A personal service robot should consider various environment features which is different depending on each robot. Especially, a cleaning robot need to know not only geometrical map but also spatial properties of environment like areas where the robot is easy to be halt because of electric wire or chairs and a table. This research suggest algorithm which learn spatial properties from experience and plan cleaning trajectory with considering the properties. Shorterst length distance feature and kernel density estimation is used to learn continuous property on the map. In this case, the continuous property is probability of halting. Area which sould be avoided can be got with threshold. In addition, forgetting effect is applied to consider sudden change of spatial property(e. g. move to another house, structural alteration). Finally, trajectory is planned with strategy. The algorithm is tested in 2D simulator. With experience of halt of cleaning task, undetectable area which should be avoided is considered and improved trajectory is planned. Extent of area cleaned and cleaning time is used as criteria. As further works, the algorithm will be test in laboratory environment and trajectory simplification will be added. This research and be applied individual service robot which is effected by spatial properties.
개인용서비스로봇은 같은 태스크를 수행함에 있어서 로봇마다 다양한 환경특성을 고려해야한다. 특히, 청소로봇의 경우 가정의 기하학적 지도뿐만 아니라, 전선이나 의자와 같은 청소태스크 수행정지 위험영역 등 가정환경마다 다양한 특성을 고려해야한다. 본 연구에서는 과거 경험으로부터 공간의 특성을 파악하고 그로부터 특징공간을 추출한 후 이를 고려한 청소경로 계획 알고리즘을 제안한다. 최소거리피쳐와 커널밀도추정을 이용하여 공간상에 매핑된 경험데이터로부터 연속적인 공간특성을 학습하며, 임계값을 이용하여 특징공간을 추출한다. 또한 망각효과를 적용하여 집안 구조가 바뀌는 경우 새로운 환경에 적응할 수 있도록 하였다. 그 후 정해진 전략에 따라 청소경로 계획을 수립한다. 제안한 알고리즘은 2d 시뮬레이션 환경에서 테스트되었다. 운동불가에 의한 청소강제중지 경험을 고려하여 센서로 파악하기 힘든 장애요소들을 피하는 경로로 청소를 하며 최종 청소면적을 기준으로 청소능력을 평가하였다. 본 연구에서 제안하는 방법으로 청소시뮬레이션을 반복한 결과, 30번의 청소 이후 단순 부스트로피던에 비해 청소면적, 청소시간들의 면에서 청소효율 상승을 보여줬다. 향후 연구실환경에서 테스트를 위해 경로계획 단순화와 최적화 방법이 추가될 것이다. 본 연구는 가정환경 지도 위에 나타날 수 있는 다양한 특성에 확장될 수 있으며, 나아가 맵 정보를 이용하는 서비스로봇에 적용될 수 있다.
