SEMI-OPTIMAL PATH FINDING IN A WHOLLY UNKNOWN ENVIRONMENT
    282.
    发明申请
    SEMI-OPTIMAL PATH FINDING IN A WHOLLY UNKNOWN ENVIRONMENT 审中-公开
    SEMI优化路径在一个完整的未知环境中寻找

    公开(公告)号:WO01078951A1

    公开(公告)日:2001-10-25

    申请号:PCT/JP2000/002427

    申请日:2000-04-13

    Abstract: A mobile robot, which is guided by a new learning algorithm is presented. The first task for the robot is searching a path like a human being. That is, finding a semi-optimal path to a given goal in a wholly unknown, unpredictable and partly, dynamic large-scale environment. Therefore, it demands high technique of environment modeling through learning. Because the robot should realize its missions within the framework of the task knowledge, there appears a new phenomenon and a Dead Corner theory: genetic algorithm and reinforcement learning algorithm are the basis for the presented theory. Powerful methods are described in the mathematics tool of MDP models. The essential method of the sub-goal method is similar with the Sub-goal method of Options over MDP theory and has been successfully proved. The presented theory is a refined theory of A Learning Classifier System theory. Most of the theory has been proved in a visualization platform of an animation simulator.

    Abstract translation: 介绍了一种由新的学习算法引导的移动机器人。 机器人的第一个任务是搜索人类的路径。 也就是说,在一个完全未知的,不可预测的,部分动态的大规模环境中找到一个给定目标的半最佳路径。 因此,通过学习需要高度的环境建模技术。 由于机器人在任务知识框架下实现其任务,出现了一种新现象和死角理论:遗传算法和强化学习算法是提出的理论的基础。 在MDP模型的数学工具中描述了强大的方法。 子目标法的基本方法与选项超过MDP理论的子目标方法相似,已经成功证明。 所提出的理论是A学习分类器系统理论的精细理论。 大多数理论已经在动画模拟器的可视化平台中被证明。

    EXPLORATION EINER UNBEKANNTEN UMGEBUNG DURCH EINEN AUTONOMEN MOBILEN ROBOTER

    公开(公告)号:WO2019053062A1

    公开(公告)日:2019-03-21

    申请号:PCT/EP2018/074607

    申请日:2018-09-12

    Applicant: ROBART GMBH

    Abstract: Es wird ein Verfahren zur Erkundung eines Robotereinsatzgebietes durch einen autonomen mobilen Roboter beschrieben. Gemäß einem Ausführungsbeispiel umfasst das Verfahren das Starten einer Erkundungsfahrt, wobei der der Roboter während der Erkundungsfahrt Objekte in seiner Umgebung detektiert und detektierte Objekte als Kartendaten in einer Karte speichert, während der Roboter sich durch das Robotereinsatzgebiet bewegt. Während der Erkundungsfahrt führt der Roboter Teilgebietsdetektion basierend auf den gespeicherten Kartendaten durch, wobei zumindest ein Referenzteilgebiet detektiert wird. Anschließend wird geprüft, ob das Referenzteilgebiet vollständig erkundet ist. Der Roboter wiederholt die Teilgebietsdetektion, um das Referenzteilgebiet zu aktualisieren, und prüft erneut, ob das (aktualisierte) Referenzteilgebiet vollständig erkundet ist. Die Erkundung des Referenzteilgebiets wird fortgesetzt, bis dass die Prüfung ergibt, dass das Referenzteilgebiet vollständig erkundet ist. Anschließend wird der Roboter die Erkundungsfahrt in einem weiteren Teilgebiet fortsetzen, sofern ein weiteres Teilgebiet detektiert wurde, wobei das weitere Teilgebiet als Referenzteilgebiet verwendet wird.

    ROBOT MOBILE NEURO-INSPIRÉ MULTIMODAL AUTONOME POUR LA SURVEILLANCE ET LE RÉTABLISSEMENT D'UN ENVIRONNEMENT
    289.
    发明申请
    ROBOT MOBILE NEURO-INSPIRÉ MULTIMODAL AUTONOME POUR LA SURVEILLANCE ET LE RÉTABLISSEMENT D'UN ENVIRONNEMENT 审中-公开
    用于监测和恢复环境的自动多模式神经激活移动机器人

    公开(公告)号:WO2015063119A1

    公开(公告)日:2015-05-07

    申请号:PCT/EP2014/073168

    申请日:2014-10-29

    Applicant: PARTNERING 3.0

    Abstract: L'invention concerne un robot mobile (100) comportant des moyens de déplacement (110) et d'orientation et des moyens sensoriels comprenant : a. des moyens sensoriels aptes à délivrer une information proprioceptive issue des moyens (110) de déplacement et d'orientation, b. des moyens sensoriels (130, 141, 142, 143, 144, 145, 146, 147) aptes à délivrer une information, dite environnementale, perçue dans l'environnement du robot; caractérisé en ce qu'il comporte des moyens informatiques comprenant: c. une structure neuromimétique comprenant une batterie de cellules de grille idiothétique dont les neurones sont activés par une information proprioceptive et une batterie de cellules de grille allothétique; d. une structure neuromimétique, dite cortex entorhinal, dont chaque neurone correspond à une cellule de lieu.

    Abstract translation: 本发明涉及一种包括运动和定向装置(110)和感觉装置的移动机器人(100),包括:a。 感官意味着能够从运动和方位手段(110)传递本体感知信息,b。 感觉手段(130,141,142,143,144,145,146,147)能够传递在机器人环境中感知到的所谓环境信息; 其特征在于它包括计算机装置,包括:c。 一种神经模拟结构,其包含电池,其中神经元通过本体感受信息激活,并且具有一组分离的网格细胞; 天。 称为内嗅皮层的神经模拟结构,其每个神经元对应于地方细胞。

    自律移動システムおよび管制装置
    290.
    发明申请
    自律移動システムおよび管制装置 审中-公开
    自动运动系统和控制装置

    公开(公告)号:WO2014076844A1

    公开(公告)日:2014-05-22

    申请号:PCT/JP2012/079970

    申请日:2012-11-19

    CPC classification number: G05D1/0272 G05D1/0274 G05D1/0278 G05D2201/0207

    Abstract:  部分地図の接続における確実性を向上させることを課題とする。 相対座標と、絶対座標と、周囲の環境情報と、を対応づけて取得する環境情報取得部(101)と、絶対座標に基づく第1の誤差評価値を算出し、走行軌跡を、第1の誤差評価値に基づいて変形させることで、走行軌跡を補正する第1の補正を行い、第1の補正による補正が行われた走行軌跡同士が近接している重複走行領域の検出を行い、重複走行領域における環境情報同士を互いに比較することによって、選択された各相対座標間における相対的な位置関係を算出し、この相対的な位置関係と、絶対座標とに基づく第2の誤差評価値を算出し、走行軌跡を、当該第2の誤差評価値に基づいて変形させることで、走行軌跡を補正する第2の補正を行う走行軌跡補正部(102)と、を有することを特徴とする。

    Abstract translation: 本发明解决了提高部分地图的连接可靠性的问题。 本发明的特征在于具有:环境信息获取单元(101),其关联并获取相对坐标,绝对坐标和周围环境信息; 和行进轨迹校正单元(102)。 行进轨迹校正单元(102):计算基于绝对坐标的第一误差评价值; 执行第一校正,其通过基于第一误差评估值使行驶轨迹变形来校正行驶轨迹; 检测已经通过第一校正方式校正的行进轨迹的重叠行驶区域; 通过将重叠行驶区域中的环境信息单元相互对
    对,计算出所选择的相对坐标之间的相对位置关系; 计算基于相对位置关系和绝对坐标的第二误差评估值; 并且通过基于第二误差评估值变形行进轨迹,执行校正行进轨迹的第二校正。

Patent Agency Ranking