(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】P2024094195
(43)【公開日】2024-07-09
(54)【発明の名称】軌道修正システム、及び軌道修正方法
(51)【国際特許分類】
G08G 1/16 20060101AFI20240702BHJP
G05D 1/43 20240101ALI20240702BHJP
【ＦＩ】
G08G1/16 C
G05D1/02 S
【審査請求】有
【請求項の数】4
【出願形態】ＯＬ
(21)【出願番号】P 2023018232
(22)【出願日】2023-02-09
(11)【特許番号】
(45)【特許公報発行日】2024-06-14
(31)【優先権主張番号】111150229
(32)【優先日】2022-12-27
(33)【優先権主張国・地域又は機関】TW
(71)【出願人】
【識別番号】504429600
【氏名又は名称】緯創資通股▲ふん▼有限公司
【氏名又は名称原語表記】ＷＩＳＴＲＯＮ ＣＯＲＰＯＲＡＴＩＯＮ
(74)【代理人】
【識別番号】110001519
【氏名又は名称】弁理士法人太陽国際特許事務所
(72)【発明者】
【氏名】何俊泓
(72)【発明者】
【氏名】陳修志
(72)【発明者】
【氏名】蒋欣翰
(72)【発明者】
【氏名】陳彦霖
(72)【発明者】
【氏名】黄國倫
(72)【発明者】
【氏名】陳韶綺
【テーマコード（参考）】
5H181
5H301
【Ｆターム（参考）】
5H181AA27
5H181BB04
5H181BB13
5H181BB20
5H181CC04
5H181FF17
5H181FF27
5H181LL01
5H181LL09
5H301GG09
5H301LL01
5H301LL06
(57)【要約】
【課題】動的オブジェクトの予測移動経路を取得して、移動をスムーズに行える軌道修正システム及び軌道修正方法を提供する。
【解決手段】メモリと、プロセッサとを含んだ軌道修正システムにおいて、前記メモリはコードを保存し、前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する。
【選択図】図２
【解決手段】メモリと、プロセッサとを含んだ軌道修正システムにおいて、前記メモリはコードを保存し、前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する。
【選択図】図２
【特許請求の範囲】
【請求項1】
メモリと、プロセッサとを含んだ軌道修正システムにおいて、
前記メモリはコードを保存し、
前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する
ことを特徴とする軌道修正システム。
前記メモリはコードを保存し、
前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する
ことを特徴とする軌道修正システム。
【請求項2】
前記プロセッサは前記元のパワーフィールド図に前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記プロセッサは前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記プロセッサは前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
且つ、前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンに対応する衝突時刻で最大値であり、前記プロセッサは移動装置の駆動装置を制御して、前記障害物回避経路に沿って移動させる
ことを特徴とする請求項１に記載の軌道修正システム。
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記プロセッサは前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記プロセッサは前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
且つ、前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンに対応する衝突時刻で最大値であり、前記プロセッサは移動装置の駆動装置を制御して、前記障害物回避経路に沿って移動させる
ことを特徴とする請求項１に記載の軌道修正システム。
【請求項3】
前記プロセッサは前記修正されたパワーフィールド図をニューラルネットワークに入力して前記障害物回避経路を獲得し、前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含む
ことを特徴とする請求項１に記載の軌道修正システム。
ことを特徴とする請求項１に記載の軌道修正システム。
【請求項4】
コードを保存したメモリと、前記メモリに接続されると共に前記コードにアクセスするプロセッサとを含んだ軌道修正方法において、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する
ことを特徴とする軌道修正方法。
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する
ことを特徴とする軌道修正方法。
【請求項5】
前記プロセッサは、移動装置の駆動装置を制御して前記障害物回避経路に沿って移動し、
前記元のパワーフィールド図は前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記修正されたパワーフィールド図をニューラルネットワークに入力し、前記障害物回避経路を獲得し、
前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含み、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンが対応する衝突時刻で最大値である
ことを特徴とする請求項４に記載の軌道修正方法。
前記元のパワーフィールド図は前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記修正されたパワーフィールド図をニューラルネットワークに入力し、前記障害物回避経路を獲得し、
前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含み、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンが対応する衝突時刻で最大値である
ことを特徴とする請求項４に記載の軌道修正方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は軌道修正システム、及び軌道修正方法に関し、特に、動的オブジェクトの予測移動経路を取得することで移動装置がスムーズに目的地に到達し得る軌道修正システム、及び軌道修正方法に関する。
【背景技術】
【0002】
軌道計画は、自動化の分野における一般的な手段の１つである。環境情報の完全性に応じて、軌道計画の方法は、全域計画とローカル計画の２つの計画方法に分けることができる。
【0003】
全域の計画では、移動装置がフィールド内の障害物を回避して目的地に到達できる軌道経路を計画するため、移動装置（例えば自走式ロボット等）が配置されているフィールドの全ての環境情報を取得する必要がある。
【0004】
ローカルエリアの計画では、移動装置がフィールド内の障害物を回避して目的地に到達できる軌道計画を徐々に計画するため、移動装置の現在位置から一定範囲内の環境情報（以下、ローカル環境情報という）を事前に取得する。
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかし、静的な障害物に加えて、フィールドには動的な障害物もが存在するため、障害物を回避できる軌道を必ずしも正確には計画することができず、移動装置が目的地にスムーズに到達できない場合がある。
【課題を解決するための手段】
【0006】
上記の事情に鑑みて本発明は以下の構成を備える。即ち、
メモリと、プロセッサとを含んだ軌道修正システムにおいて、
前記メモリはコードを保存し、
前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する。
メモリと、プロセッサとを含んだ軌道修正システムにおいて、
前記メモリはコードを保存し、
前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する。
【0007】
また、前記プロセッサは前記元のパワーフィールド図に前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体或いは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記プロセッサは前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記プロセッサは前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
且つ、前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンに対応する衝突時刻で最大値であり、前記プロセッサは移動装置の駆動装置を制御して、前記障害物回避経路に沿って移動させる。
前記第１の斥力物体或いは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記プロセッサは前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記プロセッサは前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
且つ、前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンに対応する衝突時刻で最大値であり、前記プロセッサは移動装置の駆動装置を制御して、前記障害物回避経路に沿って移動させる。
【0008】
また、前記プロセッサは前記修正されたパワーフィールド図をニューラルネットワークに入力して前記障害物回避経路を獲得し、前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含む。
【0009】
また、コードを保存したメモリと、前記メモリに接続されると共に前記コードにアクセスするプロセッサとを含んだ軌道修正方法において、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する。
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成する。
【0010】
また、前記プロセッサは、移動装置の駆動装置を制御して前記障害物回避経路に沿って移動し、
前記元のパワーフィールド図は前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体或いは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記修正されたパワーフィールド図をニューラルネットワークに入力し、前記障害物回避経路を獲得し、
前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含み、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンが対応する衝突時刻で最大値である。
前記元のパワーフィールド図は前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体或いは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記修正されたパワーフィールド図をニューラルネットワークに入力し、前記障害物回避経路を獲得し、
前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含み、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンが対応する衝突時刻で最大値である。
【発明の効果】
【0011】
以上のように、本発明の実施形態によれば、移動装置の初期経路、動的オブジェクト（即ち、動的な障害物）の予測移動経路、及び初期経路と、予測移動経路の間の衝突ゾーンの第１の斥力物体（斥力オブジェクト）によって、実際に障害物を回避できる障害物回避経路を取得し、移動装置がスムーズに目的地に到達することができる。
【図面の簡単な説明】
【0012】
【図1】本発明の実施形態に基づいた起動修正システムのブロック図である。
【図2】本発明の実施形態に基づいた起動修正方法のフローチャートである。
【図3】本発明の実施形態に基づいた初期経路と予測移動経路の三次元の説明図である。
【図4A】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図4B】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図4C】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図4D】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図4E】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図5A】本発明の比較例の異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図5B】本発明の比較例の異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図5C】本発明の比較例の異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図5D】本発明の比較例の異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図5E】本発明の比較例の異なる時刻の修正されたパワーフィールド図の修正されたパワーフィールドのサブマップである。
【図6】本発明の実施形態に基づいた障害物を回避するサンプルの経路を示した図である。
【図7A】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールドのサンプル図の修正されたパワーフィールドのサンプルのサブマップである。
【図7B】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールドのサンプル図の修正されたパワーフィールドのサンプルのサブマップである。
【図7C】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールドのサンプル図の修正されたパワーフィールドのサンプルのサブマップである。
【図7D】本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールドのサンプル図の修正されたパワーフィールドのサンプルのサブマップである。
【発明を実施するための形態】
【0013】
本発明の実施形態では、２つの座標間の距離は、ユークリッド距離（Ｅｕｃｌｉｄｅａｎ ｄｉｓｔａｎｃｅ）を指す場合がある。
【0014】
図１を参照して本発明の実施形態を説明する。ここで、図１は本発明の実施形態に基づいた起動修正システム１００のブロック図である。起動修正システム１００はメモリ１０とプロセッサ２０を含む。プロセッサ２０はメモリ１０に接続される。
【0015】
メモリ１０は、プロセッサ２０が本発明の軌道修正方法にアクセスして実行するための（プログラム）コードを格納（保存）する。本実施形態では、メモリ１０及びプロセッサ２０は、移動装置（図示せず）の内部又は外部に配置される。
【0016】
移動装置は、例えば、自走式ロボットである。本実施形態では、本発明の軌道修正方法を実行する際にプロセッサ２０によって使用されるデータの転送は、ロボットオペレーティングシステム（Ｒｏｂｏｔ Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ、ＲＯＳ）を使用することによって実現することができる。
【0017】
本実施形態では、メモリ１０は、例えば、従来のハードディスク、ソリッドステートディスク、フラッシュメモリ、光ディスク等であるが、これらに限定されない。
【0018】
本実施形態では、プロセッサ２０は、例えば、中央処理装置、マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ、Ａｐｐｌｉｃａｔｉｏｎ－ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、又はシステムオンチップ（ＳＯＣ、Ｓｙｓｔｅｍ ｏｎ ａ Ｃｈｉｐ）であるが、これらに限定されない。
【0019】
本実施形態では、プロセッサ２０は入出力インターフェース（図示せず）に結合される。入出力インターフェイスを使用して、制御装置（キーボード、マウス等）に接続できる。
【0020】
設計者が操作装置を操作して操作命令を生成し、その操作命令が入出力インターフェイスを介してプロセッサ２０に送信され、プロセッサ２０が操作命令に応じて対応する操作を実行する。
【0021】
他の実施形態では、プロセッサ２０と移動装置は、入出力インターフェイス又は通信装置（図示せず）を介して互いに情報を送信することもできる。
【0022】
プロセッサ２０は、入出力インターフェイス又は通信装置を介して移動装置上で画像又はセンシング情報（画像キャプチャ装置、深度カメラ等）を受信し、画像又はセンシング情報を取得した後、対応する処理（画像処理又はデータ処理等）を行う。
【0023】
プロセッサ２０は移動装置の動きを制御するために、入出力インターフェイス又は通信装置を介して移動装置に駆動コマンドを送信することができる。
【0024】
【0025】
まず、プロセッサ２０はメモリ１０からフィールドマップを取得する（ステップＳ２０１）。フィールドマップは、移動装置が移動しようとしているフィールドの平面図であっても良い。
【0026】
次に、プロセッサ２０はメモリ１０からフィールド（フィールドマップ）内の移動装置の元の地点と目的地のターゲット座標を取得し、元の座標とターゲット座標に基づいて初期経路Ｌ１を計画する。これにより、移動装置の元の地点から目的地までの初期経路Ｌ１（ステップＳ２０３）が得られる。
【0027】
次に、プロセッサ２０は、移動装置が移動しているときに、その画像キャプチャ装置（カメラ等）を利用して移動装置によってキャプチャされた画像をメモリ１０から取得する。
【0028】
プロセッサ２０は、オブジェクト検出アルゴリズム（例：機能のアライメント又はニューラルネットワークの推論）によって画像内のオブジェクト（たとえば、静的オブジェクトや動的オブジェクトであるが、静的オブジェクトは、壁、テーブル、椅子、花瓶等の位置が変化する可能性が低いオブジェクトであり、動的オブジェクトは、例えば、歩行者、ベビーカー、動物、子供、高齢者、位置が変化しやすい車両等である。）の位置と種類を識別し、オブジェクトを上から投影する画像の視角をフィールドマップに変換して、コストマップ（ｃｏｓｔ ｍａｐ）を形成する（ステップＳ２０５）。
【0029】
次に、プロセッサ２０は、オブジェクトによって生成された軌跡を追跡するか、又は動的オブジェクトの過去の軌跡をメモリ１０から取得する。プロセッサ２０は、追跡軌跡及び／又は過去の軌跡に基づいて軌跡予測方法を実行し、動的オブジェクトの予測移動経路Ｌ２を取得する（ステップＳ２０７）。
【0030】
ここで、軌道予測方法は、例えば、長短期記憶（Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ，ＬＳＴＭ）モデル、社会的ＬＳＴＭ（Ｓｏｃｉａｌ ＬＳＴＭ）モデル、社会的生成対立ネットワーク（Ｓｏｃｉａｌ ｇｅｎｅｒａｔｉｖｅ ａｄｖｅｒｓａｒｉａｌ ｎｅｔｗｏｒｋ，Ｓｏｃｉａｌ ＧＡＮ）、又はソフィー（ＳｏＰｈｉｅ）によって実装されるアルゴリズムであり得る。
【0031】
本実施形態では、プロセッサ２０は後続のステップを実行するために、初期経路Ｌ１と予測移動経路Ｌ２をコストマップに結合することができる。
【0032】
移動装置の初期経路Ｌ１と動的オブジェクトの予測移動経路Ｌ２を取得した後、プロセッサ２０は移動装置の初期経路Ｌ１と動的オブジェクトの予測移動経路Ｌ２とに基づいて衝突ゾーンＢＰが存在するか否かを判断する（ステップＳ２０９）。
【0033】
例えば、プロセッサ２０は、初期経路Ｌ１と予測移動経路Ｌ２とが、ある時点で交差する可能性があるか否かを判断する。
【0034】
プロセッサ２０は、初期経路Ｌ１と予測移動経路Ｌ２とがある時点で交差する可能性があると判断すると、交差領域を衝突ゾーンＢＰとして設定し、ステップＳ２１１を実行する。
【0035】
プロセッサ２０は、初期経路Ｌ１と予測移動経路Ｌ２とが、ある時点で交差する可能性がないと判断したことに応じて、ステップＳ２０５及びその後続のステップの実行に戻り、動的オブジェクトの移動経路を予測し続け（つまり、この動的オブジェクトの予測移動経路Ｌ２を改めて取得する）、或いは新しい動的オブジェクトが検出され、その移動経路が予測されるのを待つ（つまり、新しい動的オブジェクトの予測移動経路Ｌ２を取得する）。
【0036】
衝突ゾーンＢＰを決定した後、プロセッサ２０は、元のパワーフィールド図が対応する衝突ゾーンＢＰに第１の斥力物体（斥力オブジェクト）ＲＰを形成して、修正されたパワーフィールド図を取得する（ステップＳ２１１）。
【0037】
例えば、プロセッサ２０は、人工ポテンシャル場法（Ａｒｔｉｆｉｃｉａｌ Ｐｏｔｅｎｔｉａｌ Ｆｉｅｌｄ）に基づいて、コストマップ内の静的オブジェクトの斥力場と目的地の重力場を計算し、静的オブジェクトの斥力場と目的地の重力場をコストマップと組み合わせて、元のパワーフィールド図を形成する。
【0038】
先ず、初期経路Ｌ１と予測移動経路Ｌ２とをコストマップで組み合わせることができるので、プロセッサ２０は、衝突ゾーンＢＰを決定した後、元のパワーフィールド図に対応する衝突ゾーンＢＰの位置を知ることができる。
【0039】
プロセッサ２０は、元のパワーフィールド図が対応する衝突ゾーンＢＰに動的オブジェクトの斥力場に関連する第１の斥力物体（オブジェクト）ＲＰを形成し、修正されたパワーフィールド図を生成する。
【0040】
本実施形態では、プロセッサ２０は元のパワーフィールド図の予測移動経路Ｌ２に沿って移動する第１の斥力物体ＲＰを形成し、第１の斥力物体ＲＰと組み合わせて、修正されたパワーフィールド図を獲得する。
【0041】
すなわち、修正されたパワーフィールド図は、第１の斥力物体ＲＰの他に、第２の斥力物体ＲＰＸも有する。ここで、第１の斥力物体ＲＰ及び第２の斥力物体ＲＰＸは、同じ動的オブジェクトに関連付けられる。
【0042】
修正されたパワーフィールド図を取得した後、プロセッサ２０は、修正されたパワーフィールド図に基づいて障害物回避経路ＬＡを取得する（ステップＳ２１３）。
【0043】
例えば、移動装置は重力場に引き寄せられ、斥力場によって反発されるため、プロセッサ２０は、人工ポテンシャル場における吸引力及び斥力を合わせた効果により、全ての障害物（静的オブジェクト及び動的オブジェクト等）を確実に回避できる障害物回避経路ＬＡを計算することができる。
【0044】
図４Ａ～４Ｅに示すように、第１の斥力物体ＲＰと第２の斥力物体ＲＰＸによって、障害物回避経路ＬＡは第１の斥力物体ＲＰの斥力場の上部を迂回するので、第１の斥力物体ＲＰと第２の斥力物体ＲＰＸの斥力場を通過しないで、更に、第１の斥力物体ＲＰの斥力場の下部と第２の斥力物体ＲＰＸの斥力場の上部の間を通過しない。
【0045】
本実施形態では、プロセッサ２０は、障害物回避経路ＬＡに基づいて駆動命令を生成し、それにより、移動装置の駆動装置は、駆動命令に応答して障害物回避経路ＬＡに沿って目的地まで移動する。
【0046】
すなわち、プロセッサ２０は、移動装置が障害物回避経路ＬＡに沿って移動するように制御する。本実施形態では、駆動装置はドライブトレイン（ｄｒｉｖｅｔｒａｉｎ）及び駆動輪によって実現される。ドライブトレインは、モータと、駆動輪に接続されたドライブシャフトとを含んでいても良い。
【0047】
【0048】
３次元時のうちの第１の次元Ｘと第２の次元Ｙはコストマップの２次元空間を表し、第３の次元である第３の次元Ｔは時間を表す。
【0049】
本実施形態において、初期経路Ｌ１は複数の第１の座標パラメータ（ｘ０１，ｙ０１，ｔ０１）～（ｘ０１０，ｙ０１０，ｔ０１０）を含み、本実施形態では、プロセッサ２０は、初期経路Ｌ１と移動装置の移動速度に基づいてこれらのパラメータを計算することができ、予測移動経路Ｌ２は複数の第２の座標パラメータ（ｘ１１，ｙ１１，ｔ１１）～（ｘ１１０，ｙ１１０，ｔ１１０）を含む。
【0050】
ここでは１０個の第１の座標パラメータと１０個の第２の座標パラメータが示されているが、本発明はこれに限定されない。第１の座標パラメータの数と第２の座標パラメータの数はそれぞれ１０より大きくてもよく、１０より小さくてもよい。
【0051】
ステップＳ２０９の実施形態において、プロセッサ２０は第１の座標パラメータ（ｘ０１，ｙ０１，ｔ０１）～（ｘ０１０，ｙ０１０，ｔ０１０）、第２の座標パラメータ（ｘ１１，ｙ１１，ｔ１１）～（ｘ１１０，ｙ１１０，ｔ１１０）及び距離閾値に基づいて、衝突ゾーンがあるかどうか判断する。本実施形態において、距離閾値はメモリ１０に記憶しても良い。
【0052】
本実施形態では、初期経路Ｌ１と予測移動経路Ｌ２が時系列に基づいて延伸するので、各第１の座標パラメータ（ｘ０１，ｙ０１，ｔ０１）～（ｘ０１０，ｙ０１０，ｔ０１０）は第１の座標（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０）及び第１の時刻ｔ０１～ｔ０１０の第１の時間区間を含む。
【0053】
具体的には、第１の座標パラメータ（ｘ０１，ｙ０１，ｔ０１）は第１の座標（ｘ０１，ｙ０１）と第１の時刻ｔ０１を含み、第１の座標パラメータ（ｘ０２,ｙ０２，ｔ０２）は第１の座標（ｘ０２，ｙ０２）と第１の時刻ｔ０２を含み、以下同様である。
【0054】
第１の座標（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０）は第１の時刻ｔ０１～ｔ０１０に対応する第１の時間間隔の下で、コストマップにおける初期経路Ｌ１の位置を示すために使用される。各第２の座標パラメータ（ｘ１１，ｙ１１，ｔ１１）～（ｘ１１０，ｙ１１０，ｔ１１０）は第２の座標（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０）と第２の時刻ｔ１１～ｔ１１０の第２の時間間隔を含む。
【0055】
具体的には、第２の座標パラメータ（ｘ１１，ｙ１１，ｔ１１）は第２の座標（ｘ１１，ｙ１１）と第２の時刻ｔ１１を含む。第２の座標パラメータ（ｘ１２，ｙ１２，ｔ１２）は第２の座標（ｘ１２，ｙ１２）と第２の時刻ｔ１２を含み、以下同様である。
【0056】
第２の座標（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０）は、第２の時刻ｔ１１～ｔ１１０に対応する第２の時間間隔の下で、コストマップにおける予測移動経路Ｌ２の位置を示すために使用される。前記複数の第１の座標パラメータ（ｘ０１，ｙ０１，ｔ０１）～（ｘ０１０，ｙ０１０，ｔ０１０）の第１の時刻ｔ０１～ｔ０１０は異なる。
【0057】
前記複数の第２の座標パラメータ（ｘ１１，ｙ１１，ｔ１１）～（ｘ１１０，ｙ１１０，ｔ１１０）の第２の時刻ｔ１１～ｔ１１０は異なる。例えば、第１の時刻ｔ０１～ｔ０１０は等比率（例えば互いの間隔時間は１秒である）で間隔があけられ、第２の時刻ｔ１１～ｔ１１０は互いの間を等比率（例えば互いの間隔時間は１秒である）で間隔をあける。
【0058】
ステップ２０９の実施形態では、プロセッサ２０は、実質的に同じ第１の時刻ｔ０１～ｔ０１０と第２の時刻ｔ１１～ｔ１１０に対応する第１の座標（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０）と第２の座標（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０）を比較して、距離値を取得し、距離値が距離閾値より大きくない場合、衝突ゾーンＢＰが存在すると判断され、距離閾値より大きくない距離値が対応する第１の座標（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０）と第２の座標（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０）が衝突ゾーンＢＰである。ここで、実質的に同じ時刻とは、時刻（時点）間の時間差が１ミリ秒未満であることを意味する。
【0059】
ステップＳ２０９は、第１の時刻ｔ０１と第２の時刻ｔ１１が両方とも０秒であり、第１の時刻ｔ０２と第２の時刻ｔ１２が両方とも１秒であり、及びこれに類推する方式であると仮定すると以下のように説明できる。
【0060】
プロセッサ２０は距離値と実質的に同じである第１の時刻ｔ０１～ｔ０１０と第２の時刻ｔ１１～ｔ１１０に対応する第１の座標（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０）と第２の座標（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０）との間のユークリッド距離を計算する。
【0061】
具体的には、プロセッサ２０は、式１に基づいて第１の座標（ｘ０１，ｙ０１）と第２の座標（ｘ１１，ｙ１１）との間のユークリッド距離を距離値として算出し、第１の座標（ｘ０２，ｙ０２）と第２の座標（ｘ１２，ｙ１２）の間のユークリッド距離を距離値として算出し、以下同様である。
【0062】
ここで、Ｄは距離値であり、ｘ０ｎは第１の座標の第１の次元であり、ｘ１ｎは第２の座標の第１の次元であり、ｙ０ｎは第１の座標の第２の次元であり、ｙ１ｎは第２の座標の第２の次元であり、ｎは定数である。
【0063】
距離値が距離閾値よりも大きくない場合、距離値の計算に対応する第１の時刻ｔ０１～ｔ０１０と第２の時刻ｔ１１～ｔ１１０（つまり、衝突時刻、衝突時点） で、初期経路Ｌ１と予測移動経路Ｌ２は交差する。
【0064】
例えば、図３に示すように、第１の時刻ｔ０１０と第２の時刻ｔ１１０において、初期経路Ｌ１と予測移動経路Ｌ２とが交差する。
【0065】
このため、プロセッサ２０は第１の時刻ｔ０１０と第２の時刻ｔ１１０に対応する第１の座標（ｘ０１０，ｙ０１０）と第２の座標（ｘ１１０，ｙ１１０）に基づいて衝突ゾーンＢＰを獲得する。
【0066】
例えば、第１の座標（ｘ０１０，ｙ０１０）と第２の座標（ｘ１１０，ｙ１１０）の間の中心点の座標を衝突ゾーンＢＰとする。
【0067】
或いは、第１の座標（ｘ０１０，ｙ０１０）と第２の座標（ｘ１１０，ｙ１１０）の間の距離値を半径又は直径として使用することにより、衝突ゾーンＢＰとして円形領域を算出する。ただし、本発明はこれには限られず、距離値を多角形の辺の長さとして、多角形のエリアを衝突ゾーンＢＰとして算出しても良い。すなわち、衝突ゾーンＢＰは点であってもエリア（領域）であっても良い。
【数1】
【0068】
本実施形態では、距離閾値は動的オブジェクトのサイズに対応する。具体的には、距離閾値は動的オブジェクトのサイズ（寸法）よりも小さい。
【0069】
本実施形態では、距離閾値は移動装置の半分のサイズ（以下、「半分のサイズ」とも呼ぶ場合がある）（例えば半径）と動的オブジェクトの半分のサイズ（例えば半径）との合計であり得る。
【0070】
このようにして、初期経路Ｌ１と予測移動経路Ｌ２との間に衝突ゾーンＢＰが存在するか否かを確実に判断することができる。
【0071】
【0072】
本実施形態において、プロセッサ２０は衝突ゾーンＢＰに対応する衝突時刻（例えば、図３に示す第１の時刻ｔ０１０と第２の時刻ｔ１１０）の前のタイミングの複数の時刻（以下、前タイミング時刻）を等しい割合で選択することができる。
【0073】
例えば、プロセッサ２０は衝突時刻の前の４つの時刻（時点）を１秒間隔で選択し、具体的には、第１の前タイミング時刻は衝突時刻の４秒前の時刻であり、第２の前タイミング時刻は衝突時刻の３秒前の時刻である。
【0074】
図３に示すように、衝突時刻は第１の時刻ｔ０１０と第２の時刻ｔ１１０に対応し、第１の前タイミング時刻は第１の時刻ｔ０６と第２の時刻ｔ１６に対応する。第２の前タイミング時刻は第１の時刻ｔ０７と第２の時刻ｔ１７に対応し、以下これらを類推して適用する。
【0075】
プロセッサ２０は、式２に基づいて、異なる前タイミング時刻及び衝突時刻（衝突時点）における動的オブジェクトの斥力場を計算することができる。そして、元のパワーフィールド図の対応する衝突ゾーンＢＰに斥力場を持つ第１の斥力物体ＲＰを形成し、このようにして、異なる時刻における複数の修正されたパワーフィールドのサブマップが生成される。
【0076】
ここで、Ｕｒｅｐ（ｑ）は斥力場の値（即ち斥力場の強度（斥力フィールド強度）を意味する）であり、ηは斥力ゲイン係数であり、Ｄ（ｑ）は異なる前タイミング時刻と衝突時刻の下での移動装置の初期経路Ｌ１の対応座標と動的オブジェクトの予測移動経路Ｌ２の対応する座標の間の距離であり、Ｑ＊は動的オブジェクトの障害作用範囲の閾値である。
【0077】
また、プロセッサ２０は修正されたパワーフィールドのサブマップを連結して修正されたパワーフィールド図を形成する。
【数2】
【0078】
図４Ａ～図４Ｅにおいて、障害物回避経路ＬＡの第１の変位点ＭＶ１は移動装置の現時点（現時刻）でのコストマップの位置である。例えば、図４Ａにおける障害物回避経路ＬＡ上の第１の変位点ＭＶ１は移動装置の第１の前タイミング時刻におけるコストマップの位置であり、図４Ｂにおける障害物回避経路ＬＡ上の第１の変位点ＭＶ１は移動装置の第２の前タイミング時刻におけるコストマップの位置であり、以下同様に類推して適用でき、且つ、図４Ｅにおける障害物回避経路ＬＡの第１の変位点ＭＶ１は移動装置の衝突時刻におけるコストマップにおける位置である。
【0079】
図４Ａ～図４Ｅにおいて、予測移動経路Ｌ２上の第２の変位点ＭＶ２は動的オブジェクトの現時点におけるコストマップにおける位置である。例えば、図４Ａにおける予測移動経路Ｌ２上の第２の変位点ＭＶ２は動的オブジェクトの第１の前タイミング時刻におけるコストマップの位置である。
【0080】
図４Ｂにおける予測移動経路Ｌ２上の第２の変位点ＭＶ２は動的オブジェクトの第２の前タイミング時刻におけるコストマップの位置であり、以下これらを類推して適用する。
【0081】
且つ、図４Ｅにおける予測移動経路Ｌ２上の第２の変位点ＭＶ２は動的オブジェクトの衝突時刻におけるコストマップにおいての位置である。
【0082】
図４Ａ～図４Ｅから分かるように、時間の経過とともに、動的オブジェクトは予測移動経路Ｌ２に沿って移動し、予測移動経路Ｌ２が初期経路Ｌ１と交差する衝突ゾーンＢＰに近づき、且つ動的オブジェクトは、衝突時刻で衝突ゾーンＢＰ内の初期経路Ｌ１上を移動する移動装置と衝突する。
【0083】
したがって、衝突時刻よりも前に衝突ゾーンＢＰに第１の斥力物体ＲＰを形成することで、初期経路Ｌ１を障害物回避経路ＬＡとして補正することができ、移動装置は、移動装置と動的オブジェクトとの間の衝突を事前に回避するように、障害物回避経路ＬＡに沿って移動する。
【0084】
図３に示すように、式２により算出される異なる前タイミング時刻と衝突時点（時刻）における斥力場からなる斥力パターン（ｒｅｐｕｌｓｉｖｅ ｆｏｒｃｅ ｐａｔｔｅｒｎ）ＲＰＰを示す。
【0085】
本実施形態において、第１の前タイミング時刻では、第１の斥力物体ＲＰの斥力フィールド強度は第１の時刻ｔ０６と第２の時刻ｔ１６の下では、斥力パターンＲＰＰは第１の次元Ｘと第２の次元Ｙが形成する切断面（例えば図４Ａの第１の斥力物件ＲＰの境界のサイズに示す）である。
【0086】
第２の前タイミング時刻では、第１の斥力物体ＲＰの斥力フィールド強度は、第１の時刻ｔ０７と第２の時刻ｔ１７の下では、斥力パターンＲＰＰの第１の次元Ｘと第２の次元Ｙによって形成される切断面（図４Ｂの第１の斥力物体ＲＰの境界サイズに示すように）であり、以下これを類推する。
【0087】
衝突時刻では、第１の斥力物体ＲＰの斥力フィールド強度は、第１の時刻ｔ０１０と第２の時刻ｔ１１０の下で、斥力パターンＲＰＰの第１の次元Ｘと第２の次元Ｙが形成する切断面（図４Ｂの第１の斥力物体ＲＰの境界サイズに示すように）である。
【0088】
【0089】
【0090】
本実施形態では、第１の斥力物体ＲＰの斥力フィールド強度は、衝突ゾーンＢＰに対応する衝突時刻で最大値である。
【0091】
つまり、衝突時刻の前、時間の増加に伴って第１の斥力物体ＲＰの斥力フィールド強度は徐々に増加し、且つ、衝突時刻の後は、時間の増加に伴って第１の斥力物体ＲＰの斥力フィールド強度は徐々に下降する。
【0092】
本実施形態では、第１の斥力物体ＲＰと比較して、第２の斥力物体ＲＰＸの斥力フィールド強度は一定である。本実施形態において、第２の斥力物体ＲＰＸの斥力フィールド強度は、衝突ゾーンＢＰに対応する衝突時刻における第１の斥力物体ＲＰの斥力フィールド強度と同じである。
【0093】
本実施形態において、第１の斥力物体ＲＰと第２の斥力物体ＲＰＸの斥力フィールドの強さは、動的オブジェクトのタイプに対応する。
【0094】
具体的には、一部の種類の動的オブジェクトは、移動装置の移動時に大きな障害を引き起こす可能性がある。他の特定の種類の動的オブジェクトは、移動装置が移動する際の障害を軽減する場合がある。たとえば、ベビーカーは歩行者よりも大きな障害を引き起こす場合がある。
【0095】
具体的には、動的オブジェクトの種類が歩行者の場合、式２のηは０．５であっても良く、Ｑ＊は０．５ｍ（メートル）であっても良い。動的オブジェクトの種類がベビーカーの場合、式２のηは１であっても良く、Ｑ＊は１ｍ（メートル）であっても良い。
【0096】
このとき、Ｄ（ｑ）が０．５ｍ（メートル）のとき、動的オブジェクトの種類が歩行者の場合は０．２５であり、動的オブジェクトの種類がベビーカーの時の的Ｕｒｅｐ（ｑ）は０．５であり、つまりベビーカーは歩行者と比べると比較的大きな斥力フィールド強度を有することとなる。
【0097】
【0098】
【0099】
例えば、図５Ａにおける障害物回避経路ＬＡ０上の第１の変位点ＭＶ１は第１の前タイミング時刻におけるコストマップ内の移動装置の位置であり、図５Ｂでは障害物回避経路ＬＡ０上の第１の変位点ＭＶ１は、第２の前タイミング時刻におけるコストマップ内の移動装置の位置であり、以下同様であり、且つ、図５Ｅにおいて、障害物回避経路ＬＡ０上の第１の変位点ＭＶ１は、衝突時刻におけるコストマップにおける移動装置の位置である。
【0100】
【0101】
例えば、図５Ａにおいて、予測移動経路Ｌ２上の第２の変位点ＭＶ２は、第１の前タイミング時刻の下のコストマップにおける動的オブジェクトの位置である。また、図５Ｂでは、予測移動経路Ｌ２上の第２の変位点ＭＶ２は、第２の前タイミング時刻におけるコストマップ内の動的オブジェクトの位置であり、以下同様である。そして、図５Ｅにおいて、予測移動経路Ｌ２上の第２の変位点ＭＶ２は、衝突時刻におけるコストマップの動的オブジェクトの位置である。
【0102】
比較例では、プロセッサ２０は、衝突時刻より前の複数の時刻において、元のパワーフィールド図の対応する衝突ゾーンＢＰに斥力場を有する第１の斥力物体ＲＰを形成しない。
【0103】
プロセッサ２０は元のパワーフィールド図において時間に伴って予測移動経路Ｌ２に沿って移動する動的オブジェクトの第２の斥力物体ＲＰＸを形成するだけで、初期経路Ｌ１を障害物回避経路ＬＡ０に修正する。
【0104】
比較例と比較すると、本発明の実施形態では、プロセッサ２０は、第２の斥力物体ＲＰＸだけでなく、第１の斥力物体ＲＰも使用して初期経路Ｌ１を障害物回避経路ＬＡに修正する。
【0105】
具体的には、プロセッサ２０は、衝突時刻と衝突時刻の前の異なる前タイミング時刻の下で元のパワーフィールド図の衝突ゾーンＢＰに対応する箇所に斥力場を有する第１の斥力物体ＲＰを形成し、且つ、衝突時刻の前のこれらの斥力場の強度は時間の増加に基づいて徐々に増加する。
【0106】
このように、比較例と比較して、本発明の実施形態は、障害物の存在を事前に知り、リアルタイムで障害物回避経路ＬＡを更新することができ、移動装置が障害物回避経路ＬＡに沿って移動する際に障害物を確実に回避できる。
【0107】
例えば、比較例では、プロセッサ２０は、第４の前タイミング時刻まで障害物の存在を知らず、本発明の実施形態において、プロセッサ２０は、第１の前タイミング時刻における障害物の存在を認識し、移動装置は、第１の斥力物体ＲＰを考慮して障害物回避経路ＬＡに沿って移動する。
【0108】
さらに、本発明は移動中に障害物を回避するため、素早い方向転換をすることにより、移動装置が転倒するリスクを低減する。
【0109】
例えば、プロセッサ２０は、第１の前タイミング時刻における障害物の存在を知ることができるので、プロセッサ２０は、移動装置の速度を事前に減速し、第１の斥力物体ＲＰを考慮して障害物回避経路ＬＡに沿って移動することができ、移動装置が、第４の前タイミング時刻で障害物回避経路ＬＡに沿って移動するように制御されるので、移動装置が転倒する危険が少ない。
【0110】
ステップＳ２１３の本実施形態では、プロセッサ２０は、修正されたパワーフィールド図をニューラルネットワークに入力し、ニューラルネットワークの計算後に障害物回避経路ＬＡを取得する。
【0111】
ニューラルネットワークは、複数のアルゴリズム演算を使用して、プロセッサ２０又は他のコンピューティング装置によって実現し、実施することができる。
【0112】
例えば、設計者は、入出力インターフェイスを介して、障害物回避サンプル経路ＬＳを有する複数の修正されたパワーフィールドのサンプル図をプロセッサ２０（又はコンピューティング装置でも良いが、後の説明の便宜のためにプロセッサ２０を例にとり説明する）に入力することができる。
【0113】
プロセッサ２０のニューラルネットワークは、修正されたパワーフィールドのサンプル図に基づいて時間連続回帰トレーニングを実行し、判断ロジックを決定する。
【0114】
ここで、時間連続回帰トレーニングは既知のモデル又は自己開発モデルとすることができる。ニューラルネットワークは、修正されたパワーフィールド図と判断ロジックに基づいて、フィールド内の移動装置の障害物回避経路ＬＡを生成できる。
【0115】
本実施形態では、ニューラルネットワークは、畳み込みニューラルネットワークと、それに結合された時間連続リカレントニューラルネットワーク（Ｌｉｑｕｉｄ Ｔｉｍｅ－ｃｏｎｓｔａｎｔ Ｎｅｔｗｏｒｋｓ、ＬＴＣｓ）とを含む。
【0116】
本実施形態では、プロセッサ２０は、修正されたパワーフィールド図と人工ポテンシャル場法によって生成された障害物回避経路ＬＡ、或いは修正されたパワーフィールド図とニューラルネットワーク（例えば時間連続リカレントニューラルネットワーク）によって生成された障害物回避経路ＬＡである。
【0117】
ここで、ニューラルネットワークとの違いは、人工ポテンシャル場法は事前の訓練なしで計算ができることである。
【0118】
人工ポテンシャル場法と比較して、ニューラルネットワーク（例えば時間連続リカレントニューラルネットワーク）は時間的特徴を学習し、障害物回避経路ＬＡのパフォーマンスを向上させることができ、障害物回避経路ＬＡの計画安定性がより高くなり、無限ループに入りにくくする。
【0119】
さらに、ニューラルネットワークの内部アーキテクチャのパラメータが固定されているため、複数の動的オブジェクトの場合でも実行速度が比較的安定しており、計算速度を速くすることができ、応答時間も高速にできる。
【0120】
更に、ニューラルネットワーク（例えば時間連続リカレントニューラルネットワーク）によって、プロセッサ２０は、障害物回避経路ＬＡの計算を、衝突ゾーンＢＰが存在すると判断された場合にのみ行えばよいので、プロセッサ２０が計算する負荷は比較的少なくても足りる。
【0121】
次に、図６と図７Ａ～７Ｄを参照して説明する。ここで、図６は本発明の実施形態に基づいた障害物を回避するサンプルの経路を示した図である。また、図７Ａ～図７Ｄは、本発明の実施形態に基づいた異なる時刻の修正されたパワーフィールドのサンプル図の修正されたパワーフィールドのサンプルのサブマップである。
【0122】
以下、修正されたパワーフィールドのサンプル図とその障害物回避サンプル経路ＬＳの生成をどのように行うか説明する。
【0123】
元の地点ＳＳの所定のコストサンプルマップの元のサンプル座標が（０，０）であると仮定すると、目的地Ｇのコストサンプルマップの目標サンプル座標は（１５，１５）であり、衝突ゾーンＢＢのサンプル座標は（８、７）である。
【0124】
プロセッサ２０は式３、式４、元のサンプル座標、移動装置が設置される現時点の推定位置（即ち現時点の経路点）の座標、動的オブジェクトが設けられる現時点の推定位置の座標、目標サンプル座標、及び移動装置の単位時間当たりのステップ長に基づいて、各経路点の座標を計算して、障害物回避サンプル経路ＬＳを獲得する。
【0125】
ここで、Ｕａｔｔ（ｑ）は重力場の値（つまり重力場の強さ）であり、ｋは重力ゲイン係数であり、Ｇ（ｑ）は異なる時刻における移動装置の現時点での推定位置（即ち現時点の経路点）の座標と目標サンプル座標の間の距離であり、Ｕｒｅｐｓ（ｑ）は斥力場の値（斥力フィールド強度）であり、ηは斥力ゲイン係数であり、ＤＤ（ｑ）は異なる時刻における移動装置の推定（仮想）現在位置（すなわち、現時点の経路点）の座標と動的オブジェクトの現在の位置の座標の間の距離であり、ＱＱ＊は動的オブジェクトの障害作用範囲の閾値である。
【数3】
【0126】
具体的には、移動装置が毎秒のステップ長を３ｍとした場合、ＱＱ＊は３ｍ、ｋは１、ηは１．５である。プロセッサ２０は元のサンプル座標を、障害物回避サンプル経路ＬＳの第１の経路点の座標とする。
【0127】
次に、プロセッサ２０は、式３に基づいて元のサンプル座標が受ける重力場の強さを計算する。例えば、重力場の強さは（１５，１５）である。
【0128】
プロセッサ２０は、元のサンプル座標から目標サンプル座標への方向（すなわち、重力方向）に従って、勾配降下法で第２の経路点の座標を計算する。
【0129】
このうち、重力場の方向は例えば（０．７０７，０．７０７）であり、第２の経路点の座標は、たとえば、重力場の方向にステップ長を乗算することによって計算できる。すなわち、第２の経路点の座標は、例えば、（０．７０７，０．７０７）×３～（２．１，２．１）である。
【0130】
次に、第２の経路点は動的オブジェクトの障害物の作用範囲内（たとえば、衝突ゾーンに入っていないサンプル座標の半径３ｍによって形成される円の範囲内）にまだ入っていないため、第３の経路点と第４の経路点の座標は、第２の経路点を計算する方法に従って計算することができる。
【0131】
例えば、第３の経路点の座標は
（０．７０７，０．７０７）×６～（４．３，４．３）であり、第４の経路点の座標は（０．７０７，０．７０７）×９～（６．４，６．４）である。
（０．７０７，０．７０７）×６～（４．３，４．３）であり、第４の経路点の座標は（０．７０７，０．７０７）×９～（６．４，６．４）である。
【0132】
次に、第４の経路点が動的オブジェクトの障害物の作用範囲に入ると、プロセッサ２０は式３に基づいて第４の経路点が受ける重力場の強さを計算する。例えば、重力場の強さは（８．６４、８．６４）である。
【0133】
このとき、第４の経路点が受ける重力場の方向は尚も（０．７０７，０．７０７）である。プロセッサ２０は、式４に基づいて第４の経路点が受ける斥力フィールド強度を計算する。例えば、斥力フィールド強度は（－８．１９、－３．５８）である。
【0134】
このとき、第４の経路点が受ける斥力場の方向は、動的オブジェクトの現在位置の座標が第４の経路点の座標を指す方向である。たとえば、斥力場の方向は（－０．９２５，－０．３８１）である。
【0135】
このように、第４の経路点受ける合力作用の方向（以下、合力方向という）は（０．０８８，０．９６６）となる。
【0136】
次に、プロセッサ２０は、第４の経路点の座標と合力方向に従って、勾配降下法によって第５の経路点の座標を計算する。
【0137】
第５の経路点の座標は、例えば、合力方向にステップ長を乗じた値に第４の経路点の座標を加えた値であり、即ち、第５の経路点の座標は例えば（６．４，６．４）＋（０．０８８，０．９９６）×３～（６．６，９．４）である。
【0138】
プロセッサ２０は、最終的に計算された経路点の座標と目標サンプル座標との間の距離がステップ長より小さくなるまで、前述の経路点のアルゴリズムを繰り返す。
【0139】
このようにして、障害物回避サンプル経路ＬＳを構成する複数の経路点を得ることができる。プロセッサ２０は、異なる時刻（時点）における動的オブジェクトの斥力フィールド強度を障害物回避サンプル経路ＬＳとコストサンプルマップと組み合わせて、異なる時刻における複数の修正されたパワーフィールドのサンプルのサブマップを形成する。
【0140】
次に、プロセッサ２０は、修正されたパワーフィールドのサンプルのサブマップを連結して、ニューラルネットワークをトレーニングするための修正されたパワーフィールドのサンプル図を形成する。
【0141】
本発明の実施形態によれば、移動装置の初期経路、動的オブジェクトの予測移動経路、及び初期経路と予測移動経路の間の衝突ゾーンの第１の斥力物体の斥力場に基づいて、障害物を回避する障害物回避経路確実に得ることができるので、移動装置はスムーズに目的地に達することができる。
【0142】
また、第１の斥力物体の他、動的オブジェクト自身が形成する第２の斥力物体によっても障害物回避経路を得ることができる。
【符号の説明】
【0143】
１００ 軌道修正システム
１０ メモリ
２０ プロセッサ
Ｘ 第１の次元
Ｙ 第２の次元
Ｔ 第３の次元
（ｘ０１，ｙ０１，ｔ０１）～（ｘ０１０，ｙ０１０，ｔ０１０） 第１の座標パラメータ
（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０） 第１の座標
ｔ０１～ｔ０１０ 第１の時刻
（ｘ１１，ｙ１１，ｔ１１）～（ｘ１１０，ｙ１１０，ｔ１１０） 第２の座標パラメータ
（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０） 第２の座標
ｔ１１～ｔ１１０ 第２の時刻
ＢＰ 衝突ゾーン
ＲＰＰ 斥力パターン
Ｌ１ 初期経路
Ｌ２ 予測移動経路
ＬＡ 障害物回避経路
ＲＰ 第１の斥力物体
ＲＰＸ 第２の斥力物体
ＭＶ１ 第１の変位点
ＭＶ２ 第２の変位点
ＬＡ０ 障害物回避経路
ＳＳ 元の地点
ＧＧ 目的地
ＢＢ 衝突ゾーン
ＬＳ 障害物回避サンプル経路
Ｓ２０１～Ｓ２１３ ステップ
１０ メモリ
２０ プロセッサ
Ｘ 第１の次元
Ｙ 第２の次元
Ｔ 第３の次元
（ｘ０１，ｙ０１，ｔ０１）～（ｘ０１０，ｙ０１０，ｔ０１０） 第１の座標パラメータ
（ｘ０１，ｙ０１）～（ｘ０１０，ｙ０１０） 第１の座標
ｔ０１～ｔ０１０ 第１の時刻
（ｘ１１，ｙ１１，ｔ１１）～（ｘ１１０，ｙ１１０，ｔ１１０） 第２の座標パラメータ
（ｘ１１，ｙ１１）～（ｘ１１０，ｙ１１０） 第２の座標
ｔ１１～ｔ１１０ 第２の時刻
ＢＰ 衝突ゾーン
ＲＰＰ 斥力パターン
Ｌ１ 初期経路
Ｌ２ 予測移動経路
ＬＡ 障害物回避経路
ＲＰ 第１の斥力物体
ＲＰＸ 第２の斥力物体
ＭＶ１ 第１の変位点
ＭＶ２ 第２の変位点
ＬＡ０ 障害物回避経路
ＳＳ 元の地点
ＧＧ 目的地
ＢＢ 衝突ゾーン
ＬＳ 障害物回避サンプル経路
Ｓ２０１～Ｓ２１３ ステップ
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図4C】
【図4D】
【図4E】
【図5A】
【図5B】
【図5C】
【図5D】
【図5E】
【図6】
【図7A】
【図7B】
【図7C】
【図7D】
【手続補正書】
【提出日】2024-05-08
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
メモリと、プロセッサとを含んだ軌道修正システムにおいて、
前記メモリはコードを保存し、
前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成し、
前記プロセッサは前記元のパワーフィールド図に前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記プロセッサは前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記プロセッサは前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
且つ、前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンに対応する衝突時刻で最大値であり、前記プロセッサは移動装置の駆動装置を制御して、前記障害物回避経路に沿って移動させる
ことを特徴とする軌道修正システム。
前記メモリはコードを保存し、
前記プロセッサは前記メモリに接続されると共に、前記コードにアクセスして実行し、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成し、
前記プロセッサは前記元のパワーフィールド図に前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記プロセッサは前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記プロセッサは前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
且つ、前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンに対応する衝突時刻で最大値であり、前記プロセッサは移動装置の駆動装置を制御して、前記障害物回避経路に沿って移動させる
ことを特徴とする軌道修正システム。
【請求項2】
前記プロセッサは前記修正されたパワーフィールド図をニューラルネットワークに入力して前記障害物回避経路を獲得し、前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含む
ことを特徴とする請求項１に記載の軌道修正システム。
ことを特徴とする請求項１に記載の軌道修正システム。
【請求項3】
コードを保存したメモリと、前記メモリに接続されると共に前記コードにアクセスするプロセッサとを含んだ軌道修正方法において、
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成し、
前記プロセッサは、移動装置の駆動装置を制御して前記障害物回避経路に沿って移動し、
前記元のパワーフィールド図は前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンが対応する衝突時刻で最大値である
ことを特徴とする軌道修正方法。
前記プロセッサは、初期経路と動的オブジェクトの予測移動経路に基づいて、衝突ゾーンがあるかどうか判断し、
前記衝突ゾーンがあると判断した場合には、元のパワーフィールド図の前記衝突ゾーンに対応する箇所に、第１の斥力物体を形成し、修正されたパワーフィールド図を獲得し、前記修正されたパワーフィールド図に基づいて障害物回避経路を生成し、
前記プロセッサは、移動装置の駆動装置を制御して前記障害物回避経路に沿って移動し、
前記元のパワーフィールド図は前記予測移動経路に沿って移動する第２の斥力物体を形成すると共に、前記第１の斥力物体を結合して、前記修正されたパワーフィールド図を獲得し、
前記第１の斥力物体あるいは前記第２の斥力物体の斥力フィールド強度は前記動的オブジェクトの種類に対応し、
前記初期経路は複数の第１の座標パラメータを含み、前記予測移動経路は複数の第２の座標パラメータを含み、
前記複数の第１の座標パラメータ、前記複数の第２の座標パラメータ、及び距離閾値に基づいて、前記衝突ゾーンを具備するかどうか判断し、
各前記第１の座標パラメータは第１の座標と第１の時刻を含み、各前記第２の座標パラメータは第２の座標と第２の時刻を含み、
前記第１の時刻と前記第２の時刻が対応する前記第１の座標と前記第２の座標を対比して距離値を獲得し、前記距離値が前記距離閾値より大きくないとき、前記衝突ゾーンを具備すると判断し、前記距離値が対応する前記第１の座標と前記第２の座標は前記衝突ゾーンであり、
前記距離閾値は前記動的オブジェクトの寸法に対応するものであり、前記衝突ゾーンが対応する前記第１の斥力物体の斥力フィールド強度は時間と共に変化し、
前記第１の斥力物体の斥力フィールド強度は前記衝突ゾーンが対応する衝突時刻で最大値である
ことを特徴とする軌道修正方法。
【請求項4】
前記プロセッサは、
前記修正されたパワーフィールド図をニューラルネットワークに入力し、前記障害物回避経路を獲得し、
前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含む、
ことを特徴とする請求項３に記載の軌道修正方法。
前記修正されたパワーフィールド図をニューラルネットワークに入力し、前記障害物回避経路を獲得し、
前記ニューラルネットワークは畳み込みニューラルネットワークと時間連続リカレントニューラルネットワークを含む、
ことを特徴とする請求項３に記載の軌道修正方法。