用于机器人导航的磁力计的制作方法

本发明涉及一种自主移动机器人，例如机器人。用于处理表面(例如清洁地板)、进行通信、运输或者监视和检查区域的服务型机器人，特别是一种由自主移动机器人和人机界面组成的系统，所述人机界面用于显示由所述机器人使用的地图数据。

背景技术：

近年来，自主移动机器人，特别是服务型机器人在私人家庭中变得越来越普遍。可能的应用例如有用于清洁地板表面的清洁机器人、用于在巡逻行驶中检测可能的危险的监视机器人(例如入室抢劫者或者火灾、远程临场机器人，其可以在远距离的人与人之间实现简单化的通信，而与他们的位置和活动无关)以及辅助机器人(例如在运输物品时帮助人们)。

在这种情况下，越来越多地使用借助于slam(simultaneouslocalizationandmapping，同时定位和建图，例如参考b.h.durrant-whyte,t.bailey:simultaneouslocalizationandmapping(slam):partitheessentialalgorithms,in:ieeeroboticsandautomationmagazine,bd.13,nr.2,s.99-110,juni2006)算法的系统以创建用于进行目标明确导航的周围环境(也就是说，机器人使用区域)的地图。在此，借助于各种不同的传感器(例如激光距离扫描仪、摄相机、触觉(触摸)传感器、里程表、加速度传感器等等)来确定地图和机器人在地图中的位置(有利地也包括定向，在这种情况下通常也称为“姿态”)。

如所提到的那样创建的地图可以被永久地存储并且用于机器人的以后的使用。通过(重复)使用存储的地图例如可以简化用户交互，因为例如这使得用户能够将机器人目标明确地派遣到一个地点以执行任务，例如清洁起居室。另外，由于机器人可以利用关于其使用区域的“先验知识”(也就是说，基于存储在地图中的信息)进行提前规划，因此可以使机器人的工作流程设计得更加高效。

通过机器人重复使用地图的一个重要的先决条件是机器人的(全局)自定位的能力。如果这个信息丢失了(例如在用户进行重置或者更改)，这使得机器人能够可靠地在地图上(再次)确定它的姿态(也就是说，包括定向在内的位置)。在这种情况下，如果机器人在该地图中具有关于它的定向的附加信息，则这可能是很有帮助的。例如，在一个精确的正方形的房间中，只有当机器人具有关于它的(大概的)定向的附加信息时，才能够明确地确定机器人的姿态。如果除了用于机器人导航所需要的地图之外，还附加地向用户显示简化在地图上的定向的其他信息，那么这对用户来说也可能是很有帮助的。因此，发明人为自己设定了任务，即创造一种机器人，该机器人能够以简单的方式相对于先前创建的机器人使用区域的地图确定其定向。另一个任务在于借助于磁场的测量来改善机器人导航。

技术实现要素：

上面所述的任务通过根据权利要求1、20和34所述的方法，通过根据权利要求5所述的机器人以及根据权利要求16和30所述的系统来解决。各种不同的示例性实施例和扩展方案是从属权利要求的主题。下面描述用于自主移动机器人的方法。根据一个示例性实施例，一种方法包括以下的步骤：借助于机器人的第一传感器单元探测关于在机器人使用区域中的机器人周围环境的结构的信息并且基于所探测的信息创建地图。所述方法进一步包括借助于第二传感器单元测量针对所述机器人的一个或者多个姿态的至少一个物理矢量场参量的方向和/或者数值，以及基于针对所述机器人的一个或者多个姿态执行的测量以确定用于所述机器人使用区域(或者其一部分)的至少一个物理矢量场参量的优选方向。

根据另一个示例性实施例，该方法包括：将机器人使用区域的第一地图传送到自主移动机器人；借助于所述机器人的传感器单元，探测关于在所述机器人使用区域中的环境的结构的信息；以及基于所述探测的关于所述环境的结构的信息和所述第一地图，创建所述机器人使用区域(或者其一部分)的第二地图；借助于所述第二地图，所述机器人可以在所述机器人使用区域中导航。

另一个示例性实施例涉及与基站的对接。因此，该方法包括根据在地图中记入的基站的位置/姿态(例如借助于由传感器单元检测到的关于在机器人使用区域中的所述机器人的环境的结构的信息)将所述机器人导航到在所述基站的附近的位置以及(例如借助于所述传感器单元)检测所述基站相对于所述机器人的当前的姿态。所述方法进一步包括规划用于到所述基站上的对接操纵的路径以及执行所述对接操纵。在这种情况下，测量由至少一个在所述基站处产生的磁体产生的磁场，由此可以基于所述测量的磁场监视所述对接操纵。

此外，描述了一种自主移动机器人。根据一个示例性实施例，所述机器人具有驱动单元，所述驱动单元用于使所述机器人在机器人使用区域内运动/对所述机器人进行导航。此外，所述机器人具有第一传感器单元，所述第一传感器单元用于探测关于在所述机器人使用区域中的所述机器人的环境的结构的信息，以及第二传感器单元，所述第二传感器单元用于测量在所述机器人的一个或者多个姿态下的至少一个物理矢量场参量的方向和/或者数值。一个控制单元被设计成用于：基于由所述第一传感器单元提供的关于在所述机器人使用区域中的环境的结构的信息和基于所述机器人使用区域的地图使所述机器人在所述机器人使用区域中运动/对所述机器人进行导航，并且基于借助于所述第二传感器单元在所述机器人的一个或者多个姿态下执行的对所述至少一个物理矢量场参量的测量，确定所述至少一个物理矢量场参量在所述机器人使用区域或者(其一部分)中的优选方向。

此外，描述了一种具有自主移动机器人和另一个(机器人)外部电子设备的系统。根据一个示例性实施例，所述机器人具有通信单元并且被设计用于借助于所述通信单元与所述电子设备通信。所述电子设备被设计用于由机器人接收所述机器人使用区域的地图以及与该地图相关联的优选方向。

此外，描述了一种具有自主移动机器人和基站的系统。根据一个示例性实施例，所述基站被设计用于产生限定的磁场，并且所述机器人被设置用于：借助于至少一个第一传感器单元识别所述基站并且基于所述识别执行对接操纵。为此目的，所述机器人具有第二传感器单元，所述第二传感器单元具有用于测量所述磁场的传感器。

附图说明

下面借助于在附图中示出的示例更详细地解释本发明。这些图示不一定是按正确比例绘制的，并且本发明不仅仅限于所示出的方面。相反，重要的是要说明作为本发明的基础的原理。在附图中显示：

图1示例性地示出了机器人使用区域和机器人在使用区域中的当前的位置。

图2是框图，该框图示意性地表示自主移动机器人的功能单元和组件。

图3示出了测量外部磁场(地球磁场)的不同的方法，其中，干扰场可被补偿。

图4示出了机器人在不同的起始位置的情况下由机器人确定的地图的不同的方向。

图5示出了根据由机器人在机器人使用区域中确定的磁场的优选方向，由机器人确定的地图的方向。

图6示出了在考虑由机器人为地图确定的优选方向的情况下在hmi上的机器人地图的图示。

图7示出了由机器人确定的优选方向如何在自定位期间避免模棱两可的解决方案。

图8示出了住宅的地图与机器人地图的合并。

图9示出了用于地图创建的传感器对由机器人确定的机器人使用区域的地图的影响。

图10示出了将信息从机器人地图到新创建的机器人地图的自动传输。

图11示出了用于自主移动机器人的基站以及利用磁场将机器人对接到基站上。

图12是用于说明基站的对接操纵过程的流程图，其中，借助于磁场测量来修正对接路径。

具体实施方式

自主移动机器人作为服务型机器人一般地可以在使用(部署)期间自动地执行一个或者多个任务(任务)，例如，清洁或者监视机器人使用区域(机器人部署区域)或者在机器人使用区域内运输物品。机器人使用区域例如可以是住宅、房屋或者办公区域。下面描述的示例性实施例大多数涉及清洁机器人。然而，本发明不限于用于清洁机器人的使用，而是可以应用于与自主移动机器人相关联的所有可想到的应用，其中，一个或者多个自主移动机器人应该在限定的使用区域中执行一个或者多个任务，在该限定的使用区域中自主移动机器人可以借助于地图独立地运动(例如导航)。

图1示例性地示出了用于自主移动机器人100的使用区域以及它在该使用区域内的当前的位置(包括定向)。该使用区域例如是有多个房间的住宅。为了能够在不与用户进行大量的交互下实现自主地工作，可以在使用区域内的一个位置上设置基站110。自主移动机器人100可以在完成任务之后返回该基站。例如，自主移动机器人100的电池可以在基站处进行充电。在诸如真空吸尘机器人的清洁机器人的情况下，在基站110处例如也可以清除掉在清洁行驶期间拾取的污物。在擦拭机器人的情况下，例如可以在基站110处填充用于施加到地板表面上的清洁剂。但是这些仅仅是示例。原则上可以在基站110处执行在使用自主移动机器人100之后或者期间所需的所有的工作。机器人100被设计成在使用期间借助于机器人使用区域的地图独立地导航。根据机器人100的类型，机器人也可以在没有基站的情况下使用。

图2借助于框图示例性地示出了自主移动机器人100的各个不同的结构单元。在这种情况下，结构单元可以是用于控制机器人的独立的组件和/或者软件的一部分。软件的该部分执行所描述的任务。负责机器人100的行为的软件可以在机器人100的控制单元150上(借助于相应的处理器和存储器元件)来执行或者可以至少部分地转移到外部的计算机上，该外部的计算机可以例如在家庭网络中或者经由互联网(云服务器)而实现。

在这里描述的示例性实施例中，自主移动机器人100包括驱动单元170，该驱动单元例如可以具有电动机、传动机构和轮子，由此，机器人100至少在理论上可以行进到它的使用区域中的任何点，只要通向一个点的通道没有被障碍物封闭。

自主移动机器人100此外包括通信单元140，以便建立与人机界面(human-machineinterface，hmi)200和/或者其他外部设备300的通信链路。通信链路例如是直接的无线连接(例如蓝牙)、本地无线网络连接(例如wifi或zigbee)或者互联网连接(例如经由云服务)。

所提到的人机界面200可以用于向用户(user)输出关于自主移动机器人100的信息(例如电池状态、当前工作指令、地图信息如清洁地图等等)以及接收用户命令。例如，特定的用户命令可以对自主机器人发出在特定的区域中执行特定的任务的指令。人机界面200的示例是平板pc、智能手机、智能手表、计算机、智能电视或者头戴式显示器。在一些情况下，人机界面被直接地集成到机器人中并且可以通过按键和/或者手势进行操作。替代地或者附加地，人机界面可以通过语音输入和输出实现对机器人的控制(control)和监控(monitoring)。外部设备300的示例是：计算机和服务器，计算和/或者数据被转移到该计算机和服务器上；外部传感器，该外部传感器提供附加的信息；或其他的家用电器(例如其他的自主移动机器人)，自主移动机器人100与这些其他的家用电器一起工作和/或者交换信息。

在这里描述的示例性实施例中，自主移动机器人100具有控制单元150，该控制单元150提供机器人在其使用区域中独立地运动并且执行任务所需要的所有功能。控制单元150的这些功能的至少一些部分可以借助于软件来实现。为此目的，控制单元150例如包括处理器和存储器模块，以便执行机器人100的控制软件151。控制单元150基于来自传感器(例如传感器120、130)的信息以及基于由通信单元140提供的信息来产生用于工作单元160和驱动单元170的控制命令(例如控制信号)。控制软件151可以包括用于物体识别的功能(例如基于传感器的信息)以及用于工作计划的功能(例如基于经由通信单元140来自用户的信息)。为了使得机器人能够自主地执行任务，控制软件151包括导航模块。这使机器人能够在其环境中进行定向和导航，例如借助于第一传感器模块120探测到的诸如地标之类的导航特性进行定向和导航。导航模块可以与例如障碍物避开策略、slam算法(simultaneouslocalizationandmapping，同时定位和建图)一起工作，和/或者与机器人使用区域的一个或者多个地图一起使用。导航模块至少部分地被实现为软件，并且例如可以在控制单元150的所提到的处理器上来执行。

机器人可以在使用期间重新创建机器人使用区域的地图，或者也可以在使用开始时利用已经存在的地图。存在的地图可以是在先前的使用(例如探察行驶)期间由机器人本身创建的，或者是由另一个机器人和/或者由用户提供的。该存在的地图例如可以被持久地(永久地)存储在存储器模块中，从而该地图可以在以后的机器人使用中被重复使用。备选地，机器人使用区域的要永久地存储的地图也可以被存储在机器人外部，例如存储在机器人用户家中的计算机上(例如平板pc、家庭服务器)或者存储在可经由通过互联网达到的计算机上(例如云服务器)上。

在机器人应该实施作业例如清洁地板表面的那些示例性实施例中，自主移动机器人100可以具有工作单元160。在提到的示例中，工作单元是用于清洁地板表面的清洁单元(例如刷子、真空吸尘装置、擦拭装置、湿式清洁装置)或者用于抓取和运输物品的抓持臂。在一些情况下，例如在远程临场机器人或监视机器人的情况下，可以使用另一个组件来完成规定的任务并且不需要任何工作单元160。因此，远程临场机器人可以具有与人机界面200耦合的通信单元140，该通信单元140具有多媒体单元，该多媒体单元例如包含麦克风、摄像机和屏幕，以便能够在多个空间上相互远离的人员之间进行通信。监视机器人在检控行驶下借助于传感器查明不同寻常的事件(例如火、光、未经授权的人员等等)并且例如将其通告控制部门。

自主移动机器人100包括多个的传感器。特别地，机器人具有第一传感器单元120，该第一传感器单元用于探测关于机器人的周围环境的(几何)结构的信息，例如在机器人使用区域内的障碍物的位置、该障碍物的空间范围或者其他的导航特征。第一传感器单元120例如包括用于与在环境中的物体之间的距离的传感器，例如光学的和/或者声学的传感器，该光学和/或者声学的传感器借助于三角测量或者对发射出的信号的传输时间的测量来工作(三角测量传感器、飞行时间摄像机、激光扫描仪、超声波传感器)。合适的传感器的其他典型的示例是摄相机和触觉传感器。在自主移动机器人中使用的其他典型的传感器是用于确定机器人的速度和/或行进路程的传感器，如里程表和旋转速率传感器。使用这些传感器来控制自主移动机器人100，并且特别是用于导航和地图创建本身是已知的。

在这里描述的示例性实施例中，机器人具有第二传感器单元130，该第二传感器单元130用于测量在机器人的位置处的至少一个物理矢量场参量的方向和/或者数值。例如，只要机器人是静止的或者在匀速地运动，则借助于加速度传感器，就可以确定地球的重力场(相对于机器人)的方向和数值。诸如地球磁场之类的磁场尤其是可以借助于诸如霍尔传感器之类的磁力计来确定。

对于用于控制自主移动机器人100的许多应用来说，知道相对于先前通过机器人100记录的地图的大致定向是有利的。因此，例如通过地图数据在人机界面(例如智能手机、平板pc)上的图形显示的合适的方向，可以使用户在查看地图时更容易进行定向。另一种应用是(全局)自定位，其中，例如通过将当前的传感器数据与地图数据进行比较，在没有(或者仅具有有限的)先验知识的情况下在先前记录的地图中确定机器人的位置(和定向)。第三种应用是评估提供给机器人的地图信息。如果在这种情况下可以在不花费大的力气的情况下确定机器人相对于地图(或者周围环境)的大致的定向，则可以在可能的解空间中限制这个自由度(也就是说，机器人相对于地图的定向)。由此可以减少在全局自定位中的计算量。

术语“大致的定向”在这种情况下表示定向的测量值，该测量值可能具有较大的(测量)误差(例如直至±5°、10°、25°)。因此，“大致的定向”的精度可能比例如机器人为了能够完美无缺地导航或者(例如借助于slam)创建地图而必须确定其实际的定向所采用的精度显著更差。

在其周围环境中运动并且借助传感器和存储在地图中的地图数据进行自身定向的自主移动机器人100本身是已知的。对于露天用机器人，例如机器人割草机或者其他自动驾驶的农业机械，可以使用磁力计来测量地球磁场，以便确定在空间中的固定的定向。该固定的定向例如被用于确保直线的和平行的处理轨迹(例如在修剪草坪时)。

在建筑物内部，一般地不可能以足够的精度来测量地球磁场，特别是因为含铁的结构性结构(例如钢筋混凝土)以及电流会导致磁干扰场，该磁干扰场明显覆盖自然的地球磁场。这些干扰场是如此强大且具有特征的，以至于磁场的变化可以被用于地图的构建和用于在slam-v方法(矢量场slam)中对机器人进行定向。但是，在居住环境中，这种方法不适合用于创建用于对机器人进行定向的永久性的地图，因为磁干扰场很容易由于居住者的行为而发生变化，例如由于(关闭)激活电气设备或者移动具有金属腿的椅子或者其他的金属物体等等而被改变。

由于上述原因，通常假设在居住环境中的磁场(特别是地球磁场)的测量没有提供用于控制自主移动机器人的任何有价值的信息。磁场用于在居住环境中控制机器人的唯一已知的应用是作为外部标记。例如，可以将磁条铺设或者粘贴到地板表面上，以标记出机器人不得跨越的边界。

在此处描述的示例性实施例中，物理矢量场的优选方向例如为在由地图代表的区域内的磁场变化，以便由此补充并且因此简化借助于导航传感器(例如包含在传感器单元120中，例如用于距离测量的传感器或者摄像机)对自主移动机器人的常规导航。该优选方向例如对应于在空间中的磁场的预期的定向，该磁场一般地主要由地球磁场确定，但是地球磁场可能被干扰场覆盖了。在这种情况下不使用局部的测量，因为该局部的测量由于先前描述的干扰场的原因而不具有代表性。相反，例如在使用区域中的机器人的多个位置和/或者定向(姿态)上确定矢量场参量。由这些单独的测量值可以确定出对于使用区域具有代表性的并且易于再现的、用于优选方向的值。例如可以通过统计评估(例如模态值、中位值或者平均值等等的计算)从大量的单独测量值中确定用于优选方向的值。

磁场的测量可以在所有三个空间方向上(也就是说，在三个维度上)进行。为了确定用于在机器人使用区域(及其该机器人使用区域所属的地图)中的磁场的优选方向，可以使用三维测量值，或者也可以将测量值投影到平行于地板表面的平面中。可替代地，也可以使用仅仅探测在平行于地板表面延伸的一个或者二个维度中的磁场强度的传感器。在这种情况下，磁场的南北方向基本上被确定。应该注意的是，通过对具有传感器的机器人进行旋转(改变其定向)，该传感器仅仅在一个方向上探测磁场的分量(例如霍尔传感器)，实现在两个空间方向上对磁场的探测(在旋转之前和之后)。因此，可以通过用于测量第三空间方向的另一个传感器来探测三维磁场。

如前所述，在机器人使用区域中(特别是在建筑物内部，例如在居住环境中)的要测量的磁场不是恒定的。因此，根据在这里描述的示例性实施例，在机器人100的不同的位置和定向上测量磁场，以便基于该大量的测量值来确定优选方向。为此目的，在最简单的情况下，形成平均值(例如算术平均值)。用于确定优选方向的磁场的测量值优选地依据机器人的位置和定向，根据可预先确定的规则进行选择和/或者加权。在居住环境中的磁场的干扰例如可以通过诸如家具或者墙壁之类的障碍物(例如由于在其中延伸的电气设备或者含铁的构件)引起。因此，例如为了确定优选方向，可以选择在与障碍物相距可预先确定的(最小)距离下被确定的那些(或者仅那些)测量值。

此外可以确定测量值在空间上波动程度。因此，在所有方向上恒定的测量信号显示未受干扰的磁场，相反，在空间上变化的磁场则由干扰场引起。因此，优选地使用在空间上恒定的测量信号来确定优选方向。为此目的，例如在使机器人四处行驶时测量在两个具有可预先确定的距离(例如1厘米、5厘米)的位置处的磁场并且将两个测量值彼此进行比较。如果测量值彼此偏差很大，则在计算优选方向时可以忽略这些测量值。可以忽略统计上的异常值。特别地，可以考虑磁场的大小和三维定向，以便识别干扰。因此，根据地理位置，地球磁场具有关于重力的特征强度和定向。附加地，随时间变化的磁场也可能显示有外部干扰。基于在机器人的不同的位置处(和在不同的定向下)进行的磁场测量，机器人例如可以创建一个磁场图。该磁场图例如可以是一种网格地图，在该网格地图中为网格的每个元素存储一个或者多个测量值。可替代地，也可以将测量值与机器人的与此相关的姿态(位置和定向)一起作为用于磁场图的代表进行存储。

除了所确定的优选方向以外，附加地可以确定用于该优选方向的精度的度量。附加地可以确定，为了到达这种精度，机器人必须在哪个路线和/或区域上行驶。用于优选方向精度的最简单度量是以已经探测的测量点为基础的优选方向的标准偏差。另一种可能性是确定在机器人100可接近的总区域上的面积比例，在该面积比例中，可测量的磁场的方向以可预先确定的精度(例如±5°、±10°、±25，等等)对应于(先前确定的)优选方向。如所述提到的那样，优选方向可以通过对各单独的测量值的统计评估来确定，例如通过求平均值来确定。

根据另一种方法，当机器人在机器人使用区域中运动时，机器人连续地在不同的位置处确定用于磁场的测量值。在接收到新的测量值之后，可以对优选方向进行更新。例如，通过每个附加的测量，在所有测量值上的平均值作为用于真实值的估计值将变得更加精确。平均值的方差变得更小。现在也可以使用在机器人以所期望的精度确定优选方向之前机器人走过的路程作为用于精度的度量。如果在以后的某个时间点重复进行这些测量，则机器人已经“知道”在该测量期间它必须运动多远才能达到所期望的精度。机器人可以被设置用于确认，干扰场是如此地强大和不均匀，以至于不能够确定优选方向。

机器人可以被设置用于将其使用区域划分为多个部分区域，并且为每个部分区域确定应该单独的优选方向。这些部分区域例如可以是住宅的房间或者住宅的一些部分。替代地或者附加地，部分区域可以是具有可预先确定的大小的固定的区域。

除了外部的干扰场之外，还存在由机器人100本身引起的内部的干扰场。这些内部的干扰场例如可以通过校准来确定和补偿。内部的干扰场的第一个来源是在机器人中产生的磁场，例如在电动机的运行期间产生的磁场或者由位于机器人中的永久磁体产生的磁场。这些磁场对被测量的磁场(硬铁变形)提供了一个恒定的、与机器人一同运动(和旋转)的量值。在这种情况下，恒定的磁干扰场通过(与机器人固定的)偏移(偏移量)来补偿，该偏移可能取决于机器人的活动，并且特别地取决于各个执行器(例如驱动单元或者工作单元的电动机)所使用的电流。

第二种干扰源是机器人的可磁化的(铁磁的)构件，这些构件会导致外部磁场的变形，该变形取决于机器人的方向(软铁变形)。这可以通过线性映射(变换矩阵)来补偿，该线性映射(变换矩阵)相对于与机器人固定在一起的坐标系是恒定的。这例如可以通过由机器人在机器人的不同的定向上测量恒定的外部磁场来确定。这样的补偿(对磁场传感器的校准)本身是已知的并且例如被用在电子罗盘中。如果机器人例如在固定的位置处围绕自己的垂直轴旋转，则机器人会“看到”(在与机器人固定的坐标系中)沿着一个圆旋转的磁场矢量。但是由于干扰，这个圆实际上是一个椭圆。所提到的变换矩阵将椭圆映射到该圆上，由此干扰得到补偿。

用于补偿由机器人(第一来源)的活动引起的磁干扰的一种可能性是以相反的定向测量在固定的位置处的磁场。为此目的，机器人可以例如在一个位置上旋转。两次测量的平均值(在机器人的地图的全局坐标系中)给出对外部磁场mext(例如地球磁场)的测量，该测量独立于由机器人引起的(干扰)磁场mdis。这种情况在图3的示意图(a)和(b)中示出。在图(a)中所示的情况下，机器人100“看到”磁场m1＝mext+mdis。在旋转180°的情况下，由机器人自身引起的干扰场mdis随着机器人100一起旋转，相反，外部磁场mext保持恒定(参见图3，示意图(b))。在这种情况下，机器人100看到磁场m1'＝mext-mdis。平均值(m1+m1')/2精确地对应于外部磁场mext。对于技术人员来说，以类似的方式得出在机器人的运动平面中的第二维度。垂直于该运动平面的第三维度可以被忽略。替代地或者附加地，在机器人的生产期间可以进行完全的校准。

另一种可能性由机器人的活动产生。例如，清洁机器人例如在平行的、彼此相邻接的(或者稍微重叠的)轨迹上清洁地板表面。这种情况在图3的示意图(c)中示出。在这种情况下，两个直接相邻的平行的轨迹t1、t1’被沿着相反的定向行驶。因此，在具有可能的最小距离d的至少两个位置p1和p1'，p2和p2'等等处的测量的组合可以被用作在具有相反定向的固定点处的测量的近似值。在这种情况下，可以注意的是，两个测量位置之间的距离不超过一个可预先确定的最大值(例如15厘米、10厘米或者5厘米)。如果磁力计安装在清洁轨迹的中心，那么两个具有相反的定向的测量位置之间的通常的距离大约对应于清洁轨迹的宽度(例如15厘米或者20厘米)。如果磁力计130如在图3的示意图c中所示的那样被移动到清洁轨迹的一侧上进行安装，那么可以减小具有相反的定向的两个测量位置之间的距离d。

基于其优选方向显示地图，在本发明的一个优选的设计方案中，自主移动机器人100被设置用于建立与另一个电子设备，例如人机界面(hmi，例如平板pc)或者其他的机器人之间的通信连接。以此方式可以将代表至少一个机器人使用区域电子地图和至少一个针对机器人使用区域所确定的优选方向发送到另一个设备上。

hmi可以以图形准备的形式向用户显示地图数据，并且基于准备的地图接收用户输入。例如，可以将地图数据以机器人使用区域(例如住宅)的平面布置图的形式在具有对触摸敏感的屏幕(触摸屏)的平板pc上示出。用户可以给机器人发出指令，例如清洁某个区域，例如用户通过将该区域在平面布置图中标出。

但是，通过机器人自动生成的地图对于用户来说常常是很难解释的，因为用户一般地并不总是直接地将由机器人确定的定向点与在机器人使用区域中的真实物体(例如墙壁、门、家具等等)相关联起来。例如从机器人的“视角”来看，橱柜和沙发可以看成是在墙壁墙前的大的矩形障碍物并且可以相应地在地图上显示出来。但是，从用户的视角来看，这涉及的是两个非常不同的物体。此外存在障碍物，如站立在房间里的桌子，这些障碍物对于用户来说很相关的，因为用户必须绕着这些障碍物行走，而对于机器人来说，除了相对较小的桌子腿以外，不存在障碍。因此有必要在地图数据的显示和实际环境之间建立直接的联系。

一种对于用户来说，应该使对地图数据的显示的解释更简单一些的情况例如是在通过机器人重新创建地图之后。例如，可以基于机器人在学习显示期间记录的地图数据来执行自动的空间识别。但是，这并不总是可靠的，因此地图数据的空间划分必须由用户进行再修改，为此，对所示出的地图数据的良好的理解是必不可少的。为了实现这一点，不仅地图数据的输出，用户指令输入的解释都可以基于由机器人确定的优选方向来进行。

在当前商业上通用的清洁机器人的情况下，在每次使用该机器人时，该机器人的地图数据都将由机器人借助于其传感器重新创建。由此在每次使用时，地图数据的图形显示的方向都可以是不同的，由此可能使用户感到难以在该地图上对自己进行定向。这一点例如可以通过这样的方式来简化，即基于磁场确定优选方向并且以朝北方向的方式示出地图数据的图形显示。由此在每次使用机器人时，地图数据的显示的方向都是相同的。

这个问题在图4中示出。在开始创建地图时，机器人还不具有“全局”定向特征(例如知道房间是朝南指向的)，借助于该“全局”定向特征，机器人可以以清楚地限定的方式将地图定向。因此，在机器人使用开始时，机器人100相对于机器人使用区域(例如房屋中的房间)的定向并不总是被清楚地限定的并且因此可以任意地选择。在本示例中(在不限制一般性的情况下)，假设机器人以平行于y方向的定向开始。这就是说，机器人的起始位置，并且特别是它的定向(起始姿态)可以确定用于描述地图数据的全局的位置固定的坐标系。在来自图3的示意图(a)的示例中，机器人例如以平行于墙壁的定向开始，并且在由机器人确定的地图中此时是一个平行于y方向墙壁。在来自图4的示意图(b)的示例中，机器人以稍微不同的定向开始，并且与在示意图(a)中的情况相比，由机器人确定的地图被相应地旋转。用m标示的箭头表示可由机器人为机器人使用区域确定的磁场的优选方向。对于优选方向m，存在一个全局定向特征，该全局定向特征对于每个在其中地图被重新创建的机器人使用都是(近似)相同的，并且借助于全局定向特征可以使地图定向。这一点被考虑，例如为了确定地图在hmi上的显示。因此，例如可以始终以向北指向的方式来显示地图。例如，地图因此可以与机器人的初始姿态相独立地总是如在图4的示意图(a)中的那样进行显示。应当注意的是，可以审查显示在机器人上的hmi上、在hmi上、在服务器或者任何其他的计算机或者它们的组合上显示的机器人的地图数据的准备。特别地，优选方向可以与用于显示而提供的地图数据(特别是作为地图的一部分)一起经由通信接口从机器人发送到hmi或者另一个外部设备上。

附加地，可能的是，用户可以自己影响地图数据的图形显示的方向。在这种情况下，该hmi(参见图2，hmi200)可以存储由用户选择的相对于所确定的优选方向的方位。如果在机器人的另一个使用中将新的地图数据与优选方向一起发送到hmi，那么可以基于被存储的相对于优选方向的方向来对地图数据的图形显示进行定向。由此可能的是，始终根据用户的喜好来选择地图数据的图形显示的方向，由此，即使地图在每次使用时都由机器人重新创建，用户也会更容易地在显示的地图中确定自己所在的位置。例如，用户(例如对于特定的机器人使用区域)可以定义角度θ，该角度表示地图相对于由机器人确定的优选方向m的期望的角度位置。这种情况在图5中示出。假设优选方向m精确指向南方，并且机器人使用区域实际上沿东南方向定向，那么可以定义135°的角度θ，并且由机器人100确定的地图，至少出于在hmi200上显示的目的，相对于所确定的优选方向m总是被旋转这个角度。在本示例中，此时在hmi200上的显示中，房间的东南墙壁在地图显示中始终在上方。对于在此处描述的示例，可以将由机器人确定的优选方向视为机器人使用区域或者其部分区域的特性/属性。可以不仅从hmi200而且从机器人100来完成角度θ的存储和/或者地图相对于hmi200的显示器的定向。

如果地图数据的显示可以根据实际环境进行显示，那么可以进一步提高地图数据的图形显示的可理解性。这种情况在图6中示出。为此目的，一个外部电子设备(参见图2，设备300或者hmi200，例如平板pc)，该外部电子设备接收地图数据和所属的由机器人100确定的机器人100的优选方向m，同样可以被设置用于确定优选方向m'。为此目的，该外部电子设备可以具有合适的传感器，例如磁力计，用于测量物理矢量场参量(例如其方向)，机器人也以此为基础确定了优选方向。在图6在所示的示例中，hmi200具有传感器单元230，该传感器单元除了其它方面以外包括磁场传感器。附加地，该电子设备(例如hmi200)具有传感器，以确定其位置或者位置变化。

hmi200例如可以具有陀螺仪和加速度计，它们例如也可以包含在传感器单元230中。这些传感器的测量值可以用来校准磁力计。例如，一方面可以通过磁场的定向(从hmi200来看)相对于hmi200的变化来确定hmi200的位置变化(移位和/或者旋转)，并且另一个方面可以通过陀螺仪测量旋转来确定hmi200的位置变化(移位和/或者旋转)。可以将两个传感器(陀螺仪和磁力计)的测量值进行组合，例如用于磁场测量的可信性检查或者校准磁力计。

例如，电子设备具有hmi(例如平板pc、智能手机，参见图2，hmi200)，其具有用于以图形方式显示地图数据的屏幕250。此时可能的是，可以这样地选择该图形显示的方向，即由机器人相对于地图数据所确定的优选方向m指向由hmi(分开地)所确定的优选方向m'。由此例如使机器人使用区域(例如住宅)的平面布置图这样地定向，即该平面布置图与真实的住宅相一致。另外，当hmi被旋转时，可以使该显示旋转，从而保持该显示相对于真实的环境的方向。可以基于对磁场的测量和/或者基于在旋转hmi期间对旋转速率的测量来确定对地图数据的显示的必要的修正(旋转)。这种情况在图6的示意图(a)和(b)中示出。与示意图(a)相比，hmi200在示意图(b)中已经被旋转。基于对优选方向m'的测量，hmi200可以这样地调整机器人地图的显示，即机器人地图正确地保持被定向在优选方向m'上。因此，即使hmi200被旋转，地图显示仍然处于静止状态下。

附加地，基于由hmi200例如借助于陀螺仪传感器识别出电子设备的运动，可以探测磁场在空间上的变化并且将其用于确定优选方向。例如，外部设备是智能手机或者平板pc，并且具有陀螺仪和加速度计，通过它们可以确定智能手机或者平板pc的运动。除了磁力计之外，也可以借助于陀螺仪或者加速度传感器来测量智能手机或者平板pc的旋转，以及智能手机或者平板pc相对于优选方向的由此改变的方向。此外，为了确定优选方向，可以使用合适的(在空间上的)平均值。替代地或者附加地，可以对要考虑的测量值进行选择。例如可以确定，是否所测量的磁场是在空间上恒定的还是剧烈变化的，其中，在空间上恒定的值将被优选。替代地或者附加地，可以将测量值与参考值进行比较，并且仅在测量值以可预先确定的精度与参考值相一致时，该测量值才被考虑。该参考可以是地球磁场，或者可以是由机器人作为参考而确定的值。在比较中，可以不仅考虑被测量的磁场的大小而且考虑在磁场的方向与重力之间的角度。参考值例如可以通过机器人在机器人首次投入运行时的特殊的探察行驶期间进行测量。

通过用户输入可以在具有固定的定向的地图数据的显示和在其中定向基于hmi的旋转而改变的显示之间进行切换。在三维地图的情况下，至少一个优选方向可以基于重力的方向进行确定。由此可能的是，根据重力的方向来显示地图数据的显示。例如，如果hmi(特别是它的屏幕)基本上水平地(平行于地球表面地)以显示方向向上的方式进行布置(也就是说，屏幕的法线矢量基本上与重力是反平行的)，那么就示出了一个可与平面布置图相比较的三维地图数据的显示。在hmi倾斜的情况下，则可以选择三维地图数据的透视图式的显示，该透视图式的显示基于hmi相对于重力的倾斜角度(例如在屏幕的法向矢量和重力之间的角度)来确定。

当使用三维地图数据时，可以使用两个(线性独立的)优选方向如重力方向(地球的重力场)和地球磁场。由此可以确定一个外部的(独立于机器人的)坐标系，该坐标系可以很容易地确定。

应该注意的是，当基于hmi和机器人的磁场测量确定优选方向时，如果在大约相同的高度上进行测量，则会达到有关两个优选方向的可比性的最佳结果。如果在足够高的机器人(例如，远程临场机器人)的情况下将磁力计安装在大约1米至1.5米的高度上，则可以实现此这一点。在清洁机器人的情况下，这一般地是不可能的，因为清洁机器人是以约为10厘米的高度建造的，即它们可以在家具下面清洁。但是，在大多数情况下，在此达到的确定优选方向的精度是足够的。

简化的自定位-自主移动机器人永久地使用机器人使用区域的地图数据的一个基本的先决条件是机器人在没有(或者只有很少的)先验知识的情况下可靠地确定其在机器人的已经存在的地图中的位置的能力。这种能力被称为(全局)自定位，例如如果机器人已被完全关闭或者通过用户已被移动到新的位置上，则这种能力是需要的。为此，有利的是，将确定的优选方向m与地图数据一起进行永久性存储(例如作为由地图覆盖的机器人使用区域的或者其一部分的属性)，以便将该确定的优选方向用于简化并且由此用于改善所述自定位。

在自定位期间，机器人借助于它的传感器(参见图2，传感器单元120)记录代表在机器人使用区域中的周围环境的传感器数据，并且基于在传感器数据中包含的信息尝试确定其在机器人使用区域的地图上的位置(包括定向)。如果机器人100除了用于导航的传感器单元120的传感器数据(例如摄像机图像、到障碍物的距离测量)之外还可以例如借助于磁力计(例如图2，传感器单元130)确定用于确定优选方向的信息，那么通过限制旋转自由度将大大地降低自定位任务的复杂性。这一点应该根据来自图7中的示例进行说明。在没有其他的区别特征的正方形空间中，在没有先验知识的情况下不能够确定机器人的位置，因为存在相对于90度的旋转的对称性。如图在7的示意图(a)中所示的那样，这会导致机器人的四个等效的可能的位置(1、2、3、4)，包括机器人的所属的定向。在没有其他的信息(没有客观的定向特征)的情况下，机器人不能够区别来自图7的示意图(a)中这四个位置；明确的自定位是不可能的。

如在图7的示意图(b)中所示的那样，通过优选方向的附加的信息消除了所提到的关于定向的对称性，由此使得精确的自定位成为可能。只要确定该优选方向具有优于±45°的精度，这一点就适用。因此，优选方向的相对较大的测量不准确性并不是对在此处所描述的用于自定位的方法的限制。如先前所描述的那样，可以确定优选方向所采用的精度可以在创建地图和首次确定优选方向时被确定。

与由用户指定的地图进行比较-经常存在针对用户住宅的平面图(特别是以平面布置图的形式)，从这些平面图中可以看到房间的布局和使用情况。这些平面图一般地是这样地设计的，即它们对于用户来说是很容易理解的。相反，由机器人创建的用于导航的地图一般地是很难理解的，因为用于机器人进行导航的地标和障碍物(导航特征)对于用户来说不必具有相同的相关性，因为两者一般地在不同的高度上定向。由于其低的结构高度，对于清洁机器人来说，例如在桌子的情况下，只有桌子的腿是相关的，而不是整个桌子。机器人完全没有“看到”桌面板。因为两者(住宅平面图/平面布置图和机器人地图)都包含关于同一环境的信息，因此原则上可以将它们合并并用于更好地理解人类与机器人之间的交互。用于合并两个地图的示例在图8中示出。

为此目的，用户将通过hmi将住宅平面图的电子形式(例如以通常的图形格式作为像素图形或者矢量图形)提供给机器人。hmi可以将带有住宅平面图300的图形文件直接发送给机器人100(参见根据图2的无线传输)。鉴于自主移动机器人100的有限的计算能力，也可以将住宅平面图300发送到云服务，例如可通过互联网达到的服务器，以便执行必要的计算。在这种情况下，可通过互联网访问的服务器具有对由机器人100创建的所有必需的地图数据(参见图8，机器人地图310)的访问权，或者由机器人提供而获得这些地图数据。机器人的计算能力的向外转移在这个意义上来说可以被看作是虚拟的扩展并且因此可以被看作是自主移动机器人的一部分(例如作为控制单元150的向外转移的部分，参见图2)。为了自动地确定在住宅平面图和机器人地图之间的关系，可以使用模式识别(patternrecognition，patternmatching)的方法。例如可以使用也被用于自定位的算法。例如可以使用机器学习(machinelearning)的方法例如神经网络、特别是深度学习。

在住宅平面图300和机器人地图310之间的所述关系可以是数学坐标变换，以便将相对于住宅平面图300的坐标系的坐标(x'，y')换算成相对于机器人地图310的坐标系的坐标(x，y)。但是，将各单个的信息从住宅平面图转移到机器人地图也就足够了。例如，基于住宅平面图300，可以分析住宅(也就是说机器人使用区域)的拓扑结构。该拓扑结构例如描述了在住宅中存在哪些房间，以及这些房间是如何与门口相连接的或者是如何被墙壁隔开的。然后可以对机器人地图进行分析，以了解是否可以在该机器人地图中再次找到该拓扑结构以及如何在其中找到该拓扑结构。这种情况例如通过机器人地图的自动的房间划分以及该房间划分与住宅平面图的房间划分的适配来实现。基于该房间划分，可以将诸如房间名称和使用的信息从住宅平面图300接收到机器人地图310中。

如所提到的那样，用户可以向机器人100提供电子形式的地图，机器人100一般来说可以从该电子形式的地图中获得信息并且使用该信息来构建或者补充由它自己已经生成的地图。由用户提供的地图例如可以是住宅(机器人区域)的平面布置图的简单的手绘草图。机器人可以从该手绘草图中例如提取有关房间划分的拓扑信息(房间的大致的形状、大小和位置以及在各房间之间的连接)，并且使用这些信息来确定由它自己确定的地图到各个房间的划分。该手绘草图还可以包含机器人100本身不能够识别的较大的家具(对于机器人来说，例如橱柜和墙壁同等地都是障碍物并且不能够始终加以区分)。

特别是以平面布置图的形式的住宅平面图通常包含有关以南北方向显示的住宅的方向的信息。通过基于由机器人100进行的磁场测量对优选方向m的确定，可以识别该南北方向(参见图3，在机器人地图310中的优选方向m)。由此大大地简化了在住宅平面图300和机器人地图310之间的关系的确定，因为旋转自由度受到大大的限制。在这种情况下，同样地，由机器人确定的优选方向与在平面图300中记录的南北方向之间的一致性的相对较低的精度是必要的。更确切地说，优选方向可以用作初始估计，该初始估计可以通过模式识别的其他方法来改善。例如可以基于障碍物(特别是墙壁的走向)来确定机器人地图相对于住宅平面图的精确的定向。

在这种方法下的优点产生于这样的事实，即一个住宅大多数基本上是由相互平行的并且正交的墙构成的。因此，对墙壁的走向的分析可以得出四个主要方向。通过确定优选方向m，可以以简单的方式消除这种多样性(类似于在根据图7所示的自定位中的情况)。

在机器人之间交换地图，在某些情况下可能期望新的(第二)机器人使用它本身还没有创建的地图或者仅部分地创建的地图来工作。在这种情况下，第二机器人可以从第一机器人接收该地图并使用该地图。例如机器人可以被设置成，借助于一个地图永久地进行导航并且将该地图用于用户交互。这样的地图例如可能已经通过命名房间和记入用户特定的部分区域在花费大量时间下为用户进行了个性化设置。如果现在要在这个已经构建了地图的机器人使用区域中使用新的第二机器人(例如因为第一机器人被替换或者被补充)，那么，如果可以将第一机器人的地图数据传输到第二机器人上，这对用户来说是一个极大的负担减轻。

在这种情况下出现的问题是，例如由于在传感器装置上的差异，两个机器人的地图可能会有所不同。例如，两个机器人可以具有不同的传感器，从而至少环境的一些部分被相应地不同地检测。因此，新的机器人可以包含改进的传感器装置，借助于该改进的传感器装置例如可以更精确地确定到障碍物的距离或者借助于该改进的传感器装置例如可以更精确地确定机器人的运动(例如借助于里程计)，从而更精确地探测障碍物在地图上的位置以及机器人相对于地图的位置(包括定向)。替代地或者附加地，新的机器人可以具有传感器(例如包含在传感器单元120中，参见图2)，这些传感器除了先前用于导航的环境特性(地标和/或者障碍物)之外，还可以探测新的、先前不能检测到的信息。例如，在新的机器人的情况下，可以这样地扩展用于水平面中进行距离测量的传感器装置，即探测在该平面外部的距离，由此探测周围环境的三维图像(例如借助于3d摄像机)。在另一种变型中，可以通过超声波传感器来补充现有的用于距离测量的光学传感器，该超声波传感器可以更好地识别透明的或者反射的物体。

同样可能的是，两个机器人具有相同的传感器，该传感器具有不同的布置，从而至少环境的一些部分被不同地检测。图9示例性地示出了两个机器人100和101，这两个机器人具有相同结构型式的传感器装置(例如包含在传感器单元120中，参见图2)，其用于在水平面(平行于地板表面)中进行距离测量(例如使用激光测距仪进行扫描)。但是，受结构设计的限制，由于机器人100、101的不同的结构高度(或者由于传感器的不同的安装高度)，在其中进行距离测量的平面到地板表面之间位于不同的(垂直)距离h100或h101上。由此可能发生这样的情况，即较高处的机器人100没有检测到低位的障碍物o1，但是检测到从上方悬垂下来的障碍物o2(参见图9中的示意图(a))。反过来，低位的机器人101不能检测到向下悬垂的障碍物o2，但是可以检测到低位的障碍物o1(参见在图9中的示意图(b))。结果，机器人100、101使用不同的障碍物进行定向，并且相应使用的地图可能彼此不同。

即使在具有相同的传感器装置的相同的结构型式的机器人的情况下也可以具有在地图上的差异，这些差异由于不同地校准的传感器以及与此相关的在测量精度上的差异(例如由于制造公差)而产生。例如，用于距离测量传感器可以具有5％或者10％的系统偏差，这对创建的地图产生直接的影响。用于地图创建和导航的算法可以设计得具有抵抗这种系统误差的稳健性，因为在这种情况下测量的距离与在地图上记录的距离在很大程度上是一致的。但是，当从第一机器人的传感器的系统误差(例如-5％)改变为第二机器人的传感器的另一个系统误差(例如+5％)时，则具有问题，因为测量的距离现在可能不再与在地图中记录的距离相一致。

结果，由机器人确定的障碍物和/或者地标的位置将与在由另一个机器人接收的地图中存储的位置相偏离并且必须相应地进行修正。此外可能识别出在接收的地图没有被记录的新的障碍物和/或者地标。另一个机器人可能无法“看到”在接收的地图中已记录的各个障碍物和/或者地标。

这导致大大地增加了机器人在非由自己确定的地图中进行位置确定的困难。因此，有必要为新的机器人创建新的地图，在该地图中，障碍物和/或者地标的位置是与新的机器人的传感器装置相适配的。在这种情况下，应该使用第一地图的信息，以便特别是保留由用户输入的和/或者确认的信息。这样新获得的地图，该地图特别是也包含由用户输入的信息的地图，可以被永久性地存储，并且可以被新机器人不仅用于用户交互而且用于在后续的机器人使用中的导航。在图10中示出了一个示例。图10示出了机器人100的地图310，该地图已经被用户编辑(配设有属性)并且被确认。这样的属性例如可以包括以下的内容：房间的名称(例如“走廊”、“卧室”、“起居室”、“厨房”等等)、时间表(例如“从23点至6点禁止进入”)、关于污染程度的信息(例如在走廊中的通常严重的污染，机器人更频繁地清洁)、关于地板覆盖物的信息(例如“镶木地板”、“瓷砖”、“地毯”等等)、优选方向m、警告指示(例如“台阶”，机器人缓慢行驶)，等等。在由例如新的机器人101新创建的地图311中，缺少这些由用户输入的和/或者确认的属性。这些属性可以自动从地图310接收到地图311中。

如此新获得的地图311(其具有从地图310传送来的附加的信息)可以被呈现给用户以进行确认，以便用户可以检查是否正确地进行了该信息的传送。如有必要，在这样获得的地图被永久性地存储之前，用户可以修正和/或者更新数据。如果针对第一机器人的地图已经例如通过测量磁场确定了优选方向m，则可以大大地简化在两个地图中包含的信息的关联(“映射”)。第二机器人101同样可以确定优选方向m”并且由此确定其地图311的方向(相对于机器人100的地图310)。在这种情况下，同样地，由机器人101确定的优选方向m”与通过地图310存储的优选方向m之间的一致性的相对较低的精度是必要的。更确切地说，基于该优选方向确定的定向可以用作初始估计，该初始估计可以通过模式识别和特别是自定位的其他方法来改善。

在一个简单的变型方案中，新的机器人101例如在学习行驶中或者在第一作业使用(例如完全清洁使用区域/住宅)期间构建一个地图(例如地图311，参见图10)，该地图被暂时地使用。通过将该临时的地图311与要被另一个机器人(例如机器人100)接收的地图310组合，来创建机器人101的新的、要永久性地使用的机器人地图。为此目的，例如基于在学习行驶期间识别的并且记录在临时的地图311中的障碍物和/或者地标以及记录在地图310中的障碍物和/或者地标，创建在临时的地图311的坐标与地图310的坐标之间的变换。所示变换例如可以由旋转、平移和缩放组成。借助这种坐标变换，可以将信息，例如房间的划分和部分区域的边界、房间的命名或者用户定义的区域以及时间表和类似消息，从要接收的地图添加到临时的地图。应当注意的是，为了确定所述变换，部分地构建该临时的地图311就足够了，并且不需要完全的探察。例如可以仅仅探察住宅的一个房间并且将该房间与已知的地图310进行比较。例如，用户可以规定在这种情况下探察哪个房间。在图10中所示的示例中，地图311的左侧部分被标记为尚未被探察的区域31la。在机器人101已经探察了区域311a之前，可以进行从地图310发送地图信息，因为在构建了地图311的右侧部分之后就已经具有足够的数据来用于执行所提到的变换。例如，用户可以将一个起点或者一个处于该起点上的房间传输到机器人和/或者自动地基于存在的地图310向用户建议用于通过机器人进行重新探察的房间。在这种情况下，机器人会提前“知道”它位于哪个房间中并且简化了在新的地图中的自定位(通过减少可能性)。

在一种替代的变型方案中，新的第二机器人101在学习行驶期间或者在第一作业使用期间就已经使用要接收的地图310(例如从机器人100获得)用于导航。由此机器人101具有例如关于记录在要被接收的地图310中的危险区域(即可能损害机器人的功能活动的区域，例如楼梯、电缆等等)的知识并且可以避免这些危险区域。另外，由于有先验知识，因此可以显著更快地创建地图。在这种情况下，机器人的用于稳健的机器人导航所必需的能力被用来再次识别障碍物/地标并且在必要时修正它们在地图中的位置、形状和/或者大小，将新识别到的障碍物/地标添加到地图中并且将不存在的(不再现有的)障碍物/地标从地图中删除。如果地图310和311可以借助于所属的(存储的或者新确定的)优选方向针对彼此进行定向，则可以提高机器人101对“旧的”地图310的可用性。替代地或者附加地，如果在构建新的地图311之前从限定的、已知的位置(例如从基站110)启动机器人101，则可以改善或者简化地图的定向。

例如，在概率slam方法中确定用于障碍物/地标的位置的概率。例如确定期望值、标准偏差以及在障碍物/地标位置之间的相关性并将其存储在机器人的地图中。为了以简单的方式使要被接收的地图能够为具有相同的或类似的传感器装置的新的机器人所利用，例如可以增大在地图中记录的障碍物的位置不确定性。例如所存储的标准偏差可以被增大(例如通过与可选择的常数，例如2相乘)并且相关性可以被减小(例如通过与可选择的常数，例如1/2相乘)。在学习行驶期间或者在第一作业使用期间，根据新的传感器装置的测量值来更新位置的概率分布。例如对期望值、标准偏差以及在障碍物/地标的位置之间的相关性进行更新和存储。

基于用户输入获得的信息也可以基于对再次识别出的障碍物/地标的修正来修正。例如可以确定，在两个障碍物之间的测量的距离已经增加(例如由于传感器装置的更好的测量精度)。例如可以以这样的方式修正在两个障碍物之间延伸的、由用户定义的区域边界的位置，即到两个障碍物的距离之比保持恒定。由用户输入的、例如用于障碍物、区域或者房间的名称在这种情况下以自然的方式保持不变。

除了被直接用于导航的要直接测量的信息(特别是障碍物和/或者地标)以外，地图还包含派生的信息。在被接收的地图数据中例如可以包含已识别出的(或者已获悉的)危险区域，例如门槛/台阶(参见图10)或者陡降缘边(例如在楼梯中)，机器人可以从该陡降缘边处跌落并且因此机器人应该小心地在该陡降缘边处行驶或者避免该陡降缘边。例如可能已经基于识别的环境进行了自动的房间划分并且将其存储在接收的地图中。这样的派生的信息可以被重新创建或者如通过用户输入的信息那样被处理。

改善与基站的对接，自主移动机器人一般地包括基站(参见图1，基站110)，在该基站处机器人例如可以为其电池充电。对于清洁机器人来说，基站是已知的，在该基站处可以卸下脏物或者接受清洁液体。

关于机器人如何识别其基站和如何规划与该基站的对接路径，已知有各种不同的工作方法。如果机器人使用其环境的地图进行导航，那么可以在该地图上记录基站的位置。机器人由此可以随时将一个路径规划到基站的附近中，以便机器人可以通过传感器识别出基站并且确定出具体的对接路径。

为了识别基站，已知有各种不同的方法。因此，基站可以将信号例如以红外辐射的形式发出，机器人可以通过传感器，例如摄像机或者光电二极管，识别出该信号并且跟踪该信号到达它的来源处。其他的系统使用导航传感器，借助于该导航传感器收集有关周围环境的信息，以便通过标记或者直接通过其形状识别基站。因此，导航传感器可以是摄像机，在该摄像机的图像采集中可以识别出基站和基站的位置，或者可以识别出安装在该基站上的特定的图案(例如qr码(二维码))。导航传感器也可以是用于距离测量的传感器，借助于该传感器可以确定到障碍物的距离。从距离信息中可以确定障碍物的形状，并且因此可以例如根据其特定的形状来识别基站。

如果已经识别出基站并且已经确定了其相对于机器人的位置，则机器人可以确定用于执行对接操纵的对接路径，并且可以被相应地控制和调节。由于控制命令一般地不是被精确地执行的，而是具有误差，因此，对基站的位置确定和对接路径的适配将以适当的距离重复进行。在这种情况下出现的问题是，导航传感器可能具有最小距离，以便可靠地确定基站的位置。因此，摄像机在近距离中可能提供不了清晰的图像，或者在距离测量中可能需要到传感器的最小距离，以便可靠地测量距离或者识别出基站的足够大的区域。因此，机器人行驶对接路径的最后的一部分而无需附加的控制。特别是在较差的地面，例如铺设地毯的地面)的情况下，在该铺设地毯的地面上机器人的车轮具有很高的打滑程度，由此可能发生与基站的对接失败。在许多情况下，导航传感器被设计成用于收集关于较大的距离的信息。这一般地意味着在近距离范围内没有或者仅有有限的信息(特别是关于在对接操纵期间基站的信息)被收集(例如在摄像机中的错误的聚焦/缺少的聚焦)。在这些情况下，机器人必须“盲”驶通过对接路径的最后几厘米(也就是说在基站近距离范围内)。

如果基站具有标记，借助于该标记可以在近距离范围内可靠地确定机器人相对于基站的相对位置，则可以避免这一点。例如，该标记例如可以通过产生磁场来完成，机器人可以借助于磁力计测量该磁场。特别地，该磁场可以通过永久磁体来产生。替代地或者附加地，可以使用电磁体。永久磁体具有另一个优点，即通过测量磁场，机器人可以检测它是否站在充电站上，而与在充电触头上是否施加有充电电压无关。因此，特别是在电源故障的情况下，机器人也能够识别出它是否站在基站处。这种情况在图11中示出。来自图11中的示意图(a)示例性地显示了具有充电触头111和磁体112的基站110的透视图。示意图(b)示出了与此相关的俯视图。磁铁112不是必须被布置在基站的中间。磁体也可以不对称地布置在基站110中，例如这样地布置，即当机器人被对接时，该磁铁位于一个不对称的(参见图3，示意图(c))在机器人中布置的磁力计的对面。

诸如在图11中，在示意图(a)中的磁体112之类的单个的磁体产生偶极场。这就是说，该磁场在基站前面的每个位置处具有特征方向和特征值。由此原则上可以确定机器人相对于磁体的位置(和定向)并且因此确定机器人相对于基站的位置(和定向)。附加地，可以在对接操纵期间探测磁场和/或者磁场的变化。由此可以获得附加的位置信息。基于以此方式确定的位置(和定向)，可以识别和修正对接路径的错误的执行。对当前执行的对接路径的这种修正特别是在基站的紧邻的环境中是有用的，在该紧邻的环境中，导航传感器(参见图2，传感器单元120)可能是“盲的”或者仅仅提供非常不准确的信息。图12示例性地示出了在对接期间的工作方式。首先，以常规的方式(例如，基于地图)规划用于对接操纵的对接路径(图12，步骤91)。为此目的，一般地借助于导航传感器(参见图2，传感器单元120)来确定基站110相对于机器人100的姿态。在对接操纵期间，通过磁力计(例如，作为传感器单元130的一部分)测量磁场，该磁场由在基站110处的磁体112(参见图11)产生(图12，步骤92)。基于磁场的这些测量，机器人100可以连续地监视它的对接路径，并且如果需要的话还可以对对接路径进行修正(图12，步骤93)。对对接路径的连续监视和修正在围绕基站110的近距离范围内进行，直到机器人成功对接为止(图12，步骤94)。替代地，可能值得期望的是，在导航传感器(见图2，传感器单元120)面向前方指向期间，机器人100应该向后对接到基站上。在这种情况下，机器人100在对接操纵期间完全无法“看见”基站110，在这种情况下，所提到的磁场测量对于控制和修正对接操纵是特别有用的。

可以使用其他的磁体来影响磁场的特征形状并且提高基于磁场测量进行的位置确定的准确性。在来自图11中的示意图(c)和(d)中示出了一些示例。例如，可以将两个磁体这样地组合在一起，即产生四极磁场。多个磁体的组合具有附加的优点，即减小了所产生的磁场的有效范围并且因此减小了通过该磁场对环境的干扰。例如，四极磁场的场强减小的速度比偶极磁场的场强快四倍。因此可以使用局部明显更强的场强并且因此可以在不干扰环境的情况下可靠地进行测量。在来自图11中的示意图(c)的示例中，两个相反取向的磁体沿着轴线进行定向。在这种情况下，机器人可以例如沿着磁力线在磁北极的方向上接近基站。在图11的示意图(d)中，两个磁体被反平行地布置。在这种情况下，机器人可以例如沿着场强的最强的上升处接近基站。机器人的相应的可能的路径用箭头标记出来。在这两种情况下，磁场在短距离内在强度和方向上都强烈地变化，并且因此可以实现相对较精确的定位。场强迅速下降，从而减少了对周围环境的影响(并且特别是优选方向的确定)，或者可以选择更强的磁体。