[发明专利]通过人工智能识别卡堵情形的机器人清洁器及其操作方法

权利要求书

1.一种用于通过人工智能识别卡堵情形的机器人清洁器，该机器人清洁器包括：

驱动马达，该驱动马达用于驱动所述机器人清洁器；

传感器，该传感器被配置为获取三维3D图像数据和缓冲器事件；

存储器，该存储器被配置为存储用于推断所述机器人清洁器的所述卡堵情形的卡堵情形识别模型；以及

处理器，该处理器被配置为：

将所述3D图像数据和所述缓冲器事件转换成周围地图图像数据，

使用所述卡堵情形识别模型根据所述周围地图图像数据来推断所述机器人清洁器的所述卡堵情形，并且

根据推断结果来控制所述驱动马达，

其特征在于，所述处理器被进一步配置为：

在检测到所述卡堵情形时的时间点测量所述机器人清洁器的当前行进角度，并且

基于所测得的当前行进角度和在检测到所述卡堵情形之前的多个时间点测得的多个行进角度来确定所述机器人清洁器的用于逃脱所述卡堵情形的旋转角度。

2.根据权利要求1所述的机器人清洁器，

其中，所述卡堵情形识别模型是通过深度学习算法或机器学习算法进行监督学习的基于人工神经网络的模型，并且

其中，用于训练所述卡堵情形识别模型的训练数据集包括在所述机器人清洁器行进的同时训练的周围地图图像数据和用训练的所述周围地图图像数据标记的指示所述卡堵情形的标记数据。

3.根据权利要求2所述的机器人清洁器，

其中，所述处理器在所述卡堵情形识别模型的所述推断结果是未卡堵情形时沿着清洁路线驱动所述机器人清洁器，并且确定所述机器人清洁器是否被卡堵。

4.根据权利要求3所述的机器人清洁器，其中，所述处理器在所述机器人清洁器被卡堵时用所述卡堵情形重新标记所述周围地图图像数据，并且重新训练所述卡堵情形识别模型。

5.根据权利要求2所述的机器人清洁器，其中，所述处理器在所述卡堵情形识别模型的所述推断结果是卡堵情形时沿着清洁路线驱动所述机器人清洁器，并且确定所述机器人清洁器是否被卡堵。

6.根据权利要求5所述的机器人清洁器，其中，所述处理器在所述机器人清洁器未被卡堵时用所述卡堵情形重新标记所述周围地图图像数据，并且重新训练所述卡堵情形识别模型。

7.根据权利要求5所述的机器人清洁器，其中，所述处理器控制所述驱动马达以使所述机器人清洁器旋转所确定的旋转角度，并且控制所述驱动马达在所述机器人清洁器旋转所述旋转角度之后使所述机器人清洁器倒退一定距离。

8.根据权利要求1所述的机器人清洁器，

其中，所述处理器确定通过从所述当前行进角度减去所述多个行进角度的平均角度而获取的值是所述旋转角度，并且

其中，在所述多个时间点测得的所述机器人清洁器的行进速度等于或大于阈值速度。

9.根据权利要求1所述的机器人清洁器，其中，所述传感器包括深度传感器和缓冲器传感器，所述深度传感器被配置为感测所述3D图像数据，并且所述缓冲器传感器被配置为测量施加到所述机器人清洁器的缓冲器的冲击量，并且当所述冲击量等于或大于预定冲击量时生成缓冲器事件。

10.根据权利要求9所述的机器人清洁器，其中，当所述缓冲器事件的发生次数等于或大于预定数目时，所述处理器确定所述机器人清洁器处于卡堵情形。

11.根据权利要求1所述的机器人清洁器，其中，所述周围地图图像数据在指示所述机器人清洁器的清洁区域的清洁地图上指示所述机器人清洁器的周围障碍物情形。