CN110576436B - 路径计划装置、路径计划方法以及计算机可读记录介质 - Google Patents

Abstract

路径计划装置、路径计划方法以及计算机可读记录介质。路径计划装置具有：路径计划部，其利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据机器人的姿势和在机器人移动时成为障碍的障碍物的特征而确定的多个不同的制约条件；取得部，其取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的机器人的初始姿势和机器人的目标姿势，该障碍物信息与在机器人从初始姿势移动到目标姿势时成为障碍的对象障碍物相关；以及控制部，其对路径计划部进行控制，使得利用适合于如下的制约条件的路径计划法来生成机器人的路径，该制约条件是根据取得部取得的姿势信息和障碍物信息确定的。

Description

路径计划装置、路径计划方法以及计算机可读记录介质

技术领域

本发明涉及路径计划装置、路径计划方法以及计算机可读记录介质。

背景技术

作为自动生成机器人臂部不与障碍物发生干涉的路径的路径计划方法，提出了各种方法(例如，参照专利文献1)。

专利文献1：日本特开2009-211571号公报

发明内容

生成机器人的路径的路径计划法各有优缺点。例如当由于机器人臂部与障碍物的之间位置关系等而使得机器人在移动时存在限制的情况下，如果应用了不适当的路径计划法，则生成路径所花费的时间会增加。在该情况下，存在机器人臂部的实际动作的开始迟缓的问题。

本发明是鉴于上述问题而完成的，其目的在于，提供能够缩短生成机器人的路径所花费的时间的路径计划装置、路径计划方法以及计算机可读记录介质。

本发明的路径计划装置具有：路径计划部，其利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据所述机器人的姿势和在所述机器人移动时成为障碍的障碍物的特征确定的多个不同的制约条件；取得部，其取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的对象机器人的初始姿势和所述对象机器人的目标姿势，该障碍物信息与在所述对象机器人从所述初始姿势移动到所述目标姿势时成为障碍的对象障碍物相关；以及控制部，其对所述路径计划部进行如下控制：基于根据所述取得部取得的所述姿势信息和所述障碍物信息确定的制约条件，对所述多个不同的路径计划法进行评价，将在该制约条件下相比其他路径计划法生成所述对象机器人的路径所花费的时间最短的路径计划法确定为适合于该制约条件的路径计划法；在满足针对所述对象机器人的移动被所述障碍物限制的程度而预先确定的第1制约条件的情况下，利用适合于所述第1制约条件的第1路径计划法来生成所述对象机器人的路径；在不满足所述第1制约条件而满足所述对象机器人的移动被所述障碍物限制的程度比所述第1制约条件低的第2制约条件的情况下，利用适合于所述第2制约条件的第2路径计划法来生成所述对象机器人的路径。所述多个不同的制约条件是所述第1制约条件和所述第2制约条件。

另外，也可以是，所述路径计划部包含：第1路径计划部，其利用适合于所述第1制约条件的第1路径计划法来生成路径；以及第2路径计划部，其利用适合于所述第2制约条件的第2路径计划法来生成路径，所述控制部控制为：在所述对象机器人的从初始姿势到目标姿势的路径中、针对所述对象机器人的姿势与所述对象障碍物之间的关系满足所述第1制约条件的区间，利用所述第1路径计划部来生成路径，针对所述对象机器人的姿势与所述对象障碍物之间的关系满足所述第2制约条件的区间，利用所述第2路径计划部来生成路径。

另外，也可以是，所述控制部控制为：在所述初始姿势与所述障碍物之间的关系满足所述第1制约条件的情况下，针对从所述初始姿势到不满足所述第1制约条件的第1中间姿势的第1区间，利用所述第1路径计划部来生成路径，在所述初始姿势与所述障碍物之间的关系不满足所述第1制约条件的情况下，针对所述第1区间，利用所述第2路径计划部来生成路径，在所述目标姿势与所述障碍物之间的关系满足所述第1制约条件的情况下，针对从不满足所述第1制约条件的第2中间姿势到所述目标姿势的第2区间，利用所述第1路径计划部来生成路径，在所述目标姿势与所述障碍物之间的关系不满足所述第1制约条件的情况下，针对所述第2区间，利用所述第2路径计划部来生成路径，针对从所述第1中间姿势到所述第2中间姿势的第3区间，利用所述第2路径计划部来生成路径。

另外，所述制约条件是基于所述机器人与所述障碍物的位置关系、所述障碍物的种类以及从所述机器人的初始姿势到目标姿势的所述障碍物的数量中的至少一方而确定的。

另外，也可以是，所述制约条件是根据所述障碍物的种类而确定的，所述取得部取得与所述对象障碍物的形状相关的信息来作为所述障碍物信息，所述控制部根据所述对象障碍物的形状来识别所述对象障碍物的种类。

本发明的路径计划方法由计算机执行包含如下工序的处理：路径计划工序，利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据所述机器人的姿势和在所述机器人移动时成为障碍的障碍物的特征而确定的多个不同的制约条件；取得工序，取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的对象机器人的初始姿势和所述对象机器人的目标姿势，该障碍物信息与在所述对象机器人从所述初始姿势移动到所述目标姿势时成为障碍的对象障碍物相关；以及控制工序，控制为基于根据通过所述取得工序取得的所述姿势信息和所述障碍物信息确定的制约条件，对所述多个不同的路径计划法进行评价，将在该制约条件下相比其他路径计划法生成所述对象机器人的路径所花费的时间最短的路径计划法确定为适合于该制约条件的路径计划法；在满足针对所述对象机器人的移动被所述障碍物限制的程度而预先确定的第1制约条件的情况下，利用适合于所述第1制约条件的第1路径计划法来生成所述对象机器人的路径；在不满足所述第1制约条件而满足所述对象机器人的移动被所述障碍物限制的程度比所述第1制约条件低的第2制约条件的情况下，利用适合于所述第2制约条件的第2路径计划法来生成所述对象机器人的路径。所述多个不同的制约条件是所述第1制约条件和所述第2制约条件。

本发明的计算机可读记录介质存储有用于使计算机作为如下部来发挥功能的路径计划程序：路径计划部，其利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据所述机器人的姿势和在所述机器人移动时成为障碍的障碍物的特征而确定的多个不同的制约条件；取得部，其取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的对象机器人的初始姿势和所述对象机器人的目标姿势，该障碍物信息与在所述对象机器人从所述初始姿势移动到所述目标姿势时成为障碍的对象障碍物相关；以及控制部，其对所述路径计划部进行如下控制：基于根据所述取得部取得的所述姿势信息和所述障碍物信息确定的制约条件，对所述多个不同的路径计划法进行评价，将在该制约条件下相比其他路径计划法生成所述对象机器人的路径所花费的时间最短的路径计划法确定为适合于该制约条件的路径计划法；在满足针对所述对象机器人的移动被所述障碍物限制的程度而预先确定的第1制约条件的情况下，利用适合于所述第1制约条件的第1路径计划法来生成所述对象机器人的路径；在不满足所述第1制约条件而满足所述对象机器人的移动被所述障碍物限制的程度比所述第1制约条件低的第2制约条件的情况下，利用适合于所述第2制约条件的第2路径计划法来生成所述对象机器人的路径。所述多个不同的制约条件是所述第1制约条件和所述第2制约条件。

根据本发明，能够缩短生成机器人的路径所花费的时间。

附图说明

图1是拾取放置装置的概略结构图。

图2是示出垂直多关节机器人的一例的立体图。

图3是示出路径计划装置的硬件结构的例子的结构图。

图4是示出路径计划装置的功能结构的例子的框图。

图5是示出机器人的初始姿势的一例的图。

图6是示出机器人的目标姿势的一例的图。

图7是用于对作为路径计划法的PRM进行说明的图。

图8是用于对作为路径计划法的PRM进行说明的图。

图9是用于对作为路径计划法的PRM进行说明的图。

图10是用于对作为路径计划法的PRM进行说明的图。

图11是示出路径计划装置的处理流程的流程图。

图12是示出具体的路径生成处理的流程的流程图。

图13是用于对判定机器人臂部是否被箱围着的情况进行说明的图。

图14是用于对判定机器人臂部是否被箱围着的情况进行说明的图。

图15是示意性地示出路径的示意图。

图16是示意性地示出路径的示意图。

图17是用于对移动机器人的脱离姿势进行说明的图。

图18是用于对类人型机器人的脱离姿势进行说明的图。

标号说明

1：拾取放置装置；10：路径计划装置；30：取得部；31：路径计划部；32：第1路径计划部；34：第2路径计划部；36：控制部；38：存储部。

具体实施方式

下面，参照附图对本发明的实施方式的一例进行说明。另外，对在各附图中相同或等价的构成要素及部分标注相同的参照标号。另外，为了便于说明，附图的尺寸比例有时被夸大，有时与实际的比例不同。

图1是本实施方式的拾取放置装置1的结构图。如图1所示，拾取放置装置1具有机器人RB、图像传感器S以及路径计划装置10。

机器人RB对设置在台20上的箱22中所收纳的未图示的工件进行保持而搬运到置物架24，并载置在置物架24内。

在本实施方式中，作为一例，在机器人RB的机器人臂部的前端安装有机器人手H作为前端执行器，利用机器人手H对箱22内的工件进行抓持而成为保持着工件的状态。然后，在保持着工件的状态下搬运到置物架24，解除工件的保持而将工件进行载置。另外，对工件进行保持的部件并不限于机器人手H，也可以是吸附工件的吸附垫。

在箱22的上方设置有图像传感器S。图像传感器S将收纳在箱22内的未图示的工件的集合即工件集合拍摄为静止图像。

路径计划装置10生成机器人RB的从任意的初始姿势到目标姿势的路径。这里，路径是指使机器人RB从初始姿势向目标姿势动作的情况下的姿势的列表。具体来说，路径计划装置10对从图像传感器S取得的拍摄图像进行图像处理，根据图像处理的结果来识别要保持的工件的位置及姿势。然后，路径计划装置10生成如下的第1路径、第2路径以及第3路径，其中，该第1路径将为了拍摄机器人RB的箱22内的工件而使机器人RB退避到图像传感器S的视野范围外的退避位置的退避姿势设为初始姿势，将机器人RB在箱22内对工件进行保持的保持姿势设为目标姿势，该第2路径将机器人RB从箱22内保持着工件的保持姿势设为初始姿势，将机器人RB使工件载置于置物架24的载置姿势设为目标姿势，该第3路径将机器人RB使工件载置于置物架24的载置姿势设为初始姿势，将为了拍摄箱22内的工件而使机器人RB退避到图像传感器S的视野范围外的退避位置的退避姿势设为目标姿势。另外，也可以构成为具有对置物架24进行拍摄的图像传感器，根据图像传感器所拍摄到的拍摄图像来识别应该载置工件的位置。然后，路径计划装置10将动作指令值输出给机器人RB，以使机器人RB依照所生成的路径来进行动作。

接着，对机器人RB进行说明。在本实施方式中，作为一例，对机器人RB是垂直多关节机器人的情况进行说明，但本发明也能够应用于水平多关节机器人(SCARA机器人)、并联机器人、移动机器人、飞行机器人(无人机)以及类人型机器人等。

图2是示出作为垂直多关节机器人的机器人RB的结构的图。如图2所示，机器人RB是具有基础连杆BL、连杆L1～L6以及接头J1～J6的6个自由度的6轴机器人。另外，接头是将连杆彼此连接起来的关节。另外，以下，将连杆L1～L6及与连杆L6连接的机器人手H统称为机器人臂部。

基础连杆BL和连杆L1借助在图2中以铅直轴S1为中心向箭头C1方向旋转的接头J1而连接。因此，连杆L1以基础连杆BL为支点向箭头C1方向旋转。

连杆L1和连杆L2借助在图2中以水平轴S2为中心向箭头C2方向旋转的接头J2而连接。因此，连杆L2以连杆L1为支点向箭头C2方向旋转。

连杆L2和连杆L3借助在图2中以轴S3为中心向箭头C3方向旋转的接头J3而连接。因此，连杆L3以连杆L2为支点向箭头C3方向旋转。

连杆L3和连杆L4借助在图2中以轴S4为中心向箭头C4方向旋转的接头J4而连接。因此，连杆L4以连杆L3为支点向箭头C4方向旋转。

连杆L4和连杆L5借助在图2中以轴S5为中心向箭头C5方向旋转的接头J5而连接。因此，连杆L5以连杆L4为支点向箭头C5方向旋转。

连杆L5和连杆L6借助在图2中以轴S6为中心向箭头C6方向旋转的接头J6而连接。因此，连杆L6以连杆L5为支点向箭头C6方向旋转。另外，虽然在图2中省略了图示，但在连杆L6安装有机器人手H。

接头J1～J6分别将预定的旋转角度的范围设定为可动区域。

机器人RB的姿势是根据接头J1～J6的各自的旋转角度而确定的。因此，用于使机器人RB进行动作的动作指令值是与机器人RB应该采取的姿势对应的接头J1～J6的各自的旋转角度。

图3是示出本实施方式的路径计划装置10的硬件结构的框图。

如图3所示，路径计划装置10具有CPU(Central Processing Unit：中央处理单元)11、ROM(Read Only Memory：只读存储器)12、RAM(Random Access Memory：随机存取存储器)13、存储装置14、输入部15、监视器16、光盘驱动装置17以及通信接口18。各结构经由总线19以能够相互通信的方式连接。

在本实施方式中，在ROM 12或存储装置14中存储有执行路径计划的路径计划程序。CPU 11是中央运算处理单元，其执行各种程序以及对各结构进行控制。即，CPU 11从ROM12或存储装置14读出程序，并以RAM 13为作业区域来执行程序。CPU 11依照记录在ROM 12或存储装置14中的程序来进行上述各结构的控制及各种运算处理。

ROM 12存储各种程序及各种数据。RAM 13作为作业区域来临时存储程序或数据。存储装置14由HDD(Hard Disk Drive：硬盘驱动器)或SSD(Solid State Drive：固态驱动器)构成，存储包含操作系统在内的各种程序及各种数据。

输入部15包含键盘151及鼠标152等指示器件，用于进行各种输入。监视器16例如是液晶显示器，其显示各种信息。监视器16可以采用触摸面板方式而作为输入部15来发挥功能。光盘驱动装置17进行存储在各种记录介质(CD-ROM或蓝光光盘等)中的数据的读入、针对记录介质的数据的写入等。

通信接口18是用于与机器人RB和图像传感器S等其他设备进行通信的接口，例如，使用了以太网(注册商标)、FDDI、Wi-Fi(注册商标)、USB(Universal Serial Bus：通用串行总线)以及IEEE1394等标准。

接着，对路径计划装置10的功能结构进行说明。

图4是示出路径计划装置10的功能结构的例子的框图。

如图4所示，作为功能结构，路径计划装置10具有取得部30、路径计划部31、控制部36以及存储部38。路径计划部31具有第1路径计划部32及第2路径计划部34。各功能结构是通过由CPU 11读出存储在ROM 12或存储装置14中的路径计划程序并在RAM 13中展开执行而实现的。

路径计划部31利用路径计划法来生成机器人的路径，该路径计划法分别适合于根据机器人的姿势和机器人移动时成为障碍的障碍物的特征而确定的多个不同的制约条件，并且在多个不同的制约条件下是分别不同的。

路径计划部31具有：第1路径计划部32，其利用第1路径计划法来生成路径，该第1路径计划法适合于针对机器人的移动被障碍物限制的程度而预先确定的第1制约条件；以及第2路径计划部34，其利用第2路径计划法来生成路径，该第2路径计划法适合于机器人的移动被障碍物限制的程度比第1制约条件低的第2制约条件。

另外，在本实施方式中，作为一例，对路径计划部31具有第1路径计划部32和第2路径计划部34这两个路径计划部的情况进行说明，但路径计划法也可以构成为具有3个以上的不同的路径计划部。

取得部30取得姿势信息和障碍物信息，其中，该姿势信息示出作为待生成路径的对象的对象机器人即机器人RB的初始姿势和机器人RB的目标姿势，该障碍物信息与在机器人RB从初始姿势移动到目标姿势时成为障碍的对象障碍物相关。另外，图1所示的台20、箱22及置物架24是机器人RB移动时成为障碍的对象障碍物的一例。

这里，机器人RB的初始姿势是指机器人RB开始预定的作业时的姿势。另外，机器人RB的目标姿势是指机器人RB结束了预定的作业时的姿势。例如在图1的例子的情况下，预定的作业是从上述退避位置对箱22中的工件进行保持的第1作业、将所保持的工件载置于置物架24的第2作业、以及为了保持下一个工件而退避到退避位置的第3作业。其中，以第2作业为例来进行说明。在第2作业中，机器人RB的初始姿势例如是如图5所示那样机器人RB的机器人手H对从箱22内的工件集合WS中选择出的工件W进行保持时的姿势。另外，机器人RB的目标姿势是如图6所示那样机器人手H将工件载置于置物架24时的姿势。另外，图5所示的机器人RB的初始姿势及图6所示的机器人RB的目标姿势都只是一个例子，并不限于此。

另外，作为障碍物信息，例如列举了与障碍物的种类、形状及位置等相关的信息。另外，作为障碍物的种类的例子，例如列举了图1所示的板状的台20、箱22、置物架24。另外，也可以将具有一定深度以上的凹部的障碍物的种类定义为“机器人臂部有可能被围着的形状”。

制约条件是根据机器人的姿势和机器人移动时成为障碍的障碍物的特征而确定的。障碍物的特征例如是障碍物的形状、种类、数量等。制约条件例如是根据机器人与障碍物之间的位置关系、障碍物的种类以及从机器人的初始姿势到目标姿势的障碍物的数量中的至少一方而确定的。

具体来说，例如障碍物的种类是箱和置物架等可能围着机器人臂部的形状的障碍物，列举了机器人RB的机器人手H的至少一部分被障碍物围着、机器人RB的机器人手H与障碍物之间的距离为预定的阈值以下、从机器人RB的初始姿势到目标姿势之间的障碍物的数量为预定的数量以上等条件，但并不限于此。

另外，适合于第1制约条件的第1路径计划法是指如下的路径计划法：当在第1制约条件下利用多个不同的路径计划法生成了路径的情况下，与其他路径计划法相比生成路径所花费的时间最短。同样，适合于第2制约条件的第2路径计划法是指如下的路径计划法：当在第2制约条件下利用多个不同的路径计划法生成了路径的情况下，与其他路径计划法相比生成路径所花费的时间最短。

作为路径计划法，可以采用各种公知的方法。例如，作为路径计划法，列举了RRT(Rapidly exploring random tree：快速搜索随机树)、作为RRT的改良版的RRT＊、RRTconnect、EET(Exploring/Exploiting Tree)、作为与RRT类似的随机抽样法的PRM(Probabilistic Roadmap Method：概率路径图法)及其改良版、作为优化方法的CHOMP(Covariant Hamiltonian Optimization for Motion Planning，运动规划的协变哈密顿优化)、STOMP(Stochastic Trajectory Optimazation for Motion Planninng，随机轨迹优化运动规划)等。

这里，在机器人RB的移动被限制的程度比较大的条件下，作为使生成路径所花费的时间比较短的路径计划法，可以列举PRM。以下，对基于PRM的路径的生成概略进行说明。

如图7所示，PRM在配置空间C的障碍物A以外的空间中随机地生成节点N。这里，配置空间是指以机器人RB的接头J1～J6的旋转角度为坐标轴的空间。

接着，如图8所示，将附近的节点N彼此用直线L连接。接着，如图9所示，搜索接近初始姿势B1的节点q’和接近目标姿势B2的节点q”。接着，如图10所示，搜索节点q’与节点q”之间的最短路径K。

PRM事先计算出配置空间中有效的路径，因此即使机器人RB的移动被障碍物限制的程度较大，也能够在短时间内生成路径。

另一方面，在机器人RB的移动被限制的程度较小的条件下，作为生成路径所花费的时间比较短的路径计划法，列举了CHOMP。以下，对基于CHOMP的路径的生成概略进行说明。

首先，将初始姿势和目标姿势用直线连接起来。接着，设定包含示出避开障碍物的容易度和轨迹的平滑度的参数在内的评价函数。然后，求出所设定的评价函数的斜率，利用最速下降法来搜索最佳的路径。

CHOMP在将初始姿势和目标姿势用直线连接起来后开始处理，因此，在机器人RB的周边障碍物较少的情况下，能够在短时间内生成路径的可能性较大。

因此，例如作为第1路径计划法，可以采用PRM，作为第2路径计划法，可以采用CHOMP。

控制部36对路径计划部31进行控制，使得利用如下的路径计划法来生成对象机器人的路径，该路径计划法适合于根据取得部30取得的姿势信息和障碍物信息而确定的制约条件。具体来说，控制部36控制为：针对机器人RB的第1～3路径中的、机器人RB的姿势与障碍物之间的关系满足第1制约条件的区间，利用第1路径计划部32来生成路径，针对机器人RB的姿势与障碍物之间的关系满足第2制约条件的区间，利用第2路径计划部34来生成路径。

存储部38存储路径计划程序、机器人RB的基础连杆BL及连杆L1～L6的形状数据、与接头J1～J6的可动区域相关的信息、机器人手H的形状数据、工件的形状数据、与障碍物的形状及位置相关的信息等各种信息。

接着，对路径计划装置10的作用进行说明。

图11是示出由路径计划装置10的CPU 11执行的路径计划的流程的流程图。当操作者指示执行路径计划时，CPU 11从ROM 12或存储装置14读出路径计划程序，并在RAM 13中展开执行，由此执行路径计划。

作为控制部36，CPU 11对图像传感器S指示拍摄，作为取得部30，CPU 11取得图像传感器S所拍摄到的拍摄图像(步骤S10)。

作为控制部36，CPU 11根据在步骤S10中取得的拍摄图像，判定在箱22内是否存在工件W(步骤S12)。换言之，CPU 11判定是否已从工件集合WS将全部的工件W从箱22搬运到置物架24。具体来说，例如对在步骤S16中取得的拍摄图像实施图像处理，判定在拍摄图像中是否存在工件W。另外，在预先知道最初收纳在箱22中的工件的收纳数的情况下，也可以判定搬运工件的次数是否达到收纳数。

然后，在箱22内不存在工件W的情况下，即在搬运完全部的工件W的情况下(步骤S10：是)，结束本程序。另一方面，在箱22内存在工件W的情况下，即在未搬运完全部的工件的情况下(步骤S10：否)，转移到步骤S14。

作为控制部36，CPU 11根据拍摄图像来选择要保持的工件W，并计算对选择出的工件W进行保持的机器人RB的姿势(步骤S14)。作为要保持的工件W的选择基准，例如列举了选择在工件集合WS中位于最上部的工件W、选择存在于工件集合WS的中央的工件W、选择不与其他工件W重叠的工件W等，但并不限于此。

在选择了要保持的工件W之后，取得用于保持选择出的工件W的机器人手的姿势。这只需例如将与工件W的形状对应的机器人手的姿势预先存储于存储部38并从存储部38读出即可。接着，根据所取得的机器人手的姿势和要保持的工件W的位置及姿势，计算实际用于保持工件W的机器人手的位置及姿势。最后，使用被称为逆运动学(IK：InverseKinematics)的公知的方法，计算用于实现计算出的机器人手的位置及姿势的机器人RB的姿势、即目标姿势。

作为控制部36，CPU 11生成第1路径，该第1路径将机器人RB退避到退避位置的退避姿势设为初始姿势，将机器人RB在箱22内保持工件的保持姿势设为目标姿势(步骤S16)。

作为控制部36，CPU 11生成第2路径，该第2路径将机器人RB从箱22内保持着工件的保持姿势设为初始姿势，将机器人RB使工件载置于置物架24的载置姿势设为目标姿势(步骤S18)。

作为控制部36，CPU 11生成第3路径，该第3路径将机器人RB使工件载置于置物架24的载置姿势设为初始姿势，将机器人RB退避到退避位置的退避姿势设为目标姿势(步骤S20)。

以下，参照图12对第1～3路径的生成处理进行说明。在步骤S16～S20中，分别执行图12的处理。另外，以下，对第2制约条件是不满足第1制约条件的条件的情况进行说明。即，对不满足第1制约条件的情况等同于满足第2制约条件的情况的情况进行说明。

在图12的处理中，作为取得部30，CPU 11取得姿势信息和障碍物信息，其中，该姿势信息示出机器人RB的初始姿势和机器人RB的目标姿势，该障碍物信息与在机器人RB从初始姿势移动到目标姿势时成为障碍的障碍物相关(步骤S100)。

这里，在生成第1路径的情况下，初始姿势是退避姿势，目标姿势是保持姿势。另外，在生成第2路径的情况下，初始姿势是保持姿势，目标姿势是载置姿势。另外，在生成第3路径的情况下，初始姿势是载置姿势，目标姿势是退避姿势。

另外，在生成第2路径的情况下，目标姿势即机器人RB将工件载置于置物架24的载置姿势可以按照以下方式取得。例如，预先示教设置于置物架24的多个载置场所，将所示教的多个载置场所的位置信息及向多个载置场所载置工件的载置顺序存储在作为存储部38的存储装置14中。然后，将把工件载置于依照载置顺序确定的载置场所的情况下的机器人RB的姿势设为目标姿势。另外，与选择要保持的工件的情况同样，也可以设置拍摄置物架24的图像传感器，根据对置物架24进行拍摄而得到的拍摄图像来选择载置工件的载置场所。在该情况下，将在所选择的载置场所载置工件的情况下的机器人RB的姿势设为目标姿势，只要与上述计算第1路径的目标姿势的情况同样地进行计算即可。

如上述那样，机器人RB的姿势是根据接头J1～J6各自的旋转角度而确定的。因此，与机器人RB的初始姿势相关的信息是与初始姿势对应的接头J1～J6的旋转角度的信息。另外，与机器人RB的目标姿势相关的信息是与目标姿势对应的接头J1～J6的旋转角度的信息。

在本实施方式中，作为一例，与在机器人RB从机器人RB的初始姿势移动到目标姿势时成为障碍的障碍物相关的障碍物信息是示出障碍物的形状及位置的信息。障碍物信息例如预先被存储在存储装置14中，能够通过从存储装置14读出而取得。

作为控制部36，CPU 11根据示出在步骤S100中取得的障碍物的形状的信息来识别障碍物的种类(步骤S102)。障碍物的种类的识别是基于预定的规则进行的。作为规则的例子，列举了如下的规则：在障碍物的形状是在高度方向上具有一定深度以上的凹部的形状的情况下，设障碍物的种类为“箱”。另外，列举了如下的规则：在障碍物是在与高度方向垂直的方向上具有一定长度以上的凹部的形状的情况下，设障碍物的种类为“置物架”。另外，列举了如下的规则：在障碍物是具有一定深度以上的凹部的形状的情况下，设障碍物的种类为“机器人臂部可能被围着的形状”。另外，预定的规则并不限于这些。另外，障碍物的种类的识别只要在最初搬运工件时执行即可。因此，在本程序的执行为第二次以后的情况下，也可以省略步骤S102的处理。

作为控制部36，CPU 11将机器人RB的初始姿势设定为第1中间姿势，并且将机器人RB的目标姿势设定为第2中间姿势(步骤S104)。

作为控制部36，CPU 11判定机器人RB的初始姿势是否满足第1制约条件(步骤S106)。具体来说，在障碍物的种类是箱或置物架的情况下，判定机器人RB的机器人臂部的至少一部分是否被箱或置物架围着。例如在障碍物是箱22的情况下，如图13所示，将箱22包围盒(bounding box)化而转换为形状简单的物体22A。然后，在使用公知的干涉判定技术判定为机器人臂部与物体22A发生干涉的情况下，如图14所示，判定为机器人臂部的至少一部分被箱22围着，在判定为机器人臂部不与物体22A发生干涉的情况下，判定为机器人臂部未被箱22围着。这里，干涉是指机器人与障碍物接触。另外，作为公知的干涉判定技术，例如可以使用日本特开2002-273675号公报所记载的技术。另外，也可以通过将箱22凸包化或包围球(bounding sphere)化而转换为简单的形状。

在机器人RB的初始姿势满足第1制约条件的情况下(步骤S106：是)，即，例如在第2路径的生成中，作为机器人RB的初始姿势，在机器人臂部的至少一部分被箱22围着的情况下，CPU 11作为第1路径计划部32来生成从机器人RB的初始姿势起到机器人RB的机器人臂部从箱22脱离后的脱离姿势为止的脱离区间的路径(步骤S108)。这里，机器人RB的脱离姿势是指机器人RB不满足第1制约条件的姿势，即，满足第2制约条件的姿势。具体来说，脱离姿势是机器人臂部从箱22脱离且机器人臂部未被箱22围着的姿势，即，机器人RB的移动被箱22限制的程度较小的姿势。

机器人RB的脱离姿势如拾取放置那样，当机器人RB在某种程度固定的区间内进行动作的情况下，只要事先进行示教并存储在存储部38中即可。在该情况下，只要将机器人手从箱22的中央向铅直方向上侧从箱22完全伸出的姿势作为脱离姿势并存储在存储部38中即可。另外，当机器人RB不是在某种程度固定的区间而是在任意的空间进行动作的情况下，也可以在初始姿势与目标姿势或容易通过路径计划求解的任意姿势之间执行利用第1路径计划部32实现的路径计划，在出现了不满足第1制约条件的姿势的时刻中止利用第1路径计划部32实现的路径计划，将该时刻的姿势设为脱离姿势。另外，脱离区间是本发明的第1区间的一例。

作为控制部36，CPU 11将第1中间姿势设定为脱离姿势(步骤S110)。

另一方面，在机器人RB不满足第1制约条件的情况下(步骤S106：否)，转移到步骤S112。

作为控制部36，CPU 11判定机器人RB的目标姿势是否满足第1制约条件(步骤S112)。具体来说，在障碍物的种类是箱或置物架的情况下，与步骤S106同样地判定机器人RB的机器人臂部的至少一部分是否被箱或置物架围着。

在机器人RB的目标姿势满足第1制约条件的情况下(步骤S112：是)，即，例如在第2路径的生成中，作为机器人RB的目标姿势机器人臂部的至少一部分被置物架24围着的情况下，CPU 11作为第1路径计划部32来生成从机器人RB的机器人臂部即将进入到置物架24之前的进入姿势到目标姿势为止的进入区间的路径(步骤S114)。这里，机器人RB的进入姿势是指机器人RB不满足第1制约条件的姿势，即，机器人臂部进入到置物架24之前的未被置物架24围着的状态的姿势。

机器人RB的进入姿势能够与脱离姿势设定为同样。即，当如拾取放置那样机器人RB在某种程度固定的区间内进行动作的情况下，只要事先进行示教并存储于存储部38即可。在该情况下，只要将机器人手在置物架24的正面完全从置物架24伸出的姿势作为进入姿势存储于存储部38即可。另外，当机器人RB不是在某种程度固定的区间而是在任意的空间进行动作的情况下，也可以在目标姿势与初始姿势或容易通过路径计划求解的任意姿势之间执行利用第1路径计划部32实现的路径计划，在出现了不满足第1制约条件的姿势的时刻中止利用第1路径计划部32实现的路径计划，将该时刻的姿势设为进入姿势。当利用该方法生成了进入区间的路径的情况下，由于生成了从目标姿势朝向进入姿势的路径，所以需要使顺序颠倒。另外，进入区间是本发明的第2区间的一例。

作为控制部36，CPU 11将第2中间姿势设定为进入姿势(步骤S116)。

另一方面，在机器人RB不满足第1制约条件的情况下(步骤S112：否)，转移到步骤S118。

作为第2路径计划部34，CPU 11生成从第1中间姿势到第2中间姿势的搬运区间的路径(步骤S118)。另外，搬运区间是本发明的第3区间的一例。

回到图11，CPU 11根据机器人RB的第1～3路径来生成机器人RB的动作指令值，并发送给机器人RB(步骤S22)。由此，机器人RB依照所生成的第1～第3路径来移动。即，机器人RB按照如下方式进行动作：从退避位置起开始移动而对箱22中的工件进行保持，在将工件载置于置物架24的规定位置之后，返回到退避位置。

在图15中示意性地示出了在第2路径中机器人RB的初始姿势和目标姿势都满足第1制约条件的情况(步骤S106：是，步骤S112：是)下的路径计划。图中的“○”示出配置空间中的机器人RB的姿势。在机器人RB的初始姿势和目标姿势都满足第1制约条件的情况下，如图15所示，针对从初始姿势S到不满足第1制约条件的第1中间姿势C1为止的脱离区间K1和从不满足第1制约条件的第2中间姿势C2到目标姿势M为止的进入区间K3，利用第1路径计划部32来生成路径。另外，针对从第1中间姿势到第2中间姿势的搬运区间K2，利用第2路径计划部34来生成路径。

另外，在图16中示意性地示出了如在图11的步骤S16中生成第1路径的情况那样仅机器人RB的目标姿势满足第1制约条件的情况(步骤S106：否，步骤S112：是)下的路径计划。在该情况下，如图16所示，由于第1中间姿势C1被置换为初始姿势S，所以针对从第1中间姿势C1到第2中间姿势C2的搬运区间K2，利用第2路径计划部34来生成路径。另外，针对从不满足第1制约条件的第2中间姿势C2到目标姿势M的进入区间K3，利用第1路径计划部32来生成路径。

另外，虽然省略了图示，但如在图11的步骤S20中生成第3路径的情况那样在仅机器人RB的初始姿势满足第1制约条件的情况下(步骤S106：是，步骤S112：否)，针对从初始姿势S到第1中间姿势C1的脱离区间K1，利用第1路径计划部32来生成路径。另外，由于第2中间姿势S2被置换为目标姿势M，所以针对从第1中间姿势到第2中间姿势S2(目标姿势M)的搬运区间K2，利用第2路径计划部34来生成路径。

另外，虽然省略了图示，但如在图11的步骤S18中生成第2路径的情况那样在机器人RB的初始姿势和目标姿势都不满足第1制约条件的情况下(步骤S106：否，步骤S112：否)，第1中间姿势C1被置换为初始姿势S，第2中间姿势S2被置换为目标姿势M，因此成为仅搬运区间K2。因此，针对搬运区间K2，利用第2路径计划部34来生成路径。

这样，在本实施方式中，在机器人RB的第1～3路径中，针对机器人RB的姿势与障碍物之间的关系满足第1制约条件的区间，利用第1路径计划部32来生成路径，针对机器人RB的姿势与障碍物之间的关系不满足第1制约条件的、即满足第2制约条件的区间，利用第2路径计划部34来生成路径。

因此，能够缩短生成机器人RB的路径所花费的时间，能够防止机器人RB的动作开始延迟。

路径计划装置10并不限定于上述实施方式，能够进行各种改变。例如，在本实施方式中，根据在图12的步骤S102中示出障碍物的形状的信息来识别障碍物的种类，但也可以将障碍物的种类预先存储在存储装置14中。在该情况下，可以省略步骤S102的处理。

另外，在本实施方式中，对机器人RB是垂直多关节机器人的情况进行了说明，但如上述那样，也可以应用在其他种类的机器人中。但是，当在图12的步骤S108中设定脱离姿势时，需要根据机器人的种类以固有的方法对机器人的种类设定脱离姿势。

例如在生成使图17所示的移动机器人MRB从作为障碍物的车库40脱离的路径的情况下，根据“机器人的前方是车库的出口”这一启发式知识，将朝向移动机器人MRB的前方离开预定距离的位置设为脱离姿势。另外，在移动机器人中一般具有激光雷达等传感器。因此，也可以使用激光雷达等传感器来搜索车库40的开口部，将朝向搜索到的开口部的前方离开预定距离的位置设为脱离姿势。另外，在飞行机器人被障碍物围着的情况下，也能够与移动机器人MRB同样地设定脱离姿势。但是，在障碍物的开口部相对于地面朝向铅直方向开口的情况下，在可沿铅直方向生成路径的点上与移动机器人MRB的情况不同。

另外，例如在图18所示的类人型机器人HRB的机器人臂部的指尖被作为障碍物的箱42围着的情况下，在生成使机器人臂部从箱42脱离的路径时，例如将相当于机器人臂部的手臂肘的位置设为脱离姿势的手的位置。

另外，在上述各实施方式中由CPU读入软件(程序)并执行的路径计划也可以由CPU以外的各种处理器来执行。作为该情况下的处理器，例示了FPGA(Field-ProgrammableGate Array：现场可编程门阵列)等能够在制造之后变更电路结构的PLD(ProgrammableLogic Device：可编程逻辑器件)以及具有ASIC(Application Specific IntegratedCircuit：专用集成电路)等为了执行特定的处理而专门设计的电路结构的处理器、即专用电路等。另外，可以由该各种处理器中的1个来执行路径计划，也可以由同种或不同种的两个以上的处理器的组合(例如，多个FPGA及CPU与FPGA的组合等)来执行路径计划。另外，更具体来说，这些各种处理器的硬件构造是将半导体元件等电路元件组合起来而得的电路。

另外，在上述各实施方式中，对路径计划程序预先存储(安装)于存储装置14或ROM12的方式进行了说明，但并不限定于此。也可以以记录在CD-ROM(Compact Disk Read OnlyMemory：只读光盘)、DVD-ROM(Digital Versatile Disk Read Only Memory：数字多功能只读光盘)以及USB(Universal Serial Bus，通用串行总线)存储器等记录介质中的方式提供程序。另外，也可以是经由网络从外部装置下载程序的方式。此外，在本实施方式中，对由路径计划装置10执行路径计划及其他处理的情况进行了说明，但也可以是在分散环境下执行路径计划及其他处理的方式。

Claims (7)

1.一种路径计划装置，其具有：

路径计划部，其利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据所述机器人的姿势和在所述机器人移动时成为障碍的障碍物的特征确定的多个不同的制约条件；

取得部，其取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的对象机器人的初始姿势和所述对象机器人的目标姿势，该障碍物信息与在所述对象机器人从所述初始姿势移动到所述目标姿势时成为障碍的对象障碍物相关；以及

控制部，其对所述路径计划部进行如下控制：基于根据所述取得部取得的所述姿势信息和所述障碍物信息确定的制约条件，对所述多个不同的路径计划法进行评价，将在该制约条件下相比其他路径计划法生成所述对象机器人的路径所花费的时间最短的路径计划法确定为适合于该制约条件的路径计划法；在满足针对所述对象机器人的移动被所述障碍物限制的程度而预先确定的第1制约条件的情况下，利用适合于所述第1制约条件的第1路径计划法来生成所述对象机器人的路径；在不满足所述第1制约条件而满足所述对象机器人的移动被所述障碍物限制的程度比所述第1制约条件低的第2制约条件的情况下，利用适合于所述第2制约条件的第2路径计划法来生成所述对象机器人的路径，

所述多个不同的制约条件是所述第1制约条件和所述第2制约条件。

2.根据权利要求1所述的路径计划装置，其中，

所述路径计划部包含：

第1路径计划部，其利用适合于所述第1制约条件的第1路径计划法来生成路径；以及

第2路径计划部，其利用适合于所述第2制约条件的第2路径计划法来生成路径，

所述控制部控制为：

在所述对象机器人的从初始姿势到目标姿势的路径中，针对所述对象机器人的姿势与所述对象障碍物之间的关系满足所述第1制约条件的区间，利用所述第1路径计划部来生成路径，针对所述对象机器人的姿势与所述对象障碍物之间的关系满足所述第2制约条件的区间，利用所述第2路径计划部来生成路径。

3.根据权利要求2所述的路径计划装置，其中，

所述控制部控制为：

在所述初始姿势与所述障碍物之间的关系满足所述第1制约条件的情况下，针对从所述初始姿势到不满足所述第1制约条件的第1中间姿势的第1区间，利用所述第1路径计划部来生成路径，在所述初始姿势与所述障碍物之间的关系不满足所述第1制约条件的情况下，针对所述第1区间，利用所述第2路径计划部来生成路径，

在所述目标姿势与所述障碍物之间的关系满足所述第1制约条件的情况下，针对从不满足所述第1制约条件的第2中间姿势到所述目标姿势的第2区间，利用所述第1路径计划部来生成路径，在所述目标姿势与所述障碍物之间的关系不满足所述第1制约条件的情况下，针对所述第2区间，利用所述第2路径计划部来生成路径，

针对从所述第1中间姿势到所述第2中间姿势的第3区间，利用所述第2路径计划部来生成路径。

4.根据权利要求1～3中的任意一项所述的路径计划装置，其中，

所述制约条件是基于所述机器人与所述障碍物之间的位置关系、所述障碍物的种类以及从所述机器人的初始姿势到目标姿势的所述障碍物的数量中的至少一方而确定的。

5.根据权利要求4所述的路径计划装置，其中，

所述制约条件是根据所述障碍物的种类而确定的，

所述取得部取得与所述对象障碍物的形状相关的信息作为所述障碍物信息，

所述控制部根据所述对象障碍物的形状来识别所述对象障碍物的种类。

6.一种路径计划方法，由计算机执行包含如下工序的处理：

路径计划工序，利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据所述机器人的姿势和在所述机器人移动时成为障碍的障碍物的特征而确定的多个不同的制约条件；

取得工序，取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的对象机器人的初始姿势和所述对象机器人的目标姿势，该障碍物信息与在所述对象机器人从所述初始姿势移动到所述目标姿势时成为障碍的对象障碍物相关；以及

控制工序，控制为基于根据通过所述取得工序取得的所述姿势信息和所述障碍物信息确定的制约条件，对所述多个不同的路径计划法进行评价，将在该制约条件下相比其他路径计划法生成所述对象机器人的路径所花费的时间最短的路径计划法确定为适合于该制约条件的路径计划法；在满足针对所述对象机器人的移动被所述障碍物限制的程度而预先确定的第1制约条件的情况下，利用适合于所述第1制约条件的第1路径计划法来生成所述对象机器人的路径；在不满足所述第1制约条件而满足所述对象机器人的移动被所述障碍物限制的程度比所述第1制约条件低的第2制约条件的情况下，利用适合于所述第2制约条件的第2路径计划法来生成所述对象机器人的路径，

所述多个不同的制约条件是所述第1制约条件和所述第2制约条件。

7.一种计算机可读记录介质，其存储有用于使计算机作为如下的部来发挥功能的路径计划程序：

路径计划部，其利用多个不同的路径计划法来生成机器人的路径，该多个不同的路径计划法分别适合于根据所述机器人的姿势和在所述机器人移动时成为障碍的障碍物的特征而确定的多个不同的制约条件；

取得部，其取得姿势信息和障碍物信息，该姿势信息示出作为待生成路径的对象的对象机器人的初始姿势和所述对象机器人的目标姿势，该障碍物信息与在所述对象机器人从所述初始姿势移动到所述目标姿势时成为障碍的对象障碍物相关；以及

控制部，其对所述路径计划部进行如下控制：基于根据所述取得部取得的所述姿势信息和所述障碍物信息确定的制约条件，对所述多个不同的路径计划法进行评价，将在该制约条件下相比其他路径计划法生成所述对象机器人的路径所花费的时间最短的路径计划法确定为适合于该制约条件的路径计划法；在满足针对所述对象机器人的移动被所述障碍物限制的程度而预先确定的第1制约条件的情况下，利用适合于所述第1制约条件的第1路径计划法来生成所述对象机器人的路径；在不满足所述第1制约条件而满足所述对象机器人的移动被所述障碍物限制的程度比所述第1制约条件低的第2制约条件的情况下，利用适合于所述第2制约条件的第2路径计划法来生成所述对象机器人的路径，

所述多个不同的制约条件是所述第1制约条件和所述第2制约条件。

Images