具体实施方式

作为服务机器人的自主移动机器人在机器人部署区域(robot deployment area)中自动执行一个或多个任务(tasks，即，工作)。上述任务的例子是清洁部署区域中的地面、监视和检查机器人部署区域、在部署区域(例如住宅)中运输物体，或者例如为用户娱乐而进行的其他工作。这种任务符合服务机器人的实际目的，并且因此称为服务任务(servicetasks)。这里描述的实施例大多关于一种清洁机器人。然而，这并不限于清洁机器人，而是可应用于所有应用。在这些应用中，自主移动机器人应在限定的部署区域中执行任务。在该应用中，自主移动机器人可以借助地图自主地运动和导航。

图1示例性地示出了自主移动机器人100，特别是其它清洁机器人。其它自主移动机器人的示例包括但不限于运输机器人、监控机器人、远程呈现机器人等。现代自主移动机器人是基于地图导航的，即它们使用部署区域的电子地图。然而，在一些情况下，机器人没有或没有部署区域的当前地图，并且其必须勘察并绘制出他的(对他还未知的)环境。这个过程也被称为勘察行程(exploration run)、学习行程或探索(勘察)。在此，机器人在其运动通过机器人部署区域期间检测障碍物。在图1所示的例子中，机器人100已经识别出房间的墙壁W1和W2的一部分。用于自主移动机器人的环境的勘察和绘图的方法本身是已知的。例如，机器人可驶入的面可以完全驶过，而借助SLAM方法(SimultaneousLocalization and Mapping，同时定位和地图创建)建立地图。执行勘察行程不是服务任务，因为机器人在此不一定执行其确定的活动(例如地面清理)。然而，不排除机器人在勘察行程期间同时完成服务任务。在机器人部署期间，机器人可以完成一个或多个服务任务以及附加任务(supplemental tasks)，例如勘察部署区域以建立或更新地图。

图2以框图的形式示例性地示出了自主移动机器人100的不同单元。在此，单元可以是独立的组件或用于控制机器人的软件的一部分(模块)。一个单元可以具有多个子单元。单元可以完全以硬件或作为硬件和软件的组合(例如固件)来实施。负责机器人100的行为的软件可以由机器人100的控制单元150执行。在所示的示例中，控制单元150包括处理器155，其构造为执行包含在存储器156中的软件指令。控制单元150的一些功能也可以至少部分地借助于外部计算机来执行。也就是说，控制单元150所需的计算能力可以至少部分地转移到外部计算机上，该外部计算机对于机器人来说例如可以通过局域网(例如WLAN，wireless local area network)或通过互联网实现。例如，外部计算机可以提供云计算服务。

自主移动机器人100包括驱动单元170，该驱动单元170例如可以具有电动机、用于控制电动机的电动机控制器，以及传动装置和轮子。借助驱动单元170，机器人100能够至少理论上到达其部署区域的每个点。驱动部170(例如，所提到的电动机控制器)构造为，将从控制单元150接收的指令或信号转换为机器人100的运动。

自主移动机器人100包括通信单元140，以建立与人机界面(HMI，human-machineinterface)200和/或其他外部设备300的通信连接145。通信连接145例如是直接无线连接(例如蓝牙)、本地无线局域网连接(例如WLAN或ZigBee)或者互联网连接(例如用于云服务)。人机界面200可以例如以视觉或听觉的形式向用户输出关于自主移动机器人100的信息(例如电池状态、当前工作任务、如清洁地图的地图信息等)，并且接收用户命令。用户命令例如可以表示用于自主移动机器人100执行特定任务(task)的工作任务。

HMI 200的示例包括平板PC、智能电话、智能手表和其他可穿戴设备、个人计算机、智能电视或头戴式显示器等。HMI 200可以直接集成到机器人中，由此，机器人100例如可以通过按键、手势和/或语音输入和输出来操作。

外部设备300的示例包括调动计算和/或数据的计算机和服务器、提供附加的有用信息的外部传感器、或者可与自主移动机器人100协作和/或交换信息的其它家用电器(例如，其它自主移动机器人)。

自主移动机器人100可以具有服务单元160，用以执行服务任务(参见图2)。服务单元160例如是用于清洁地面的清洁单元(例如刷子、抽吸装置)或者用于抓取和运输物体的夹持臂。在远程呈现机器人中，服务单元160可以是多媒体单元，其例如由麦克风、相机和屏幕组成，以便能够实现多个在空间上远离的人员之间的通信。用于监控或检查的机器人(例如，夜间监控用机器人)在检查行程中利用其传感器确定异常事件(例如，火灾、灯光、未经授权的人等)，并通知该情况的检查地点。在此，服务单元160例如包括用于识别异常事件的所有功能。

自主移动机器人100包括具有不同传感器的传感器单元120，例如一个或多个传感器，用于获取关于机器人在其部署区域中的环境结构的信息，例如障碍物或其他陆标(landmarks)在部署区域中的位置和大小。用于获取环境信息的传感器例如是用于测量到机器人环境中的物体(例如墙壁或其他障碍物等)的距离的传感器，例如光学和/或声学传感器，其可以通过对所发送的信号进行三角测量或运行时间测量来测量距离(三角测量传感器、3D摄像机、激光扫描仪、超声波传感器等)。可选地或附加地，可以使用摄像机来收集关于环境的信息。尤其是在从两个或多个位置观察物体时，同样可以确定物体的位置和大小。

此外，机器人的传感器单元120可以包括适合于探测与障碍物(至少是偶然的)接触(或碰撞)的传感器。这可以通过加速度计(例如，探测在碰撞期间机器人的速度变化)、接触开关、电容传感器或其他触觉或触敏传感器实现。此外，机器人还可以具有地面传感器，以便能够确定与地面的距离，或者能够识别与地面的距离的变化(例如在地面上的坠落边缘时，例如台阶)。在自主移动机器人领域中的其他常用传感器是用于确定机器人的速度和/或行进路径的传感器，例如用于确定机器人的位置和运动变化的里程表或惯性传感器(加速度传感器、转速传感器)以及用于检测轮子与地面之间的接触的轮子接触开关。例如，传感器设计用于检测地面的结构，例如地面覆盖物、地面覆盖物边界和/或(门)突起部。这例如借助于照相机的图像、机器人和地面之间的距离测量和/或在驶过突起部时测量机器人的位置变化(例如借助于惯性传感器)来实现。

自主移动机器人100可以与基站110相关联，在基站110处，自主移动机器人100可以例如对其能量存储器(电池)充电。机器人100在作业结束后能够返回到该基站110。当机器人不再需要处理任务时，它可以在基站110中等待新的部署。

控制单元150可以被构造为准备好机器人所需的所有功能，以便能够独立地在其部署区域中运动并且执行任务。为此，控制单元150例如包括存储模块156和处理器155，处理器155被构造为用于执行包含在存储器中的软件指令。控制单元150可以基于从传感器单元120以及通信单元140接收到的信息，生成针对工作单元160以及驱动单元170的控制命令(例如控制信号)。驱动单元170可以如已经提到的那样将这些控制命令或控制信号转换成机器人的运动。包含在存储器156中的软件也可以模块化地构造。例如，导航模块152提供用于自动建立该区域的地图、确定机器人100在该地图中的位置以及用于机器人100的运动规划(路径规划)的功能。控制软件模块151提供例如通用的(全局)控制功能，并且可以在各个模块之间形成接口。

导航模块和地图—因此，机器人能够自主执行任务，控制单元150可以包括用于在其部署区域中导航机器人的功能，这些功能例如由上面提到的导航模块152提供。这些功能本身是已知的，并且可以包括但不限于以下中的一个或多个：

·通过借助传感器单元120收集关于环境的信息来建立(电子)地图，例如最终不是借助SLAM方法；

·基于利用传感器单元120的传感器确定的环境信息(全球自定位)，在没有或仅有非常有限的预先知识的情况下确定机器人在地图中的位置；

·基于地图的从机器人的当前位置(开始点)到目的地的路径规划(轨迹规划)；

·用于对地图和环境进行解释的功能，例如用于识别房间或其他子区域(例如借助识别到的门、不同地面覆盖物之间的边界等)；

·管理与地图相关的机器人的一个或多个部署区域的一个或多个地图。

图3示例性地示出了用于自主移动机器人100的部署区域DA及其在部署区域内的当前位置。可以将机器人的位置描述为运动平面中的点(例如机器人的中点)和其取向(例如向前方向)(也称为姿态)。部署区域例如是具有多个房间(例如厨房、起居室、走廊、卧室)的住宅，这些房间具有不同的家具和地面覆盖物。为了能够在该部署区域中移动，机器人100需要部署区域DA的地图500。该地图可以由机器人自动构建并永久存储。在本文中，“永久存储”意味着地图可用于未来的任何数量的机器人部署以进行导航(机器人运动的规划和执行)。然而，这并不意味着地图是不可修改的或不可删除的，而是仅意味着其被存储，以便在机器人的不确定数量的将来部署期间被再利用。与永久性存储的地图不同，临时地图仅针对当前机器人部署而被构建，并且随后被再次丢弃(即，不被再利用)。

通常，可由机器人100使用的(电子)地图500是用于存储关于机器人的部署区域DA与位置相关的信息和在该部署区域中与机器人相关的环境的地图数据的集合。因此，地图代表多个具有地图数据的数据组，并且地图数据可以包含任意的位置相关的信息。这些数据组的部分方面，例如识别出的污物、进行的清洁或识别出的空间同样可以称为地图(特别是污物地图、清洁地图、空间地图)。

对于机器人100来说，使其能够处理多个位置相关信息的重要技术前提是知道其自身位置。也就是说，机器人必须能够尽可能好地并且可靠地定向和定位。为此，地图500包含方位信息505(也称为导航特征)，该方位信息例如描述在部署区域中的地标和/或障碍物的位置。方位信息的位置大多借助坐标来定义。方位信息例如是利用SLAM方法处理的地图信息。

除了方位信息之外，机器人收集关于部署区域的其它信息，这些信息对于导航和/或与用户的交互可能是重要的，但是对于机器人的位置确定不是必需的。该信息可以基于传感器测量(例如，污染)、工作任务(例如，清洁的面)、机器人自己对存储在地图中的关于环境的方位信息505的解释(例如，空间识别)和/或用户输入(例如，空间名称、封锁区域、时间表)来确定。下面将所有这些信息称为元信息。

图4示例性示出了部署区域DA的地图500的方位信息505，机器人朝向地图500并且借助于该地图500能够定位机器人。如所提及的，这种方位信息505可以由机器人例如借助传感器和SLAM算法来建立，并且可以被记录到地图上。例如，机器人通过距离传感器测量到障碍物(例如墙壁、家具、门等)的距离，并根据测量数据(通常是散点图)计算限定其部署区域的边界的线段。机器人的部署区域例如可以通过线段(折线)的闭合的链来定义。另外，在部署区域内的其他障碍物H也可能是方位信息的一部分。所述的线段链的一种可选方案是栅格地图，在机器人的部署区域上铺设单元格的网格(例如，10×10cm²)，对于每个单元格，标明它是否被障碍物占用和/或是否没有被占用。另一种可能性是基于摄像机的图像信息构建地图，其中图像信息同样与拍摄的位置关联。图像信息可以再次被识别，由此，机器人同样可以在其环境中定位和定向。

机器人可以根据方位信息的特定结构确定其在部署区域中的位置。因此，已知用于全球自定位的方法，利用这些方法，机器人可以在没有或者仅有有限的先验知识的情况下基于方位信息确定其在部署区域中的位置。这例如在移动或关断机器人之后是必需的。因为全球自定位没有有关机器人位置的特定的先验知识，所以在执行SLAM方法期间，全球自定位方法原则上不同于位置跟踪(例如，基于里程表)。

作为机器人100的部署区域200的居住环境由于居住者而始终发生变化。因此，门可以被打开和关闭，或新障碍物(例如，袋子、停车灯等)可以暂时或永久地被放置在机器人部署区域中。由此，同样改变了方位信息的个别方面。然而，其他方面，例如特别是墙壁或大型家具(橱柜、沙发)的位置，通常保持不变，使得继续可能进行稳健的导航。常见的用于导航机器人的方法可以设计成相对于这种变化具有鲁棒性。

然而，当例如地图中没有标记障碍物(例如由于关闭的门)或没有障碍物被标记时，机器人的导航可能在很长时间内受到干扰。为了避免先前部署的干扰性影响，地图500可以在勘察或学习行程期间生成，其中，用户已经尽可能好地清理住所。这个地图500被永久地存储。为了完成服务任务(例如，清洁、运输、检查、娱乐等)，可以使用工作副本。在工作副本中，检测所有对于完成服务任务重要的改变，而永久存储的地图500保持不变。工作副本以及由此产生的对地图500的变化可在服务任务结束之后被丢弃，使得地图500保持不变。由此，可以避免在永久存储的地图500中出现不期望的变化，例如记录仅仅暂时放置在部署区域中的障碍物，或者在部署期间出现的地图误差(例如错误的测量，在导航问题的范围内)。

可选地或附加地，例如，通过比较工作副本和永久存储的地图，可以分析和评估这些改变。该分析的结果可以被引用到永久存储的地图500中，由此实现了机器人对其环境的持久的学习行为和匹配行为。在此，为了避免对机器人的定向能力的不期望的影响，这些信息可以作为元信息510存储，其中，永久存储的地图500的方位信息505保持不变。例如，仅在用户确认之后更新方位信息505。例如，为了更新方位信息505，重新进行勘察行程可能也是必要的。在以下更详细地讨论了所提及的元信息之后，将在下面进一步讨论关于评估环境中的变化和关于重新勘察行程的细节。

元信息是与地图相关联的位置相关的数据，其对于机器人的位置确定不是必需的。例如，可以利用这些信息，以便机器人可以更多地“学习”其环境并更好地适应环境，以及更有效地进行用户-机器人交互。例如，元信息可以用于更好的路径和工作规划。元信息在此例如(但是不仅仅)包括以下信息中的一个或多个：

·基于用户输入的信息；

·通过多个机器人部署所学习的信息尤其是(统计)信息，例如，服务任务处理的持续时间、服务任务的频率、导航问题、污染信息；

·将部署区域划分为子区域(例如，单个房间)，并且命名该房间或子区域和/或其它对象；

·空间或子区域的特性，尤其是尺寸、表面特性，例如在子区域中的地面覆盖物、阻塞区域；

·服务任务的时间表和规格；在子区域中执行服务任务所需的时间

·拓扑图信息和关系(例如链接区域和空间)；以及

·有关路径可驶入性的信息。

图5通过示例的方式示出了部署区域DA的永久存储的地图500的元信息510。它显示了示例：房间的命名(例如，“走廊”、“卧室”、“起居室”、“厨房”等，以便用户与机器人进行自然交互)，时间表(例如，“从晚上11点至凌晨6点不开放”，用于任务计划)，有关污染程度的信息(例如通常在走廊上较重的污染，机器人清洁的频率更高)，有关地面覆盖物的信息(例如“镶木地板”，“瓷砖”，“地毯”等以及任何相关的工作程序)，警告提示(例如“台阶”，机器人缓慢移动)等。

可以存储在地图中的一种元信息是将机器人区域划分为几个房间和/或子区域。该划分可以由机器人100以自动化的方式进行，例如，解释或分析在勘察行程期间记录的方位信息和其他信息。附加地或可选地，用户可以手动进行划分和/或手动修改自动划分。如上所述，房间的名称(例如“走廊”，“起居室”，“卧室”等)也可以包含在元信息中。

例如，对于房间和/或子区域，用户可以规定是否允许在该区域通航。例如，可以将子区域划分为虚拟封锁区域(virtual exclusion region,keep-out region)，以使机器人不会独立地驶过该区域。如果机器人无法安全地驶过该子区域，或者机器人会干扰该子区域中的用户时，这将非常有用。

可选地或附加地，用户可以创建、编辑和删除用户定义的子区域。用户定义的子区域可以定义例如不允许机器人自动驶入的区域(封锁区域)，或者用户希望定期或偶尔有针对性地清理的区域。

元信息可以包括机器人所能唯一识别的对象，例如具有其意义和名称的对象。例如，可以给在地图中录入的对象分配一个或多个属性(特性)。因此，例如可以将在地图中记录的平面元素与可驶入性(“自由”、“被障碍物阻挡”、“封锁”)的属性、与地面覆盖物(“地毯”、“木地板”等)的处理状态(“未清洁”或“清洁”)的属性相关联。

该元信息可以包括可驶入的(对于机器人可进入的)面和/或可清洁的面。在此，可以存储针对各个子区域和/或机器人的整个部署区域的可驶入/可清洁的面的大小和/或精确形状和尺寸。该面可以用作参考，以便例如评估工作结果(例如清洁的面相对于理论上可清洁的面)。

如所提及的，元信息可以基于用户输入和/或机器人(100)对存储在地图中的方位信息的解释。因此，危险区域也可以属于元信息。在这些区域中例如可能存在障碍物，如位于周围的电缆，这严重限制了机器人的导航和运动能力。因此，这些区域可以通过机器人避开和/或特别小心地驶过。例如，机器人可以通过将在先前的部署期间(或在勘察行程期间)检测到的导航和移动问题与对应位置相关联地存储，去自主地学习这样的区域。可选地，危险区域也可以由用户定义。

用于建立地图的勘察行程—永久存储的地图可以在先前的部署中(例如在勘察行程中)由机器人自己创建，或者由另一机器人和/或用户提供并且例如持久地(永久地)存储在存储器156中(参见图2)。可选地，机器人部署区域的待永久存储的地图也可以存储在机器人之外，例如存储在机器人的用户家政中的计算机(例如平板电脑、家庭服务器)上或存储在可通过互联网到达的计算机(例如云服务器)上。地图数据例如由导航模块152存储和管理。

可以在部署区域的任何点处(诸如从基站)发起漫游。机器人在勘察行程开始时没有或者仅有非常少的关于其周围环境的信息。在勘察行程期间，机器人100移动通过部署区域，并利用其传感器检测关于周围结构的信息，特别是障碍物的位置或其他方位信息，并由此建立地图。例如，探测墙壁和其它障碍物(例如，家具和其它对象)并且将其位置和地点存储在地图中。用于检测的传感装置本身是已知的并且能够包含在机器人100的传感器单元120中(参见图2)。能够由包含在机器人100的控制单元150(参见图2)中的程序执行检测所需的计算。例如，在基于机器人的运动(特别是测距)以及地图的已经勘察(并且因此已知)的部分进行地图构建的同时，连续地确定机器人在该地图中的位置(SLAM，同时定位和地图创建)。在创建新地图期间对机器人位置的这种跟踪不会与已经存在的自定位(没有关于机器人位置的先验知识)混淆。

可以执行勘察行程，直到地图被锁定。这例如意味着，机器人可行驶的面完全被障碍物包围(参见图4)。可选地或附加地，可以确定是否存在新的方位信息，以及是否已获取的方位信息具有足够高的精度。精度例如可以在概率理论的SLAM方法的范围内，基于在此所获取的概率、方差和/或相关性来确定。

对于勘探行程期间的导航策略有不同的方案，它们决定性地取决于所使用的传感器。例如可以完全驶过该面，这尤其在短距离传感器中适于探测障碍物(作用距离例如小于10cm，或小于1m)。例如，可以驶过部署区域，使得所有区域利用远程传感器(例如作用距离大于1m)来检测。例如，可以在勘察行程期间检测房间和门，并且可以按空间进行勘察。这里，在开始勘察下一房间之前，完全勘察一房间。

图6中的图示例示了自主移动机器人100如何探索其环境。在图6的(a)图所示的例子中，机器人100的传感器单元120(参照图2)具有导航传感器121，该导航传感器121覆盖规定的检测区域Z(coverage area)。在所示的示例中，检测区域Z近似地具有带有半径d的扇形的形状。导航传感器121被构造为，一旦对象位于传感器121的检测区域Z内，则通过测量到对象的轮廓的距离来检测机器人100的环境中的对象(例如，障碍物、家具和其他物体)。检测区域Z与机器人一起移动，并且检测区域Z可以在机器人比距离d更靠近它们时与对象重叠。图6的(b)示出了这样的情况，其中障碍物H机器人的导航传感器121的检测区域Z内。机器人能够识别障碍物H的轮廓的一部分，在本示例中，这是障碍物H朝向传感器121的一侧的线L。线L的位置可以存储在地图中。在勘察期间，机器人将从其他视向探测障碍物H，并且因此可以在地图上完善障碍物H的轮廓。

在图6所示的示例中，传感器系统的检测区域Z具有相对小的视野(检测区域)。然而，也存在一些能够覆盖360°的范围的传感器。在这种情况下，检测区域Z具有(完整)圆形的形状。取决于传感器，其它检测区域也是可能的并且是本身已知的。特别地，尤其是对于在用于环境的三维检测的传感器，其检测区域可以通过体积，由例如孔径圆锥体来限定。如果传感器附加地安装在执行器(尤其是电动机)上，则检测区域可以相对于机器人运动，由此机器人可以在不同的方向上“看”。

检测区域Z不仅由传感器的范围给出，而且还基于期望的测量精度。例如，对于三角测量传感器，测量不确定度随测量距离而迅速增加。例如，超声波传感器只有在距离环境结构适当距离的情况下才能可靠地检测环境的结构。

对于一些传感器，检测区域Z可能被限制在机器人当前位置。例如，为了检测地板上的坠落边缘(例如台阶)，常规的地面传感器在机器人下方或直接在机器人前方对准地板，使得检测区域不超过机器人的位置。另一个例子是检测地面覆盖物的变化。这种变化例如可以通过在行驶期间短时间的位置变化(例如在地毯边缘行驶时)和/或行驶行为的变化(例如在地毯上的漂移和打滑、表面粗糙度)来探测。另一个例子是只能通过机器人触碰诸如接触开关的触觉传感器来检测到的障碍物(例如，诸如玻璃门等难以通过视觉检测到的障碍物)。

检测区域Z通常可以根据所选择的传感器及其在机器人上的布置，通过一个或多个点、距离、面积或体积来描述，以合适的方式相对于机器人布置。

如图7所示，可以在地图上将检测区域Z标记为“已探索”。通过这种方式，机器人可以“知道'”机器人操作区域中的哪些区域已经被探索并进行了绘图。在图7所示的示例中，所勘察的区域E包括机器人部署区域内的所有点，这些点在勘察行程期间至少一次位于(与机器人100一起运动的)检测区域Z中。可以说，勘察/搜索的区域E代表传感器检测区域E的“轨迹”。未标记为已探索的地图区域可以视为机器人尚无信息的“白点”，对此机器人(还)未获得信息。在这一点上，还应当注意，位于检测区域Z中的物体H遮住挡了检测区域的一部分并且使其有效地更小(参见图6中的示意图(b)。在实际的实施方式中，传感器视野的张角通常明显大于图7所示的角度。

远距离和近距离探索—如上所述，用于家务领域的通用服务机器人具有一些短距离传感器(short range sensors)，这些短距离传感器只能在驶过或快要驶过时检测环境结构，例如地面覆盖物的边缘或坠落边缘。因此，对于这些短距离传感器，检测范围Z大致与机器人的尺寸相对应，因此在勘察行程中为了检测这些结构通常必须驶过整个部署区域的面积。这需要花费大量的时间，并且带来由于意外的干扰(例如导航问题、用户中断)而中断勘测行程的危险。

如果机器人利用具有相应大的检测范围Z的长距离传感器(long range sensor)进行探索(参见图6)，则该问题得以被缓解。借此，可以显著更快地结束勘察，因为不必完全驶过表面，而是可以从少数几个选出的区域中采集相关的方位信息。此外，对于可能导致导航问题的区域(例如直接靠近障碍物)，可以保持安全距离。该方法的一个可能的缺点是缺乏对环境结构的探索，这只能在机器人的紧邻区域才能识别出来，尤其是当经过这些结构时。

为了快速地执行探索，并且仍然能收集所有感兴趣的结构，机器人可以结合两种策略。为此，在第一模式下(或在第一勘察策略下)，利用至少一个具有第一检测区域Z1的第一传感器来探索环境，特别是将长距离传感器用作第一传感器。在此，在第一模式中使用的勘察策略可以被设计用于尽可能快速且有效地利用第一传感器来探测部署区域。所使用的第一传感器例如是用于在较大距离上非接触式测量距离的传感器，例如光学三角测量传感器、激光扫描仪、所谓的测距扫描仪、立体摄像机或ToF摄像机(Time-of-Flight-Kamara)。可选地或附加地，第一传感器可以是摄像机，其图像或由其提取的特征(导航特征)可被用于绘制部署区域。

通常，在该第一模式中，机器人还将利用具有第二检测区域Z2的至少一个短距离第二传感器(例如，用于测量与地面的距离并检测边缘/台阶的地面传感器、用于检测地面覆盖物边缘的传感器、用于检测诸如玻璃门的“不可见”障碍物的接触开关等)检测信息。这种短距离感器例如仅在机器人紧邻所所述环境结构(例如在坠落边缘的情况下)时或者在其上驶过时(例如在地面覆盖物边缘的情况下)才对环境结构进行检测。对此的例子是：检测到碰撞、地面覆盖和/或地面覆盖物变化(地面覆盖物边缘)的信息、机器人下方或紧邻机器人前方的坠落边缘的信息、带有短距离接近传感器(proximity sensor)的障碍物信息、机器人下方或紧邻机器人的地面图像。

在第二模式中，机器人可以使用第二种探索策略而专门使用短距离传感器对结构进行勘察。例如，通过跟踪整个房间的结构而完成此操作。这尤其在线形结构(如地面覆物边缘或坠落边缘)的情况下是特别有利的。

两个检测区域Z1、Z2通常至少部分地不相交。也就是说，它们不重叠或者仅部分重叠。通过使用两种勘察策略(模式)将两个检测区域Z1，Z2组合在一起，可以建立一个地图，其中包含部署区域环境的所有基本结构，而不必完全穿越该区域。

例如，如果在第一模式下用第二传感器检测到相关结构，则可以立即进行从第一模式到第二模式的切换(也参见图8)。在步骤S20中，在启动时，机器人基于具有远距离第一传感器的测量结果以第一模式(模式1)探索周围环境，该远距离第一传感器可以检测第一类型的结构，例如部署区域中环境的集合结构(即，是否作为障碍物的对象，例如墙壁、门、家具等)。在此步骤S21中的检测表明短距离第二传感器已检测到第二类型结构(例如，地面覆盖物边缘，门槛，台阶等)，则机器人切换到第二模式(模式2)。在步骤S22中，已识别的第二结构，直到检测(步骤S23)表明已完全勘察了第二结构，才被勘察到。在这种情况下，机器人继续以第一模式勘察周围环境的几何结构(步骤S20)。该过程一直进行，直到检测(步骤S24)表明部署区域已被完全探测为止。然后勘察形成结束，机器人例如返回到其起始位置。

可选地或附加地，可以以第一模式继续勘测，直到勘测了合适的子区域(例如房间)或整个部署区域(见图9)。在步骤S10中，在开始探测之后，机器人基于长距离第一传感器的测量结果在第一模式下对环境进行探测。在此，可以将短距离第二传感器检测到的结构的位置绘制到地图中。但是，这些不会被继续跟踪。在步骤S11中，机器人检查勘测是否完成(房间或整个部署区域)。如果没有则在第一模式1下继续勘测(步骤S10)。在步骤S12中，当在第一模式下的勘测完成时，机器人将继续在第二模式下勘测。在此，机器人移动到例如在第一模式下保存的位置(在此第二传感器已经探测到了结构)。从该位置开始，以有针对性的方式对结构进行全面探索，例如通过机器人尝试跟随检测到的结构(例如边缘，地面覆盖物的边缘等)进行勘测。如果在步骤S13中确定已经完全勘测了所有先前识别的结构，则结束勘察行程，并且机器人例如返回到其开始位置。

这些方法可以根据需要进行扩展和组合并用于其他传感器(和其他模式)。例如，在检测到坠落边缘时，可以立即从第一模式切换到第二模式，以有效地关闭带有坠落边缘的部署区域。例如，如果检测到地板覆盖物的边缘，则可以以第一模式继续探索，直到其完全完成为止。然后可以根据已知的地图来完善地面覆盖物的边缘。也就是说，根据图8和图9的方式是可组合的。

附加地，在第二模式下，可以在第二模式中创建关于借助第二传感器检测的环境结构的变化的假设。这种假设的一个示例是地毯具有矩形形状。地毯例如可以自由地处于房间内或一直伸到障碍物(例如墙壁、家具)上。可选择地，通常地毯的形状是圆形、椭圆形或扇形。也还存在具有不规则形状的地毯(例如，动物毛皮)。通过在特定位置使用传感器的测量值对预测进行计算并通过接近该位置对其进行检测，这些假设可以在第二模式下有针对性的测试(例如，基于矩形地毯的假设，可以确定矩形的角的位置)。机器人此时可以移动到该位置，从而确认接受或拒绝该假设。如果关于地毯形状的假设得到确认，则可以将地面覆盖物边缘到地毯的曲线转移至地图中，而不必完全驶过。如果该假设被拒绝，则可以创建和测试新的假设，或者可以通过完全驶过来充分勘测地面覆盖物边缘。

假设的另一示例是门槛的曲线或是门中的地面覆盖物边缘的曲线。这些曲线通常是在门框之间的直线，通常是墙的延伸。例如，当机器人完全探索了一个房间并再次通过门离开房间时，可以检验这种假设。

创建假设的一个优点是减少要到达的位置并完全绘制出第二传感器所识别的结构。因此在假设被成功测试的情况下则无需完全驶过和勘察该结构。例如，在矩形地毯的情况下，可接近四个角。如果它们位于预期位置，则无需额外地勘察剩余的地毯边缘。由此可以减少用于勘察形成所需的时间，由此提高了机器人的效率。

在第一模式(勘察策略)下，小结构(例如具有相应的小的地毯边缘的小地毯)可以作为地面覆盖物边缘被忽略，因为机器人不会驶过驾驶它们。然而，在住宅环境中，典型的相关结构具有典型的尺寸(例如，2m)。在第一模式中的勘察期间，应注意确保机器人至少一次接近操作区域中的每个可到达点，即至少一次运动到预定距离(例如1m)。以这种方式，可以确保，第二传感器可以可靠地检测出其典型尺寸相当于给定距离的两倍的结构的存在，并且这些结构不会被忽略。

这可以通过记录机器人在第一模式下的行驶路径来实现。可替代地或另外地，在以第一模式进行探索之后，机器人可以前往那些在第一模式下进行勘测期间机器人没有充分接近的操作部署区域中的点。接近操作区域的所有可到达点的另一种替代的可能性是将检测区域Z1虚拟减小，这可以通过例如相应地对控制单元150(例如导航模块152)的编程来实现。这使得机器人将驶向比理论上所需的更靠近部署区域的点，以便将其标记为已探索区域E。附加地或可替代地，基于所检测到的障碍物(墙壁，家具等)的位置，可以确定并接近与障碍物具有适当距离(基于要检测的结构的典型尺寸)的位置，以便可以实际检测出潜在存在的结构并能够在第二种模式下进一步的对它们进行勘察。

在勘察行程中中断后继续探索(Continue-Exploration)—可能会出现许多问题，这些问题会干扰自主移动机器人的导航和移动。例如，当驶过门槛时，可能会发生严重的打滑，从而干扰里程表，以至于无法再可靠地确定机器人的位置。另一个例子是置于地板上的电缆会干扰机器人的运动。甚至有可能发生机器人被卡住而无法移动的情况。在这种情况下，例如可以暂停(中断)地图的生成，以便例如机器人使自己脱困和/或用户使机器人脱困。当机器人可以再次可靠地确定其位置时，应继续进行勘察行程以创建地图。由此可以避免必须完全重新开始的地图构建。因此，这提高了机器人的可靠性和效率。

在此产生两个技术问题。一方面，机器人可能会在相同区域中再次被卡住，这可能会延迟卡的构造或使其完全无法进行。另一方面，可能会导致导航或移动问题被较迟发现，以至于地图构建无法及时中断。由此，(在出现问题与机器人识别出问题之间)会收集到错误的地图数据，因为例如机器人错误地估计了其位置，并因此将所检测到的环境信息以及特别是方位信息(例如障碍物、地标等)在错误的位置上记录到了地图中。这种错误对于临时使用的地图(每次使用时都会被重新构建)时可以接受的，因为地图错误对后续使用没有影响。但是，对于将要永久使用的地图，此类地图错误可能会严重限制机器人的功能，因为这些地图错误可能会在后续的每次使用中在机器人执行任务时导致系统性的错误。

因此，需要一种方法，该方法不仅能够在机器人的导航或运动出现问题之后继续进行勘察和地图结构，而且还能够可靠地处理导航或运动问题，从而避免地图结构中的错误。例如，这可以通过确定发生问题的时间和/或位置(问题区域)来解决。由此出发，例如可以删除错误的数据或者可以封锁用于进一步导航的问题区域。

应当指出，在某些情况下，问题的位置可以被很好地定位。在这种情况下，问题区域可以被缩小为地图上的点。但通常，问题的位置不准确和/或问题发生在较大的区域。在这种情况下，问题区域可以被描述为一个区域或子区域。

图10示出了一种可能的用于勘察部署区域的方法的示例。在启动之后，部署区域会系统地勘察(参见图10，S30)。在此，例如可以使用前面所讨论的方法之一。可替代地，也可以完全驶过该区域或使用其他合适的方法来勘察机器人的部署区域。只要未检测到(图10，步骤S31)任何问题(特别是导航或移动的问题)，并且尚未完全勘察部署区域(图10，步骤S32)，此勘察行程便会继续进行。如果确定已经完全勘察了部署区域(图10，步骤S32)，即例如机器人没有可到达的未勘察区域和/或地图上显示的部署区域完全被障碍物包围了，则勘察结束。机器人此时可以返回其起始初始位置或基站，并将创建的地图保存为永久地图，以用于后续任务以及与用户交互。

在探索期间，可能出现许多问题(如上所述)，并被机器人识别(图10，步骤S31)。例如，机器人可以规划动作并尝试执行该动作(通过控制驱动单元170)。例如，当驱动单元170被锁定时，则该移动不能被执行。例如，可以利用里程表和/或惯性传感器确定没有运动发生。替代地或附加地，可以基于驱动单元的功率消耗来识别问题。例如，遇到诸如如果机器人被卡住的问题，则驱动单元的功耗可能会异常高。

在车轮打滑或打滑的情况下也会出现类似的问题，因此受控运动只能不完全执行或完全不执行。打滑可以例如当机器人驶过台阶或地面凸起时发生，也可能是当机器人卡在障碍物(例如周围的电缆(例如落地灯的电源电缆))上时发生。同样在电缆、梯级或地面凸起上可能出现机器人的强烈的漂移(例如不受控制的侧向运动)。此外，在试图驶过电缆、台阶或地面凸起时，机器人会失去与地面的接触(尤其是驱动单元和地面之间的接触)，由此不再能实现或很难实现进一步的运动。在最坏的情况下，机器人坐在障碍物上，不再具有地面附着力。

不受控(即，不是由机器人引起)的运动的另一示例是外部冲击，例如由于外部施加在机器人上的力，该力可能例如由想要与新的陌生的机器人互动(例如，玩耍)的人或宠物施加。例如，可能发生机器人被抬起、高举或移动到另一个地方(所谓的绑架)的情况，在此，机器人也完全或部分失去与地面的接触。

另一个问题可能是机器人的封锁。例如，当机器人探索房间时，可以关闭或合上房间的门。另一个例子是机器人在沙发下移动，然后沙发套滑下。这会被认为是障碍物，机器人无法在不碰到障碍物的情况下在沙发下面找到出路。传感器之一的错误测量(例如反射)可能会模拟实际上并不存在的障碍物，但似乎会阻碍机器人(在地图中)的路径。这个问题可以通过如下方式来识别，即，绘制的障碍物不能用于规划从当前机器人位置到另一个绘制的子区域(尤其是起点)的路线。

所有这些问题会导致仅更不准确的机器人的位置或完全无法知晓机器人的位置，和/或有意义的地图构建因此很难或不可能实现。例如，由于该原因，当检测到问题(图10，步骤S31)时，可以停止(暂停)地图构建。

在某些情况下，无法直接识别出问题(例如，如果没有合适的传感器，或者在小而持续的干扰的情况下)，这就是地图错误构建的原因。这些错误通常会导致无法描述真实环境的不一致的地图数据。如果识别出这种不一致，则由此同样可以推断出导航或运动的问题。例如，可以通过在地图上多次输入障碍物(例如，将自身重叠或彼此重叠)来识别不一致，因为它不能直接与已经映射的障碍物关联。不一致例如可以通过如下方式来识别，即，障碍物多次(例如与自身重叠或相继地)被记录在地图中，因为该障碍物不能直接与已经测绘到的障碍物相关联。可替代地，障碍物可以与记录在地图上的障碍物相关联，在这种情况下，绘制的位置与测量的位置显着且重复地偏离。如果新记录到地图中的导航特征(方位信息505，参见图4)与地图中已经存在的导航特征(方位信息是矛盾的并且是相互排斥的)是“不兼容的”，则也可以识别出不一致。

对于某些问题，在解决问题后，机器人可以独立地继续勘察行程(无需用户交互)。然而，在这种情况下，也存在这样的危险，即，其再次遇到该问题和/或在此期间产生了错误的地图数据。为了预防这些危险，机器人例如可以尝试隔离问题的位置(区域)和/或时间(图10，步骤S33)。如果可以使用传感器很好地检测到问题(例如，加速度计的震动)，则可以使用问题检测的时间TP1和此时已知的机器人的位置TP1。附加地或替代地，可以使用时间点TP2，该时间点TP2是检测的时间点TP1之前的可定义的时间段。由此可以在探测时考虑到延迟。

为了确定问题区域，例如可以使用在时间TP2时的位置。可替代地或附加地，可以使用可预先确定为准确的最后位置。通常以SLAM方法记录位置精度/安全性的尺度，如果发生未知和/或不正确的测量，则将减少该尺度。为了缩小问题区域，可以连接这些位置。另外，这些位置周围的区域可以标记为问题区域。例如，具有机器人尺寸的区域。

附加地或可选地，可以基于地图分析(例如，对地图数据的逻辑不一致的分析)确定该区域。这使得不一致数据的位置可以被确定。从这一点出发，例如可以确定采集数据的时间点。为此，例如，每次地图登记都设有一个或多个时间戳，所述时间戳例如显示创建了所述登记的时间和/或最后一次通过测量确认的时间。例如，可以将地图登记的测量的每个时间点或测量频率与该登记一起存储。如上所述，基于该时间点，可以如前所述地通过从该位置采集的数据来确定机器人的位置。例如，如果分析显示障碍物已经多次登记在地图中，则可以使用该障碍物第一次登记时间和/或先前地图登记的时间。可选地或附加地，该区域可以被确定，从其中可以收集数据。

当机器人被封锁在一个子区域中时，则该子区域可以被标记为问题区域。

对于许多导航或运动问题，可以使用几种释放策略(图10，步骤S34)。例如，如果机器人由于驶过低障碍物(例如电缆，台阶或地面突起)而失去与地面的接触，则可以立即反转其运动方向以防止其卡住。如果机器人被固定，则其可以通过快速的冲击运动来试图脱困。当机器人(看起来)被封锁在一个子区域中时，它可以尝试接触，并由此找到出路。特别是在错误的测量中(例如由于反射，所述反射例如借助三角测量传感器干扰光学的距离测量)，因此经常能够解决该问题。

如果机器人已经成功地解决了该问题(图10，步骤S35)，则它可以(重新)确定其在地图中的位置，该位置已经被至少部分地勘察过了(图10，步骤S36)。在某些情况下，如果在成功的脱困尝试之后以足够的精度知道机器人的位置，则通过SLAM算法进行的现有的定位是足够的。

可选地，可以执行全局自定位。由此，能够更精确地确定机器人的位置，并且可以避免由于SLAM算法中机器人的位置估计不正确准确或错误而引起的地图错误。但是，全局自定位需要一些时间和计算量，因此在此必须进行权衡。例如，根据问题的严重性，可以确定SLAM算法是否足够或是否应该进行全局自定位。

在全局自定位中例如可以利用以下先验知识，即在成功脱困后，机器人位于已识别的问题区域附近。例如，可以操控机器人远离该问题区域。另外，用于该全局自定位的空间解决方案(即，在地图的部分中尝试对机器人进行定位)可以被先验知识合理地限制。可替代地或附加地，可以使用全局自定位的结果，以便确定或进一步限定问题区域的位置，因为机器人在成功脱困之后并因此在全局自定位开始时位于其附近。

在一些情况下，脱困行动(图10，步骤S34)不能解决该问题。这可以由此确定(图10，步骤535)，即，在一定时间之后该问题仍然存在。在这种情况下，机器人停止并等待用户的帮助(图10，步骤S37)。例如，由机器人直接发送的声音或视觉信号表示机器人需要帮助。可替代地或附加地，用户可以通过传给外部HMI 200的相应的消息被通知到(参见图2)。

用户此时可以释放机器人，从而解决问题。通常，机器人会被用户抬起并放置在新位置。相应地，机器人可以开始全局自定位(图10，步骤536)，机器人能够确定其相对于已经(不完整)构造的地图500的位置。该方法是已知的。例如，机器人构建新的(临时)地图501并搜索与先前构建的地图500匹配的地方。如果匹配项足够清晰，则可以将临时地图501上的信息转移到地图500中，并继续进行勘察行程。

可选地或附加地，可以指示用户(例如，在HMI 200上)将机器人移动到已知位置(地图中已经包含的位置)。例如，该位置是开始位置或靠近它的位置。特别地，起始位置可以是基站110。如果将机器人复位到基站110，则例如如果在地图上已经示出了基站的位置，则可以替代地取消全局自定位。可替代地或附加地，用户还可以使用HMI告诉机器人地图上出现问题的位置。如果必要的话，用户可以在机器人继续勘察之前在此位置周围定义封锁区域。

应当注意，问题区域的确定和/或问题的时间点的确定(图10、步骤S33)不一定紧接在检测到问题之后(图10、步骤S31)发生(如图10的示例)。相反，它也可以例如在脱困尝试之后(S34)，自定位之后(S36)或在另一个合适的时间点进行。例如，还可以要求用户以在显示在HMI 200上(仍不完整)的地图上确认和/或标记问题区域。

这可以在地图构建和进一步勘察部署区域(S30)时通过知道问题区域和/或问题的时间点被使用。此外，除了问题区域之外，还可以储存问题的原因(就这方面而言，从问题检测中得知的)。因此，在处理以此方式确定的问题区域后，还可以考虑问题的原因(例如异常高的打滑，机器人卡住)。

例如，问题区域可以封锁以便继续行驶。由此可以可靠地避免该问题。可替代地，地图中的区域可以被标记为具有诸如“难以行驶”或“避开”的属性。机器人可以在导航期间考虑这些属性，并且只要可能，机器人就能够试图绕开相应的区域。与限制的区域(虚拟的封锁区域)相反，如果例如对于完成勘察是必需的，机器人可以在标有“避免”属性的区域中行驶。

例如，一些物体，例如椅子腿或桌腿或高架椅子或其它家具，可能具有不常见的几何形状。例如，桌腿，椅子腿或高脚凳非常弯曲，从而导致意外的导航或移动问题。因此，例如非常平整且上升的支脚(通常出现在高脚凳或咖啡桌上)会导致机器人与其撞击并失去与地板的接触。即即使其传感器显示出足够的导航空间，尖头的腿也可能变得如此狭窄，以至于机器人被卡住。

图11在图(a)中示例性地说明了机器人在高脚凳H(或类似的家具件，例如桌子)上的导航或操控问题和与此相关的问题区域S(见图11，图(b))。因为这样的问题或家具大多在家庭出现中多次出现，因此可以尝试将导航或移动问题以及相关的问题区域与机器人可以检测到的物体和/或机器人可以检测到的图案相关联。在图11中，例如，这是高脚凳H的脚/支撑的部分，其具有特定半径的区域可以被机器人检测到。对此，可以分析已经记录的地图，尤其是问题区域附近的传感器测量值。如果再次检测到该物体或图案，则机器人可以保持相应的安全距离。例如，物体或图案周围的区域S可以被标记为“封锁”或“被避免”。该区域可以基于已识别出的问题区域来确定。或者，可以选择简单的基本形状(例如圆形)。

例如，在检测到问题之前，可能已经生成了错误的地图数据。问题区域的考虑例如可以通过如下方式进行，即，删除和/或修正基于完整或部问题区域中的测量结果和/或按照检测到的问题的确定时间点的地图数据。如果继续进行勘察行程，将再次探索该子区域(如有必要，请考虑先前为问题区域设置的“封锁”或“已避免”属性)。

可选地可以在不删除地图数据的情况下重新勘察问题区域。例如，机器人(如前所述)可以识别出其被封锁在例如关闭的门构成的区域中。此时，他会通知用户，从而使用户例如可以通过打开门使路线自用，以使得机器人可以脱困。然后，用户可以通过HMI 200通知机器人应该继续进行勘察。在这种情况下，再次完全或部分地重新勘察问题区域(即，房间)可能是有用的。例如，可以将门通道(重新打开的门)识别为可自由穿行的。例如，问题区域的重新勘察可以从问题区域的边缘进行或限制到问题区域的边缘(例如，搜索和识别门通道)。

如果用户使机器人脱困，则用户可以消除潜在的问题。例如，他可以铺设位于周围的电缆，使得它将来不再妨碍机器人。例如，可以将有问题的椅子和凳子放在桌子上以使它们对于勘察行程至少临时不再是障碍物。但是，用户无法消除其他问题，例如桌腿。

一种用于检测用户行为和意图的可能的方案是，例如通过HMI 200向用户发送具有相应问题的消息。机器人可以例如等待用户输入有关导航或运动问题是否已永久或暂时解决的信息，或者机器人是否正在等待处理此问题的信息。因此，例如可以根据该用户输入来考虑问题区域。如果问题被永久消除，则可以再次勘察问题区域，然后“忘记”(不保存)。如果问题被暂时解决，则可以再次勘察采样。此外，机器人可以建议用户(通过HMI)在该区域中创建一个子区域，这按照标准对于机器人自动行驶是禁止的。如果需要(例如，如果用户清除了有问题的椅子)，用户可以有针对性地将机器人送到该区域(例如，用于清洁)。如果机器人必须自己处理问题，则可以根据已识别的问题区域来创建封锁区域。这可以被显示给用户。此外，也可以等待用户的确认。

重新探索已绘制区域(Re-Exploration)—永久存储的地图的另一个问题是对环境变化的处理。这些可以是永久的或临时的。然而，这些中的哪些是永久性的或仅是临时性的，机器人可能难以估计。人们通常尝试使用复杂的统计模型来解决此问题，以便随着时间的推移机器人对此“学习”。

然而，收集大量数据，这可能会对机器人的导航和效率产生负面影响。因此，以规则的间隔(例如在较大的改变之后)重新勘察地图可能是有意义的。然而，部署区域的重新勘察和随之发生的地图的重新生成，会导致随着时间的推移学习到的或由用户输入的存储在地图中的大部分元信息(例如，房间布局、房间名称、污染频率)丢失。尤其是当用户必须重新输入丢失的信息，会被认为是非常麻烦的。为了改善这种情况，需要一种方法，该方法一方面能可靠地更新地图500上的方位信息505，但是又不会丢失元信息510(特别是用户输入的信息)。

上述问题例如可以通过如下方式解决，即，用户在部署区域的全部或部分范围内触发机器人的新的勘察行程，其中该机器人在勘察行程中使用已存在的永久存储的地图。必要时，可以在勘察行程开始之前由机器人通知用户必须再次清理要再次勘察的区域，以便不会损害机器人的导航，从而可以创建最佳的地图。然后，机器人可以开始重新勘察分配给它的部分部署区域，其中，在勘察行程期间，可以对利用传感器单元120的传感器记录的有关机器人部署区域中环境结构的信息以及已经存储在地图中的方位信息与传感器的方位信息之间的差异进行分析。

由此，机器人能够提供部署区域的更新的地图502。例如，基于传感器记录的(方位)信息，机器人可以识别出尚未存储在地图上的对象，或者识别出不存在的、却存储在地图中的对象(因为传感器无法提供相应的方位信息)。机器人还可以识别出物体是否被推动，并相应地调整存储在地图中的方向信息。这种方法提供了如下优点，元信息可以轻松地传输到更新的地图中，因此不会丢失。在较简单的方法中情况并非如此，即在不考虑旧地图的情况下简单地创建新地图，并且元信息也会丢失。此时，可以将以这种方式更新的地图502永久存储，并在机器人的后续使用中用于导航和用户交互。由此可以完全替换先前存在的地图500。附加地或可替代地，可以保留地图500的备份。这可以例如存储在外部设备300(例如，云服务器)上。

用户期望的重新勘察可以涵盖整个部署区域或仅涵盖部署区域的一部分。这可以例如通过HMI 200通知给机器人(例如通过HMI输入的命令)。例如，勘察可以仅限于房间，用户能够例如经由在HMI上显示的地图或经由房间的名称来选择房间。例如，用户可以在HMI200上显示的地图上标记他想勘察的区域。

在勘察时，机器人可以在部分部署区域中移动，以使其完全被传感器单元中包含的一个(或多个传感器)检测到。此外，可以改变用于检测信息的测量精度。因此，可以更精确地测量检测到的变化，而在部署区域部分不变的情况下，足够粗略的测量精度就已经足够了。可能的策略将在后面详细介绍。例如，可以通过以下方法之一来提高测量精度：增加在一个区域中的停留时间、更紧密地驶近障碍物、在探索期间增大机器人的经过的面积、更长的勘察时间、降低行驶速度。

如果用户仅希望重新勘察某个子区域(例如房间)，对于更新的地图，则可以只考虑在该子区域或房间中勘察到的变化。这意味着在行驶到要勘察的新的子区域时，将忽略掉地图与实际(由传感器看到的)信息之间的差异。由此，用户仅需准备(清理)需要再次勘察的子区域以进行探索勘察。

附加地，与原始地图500相比，部署区域可能有所扩展。在此必须注意，经更新的地图会完整记录此扩展，以便重新创建完整地图。

通常，在重新进行的勘察行程中，部署区域可能比地图500中记录的区域更大或更小。这通常是由新的家具(部署区域受限)，已拆除的家具(部署区域扩展)或家具移动(部署区域在某一点扩展而在另一区域受限)。附加地或可替代地，用户可以例如决定为机器人打开先前未绘制过的房间。图12以示例的方式示出了对图3的部署区域的可能变化。因此，沙发S和位于其前方的地毯C被重新定位，并且新房间R已成为机器人100可以访问的地方。这需要至少一些元信息的适配。为此，有必要识别和分析部署区域中的变化。

为了创建更新的地图502，可以与已经存在的地图500的创建的时间点相比来确定使用区域的变化。在此，尤其是比较在探索期间记录并存储在新的临时地图中的关于环境的结构的信息和包含在现有地图500中的方位信息(例如，检测到的墙壁、障碍物和其他地标)。可替代地或附加地，可以在勘察行程开始时(特别是在处理器155的主存储器中)创建永久存储的地图500的副本501，机器人100确定其在其中的位置(例如，以基站为起点或通过全局自定位)。在重新勘察期间，可以直接在该工作副本501中更新信息。特别是删除不再存在的障碍物和/或地标，添加新的障碍物和/或地标，并确认已识别的障碍物和/或地标。在重新定位勘察完成之后，可以将以此方式创建的工作副本501与仍然存在的地图500进行比较。可替代地或附加地，要删除的数据和添加的数据可以直接用于变化的确定。当例如将新识别的障碍物添加到地图中时，则还要注意到已添加的信息(例如，带有时间戳记的标记)。

另外，必须为改变的区域更新至少一些元信息。这包括自动移动机器人用于执行服务任务的区域(例如更改后的清洁区域，要检查的新物体)以及子区域和/或房间的形状，大小和数量。此外，可以为工作计划创建的日历信息进行调整。例如，必须将新添加的房间整合到任务计划(task schedule)中(例如，进行清洁和/或检查)。此外，必须根据新信息调整计划使用时长和/或要清洁区域的参考值。

附加地或可选地，能够为新添加的面登记地面覆物。这例如可以通过测量地面覆物边缘和事先登记在地图中的地面覆物确定。例如，房间中的橱柜可能已经被用户移动或移除。这为机器人创建了一个新区域，可以为其分配为地面覆盖物。如果没有在该新的表面积检是测到地面覆盖物边缘，则可以将周围区域的地面覆盖信息转移到新的表面积上。如果确定了地面覆盖物边缘，则可以自动确定新区域的地面覆盖物或由用户输入。与此地面覆盖物相关联的清洁程序可以自动用于新识别的区域。附加地或可替代地，可以将为周围环境规定的清洁程序从周围环境转移到新的表面区域。

例如，机器人可以识别出地面覆盖物边缘是否发生了偏移，例如由于图12的示例中的地毯C所致。如果地毯C的尺寸(例如，地毯C的长度、宽度、高度)保持不变，则可以将地板覆盖物上的信息从先前可用的地图500传送到更新的地图502中，位置数据被更新。另外，地毯C可以与用户创建的子区域相关联。该子区域的位置也可以例如基于地面覆盖物边缘自动更新为地毯C的新位置。

例如，也可以更新与障碍物或物体相关联的危险区域。此外，图12中所示的地毯C可能在一侧上设置有长的流苏，其在清洁期间会阻塞旋转的刷子。因此，在原始地图500中，可以对该边进行标记，使得仅在关闭刷子的情况下对其进行清洁。该元信息(例如，作为子区域的属性存储在地图中)也可以被传送到地毯C的新位置。也就是说，与服务单元160的行为或操作有关的元信息也可以自动地适应于更新后的子区域(在该示例中由地毯C定义)。

元信息的更新可以是自动的，也可以借助用户来执行。在一个简单的变体方案中，机器人本身可以知道是否以及如果必要的话必须更新哪些元信息。然后，可以向用户发送带有请求的消息，以更新指定的信息或使其适应他的要求。可替代地或附加地，机器人可以创建用于更新的建议，并将其发送给用户以进行确认和/或调整。为此，特别地可以将更新的地图502发送到HMI 200上。例如，这可以是要更新的元信息，例如向用户显示地图。用户现在可以接受、纠正或丢弃这些。可替代地或附加地，更新可以完全自动地进行，而用户不必对更改进行确认。

“新房间”的示例—如图12所示，用户可以使机器人可以进入新房间R。这尚未被记录在机器人100的永久地图中。因为在地图中未记录的区域对于机器人来说是一种潜在的危险(例如在房屋门打开时是外部区域)，所以在机器人工作期间可以忽略在地图中未记录的但却可访问的区域(例如由于门打开)。

通过机器人100在部署区域DA中的重新勘察行程，可以这样对地图进行扩展，以便将房间R输入登记到更新的地图中，从而在未来的操作中可以被考虑以及规划。为了开始新的勘察行程，用户可以使部署区域DA完全被重新勘察和/或选择一个子区域进行勘察。例如，用户能够将机器人100送到房间R中打开的门前的位置。然后机器人会从这一点开始探索周围的环境，并立刻识别出已绘制的部署区域不再是封闭的。相反，他现在可以将门后的房间R识别为可通过的区域，并且他将勘察该房间R并相应地添加到他的地图中。与新房间R(包括关于现在打开的门的信息)相关的方位信息(即，检测到的墙壁、障碍物和其他地标)会被登记到更新的地图502中。其余方位信息可以原样传输到更新的地图中。

元信息也可以同样基本不变地接收，但必须补充有关新房间R的信息。例如，创建一个与房间R相关联的新子区域。这个新的子区域可以被添加到任务列表中(例如，存储在日历中)在打扫整个住所时，现在也可以安排新房间R。例如，新房间R可以被安排为未来最后一个要清理的房间。例如，在勘察期间可能已经确定了要检查的对象，可以安排一次检查行程。

“更换房间”的示例—在大房间(例如“起居室”)中，有一个空间分隔物P(图12中的虚线表示)将房间分为两个区域(例如“用餐区域”和“起居区域”)。因此，机器人会分别清洁两个区域(例如，一个接一个)。例如，用户可以决定卸下或移动房间分隔物。原则上，机器人会在导航过程中识别出缺少空间分隔物P，但会继续分别清洁两个部分区域。房间的单独清洁通常效率较低，并且可能会使用户感到烦恼。

用户现在可以指示机器人重新发现两个区域“用餐区域”和“起居区域”中的两个区域或仅一个区域。在进行勘察的过程中或重新进行勘察之后，机器人可以确定用户已移除了空间分隔物。根据明确的用户说明，可以确保这不是临时更改，而是永久更改。基于在勘察期间更新的障碍物位置的地图数据，机器人可以识别出不再存在的空间分隔物P已创建了一个较大的自由区域，可以一次性有效地对其进行清洁。例如，这两个子区域“用餐区域”和“起居区域”现在可以自动组合，或者通过建议用户形成一个包围整个房间的子区域“起居/用餐区域”。

如果存在与任务计划有关的两个子区域“用餐区域”和“起居区域”之一，则该区域也可以自动或通过提示匹配用户。例如，可以在一天的日历中安排对“起居区域”的清洁和“用餐区域”的清洁。可以删除这两个日历记录，并用一个单独的记录来代替，以清洁新的子区域“用餐和起居区域”。由此，例如，可以使一天的整个清洁时间表更快，更有效。

此外，可以确定“用餐区域”的清洁频率更高。例如，这可以借助日历中存储的任务时间表或基于清洁频率或平均脏污程度的统计信息来确定。例如，可以自动或向用户建议，将子区域“用餐区域”作为一个额外的子区域来维护，与子区域“起居/用餐区域重叠”。这也使得“用餐区域”的清洁(手动或自动启动)工作更加频繁，同时整个房间“起居室”(＝“起居/用餐区域”)的清洁工作也能有效地适应变化的条件。

“新公寓”的示例—下面考虑用户搬进新公寓的情况。在用户为公寓布置家具之前，他让机器人勘察空荡荡的公寓。这使得机器人可以建立一个非常简单的地图，其中的房间布局可以很容易地确定。此外，用户还能收到公寓的精确测量数据，他可以用这些数据来布置公寓。此外，他还可以将这些信息与公寓的卖家或房东提供的信息进行比较，检查其正确性。

入住后，用户让机器人再次勘察公寓。这样就可以将装修物体(家具)的位置输入到地图中。此外，地图中还包含了之前确定的房间布局信息。然而，现在可以调整可驶入区域的信息(地图信息)。

以已知地图为搜索功能的勘察策略—勘察固有已知地图的一个特殊问题是，机器人不知道在哪里和如何搜索变化。当一张新的地图创建后，就会被勘察，直到完全完成。完成服务任务时，在任务所需的导航过程中可能会发生更新。例如，机器人在前行的过程中检测到一扇关闭的门，因此无法在门后的子区域(如一个房间)完成任何任务，因为它是无法进入的。然而，这种更新并不是有计划地进行，而是随机地进行。因此，需要一种方法，通过这种方法，机器人可以系统地搜索其勘察区域相对于永久存储的地图的变化。这样的搜索方法可以用类似的方式来系统地搜索其他事件、物体或人。

对于搜索，机器人具有合适的传感器(在传感器单元120中，参见图2)，如果必要的话，还具有评价算法来检测被搜索的事件、物体或人。例如，该传感器是导航传感器121(参照图6)和/或另一个用于检测环境结构信息的传感器。有了这个传感器，机器人就可以例如识别到“部署区域变化”事件。这主要是通过比较有关部署区域环境结构的测量信息和地图中储存的信息来实现的。如前所述，这可以用于更新地图。如果发现了一个新的区域(如新的房间)或新的障碍物，但没有记录在地图上，可以使用前面讨论的策略之一进一步进行勘察。

为了识别具体的对象，可以检查环境的结构信息，搜索可预先定义的图案。因此，可以识别特定的对象和/或特别标记的对象。例如，一个对象可以通过其特征形状，特别是其长度、宽度和/或具体形状来识别，这些特征形状例如通过距离测量来确定。例如，可以使用照相机和对象识别来检测被搜索的对象。附加地或可选地，搜索对象可以用可光学检测的图案(例如二维码)标记，该图案可以在照相机的图像中检测到。此外，或者可选地，机器人可以具有传感器，用于检测用RFID芯片标记的物体。

附加地或可选地，机器人可以被配置为识别图像中的搜索对象或物体。例如，机器人可以识别图像中的人脸，从而搜索人或宠物。适合的图像处理算法本身是已知的。人或宠物或确定的对象(如热炉或燃烧的蜡烛)也可以可选地通过其发出的热辐射来识别。此外，附加地或可选地，人、动物或物体可以借助于3D测量通过其特定的三维形状来识别。

与前面所讨论的勘察部署区域以构建部署区域地图的方法类似，可以给传感器分配一个检测区域，在该区域内可以可靠地识别到所搜索的事件或对象(即以一定的精度探测和定位)(参见图6)。一个重要的区别是，现在的地图已经可以使用，不需要重新建造。检测区域可能取决于被搜索的事件或对象的类型，特别是所需的测量精度或分辨率。如果要求较高的测量精度，机器人通常要靠近待检测的事件或对象(对于三角测量传感器，精度会随着距离的增加而降低)。这就意味着检测区域必须选择小，才能达到高精度。例如，如果在环境上寻求重大变化作为对部署区域的重新勘察的一部分，则可以将检测区域选择为相对较大的区域。检测到的变化就可以以勘察地图所需的精度(以及相应调整的检测区域)进行勘察。

检测区域还可以取决于附近的障碍物和对象。例如，可以指示机器人在部署区域搜索特定的人。由于人通常从墙壁上清晰可见，因此可以与墙壁保持更大的距离。因此，可以相当有效地搜索走廊或大房间。另一方面，搜索的人可以躺在床上或沙发上。机器人必须移动得更近一点，以识别被搜索的人是否在上面。

图13所示为一个示例。例如，如果为被搜索的对象X设置了一个RFID芯片，使机器人100能够检测和定位对象X，则理论上检测区域Z(也是定位的精度)由所使用的RFID收发器的作用距离给出。例如，该检测区域Z可以建模为以机器人(即机器人的RFID收发器)为中心的半球形。半球的半径与RFID传输的作用距离相对应。在平面上，这个检测区域表现为一个圆形。在家具(如架子)附近，缩小该检测区域Z(缩小的检测区域Z')可能是有用的。例如，如果检测区域是一个半径为一米的圆圈，但被搜索并装有RFID芯片的对象X位于离地面约一米高的餐具柜(图3中为障碍物H)上，那么机器人只经过餐具柜H一米的距离是不够的，该对象仍将在范围之外。但是，如果为了运动规划，机器人调整靠近家具等障碍物的检测区域(例如，将半径减小到20厘米，检测区域为Z’)，那么机器人100就有机会检测到餐具柜上的物体。在这方面，检测区域一方面可以取决于被搜索的对象(带有RFID芯片的对象被具有不同检测区域的传感器检测到，例如，如果它被光学传感器识别，则被机器人的基站检测到)，另一方面，也取决于地图中包含的方位信息(例如，在障碍物的轮廓附近，检测区域被选择为较小)。

检测区域也可以取决于传感器信息本身。例如，使用光学三角测量传感器进行测量的可实现精度很大程度上取决于测量距离。例如，在两个距离上，测量公差可以是+/-10厘米，而在半米的距离上，测量公差只有+/-5毫米。假设光学三角测量传感器的检测区域E最初为3米。如果机器人在2米的距离内检测到一个可能与搜索有关的对象，则可以缩小检测区域，这意味着机器人必须向该对象靠近，才能完全搜索该面积(因为只有缩小的检测区域Z’的轨迹在地图上被标记为“已搜索”)。如果机器人再次远离对象，可以再次扩大检测区域。

当机器人在部署区域中导航时，检测区域(可能是缩小的检测区域)在地图上被标记为“已搜索”。结果，机器人可以在任何时间点“知道”已经搜索了部分部署区域，并且可以以结构化的方式计划搜索。另外，搜索时可以访问存储在地图上的信息。例如，如果机器人要寻找新房间，它将总是在地图所标示的外墙上找到。这意味着可以在搜索时以更高的优先级搜索它们。

例如，如果要搜索一个人，则可以根据白天的时间和典型停留地点来进行搜索。例如，机器人可以在清晨在卧室开始搜索，而在中午左右搜索可以在厨房开始。

因此，机器人将根据上述标准确定要搜索的区域的一个或多个点和/或部署区域。其中，可以对其中之一进行排序，从而选择，然后(基于地图信息)可以规划通往所选的点和/或区域的路径。随后，机器人可沿此路径进行操控。例如，在行进过程中，机器人可基于(长距离)传感器测量检查所选定的点和/或区域并重新排序。如有必要，可选择并控制新的优先级较高的点或区域。机器人的路径可以进行相应的调整。

例如，地图可以指示要搜索的区域(搜索区域)和/或将在其中进行搜索的已知区域。例如，用户可以通过人机界面输入搜索区域，并以这种方式确定，例如要在特定的房间进行搜索(如起居室)。然后可以将这个房间标记为“待搜索”。另外，也可以间接定义搜索区域，将除要搜索的房间外，其余的部署区域标记为“已知”。例如，标记为“已知”的区域可以标记为已经被传感器的检测区域完全覆盖。

基于要搜索的区域(搜索区域)(或标记为已知的区域)，确定搜索所要接近的点或子区域。例如，可控制待搜索区域或已知区域的边缘上或附近的点。

如果有几个点或区域可以选择，比如，可以选择最快到达的点或区域(根据现有地图中的路径规划)。例如，也可以选择通往该点/区域的最短路径。另外，如前所述，可以使用点/区域与障碍物或地图中其他特定对象的距离(例如，靠近外墙、床)。此外，还使用了地图中记录的障碍物、对象、区域和/或房间的属性(例如，房间名称)或白天的时间。

可以执行搜索，直到满足中断条件。例如，部署区域可能已经完全搜索过了，但没有成功。这是由地图中存储的检测区域完全覆盖地图中存储的部署区域和/或被认为是待“搜索”的区域来识别的。例如，当被搜索的对象或事件被找到时，搜索就会终止。如果有必要，机器人可以在这种情况下继续使用另一个程序或策略。此外，可以继续搜索，直到找到预定数量的对象或事件。

评估部署区域的变化—由于环境中的变化会干扰机器人的导航，如果机器人能够识别、评估这些变化，并在检测到干扰时向用户发出警报，这是有利的。例如，机器人可以建议用户再次勘察地图，或者要求用户清理。

对机器人来说，一个非常容易确定的衡量值是可驶入区域或不可驶入区域。当机器人在完成任务的同时，在其部署区域内导航时，可以确定这一点。在此基础上，至少可以确定可驶入性的衡量值。例如，这是部署期间确定的可驶入的面积(实际值)和根据借助于永久储存的地图所确定的(理论上)可驶入的面积(额定值)的商。这个商数可以用百分比来表示。如果数值低于预先定义的阈值，可以通知用户。例如，如果机器人实际可驶入的面积只有75％或更少，机器人可以通过HMI通知用户。

区域的可驶入性的衡量值的另一个例子是在区域上行驶所需的时间。例如，对于清洁机器人，可以确定每个清洁区域所需时间的商，并与参考值进行比较。例如，可以针对各个子区域(如房间)确定。如果每个区域所需的时间较少，机器人可以非常高效地完成任务(如清洁)。例如，如果机器人必须避开众多障碍物，那么每个区域所需的时间就会增加，任务(如清洁)的执行就会变得低效。通过与参考值的比较，机器人可以判断执行任务的效率是在通常的承受范围内，还是受到严重限制。例如，如果确定某个子区域的效率是有限的，就可以向用户发送消息，要求对这个子区域进行清理或重新勘察。

衡量可驶入性的其他例子有：子区域内所需的时间、每段路程所需的时间，或完成子区域内某项任务所需的总路程。

此外，还可以考虑随着时间的发展和/或限制的位置。为此，所确定的可驶入的区域和/或可驶入性的衡量可存储一定时间(例如一周、一个月)。在决定是否以及如何通知用户时，可以考虑到存储的信息。例如，在标明为“儿童房”的子区域内，可以确定在较长的时间内(如一周)，可通过的面积会减少，或保持很小。现在，机器人可以向分配到儿童房间的HMI200(例如儿童的智能手机)发送信息，要求“清理”。如果这样做没有导致任何变化，例如第二天，可以向另一个HMI 200(例如父母的智能手机)发送另一条信息。此外，或者可选地，可以在社交网络上发送相应的消息。

例如，它可以检测到地图上没有的可驶入的区域。机器人断定地图上没有显示的区域是一个新的子区域(新的空间)，并建议用户让他去勘察，并相应地更新现有地图。需要注意的是，通过一个开放的房子或公寓门也可以识别一个新的可驶入的区域。因此，在勘察新的子区域之前，等待用户的确认可能是有意义的。

在检测可行驶的区域时，可以特别检查地图上标注为不可驶入的区域是否可行驶。例如，这可能是搬迁家具的一种表现。另外或者可选地，也可以检查区域是否可以通过，是否位于绘图区域之外。这可能表明有一个新的区域尚未绘制地图(见上文)。

附加地或可选地，还可以检查在以前的部署中可驶入的区域和/或在地图中标明可以驶入的区域是否不可驶入。这可以是一件新家具的标志。因此，机器人可以建议用户更新地图。但也可能是暂时停放物品的情况。为了区分这一点，可以确定是什么阻碍了该区域的行驶。大的障碍物有直边标记，可能表示家具。零散的小障碍物可能表示暂时的干扰。站在墙前的障碍物通常也会是一件家具或非临时性障碍物，而站在空旷面积中间的不规则形状的障碍物(如旅行包)通常更可能是临时性障碍物。因此，无法通行的区域可以分为“暂时性干扰”(临时性障碍)或“持久性干扰”(持久性障碍)。如解释的那样，分类是基于，例如，检测到的几何形状、其大小和其在部署区域中的位置(例如相对于墙壁或其他障碍物)。这样的干扰分类可以用来决定是否建议更新地图或向用户发送清理提醒。