈍いブリストルを備えた摩耗したまたは損傷したクリーニング部材は、フロア係合の間に、より少ない摩擦に出会い、したがって、より少ない電力によって、モータによってより容易に駆動され得る。したがって、モータ電力Ｐ、または、その成分（たとえば、外乱電力Ｐ２）は、クリーニングヘッドアッセンブリのクリーニング部材の摩耗レベルを決定するために使用され得る。

モータ電力は、クリーニング部材を駆動するモータの電気的なパラメータ測定値を使用してコンピュータ計算され得る。たとえば、モータ電力は、モータ電流、バッテリー電圧、およびモータ速度のうちの１つまたは複数の関数としてコンピュータ計算され得る。いくつかの例では、ローラモータ１２０またはブラシモータ１２８は、クローズドループのパルス幅変調（PWM）技法を介して特定の速度設定にしたがってそれぞれのクリーニング部材を駆動することが可能であり、モータ電力Ｐは、ローラモータ１２０またはブラシモータ１２８に供給される測定電圧、それぞれのモータにおいて作り出される測定電流、および、それぞれのモータに給送されるPWM制御信号特質（たとえば、スイッチング周波数またはデューティーサイクルなど）に基づいて計算され得る。「MOBILE FLOOR-CLEANING ROBOT WITH FLOOR-TYPE DETECTION」という表題の同一出願人による米国特許第９，９９３，１２９号は、モータパラメータを使用してモータ電力を決定する技法を説明しており、その説明は、その全体が参照により本明細書に組み込まれている。

いくつかの例では、ロボットパラメータ発生器５２４は、特定の表面条件を備えたフロアエリアの全体（または、一部分）を横切って横断してクリーニングするために、クリーニングヘッドモータによって消費されるエネルギー（E）を決定することが可能である。モータエネルギー（E）は、モバイルロボットがフロアエリアを横断可能にクリーニングするためにかけられる時間にわたって、電力（Ｐ）の積分としてコンピュータ計算され得る。Ｐ１およびＰ２成分を含むモータ電力（Ｐ）と同様に、モータエネルギー（E）は、フロア表面とのクリーニング部材の相互作用に対応する第１のエネルギー成分（Ｅ１）と、クリーニングの間にクリーニングヘッドの中に蓄積されるデブリに起因する摩擦に打ち勝つための第２の外乱エネルギー成分（E２）とを含むことが可能である。

上に説明されているようなモータ電力およびモータエネルギーは、クリーニングヘッドの状態を決定するために使用され得るロボットパラメータの非限定的な例である。さまざまな例において、ロボットパラメータ発生器５２４は、フロア-クリーニングヘッド相互作用（たとえば、クリーニング部材において作り出されるトルク）、空間的にフィルタリングされるロボットデータの統計的な特質（たとえば、フロアエリアの横断の間の平均モータ電流）、または、空間的にフィルタリングされるロボットデータの周波数-ドメイン特質（たとえば、フロアエリアの横断の間の電流測定値の支配的な周波数またはピークスペクトル密度）を表す、他のロボットパラメータを発生させることが可能である。

クリーニングヘッド状態検出器５２６は、決定されたロボットパラメータに基づいて、クリーニングヘッドの状態を決定することが可能である。クリーニングヘッド状態は、クリーニング部材（たとえば、回転可能な部材１１８または側部ブラシ１２６）に関して、摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示す。一例では、ロボットパラメータ発生器５２４は、モバイルクリーニングロボットによる同じフロアエリアの繰り返される横断に対応するロボットパラメータ（たとえば、モータ電力またはモータエネルギー）の複数の測定値を発生させることが可能である。同じフロアエリアの繰り返される横断は、モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれ含む複数のクリーニングミッションにわたって起こる可能性がある。一例では、クリーニングヘッド状態検出器５２６は、たとえば、モニタリング期間の間の複数のクリーニングミッションなどにわたって、ロボットパラメータのトレンドに基づいて、クリーニングヘッドの状態を決定することが可能である。追加的にまたは代替的に、同じフロアエリアの繰り返される横断は、１つのミッションの中の環境の中のユーザ指定の重複横断領域の繰り返されるクリーニングなどのような、１つのクリーニングミッションの中で起こることが可能である。クリーニングヘッド状態検出器５２６は、ロボットパラメータの複数の測定値に基づいて、クリーニングヘッドの状態を決定することが可能である。ロボットパラメータトレンドに基づいてクリーニングヘッド状態を決定する例は、たとえば図７Ａ～図７Ｂなどを参照して、下記に議論される。

クリーニングヘッド状態検出器５２６は、追加的にまたは代替的に、クリーニングヘッドモータの動的応答に基づいて、クリーニングヘッドの状態を決定することが可能である。モバイルロボットが固定された既知の場所において動作しているときに、および、モータがクリーニングヘッドを励起し、クリーニングミッションの間のフィールドロボットと同様の方式でクリーニング部材がフロア表面と相互作用することを引き起こすが、有用なクリーニングを実施しないときに、動的応答が測定され得る。そのような動作モードは、以降では、クリーニングヘッド特性評価モードと称され、フィールド動作における通常のクリーニングモードから区別する。ロボットがクリーニングヘッド特性評価モードで動作しているときのクリーニングヘッドモータの動的応答に基づいてクリーニングヘッド状態を決定する例が、たとえば、図９Ａ～図９Ｃなどを参照して、下記に議論される。

残存寿命推定器５２８は、クリーニング部材の残存耐用年数の推定値（ERL）を発生させることが可能である。一例では、ERLは、回帰モデルを使用して推定され得、その回帰モデルは、クリーニングヘッドの残存耐用年数を、残存耐用年数に関するプロキシとしての役割を果たす信号に関係付ける。モデルは、履歴データ（たとえば、たとえば、人間の専門家によって提供されるものなど、プロキシ信号特質および対応する残存寿命）を使用して発生させられ得る。図１０は、クリーニング部材のERLを推定するための線形回帰モデルの一例を図示するグラフである。図１０に図示されているように、線形回帰モデルは、制御された条件（たとえば、既知のフロア表面条件）下で収集されたトレーニングデータ１０１０を使用して発生させられ得る。トレーニングデータ１０１０のそれぞれのデータポイントは、対応するプロキシ信号値（x軸）に関して、推定ERL値（y軸）を表している。プロキシ信号の例は、特定のフロア条件を備えた特定のフロアエリアに対応する空間フィルタ５２２からのフィルタリングされたロボットデータ（たとえば、モータ電流、角速度、トルク）、ロボットパラメータ発生器５２４によって決定されるようなロボットパラメータ、または、フィルタリングされたロボットデータのメトリック、または、ロボットパラメータのトレンドなどのようなロボットパラメータ、または、ロボットがクリーニングヘッド特性評価モードで動作しているときのクリーニングヘッドモータの動的応答のうちの１つまたは複数を含むことが可能である。代替的に、非線形回帰モデルが使用され得、それは、たとえば、なかでも、多項式の、指数の、または対数の回帰モデルのうちの１つなどのである。回帰モデルのパラメータ（たとえば、回帰ライン１０２０に関する傾きおよび切片など）は、なかでも、最小二乗法方法、最小絶対偏差、またはBayesian回帰方法を使用して推定され得る。残存寿命推定器５２８は、信頼ライン１０３０および１０４０によって示されているように、トレーニングデータ１０１０から、プロキシ信号値に関する推定ERLの信頼区間を追加的に決定することが可能である。一例では、信頼ライン１０３０および１０４０は、回帰ライン１０２０について９５%信頼帯を定義する。残存寿命推定器５２８は、発生させられた回帰モデルを使用し、測定されたプロキシ信号値に関して残存耐用年数を推測または推論することが可能である。

いくつかの例では、ERLは、クリーニングヘッドの中のデブリ蓄積または摩耗もしくは損傷に関連付けられた、回転するクリーニングヘッドにおいて発生させられる外乱トルクなどのような、「バーチャルセンサ」によって推定されるパラメータを使用して推定され得る。バーチャルセンサ、外乱トルク、およびERL決定の例は、たとえば図１２などを参照して、下記に議論される。

ユーザインターフェース５４０は、モバイルロボットの動作を制御するための入力をユーザが提供することを可能にすることができ、また、クリーニングヘッドの状態、および／または、クリーニングヘッドのERLなどのような、ロボット動作ステータスおよび健康状態をユーザに通知することを可能にすることができる。一例では、ユーザインターフェース５４０は、モバイルロボット１００に通信可能に連結されているモバイルデバイス４０４の中へ一体化され得る。上に説明されているように、モバイルデバイス４０４は、ロボット１００から受信されたステータス情報をディスプレイスクリーンの上に表示するソフトウェアアプリケーション（「アプリ」）を実行するように動作可能なスマートフォンの形態で提供され得る。ここで図１１Ａ～図１１Ｂを参照すると、それらの図１１Ａ～図１１Ｂは、非限定的な例として、スマートフォン１１００（モバイルデバイス４０４の一例）のユーザインターフェースを示している。図１１Ａに示されているように、ローラクリーニング部材１１８または側部ブラシ１２６の摩耗または損傷の状態またはレベルの警告が、ディスプレイスクリーン１１０２の上に提示され得る。警告は、テキストユーザインターフェースエレメント１１０４およびグラフィカルユーザインターフェースエレメント１１０６のうちの１つまたは複数を介して提供され得る。同様のユーザインターフェースエレメントは、クリーニング部材１１８または側部ブラシ１２６の中のデブリ蓄積の状態またはレベルを示すために、ディスプレイスクリーン１１０２の上に配備され得る。決定されたデブリ蓄積レベルに応答してクリーニング部材をクリーニングすることの推奨、または、決定された摩耗レベルに基づいてクリーニング部材を交換することの推奨などのような、他のメッセージが、ディスプレイスクリーン１１０２の上に提示され得る。一例では、検出されたクリーニングヘッド状態（たとえば、デブリレベルまたは摩耗レベルなど）がそれぞれの閾値を超えるときに、または、ERLが閾値を下回るときに、警告メッセージまたは推奨メッセージが発生させられ得る。いくつかの例では、推奨は、摩耗したクリーニングヘッドとは異なるモデルまたはタイプのクリーニングヘッドまたはクリーニング部材への切り替えを含む。たとえば、推奨される交換の数がいくらかの頻度を超える場合には、メッセージが、異なるクリーニングヘッドを推奨するようにユーザに提示され得る。図１１Ｂは、ディスプレイスクリーン１１０２を示しており、そのディスプレイスクリーン１１０２は、１つまたは複数の「ワンクリック」選択オプション１１０８を提供し、その１つまたは複数の「ワンクリック」選択オプション１１０８は、過剰な摩耗または損傷などに起因してもはや適正に機能していない現在のセットを交換するために、新しいクリーニングヘッド（たとえば、クリーニングローラ）を購入するようにユーザを促す。さらに、図示されている例では、テキストユーザインターフェースエレメント１１１０は、対応するオンラインベンダの名前とともに表された１つまたは複数の価格設定オプションを提示する。

先述の例では、モバイルデバイス１１００によって実行されるソフトウェアアプリケーションは、ロボット１００のメンテナンスが必要であるというアラートタイプのインジケーションをユーザに提供するものとして示されて説明されている。いくつかの例では、ソフトウェアアプリケーションは、定期的に（たとえば、所定の時間間隔で）、または、モバイルロボットの健康ステータスについてのユーザ質問を受け取ると（たとえば、クリーニングヘッドのデブリまたは摩耗レベルなど）、ステータス更新を提供するように構成され得る

クリーニングヘッド状態を決定する方法の例
たとえば、摩耗または損傷レベルからデブリ蓄積レベルを差別的に決定するなど、クリーンヘッド状態を決定するための方法のさまざまな実施形態が、図７Ａ～図７Ｂ、図８、および図９Ａ～図９Ｃを参照して、以下に議論される。図７Ａは、ロボットパラメータ発生器５２４によって決定されるものなどのようなロボットパラメータのトレンドに基づいて、クリーニングヘッド状態を決定する一例示的な方法７１０を示すダイアグラムである。プロセスの少なくとも一部分は、クリーニングヘッド状態検出器５２６によって実行され得る。本発明者らは、クリーニングヘッドのデブリ蓄積および摩耗が、モータ電力またはモータエネルギーなどのようなモータパラメータの異なる様式の変化につながるということを認識した。たとえば、摩耗およびデブリ蓄積は、異なる時間スケールでロボットパラメータに作用する可能性があり、パラメータトレンドは、異なる変化の方向（すなわち、異なる代数符号を伴う傾き）を示すことが可能である。クリーニングヘッドのデブリ蓄積および摩耗状態を検出するために使用されるロボットパラメータの一例は、方法７１０の中に使用されているような、モータエネルギーである。７１１において、特定の表面条件を備えた特定のフロアエリアを回転可能にクリーニングするように、ローラモータ１２０またはブラシモータ１２８を駆動するモータによって作り出されるエネルギーが計算され得る。以前に説明されているように、モータエネルギーは、特定のフロアエリアに対応するロボットデータ（たとえば、モータに供給される電圧、電流出力、またはPWM制御信号特質のうちの１つまたは複数など）、および、モバイルロボットがフロアエリアをクリーニングするために要する時間を使用して、コンピュータ計算され得る。

７１２において、メンテナンスがクリーニングヘッドに実施されているというインジケーション、たとえば、ローラモータ１２０またはブラシモータ１２８が（たとえば、クリーニング、修理、または交換のために）モバイルロボットから取り出されているというインジケーションなどが受信され得る。メンテナンスインジケーションは、たとえば、ユーザインターフェース５４０などを介して、ユーザによって提供され得る。代替的に、メンテナンス検出器回路（それは、プロセッサ回路５２０の一部であることが可能である）は、クリーニングヘッドのメンテナンスが実施されているということを自動的に検出することが可能であり、その一例は、図８を参照して下に説明される。

モータエネルギーは、ロボットデータの現在の測定値および履歴ロボットデータを使用してトレンドを示され得、または、特定のフロア条件（たとえば、特定のフロアサイズ、寸法、またはフロアタイプ）を備えた同じフロアエリアをモータロボットが横断するときに、たとえば、複数のクリーニングミッションにわたって、または、１つのミッションの中のユーザ指定の重複横断領域の繰り返されるクリーニングにわたってなど、時間の経過とともにトレンドを示され得る。モータエネルギーは、異なる時間フレームでトレンドを示され得る。７１３において、モータエネルギーは、２つの連続したメンテナンスサービスの間の第１のモニタリング期間の間の複数のクリーニングミッションにわたってトレンドを示され得る。７１４において、モータエネルギートレンドは、事前決定されたまたはユーザ指定のデブリ検出基準と比較され得る。たとえば、増加トレンドが検出される場合には、または、モータエネルギーがデブリ指示エネルギー閾値を超える場合には、次いで、７１５において、デブリ蓄積状態が検出されたと見なされる。アラートが発生させられ、ユーザに報告され得る。いくつかの例では、複数のデブリ指示エネルギー閾値は、デブリ蓄積を複数のデブリレベルのうちの１つへと分類するために使用され得る。増加トレンドが検出されない場合には、または、モータエネルギーがデブリ指示エネルギー閾値を超えない場合には、次いで、クリーニングヘッドがクリーンであると見なされ、デブリ蓄積状態は宣言されない。モータエネルギーのトレンドを示すことは、７１３において継続され得る。

モータエネルギーは、追加的にまたは代替的に、７１６において、第２の時間フレームの中の複数のクリーニングミッションにわたってトレンドを示され得る。第２の時間フレームは、第１の時間フレームよりも長くなっていることが可能である。ダートおよび逸脱したフィラメントは、典型的に、数日または数週間の使用にわたってクリーニングヘッドの中に蓄積し、摩耗は、典型的に、数カ月にわたって起こる。そうであるので、第１の短い時間フレームの間のエネルギートレンドは、デブリ蓄積レベルを検出するために使用され得、第２のより長い時間フレームの間のエネルギートレンドは、クリーニングヘッドに関する摩耗レベルを検出するために使用され得る。一例では、第１の時間期間は、数週間のオーダーにあり（たとえば、１～３週間）、第２の時間フレームは、数カ月のオーダーにある（たとえば、１～６カ月）。

摩耗レベル決定の性能を改善するために、７１６における長期的エネルギートレンドは、クリーニングヘッドが実質的に同一のミッション前デブリ状態になっているときに、クリーニングミッションにわたって発生させられ得る。一例では、モータエネルギートレンドは、クリーニングヘッドに実施されるメンテナンスサービスに関して特定の時間（たとえば、クリーニングヘッドのメンテナンスの直後または直前など）においてそれぞれ生じた複数のクリーニングミッションに対応するモータエネルギー値を含む。制御されたミッション前デブリ状態を有することは、長期的減少トレンド（それは、摩耗に関係付けられ得る）に対するモータエネルギー（それは、デブリ蓄積に関係付けられ得る）の短期的増加の影響を低減させることを助けることが可能である。

デブリ蓄積を表すモータエネルギーの短期的増加とは対照的に、摩耗したクリーニングヘッドは、クリーニング部材（たとえば、フラッパー、フレッチ、またはブリストル）とフロアとの間に、より少ない相互作用力を作り出す可能性があり、したがって、クリーニングヘッドモータに対する負荷トルクの減少を作り出す可能性がある。これは、時間の経過に伴うモータエネルギー消費の減少トレンド（または、負の傾き）によって表され得る。７１７において、モータエネルギートレンドは、摩耗検出基準と比較され得る。たとえば、減少トレンドが検出される場合には、または、モータエネルギーが摩耗指示エネルギー閾値を下回る場合には、次いで、７１８において、摩耗状態が検出されたと見なされる。アラートが発生させられ、ユーザに報告され得る。減少トレンドが検出されない場合には、または、モータエネルギーが摩耗指示エネルギー閾値を下回らない場合には、次いで、摩耗状態は宣言されず、モータエネルギーのトレンドを示すことが、７１６において継続され得る。

図７Ｂは、非限定的な例として、図７Ａのステップ７１３による、第１のモニタリング期間Ｔ１の間の短期的エネルギートレンド７２０を示しており、また、図７Ａのステップ７１６による、第２のモニタリング期間Ｔ２の間の長期的エネルギートレンド７３０を示している。それぞれのモータエネルギー値は、クリーニングミッションに対応している。たとえば、エネルギー値７２２は、Ｔ１の間のk番目のクリーニングミッションに対応している。一例では、Ｔ１は、数週間のオーダーにあることが可能である（たとえば、１～３週間）。一例では、モニタリング期間Ｔ１は、２つの連続したメンテナンスサービスの間の時間フレームとして定義され得る。クリーニングヘッドのメンテナンスの時間は、ステップ７１２から取得され得る。Ｔ１の間に、第１のクリーニングミッションは、クリーニングヘッドメンテナンスの直後に起こり、最後のクリーニングミッションは、次のメンテナンスの直前に起こる。

デブリ蓄積は、クリーニングヘッドモータの上に負荷トルクの増加を引き起こす可能性があり、それは、時間の経過に伴うモータ労力またはモータエネルギー消費の中の増加トレンド７２３（または、正の傾き）によって表され得る。一例では、クリーニングヘッド状態検出器５２６は、第１のモニタリング期間の間の異なるミッションにおけるモータエネルギー値を比較し、デブリ蓄積の状態を決定するか、または、モータエネルギーの増加の量または増加の割合（たとえば、増加トレンド７２３の傾き）に基づいて、異なるレベルの蓄積を分類することが可能である。代替的に、クリーニングヘッド状態検出器５２６は、モータエネルギー値をデブリ指示エネルギー閾値７２５と比較し、モータエネルギー値が閾値７２５を超える場合には、デブリ蓄積の状態を決定することが可能である。

長期的エネルギートレンド７３０は、第１のモニタリング期間Ｔ１よりも長い第２のモニタリング期間Ｔ２の間に発生させられ得る。第２のモニタリング期間Ｔ２は、クリーニングヘッドの複数のメンテナンスセッションにわたってクリーニングミッションをカバーするのに十分に長くなっていることが可能であり、それぞれの短期的エネルギートレンド７２０が、長期的エネルギートレンド７３０のサブセットであるようになっている。図７Ｂに示されているように、長期的エネルギートレンド７３０は、それぞれがクリーニングヘッド状態をリセットするクリーニングヘッドのメンテナンスセッションによって分離されている複数の短期的エネルギートレンド７２０を含むことが可能である。クリーニングヘッド状態検出器５２６は、第２のモニタリング期間の間のモータエネルギーの減少の量または減少の割合（たとえば、増加トレンド７２３の傾き）に基づいて、クリーニングヘッドに関する摩耗の状態を決定することが可能である。代替的に、クリーニングヘッド状態検出器５２６は、モータエネルギー値をエネルギー閾値７３５と比較し、モータエネルギー値が閾値７３５を下回る場合には、摩耗の状態を決定することが可能である。いくつかの例では、複数の摩耗閾値は、異なるレベルの摩耗を分類するために使用され得る。

図８は、自動メンテナンス検出（方法７１０のステップ７１２の一例）を示すダイアグラムである。メンテナンス検出器回路は、１つまたは複数のセンサに連結されており、メンテナンスがクリーニングヘッドに対して実施されているというインジケーションを検出することが可能である。一例では、メンテナンス検出器回路は、スイッチに連結されており、クリーニングヘッドアッセンブリハウジングの中にロータリークリーニング部材１１８を解放可能にロックするラッチ８１２の開放、クリーニング部材１１８の除去、および、同じ（たとえば、クリーニングされたかもしくは修理された）クリーニング部材１１８または交換クリーニング部材１１８の再据付けを検出する。追加的にまたは代替的に、メンテナンス検出器回路は、ジャイロスコープまたは加速度計センサに連結されており、メンテナンス行為と互換性のあるモバイルクリーニングロボット１００の配向、たとえば、モバイルクリーニングロボット１００のひっくり返りもしくは回転など、または、ドライブホイール１１２が地面と接触していない状態を検出する。検出されるメンテナンスインジケーションに基づいて、クリーニングヘッド状態検出器５２６は、検出されるメンテナンスの直前または直後のそれらのクリーニングミッションに関するモータエネルギー値を使用して、長期的エネルギートレンド７２０を発生させ、たとえば図７Ａ～図７Ｂなどを参照して上に説明されているようなトレンドに基づいて、クリーニングヘッドの摩耗レベルを決定することが可能である。

図９Ａ～図９Ｃは、クリーニングヘッドモータの動的応答に基づいてクリーニングヘッド状態を決定する一例示的な方法を示している。動的応答は、モバイルロボットがクリーニングヘッド特性評価モードで動作させられているときに測定され得る。図９Ａは、クリーニングヘッド特性評価モードの一例を示しており、そのクリーニングヘッド特性評価モードの間に、モバイルロボット１００は、ドッキングステーション６１０の上で静止したままである。ロボット１００のクリーニング部材は、ドッキングステーションのプラットフォーム表面６１２に回転可能に係合している。ドックプラットフォーム６１２は、既知の表面条件を備えた固定された場所を有しているので、モバイルロボットによって経験されるフロア条件（たとえば、異なるフロアタイプ）の空間的な影響は制御下にある。ドックプラットフォームは、一般的に、硬くて滑らかな表面を有しており、または、硬くて滑らかな表面を有するように特別に設計され得る。これは、モータ電力成分Ｐ１またはエネルギー成分Ｅ１を制御および低減させることを助けることが可能である。いくつかの例では、クリーニング部材は、それが回転するが、デブリをアクティブに撹拌および抽出しないように駆動される。そうであるので、モータ電力Ｐまたはエネルギー消費Ｅは、それぞれ、モータ電力成分Ｐ１およびエネルギー成分Ｅ１によって少ししか支配されない。その代わりに、モータ電力Ｐおよびエネルギー消費Ｅは、クリーニングヘッドのデブリ蓄積または摩耗状態に起因して、電力またはエネルギー消費によってそれぞれ支配される。

図９Ｂは、クリーニングヘッド状態検出を検出する一例示的なプロセスを示しており、その少なくとも一部分は、クリーニングヘッド状態検出器５２６によって実行され得る。９１０において、モバイルロボットは、ドックプラットフォームの上にあることが確認される。９２０において、励起電圧u（t）などのような励起信号が、モータに印加される。励起信号は、クリーニングヘッドのデブリ蓄積または摩耗を明らかにするダイナミクスを励起する目的のために、他の形態のなかでも、ステップ関数またはスイープされた正弦波であることが可能である。９３０において、周波数応答などのようなモータ動的応答は、入力電圧u（t）および結果として生じたモータ電流出力i（t）を使用して決定され得る。９４０において、モータ動的応答は、パラメトリックモデル（Ｆ）へとフィットさせられ得る。モデルＦは、１つまたは複数のモデルパラメータΘ=（θ_１，θ_２，…，θ_K）の関数であることが可能である。モデリングフィッティングは、たとえば、動的応答とモデル出力Ｆ（Θ）との間のフィッティング誤差が閾値を下回るなど、特定のフィッティング基準が満たされるまで、最適化プロセスを通して１つまたは複数のモデルパラメータを調節することを含む。次いで、モータ動的応答は、対応する最適化されたモデルパラメータΘ_optによって表され得る。クリーニングヘッド特性評価モードがフロア条件の空間的な影響を効果的に制御するので、および、クリーニングヘッドが特定の決定論的な様式で励起されるので、最適化されたモデルパラメータΘ_optは、クリーニングヘッド状態をより信頼性高く表すことが可能である。

一例では、パラメータモデルＦは、伝達関数モデルＨ（s）であることが可能であり、その伝達関数モデルＨ（s）は、電圧入力u（t）と電流出力i（t）との間の関係を説明しており、それは、以下の通りに表され得る。
Ｈ（s）= Ｉ（s）／Ｕ（s）（１）
ここで、Ｉ（s）は、i（t）のラプラス変換であり、Ｕ（s）は、u（t）のラプラス変換である。伝達関数Ｈ（s）は、伝達関数係数Θ=（θ_１，θ_２，…，θ_N）のセットを伴う多項式の形態をとることが可能である。Ｈ（s）の非限定的な一例は、以下の通りに与えられる。

ここで図９Ｃを参照すると、その図９Ｃは、非限定的な例として、クリーニングヘッドの周波数応答９４２を示している。周波数応答９４２は、異なる周波数（水平方向の軸線）におけるマグニチュード応答（垂直方向の軸線）によって表され得る。また、図９Ｃに示されているのは、伝達関数モデル９４４のマグニチュード応答であり、それは、特定のフィッティング基準にしたがって周波数応答９４２にフィットしている。次いで、モータ動的応答は、伝達関数係数Θ=（θ_１，θ_２，θ_３）（測定されたフィットさせられたモデルパラメータセットとも称される）によって表され得る。

図９Ｂに戻って参照すると、モータ応答テンプレートのうちの１つまたは複数が、９５０において受信され得る。モータ応答テンプレートの例は、デブリが蓄積されたクリーニングヘッドに関する第１のモータ動的応答テンプレート（Ｙ_D）、または、摩耗したクリーニングヘッドに関する第２のモータ動的応答テンプレート（Ｙ_W）を含むことが可能である。モバイルロボットが同じクリーニングヘッド特性評価モードで動作するときに、たとえば、クリーニング部材がドッキングステーションのプラットフォーム表面に回転可能に係合している状態で、モバイルロボットがドックの上で静止したままになっているときなどに、モータ応答テンプレートＹ_DおよびＹ_Wは、それぞれ生成され得る。テンプレートＹ_Dは、異なる既知のデブリ蓄積レベルの下で実験的に生成され得る。テンプレートＹ_Wは、異なる既知の摩耗レベルの下で実験的に生成され得る。いくつかの例では、モバイルロボットが同じクリーニングヘッド特性評価モードで動作するときに、クリーンで健康的なクリーニングヘッドを表す第３のモデル動的応答テンプレート（Ｙ_C）が生成され得る。モータ応答テンプレートは、メモリ回路５３０などのようなメモリの中に生成および記憶され得る。

さまざまな例では、テンプレートＹ_D、Ｙ_W、および、随意的にＹ_Cのいずれかは、モバイルロボットが同じクリーニングヘッド特性評価モードで動作するときに、モータ周波数応答などのようなモータ動的応答によって表され得る。テンプレートＹ_Dは、パラメータセットΘ_D=（θ_D１，θ_D２，…，θ_DI）を備えたパラメトリックモデルによって表される、さまざまな既知のデブリレベルによって複数の励起／応答実験を行うことによって生成され得る。同様に、テンプレートＹ_Wは、パラメータセットΘ_W=（θ_W１，θ_W２，…，θ_WJ）を備えたモデルによって表される、さまざまな既知の摩耗レベルによって複数の励起／応答実験を行うことによって生成され得る。随意的なテンプレートＹ_Cは、パラメータセットΘ_C=（θ_C１，θ_C２，…，θ_CK）を備えたモデルによって表される、既知のクリーンで健康的な状態のままのクリーニングヘッドによって複数の励起／応答実験を行うことによって生成され得る。一例では、Ｙ_D、Ｙ_W、およびＹ_Cは、モータ動的応答Ｘに関する伝達関数Ｈ（s）と同様の方式で、それぞれの伝達関数Ｈ_D（s）、Ｈ_W（s）、およびＨ_C（s）によってモデル化され得る。パラメータセットΘ_D、Θ_W、およびΘ_Cは、それぞれの伝達関数係数を含む。次いで、パラメータセットΘ_D、Θ_W、およびΘ_Cは、メモリの中に記憶され得る。

９６０において、クリーニングヘッド状態は、ステップ９４０からのモータ動的応答Ｘ（たとえば、伝達関数係数Θ）、ならびに、テンプレートＹ_D、Ｙ_W、およびＹ_C（たとえば、対応するパラメータセットΘ_D、Θ_W、およびΘ_C）のいずれかを使用して決定され得る。デブリレベルは、モータ動的応答Ｘとモータ応答テンプレートＹ_Dとの間の類似性のメトリックに基づいて、または、ΘとΘ_Dとの間の比較に基づいて決定され得る。摩耗レベルは、モータ動的応答Ｘとモータ応答テンプレートＹ_Wとの間の類似性のメトリックに基づいて、または、ΘとΘ_Wとの間の比較に基づいて決定され得る。クリーニングヘッドのクリーンで健康的な状態は、モータ動的応答Ｘとモータ応答テンプレートＹ_Cとの間の類似性のメトリックに基づいて、または、ΘとΘ_Cとの間の比較に基づいて確認され得る。一例では、測定されるフィットさせられたモデルパラメータセットΘとΘ_D、Θ_W、またはΘ_Cなどのようなトレーニングされたモデルパラメータセットとの間の比較は、Θの１つまたは複数のパラメータ、および、Θ_D、Θ_W、またはΘ_Cの対応する１つまたは複数のパラメータのクラスタリング分析を含むことが可能である。Θの中の測定されるフィットさせられたモデルパラメータは、Θ_D、Θ_W、またはΘ_Cのうちの１つの中の最も近いトレーニングされたモデルパラメータに関連付けられ得る。いくつかの例では、クラスタリング分析は、Θの中のパラメータの（すべてというよりもむしろ）サブセット、および、Θ_D、Θ_W、またはΘ_Cの中の対応するパラメータサブセットを使用して実施され得る。たとえば、パラメータサブセット（たとえば、Θの中のパラメータθ_k）が、共振周波数を表す他のパラメータよりもクリーニングヘッド状態に関して有益である、たとえば、減衰比またはエネルギー消散を表すということが知られている場合には、クラスタリング分析は、θ_jとトレーニングされたモデルパラメータセットの中の対応するパラメータ、たとえば、Θ_Dの中のθ_Dj、Θ_Wの中のθ_Wj、または、Θ_Cの中のθ_Cjとの間で実施され得る。

図７を参照して以前に説明されているように、パラメータトレンドに基づくクリーニングヘッド状態の検出は、モバイルロボットがアクティブクリーニングミッションにあるときに実施され得る。それとは対照的に、クリーニングヘッド特性評価モードは、モバイルロボットがドックプラットフォームなどのような固定された既知の表面場所にあることを必要とする。そのようなクリーニングヘッド特性評価モードでモバイルロボットを動作させるときのクリーニングヘッド状態の検出は、フロア表面条件との相互作用の効果を制御するために、たとえば、複数のミッションなどにわたるロボットパラメータ（たとえば、モータ電力ＰまたはモータエネルギーE）の繰り返される測定値を必要としない。したがって、クリーニングヘッド状態検出器５２６は、モバイルロボットがドックにあるときはいつでも、クリーニングヘッドの状態を決定することが可能である。一例では、デブリまたは摩耗状態の瞬間的な認識は、履歴クリーニングミッションに関するロボットパラメータ値などのような、履歴データを参照することなく行われ得る。

バーチャルセンサを使用するモバイルロボット予知保全（PdM）システム
図１２は、モバイルロボットPdMシステム１２００の一例を示すダイアグラムである。システム１２００は、モバイルロボットPdMシステム５００の一実施形態であり、データレシーバ５１０と、プロセッサ回路５２０の変形例であるプロセッサ回路１２２０と、メモリ回路５３０と、ユーザインターフェース５４０とを含むことが可能である。システム１２００は、バーチャルセンサ１２５０を追加的に含むことが可能であり、そのバーチャルセンサ１２５０は、１つまたは複数のパラメータを発生させるように構成されており、その１つまたは複数のパラメータは、物理センサによって直接的に測定されるのではなく、クリーニングヘッドの状態を表す状態変数を表す。一例では、バーチャルセンサ１２５０は、クリーニングヘッドダイナミクスを表すクリーニングヘッドアッセンブリの数学的モデル１２５２を含むことが可能である。数学的モデルの一例は、クリーニングヘッドの周波数応答の線形状態空間モデルである。
x_k+１=Φx_k+u+τ_d
y_m=Ｈx_k （３）
ここで、uは、システムへの励起入力を表しており、y_mは、直接的に測定され得るシステムの出力（または、観測）を表しており、x_kは、時間ステップkにおけるシステムの状態を表しており、τ_dは、システムへの外乱（システムノイズまたはプロセスノイズとしても知られる）を表しており、Φは、状態遷移行列（時間ステップkから時間ステップk+１への）であり、Ｈは、現在の観測と現在の状態との間の観測行列である。外乱τ_dの一例は、クリーニングヘッドのデブリ蓄積、摩耗、または損傷に関連付けられた、回転するクリーニングヘッドにおいて発生させられる外乱トルクである。

システム周波数応答に関する状態空間モデルは、さまざまな既知のデブリレベルまたは摩耗レベルなどのような、人工的に確立された既知のクリーニングヘッド状態の下で実験室の中で生成され得る。それぞれのクリーニングヘッド状態の下で、システムは、さまざまな異なる周波数において励起信号u（たとえば、電圧）によって励起され、システム応答データが収集され得る（たとえば、ステップ電圧、測定電流、角速度など）。

状態空間モデルは、バーチャルセンサをパラメータ化する行列に関して解かれ得る（たとえば、ΦおよびＨなど）。状態空間モデルは、カルマンフィルタ１２５４を使用して解かれ得る。カルマンフィルタアルゴリズムの離散的な形態は、以下の測定更新の方程式および時間更新の方程式によって表され得る。

ここで、Ｋは、カルマンゲイン関数（行列）であり、Ｒは、測定誤差共分散であり、Ｑは、外乱（システムまたはプロセス）共分散であり、Ｐ_k'は、事前推定誤差共分散行列である。人工的に確立された既知のクリーニングヘッド状態の下で収集された実験室データを使用して、カルマンフィルタモデルパラメータ（行列Φ、Ｈ、Ｒ、およびＱを含む）が決定され、メモリの中に記憶され得る。

プロセッサ回路１２２０は、図５に示されているようなプロセッサ回路５２０と同様の空間フィルタ５２２と、状態変数推定器１２２１とを含み、その状態変数推定器１２２１は、（１）空間フィルタ５２２から受信される空間的にフィルタリングされたロボットデータ、および、（２）以前に解かれてメモリの中にセーブされたフィルタパラメータを備えたカルマンフィルタを使用して、外乱トルクτ_dを推定するように構成されている。空間的にフィルタリングされたロボットデータ（たとえば、空間フィルタ５２２によって特定されるような特定の表面条件を備えたフロアエリアに対応するモータ電流の測定値など）は、カルマンフィルタの行列Φ、Ｈ、Ｒ、およびＱによって定義される以前に確立されたバーチャルセンサを更新するために使用される。また、プロセッサ回路１２２０は、プロセッサ回路５２０と同様に、ロボットパラメータ発生器５２４、クリーニングヘッド状態検出器５２６、または残存寿命推定器５２８のうちの１つまたは複数を含むことが可能である。一例では、クリーニングヘッド状態検出器５２６は、他のロボットデータまたはロボットパラメータのなかでも、推定された外乱トルクτ_dを使用して、クリーニングヘッドの状態を決定することが可能である。別の例では、残存寿命推定器５２８は、他のロボットデータまたはロボットパラメータのなかでも、推定された外乱トルクτ_dを使用して、クリーニングヘッドのERLを決定することが可能である。

マルチ推定器融合に基づくクリーニングヘッド状態診断の例
図１３は、マルチ推定器融合に基づくクリーニングヘッドの予知保全のシステム１３００の例を示すダイアグラムである。システム１３００は、データレシーバ５１０およびプロセッサ回路１３１０を含むことが可能である。プロセッサ回路１３１０は、空間フィルタ５２２および複数の推定器１３２０Ａ、１３２０Ｂ、…、１３２０Ｎを含むことが可能であり、それらの複数の推定器１３２０Ａ、１３２０Ｂ、…、１３２０Ｎは、空間フィルタ５２２にそれぞれ連結されている。空間フィルタ５２２は、たとえば、環境のフロアマップを使用することなどによって、複数の推定器に関して、特定の表面条件を備えたそれぞれのフロアエリアに対応するそれぞれのデータ部分を認識および抽出することが可能である。図５を参照して上に説明されているように、表面条件は、なかでも、フロアエリアの空間的な、幾何学的な、およびテクスチャの情報を含むことが可能である。空間フィルタ５２２は、フロアの空間的な場所、フロアのサイズ、形状、もしくは寸法、フロア表面タイプ、特定のフロアエリアを横断するモード、または、ドッキング局面またはアンドッキング局面などのような、クリーニングミッションの特定の局面のうちの１つまたは複数に基づいて、複数の推定器１３２０Ａ～１３２０Ｎに関して異なるロボットデータ部分を抽出することが可能である。たとえば、推定器１３２０Ａは、寝室フロアに対応するロボットデータ部分を受信することが可能であり、推定器１３２０Ｂは、キッチンフロアに対応するロボットデータ部分を受信することが可能であり、また、推定器１３２０Ｃは、ダイニングルームフロアに対応するロボットデータ部分を受信することが可能であるなどとなっている。別の例では、空間フィルタ５２２は、特定の部屋または環境の中のエリアを複数の領域（たとえば、グリッド入りマップの中のＭ行Ｎ列の領域）へと仕切ることが可能である。次いで、仕切られた領域に対応するロボットデータ部分（すなわち、仕切られた領域の中でロボットがクリーニングミッションを実施しているときに収集されたロボットデータ）が抽出され、それぞれの推定器に提供され得る。別の例では、空間フィルタ５２２は、フロアタイプ（たとえば、ハードウッドフロア、タイル、またはカーペットを敷いたフロアなど）に基づいて、異なる領域を識別することが可能である。推定器１３２０Ａは、空間フィルタ５２２から、ハードウッドフロアのエリアに対応するロボットデータ部分を受信することが可能であり、推定器１３２０Ｂは、タイル張りのフロアのエリアに対応するロボットデータ部分を受信することが可能であり、また、推定器１３２０Ｃは、カーペットを敷いたフロアのエリアに対応するロボットデータ部分を受信することが可能であるなどとなっている。

推定器１３２０Ａ～１３２０Ｎのそれぞれは、それぞれのロボットパラメータ発生器および残存寿命推定器を含むことが可能である。システム５００のロボットパラメータ発生器５２４と同様に、ロボットパラメータ発生器１３２４Ａ～１３２４Ｎのそれぞれは、それぞれのフロア条件を備えたそれぞれのフロアエリアに対応するロボットデータ部分を使用して、それぞれのロボットパラメータを決定することが可能である。一例では、ロボットパラメータ発生器１３２４Ａ～１３２４Ｎは、推定器１３２０Ａ～１３２０Ｎのうちのいくつかまたはすべてに関連付けられたそれぞれのフロアエリアを横切ってモバイルロボットがトラベルするときに、それぞれのクリーニングミッションの間にそれぞれのロボットパラメータを発生させる。モバイルロボットが、同じフロアエリアへ複数のトリップを行うときに（たとえば、複数のクリーニングミッションにわたって、または、１つのミッションの中でユーザ指定の重複横断領域の繰り返されるクリーニングにわたって）、そのフロアエリアに関連付けられた推定器は、それにしたがって、フロアエリアのそれぞれの横断に関してロボットパラメータを発生させることが可能である。

プロセッサ回路１３１０は、第１の融合回路１３３０を含むことが可能であり、その第１の融合回路１３３０は、クリーニングミッションにおいて複数の推定器１３２４Ａ～１３２４Ｎによってそれぞれに決定されるロボットパラメータを使用して、複合ロボットパラメータ（Ｘ_total）を発生させるように構成されている。一例では、Ｘ_totalは、それぞれの重み係数によってそれぞれスケーリングされたロボットパラメータの重み付けされた組合せなどのような、推定器１３２４Ａ～１３２４Ｎによって決定されるロボットパラメータの線形のまたは非線形の組合せであることが可能である。

ここで、Ｘ_iは、i番目の推定器（たとえば、推定器１３２０Ｉ）によって発生させられるロボットパラメータを表しており、w_iは、Ｘ_iに関する重み係数を表している。たとえば図５などを参照して上に説明されているように、ロボットパラメータは、フロアと相互作用してフロアからデブリを抽出するためにクリーニングヘッドの回転を駆動するモータの電力消費またはエネルギー消費を含むことが可能である。

プロセッサ回路１３１０は、対応するロボットパラメータに基づくクリーニングヘッド状態（たとえば、摩耗またはデブリ蓄積）の推定値の信頼性に基づいて、個々の推定器によって推定されるロボットパラメータ（たとえば、Ｘ_i）に関して重み係数（たとえば、w_i）を決定するための重み係数発生器１３７０を含むことが可能である。一例では、重み係数発生器１３７０は、それぞれの推定器に関連付けられたフロアエリアのフロアタイプに基づいて、重み係数を決定することが可能である。硬くて滑らかなフロア表面（たとえば、ハードウッドまたはタイル）は、一般的に、アクティブクリーニングの間のフロア-クリーニングヘッド相互作用に対して、より少ない摩擦を引き起こすこととなる。したがって、対応する推定器からのロボットパラメータ（たとえば、モータ電力またはモータエネルギー）は、フロア相互作用によってより少ない影響を受け、クリーニングヘッドのデブリ状態または摩耗状態をより信頼性高く示す。それとは対照的に、フロア-クリーニングヘッド相互作用は、カーペットを敷いたフロアに対応するロボットパラメータを支配する可能性があり、結果的に、カーペットを敷いたフロアに関して推定されるロボットパラメータは、デブリ状態または摩耗状態をより信頼性低く示す。したがって、より大きい重み係数が、カーペットを敷いていない硬いフロアに関連付けられたロボットパラメータに適用され得、より小さい重み係数が、カーペットを敷いたフロアに関連付けられたロボットパラメータに適用され得る。

フロアタイプ情報は、たとえば、ユーザインターフェース５４０を介してフロアマップの上にマークされる、および、異なる空間的な場所のフロアエリアに関連付けられるなど、ユーザによってシステムに提供され得る。代替的に、フロアタイプ情報は、１つまたは複数のセンサに連結されているフロアタイプ検出器によって自動的に検出され得る。獲得されたフロアタイプ情報は、環境のフロアマップの中へ一体化され得る。一例では、フロアタイプは、ロボットが特定のフロアタイプを備えたフロア表面を横断している間に、電力消費に基づいて決定され得る。高い電力の引出しは、高い摩擦表面相互作用を示唆しており、低い電力の引出しは、低い摩擦表面相互作用を示唆している。また、いくつかの例では、フロアタイプ分類は、事前決定されてメモリの中に記憶されている異なるフロアタイプに関する確率密度関数を含むことが可能である。別の例では、フロアタイプは、ジャイロセンサまたは加速度計などのような慣性測定ユニット（IMU）に基づいて決定され得る。ジャイロによって検出されるようなピッチの変化は、ロボットがフロア表面閾値またはフロアタイプインターフェースを横断したかを決定するために使用され得る。閾値またはフローリング不連続性のそのような検出は、フロアタイプの変化を示唆している可能性がある。さらに別の例では、フロアタイプは、カメラまたはイメージングセンサによってキャプチャされるイメージを分析することによって認識され得る。いくつかの例では、フロアタイプは、たとえば、上に説明されているような異なるセンサなどからの、情報の供給源の一体化を使用して決定され得る。「MOBILE FLOOR-CLEANING ROBOT WITH FLOOR-TYPE DETECTION」という表題の同一出願人による米国特許第９，９９３，１２９号は、フロアタイプの遷移のさまざまなフロアタイプの自動検出を説明しており、その説明は、その全体が参照により本明細書に組み込まれている。次いで、ユーザによって提供された（または、自動的に検出された）フロアタイプ情報が、個々のロボットパラメータに関する重み係数を決定するために使用され得る。

追加的にまたは代替的に、重み係数発生器１３７０は、モバイルクリーニングロボットがクリーニングミッションにおいてそれぞれの推定器に関連付けられたフロアエリアを横断するときに獲得されるロボットデータの統計的メトリック（たとえば、変動性メトリックなど）に基づいて、個々の推定器によって推定されるロボットパラメータに関する重み係数を決定することが可能である。一例では、変動性は、クリーニングミッションの中のモータ電流測定値の分散または標準偏差として計算され得る。電流測定値は、データ収集システムの特定のサンプリングレート（たとえば、２００Ｈz）におけるサンプルを含む。より変動の少ないロボットデータは、変動の大きいロボットデータよりも、クリーニングヘッドのデブリ状態または摩耗状態を信頼性高く示している。したがって、より大きい重み係数が、より変動の少ないロボットデータに関連付けられたロボットパラメータに適用され得、より小さい重み係数が、変動の大きいロボットデータに関連付けられたロボットパラメータに適用され得る。

プロセッサ回路１３１０は、クリーニングヘッド状態検出器１３４０を含むことが可能であり、そのクリーニングヘッド状態検出器１３４０は、モバイルクリーニングロボットによるそれぞれのフロアエリアのうちの１つまたは複数の横断をそれぞれ含む複数のクリーニングミッションにわたって、複合ロボットパラメータのトレンドを発生させるように構成されており、また、複合ロボットパラメータの発生させられたトレンドに基づいて、クリーニングヘッドの状態を検出するように構成されている。システム５００のクリーニングヘッド状態検出器５２６と同様に、クリーニングヘッドの状態は、デブリ蓄積レベルまたは摩耗レベルもしくは損傷レベルを含むことが可能である。クリーニングヘッド状態の検出は、図７を参照して上に説明されているように、それぞれの時間スケールにわたって、変化の方向（すなわち、異なる代数符号を伴う傾き）に基づくことが可能である。クリーニングヘッド状態の検出は、たとえばユーザインターフェース５４０などを介して、ユーザに提示され得る。

プロセッサ回路１３１０は、第２の融合回路１３５０を含むことが可能であり、その第２の融合回路１３５０は、クリーニングミッションにおいて複数の推定器１３２４Ａ～１３２４Ｎによってそれぞれに決定されるERLを使用して、クリーニングヘッドの残存耐用年数の総計推定値（ERL_agg）を発生させるように構成されている。一例では、ERL_aggは、それぞれの重み係数によってそれぞれスケーリングされたロボットパラメータの重み付けされた組合せなどのような、推定器１３２４Ａ～１３２４Ｎによって決定されるERLの線形のまたは非線形の組合せであることが可能である。

ここで、ERL_iは、i番目の推定器（たとえば、推定器１３２０Ｉ）によって推定されるERLを表しており、w_iは、ERL_iに関する重み係数を表している。残存耐用年数の総計推定値ERL_aggは、たとえばユーザインターフェース５４０などを介して、ユーザに提示され得る。ERL_aggは、それぞれのクリーニングミッションに関して推定され得る。代替的に、ERL_aggの推定は、定期的に実施され得るか、または、クリーニングヘッドの健康ステータスについてのユーザ質問を受け取ると実施され得る。推定されたERL_aggは、ERL_aggが閾値を下回る場合には、警告またはアラートメッセージをユーザにトリガすることが可能である。

図１４Ａ～図１４Ｂは、環境の中の異なる領域に関連付けられた複数の推定器によってそれぞれに決定されるロボットパラメータの一融合を示すダイアグラムである。図１４Ａは、非限定的な例として、ロボットクリーニング環境のフロアマップ１４１０、および、それぞれの推定器によってモニタリングされる環境の中の３つの領域（領域i、領域j、および領域k）を示している。図１４Ｂは、システム１３００の第１の融合回路１３３０によって実行され得る、それぞれの推定値によって発生させられるそれぞれのロボットパラメータを示している。この例では、ロボットパラメータは、図７を参照して上に説明されているように計算されるモータエネルギー値１４２２である。推定器は、複数のミッションのそれぞれの後に、それぞれのモータエネルギー値を決定する。複合モータエネルギーは、重み係数発生器１３７０を参照して上に説明されているように、領域のフロアタイプ、または、測定されるロボットデータの統計（たとえば、変動性メトリック）に基づいて決定される重み係数１４２３によってそれぞれ重み付けされた、個々の推定器からのモータエネルギーの組合せ１４２４を使用して決定され得る。次いで、複合モータエネルギーのトレンド１４２６は、複数のクリーニングミッションにわたって発生させられ得、それから、たとえばクリーニングヘッド状態検出器１３４０などによって、クリーニングヘッド状態（たとえば、デブリ蓄積状態または摩耗状態）が発生させられ得る。

図１５は、フロア表面を横断してクリーニングするように構成されているモバイルロボット１００などのような、モバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価する方法の一例を示すフローダイアグラム１５００である。方法１５００は、モバイルロボットPdMシステム５００の中に実装され、モバイルロボットPdMシステム５００によって実行され得る。クリーニングヘッドの健康ステータスは、クリーニングヘッドのデブリ蓄積レベルおよび摩耗レベル、ならびに、クリーニングヘッドの残存耐用年数についての情報を含むことが可能である。

方法１５００は、１５１０において開始し、たとえば、環境（たとえば、家）を横断している間、および、その環境の中のフロアエリアをクリーニングしている間など、そのアクティブ動作の間に、モバイルクリーニングロボットによって作り出されるロボットデータを受信する。ロボットデータの例は、なかでも、クリーニングヘッドアッセンブリのクリーニング部材を駆動するモータに供給される電圧、モータ電流、クリーニング部材の角速度、モータ回転速度、または、クリーニング部材において発生させられるトルクの測定値を含むことが可能である。ロボットデータは、モータセンサ３１７などのような１つまたは複数のセンサによってセンシングされ得る。いくつかの例では、センシングされたロボットデータは、１つまたは複数の周波数-ドメインメトリック、たとえば、なかでも、支配的な周波数、共振、またはスペクトル密度などへと変換され得る。いくつかの例では、センシングされたロボットデータは、クリーニングヘッドダイナミクスを表すクリーニングヘッドアッセンブリの数学的モデル１２５２などのような、バーチャルセンサによって発生させられるパラメータを含むことが可能である。バーチャル-センサパラメータは、クリーニングヘッドの動作状態を表しており、そのうちのいくつかは、物理センサを使用して直接的に測定されることが実行不可能である可能性がある。バーチャル-センサパラメータの一例は、外乱トルクなどのような、システムへの外乱（システムノイズまたはプロセスノイズとしても知られる）である。図１２は、外乱トルクを推定するための例示的なバーチャルセンサまたは数学的モデルを示している。推定される外乱トルクは、他のロボットデータのなかでも、クリーニングヘッドの健康状態を決定するために分析され得る。

１５２０において、モバイルクリーニングロボットによって繰り返して横断される環境の中のフロアエリアに対応する受信されたロボットデータ（物理センサまたはバーチャルセンサによってセンシングされたデータを含む）の一部分が抽出され得る。フロアエリアは、特定の表面条件を有している。ロボットデータの抽出は、ロボットデータの空間フィルタリングとも称され、たとえば、空間フィルタ５２２を使用することなどによって実施され得る。フロアエリアの表面条件は、特定の空間的な場所、特定のサイズ、形状、もしくは寸法のフロアエリア、または、特定の表面タイプ（たとえば、ハードウッドまたはカーペット）を有するフロアエリア、なかでも、フロアエリアの空間的な、幾何学的な、およびテクスチャの情報を含むことが可能である。一例では、環境の中の１つまたは複数のフロアエリアの表面条件の情報は、フロアマップの中に記憶され得る。

追加的にまたは代替的に、データ部分は、フロアエリアの他の条件に基づいて、１５２０において抽出され得る。一例では、ロボットデータは、特定のフロアエリアの上のモバイルロボットの横断モードにしたがって抽出され得、それは、たとえば、カバレージ経路、横断パターン、または横断速度などである。たとえば、ユーザは、特定のカバレージ経路または横断パターンを備えたフロアエリアをフロアマップの上で指定することが可能である。モバイルロボットが、指定された横断経路またはパターンにしたがって、指定されたフロアエリアを横切ってトラベルしてクリーニングするときに、ロボットデータが、クリーニングヘッド状態を分析するために収集される。

追加的にまたは代替的に、データ部分は、クリーニングミッションの局面にしたがって、１５２０において抽出され得る。図６に示されているように、クリーニングミッションは、一般的に、アンドッキングセッションによって始まり、ドッキング局面によって終了し、そのアンドッキングセッションの間に、クリーニングロボットは、ドッキングステーションから出発し、環境の中の複数の領域を横切る一連のフロアクリーニングを含むクリーニング局面がそれに続き、そのドッキング局面の間に、クリーニングロボットは、ドッキングステーションに戻る。一例では、抽出されたデータ部分は、ドッキング局面に対応する第１の部分を含むことが可能である。別の例では、抽出されたデータ部分は、アンドッキング局面に対応する第２の部分を含むことが可能である。さらに別の例では、抽出されたデータ部分は、たとえば、アンドッキング局面の直ぐ後に続くT１秒、または、ドッキング局面の直前のＴ２秒などのような、ドッキングまたはアンドッキングに関して特定の時間期間に対応する第３の部分を含むことが可能である。

１５３０において、ロボットパラメータは、特定の表面条件を備えたフロアエリアに対応するロボットデータの抽出された部分を使用して決定され得る。ロボットパラメータは、フロア-クリーニングヘッド相互作用（たとえば、クリーニング部材において作り出されるトルク）、空間的にフィルタリングされるロボットデータの統計的な特質（たとえば、フロアエリアの横断の間の平均モータ電流）、または、空間的にフィルタリングされるロボットデータの周波数-ドメイン特質を表すことが可能である。ロボットパラメータの１つの例は、クリーニングヘッドを駆動するクリーニングヘッドモータによって消費される電力（Ｐ）であり、それは、モータ電流、バッテリー電圧、およびモータ速度のうちの１つまたは複数を使用してコンピュータ計算され得る。ロボットパラメータの別の例は、特定の表面条件を備えたフロアエリアを横切って横断してクリーニングするために、クリーニングヘッドモータによって消費されるエネルギー（E）であり、それは、フロアエリアの全体または一部分をクリーニングするための時間期間にわたる電力（Ｐ）の積分としてコンピュータ計算され得る。

１５４０において、クリーニングヘッドの状態が、たとえば、クリーニングヘッド状態検出器５２６などを使用して、決定されたロボットパラメータに基づいて決定され得る。クリーニングヘッド状態は、クリーニング部材（たとえば、回転可能な部材１１８または側部ブラシ１２６）に関して、摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示している。一例では、クリーニングヘッド状態は、特定のモニタリング期間の間の複数のクリーニングミッションにわたるロボットパラメータのトレンドなどのような、ロボットパラメータの複数の測定値に基づいて決定され得る。ダートおよび逸脱したフィラメントは、典型的に、数日または数週間の使用にわたってクリーニングヘッドの中に蓄積し、摩耗は、典型的に、数カ月にわたって起こる。そうであるので、第１の短い時間フレームの間のエネルギートレンドは、デブリ蓄積レベルを検出するために使用され得、第２のより長い時間フレームの間のエネルギートレンドは、クリーニングヘッドに関する摩耗レベルを検出するために使用され得る。図７Ａ～図７Ｂに示されているように、第１の短いモニタリング時間期間の中のモータエネルギーの増加トレンドは、デブリ蓄積状態を検出するために使用され得、より長いモニタリング時間フレームの中のモータエネルギーの減少トレンドは、摩耗状態を検出するために使用され得る。

クリーニングヘッド状態は、追加的にまたは代替的に、たとえば、ドッキングステーションのプラットフォーム、または、既知の表面条件を備えた他の固定された場所などにおいて、モバイルロボットがクリーニングヘッド特性評価モードで動作しているときに推定される、クリーニングヘッドモータの動的応答に基づいて決定され得る。図９Ａ～図９Ｃに示されているように、摩耗したクリーニングヘッドに関する第１のモータ応答テンプレート、または、デブリが蓄積されたクリーニングヘッドに関する第２のモータ応答テンプレートのうちの１つまたは複数は、ドッキングステーションのプラットフォーム表面に回転可能に係合するクリーニング部材に対応するロボットデータを使用して発生させられ得る。クリーニングヘッドの状態は、決定されたモータ周波数応答と第１のまたは第２のモータ応答テンプレートのうちの少なくとも１つとの比較に基づいて決定され得る。

１５５０において、クリーニング部材の残存耐用年数の測定値（ERL）が、１５３０において提供される決定されたロボットパラメータを使用して、または、代替的に、ステップ１５２０において提供される空間的にフィルタリングされたロボットデータを使用して発生させられ得る。ERLは、回帰モデルを使用して推定され得、その回帰モデルは、クリーニングヘッドの残存耐用年数を、残存耐用年数に関するプロキシとしての役割を果たす信号に関係付ける。回帰モデルの例は、たとえば、なかでも、多項式の、指数の、対数の回帰モデルなどのような、線形回帰モデルまたは非線形回帰モデルを含むことが可能である。ERLは、追加的にまたは代替的に、外乱トルクなどのような、バーチャルセンサによって推定されるパラメータを使用して推定され得、その例は、図１２を参照して上に説明されている。

１５６０において、モバイルロボット動作ステータスおよび健康状態についての情報、たとえば、クリーニングヘッドの状態、および／または、クリーニングヘッドのERLなどが、たとえば、ユーザインターフェースなどを介して、ユーザに提示され得る。その情報は、テキスト通知および／またはグラフィカル通知を含むことが可能であり、その例は、図１１Ａ～図１１Ｂを参照して上に説明されている。通知は、他の情報のなかでも、クリーニングヘッドの摩耗または損傷の状態またはレベルの警告、クリーニングヘッドの中のデブリ蓄積の状態またはレベル、決定されたデブリ蓄積レベルに応答してクリーニング部材をクリーニングすることの推奨、決定された摩耗レベルに基づいてクリーニング部材を交換することの推奨、または、摩耗したクリーニングヘッドとは異なるクリーニングヘッドの異なるモデルに切り替えることの推奨を含むことが可能である。

図１６は、マルチ推定器融合に基づいてモバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価する方法１６００の一例を示すフローダイアグラムである。方法１６００は、モバイルロボットPdMシステム１３００の中に実装され、モバイルロボットPdMシステム１３００によって実行され得る。方法１６００は、１６１０において開始し、その１６１０において、複数の推定器が、それぞれの表面条件を備えたそれぞれのフロアエリア（または、環境の中の領域）に関連付けられ得る。フロアエリアの表面条件は、フロアエリアの他の空間的な、幾何学的な、およびテクスチャの情報のなかでも、たとえば、フロアの空間的な場所、フロアのサイズ、形状、もしくは寸法、フロア表面タイプ、特定のフロアエリアを横断するモード、または、ドッキングまたはアンドッキング局面などのような、クリーニングミッションの特定の局面を含むことが可能である。１６２０において、推定器は、特定の表面条件を備えたフロアエリアに対応するロボットデータに関して質問される。一例では、それぞれの推定器は、モバイルロボットがそれぞれのフロアエリアを横断するときに、ロボットデータ（たとえば、センサによってセンシングされたモータ電流）を受信することが可能である。推定器と対応するフロアエリアとの間の関連付けが生成され、フロアマップの中に記憶され得る。

１６３０において、重み係数は、たとえば、図１３を参照して上に説明されているように重み係数発生器１３７０を使用するなどして、複数の推定器に関してそれぞれ決定され得る。一例では、推定器に関する重み係数は、推定器に関連付けられたフロアエリアのフロアタイプに基づいて決定され得る。硬くて滑らかなフロア表面（たとえば、ハードウッドまたはタイル）は、一般的に、アクティブクリーニングの間にフロア-クリーニングヘッド相互作用に対して、より少ない摩擦を引き起こすこととなる。したがって、対応する推定器からのロボットパラメータ（たとえば、モータ電力またはモータエネルギー）は、フロア相互作用によってより少ない影響を受け、クリーニングヘッドのデブリ状態または摩耗状態をより信頼性高く示す。したがって、より大きい重み係数が、カーペットを敷いていない硬いフロアに関連付けられた推定器に割り当てられ得、より小さい重み係数が、カーペットを敷いたフロアに関連付けられた推定器に割り当てられ得る。

重み係数は、代替的にまたは追加的に、モバイルロボットがクリーニングミッションの間に推定器に関連付けられたフロアエリアを横断してクリーニングするときに、推定器によって獲得されるロボットデータの統計に基づいて決定され得る。非限定的な例として、ロボットデータの統計は、クリーニングミッションにおいて推定器によって受信されるモータ電流測定値の変動性（たとえば、分散または標準偏差）を含むことが可能である。より変動の少ないロボットデータは、変動の大きいロボットデータよりも、クリーニングヘッドのデブリ状態または摩耗状態を信頼性高く示している。したがって、より大きい重み係数が、より変動の少ないロボットデータに関連付けられたロボットパラメータに適用され得、より小さい重み係数が、変動の大きいロボットデータに関連付けられたロボットパラメータに適用され得る。

それぞれの推定器は、１６４０において、ロボットパラメータを発生させることが可能であり、および／または、１６７０において、クリーニングヘッドの残存耐用年数の推定値（ERL）を発生させることが可能である。１６４０において、それぞれのロボットパラメータは、推定器によって受信されたそれぞれのロボットデータを使用して決定され得る。モバイルロボットが同じフロアエリアへ複数のトリップを行うときに（１つのミッションの中のユーザ指定の重複横断領域の繰り返されるクリーニングを通して、または、複数のクリーニングミッションにわたって、のいずれか）、そのフロアエリアに関連付けられた推定器は、それにしたがって、エリアのそれぞれの横断に関してロボットパラメータを発生させることが可能である。

１６５０において、複合ロボットパラメータ（P_totoal）は、たとえば、１６３０において提供されるそれぞれの重み係数によってそれぞれスケーリングされたロボットパラメータの重み付けされた組合せなど、推定器によってそれぞれに決定されるロボットパラメータの線形のまたは非線形の組合せを使用して発生させられ得る。１６６０において、複合ロボットパラメータは、複数のクリーニングミッションにわたってトレンドを示され得、クリーニングヘッドの状態は、複合ロボットパラメータのトレンドに基づいて検出され得る。一例では、クリーニングヘッドのデブリ蓄積状態および／または摩耗状態は、図７を参照して上に説明されているように、それぞれの時間スケールにわたって、変化の方向（すなわち、異なる代数符号を伴う傾き）に基づいて決定され得る。

複数の推定器に関して１６７０においてそれぞれに推定されたERLは、総計ERL（ERL_agg）を発生させるために組み合わせられ得る。ERL_aggは、たとえば、１６３０において提供されるそれぞれの重み係数によってそれぞれスケーリングされたロボットパラメータの重み付けされた組合せなど、それぞれの推定器に関するERLの線形のまたは非線形の組合せを使用して決定され得る。ERL_aggは、それぞれのクリーニングミッションに関して推定され得、または、定期的に決定され得る。１６６０において決定されたクリーニングヘッド状態、および、１６８０において決定された残存寿命時間の総計推定値（ERL_agg）が、ユーザに提示され得、または、警告が、デブリ蓄積もしくは摩耗状態に応答して、または、ERL_aggが閾値を下回ることに応答してトリガされ得る。

図１７は、本明細書で議論されている技法（たとえば、方法論）のうちの任意の１つまたは複数を実施することができる一例示的なマシン１７００のブロック図を全体的に示している。この説明の一部分は、モバイルロボット１００、モバイルデバイス４０４、または他のコンピューティングシステム、たとえば、ローカルコンピュータシステムまたはクラウドコンピューティングシステム４０６などのさまざまな部分のコンピューティングフレームワークに適用することが可能である。

代替的な実施形態では、マシン１７００は、スタンドアロンデバイスとして動作することが可能であり、または、他のマシンに接続され得る（たとえば、ネットワーク化される）。ネットワーク化された配備において、マシン１７００は、サーバマシンの容量の中で、クライアントマシンの容量の中で、または、両方のサーバ-クライアントネットワーク環境の中で動作することが可能である。一例では、マシン１７００は、ピアツーピア（P2P）（または、他の分散型の）ネットワーク環境の中のピアマシンとして作用することが可能である。マシン１７００は、パーソナルコンピュータ（PC）、タブレットPC、セットトップボックス（STB）、パーソナルデジタルアシスタント（PDA）、携帯電話、ウェブアプライアンス、ネットワークルータ、スイッチもしくはブリッジ、または、そのマシンによってとられるべきアクションを特定するインストラクション（シーケンシャルまたはその他）を実行することができる任意のマシンであることが可能である。さらに、単一のマシンのみが図示されているが、「マシン」という用語は、また、本明細書で議論されている方法論のうちの任意の１つまたは複数、たとえば、クラウドコンピューティング、ソフトウェアアズアサービス（SaaS）、他のコンピュータクラスタ構成などを実施するためのインストラクションのセット（または、複数のセット）を個別にまたは共同で実行するマシンの任意の収集を含むように解釈されるものとする。

本明細書で説明されているように、例は、ロジックもしくは複数の成分、またはメカニズムを含むことが可能であり、または、それによって動作することが可能である。回路セットは、ハードウェア（たとえば、単純回路、ゲート、ロジックなど）を含む有形エンティティの中に実装された回路の収集である。回路セットメンバーシップは、時間の経過とともに可撓性であることが可能であり、ハードウェア変動性の基礎となっていることが可能である。回路セットは、動作しているときに特定の動作を単独でまたは組み合わせて実施することができる部材を含む。一例では、回路セットのハードウェアは、特定の動作を実施するように不変に設計され得る（たとえば、ハードワイヤード）。一例では、回路セットのハードウェアは、特定の動作のインストラクションをエンコードする物理的に修正されたコンピュータ可読媒体（たとえば、不変質量の粒子の磁気的に、電気的に、移動可能な設置など）を含む、可変的に接続されている物理的なコンポーネント（たとえば、実行ユニット、トランジスタ、単純回路など）を含むことが可能である。物理的なコンポーネントを接続する際に、ハードウェア構成要素の基礎的な電気特性が、たとえば、絶縁体から導体へ変化させられるか、または、同様にその反対に変化させられる。インストラクションは、埋め込まれているハードウェア（たとえば、実行ユニットまたはローディングメカニズム）が可変接続を介してハードウェアの中の回路セットの部材を生成させることを可能にし、動作中のときに特定の動作の一部分を実施する。したがって、コンピュータ可読媒体は、デバイスが動作しているときに、回路セット部材の他のコンポーネントに通信可能に連結されている。一例では、物理的なコンポーネントのうちのいずれかが、２つ以上の回路セットの２つ以上の部材の中に使用され得る。たとえば、動作下において、実行ユニットは、１つの時点において、第１の回路セットの第１の回路の中で使用され、また、異なる時間において、第１の回路セットの中の第２の回路によって、または、第２の回路セットの中の第３の回路によって再使用され得る。

マシン（たとえば、コンピュータシステム）１７００は、ハードウェアプロセッサ１７０２（たとえば、中央処理装置（CPU）、グラフィックスプロセッシングユニット（GPU）、ハードウェアプロセッサコア、または、それらの任意の組合せ）、メインメモリ１７０４および静的メモリ１７０６を含むことが可能であり、そのうちのいくつかまたはすべては、インターリンク（たとえば、バス）１７０８を介して互いに通信することが可能である。マシン１７００は、ディスプレイユニット１７１０（たとえば、ラスタディスプレイ、ベクトルディスプレイ、ホログラフィックディスプレイなど）、英数字入力デバイス１７１２（たとえば、キーボード）、およびユーザインターフェース（ＵＩ）ナビゲーションデバイス１７１４（たとえば、マウス）をさらに含むことが可能である。一例では、ディスプレイユニット１７１０、入力デバイス１７１２、およびＵＩナビゲーションデバイス１７１４は、タッチスクリーンディスプレイであることが可能である。マシン１７００は、ストレージデバイス（たとえば、ドライブユニット）１７１６、信号発生デバイス１７１８（たとえば、スピーカ）、ネットワークインターフェースデバイス１７２０、および１つまたは複数のセンサ１７２１、たとえば、全地球測位システム（GPS）センサ、コンパス、加速度計、または他のセンサなどを追加的に含むことが可能である。マシン１７００は、出力コントローラ１７２８、たとえば、シリアル（たとえば、ユニバーサルシリアルバス（USB））、パラレル、または他のワイヤードまたはワイヤレス（たとえば、赤外線（IR）、近距離無線通信（NFC）など）接続などを含むことが可能であり、１つまたは複数の周辺デバイス（たとえば、プリンタ、カードリーダなど）と通信するかまたはそれらを制御することが可能である。

ストレージデバイス１７１６は、機械可読媒体１７２２を含むことが可能であり、本明細書で説明されている技法または機能のうちの任意の１つまたは複数を具現化するかまたはそれによって利用される１つまたは複数のセットのデータ構造またはインストラクション１７２４（たとえば、ソフトウェア）が、機械可読媒体１７２２の上に記憶される。また、インストラクション１７２４は、完全にまたは少なくとも部分的に、メインメモリ１７０４の中に、静的メモリ１７０６の中に、または、マシン１７００によるその実行の間のハードウェアプロセッサ１７０２の中に存在していることが可能である。一例では、ハードウェアプロセッサ１７０２、メインメモリ１７０４、静的メモリ１７０６、またはストレージデバイス１７１６のうちの１つまたは任意の組合せは、機械可読媒体を構築することが可能である。

機械可読媒体１７２２は単一の媒体として図示されているが、「機械可読媒体」という用語は、１つまたは複数のインストラクション１７２４を記憶するように構成されている単一の媒体または複数の媒体（たとえば、集中型のもしくは分散型のデータベース、ならびに／または、関連のキャッシュおよびサーバ）を含むことが可能である。

「機械可読媒体」という用語は、マシン１７００による実行のためのインストラクションを記憶し、エンコードし、もしくは担持することができる任意の媒体、本開示の技法のうちの任意の１つもしくは複数をマシン１７００が実施することを引き起こす任意の媒体、または、そのようなインストラクションによって使用されるかもしくはそのようなインストラクションに関連付けられたデータ構造を記憶し、エンコードし、もしくは担持することができる任意の媒体を含むことが可能である。非限定的な機械可読媒体の例は、ソリッドステートメモリ、ならびに、光学的な媒体および磁気的な媒体を含むことが可能である。一例では、マス機械可読媒体（massed machine-readable medium）は、不変の質量（たとえば、静止質量）を有する複数の粒子を備えた機械可読媒体を含む。したがって、マス機械可読媒体は、一時的な伝播信号ではない。マス機械可読媒体の特定の例は、不揮発性のメモリ、たとえば、半導体メモリデバイス（たとえば、電気的にプログラム可能なリードオンリーメモリ（EPROM）、電気的に消去可能なプログラム可能なリードオンリーメモリ（EPSOM））およびフラッシュメモリデバイスなど、磁気ディスク、たとえば、内部ハードディスクおよびリムーバブルディスクなど、光磁気ディスク、ならびに、CD-ROMディスクおよびDVD-ROMディスクを含むことが可能である。

インストラクション１７２４は、複数の転送プロトコル（たとえば、フレームリレー、インターネットプロトコル（IP）、伝送制御プロトコル（TCP）、ユーザデータグラムプロトコル（UDP）、ハイパーテキスト転送プロトコル（HTTP）など）のうちのいずれか１つを利用するネットワークインターフェースデバイス１７２０を介して、伝送媒体を使用して、通信ネットワーク１７２６の上でさらに送信または受信され得る。例示的な通信ネットワークは、なかでも、ローカルエリアネットワーク（LAN）、ワイドエリアネットワーク（WAN）、パケットデータネットワーク（たとえば、インターネット）、携帯電話ネットワーク（たとえば、セルラーネットワーク）、Plain Old Telephone（POTS）ネットワーク、ワイヤレスデータネットワーク（たとえば、WiFi（登録商標）として知られている米国電気電子学会（IEEE）８０２.１１の標準のファミリー、WiMax（登録商標）として知られているIEEE８０２.１６の標準のファミリー）、IEEE８０２.１５.４の標準のファミリー、およびピアツーピア（P2P）ネットワークを含むことが可能である。一例では、ネットワークインターフェースデバイス１７２０は、１つもしくは複数の物理的なジャック（たとえば、イーサネットジャック、同軸ジャック、もしくはフォンジャック）または１つもしくは複数のアンテナを含み、通信ネットワーク１７２６に接続することが可能である。一例では、ネットワークインターフェースデバイス１７２０は、複数のアンテナを含み、単一入力複数出力（SIMO）、複数入力複数出力（MIMO）、または複数入力単一出力（MISO）技法のうちの少なくとも１つを使用して、ワイヤレスに通信することが可能である。「伝送媒体」という用語は、マシン１７００による実行のためのインストラクションを記憶し、エンコードし、または担持することができる任意の非有体的な媒体を含むものと解釈されるものとし、そのようなソフトウェアの通信を促進させるためのデジタル通信信号もしくはアナログ通信信号または他の非有体的な媒体を含む。

さまざまな実施形態が、上の図に示されている。これらの実施形態のうちの１つまたは複数からの１つまたは複数の特徴は、他の実施形態を形成するために組み合わせられ得る。

本明細書で説明されている方法の例は、少なくとも部分的にマシン実装またはコンピュータ実装され得る。いくつかの例は、上の例に説明されているような方法を実施するための電子的なデバイスまたはシステムを構成するように動作可能なインストラクションによってエンコードされたコンピュータ可読の媒体または機械可読媒体を含むことが可能である。そのような方法の一実装形態は、たとえば、マイクロコード、アッセンブリ言語コード、または、より高レベルの言語コードなどのようなコードを含むことが可能である。そのようなコードは、さまざまな方法を実施するためのコンピュータ可読のインストラクションを含むことが可能である。コードは、コンピュータプログラム製品の一部を形成することが可能である。さらに、コードは、実行の間にまたは他の時間において、１つまたは複数の揮発性のまたは不揮発性のコンピュータ可読の媒体の上に有形に記憶され得る。

上の詳細な説明は、例示目的であることを意図しており、限定的であることを意図していない。したがって、本開示の範囲は、そのような特許請求の範囲が権利を与えられる均等物の全範囲とともに、添付の特許請求の範囲を参照して決定されるべきである。

１０フロア表面
１００モバイルフロアクリーニングロボット
１０５デブリ
１０６電気回路
１０８ハウジングインフラストラクチャ
１０９コントローラ回路
１１０ドライブシステム
１１２ドライブホイール
１１３底部部分
１１４ドライブホイールモータ、モータ
１１５パッシブキャスタホイール、キャスタホイール
１１６クリーニングヘッドアッセンブリ
１１７クリーニング入口部
１１８回転可能な部材
１１９バキュームシステム
１２０ローラモータ
１２１後方部分
１２２前方部分
１２４デブリビン
１２６ブラシ
１２８ブラシモータ
１３４クリフセンサ
１３６ａ近接センサ
１３６ｂ近接センサ
１３６ｃ近接センサ
１３７光インジケータシステム
１３８バンパ
１３９ａバンプセンサ
１３９ｂバンプセンサ
１４０イメージキャプチャデバイス
１４１障害物検知センサ
１４２上部部分
１４３連続的なループ
１４４メモリストレージエレメント、メモリユニット
１４５吸引経路
１４６水平方向の軸線
１４７蓋部
１４８水平方向の軸線
１５０側部表面
１５２側部表面
１５４前方表面
１５６角部表面
１５８角部表面
１６１ドライブモータセンサ
１６２中心
１６４慣性測定ユニット（IMU）
１８０光学検出器
１８２光学エミッタ
１８４光学エミッタ
３０５通信システム
３０６ビーコン通信モジュール
３０７ワイヤレス通信モジュール
３１０クリーニングシステム
３１６吸引ファンモータ
３１７モータセンサ
３２０ナビゲーションセンサシステム
３２４プロセッサ、視覚センサ
３２６入力／出力ユニット
３３６近接センサ
３３９バンパセンサ
４００プロセス
４０２ユーザ
４０４モバイルデバイス
４０６クラウドコンピューティングシステム
４０８ロボット、自律型ロボット
４１０通信ネットワーク
４３０コントローラ
４４２プロセッサ
４４４プロセッサ
５１０データレシーバ
５２０プロセッサ回路
５２２空間フィルタ
５２４ロボットパラメータ発生器
５２６クリーニングヘッド状態検出器
５２８残存寿命推定器
５３０メモリ回路
５３２フロア表面条件
５４０ユーザインターフェース
６１０ドッキングステーション
６１２プラットフォーム
６２０Ａアンドッキング経路
６２０Ｂドッキング経路
６３２逆方向
６３４前方方向
６４０方向
７２２エネルギー値
７２３増加トレンド
７２５デブリ指示エネルギー閾値
７３０長期的エネルギートレンド
７３５エネルギー閾値、閾値
８１２ラッチ
９４２周波数応答
９４４伝達関数モデル
１０１０トレーニングデータ
１０２０回帰ライン
１０３０信頼ライン
１０４０信頼ライン
１１０２ディスプレイスクリーン
１１０４テキストユーザインターフェースエレメント
１１０６グラフィカルユーザインターフェースエレメント
１１０８「ワンクリック」選択オプション
１１１０テキストユーザインターフェースエレメント
１２２０プロセッサ回路
１２２１状態変数推定器
１２５０バーチャルセンサ
１２５２数学的モデル
１２５４カルマンフィルタ
１３１０プロセッサ回路
１３２０Ａ推定器
１３２０Ｂ推定器
１３２０Ｃ推定器
１３２０Ｎ推定器
１３２４Ａ～１３２４Ｎロボットパラメータ発生器
１３３０第１の融合回路
１３４０クリーニングヘッド状態検出器
１３５０第２の融合回路
１３６０ ERL推定器
１３７０重み係数発生器
１４１０ロボットクリーニング環境のフロアマップ
１４２２モータエネルギー値
１４２３重み係数
１４２４モータエネルギーの組合せ
１４２６複合モータエネルギーのトレンド
１７０２プロセッサ、ハードウェアプロセッサ
１７０４メインメモリ
１７０６静的メモリ
１７０８インターリンク
１７１０ディスプレイデバイス、ディスプレイユニット
１７１２入力デバイス、英数字入力デバイス
１７１４ＵＩナビゲーションデバイス
１７１６ストレージデバイス
１７１８信号発生デバイス
１７２０ネットワークインターフェースデバイス
１７２１センサ
１７２２機械可読媒体
１７２４インストラクション
１７２６ネットワーク、通信ネットワーク
１７２８出力コントローラ
Ｌ１全体的な長さ
Ｈ１高さ
Ｄ１水平方向の距離
Ｗ１全体的な幅
ＬＡ横方向の軸線
ＦＡ前後軸線
Ｆ前方ドライブ方向
Ｒ後方ドライブ方向
Ｔ１第１のモニタリング期間
Ｔ２第２のモニタリング期間

Claims

モータによって駆動され、デブリを抽出するためにフロア表面に回転可能に係合するクリーニング部材を含むモバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価するためのシステムであって、
当該システムは、
プロセッサ回路であって、
環境を横断している前記モバイルクリーニングロボットによって作り出されるロボットデータを受信し、
前記モバイルクリーニングロボットによって横断される前記環境中のフロアエリアに対応する受信された前記ロボットデータの一部分を使用して、ロボットパラメータを決定し、
決定された前記ロボットパラメータに基づいてクリーニングヘッドの状態を決定するように構成されており、
前記フロアエリアは、表面条件を有し、
前記クリーニングヘッドの状態は、前記クリーニング部材に関する摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示している、
プロセッサ回路と、
前記クリーニングヘッドの決定された状態をユーザに通知するように構成されているユーザインターフェースと、
を含んでなることを特徴とする、システム。
前記プロセッサ回路は、前記モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、前記ロボットパラメータのトレンドを発生させ、発生された前記ロボットパラメータのトレンドに基づいて、前記クリーニングヘッドの状態を決定するように構成されていることを特徴とする、請求項１に記載のシステム。
前記プロセッサ回路は、決定された前記ロボットパラメータを使用して、前記クリーニング部材の残存耐用年数の推定値（ERL）を発生させるようにさらに構成されていることを特徴とする、請求項１に記載のシステム。
前記ロボットデータは、
前記モータに供給される電圧、
モータ電流、
前記クリーニング部材の角速度、または、
前記クリーニング部材において発生させられるトルク
のうちの１つまたは複数の測定値を含むことを特徴とする、請求項１に記載のシステム。
前記プロセッサ回路は、
（１）クリーニングヘッドダイナミクスを表す前記クリーニングヘッドアッセンブリの数学的モデル、および、（２）前記表面条件を備えた前記フロアエリアに対応するデータ部分を使用して、前記クリーニング部材の状態変数を推定するように構成されており、
推定された前記状態変数を使用して、前記クリーニング部材のERLを発生させるように構成されていることを特徴とする、請求項３に記載のシステム。
前記プロセッサ回路は、前記環境の中の１つまたは複数のフロアエリアの表面条件についての情報を含有するフロアマップに基づいて、前記表面条件を備えた前記フロアエリアに対応する受信された前記ロボットデータの前記一部分を抽出するように構成されており、前記表面条件は、
フロアタイプ、
前記環境の特定の空間的な場所におけるフロア表面、
前記モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面、または、
特定の寸法または形状を有するフロア表面
のうちの１つまたは複数を含むことを特徴とする、請求項１に記載のシステム。
前記プロセッサ回路は、
前記モバイルクリーニングロボットがドッキングステーションに戻るドッキング局面、または、
前記モバイルクリーニングロボットが前記ドッキングステーションを出発するアンドッキング局面
のうちの少なくとも１つを含む、クリーニングミッションの局面にしたがって、受信された前記ロボットデータの前記一部分を抽出するように構成されていることを特徴とする、請求項１に記載のシステム。
前記ロボットパラメータは、前記表面条件を備えた前記フロアエリアを横切って前記クリーニング部材を駆動するための前記モータによって発生させられるエネルギーを含み、前記プロセッサ回路は、
前記モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、モータエネルギーのトレンドを発生させるように構成されており、
第１のモニタリング期間の間の前記モータエネルギーの増加トレンドに基づいて、前記デブリ蓄積レベルを決定するように構成されており、
前記第１のモニタリング期間よりも長い第２のモニタリング期間の間の前記モータエネルギーの減少トレンドに基づいて、前記摩耗レベルを決定するように構成されていることを特徴とする、請求項１に記載のシステム。
前記ロボットパラメータは、前記モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面に回転可能に係合するように前記クリーニング部材を駆動する前記モータの動的応答を含み、
前記プロセッサ回路は、前記モータの決定された前記動的応答と、摩耗したクリーニングヘッドのための第１のモータ応答テンプレート、または、デブリが蓄積されたクリーニングヘッドのための第２のモータ応答テンプレートのうちの１つまたは複数との比較に基づいて、前記クリーニングヘッドの前記状態を決定するように構成されており、
前記第１および第２のモータ応答テンプレートは、前記ドッキングステーションの前記プラットフォーム表面に回転可能に係合している前記クリーニング部材に対応するロボットデータを使用してそれぞれ発生させられることを特徴とする、請求項１に記載のシステム。
前記プロセッサ回路は、
前記モータの決定された前記動的応答にフィットするようにパラメトリックモデルを発生させるように構成されており、
前記フィットすることが特定の基準を満たすように、前記パラメトリックモデルに関する１つまたは複数のモデルパラメータを決定するように構成されており、
決定された前記１つまたは複数のモデルパラメータを使用して、前記クリーニングヘッドの前記状態を決定するように構成されていることを特徴とする、請求項９に記載のシステム。
当該システムは、それぞれの表面条件を備えた前記環境の中のそれぞれのフロアエリアに関連付けられた複数の推定器を含み、
前記複数の推定器は、前記それぞれのフロアエリアに対応する受信された前記ロボットデータの一部分を使用してそれぞれのロボットパラメータを決定するようにそれぞれ構成されており、
前記プロセッサ回路は、
クリーニングミッションにおいて前記複数の推定器によってそれぞれに決定される前記ロボットパラメータを使用して複合ロボットパラメータを発生させるように構成されており、
前記モバイルクリーニングロボットによる前記それぞれのフロアエリアのうちの１つまたは複数の横断をそれぞれ含む複数のクリーニングミッションにわたって、前記複合ロボットパラメータのトレンドを発生させるように構成されており、
前記複合ロボットパラメータの発生させられた前記トレンドに基づいて、前記クリーニングヘッドの前記状態を決定するように構成されていることを特徴とする、請求項１に記載のシステム。
前記プロセッサ回路は、前記複数の推定器のそれぞれに関して、それぞれの前記推定器に関連付けられた前記フロアエリアのフロアタイプに基づいて、またはクリーニングミッションにおいてそれぞれの前記推定器に関連付けられた前記フロアエリアを前記モバイルクリーニングロボットが横断するときに獲得された前記ロボットデータの変動性メトリックに基づいて、それぞれの重み係数を決定するように構成されており、また、それぞれの重み係数によって重み付けされた前記ロボットパラメータの組合せを使用して、前記複合ロボットパラメータを発生させるように構成されていることを特徴とする、請求項１１に記載のシステム。
前記ユーザインターフェースは、決定された前記デブリ蓄積レベルに応答して前記クリーニング部材をクリーニングすることの推奨、または、決定された前記摩耗レベルに基づいて前記クリーニング部材を交換することの推奨を発生させるように構成され、或いは、決定された前記摩耗レベルを有する前記クリーニングヘッドを交換するために、新しいクリーニングヘッドを購入するように前記ユーザを促すように構成されていることを特徴とする、請求項１に記載のシステム。
モバイルクリーニングロボットの中のクリーニングヘッドアッセンブリの健康ステータスを評価する方法であって、前記モバイルクリーニングロボットは、クリーニング部材を含み、前記クリーニング部材は、モータによって駆動され、デブリを抽出するためにフロア表面に回転可能に係合し、当該方法は、
環境を横断している前記モバイルクリーニングロボットによって作り出されるロボットデータを受信するステップと、
プロセッサ回路を介して、前記モバイルクリーニングロボットによって横断される前記環境の中のフロアエリアに対応する受信された前記ロボットデータの一部分を使用して、ロボットパラメータを決定するステップであって、前記フロアエリアは、所定の表面条件を有している、ステップと、
前記プロセッサ回路を介して、決定された前記ロボットパラメータに基づいてクリーニングヘッドの状態を決定するステップであって、前記クリーニングヘッドの状態は、前記クリーニング部材に関する摩耗レベルまたはデブリ蓄積レベルのうちの少なくとも１つを示している、ステップと、
前記クリーニングヘッドの決定された前記状態をユーザインターフェースの上に提示するステップと、
を含んでなることを特徴とする、方法。
当該方法は、前記環境の中の１つまたは複数のフロアエリアの表面条件についての情報を含有するフロアマップに基づいて、前記表面条件を備えた前記フロアエリアに対応する受信された前記ロボットデータの前記一部分を抽出するステップを含み、前記表面条件は、
フロアタイプ、
前記環境の中の特定の場所におけるフロア表面、
前記モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面、または、
特定の寸法または形状を有するフロア表面
のうちの１つまたは複数を含むことを特徴とする、請求項１４に記載の方法。
前記モバイルクリーニングロボットがドッキングステーションに戻るドッキング局面、または、
前記モバイルクリーニングロボットが前記ドッキングステーションを出発するアンドッキング局面
のうちの少なくとも１つを含む、クリーニングミッションの特定の局面に基づいて、受信された前記ロボットデータの前記一部分を抽出するステップを含むことを特徴とする、請求項１４に記載の方法。
（１）クリーニングヘッドダイナミクスを表す前記クリーニングヘッドアッセンブリの数学的モデル、および、（２）前記表面条件を備えた前記フロアエリアに対応するデータ部分を使用して、前記クリーニング部材の状態変数を推定するステップと、
決定された前記ロボットパラメータを使用して、前記クリーニング部材の残存耐用年数の推定値（ERL）を発生させるステップと、
をさらに含むことを特徴とする、請求項１４に記載の方法。
前記ロボットパラメータは、前記表面条件を備えた前記フロアエリアを横切って前記クリーニング部材を駆動するための前記モータによって発生させられるエネルギーを含み、当該方法は、
前記モバイルクリーニングロボットによる同じフロアエリアの横断をそれぞれに含む複数のクリーニングミッションにわたって、前記ロボットパラメータのトレンドを発生させるステップと、
第１のモニタリング期間の間のモータエネルギーの増加トレンドに基づいて、前記デブリ蓄積レベルを決定するステップと、
前記第１のモニタリング期間よりも長い第２のモニタリング期間の間の前記モータエネルギーの減少トレンドに基づいて、前記摩耗レベルを決定するステップと、
を含むことを特徴とする、請求項１４に記載の方法。
前記ロボットパラメータは、前記モバイルクリーニングロボットのためのドッキングステーションのプラットフォーム表面に回転可能に係合するように前記クリーニング部材を駆動する前記モータの動的応答を含み、
前記クリーニングヘッドの前記状態を決定するステップは、前記モータの決定された前記動的応答と、摩耗したクリーニングヘッドのための第１のモータ応答テンプレート、または、デブリが蓄積されたクリーニングヘッドのための第２のモータ応答テンプレートのうちの１つまたは複数との比較に基づいており、
前記第１および第２のモータ応答テンプレートは、前記ドッキングステーションの前記プラットフォーム表面に回転可能に係合している前記クリーニング部材に対応するロボットデータを使用してそれぞれ発生させられることを特徴とする、請求項１４に記載の方法。
第１の表面条件を有する前記環境の中の第１のフロアエリアに対応する受信された前記ロボットデータの第１の部分を使用して、少なくとも第１のロボットパラメータを決定し、また、第２の表面条件を有する前記環境の中の第２のフロアエリアに対応する受信された前記ロボットデータの第２の部分を使用して、第２のロボットパラメータを決定するステップであって、前記第１および第２のフロアエリアは、前記モバイルクリーニングロボットによってそれぞれ横断される、ステップと、
少なくとも前記第１および第２のロボットパラメータを使用して、複合ロボットパラメータを発生させるステップと、
前記モバイルクリーニングロボットによる前記第１のフロアエリアまたは前記第２のフロアエリアのうちの１つまたは複数の横断をそれぞれ含む複数のクリーニングミッションにわたって、前記複合ロボットパラメータのトレンドを発生させるステップと、
前記複合ロボットパラメータの発生させられた前記トレンドに基づいて、前記クリーニングヘッドの前記状態を決定するステップと、
を含むことを特徴とする、請求項１４に記載の方法。