特開 2024-131007 移動経路決定システム、自律型移動装置、移動経路決定方法、プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024131007

(43)【公開日】2024-09-30

(54)【発明の名称】移動経路決定システム、自律型移動装置、移動経路決定方法、プログラム

(51)【国際特許分類】

   G01C 21/34 20060101AFI20240920BHJP

   G08G 1/0962 20060101ALI20240920BHJP

   G05D 1/43 20240101ALI20240920BHJP

【ＦＩ】

G01C21/34

G08G1/0962

G05D1/02 K

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2023041006

(22)【出願日】2023-03-15

(71)【出願人】

【識別番号】000002945

【氏名又は名称】オムロン株式会社

(74)【代理人】

【識別番号】100145403

【弁理士】

【氏名又は名称】山尾 憲人

(74)【代理人】

【識別番号】100189555

【弁理士】

【氏名又は名称】徳山 英浩

(72)【発明者】

【氏名】鳥居 拓耶

【テーマコード（参考）】

2F129

5H181

5H301

【Ｆターム（参考）】

2F129AA01

2F129AA02

2F129AA03

2F129AA11

2F129AA14

2F129BB19

2F129CC15

2F129CC31

2F129CC33

2F129DD13

2F129DD21

2F129DD62

2F129GG17

2F129GG18

2F129HH02

2F129HH04

2F129HH12

2F129HH20

2F129HH21

5H181AA01

5H181AA21

5H181AA25

5H181AA26

5H181AA27

5H181BB20

5H181CC03

5H181CC04

5H181CC14

5H181FF04

5H181FF27

5H181FF32

5H301BB05

5H301CC03

5H301CC06

5H301GG08

5H301GG09

5H301LL02

5H301LL03

(57)【要約】

【課題】移動経路の決定の精度の向上を可能にする、移動経路決定システム、自律型移動装置、移動経路決定方法、及び、プログラムを提供する。
【解決手段】移動経路決定システム４は、自律型移動装置１の周囲状況に関する入力データの入力に対して自律型移動装置１の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズム８を用いて移動経路を決定する第１モードと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズム９を用いて移動経路を決定する第２モードとを有し、周囲状況が学習済みモデルにより学習済みの周囲状況である場合に第１モードを実行し、周囲状況が学習済みの周囲状況でない場合に第２モードを実行する機能を有する演算回路７を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

自律型移動装置の周囲状況に関する入力データの入力に対して前記自律型移動装置の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズムを用いて前記移動経路を決定する第１モードと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズムを用いて前記移動経路を決定する第２モードと、を有し、
前記周囲状況が前記学習済みモデルにより学習済みの周囲状況である場合に前記第１モードを実行し、前記周囲状況が前記学習済みの周囲状況でない場合に前記第２モードを実行する機能を有する、演算回路、
を備える、
移動経路決定システム。

【請求項2】

前記学習済みの周囲状況は、前記自律型移動装置の周囲に移動体が存在する周囲状況である、
請求項１に記載の移動経路決定システム。

【請求項3】

前記移動体は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である、
請求項２に記載の移動経路決定システム。

【請求項4】

前記学習済みの周囲状況は、第１入力データを前記学習済みモデルに入力して得られる第１の結果と第２入力データを前記学習済みモデルに入力して得られる第２の結果との類似度が閾値以上である周囲状況であり、
前記第１入力データは、前記周囲状況に関する入力データであり、
前記第２入力データは、前記周囲状況に関する入力データの一部に対して変更を行って得られるデータである、
請求項１に記載の移動経路決定システム。

【請求項5】

前記学習済みの周囲状況は、前記自律型移動装置を目的地点まで移動させる定常時とは異なる非定常時の周囲状況である、
請求項１に記載の移動経路決定システム。

【請求項6】

前記決定規則は、前記自律型移動装置の現在位置と前記自律型移動装置の目的地点とに基づいて前記現在位置から前記目的地点までの最短経路を移動経路として決定するように設定される、
請求項１に記載の移動経路決定システム。

【請求項7】

前記演算回路は、与えられた指示通りに前記自律型移動装置を移動させる第３モードを実行する機能を有する、
請求項１に記載の移動経路決定システム。

【請求項8】

前記学習済みの周囲状況は、前記自律型移動装置の周囲に移動体が存在し、かつ、第１入力データを前記学習済みモデルに入力して得られる第１の結果と第２入力データを前記学習済みモデルに入力して得られる第２の結果との類似度が閾値以上である周囲状況であり、
前記第１入力データは、前記周囲状況に関する入力データであり、
前記第２入力データは、前記周囲状況に関する入力データの一部に対して変更を行って得られるデータである、
請求項１に記載の移動経路決定システム。

【請求項9】

請求項１～８のいずれか一つに記載の移動経路決定システムと、
自律型移動装置の周囲状況を取得するセンサシステムと、
前記移動経路決定システムで決定された移動経路に従って移動する移動機構と、
を備える、
自律型移動装置。

【請求項10】

自律型移動装置の周囲状況に関する入力データの入力に対して前記自律型移動装置の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズムと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズムとにアクセス可能な演算回路で実行される移動経路決定方法であって、
前記周囲状況が前記学習済みの周囲状況であるかどうかの判断に基づいて、前記周囲状況が前記学習済みモデルにより学習済みの周囲状況である場合に前記第１アルゴリズムを用いて前記移動経路を決定し、前記周囲状況が前記学習済みの周囲状況でない場合に前記第２アルゴリズムを用いて前記移動経路を決定する、
移動経路決定方法。

【請求項11】

前記自律型移動装置の周囲に移動体が存在する場合に前記第１アルゴリズムを用いて前記移動経路を決定し、
前記移動体は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である、
請求項１０に記載の移動経路決定方法。

【請求項12】

第１入力データを前記学習済みモデルに入力して得られる第１の結果と第２入力データを前記学習済みモデルに入力して得られる第２の結果との類似度が閾値以上である場合に前記第１アルゴリズムを用いて前記移動経路を決定し、
前記第１入力データは、前記周囲状況に関する入力データであり、
前記第２入力データは、前記周囲状況に関する入力データの一部に対して変更を行って得られるデータである、
請求項１０に記載の移動経路決定方法。

【請求項13】

演算回路に、請求項１０～１２のいずれか一つに記載の移動経路決定方法を実行させるための、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、移動経路決定システム、自律型移動装置、移動経路決定方法、及び、プログラムに関する。

【背景技術】

【0002】

特許文献１は、人混みなどの交通環境下においても、自律移動型のロボットが交通参加者との干渉を回避しながら目的地まで円滑に移動するように、ロボットの経路を決定できる経路決定装置などを提供する。経路決定装置は、ＣＮＮを用いて、ロボットと交通参加者との干渉が回避されるように、暫定移動速度指令ｖ＿ｃｎｎを決定し、ロボットが現在位置から暫定移動速度指令ｖ＿ｃｎｎで移動すると想定したときに、ロボットに最も近い交通参加者との距離ｄｉｓｔ及びロボットの暫定移動速度指令ｖ＿ｃｎｎを独立変数として含む目的関数Ｇ（ｖ）が最大値になるように、ＤＷＡを用いて、ロボットの移動速度指令ｖを決定する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】国際公開第２０２０／１３６９７７号

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１に開示された経路決定装置は、ＣＮＮを用いて経路（移動経路）を決定する。一般に、このような学習済みモデルを用いる学習ベースのアルゴリズムでは、常に最適な経路が決定されるとは限らない。これは、移動経路の決定の精度の低下の一因となる。

【0005】

本開示は、移動経路の決定の精度の向上を可能にする、移動経路決定システム、自律型移動装置、移動経路決定方法、及び、プログラムを提供する。

【課題を解決するための手段】

【0006】

本開示の一態様にかかる移動経路決定システムは、自律型移動装置の周囲状況に関する入力データの入力に対して前記自律型移動装置の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズムを用いて前記移動経路を決定する第１モードと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズムを用いて前記移動経路を決定する第２モードと、を有し、前記周囲状況が前記学習済みモデルにより学習済みの周囲状況である場合に前記第１モードを実行し、前記周囲状況が前記学習済みの周囲状況でない場合に前記第２モードを実行する機能を有する、演算回路、を備える。

【0007】

本開示の一態様にかかる自律型移動装置は、上記の移動経路決定システムと、自律型移動装置の周囲状況を取得するセンサシステムと、前記移動経路決定システムで決定された移動経路に従って移動する移動機構と、を備える。

【0008】

本開示の一態様にかかる移動経路決定方法は、自律型移動装置の周囲状況に関する入力データの入力に対して前記自律型移動装置の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズムと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズムとにアクセス可能な演算回路で実行される移動経路決定方法であって、前記周囲状況が前記学習済みの周囲状況であるかどうかの判断に基づいて、前記周囲状況が前記学習済みモデルにより学習済みの周囲状況である場合に前記第１アルゴリズムを用いて前記移動経路を決定し、前記周囲状況が前記学習済みの周囲状況でない場合に前記第２アルゴリズムを用いて前記移動経路を決定する。

【0009】

本開示の一態様にかかるプログラムは、演算回路に、上記の移動経路決定方法を実行させるための、プログラムである。

【発明の効果】

【0010】

本開示の態様は、移動経路の決定の精度の向上を可能にする。

【図面の簡単な説明】

【0011】

【図1】実施の形態１にかかる自律型移動装置のブロック図

【図2】実施の形態１にかかる学習済みモデルの推論プログラムの一例のブロック図

【図3】実施の形態１にかかる第２アルゴリズムによる移動経路の第１例の説明図

【図4】実施の形態１にかかる第２アルゴリズムによる移動経路の第２例の説明図

【図5】実施の形態１にかかる第１アルゴリズムによる移動経路の第１例の説明図

【図6】実施の形態１にかかる第１アルゴリズムによる移動経路の第２例の説明図

【図7】実施の形態１にかかる自律型移動装置の移動経路の決定のフローチャート

【図8】実施の形態１にかかる自律型移動装置の移動経路の一例の説明図

【図9】実施の形態２にかかる自律型移動装置の移動経路の決定のフローチャート

【図10】実施の形態２にかかる第１アルゴリズムによる移動経路の一例の説明図

【図11】実施の形態２にかかる第１入力データと第２入力データの移動経路の比較の第１例の説明図

【図12】実施の形態２にかかる第１入力データと第２入力データの移動経路の比較の第２例の説明図

【図13】実施の形態３にかかる自律型移動装置の移動経路の決定のフローチャート

【図14】実施の形態４にかかる自律型移動装置の移動経路の決定のフローチャート

【発明を実施するための形態】

【0012】

［１．実施の形態］
以下、場合によって図面を参照しながら、本開示の実施の形態について説明する。ただし、以下の実施の形態は、本開示を説明するための例示であり、本開示を以下の内容（例えば、各構成要素の形状、寸法、配置等）に限定する趣旨ではない。上下左右等の位置関係は、特に断らない限り、図面に示す位置関係に基づくものとする。以下の実施の形態において説明する各図は、模式的な図であり、各図中の各構成要素の大きさ及び厚さそれぞれの比が、必ずしも実際の寸法比を反映しているとは限らない。また、各要素の寸法比率は図面に図示された比率に限られるものではない。

【0013】

なお、以下の説明において、複数ある構成要素を互いに区別する必要がある場合には、「第１」、「第２」等の接頭辞を構成要素の名称に付すが、構成要素に付した符号により互いに区別可能である場合には、文章の読みやすさを考慮して、「第１」、「第２」等の接頭辞を省略する場合がある。

【0014】

［１．１ 実施の形態１］
［１．１．１ 構成］
図１は、実施の形態１にかかる自律型移動装置１のブロック図である。自律型移動装置１は、周囲状況に応じて自身の移動経路を決定する。自律型移動装置１の例としては、ＡＭＲ（Autonomous Mobile Robot）、モバイルマニピュレータ、電動車椅子、人（例えば、視覚障碍者）を支援する自律走行型デバイス等が挙げられる。

【0015】

自律型移動装置１は、センサシステム２と、移動機構３と、移動経路決定システム４と、を備える。

【0016】

センサシステム２は、自律型移動装置１の周囲状況を示す情報を取得する。周囲状況は、自律型移動装置１の移動方向に移動体が存在する状況を含み得る。移動体は、自律型移動装置１の移動経路の決定に影響を及ぼす物体である。別の観点から、移動体は、自律型移動装置１が衝突を避けるべき物体である。一般に、移動体は視認可能である。移動体の状態には、移動している状態と、停止している状態とが含まれ得る。移動体は、他律的に、例えば人に操作されることにより移動可能であってもよいし、自律的に移動可能であってもよい。本実施の形態では、移動体は、人（例えば、歩行者）である。以下では、「移動体」を「人」と表記する場合があるが、これは移動体を人に限定する趣旨ではなく、単に文章の煩雑さを避けて説明を分かりやすくするためである。したがって、移動体は、人に限らず、人以外の動物等の生物であってもよい。移動体は、生物に限らず、無生物であってもよい。無生物の例としては、二輪車、車椅子、自動車、船舶、航空機等の乗り物、ドローン等を含む移動物体が挙げられる。移動体は、ＡＭＲ、ＡＧＶ、フォークリフト、モバイルマニピュレータ、視覚障害者を支援する自律走行型デバイス等も含み得る。移動体は、物体の全体に限らず、物体の一部であってもよい。

【0017】

センサシステム２で取得される周囲状況の情報は、周囲状況の画像又は距離のデータを含み得る。周囲状況の画像は、例えば、自律型移動装置１の移動方向の画像を含む。自律型移動装置１の移動方向の画像は、例えば、自律型移動装置１の前方の画像である。画像は、静止画像又は動画像を含み得る。センサシステム２は、周囲状況の画像のデータを取得するための画像センサを含んでよい。画像センサは、特に限定されないが、周囲状況の深度を取得できることが好ましく、ＲＧＢＤカメラ、ステレオカメラであるとよい。画像センサが、単眼のＲＧＢカメラである場合には、センサシステム２は、周囲状況の深度を取得するためにＬｉｄａｒを備えてよい。周囲状況の距離は、例えば、自律型移動装置１の周囲にある物体までの距離を含む。センサシステム２は、周囲状況の距離のデータを取得するための距離センサを含んでよい。距離センサは、特に限定されないが、Ｌｉｄａｒであるとよい。

【0018】

移動機構３は、自律型移動装置１の自律型移動を可能にする機構である。特に、移動機構３は、水平面内において、自律型移動装置１の自律型移動を可能にする機構である。移動機構３には、様々な種類がある。本実施の形態では、移動機構３は、車輪型の構造である。移動機構３は、１以上の駆動輪を含む複数の車輪、及び、１以上の駆動輪を回転させるモータを備える。移動機構３は、車輪型の構造ではなく、二足歩行型等の脚型の構造であってもよい。

【0019】

移動経路決定システム４は、自律型移動装置１の周囲状況に応じて自律型移動装置１の移動経路を決定する。移動経路決定システム４は、インターフェース５と、記憶装置６と、演算回路７と、を備える。

【0020】

インターフェース５は、移動経路決定システム４への情報の入力、及び、移動経路決定システム４からの情報の出力に利用される。インターフェース５は、入出力装置５１と、通信装置５２と、を含む。入出力装置５１は、ユーザからの情報の入力のための入力装置、及び、ユーザへの情報の出力のための出力装置としての機能を有する。入出力装置５１は、１以上のヒューマン・マシン・インターフェースを備える。ヒューマン・マシン・インターフェースの例としては、キーボード、ポインティングデバイス（マウス、トラックボール等）、タッチパッド等の入力装置、ディスプレイ、スピーカ等の出力装置、タッチパネル等の入出力装置が挙げられる。通信装置５２は、外部装置又はシステムと通信可能に接続される。本実施の形態では、通信装置５２は、通信ネットワークを通じたセンサシステム２及び移動機構３との通信に用いられる。通信装置５２は、１以上の通信インターフェースを備える。通信装置５２は、通信ネットワークに接続可能であり、通信ネットワークを通じた通信を行う機能を有する。通信装置５２は、通信プロトコルに準拠している。通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。

【0021】

記憶装置６は、演算回路７が利用する情報及び演算回路７で生成される情報を記憶するために用いられる。記憶装置６は、１以上のストレージ（非一時的な記憶媒体）を含む。ストレージは、例えば、ハードディスクドライブ、光学ドライブ、及びソリッドステートドライブ（ＳＳＤ）のいずれであってもよい。また、ストレージは、内蔵型、外付け型、およびＮＡＳ（network-attached storage）型のいずれであってもよい。

【0022】

記憶装置６に記憶される情報は、第１アルゴリズム８と、第２アルゴリズム９と、補助情報１０と、を含む。第１アルゴリズム８と、第２アルゴリズム９と、補助情報１０とは常に記憶装置６に記憶されている必要はなく、演算回路７で必要とされるときに記憶装置６に記憶されていればよい。

【0023】

第１アルゴリズム８は、学習済みモデル８０を用いる学習ベースのアルゴリズムである。学習済みモデル８０は、自律型移動装置１の周囲状況に関する入力データの入力に対して自律型移動装置１の移動経路に関する出力データを出力するように学習される。

【0024】

入力データは、特に、自律型移動装置１の周囲に移動体が存在する周囲状況に関する。入力データは、自律型移動装置１に関する自分側データと、移動体に関する相手側データとの少なくとも一方を含む。自分側データは、自律型移動装置１の位置又は姿勢の少なくとも一つを含む。相手側データは、移動体の位置、姿勢又は骨格の少なくとも一つを含む。

【0025】

入力データは、センサシステム２から得られる自律型移動装置１の周囲状況の画像及び距離のデータを用いて決定される。例えば、自分側データは、センサシステム２から得られる自律型移動装置１の周囲状況の距離のデータから自己位置推定技術等を用いて抽出したデータに基づいて決定される。相手側データは、センサシステム２から得られる自律型移動装置１の周囲状況の画像のデータから骨格推定技術又は顔姿勢推定技術等の画像処理技術等を用いて抽出したデータに基づいて決定される。

【0026】

移動体は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である。「移動についての制御を予め把握していない」とは、移動体検出システム４が、移動体の移動がどのように制御されるかについての情報（例えば、移動体の移動の規則）を有していないことを意味する。「制御される移動動作を予め把握していない」とは、移動体検出システム４が、移動体がどのような移動動作を行うかの情報（例えば、移動体の移動経路自体）を有していないことを意味する。換言すれば、移動についての制御、又は、制御される移動動作を予め把握していない移動体は、自律型移動装置１にとって移動経路が未知の（確定できない）移動体であるといえる。別の観点から、移動についての制御、又は、制御される移動動作を予め把握していない移動体は、自律型移動装置１が検出する移動体のうち、「移動についての制御、又は、制御される移動動作を予め把握している移動体」以外の移動体である。「移動についての制御、又は、制御される移動動作を予め把握している移動体」は、例えば、自律型移動装置１が移動する場所に配置される、決まった開閉動作をするゲート装置等が挙げられる。また、同じ移動体であっても、遠距離から移動体を検出し、移動体の移動経路が予め決定されていれば、「移動についての制御、又は、制御される移動動作を予め把握している移動体」となり得る一方で、近距離に移動体が突然現れ、移動体の移動経路がまだ決定されていなければ、「移動についての制御、又は、制御される移動動作を予め把握していない移動体」となり得る。

【0027】

出力データは、特に、移動体との衝突を回避する最短の移動経路に関する。出力データは、自律型移動装置１の移動経路の決定に用いられる情報を含む。移動経路に関する出力データは、自律型移動装置１の移動経路の決定に用いられる情報の例としては、自律型移動装置１の移動目標値が含まれる。自律型移動装置１の移動目標置は、自律型移動装置１の目標位置又は目標姿勢の少なくとも一つを含み得る。

【0028】

このように、学習済みモデル８０は、自律型移動装置１の周囲に移動体が存在する周囲状況において移動体と衝突しない最短の移動経路を学習している。学習済みモデル８０において、学習済みの周囲状況は自律型移動装置１の周囲に移動体が存在する周囲状況である。特に本実施の形態では、自律型移動装置１の周囲に移動体が存在する周囲状況は、自律型移動装置１が移動体とすれ違う状況に対応する。

【0029】

図２は、学習済みモデル８０の推論プログラムの一例のブロック図である。学習済みモデル８０は、入力データＤ１の入力に対して、出力データＤ２を出力する。入力データＤ１は、自律型移動装置１の位置を示すデータＩ１１、自律型移動装置１の姿勢を示すデータＩ１２、移動体の位置を示すデータＩ２１、移動体の体姿勢を示すデータＩ２２、及び、移動体の顔姿勢を示すデータＩ２３を含む。出力データＤ２は、自律型移動装置１の目標位置を示すデータＯ２１、及び、自律型移動装置１の目標姿勢を示すデータＯ１２を示す。

【0030】

学習済みモデル８０は、第１～第５ネットワーク機構８１１～８１５と、第１～第５アテンション機構８２１～８２５と、結合部８３と、出力部８４と、を含む。

【0031】

第１～第５ネットワーク機構８１１～８１５は、時系列順のデータＩ１１～Ｉ１５から特徴量をそれぞれ抽出する。第１～第５ネットワーク機構８１１～８１５は、例えば、長・短記憶（Long short-term memory；ＬＳＴＭ）又はゲート付き回帰型ユニット（Gated recurrent unit；ＧＲＵ）等の回帰型ニューラルネットワーク（Recurrent neural network；ＲＮＮ）のアーキテクチャを含む。

【0032】

第１～第５アテンション機構８２１～８２５は、第１～第５ネットワーク機構８１１～８１５にそれぞれ接続され、テンポラルアテンション機構を含む。これによって、例えば、時系列順のデータＩ１１において、最も重要と考えられる時点のデータＩ１１の特徴量が抽出され、結合部８３に入力される。

【0033】

結合部８３は、データＩ１１，Ｉ２１，Ｉ２１～Ｉ２３の特徴量をまとめて出力部８４に入力する。結合部８３は、第１～第５アテンション機構８２１～８２５からの最も重要と考えられる時点のデータＩ１１，Ｉ２１，Ｉ２１～Ｉ２３の特徴量を、出力部８４に入力する。

【0034】

出力部８４は、結合部８３からの特徴量から、出力データＤ２を出力する。出力部８４は、例えば、全結合層を含む。全結合層は、例えば、ソフトマックス関数を含む。

【0035】

第１アルゴリズム８は、入力データＤ１を学習済みモデル８０に入力し、学習済みモデル８０から出力データＤ２を出力させる。出力データＤ２は、自律型移動装置１の目標位置を示すデータＯ２１、及び、自律型移動装置１の目標姿勢を示すデータＯ１２を含む。第１アルゴリズム８を用いれば、自律型移動装置１の位置及び姿勢並びに移動体の位置、体姿勢及び顔姿勢に基づいて、自律型移動装置１の目標位置及び目標姿勢が得られる。したがって、自律型移動装置１の移動経路が決定可能である。

【0036】

第２アルゴリズム９は、予め定められた移動経路の決定規則を用いる非学習ベースのアルゴリズムである。第２アルゴリズム９は、入力として、開始地点（現在位置）と、目的地点（ゴール位置）と、自律型移動装置１の周囲の地図情報（マップ情報）と、自律型移動装置１の周囲に存在する移動体の移動予測の結果とを用いて、出力として、開始地点から目的地点からまでの最短経路を求める。最短経路を求める方法としては、探索ベースの手法を用いることができる。開始地点から目的地点からまでの最短経路は、移動体と衝突しないように設定されるため、移動体の移動予測の結果により変化し得る。最短経路を設定するアルゴリズム、及び、移動体の移動予測のアルゴリズムは、従来周知のアルゴリズムを適用することができる。

【0037】

補助情報１０は、第１アルゴリズム８又は第２アルゴリズム９で移動経路を決定する際に必要な情報を含み得る。本実施の形態では、補助情報１０は、開始地点、目的地点、地図情報、及び、移動経路が予め登録されている移動体を含み得る。開始地点、目的地点、及び、移動経路が予め登録されている移動体は事前に与えられ得る。地図情報は、事前に与えられてもよいし、センサシステム２を用いて自動的に生成されてもよい。

【0038】

演算回路７は、移動経路決定システム４の動作を制御する回路である。演算回路７は、インターフェース５に接続され、記憶装置６にアクセス可能（つまり、第１アルゴリズム８、第２アルゴリズム９及び補助情報１０にアクセス可能）である。演算回路７は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。１以上のプロセッサが（１以上のメモリ又は記憶装置６に記憶された）プログラムを実行することで、演算回路７としての機能を実現する。プログラムは、ここでは記憶装置６に予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

【0039】

演算回路７は、自律型移動装置１の移動経路を決定する移動経路決定処理を実行する。移動経路決定処理において、演算回路７は、第１モードと、第２モードとを有する。第１モードは、第１アルゴリズム８を用いて移動経路を決定する。第２モードは、第２アルゴリズム９を用いて移動経路を決定する。

【0040】

図３及び図４を参照して、第２アルゴリズム９による移動経路の決定について説明する。図３及び図４は、施設１００において、自律型移動装置１が、開始地点Ｐ１から目的地点Ｐ２まで移動する場合を示す。

【0041】

図３は、第２アルゴリズム９による移動経路の第１例の説明図である。第１例では、自律型移動装置１の周囲に移動体２００が存在していない。そのため、第２アルゴリズム９は、移動体２００の移動予測の結果に左右されず、開始地点Ｐ１から目的地点Ｐ２までの最短経路を、移動経路Ｍ１１として決定する。

【0042】

図４は、第２アルゴリズム９による移動経路の第２例の説明図である。第２例では、自律型移動装置１の周囲に移動体２００が存在する。第２アルゴリズム９は、移動体２００の移動予測の結果から、移動体２００と衝突する可能性がある領域Ｒ１を避けた開始地点Ｐ１から目的地点Ｐ２までの最短経路を、移動経路Ｍ１２として決定する。移動経路Ｍ１２は、領域Ｒ１を迂回するため、移動経路Ｍ１１よりも長い。

【0043】

領域Ｒ１が大きいほど、移動経路Ｍ１２は、移動経路Ｍ１１より長くなる可能性がある。領域Ｒ１の大きさは、移動体２００の移動予測の精度に依存する可能性が高い。移動体２００の移動予測の精度が悪いほど、領域Ｒ１は広くなり、移動経路Ｍ１２は、領域Ｒ１を避けて大回りに設定され得る。つまり、移動体２００の移動予測の精度が低いと衝突リスクを考慮して、移動体２００から離れるように移動経路が生成される。

【0044】

このように、第２アルゴリズム９は、自律型移動装置１の周囲に移動体２００が存在しない場合は、自律型移動装置１の移動経路を精度よく決定できる可能性が高い。一方、第２アルゴリズム９は、自律型移動装置１の周囲に移動体２００が存在する場合は、移動体２００の移動予測の精度の影響を受けやすいから、自律型移動装置１の移動経路を精度よく決定できる可能性が低くなりやすい。つまり、第２アルゴリズム９は、自律型移動装置１の周囲に移動体２００が存在しなければ効率が良いが、移動体２００の移動予測の結果の精度が悪いと効率が悪くなる傾向がある。

【0045】

図５及び図６を参照して、第１アルゴリズム８による移動経路の決定について説明する。図５及び図６は、図３及び図４と同様に、施設１００において、自律型移動装置１が、開始地点Ｐ１から目的地点Ｐ２まで移動する場合を示す。

【0046】

図５は、第１アルゴリズム８による移動経路の第１例の説明図である。第１例では、自律型移動装置１の周囲に移動体２００が存在する。第１アルゴリズム８は、学習済みモデル８０を用いて移動経路Ｍ２１を決定する。上述したように、学習済みモデル８０は、自律型移動装置１の周囲に移動体２００が存在する周囲状況において移動体２００と衝突しない最短の移動経路を学習している。よって、第１アルゴリズム８による移動経路Ｍ２１は、第２アルゴリズム９による移動経路Ｍ１２よりも短くなる可能性が高い。

【0047】

図６は、第１アルゴリズム８による移動経路の第２例の説明図である。第２例では、自律型移動装置１の周囲に移動体２００が存在していない。移動体２００が存在しない場合、第１アルゴリズム８は、学習済みモデル８０に、移動体２００に関する情報（位置、体姿勢及び顔姿勢）を入力できない。移動体２００が存在しない周囲状況は、学習済みモデル８０にとっては未学習の周囲状況にあたる。この場合、第１アルゴリズム８は、移動経路Ｍ２１より長い移動経路Ｍ２２を決定したり、場合によっては、移動経路を決定するタスクを完了できなかったりする。つまり、学習ベースの第１アルゴリズム８は、常に最適（タクトタイムが短い）な移動経路を出力するとは限らない。特に、第１アルゴリズム８は、学習済みモデル８０を用いるため、出力データを生成する処理の中身がブラックボックスである。また、学習済みモデル８０の精度は、学習済みモデル８０の機械学習に用いた学習用データセットの種類及び数に依存し得る。不足しているデータがあると、適切でない移動経路が生成され得る。

【0048】

このように、第１アルゴリズム８は、自律型移動装置１の周囲状況が、学習済みモデル８０にとって学習済みの周囲状況である場合には、自律型移動装置１の移動経路を精度よく決定できる可能性が高い。一方、第１アルゴリズム８は、自律型移動装置１の周囲状況が、学習済みモデル８０にとって学習済みの周囲状況でない場合（つまり、未学習の周囲状況である場合）には、自律型移動装置１の移動経路を精度よく決定できる可能性が低くなりやすい。本実施の形態では、第１アルゴリズム８は、自律型移動装置１の周囲に移動体２００が存在すれば効率が良いが、自律型移動装置１の周囲に移動体２００が存在しなければ効率が悪くなる傾向がある。

【0049】

演算回路７は、自律型移動装置１の移動経路の決定にあたって、第１アルゴリズム８と第２アルゴリズム９とを使い分ける。図７は、自律型移動装置１の演算回路７が実行する移動経路の決定のフローチャートである。

【0050】

演算回路７は、センサシステム２から周囲状況を取得する（Ｓ１１）。

【0051】

演算回路７は、周囲状況に基づいて、自律型移動装置１の周囲に移動体が存在するかどうかを判断する（Ｓ１２）。一例として、センサシステム２から得られる自律型移動装置１の周囲状況の画像及び距離のデータを用いて、移動体が存在するかどうかが判断される。本実施の形態では、自律型移動装置１の周囲に移動体が存在する周囲状況は、学習済みの周囲状況にあたる。よって、このステップＳ１２は、周囲状況が学習済みの周囲状況であるかどうかを判断することに等しい。

【0052】

演算回路７は、自律型移動装置１の周囲に移動体が存在することを確認すると（Ｓ１２；ＹＥＳ）、第１モードを実行する。第１モードでは、演算回路７は、第１アルゴリズム８を選択し（Ｓ１３）、第１アルゴリズム８を用いて、自律型移動装置１の移動経路を決定する（Ｓ１４）。これは、本実施の形態では、周囲状況が学習済みの周囲状況であることを確認し、第１アルゴリズム８を用いて移動経路を決定することに等しい。

【0053】

演算回路７は、自律型移動装置１の周囲に移動体が存在しないことを確認すると（Ｓ１２；ＮＯ）、第２モードを実行する。第２モードでは、演算回路７は、第２アルゴリズム９を選択し（Ｓ１５）、第２アルゴリズム９を用いて、自律型移動装置１の移動経路を決定する（Ｓ１６）。これは、本実施の形態では、周囲状況が学習済みの周囲状況でないことを確認し、第２アルゴリズム９を用いて移動経路を決定することに等しい。

【0054】

演算回路７は、決定した移動経路に基づいて、移動機構３を駆動する（Ｓ１７）。

【0055】

その後、ステップＳ１１に戻り、演算回路７は、再び、第１アルゴリズム８と第２アルゴリズム９とのいずれを選択するかを決定する。ここで、第１アルゴリズム８と第２アルゴリズム９との切り替えの判断は、例えば、１秒間隔で実行されてよい。

【0056】

図８は、自律型移動装置１の移動経路の一例の説明図である。図８は、施設１１０において、自律型移動装置１が、開始地点Ｐ１から目的地点Ｐ２まで移動する場合を示す。

【0057】

図８に示すように、施設１１０には、狭い通路１２０がある。自律型移動装置１から見て通路１２０の先に移動体２００が存在する。狭い通路１２０において、自律型移動装置１と移動体２００とがすれ違う可能性が高い。開始地点Ｐ１においては、演算回路７は、自律型移動装置１の周囲に移動体２００が存在すると判断する。よって、演算回路７は、第１アルゴリズム８を選択し、第１アルゴリズム８を用いて、自律型移動装置１の移動経路Ｍ１を決定する。自律型移動装置１の周囲に移動体２００が存在すると判断している間は、第１アルゴリズム８により決定された移動経路Ｍ１に沿って自律型移動装置１が移動し、地点Ｐ３に到達する。地点Ｐ３において、移動体２００とのすれ違いが終了する。地点Ｐ３においては、演算回路７は、自律型移動装置１の周囲に移動体２００が存在しないと判断する。よって、演算回路７は、第２アルゴリズム９を選択し、第２アルゴリズム９を用いて、自律型移動装置１の移動経路Ｍ２を決定する。自律型移動装置１の周囲に移動体２００が存在しないと判断している間は、第２アルゴリズム９により決定された移動経路Ｍ２に沿って自律型移動装置１が移動し、目的地点Ｐ２に到達する。

【0058】

移動経路決定システム４は、自律型移動装置１が開始地点Ｐ１から地点Ｐ３まで移動する期間Ｔ１においては第１アルゴリズム８を使用して移動経路Ｍ１を決定し、地点Ｐ３から目的地点Ｐ２まで移動する期間Ｔ２においては第２アルゴリズム９を使用して移動経路Ｍ２を決定する。

【0059】

このように、移動経路決定システム４は、自律型移動装置１の周囲状況に応じて、学習ベースの第１アルゴリズム８と非学習ベースの第２アルゴリズム９とから、自律型移動装置１の移動経路を精度よく決定できるほうを選択して、移動経路を決定する。そのため、移動経路決定システム４は、移動経路の決定の精度の向上を可能にする。

【0060】

［１．１．２ 効果等］
以上述べた移動経路決定システム４は、自律型移動装置１の周囲状況に関する入力データＤ１の入力に対して自律型移動装置１の移動経路に関する出力データＤ２を出力するように学習された学習済みモデル８０を用いる学習ベースの第１アルゴリズム８を用いて移動経路を決定する第１モードと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズム９を用いて移動経路を決定する第２モードと、を有し、周囲状況が学習済みモデル８０により学習済みの周囲状況である場合に第１モードを実行し、周囲状況が学習済みの周囲状況でない場合に第２モードを実行する機能を有する、演算回路７を備える。この構成は、移動経路の決定の精度の向上を可能にする。

【0061】

移動経路決定システム４において、学習済みの周囲状況は、自律型移動装置１の周囲に移動体２００が存在する周囲状況である。この構成は、自律型移動装置１の周囲に移動体２００が存在する場合の移動経路の決定の精度の向上を可能にする。

【0062】

移動経路決定システム４において、移動体２００は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である。この構成は、移動経路が未知の移動体が存在する場合の移動経路の決定の精度の向上を可能にする。

【0063】

移動経路決定システム４において、決定規則は、自律型移動装置１の現在位置と自律型移動装置１の目的地点とに基づいて現在位置から目的地点までの最短経路を移動経路として決定するように設定される。この構成は、自律型移動装置１の周囲に移動体２００が存在しない場合の移動経路の決定の精度の向上を可能にする。

【0064】

以上述べた自律型移動装置１は、移動経路決定システム４と、自律型移動装置１の周囲状況を取得するセンサシステム２と、移動経路決定システム４で決定された移動経路に従って移動する移動機構３と、を備える。

【0065】

以上述べた移動経路決定システム４は、以下の移動経路決定方法を実行しているといえる。移動経路決定方法は、自律型移動装置１の周囲状況に関する入力データＤ１の入力に対して自律型移動装置１の移動経路に関する出力データＤ２を出力するように学習された学習済みモデル８０を用いる学習ベースの第１アルゴリズム８と、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズム９とにアクセス可能な演算回路７で実行される移動経路決定方法であって、周囲状況が学習済みの周囲状況であるかどうかを判断に基づいて、周囲状況が学習済みモデル８０により学習済みの周囲状況である場合に第１アルゴリズム８を用いて移動経路を決定し、周囲状況が学習済みの周囲状況でない場合に第２アルゴリズム９を用いて移動経路を決定する。この構成は、移動経路の決定の精度の向上を可能にする。

【0066】

移動経路決定方法において、自律型移動装置１の周囲に移動体が存在する場合に第１アルゴリズム８を用いて移動経路を決定する。移動体２００は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である。この構成は、移動経路の決定の精度の向上を可能にする。

【0067】

移動経路決定システム４は、演算回路７を利用して実現されている。つまり、移動経路決定システム４が実行する移動経路決定方法は、演算回路７がプログラムを実行することにより実現され得る。このプログラムは、演算回路７に、移動経路決定方法を実行させるためのコンピュータプログラムである。このようなプログラムは、移動経路の決定の精度の向上を可能にする。

【0068】

［１．２ 実施の形態２］
［１．２．１ 構成］
図１に示す実施の形態１にかかる自律型移動装置１と同様に、実施の形態２にかかる自律型移動装置１は、センサシステム２、移動機構３、及び、移動経路決定システム４を備える。実施の形態２にかかる移動経路決定システム４は、演算回路７による移動経路決定方法が実施の形態１と異なる。

【0069】

図９は、実施の形態２にかかる自律型移動装置の演算回路７が実行する移動経路の決定のフローチャートである。

【0070】

演算回路７は、センサシステム２から周囲状況を取得する（Ｓ２１）。

【0071】

演算回路７は、周囲状況に基づいて、自律型移動装置１の周囲に移動体が存在するかどうかを判断する（Ｓ２２）。

【0072】

演算回路７は、自律型移動装置１の周囲に移動体が存在することを確認すると（Ｓ２２；ＹＥＳ）、自律型移動装置１の周囲状況に関する学習済みモデル８０の類似度が閾値以上であるかどうかを判断する（Ｓ２３）。ここで、類似度は、第１入力データを学習済みモデル８０に入力して得られる第１の結果と第２入力データを学習済みモデル８０に入力して得られる第２の結果との類似度である。第１入力データ及び第２入力データについては後述する。

【0073】

演算回路７は、自律型移動装置１の周囲に移動体が存在することを確認し、かつ、類似度が閾値以上であることを確認すると（Ｓ２３；ＹＥＳ）、第１モードを実行する。第１モードでは、演算回路７は、第１アルゴリズム８を選択し（Ｓ２４）、第１アルゴリズム８を用いて、自律型移動装置１の移動経路を決定する（Ｓ２５）。

【0074】

演算回路７は、自律型移動装置１の周囲に移動体が存在しないことを確認する（Ｓ２２；ＮＯ）か、類似度が閾値以上ではないことを確認する（Ｓ２３；ＮＯ）と、第２モードを実行する。第２モードでは、演算回路７は、第２アルゴリズム９を選択し（Ｓ２６）、第２アルゴリズム９を用いて、自律型移動装置１の移動経路を決定する（Ｓ２７）。これは、本実施の形態では、周囲状況が学習済みの周囲状況でないことを確認し、第２アルゴリズム９を用いて移動経路を決定することに等しい。

【0075】

演算回路７は、決定した移動経路に基づいて、移動機構３を駆動する（Ｓ２８）。

【0076】

このように、実施の形態２では、学習済みの周囲状況は、自律型移動装置１の周囲に移動体が存在し、かつ、入力データを学習済みモデル８０に入力して得られる第１の結果と検証データを学習済みモデル８０に入力して得られる第２の結果との類似度が閾値以上である周囲状況である。つまり、実施の形態２では、自律型移動装置１の周囲に移動体が存在する場合でも、類似度が閾値未満である周囲状況は、学習済みの周囲状況とは判断されない。

【0077】

つまり、自律型移動装置１の周囲に移動体２００が存在する場合であっても、移動体２００は、膨大な移動経路を進み得る。そのため、移動体２００が移動する可能性があるすべてに移動経路を考慮して学習済みモデル８０を構築することは現実的に難しく、自律型移動装置１の周囲に移動体２００が存在する場合であっても、特定の周囲状況においては、学習が不十分、つまりは、学習用データセットの量が不十分であるために、自律型移動装置１の移動経路を適切に決定できない場合があり得る。

【0078】

図１０は、第１アルゴリズム８による移動経路の一例の説明図である。図１０では、自律型移動装置１の周囲に移動体２００が存在する。移動体２００が移動経路Ｍ３１で移動する周囲状況について学習が十分にされているが、移動体２００が移動経路Ｍ３２で移動する周囲状況について学習が十分にされていないとする。この場合、移動体２００が移動経路Ｍ３１で移動する周囲状況については、第１アルゴリズム８は、学習済みモデル８０により適切な移動経路Ｍ２１を決定することができる。一方で、移動体２００が移動経路Ｍ３２で移動する周囲状況については、第１アルゴリズム８は、学習済みモデル８０により適切な移動経路を決定できず、例えば、移動体２００に衝突する可能性があるように移動経路Ｍ２３を決定してしまう可能性がある。

【0079】

学習済みモデル８０にとって学習済みの周囲状況では、入力データの変化に対する出力データの変化は比較的小さいが、学習済みモデル８０にとって学習済みでない周囲状況では、入力データの変化に対する出力データの変化は比較的大きくなる傾向が見られる。そこで、本実施の形態では、自律型移動装置１の周囲に移動体２００が存在することに加えて、類似度が閾値以上であることを、学習済みの周囲状況であることの条件としている。

【0080】

類似度は、例えば、第１の結果を示すベクトルと第２の結果を示すベクトルとの間の距離で与えられ得る。類似度は、例えば、尤度、出力値（例えば、進行方向、速度等）、判断結果（減速、停止）間のばらつきであってもよい。第１の結果及び第２の結果は、学習済みモデル８０の出力データであってもよいし、学習済みモデル８０の中間データであってもよい。学習済みモデル８０の中間データは、例えば、図２を参照すると、結合部８３から出力される特徴量を示すデータであってよい。

【0081】

第１入力データは、センサシステム２から得られる周囲状況に関する入力データである。第２入力データは、センサシステム２から得られる周囲状況に関する入力データの一部に対して変更を行って得られるデータである。変更の例としては、入力データに対して部分的に予め定めた量以下の変更を加えること、入力データに含まれる複数のデータのうちの一部のデータの値を一定値変更すること、入力データの元になる周囲状況の画像のデータに含まれる多くの情報のうちの特定の種類の情報に対して予め定めた程度の変更を加えること、入力データの元になる周囲状況の画像のデータに異なる種類の所定量のデータを一部追加すること、入力データの元になる周囲状況の画像から抽出したデータの一部に一定程度内の変更を加えること、時系列順の周囲状況の画像のデータの範囲を一定時間以内で入力データと異ならせること、が挙げられる。時系列順の周囲状況の画像のデータの範囲を一定時間以内で入力データと異ならせるとは、例えば、入力データが第１時間を中心とする時系列順のデータである場合に、第１時間の一定時間前又は後の第２時間を中心とする時系列順のデータを第２入力データとすることである。このような変更により得られる第２入力データは、第１入力データの一部について一定範囲内又は一定量内で異なる情報となっているデータであるといえる。第２入力データは、類似度を求めるために仮想的に生成される検証データである。変更の程度は、第１入力データと第２入力データとが、同じ周囲状況に対応する範囲で設定されるとよい。

【0082】

図１１及び図１２を参照して、第１入力データと第２入力データについて説明する。

【0083】

図１１は、第１入力データと第２入力データの移動経路の比較の第１例の説明図である。第１例は、学習済みの周囲状況に対応する。自律型移動装置１の移動経路Ｉ３１１及び移動体２００の移動経路Ｉ３１２は、第１入力データに対応する。自律型移動装置１の移動経路Ｏ３１は、学習済みモデル８０に第１入力データ（移動経路Ｉ３１１，Ｉ３１２）を入力して得られる出力データであり、第１の結果に対応する。自律型移動装置１の移動経路Ｉ３２１及び移動体２００の移動経路Ｉ３２２は、第２入力データに対応する。自律型移動装置１の移動経路Ｏ３２は、学習済みモデル８０に第２入力データ（移動経路Ｉ３２１，Ｉ３２２）を入力して得られる出力データであり、第２の結果に対応する。自律型移動装置１の移動経路Ｏ３１，３２は、実質的に同一であり、この場合に、類似度は、閾値以上である。

【0084】

図１２は、第１入力データと第２入力データの移動経路の比較の第２例の説明図である。第２例は、学習済みでない周囲状況に対応する。自律型移動装置１の移動経路Ｉ４１１及び移動体２００の移動経路Ｉ４１２は、第１入力データに対応する。自律型移動装置１の移動経路Ｏ４１は、学習済みモデル８０に第１入力データ（移動経路Ｉ４１１，Ｉ４１２）を入力して得られる出力データであり、第１の結果に対応する。自律型移動装置１の移動経路Ｉ４２１及び移動体２００の移動経路Ｉ４２２は、第２入力データに対応する。自律型移動装置１の移動経路Ｏ４２は、学習済みモデル８０に第２入力データ（移動経路Ｉ４２１，Ｉ４２２）を入力して得られる出力データであり、第２の結果に対応する。自律型移動装置１の移動経路Ｏ４１，４２は、大きく異なり、この場合に、類似度は、閾値未満である。

【0085】

このように、本実施の形態では、自律型移動装置１の周囲に移動体２００が存在し、かつ、類似度が閾値以上である場合に、演算回路７は、第１アルゴリズム８を用いて移動経路を決定する。そのため、自律型移動装置１の周囲状況が学習済みモデル８０にとって未学習の周囲状況であるにもかかわらずに、学習済みモデル８０を用いて移動経路を決定する可能性を低減でき得る。これによって、移動経路の決定の精度の向上を可能にする。

【0086】

［１．２．２ 効果等］
以上述べた移動経路決定システム４において、学習済みの周囲状況は、自律型移動装置１の周囲に移動体２００が存在し、かつ、第１入力データを学習済みモデル８０に入力して得られる第１の結果と第２入力データを学習済みモデル８０に入力して得られる第２の結果との類似度が閾値以上である周囲状況である。第１入力データは、周囲状況に関する入力データである。第２入力データは、周囲状況に関する入力データの一部に対して変更を行って得られるデータである。この構成は、移動経路の決定の精度の向上を可能にする。

【0087】

移動経路決定方法において、第１入力データを学習済みモデル８０に入力して得られる第１の結果と第２入力データを学習済みモデル８０に入力して得られる第２の結果との類似度が閾値以上である場合に前記第１アルゴリズムを用いて前記移動経路を決定する。第１入力データは、周囲状況に関する入力データであり、第２入力データは、周囲状況に関する入力データの一部に対して変更を行って得られるデータである。この構成は、移動経路の決定の精度の向上を可能にする。

【0088】

［１．３ 実施の形態３］
［１．３．１ 構成］
図１に示す実施の形態１にかかる自律型移動装置１と同様に、実施の形態３にかかる自律型移動装置１は、センサシステム２、移動機構３、及び、移動経路決定システム４を備える。実施の形態３にかかる移動経路決定システム４は、演算回路７による移動経路決定方法が実施の形態１と異なる。

【0089】

図１３は、実施の形態３にかかる自律型移動装置の演算回路７が実行する移動経路の決定のフローチャートである。

【0090】

演算回路７は、センサシステム２から周囲状況を取得する（Ｓ３１）。

【0091】

演算回路７は、自律型移動装置１の周囲状況に関する学習済みモデル８０の類似度が閾値以上であるかどうかを判断する（Ｓ３２）。

【0092】

演算回路７は、類似度が閾値以上であることを確認すると（Ｓ３２；ＹＥＳ）、第１モードを実行する。第１モードでは、演算回路７は、第１アルゴリズム８を選択し（Ｓ３３）、第１アルゴリズム８を用いて、自律型移動装置１の移動経路を決定する（Ｓ３４）。これは、本実施の形態では、周囲状況が学習済みの周囲状況であることを確認し、第１アルゴリズム８を用いて移動経路を決定することに等しい。

【0093】

演算回路７は、類似度が閾値以上ではないことを確認する（Ｓ３２；ＮＯ）と、第２モードを実行する。第２モードでは、演算回路７は、第２アルゴリズム９を選択し（Ｓ３５）、第２アルゴリズム９を用いて、自律型移動装置１の移動経路を決定する（Ｓ３６）。これは、本実施の形態では、周囲状況が学習済みの周囲状況でないことを確認し、第２アルゴリズム９を用いて移動経路を決定することに等しい。

【0094】

演算回路７は、決定した移動経路に基づいて、移動機構３を駆動する（Ｓ３７）。

【0095】

このように、実施の形態３では、学習済みの周囲状況は、入力データを学習済みモデル８０に入力して得られる第１の結果と検証データを学習済みモデル８０に入力して得られる第２の結果との類似度が閾値以上である周囲状況である。

【0096】

［１．３．２ 効果等］
以上述べた移動経路決定システム４において、学習済みの周囲状況は、第１入力データを学習済みモデル８０に入力して得られる第１の結果と第２入力データを学習済みモデル８０に入力して得られる第２の結果との類似度が閾値以上である周囲状況である。第１入力データは、周囲状況に関する入力データである。第２入力データは、周囲状況に関する入力データの一部に対して変更を行って得られるデータである。この構成は、移動経路の決定の精度の向上を可能にする。

【0097】

［１．４ 実施の形態４］
［１．４．１ 構成］
図１に示す実施の形態１にかかる自律型移動装置１と同様に、実施の形態４にかかる自律型移動装置１は、センサシステム２、移動機構３、及び、移動経路決定システム４を備える。実施の形態４にかかる移動経路決定システム４は、演算回路７による移動経路決定方法が実施の形態１と異なる。

【0098】

図１４は、実施の形態４にかかる自律型移動装置の演算回路７が実行する移動経路の決定のフローチャートである。

【0099】

演算回路７は、センサシステム２から周囲状況を取得する（Ｓ４１）。

【0100】

演算回路７は、自律型移動装置１の周囲状況が非定常時の周囲状況であるかどうかを判断する（Ｓ４２）。

【0101】

演算回路７は、自律型移動装置１の周囲状況が非定常時の周囲状況であることを確認すると（Ｓ４２；ＹＥＳ）、第１モードを実行する。第１モードでは、演算回路７は、第１アルゴリズム８を選択し（Ｓ４３）、第１アルゴリズム８を用いて、自律型移動装置１の移動経路を決定する（Ｓ４４）。これは、本実施の形態では、周囲状況が学習済みの周囲状況であることを確認し、第１アルゴリズム８を用いて移動経路を決定することに等しい。

【0102】

演算回路７は、自律型移動装置１の周囲状況が非定常時の周囲状況ではないことを確認する（Ｓ４２；ＮＯ）と、第２モードを実行する。第２モードでは、演算回路７は、第２アルゴリズム９を選択し（Ｓ４５）、第２アルゴリズム９を用いて、自律型移動装置１の移動経路を決定する（Ｓ４６）。これは、本実施の形態では、周囲状況が学習済みの周囲状況でないことを確認し、第２アルゴリズム９を用いて移動経路を決定することに等しい。

【0103】

演算回路７は、決定した移動経路に基づいて、移動機構３を駆動する（Ｓ４７）。

【0104】

このように、実施の形態４では、学習済みの周囲状況は、非定常時の周囲状況である。本実施の形態では、非定常時の周囲状況は、定常時の周囲状況とは異なる。「定常時」には、異常の発生していない時、予定通り移動している時、を含む。「非定常時」には、異常時、予定に組み込んでいないことが起こった時、低頻度の事象が起こった時、予定から逸脱している時、を含む。本実施の形態では、定常時の周囲状況は、自律型移動装置１を目的地点まで移動させる状況である。非定常時の周囲状況は、緊急回避が必要な状況である。緊急回避が必要な状況は、自律型移動装置１に向かって異常な速度で移動体が向かっている状況が考えられる。学習済みの周囲状況が非定常時の周囲状況である場合には、学習済みモデル８０は、移動体の緊急回避が必要な周囲状況に関する入力データの入力に対して、移動体を回避する移動経路に関する出力データを出力するように学習される。

【0105】

［１．４．２ 効果等］
以上述べた移動経路決定システム４において、学習済みの周囲状況は、自律型移動装置１を目的地点まで移動させる定常時とは異なる非定常時の周囲状況である。この構成は、移動経路の決定の精度の向上を可能にする。

【0106】

［２．変形例］
本開示の実施の形態は、上記実施の形態に限定されない。上記実施の形態は、本開示の課題を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施の形態の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。

【0107】

なお、以下では、上記の実施の形態１～４のいずれにおいても適用可能であっても、実施の形態１において用いた符号に言及するが、これは、単に記載を簡略化するためであって、実施の形態２～４の適用を排除する趣旨ではない。

【0108】

一変形例において、演算回路７は、第３モードを実行する機能を有してよい。第３モードは、第１モード又は第２モードとは異なり、自律型移動装置１の周囲状況に応じて移動経路を決定しない。第３モードでは、演算回路７は、与えられた指示通りに自律型移動装置１を移動させる。指示は、人によりリアルタイムで与えられてもよいし、事前に与えられて記憶装置６に格納されてもよい。例えば、第３モードは、遠隔操作器を介して人から与えられた指示通りに自律型移動装置１を移動させる遠隔操作モードであり得る。第３モードは、予め与えられた指示通りに自律型移動装置１を移動させる定型走行モードであり得る。定型走行モードでは、例えば、自律型移動装置１は、一定速度で直進してよいし、予め定められたパターン（例えば、Ｌ字、Ｓ字、Ｃ字等の決められたパターン）で移動してよい。

【0109】

一変形例において、学習済みモデル８０に用いられる推論プログラムは、図２の例に限定されず、従来周知の種々の推論プログラムが利用され得る。推論プログラムは、例えば、回帰モデルである。回帰モデルの例としては、決定木、線形回帰、ランダムフォレスト、サポートベクターマシン、ガウス過程回帰、ニューラルネットワーク等が挙げられる。線形回帰の例としては、多重線形回帰、リッジ（Ｒｉｄｇｅ）回帰、ラッソ（Ｌａｓｓｏ）回帰が挙げられる。

【0110】

一変形例において、センサシステム２の構成は特に制限されない。センサシステム２は、自律型移動装置１の前方向、後ろ方向、左方向、及び、右方向の画像を取得する複数の画像センサを用いてよい。センサの種類、数、及び、配置は、目的とする自律型移動装置１の周囲状況を表すデータに応じて適宜設定される。

【0111】

一変形例において、移動経路決定システム４は、必ずしも、移動機構を有していない装置にも適用できる。例えば、移動経路決定システム４は、人に視覚的又は聴覚的の少なくとも一方により移動経路を提示する提示装置に適用できる。提示装置は、人（例えば、聴覚障碍者、視覚障碍者）の移動の支援に利用でき得る。

【0112】

［３．態様］
上記実施の形態及び変形例から明らかなように、本開示は、下記の態様を含む。

【0113】

［態様１］
自律型移動装置の周囲状況に関する入力データの入力に対して前記自律型移動装置の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズムを用いて前記移動経路を決定する第１モードと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズムを用いて前記移動経路を決定する第２モードと、を有し、
前記周囲状況が前記学習済みモデルにより学習済みの周囲状況である場合に前記第１モードを実行し、前記周囲状況が前記学習済みの周囲状況でない場合に前記第２モードを実行する機能を有する、演算回路、
を備える、
移動経路決定システム。

【0114】

［態様２］
前記学習済みの周囲状況は、前記自律型移動装置の周囲に移動体が存在する周囲状況である、
態様１の移動経路決定システム。

【0115】

［態様３］
前記移動体は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である、
態様２の移動経路決定システム。

【0116】

［態様４］
前記学習済みの周囲状況は、第１入力データを前記学習済みモデルに入力して得られる第１の結果と第２入力データを前記学習済みモデルに入力して得られる第２の結果との類似度が閾値以上である周囲状況であり、
前記第１入力データは、前記周囲状況に関する入力データであり、
前記第２入力データは、前記周囲状況に関する入力データの一部に対して変更を行って得られるデータである、
態様１～３のいずれか一つの移動経路決定システム。

【0117】

［態様５］
前記学習済みの周囲状況は、前記自律型移動装置を目的地点まで移動させる定常時とは異なる非定常時の周囲状況である、
態様１の移動経路決定システム。

【0118】

［態様６］
前記決定規則は、前記自律型移動装置の現在位置と前記自律型移動装置の目的地点とに基づいて前記現在位置から前記目的地点までの最短経路を移動経路として決定するように設定される、
態様１～５のいずれか一つの移動経路決定システム。

【0119】

［態様７］
前記演算回路は、与えられた指示通りに前記自律型移動装置を移動させる第３モードを実行する機能を有する、
態様１～６のいずれか一つの移動経路決定システム。

【0120】

［態様８］
前記学習済みの周囲状況は、前記自律型移動装置の周囲に移動体が存在し、かつ、第１入力データを前記学習済みモデルに入力して得られる第１の結果と第２入力データを前記学習済みモデルに入力して得られる第２の結果との類似度が閾値以上である周囲状況であり、
前記第１入力データは、前記周囲状況に関する入力データであり、
前記第２入力データは、前記周囲状況に関する入力データの一部に対して変更を行って得られるデータである、
態様１～７のいずれか一つの移動経路決定システム。

【0121】

［態様９］
態様１～８のいずれか一つの移動経路決定システムと、
自律型移動装置の周囲状況を取得するセンサシステムと、
前記移動経路決定システムで決定された移動経路に従って移動する移動機構と、
を備える、
自律型移動装置。

【0122】

［態様１０］
自律型移動装置の周囲状況に関する入力データの入力に対して前記自律型移動装置の移動経路に関する出力データを出力するように学習された学習済みモデルを用いる学習ベースの第１アルゴリズムと、予め定められた移動経路の決定規則を用いる非学習ベースの第２アルゴリズムとにアクセス可能な演算回路で実行される移動経路決定方法であって、
前記周囲状況が前記学習済みの周囲状況であるかどうかの判断に基づいて、前記周囲状況が前記学習済みモデルにより学習済みの周囲状況である場合に前記第１アルゴリズムを用いて前記移動経路を決定し、前記周囲状況が前記学習済みの周囲状況でない場合に前記第２アルゴリズムを用いて前記移動経路を決定する、
移動経路決定方法。

【0123】

［態様１１］
前記自律型移動装置の周囲に移動体が存在する場合に前記第１アルゴリズムを用いて前記移動経路を決定し、
前記移動体は、移動についての制御、又は、制御される移動動作を予め把握していない移動体である、
態様１０の移動経路決定方法。

【0124】

［態様１２］
第１入力データを前記学習済みモデルに入力して得られる第１の結果と第２入力データを前記学習済みモデルに入力して得られる第２の結果との類似度が閾値以上である場合に前記第１アルゴリズムを用いて前記移動経路を決定し、
前記第１入力データは、前記周囲状況に関する入力データであり、
前記第２入力データは、前記周囲状況に関する入力データの一部に対して変更を行って得られるデータである、
態様１０の移動経路決定方法。

【0125】

［態様１３］
演算回路に、態様１０の移動経路決定方法を実行させるための、
プログラム。

【0126】

態様２～８は、任意の要素であり、必須ではない。

【0127】

［４．用語］
本開示では、機械学習に関する用語を以下のように定義して用いる。

【0128】

「学習済みモデル」とは「学習済みパラメータ」が組み込まれた「推論プログラム」をいう。

【0129】

「学習済みパラメータ」とは、学習用データセットを用いた学習の結果、得られたパラメータ（係数）をいう。学習済みパラメータは、学習用データセットを学習用プログラムに対して入力することで、一定の目的のために機械的に調整されることで生成される。学習済みパラメータは、学習の目的にあわせて調整されているものの、単体では単なるパラメータ（数値等の情報）にすぎず、これを推論プログラムに組み込むことで初めて学習済みモデルとして機能する。例えば、ディープラーニングの場合には、学習済みパラメータの中で主要なものとしては、各ノード間のリンクの重み付けに用いられるパラメータ等がこれに該当する。

【0130】

「推論プログラム」とは、組み込まれた学習済みパラメータを適用することで、入力に対して一定の結果を出力することを可能にするプログラムをいう。例えば、入力として与えられた画像に対して、学習の結果として取得された学習済みパラメータを適用し、当該画像に対する結果（認証や判定）を出力するための一連の演算手順を規定したプログラムである。

【0131】

「学習用データセット」とは、訓練データセットともいい、生データに対して、欠測値や外れ値の除去等の前処理や、ラベル情報（正解データ）等の別個のデータの付加等、あるいはこれらを組み合わせて、変換・加工処理を施すことによって、対象とする学習の手法による解析を容易にするために生成された二次的な加工データをいう。学習用データセットには、生データに一定の変換を加えていわば「水増し」されたデータを含むこともある。

【0132】

「生データ」とは、ユーザやベンダ、その他の事業者や研究機関等により一次的に取得されたデータであって、データベースに読み込むことができるよう変換・加工処理されたものをいう。

【0133】

「学習用プログラム」とは、学習用データセットの中から一定の規則を見出し、その規則を表現するモデルを生成するためのアルゴリズムを実行するプログラムをいう。具体的には、採用する学習手法による学習を実現するために、コンピュータに実行させる手順を規定するプログラムがこれに該当する。

【産業上の利用可能性】

【0134】

本開示は、移動経路決定システム、自律型移動装置、移動経路決定方法、及び、プログラムに適用可能である。具体的には、周囲状況に応じて移動経路を決定する移動経路決定システム、移動経路決定システムを備える自律型移動装置、周囲状況に応じて移動経路を決定する移動経路決定方法、及び、移動経路決定方法を実行させるためのコンピュータプログラムに、本開示は適用可能である。

【0135】

特に、本開示は、歩行者（移動体）とロボット（自律型移動装置）が移動する空間において、歩行者とロボットの安全・効率的なすれ違いを実現するため、歩行者の動きに基づいてロボットの行動（移動経路）を生成する場合に適用可能である。つまり、歩行者がロボットの移動方向に侵入してくる場合は回避、歩行者がロボットを回避してくる場合は侵入等、ロボットの動作を切り替えることができる。これによって、歩行者との衝突やタイムロスを避けることが可能になり、安全で効率的なロボットの走行が可能となる。したがって、本開示を、人とロボットが共存する工場等でロボットによる運搬を実施する場合、非効率な（安全を重視しすぎる）走行をせずに，人と衝突することなくタクトタイムも短い運搬ができ、関連作業者のタクトタイムロスを減らすことができる。

【符号の説明】

【0136】

１ 自律型移動装置
２ センサシステム
３ 移動機構
４ 移動経路決定システム
７ 演算回路
８ 第１アルゴリズム
８０ 学習済みモデル
Ｄ１ 入力データ
Ｄ２ 出力データ
９ 第２アルゴリズム
２００ 移動体

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】