CN108422420B - 具有学习控制功能的机器人系统以及学习控制方法 - Google Patents

Abstract

本发明提供一种具有学习控制功能的机器人系统以及学习控制方法。机器人系统具备传感器、动作控制部以及具有动作控制部的机器人控制装置。学习控制部进行如下学习控制：计算出用于校正动作控制部通过动作指令使机器人动作时的、在机器人的控制对象部位产生的振动的振动校正量，并将振动校正量应用于下次的动作指令。学习控制部具有：多个学习控制器，其用于计算出振动校正量；以及选择部，其根据由设为学习控制的对象的动作程序使机器人动作时的机器人的动作信息，来选择多个学习控制器中的一个。

Description

具有学习控制功能的机器人系统以及学习控制方法

技术领域

本发明涉及具有学习控制功能的机器人系统以及学习控制方法。

背景技术

在使用机器人的生产现场，有时为了提升生产效率，而谋求使机器人的动作高速化来缩短周期时间。但是，若使机器人的动作以某种程度以上高速化，则可能因减速机的失真、或机器人手臂部自身的刚性不足等，而在动作过程中的机器人的末端的手尖部产生振动。

作为这样的问题的应对法，以往，将加速度传感器安装于机器人的手尖部，一边通过加速度传感器来测量机器人动作过程中的振动一边反复实施学习控制来降低该振动(例如，参照日本特开2011-167817号公报)。在上述的学习控制中，在基于预定的动作程序的机器人的动作过程中，根据由加速度传感器获得的振动的数据来计算用于校正该振动的振动校正量。将计算出的振动校正量应用于下次的基于相同动作程序的伺服控制。

机器人因机器人的使用范围，即安装于手尖部的末端执行器的移动范围而使得机器人的姿势发生变化。在机器人的姿势大不相同的使用范围中，产生于机器人的振动的特性大不相同。

因此，在针对机器人应用学习控制时，即使机器人的使用范围发生变化也可以通过学习控制来降低振动，所谓的鲁棒性(robust)尤为重要。

关于这方面，提出了如下方案：按机器人不同的姿势测定频率应答，在这些所有的姿势中设计确保鲁棒性的学习控制器(例如，参照日本特开2011-167817号公报)。

此外，机器人的使用范围有可能因把持机械手或者焊枪等末端执行器的种类而发生变化。关于这方面，提出了如下方案：在进行学习控制时，通过与施加于机器人的负载对应地切换神经网络的参数而准确地推定振动，以该振动的数据为基础，确保针对负载的变化的鲁棒性(例如，参照日本特开平11-111701号公报)。

设为学习控制的对象的机器人在学习控制没有结束时无法开始实际的作业。因此，不仅所述鲁棒性，就连以尽可能少的学习控制次数取得最佳的振动校正量也尤为重要。但是，针对机器人的姿势或末端执行器有可能变化得大的某个机器人的宽广的使用范围，设计一个确保所述鲁棒性的学习控制器时，存在取得最佳的振动校正量所需的学习控制的次数增加这样的问题

发明内容

因此，希望可以针对假定的机器人的使用范围确保基于学习控制的振动降低效果，并且可以抑制学习控制次数的增加。

本公开的一方式是一种机器人系统，具备：机器人、具有对该机器人的动作进行控制的动作控制部的机器人控制装置、以及对在所述机器人的控制对象部位产生的振动进行检测的传感器。机器人控制装置包括进行如下学习控制的学习控制部:计算出用于校正动作控制部通过动作指令使机器人动作时的振动的振动校正量，并将该振动校正量应用于下次的所述动作指令。

并且，在一方式的机器人系统中，学习控制部具有：

多个学习控制器，其被分别分配给机器人的假定的多个使用范围，并用于计算出振动校正量；以及

选择部，其根据由设为学习控制的对象的动作程序使机器人动作时的该机器人的动作信息，来选择多个学习控制器中的一个。

所述动作信息包括使机器人的前端部移动的位置的信息以及末端执行器对前端部施加的负载的信息，各使用范围是由使机器人的前端部移动的位置的范围和与末端执行器对应的所述负载的范围这两者定义的范围。

本公开的其他方式是一种机器人的学习控制方法，计算出用于校正根据动作指令使机器人动作而在该机器人的控制对象部位产生的颤动的振动校正量，并将该振动校正量应用于下次的动作指令。

并且该学习控制方法可以包含如下工序：

具有多个学习控制器的计算机从设为学习控制的对象的动作程序获取机器人的动作信息，其中，该多个学习控制器被分别分配给机器人的假定的多个使用范围，并用于计算出振动校正量；

计算机根据动作信息，选择多个学习控制器中的一个；以及

计算机通过所选择的学习控制器进行所述学习控制。

在上述其他的学习控制方法中，动作信息包括使机器人的前端部移动的位置的信息以及末端执行器对前端部施加的负载的信息，各使用范围是由使机器人的前端部移动的位置的范围和与末端执行器对应的负载的范围这两者定义的范围。

从附图所示的本申请的典型的实施方式的详细说明中可以明，本公开的一方式涉及的目的、特征以及优点和其他的目的、特征以及优点。

附图说明

图1是用于说明一实施方式的机器人系统的框图。

图2是示意性地表示学习控制部的结构例的图。

图3是表示机器人的假定使用范围的一例的图。

图4是表示针对图3所示的假定使用范围的追加的示例的图。

图5是示意性地表示学习控制部的其他结构例的图。

图6是表示由学习控制部进行的处理流程的一例的流程图。

图7是表示能够应用于一实施方式的机器人系统的机器人的一例的图。

图8是用于说明图7所示的机器人的构成要素与坐标系的图。

具体实施方式

接下来，参照附图对本公开的实施方式进行说明。在参照的附图中，对相同的结构部分或者功能部分标注相同的参照符号。为了容易理解，这些附图可以适当变更比例尺。此外，附图所示的方式是用于实施本发明的一个示例，本发明并非局限于图示的形态。

图1是用于说明一实施方式的机器人系统1的框图。图2是示意性地表示图1所示的学习控制部14的结构例的图。

如图1所示，机器人系统1具有机器人11和机器人控制装置10，该机器人控制装置10具有控制机器人11的动作的动作控制部13。机器人系统1具有对产生于机器人11的控制对象部位的振动进行检测的传感器12。

机器人11可以是垂直多关节机器人、水平多关节机器人、平行连杆机器人等。此外，上述机器人11的控制对象部位可以是能够安装末端执行器(end effector)的、机器人臂部末端的手尖部(以后，有时称为前端部。)。该末端执行器是把持机械手、加工工具、焊枪、或者激光照射装置等。

机器人控制装置10还具有学习控制部14，该学习控制部14进行如下学习控制：计算用于校正动作控制部13通过动作指令使机器人11动作时产生于该机器人11的控制对象部位的振动的振动校正量，并将该振动校正量应用于下次相同的动作指令。

并且，机器人控制装置10还具有：动作指令部15，其根据设为学习控制的对象的动作程序生成上述动作指令并输出给动作控制部13，并且将预先记述于该动作程序的机器人11的动作信息输出给学习控制部14。

机器人控制装置10是计算机系统。上述动作程序通过事先的机器人示教而存储于机器人控制装置10内的存储器(未图示)。

动作指令部15中可以应用计算机的CPU(Central Processing Unit：中央处理单元)，该CPU通过读入存储于该存储器的动作程序而生成动作指令值。这样的动作指令部15可以不设置于机器人控制装置10，而设置于与机器人控制装置10相连接的上位计算机(未图示)。此外，计算机也可以分别应用于动作控制部13和学习控制部14。

如图2所示，学习控制部14具有：选择部17，其选择用于计算所述振动校正量的多个学习控制器16a～16d中的一个。

多个学习控制器16a～16d被分别分配给分割了机器人11的假定使用范围UR而得的多个使用范围。

选择部17根据由设为所述学习控制的对象的动作程序而使机器人11动作时的动作信息，来确定上述多个使用范围中的一个。选择部17选择多个学习控制器16a～16d中的、与该确定的使用范围对应的学习控制器。

上述机器人11的动作信息包括使机器人11的前端部移动的位置的信息、和末端执行器针对该前端部施加的负载的信息。可以以上述动作程序为基础取得这些信息。另外，机器人11的姿势与机器人11前端部(手尖部)的位置对应地发生变化，因此，所述的使机器人11的前端部移动的位置的信息是动作中的机器人11可以获得的姿势的信息。

上述多个使用范围的每一个可以是由使机器人11的前端部移动的位置的范围和对应于上述末端执行器的负载的范围这两者定义的范围。

图3是表示所述机器人11的假定使用范围UR的一例的图。

例如，如图3所示的图表那样，机器人11的假定使用范围UR由机器人11可以获得的姿势的假定范围和根据末端执行器施加于机器人11的手尖部的负载的假定范围这两者定义的。在该图表中，将横轴设为机器人姿势的假定范围，将纵轴设为对应于末端执行器的负载的假定范围。

假定使用范围UR被分割成四个小范围R₁～R₄。所述学习控制器16a～16d被分别分配给四个小范围R₁～R₄。该情况下，学习控制部14取得机器人11可以获得的姿势的信息和末端执行器针对机器人11的前端部施加的负载的信息这两者，作为所述机器人11的动作信息。

学习控制部14的选择部17根据所取得的机器人姿势的信息和末端执行器的负载的信息这两者，确定四个小范围R₁～R₄中的一个。选择部17选择与该确定的小范围对应的学习控制器。

更具体来说，机器人11的动作程序中记述有机器人11的手尖部应该从始动位置移动的目标位置。例如，有时旋转机器人11的臂部而使机器人11的手尖部只在远离机器人基座部的范围移动。此外，有时旋转机器人11的臂部使机器人11的手尖部只在靠近机器人基座部的范围移动。使手尖部在远离机器人基座部的范围移动时的机器人11的姿势与使手尖部在靠近机器人基座部的范围移动时的机器人11的姿势不同。因此，动作指令部15从动作程序中提取机器人11的手尖部的目标位置的最小值与最大值，并能够以这些值为基础，推定机器人11的手尖部的移动范围。在图3的图表中，将这样的机器人11的手尖部的移动范围设为机器人11可以获得的姿势的范围。

此外，在机器人11的动作程序中，对使用怎样的末端执行器使机器人11以怎样的方式动作进行了编程。例如，制作如下动作程序：作为末端执行器使用把持机械手而使机器人11执行工件的挑选和安置这样的动作程序。或者，制作如下程序：作为末端执行器使用点焊枪而使机器人11执行点焊这样的动作程序。机器人控制装置10可以将装配于机器人11的前端部的末端执行器的每一种类(例如把持机械手、或者点焊枪等)的负载质量的数据预先存储于存储器中。动作指令部15根据所述动作程序确定末端执行器的种类。动作指令部15可以将与所确定的末端执行器对应的负载质量的数据作为机器人11的动作信息而从上述存储器中读出并输出给学习控制部14。

因此，如上所述，学习控制部14可以从动作指令部15中取得机器人11的姿势和末端执行器的负载这两者的信息。

另外，所述示例不过是一例。此外，将机器人11的假定使用范围UR分割成四个小范围R₁～R₄，但是分割数量不限于此。像图3的图表那样，也可以将横轴所示的机器人姿势的范围分割成三个范围以上。或者，还可以将纵轴所示的负载的范围分割成三个范围以上。

并且，图4是表示针对图3所示的假定使用范围UR的追加的示例的图。有时机器人11可以获得的姿势的范围，即机器人11的前端部的移动范围因动作程序而没有被分别收纳于小范围R₁～R₄中。因此，如图4所示，也可以假定跨过小范围R₁与R₂双方的中范围R₅和跨过小范围R₃与R₄双方的中范围R₆。并且，还可以针对中范围R₅与中范围R₆分别分配用于计算所述振动校正量的两个追加的学习控制器。通过该结构，机器人控制装置10即使从设为学习控制的对象的动作程序中取得超过小范围R₁～R₄的每一个的机器人姿势(即，手尖部的位置)，也可以实施有效的学习控制。

图5是示意性地表示学习控制部14的其他结构例的图。所述学习控制部14如图5所示，也可以具有：判定部18，其在实施学习控制的过程中根据传感器12的检测值，即产生于机器人11的控制对象部位的动作的信息，判定选择部17选择出的学习控制器是否是最佳。

这里所谓的“学习控制器最佳”表示通过选择出的学习控制器降低上述控制对象部位的振动。

并且，在图5所示的其他结构例的情况下，在通过判定部18判定为选择部17选择出的学习控制器不是最佳时，选择部17将其切换为多个学习控制器16a～16d中的其他学习控制器。选择部17可以进行学习控制器的切换直至通过判定部18判定为选择的学习控制器是最佳为止。

图6是表示由所述机器人控制装置10进行的学习控制方法的一例的流程图。图6所示的处理流程是本公开的机器人控制方法的一例。执行图6所示的处理流程的机器人控制装置10可以由数字计算机构成。

首先，在图6的步骤S11中，机器人控制装置10从设为学习控制的对象的动作程序中取得机器人11的动作信息。

在接着的步骤S12中，机器人控制装置10根据取得的动作信息，确定分割了机器人11的假定使用范围UR而得的多个小范围R₁～R₄中的一个，选择多个学习控制器16a～16d中的、与该确定的小范围对应的学习控制器。

在接着的步骤S13中，机器人控制装置10通过选择出的学习控制器来实施学习控制。

在接着的步骤S14中，机器人控制装置10根据传感器12的检测值，即产生于机器人11的振动的信息，判定选择出的学习控制器是否是最佳。

在上述步骤S14的判定结果中，当选择出的学习控制器不是最佳时，机器人控制装置10将其切换为多个学习控制器16a～16d中的其他学习控制器(步骤S15)。并且，机器人控制装置10反复进行上述步骤S13～步骤S15直至判定为选择出的学习控制器是最佳为止。

另一方面，在上述步骤S14的判定结果中，当选择出的学习控制器是最佳时，机器人控制装置10通过选择出的学习控制器反复实施规定次数的学习控制(步骤S16)，结束学习控制。

并且，对一实施方式的机器人系统1进行具体说明。

图7是表示能够应用于所述机器人系统1的机器人11的一例的图。图8是用于说明图7所示的机器人11的结构要素与坐标系的图。

本实施方式的机器人11是图7所示那样的六轴的垂直多关节机器人。机器人11如图8所示具有：六个关节轴11b1～11b6、与各关节轴11b1～11b6连结的臂部11a、以及在关节轴11b1～11b6的周围驱动机器人11的结构部件的伺服电动机(未图示)。当然，机器人11的方式不局限于图1所示的方式，也可以是水平多关节机器人或平行连杆机器人等。

上述的传感器12安装于在机器人11的前端部19设置的末端执行器20。通过该结构，本实施方式的传感器12检测产生于机器人11的控制对象部位即前端部19的振动。传感器12相对于机器人11装卸自如。作为末端执行器20可以使用工具部、机械手部、螺栓紧固部、焊枪等。

机器人11如图8所示，具有：固定于空间上的世界坐标系21、设定于机器人11的手腕部的末端凸缘的机械接口坐标系22。世界坐标系21与机械接口坐标系22分别是三维垂直坐标系。

另外，对于世界坐标系21以及机械接口坐标系22的每一个来说，为了方便，在图8中通过放大图进行了表示。在世界坐标系21中，在图8的右方向定义为+X轴，在图8的上方向定义为+Z轴，在针对图8的纸面深度方向定义为+Y轴。在机械接口坐标系22中，在图8的右方向定义为+X轴，在图8的下方向定义为+Z轴，在针对图8的纸面前方向定义为+Y轴。在本实施方式中，事先通过校准而决定世界坐标系21与机械接口坐标系22的位置的相关性。通过该结构，机器人控制装置10的动作控制部13可以使用由世界坐标系21定义的位置来控制安装了末端执行器20的机器人11的前端部19的位置。

本实施方式的机器人控制装置10如图7所示经由线缆23与机器人11相互连接。传感器12通过线缆或者无线通信可通信地与机器人控制装置10相连接。

作为本实施方式的传感器12使用了加速度传感器，但是能够使用的传感器12不局限于加速度传感器。此外，本实施方式的传感器12设置于机器人11的前端部19，但是传感器12的设置场所也没有被限定。也就是说，只要可以检测产生于机器人11的控制对象部位的振动，不追究传感器12的种类和设置场所。传感器12也可以设置于远离机器人11的场所。因此，作为能够使用的传感器12例如可以是陀螺传感器、惯性传感器、力传感器、激光跟踪器、摄像机、或者动作捕捉装置等。由于这些装置都可以测量某个位置的经时变化，因此可以检测测量出的位置中的振动量。

例如，是加速度传感器的情况下，如果对机器人11的控制对象部位的加速度进行二次积分则可以计算位置，因此，可以从计算出的位置的变化中检测振动量。是力传感器的情况下，可以根据产生于控制对象部位的转矩或者力矩求出从该对象部位的初始位置起的旋转角，可以以该旋转角为基础计算该对象部位的位移量，即振动量。

这里，再次参照图1，机器人11被伺服电动机24驱动。伺服电动机24内置有脉冲编码器(未图示)，该脉冲编码器检测位置反馈值(以下，称为位置FB。)和速度反馈值(以下，称为速度FB。)

图1所示的动作指令部15根据预先制作出的动作程序，生成使机器人动作的动作指令并输出给动作控制部13。动作程序存储于机器人控制装置10内的ROM等存储器内。此外，动作指令部15将预先记述于上述动作程序的机器人11的动作信息输出给学习控制部14。

并且，机器人控制装置10的动作控制部13具有：位置控制部31、速度控制部32、电流控制部33、以及放大器34。

位置控制部31对从动作指令部15作为动作指令而给予的位置指令值与伺服电动机24输出的位置FB之差即第一位置偏差量进行处理，并对速度控制部32输出速度指令值。

速度控制部32对从位置控制部31给予的速度指令值与伺服电动机24输出的速度FB之差即速度偏差量进行处理，并对电流控制部33输出电流指令值。

电流控制部33对从速度控制部32给予的电流指令值与来自放大器34的电流FB(即，电流反馈值)之差即电流偏差量进行处理，并对放大器34输出电流指令值(转矩指令值)。

放大器34从电流控制部33接收各电流指令值。放大器34根据接收到的电流指令值，生成驱动伺服电动机24的驱动电流，并驱动伺服电动机24。

当按照来自动作指令部15的动作指令，驱动与机器人11的各关节轴11b1～11b6连接的伺服电动机24时，安装有末端执行器20的机器人11的前端部19移动至所指示的位置。

传感器12对动作控制部13根据动作指令进行了机器人11的动作控制的期间产生于机器人11的前端部19的振动进行检测。传感器12的检测值被输入到学习控制部14(参照图2)。

学习控制部14是用于进行所谓的学习控制的功能部分。具体来说，动作指令部15以预定的控制周期将动作指令值重复输出给动作控制部13。动作控制部13通过该动作指令值来控制机器人11的动作，并且在每个控制周期将相同的动作指令值也输出给学习控制部14。学习控制部14进行如下学习控制：每当进行动作指令值的输入时，计算用于校正产生于上述前端部19的振动的振动校正量，并将该振动校正量应用于基于下个相同的动作指令的机器人11的动作控制中。学习控制部14通过反复进行这样的学习控制，降低产生于机器人11的前端部19的振动。

例如，在生产现场，机器人操作员在通过动作程序使机器人11实际运转之前，使用与实际运转时相同的动作程序来使机器人控制装置10执行反复的学习控制。通过反复的学习控制，如果机器人11的前端部19的振动充分降低，则最后计算出的振动校正量被保存于机器人控制装置10内的存储器中。当在生产现场通过上述动作程序使机器人11实际运转时使用保存的振动校正量。

为了计算振动校正量而使用了传感器12，但是在学习控制结束之后，从机器人11的前端部19的末端执行器20拆除传感器12。

此外，通过在每个预定的控制周期对从动作指令部15输入到学习控制部14的动作指令值和输入到学习控制部14的传感器12的检测值之差即第二位置偏差量进行运算处理，而获得计算振动校正量所需的振动量数据。并且，可以通过推定所获得的振动数据的近似式，将推定出的近似式进行逆变换来计算振动校正量。换言之，振动校正量是用于将时间序列的振动量数据校正为零附近的函数。

如上所述，用于求出上述振动校正量的多个学习控制器16a～16d被设于学习控制部14(参照图2、图5)。本实施方式的学习控制部14具有：选择部17，其在如上所述地执行学习控制时，根据机器人11的动作信息选择多个学习控制器16a～16d中的一个。多个学习控制器16a～16d被分别分配给分割了机器人11的假定使用范围UR而得的多个小范围R₁～R₄(参照图3)。

在机器人11是六轴的垂直多关节机器人(参照图7、图8)时，机器人11的动作信息是从由世界坐标系21定义的机器人11的前端部19的目标位置获得的机器人11的姿势的信息以及末端执行器20施加于机器人11的前端部19的负载的信息这两者。该机器人姿势的信息相当于前端部19的移动范围的信息，该前端部19的位置可以设为以世界坐标系21的原点为基准的机械接口坐标系22的原点的位置。根据这样的机器人11的姿势与负载这两者的信息，选择部17确定多个小范围R₁～R₄中的一个，选择与该确定出的小范围对应的学习控制器。

根据以上所说明那样的机器人系统1和学习控制方法，根据通过学习控制的对象程序使机器人11动作时的机器人11的动作信息，选择与分割了机器人11的假定使用范围UR而得的多个小范围R₁～R₄中的一个相符合的学习控制器。通过该控制，可以针对机器人11的假定使用范围UR保存基于学习控制的振动降低效果，并且可以抑制学习控制次数的增加。

进一步来说，相比于针对机器人11的姿势和末端执行器20有可能变化得大的机器人11的宽广的使用范围设计单一的学习控制器的情况，在本实施方式的情况下，各学习控制器所需的鲁棒性(robustness)低。因此，像本实施方式这样，针对分割了机器人11的宽广的使用范围而得的多个小范围的每一个分配学习控制器，可以以比较少的学习控制的次数来取得最佳的振动校正量。

根据本公开的方式，可以针对假定的机器人的使用范围保存基于学习控制的振动降低效果，并且可以抑制学习控制次数的增加。

以上，使用典型的实施方式对本发明进行了说明，但是只要是本领域的技术人员可以在不脱离本发明的范围内对上述实施方式进行变更以及各种其他变更、省略、追加。

Claims (6)

1.一种机器人系统，具备：机器人、具有对该机器人的动作进行控制的动作控制部的机器人控制装置、以及对在所述机器人的控制对象部位产生的振动进行检测的传感器，其特征在于，

所述机器人控制装置包括进行如下学习控制的学习控制部：计算出用于校正所述动作控制部通过动作指令使所述机器人动作时的所述振动的振动校正量，并将该振动校正量应用于下次的所述动作指令，

所述学习控制部具有：

多个学习控制器，其被分别分配给所述机器人的假定的多个使用范围，并用于计算出所述振动校正量；

选择部，其根据由设为所述学习控制的对象的动作程序使所述机器人动作时的该机器人的动作信息，来选择所述多个学习控制器中的一个；以及

判定部，其根据实施所述学习控制过程中从所述传感器获得的所述振动的信息，来判定所述选择部选择的所述学习控制器是否为最佳，

所述动作信息包括使所述机器人的前端部移动的位置的信息以及末端执行器对所述前端部施加的负载的信息，

各所述使用范围是由使所述机器人的前端部移动的位置的范围和与所述末端执行器对应的所述负载的范围这两者定义的范围，

在通过所述判定部判定为所述选择的学习控制器不为最佳时，所述选择部切换为所述多个学习控制器中的其他学习控制器。

2.根据权利要求1所述的机器人系统，其特征在于，

所述选择部形成为根据所述前端部的移动位置的信息和所述负载的信息，确定所述多个使用范围中的一个，并选择所述多个学习控制器中与该确定的使用范围对应的学习控制器。

3.根据权利要求1或2所述的机器人系统，其特征在于，

所述选择部切换为其他学习控制器以使从所述传感器获得的振动比应用所述振动校正量之前的振动小。

4.一种机器人的学习控制方法，计算出用于校正根据动作指令使机器人动作而在该机器人的控制对象部位产生的振动的振动校正量，并将该振动校正量应用于下次的所述动作指令，其特征在于，

所述机器人的学习控制方法包含：

具有多个学习控制器的计算机从设为所述学习控制的对象的动作程序获取所述机器人的动作信息，其中，该多个学习控制器被分别分配给所述机器人的假定的多个使用范围，并用于计算出所述振动校正量；

所述计算机根据所述动作信息，选择所述多个学习控制器中的一个；以及

所述计算机通过所述选择的学习控制器进行所述学习控制，

所述动作信息包括使所述机器人的前端部移动的位置的信息以及末端执行器对所述前端部施加的负载的信息，

各所述使用范围是由使所述机器人的前端部移动的位置的范围和与所述末端执行器对应的所述负载的范围这两者定义的范围，

在所述机器人上安装有对在所述控制对象部位产生的振动进行检测的传感器，

所述机器人的学习控制方法包含：所述计算机根据实施所述学习控制过程中从所述传感器获得的所述振动的信息来判定所述选择的学习控制器是否为最佳，在该判定的结果为所述选择的学习控制器不为最佳时切换为所述多个学习控制器中的其他学习控制器。

5.根据权利要求4所述的机器人的学习控制方法，其特征在于，

选择所述多个学习控制器中的一个的过程中，根据所述前端部的移动位置的信息和所述负载的信息，确定所述多个使用范围中的一个，并选择所述多个学习控制器中与该确定的使用范围对应的学习控制器。

6.根据权利要求4或5所述的机器人的学习控制方法，其特征在于，

切换为其他学习控制器以使从所述传感器获得的振动比应用所述振动校正量之前的振动小。

Images