用于车辆乘员保护的机器人设备的制作方法

本公开总体上涉及车辆传感器。

背景技术：

车辆通常配备有碰撞传感器，所述碰撞传感器适于检测对车辆的碰撞。碰撞传感器的类型包括接触后传感器，诸如线性或角加速度计、陀螺仪、压力传感器和接触开关；和碰撞前传感器，诸如雷达、激光雷达和视觉传感系统。视觉系统可以包括一个或多个相机、ccd图像传感器、cmos图像传感器等。碰撞传感器在车辆中或车辆上的多个点处附接到车辆。车辆的其他部件可以由来自碰撞传感器的信号触发，包括安全气囊、座椅安全带预紧器等。

技术实现要素：

一种设备包括：机器人主体；至少一个传感器，所述至少一个传感器联接到所述机器人主体并且被定位成从车辆的乘客舱接收刺激；可致动部件，所述可致动部件联接到所述机器人主体；以及计算机，所述计算机联接到所述机器人主体并且通信地联接到所述传感器和所述可致动部件。所述计算机被编程为基于来自所述至少一个传感器的数据来预测所述车辆中即将发生的异常事件，并且响应于所述预测，致动所述可致动部件以补救所述异常事件。

补救所述异常事件可以包括为乘员提供离开所述乘客舱的出口。

补救所述异常事件可以包括灭火。

所述设备可以不附接到所述车辆。

所述设备还可以包括联接到所述机器人主体的运动部件。所述运动部件可以包括轮子、履带或支腿中的至少一者。

所述可致动部件可以包括灭火器。

所述可致动部件可以包括致动器和可通过所述致动器相对于所述机器人主体移动的撞销，并且所述致动器可以被配备为使所述撞销相对于所述机器人主体以足够高的速度移动以打破钢化玻璃。

所述设备还可以包括可分离地附接到所述机器人主体的多个呼吸面罩。

所述至少一个传感器可以包括温度传感器。

所述至少一个传感器可以包括烟雾探测器。

所述设备还可以包括收发器，所述收发器联接到所述机器人主体并且通信地联接到所述计算机，并且所述至少一个传感器可以包括相机，并且所述计算机还可以被编程为指示所述收发器向远程服务器传输从所述相机接收的数据。所述计算机还可以被编程为指示所述收发器向所述远程服务器实时地传输从所述相机接收的所述数据。

所述计算机还可以被编程为响应于来自所述远程服务器的消息，致动所述可致动部件以为乘员提供离开所述乘客舱的出口或灭火。

所述设备还可以包括电池，所述电池联接到所述机器人主体并且电联接到所述计算机、所述至少一个传感器和所述可致动部件。

一种计算机包括处理器和存储指令的存储器，所述指令可由所述处理器执行以：基于从安装到所述车辆的乘客舱中的设备的至少一个传感器接收的数据来预测所述车辆中即将发生的异常事件，其中所述设备不附接到所述车辆；并且响应于所述预测，致动所述设备的可致动部件以补救所述异常事件。

一种设备包括：机器人主体；用于在车辆的乘客舱内使所述机器人主体四处移动的装置；安装到所述机器人主体的用于预测所述车辆中即将发生的异常事件的装置；安装到所述机器人主体的用于补救所述异常事件的装置；以及计算机，所述计算机被编程为在预测出所述即将发生的异常事件时，激活用于补救所述异常事件的所述装置。

所述设备还可以包括用于保护所述乘客舱的乘员免受烟雾影响的装置。

用于使所述机器人主体四处移动的所述装置可以独立于所述车辆，用于预测所述即将发生的异常事件的所述装置可以独立于所述车辆，并且用于补救所述异常事件的所述装置可以独立于所述车辆。

附图说明

图1是示例性车辆的俯视图，其中为了进行说明而暴露出了乘客舱。

图2是设置在乘客舱中的机器人设备的透视图。

图3是机器人设备的框图。

图4是用于响应于异常事件来操作机器人设备的示例性过程的过程流程图。

图5是用于预测对车辆的碰撞的示例性过程的过程流程图。

具体实施方式

参考附图，设备30包括：机器人主体32；至少一个传感器34，所述至少一个传感器联接到机器人主体32并且被定位成从车辆40的乘客舱42接收刺激；可致动部件36，所述可致动部件联接到机器人主体32；以及计算机38，所述计算机联接到机器人主体32并且通信地联接到传感器34和可致动部件36。计算机38被编程为基于来自至少一个传感器34的数据来预测车辆40中即将发生的异常事件，并且响应于确定，致动可致动部件36以解决(例如补救)异常事件。

设备30可以响应于异常事件而致动以帮助车辆40的乘员。设备30可以独立于车辆40起作用。例如，设备30具有传感器34，所述传感器可以为车辆40的传感器提供冗余。又例如，即使车辆40的部件被异常事件禁用，设备30也可以起作用。此外，设备30可以在异常事件之后执行有用的动作，诸如灭火或提供离开车辆40的出口。设备30对于易受伤害的乘员(诸如儿童或残疾人)可能特别有用。设备30可以在异常事件发生之前预测异常事件，从而允许对异常事件的更快响应。

参考图1，车辆40可以是任何乘用车或商用车，诸如轿车、卡车、运动型多用途车、跨界车、货车、小型货车、出租车、公共汽车等。

车辆40包括乘客舱42以容纳车辆40的乘员。乘客舱42包括设置在乘客舱42前部的一个或多个前排座椅44和设置在前排座椅44后面的一个或多个后排座椅46。乘客舱42还可以包括在乘客舱42后部的第三排座椅48。在图1中，前排座椅44和后排座椅46被示为斗式座椅，并且第三排座椅48被示为长条座椅，但是座椅44、46、48可以是其他类型。座椅44、46、48及其部件的位置和取向可由乘员调节。

设备30定位在乘客舱42内部。设备30可以搁置在预设搁置位置。可以选择搁置位置以通过车辆40的车窗为设备30的传感器34提供视野并使对车辆40的乘员的障碍最小化。例如，设备30可以搁置在乘客舱42的地板上，如图1所示。又例如，设备30可以搁置在座椅44、46、48中的一个上。

设备30与车辆40分离并且不附接到车辆40。设备30可以围绕乘客舱42自由移动，并且可以独立于车辆40来起作用。设备30的所有部件均独立于车辆40。因此，除了车辆40所提供的保护并且作为冗余，设备30还为乘员提供下文描述的保护。

参考图2，设备30包括机器人主体32。机器人主体32可以是刚性框架和/或刚性壳体，以容纳设备30的其他部件和/或为设备30的其他部件提供安装点。如图2所示，机器人主体32可以具有大致圆柱形的形状，但是其他形状也是可能的。

设备30包括联接到机器人主体32的运动部件50。运动部件50可操作以使设备30围绕乘客舱42移动。例如，运动部件50可以包括履带，如图2所示。替代地或另外地，运动部件50可以包括轮子或支腿。运动部件50可以通过例如沿着乘客舱42的地板行进而在乘客舱42中四处移动。乘客舱42的地板可以是平坦的以适应设备30的移动，并且除了最后一排之外的每排座椅44、46、48内(例如，在前排座椅44之间和在后排座椅46之间)可以存在空间，如图1所示。设备30可以被定位成使得除非需要，否则设备30不妨碍乘员。

设备30可以包括多个传感器34。传感器34被定位成从车辆40的乘客舱42接收刺激。传感器34包括温度传感器。温度传感器检测周围环境或与温度传感器接触的物体的温度。温度传感器可以是产生与温度相关的输出的任何装置，例如温度计、双金属条、热敏电阻、热电偶、电阻温度计、硅带隙温度传感器等。传感器34包括烟雾探测器。烟雾探测器可以是任何合适的类型，例如电离、光电、抽气、激光等。传感器34可以包括用于其他类型的有毒气体(诸如来自车辆40的电池故障的烟气)的探测器。传感器34可以包括压力传感器以检测乘客舱42的空气压力。传感器34包括一个或多个相机。相机可以检测在某个波长范围的电磁辐射。例如，相机可以检测可见光、红外辐射、紫外光或包括可见光、红外光和/或紫外光的某个范围的波长。相机定位在机器人主体32上，使得当设备30处于搁置位置时，相机具有通过车辆的车窗的视野。传感器34可以包括传声器。传感器34可以包括用于检测设备30的位置和/或取向的传感器。例如，传感器34可以包括全球定位系统(gps)传感器；加速度计，诸如压电或微机电系统(mems)；陀螺仪，诸如速率陀螺仪、环形激光陀螺仪或光纤陀螺仪；惯性测量单元(imu)；和磁力计。

至少一个可致动部件36联接到机器人主体32。可致动部件36可以由计算机38致动以执行任务。可致动部件36可以包括例如但不限于灭火器52、撞销54和致动器56、隐藏呼吸面罩60的自动门58以及用于供应呼吸面罩60的气体供应装置62。

灭火器52包括存储推进剂和灭火剂的压力容器以及喷嘴，可以引导推进剂和灭火剂通过所述喷嘴。计算机38可以致动灭火器52以允许推进剂迫使灭火剂通过喷嘴。灭火器52可以使用任何合适的推进剂，例如，经压缩的氮气或二氧化碳，以及任何合适的灭火剂，例如，诸如磷酸一铵、碳酸氢钠等的干燥的化学物质；泡沫；水；湿化学物质等。

撞销54和致动器56是可致动的，以打破车辆40的车窗中的一个。撞销54和致动器56在机器人主体32的顶部上安装到机器人主体32，例如，如图2所示。撞销54可通过致动器56移动。致动器56被配备为使撞销54相对于机器人主体32以足够高的速度移动，以打破钢化玻璃。例如，致动器56可以是可释放以将撞销54从管中发射出去的压缩气体室。

所示的设备30包括多个呼吸面罩60。呼吸面罩60可以被自动门58隐藏，如果需要，所述自动门可打开以露出呼吸面罩60。例如，自动门58可以通过可致动螺线管打开。呼吸面罩60可以由车辆40的乘员移除以在乘客舱42内部的空气质量差的情况下供应氧气。呼吸面罩60被成形为覆盖乘员的嘴和鼻。气体供应装置62可以向呼吸面罩60供应适合吸入的空气，例如压缩氧气。设备30还可以包括由自动门58隐藏的除颤器70。

参考图3，计算机38是基于微处理器的计算装置，例如电子控制器等。计算机38包括处理器、存储器等。计算机38的存储器包括介质，所述介质用于存储可由处理器执行的指令并且用于电子地存储数据和/或数据库。计算机38联接到机器人主体32，例如安装在机器人主体32内部。计算机38例如经由总线通信地联接到传感器34、运动部件50、可致动部件36(例如，灭火器52、致动器56、自动门58、气体供应装置62等)和收发器64。

设备30包括电池66。电池66电联接到计算机38、传感器34、运动部件50、可致动部件36和收发器64。电池66联接到机器人主体32。电池66可以是用于为设备30供电以进行操作的任何合适类型，例如锂离子电池、镍金属氢化物电池、铅酸电池等。电池66允许设备30独立于来自车辆40的电源来操作。

收发器64可以适于通过任何合适的无线通信协议(诸如wifi、ieee802.11a/b/g、其他rf(射频)通信等)无线地传输信号。收发器64可以适于与远程服务器68(也就是说，与设备30不同并且间隔开的服务器)通信。远程服务器68可以位于车辆40的外部。例如，远程服务器68可以与以下各项相关联：与设备30相关联的的设施、基础设施部件(例如，经由专用短程通信(dsrc)等进行的c-v2x、v2i通信)、紧急应答器、与车辆40的所有者或操作者相关联的移动装置等。收发器64可以是一个装置或可以包括单独的发射器和接收器。

图4是示出用于响应于异常事件来操作设备30的示例性过程400的过程流程图。出于本公开的目的，“异常事件”被定义为增大危及车辆40的乘员的可能性的突发事件。计算机38的存储器存储用于执行过程400的步骤的可执行指令。作为过程400的总体概述，计算机38接收来自传感器34的数据；向远程服务器68传输数据；响应于预测出撞击，确定异常事件，或者接收来自远程服务器68的消息，确定动作以补救异常事件；并且致动可致动部件36中的一个或多个以执行动作。

过程400开始于框405，在框405中，计算机38来自传感器34的数据。所述数据包括温度数据、指示存在或不存在烟雾的数据、图像数据、音频数据、位置数据和运动学数据，即，以线性和旋转维度指示速度和加速度的数据。

接下来，在框410中，计算机38指示收发器64向远程服务器68传输从传感器34的相机和/或传声器接收的数据。计算机38可以指示收发器实时地传输数据，即，当计算机38接收数据时，向远程服务器68连续地传输图像数据和音频数据。在远程服务器68处，可以自动或手动地监视数据。

接下来，在如下文更充分描述的过程500中，计算机38基于从传感器34接收的数据来预测即将发生的异常事件，诸如对车辆40的撞击。过程500的输出是对异常事件是否将发生以及距离异常的时间(即，直至异常事件发生为止的估计时间)的指示。

接下来，在确定框415中，计算机38确定是否预测出异常事件。响应于将发生异常事件的预测，过程400前进到框420。如果不存在对异常事件的预测，则过程400前进到框425。

在框420中，计算机38向乘客舱42中的乘员输出消息。所述消息可以是视觉的，例如闪烁的灯，或者是听觉的，例如警报器或预先录制或合成的言语消息。在框420之后，过程400前进到框440。

在框425中，计算机38基于从传感器34接收的数据来确定车辆40是否已经经历异常事件。计算机38可以确定数据是否指示数量已经超出阈值。例如，计算机38可以根据温度数据确定乘客舱42的温度是否已经超出温度阈值。可以选择温度阈值以对应于在乘客舱42中发生的火灾。又例如，计算机38可以确定来自烟雾探测器的数据是否指示乘客舱42中的烟雾浓度已经超出浓度阈值。可以选择浓度阈值以对应于在乘客舱42中发生的火灾或对应于已知为危险的烟雾浓度。又例如，计算机38可以从其他传感器34确定是否存在有毒气体。又例如，计算机38可以确定加速度数据是否已经超出第一加速度阈值。与第一加速度阈值进行比较的加速度可以是加速度矢量的大小，即其中ai是沿第i轴线的加速度，x是车辆前向轴线，y是车辆横向轴线，并且z是车辆竖直轴线。可以基于例如历史事故数据来选择第一加速度阈值以对应于在碰撞期间发生的加速度的大小。

接下来，在确定框430中，计算机38确定异常事件是否发生，例如，是否超出关于框425描述的阈值中的一个。如果是，则过程400前进到框440。如果不是，则过程400前进到确定框435。

在确定框435中，计算机38确定是否已经经由收发器64从远程服务器68接收到指示计算机38执行响应动作以解决异常事件的消息。远程服务器68可能检测到已经发生了设备30未被配备来检测的异常事件，并且在这种情况下，远程服务器68将传输指示设备30执行动作的消息。如果计算机38已经接收到消息，则过程400前进到框440。如果没有，则过程400返回到框405以继续监测来自传感器34的传感器数据。

在框440中，计算机38确定要执行哪些动作来解决异常事件。如果预测出异常事件，则框440在框420之后发生；如果确定异常事件已经发生，则框440在确定框430之后发生；或者如果计算机38接收到来自远程服务器68的指示计算机38执行动作的消息，则框440在确定框435之后发生。计算机38基于来自传感器34的数据或基于来自远程服务器68的消息来确定动作。如果异常事件被预测而不是已经发生，则计算机38可以在行动之前等待距离异常的时间。

如果来自传感器34的数据指示乘客舱42中正在发生火灾，则计算机38确定致动灭火器52。例如，指示火灾的数据可以包括指示乘客舱42的温度高于温度阈值的温度数据。温度阈值可以是与框425中使用的温度阈值相同的温度阈值。又例如，指示火灾的数据可以包括来自烟雾探测器的指示乘客舱42中的烟雾浓度高于第一浓度阈值的数据。可以选择第一浓度阈值以对应于在乘客舱42中发生的火灾。又例如，传感器34可以包括红外相机，并且来自红外相机的数据可以指示高于温度阈值的热点。

如果来自传感器34的数据指示乘客舱42中存在烟雾，则计算机38确定向乘员提供呼吸面罩60和/或为乘员提供离开乘客舱42的出口。例如，指示烟雾的数据可以包括来自烟雾探测器的指示乘客舱42中的烟雾浓度高于第二浓度阈值的数据。可以选择第二浓度阈值以对应于已知对乘员是危险的烟雾浓度。(关于框425讨论的浓度阈值可以是第一浓度阈值和第二浓度阈值中的较小者。)又例如，指示烟雾的数据可以包括来自传感器34的相机的指示存在烟雾的图像数据。图像数据可以通过例如表现出高于阈值的混浊度来指示烟雾。替代地，计算机38可以使用常规图像识别技术(例如，被编程为接受图像作为输入并输出烟雾得分的卷积神经网络)来识别烟雾。卷积神经网络包括一系列层，其中每一层使用前一层作为输入。每个层包含多个神经元，所述神经元接收由先前层的神经元的子集生成的数据作为输入，并且生成被发送到下一层中的神经元的输出。层的类型包括卷积层，所述卷积层计算权重和小区域的输入数据的点积；池化层，所述池化层沿着空间维度执行下采样操作；以及全连接层，所述全连接层基于前一层的所有神经元的输出而生成。卷积神经网络的最后一层为每种潜在的对象类型生成得分，并且如果烟雾具有最高得分，则最后的输出是“烟雾”。

如果来自传感器34的数据指示车辆40被固定，则计算机38确定为乘员提供离开乘客舱42的出口。例如，计算机38可以确定加速度数据是否已经超出第二加速度阈值。与加速度阈值进行比较的加速度可以是加速度矢量的大小，即其中ai是沿第i轴线的加速度，x是车辆前向轴线，y是车辆横向轴线，并且z是车辆竖直轴线。可以基于历史事故数据来选择第二加速度阈值以对应于在可能使车辆40固定的碰撞期间发生的加速度的大小。第二加速度阈值可以大于来自框425的第一加速度阈值。

接下来，在框445中，计算机38通过执行在框440中选择的动作来致动可致动部件36以补救异常事件。如果计算机38已经确定致动灭火器52，则计算机38致动运动部件50以使设备30移动，使得设备30靠近火并且灭火器52瞄准火。为此，计算机38可以使用来自传感器34(诸如相机)的数据来使用对象识别算法来识别和定位火。计算机38然后致动灭火器52以释放推进剂和灭火剂。

如果计算机38已经确定为乘员提供离开乘客舱42的出口，则计算机38致动运动部件50以使设备30移动，使得设备30靠近车窗中的一个并且撞销54瞄准车窗。为此，计算机38可以使用来自传感器34(诸如相机)的数据来使用对象识别算法来识别和定位车窗。计算机38然后致动致动器56以在车窗处发射撞销54。

如果计算机38已经确定向乘员提供呼吸面罩60，则计算机38致动运动部件50以使设备30移动到乘员中的一个附近。为此，计算机38可以使用来自传感器34(诸如相机)的数据来识别和定位乘员。计算机38可以致动运动部件50以使设备30连续地移动到每个乘员。同时，计算机38致动自动门58以打开并露出呼吸面罩60和除颤器70，并且计算机38致动气体供应装置62以向呼吸面罩60提供氧气。

在框445之后，过程400结束。

图5是示出用于预测对车辆40的碰撞的示例性过程500的过程流程图。计算机38的存储器存储用于执行过程500的步骤的可执行指令。作为过程500的总体概述，计算机38在框505中执行传感器融合，在框510至515中基于车辆运动学确定距离异常的第一时间，在框520至530中基于传感器数据的模式匹配来确定距离异常的第二时间，并且在框535中选择距离异常的最小时间。“距离异常的时间”是直至危险发生为止的时间长度。对距离异常的第一时间和距离异常的第二时间的确定彼此独立地执行，并且框510至515可以在框520至530之前、之后或与框520至530并行地执行。

过程500开始于框505，在框505中，计算机38执行在框405中从传感器34接收的数据的传感器融合。传感器融合将来自不同来源的数据组合在一起，使得所得数据具有比单独使用来自每个来源的数据的情况更小的不确定性。传感器融合可以是低、中、高或多个级别。传感器融合可以用一种或多种算法来执行，所述算法例如卡尔曼滤波器、中心极限定理、贝叶斯网络、证据理论、卷积神经网络等。

接下来，在框510中，计算机38生成描述车辆40的状态的物理模型。车辆40的当前状态可以用一组运动学变量来描述，例如，(xx,xy,xz,vx,vy,vz,ax,ay,az,θx,θy,θz,ωx,ωy,ωz,αx,αy,αz)，其中xi是沿着第i轴线的位置，vi是沿着第i轴线的速度，ai是沿着第i轴线的加速度，θi是围绕第i轴线的角位置，ωi是围绕第i轴线的角速度，并且αi是围绕第i轴线的角加速度，x是车辆前向轴线，y是车辆左向轴线，并且z是车辆竖直轴线。可以例如通过航迹推算以及通过位置数据(诸如gps数据)从加速度数据确定运动变量。

接下来，在框515中，计算机38确定条件是否指示可能的碰撞，并且如果是这样，则估计距离异常的第一时间。所述条件是指示可能发生碰撞的运动变量的子集的值的组合。例如，高于阈值的角加速度αx值可以指示车辆40可能翻倒，高于阈值的横向速度ay值可以指示车辆40向侧面侧滑等。对于每个条件，对应的距离异常的第一时间可以存储在计算机38的存储器中，例如存储在查找表中。可以基于物理建模、历史事故数据等来选择各种距离异常的第一时间。如果不满足任何条件，则距离异常的第一时间被设定为无穷大或设定为比查找表中最大的距离异常的第一时间大几倍的任意值。

接下来，在框520中，计算机38对所融合的传感器数据执行特征提取。特征提取是选择潜在重要的特征并消除不太有用和冗余的数据。特征是正在观察的现象的单独的可测量的性质或特性。可以使用一般的降维技术来确定特征，所述降维技术诸如独立成分分析、潜在语义分析、主成分分析、多因素降维、非线性降维、多线性子空间学习等。替代地或另外地，特征可以由设计师基于特征可以指示对车辆40的迫近碰撞的知识来选择。

接下来，在框525中，计算机38对特征执行模式匹配以确定是否将可能发生碰撞。模式匹配/识别是基于由机器学习过程创建的模型，所述机器学习过程例如回归、分类、聚类、主成分分析、集成学习、贝叶斯网络、马尔可夫随机场、序列标注等。机器学习模型可以进行关于自然驾驶研究和事故数据库的训练，所述数据库是由例如美国战略公路研究计划2(shrp2)、德国深度事故研究(gidas)、中国深度事故研究(cidas)、美国国家公路交通安全管理(nhtsa)等维护的。所述模型包括一组模式，并且模式匹配的输出是所融合的传感器数据最近似的模式。

接下来，在框530中，计算机38基于在框525中输出的是哪种模式来估计距离异常的第二时间。查找表可以存储对应于模式的距离异常的第二时间。可以基于由例如shrp2、gidas、cidas、nhtsa等维护的自然驾驶研究和事故数据库来选择距离异常的第二时间。对于表示没有发生碰撞的情况的模式，距离异常的第二时间可以被设定为无穷大或设定为比查找表中最大的距离异常的第二时间大几倍的任意值。

接下来，在框535中，计算机38选择距离异常的第一时间和距离异常的第二时间中的较短者作为距离异常的时间。距离异常的时间可以基于距离异常的时间的大小表示是否预测出碰撞。如果距离异常的时间与在框515和530中为非碰撞情况选择的任意的大值一样大，则未预测出碰撞；如果距离异常的时间较短，则预测出碰撞。在框535之后，过程500结束。

通常，所描述的计算系统和/或装置可以采用许多计算机操作系统中的任一者，包括但绝不限于以下版本和/或变型：ford应用、applink/smartdevicelink中间件、microsoft操作系统、microsoft操作系统、unix操作系统(例如，由加利福尼亚州红木海岸的甲骨文公司发布的操作系统)、由纽约州阿蒙克市的国际商业机器公司发布的aixunix操作系统、linux操作系统、由加利福尼亚州库比蒂诺的苹果公司发布的macosx和ios操作系统、由加拿大滑铁卢的黑莓有限公司发布的blackberryos、以及由谷歌公司和开放手机联盟开发的android操作系统、或由qnx软件系统公司提供的car信息娱乐平台。计算装置的示例包括但不限于车载计算机、计算机工作站、服务器、台式机、笔记本、膝上型计算机或手持计算机、或一些其他计算系统和/或装置。

计算装置通常包括计算机可执行指令，其中所述指令可由诸如以上列出的那些的一个或多个计算装置执行。可以由使用多种编程语言和/或技术创建的计算机程序编译或解译计算机可执行指令，所述编程语言和/或技术单独地或者组合地包括但不限于java^tm、c、c++、matlab、simulink、stateflow、visualbasic、javascript、python、perl、html等。这些应用中的一些可以在虚拟机(诸如java虚拟机、dalvik虚拟机等)上编译和执行。一般来说，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，由此执行一个或多个过程，包括本文所描述的过程中的一者或多者。可以使用各种计算机可读介质来存储和传输此类指令和其他数据。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据的集合。

计算机可读介质(又被称为处理器可读介质)包括参与提供可以由计算机(例如，由计算机的处理器)读取的数据(例如，指令)的任何非暂时性(例如，有形)介质。此类介质可以采取许多形式，包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他持久存储器。易失性介质可以包括例如通常构成主存储器的动态随机存取存储器(dram)。此类指令可以由一种或多种传输介质(包括同轴电缆、铜线和光纤(包括具有耦接到ecu的处理器的系统总线的导线))传输。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、cd-rom、dvd、任何其他光学介质、穿孔卡片、纸带、任何其他具有孔图案的物理介质、ram、prom、eprom、快闪eeprom、任何其他存储器芯片或盒式磁带，或计算机可从中读取的任何其他介质。

本文所描述的数据库、数据存储库或其他数据存储装置可以包括用于存储、访问和检索各种数据的各种机制，包括分层数据库、文件系统中的一组文件、专用格式中的应用程序数据库、关系型数据库管理系统(rdbms)、非关系型数据库(nosql)、图形数据库(gdb)等。每个这种数据存储装置通常被包括在采用诸如以上提及中的一种的计算机操作系统的计算装置内，并且以各种方式中的任何一种或多种来经由网络进行访问。文件系统可以从计算机操作系统访问，并且可以包括以各种格式存储的文件。除了用于创建、存储、编辑和执行已存储的程序的语言(例如上述pl/sql语言)之外，rdbms还通常采用结构化查询语言(sql)。

在一些示例中，系统元件可以被实施为一个或多个计算装置(例如，服务器、个人计算机等)上、存储在与其相关联的计算机可读介质(例如，磁盘、存储器等)上的计算机可读指令(例如，软件)。计算机程序产品可以包括存储在计算机可读介质上的用于执行本文所描述功能的此类指令。

在附图中，相同的附图标记指示相同的元件。另外，可以改变这些元件中的一些或全部。关于本文描述的介质、过程、系统、方法、启发等，应当理解，虽然此类过程等的步骤已被描述为按照某一有序序列发生，但是可在以与本文所描述顺序不同的顺序执行所描述步骤的情况下来实践此类过程。还应当理解，可以同时执行某些步骤，可以添加其他步骤，或者可以省略本文描述的某些步骤。

除非本文作出相反的明确指示，否则权利要求中使用的所有术语意图给出如本领域技术人员所理解的普通和通常的含义。特定地，除非权利要求相反地叙述明确限制，否则使用诸如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的要素中的一个或多个。

已经以说明性方式描述了本公开，并且应理解，已经使用的术语旨在具有描述而非限制性词语的性质。鉴于以上教导，本公开的许多修改和变化是可能的，并且本公开可以不同于具体描述的其他方式来实践。

根据本发明，提供了一种设备，所述设备具有：机器人主体；至少一个传感器，所述至少一个传感器联接到所述机器人主体并且被定位成从车辆的乘客舱接收刺激；可致动部件，所述可致动部件联接到所述机器人主体；以及计算机，所述计算机联接到所述机器人主体并且通信地联接到所述传感器和所述可致动部件；其中所述计算机被编程为：基于来自所述至少一个传感器的数据来预测所述车辆中即将发生的异常事件；并且响应于所述预测，致动所述可致动部件以补救所述异常事件。

根据一个实施例，补救所述异常事件包括为乘员提供离开所述乘客舱的出口。

根据一个实施例，补救所述异常事件包括灭火。

根据一个实施例，所述设备不附接到所述车辆。

根据一个实施例，所述设备还包括联接到所述机器人主体的运动部件。

根据一个实施例，所述运动部件可以包括轮子、履带或支腿中的至少一者。

根据一个实施例，所述可致动部件包括灭火器。

根据一个实施例，所述可致动部件包括致动器和可通过所述致动器相对于所述机器人主体移动的撞销，其中所述致动器被配备为使所述撞销相对于所述机器人主体以足够高的速度移动以打破钢化玻璃。

根据一个实施例，本发明的特征还在于可分离地附接到所述机器人主体的多个呼吸面罩。

根据一个实施例，所述至少一个传感器包括温度传感器。

根据一个实施例，所述至少一个传感器包括烟雾传感器。

根据一个实施例，本发明的特征还在于收发器，所述收发器联接到所述机器人主体并且通信地联接到所述计算机，其中所述至少一个传感器包括相机，并且所述计算机还被编程为指示所述收发器向远程服务器传输从所述相机接收的数据。

根据一个实施例，所述计算机还被编程为指示所述收发器向所述远程服务器实时地传输从所述相机接收的所述数据。

根据一个实施例，所述计算机还被编程为响应于来自所述远程服务器的消息，致动所述可致动部件以为乘员提供离开所述乘客舱的出口或灭火。

根据一个实施例，本发明的特征还在于电池，所述电池联接到所述机器人主体并且电联接到所述计算机、所述至少一个传感器和所述可致动部件。

根据本发明，提供了一种计算机，所述计算机具有处理器和存储指令的存储器，所述指令可由所述处理器执行以：基于从安装到所述车辆的乘客舱中的设备的至少一个传感器接收的数据来预测所述车辆中即将发生的异常事件，其中所述设备不附接到所述车辆；并且响应于所述预测，致动所述设备的可致动部件以补救所述异常事件。

根据本发明，提供了一种设备，所述设备具有：机器人主体；用于在车辆的乘客舱内使所述机器人主体四处移动的装置；安装到所述机器人主体的用于预测所述车辆中即将发生的异常事件的装置；安装到所述机器人主体的用于补救所述异常事件的装置；以及计算机，所述计算机被编程为在预测出所述即将发生的异常事件时，激活用于补救所述异常事件的所述装置。

根据一个实施例，本发明的特征还在于用于保护所述乘客舱的乘员免受烟雾影响的装置。

根据一个实施例，用于使所述机器人主体四处移动的所述装置独立于所述车辆，用于预测所述即将发生的异常事件的所述装置独立于所述车辆，并且用于补救所述异常事件的所述装置独立于所述车辆。