CN110722552B - 自动路径生成装置 - Google Patents

Abstract

本发明提供一种自动生成机器人动作的有效的动作路径的自动路径生成装置。该自动路径生成装置具备：预处理部，其根据临时动作路径和实际动作路径来生成监督数据，该临时动作路径为机器人进行动作的多个动作点间的动作路径且使用动作计划法算法自动生成，该实际动作路径为该动作点间的动作路径且由熟练的作业人员生成；以及动作路径学习部，其使用预处理部生成的监督数据来生成学习了临时动作路径和实际动作路径之间的差异的学习完成模型。

Description

自动路径生成装置

技术领域

本发明涉及一种自动路径生成装置。

背景技术

在进行点焊或电弧焊接的机器人进行动作时的动作路径(表示决定焊工具的位置或姿势的机器人的各轴的坐标值、速度等的时间系列数据)通过作业人员的示教来生成。机器人的动作路径根据表示被预先提供的工件上的打点位置的数据和表示作为CAD数据被提供的工件或夹具的形状的数据，通过RRT(Rapidly exploring Random Tree，快速探索随机树)等动作计划法算法来自动生成(例如日本再表2017/119088号公报)。另外，还存在一种根据机器人的运动模型来自动生成动作路径的算法。

在自动生成机器人的移动路径的情况下，例如在点焊中使妨碍机器人动作的工件或夹具回避，并且生成使机器人向应该焊接的打点位置依次移动的动作路径。但是，在自动生成动作路径的情况下，例如不考虑之前的打点位置的机器人的姿势、回避工件或夹具时使机器人有效地移动以及对机器人的轴(关节)施加的负荷等。熟练的作业人员考虑对这种机器人的有效动作带来影响的各种要素，手工对机器人示教动作路径。但是，这种手工进行的示教作业对作业人员来说是负担。另外，手工进行的示教作业由于花费时间，因此会有周期时间延长的问题。这种问题不限于焊接机器人，在操作机器人(Handling robot)等其他机器人中也会产生。

因此本发明的目的为提供一种自动生成机器人动作的有效的动作路径的自动路径生成装置。

发明内容

本公开一个实施方式的自动路径生成装置根据机器人进行任意一个动作的动作点的位置(例如点焊的打点位置)以及工件、夹具等干扰物的形状，通过RRT等动作计划法算法来自动生成动作路径(以下称为临时动作路径)。自动路径生成装置具有机器学习装置。机器学习装置根据熟练的作业人员手工生成的动作路径(以下称为实际动作路径)和自动生成的动作路径来学习临时动作路径和实际动作路径之间的相关。这里，由熟练的作业人员手工生成的动作路径是根据与动作计划法算法为了生成动作路径所使用的动作点的位置以及干扰物的形状相同的动作点的位置以及干扰物的形状，由熟练的作业人员生成的动作路径。自动路径生成装置使用学习了临时动作路径和实际动作路径之间的相关的机器学习装置，通过临时动作路径来推定实际动作路径。临时动作路径是通过动作计划法算法而自动生成的，作为动作路径不是理想上的路径。机器学习装置学习临时动作路径和实际动作路径之间的差异，并根据临时动作路径来自动推定实际动作路径。这样，自动路径生成装置能够自动地导出有效的动作路径。

本发明的一个方式为生成机器人的动作路径的自动路径生成装置，具备：预处理部，其根据临时动作路径和实际动作路径来生成监督数据，该临时动作路径为上述机器人进行动作的多个动作点间的动作路径且使用动作计划法算法自动生成，该实际动作路径为该动作点间的动作路径且由熟练的作业人员生成；以及动作路径学习部，其使用上述预处理部所生成的监督数据来生成学习了上述临时动作路径和上述实际动作路径之间的差异的学习完成模型。

本发明的其他方式为生成机器人的动作路径的自动路径生成装置，具备：学习模型存储部，其存储学习完成模型，该学习完成模型学习了临时动作路径和实际动作路径之间的差异，该临时动作路径为上述机器人进行动作的多个动作点间的动作路径且使用动作计划法算法自动生成，该实际动作路径为该动作点间的动作路径且由熟练的作业人员生成；以及动作路径推定部，其根据使用动作计划法算法自动生成的上述机器人的临时动作路径和存储在上述学习模型存储部中的学习完成模型来推定上述机器人的实际动作路径。

根据本发明，能够自动生成使用机器人进行的焊接的该机器人的有效的动作路径。

附图说明

通过参照附图的以下实施例的说明来明确本发明上述以及其他目的和特征。这些附图中：

图1是一个本实施方式的自动路径生成装置的概略硬件结构图。

图2是第一实施方式的自动路径生成装置的概略功能框图。

图3是例示机器人的动作路径的图。

图4是其他变形例的自动路径生成装置的概略功能框图。

图5是其他变形例的自动路径生成装置的概略功能框图。

图6是根据实际动作路径例示机器人的动作路径的图。

图7是第二实施方式的自动路径生成装置的概略功能框图。

图8是第三实施方式的自动路径生成装置的概略功能框图。

具体实施方式

以下参照附图说明本发明实施方式。以下将本实施方式的自动路径生成装置作为生成点焊的机器人的动作路径的装置进行说明。此时，机器人的动作点的位置例如是点焊的打点位置。另外，干扰物例如是工件以及夹具。

图1是表示一个本实施方式的自动路径生成装置的概略硬件结构图。自动路径生成装置1例如被安装在控制机器人的控制装置上。自动路径生成装置1例如被安装在机器人以及并行设置在该机器人上的个人电脑或通过有线/无线网络与机器人的控制装置连接的单元计算机、主计算机、边缘服务器、云服务器等计算机上。在本实施方式中，自动路径生成装置1被安装在控制机器人的控制装置上。

本实施方式的自动路径生成装置1具备一般机器人的控制中使用的功能。自动路径生成装置1经由接口19与机器人2连接，控制该机器人2。机器人2具有一个以上的链接(可动部)和一个以上的关节。机器人2例如是6轴关节型机器人。机器人2例如具备进行点焊、电弧焊接、激光焊接等焊接的C枪或X枪、激光器等的工具。另外，机器人2把持工件，可以是相对于固定在预定位置上的焊接用的工具来变更所把持的工件的位置进行工件的焊接的机器人。

自动路径生成装置1具备预先机器学习了焊接时的机器人2的动作路径的机器学习装置100。自动路径生成装置1根据机器学习到的结果按照从机器人学习装置100输出的机器人2的最适当的动作路径的推定结果来控制机器人2，进行工件的焊接。另外，关于机器人2的详细结构是已经公知的，所以省略在本说明书中的详细说明。

自动路径生成装置1所具备的CPU11是整体控制自动路径生成装置1的处理器。CPU11经由总线12读出存储在ROM12中的系统程序。CPU11按照读出的系统程序来控制自动路径生成装置1整体。RAM13中临时存储临时的计算数据或显示数据、作业人员经由输入装置71输入的各种数据等。

非易失性存储器14例如由通过未图示的电池进行备份的存储器或SSD等构成。因此，即使自动路径生成装置1的电源被切断也能保持非易失性存储器14的存储状态。非易失性存储器14具有存储自动路径生成装置1的动作相关的设定信息的设定区域。非易失性存储器14例如存储从输入装置71输入的机器人2的控制用程序或CAD数据、从未图示的外部存储装置读入的机器人2的控制用程序或CAD数据。存储在非易失性存储器14中的程序或各种数据可以在执行时/使用时在RAM13展开。ROM12中被预先写入公知的解析程序等的各种系统程序(包括用于控制和后述的机器学习装置100的交换的系统程序)。

显示装置70例如显示作为执行了被读入存储器中的各个数据、程序的结果而得到的数据。另外，从后述的机器学习装置100输出的数据等经由接口17被输入到显示装置70中，并且显示这些数据等。另外，由键盘或点选设备(pointing device)等构成的输入装置71接受基于作业人员的操作的指令、数据等，并将这些指令、数据等经由接口18传递给CPU11。

接口21是用于连接自动路径生成装置1的各部分与机器学习装置100的接口。机器学习装置100具备统一控制机器学习装置100整体的处理器101、存储了系统程序等的ROM102。另外，机器学习装置100具备用于进行机器学习涉及的各个处理的临时存储的RAM103以及学习模型等存储所使用的非易失性存储器104。机器学习装置100经由接口21来观测能够由自动路径生成装置1取得的各个信息(例如经由输入装置71设定的室温或从机器人2取得的各个电动机的状态量等)。另外，自动路径生成装置1的各部分经由接口21取得来自机器学习装置100的处理结果。

图2是第一实施方式的自动路径生成装置1所具有的机器学习装置100的学习模式的概略功能框图。由图1所示的自动路径生成装置1所具备的CPU11以及机器学习装置100的处理器101分别执行系统程序，并控制自动路径生成装置1以及机器学习装置100各部分的动作，从而实现图2所示的功能块的各个功能。

自动路径生成装置1具备控制部30、预处理部34、动作路径学习部38。控制部30控制机器人2。预处理部34生成机器学习装置100的机器学习所使用的监督数据。根据控制用程序50和CAD数据52来生成监督数据，控制用程序50包括表示通过作业人员的示教而生成的动作路径的信息，CAD数据52包括焊接对象的工件以及夹具的形状信息。动作路径学习部38使用由预处理部34生成的监督数据来学习机器人2的动作路径。

控制部30根据作业人员进行的未图示操作盘的控制操作、存储在非易失性存储器14等中的控制用程序、从机器学习装置100输出的动作路径等来控制机器人2。控制部30具备为了控制机器人2的各部分所需要的一般控制的功能。控制部30例如在使机器人2的各轴(关节)移动时，对驱动各轴的电动机按照每个控制周期输出表示轴角度的变化量的指令数据。另外，控制部30取得机器人2所具备的各个电动机的电动机状态量(电动机的电流值、电动机的位置、速度、加速度、电动机的转矩等)，并将所取得的电动机状态量用于机器人2的控制。

预处理部34为根据控制用程序50和CAD数据52来生成作为机器人学习的一个方法的监督学习所使用的监督数据T并输出给机器学习装置100的功能单元。控制用程序50包括通过熟练的作业人员的示教而生成的动作路径的信息。另外，CAD数据52包括焊接对象的工件以及夹具的形状信息。预处理部34根据从控制用程序50提取的点焊的打点位置的信息以及CAD52中包括的工件和夹具的位置的信息，使用公知的动作计划法算法(RRT等)来计算机器人2的动作路径(以下称为临时动作路径)。预处理部34将计算出的动作路径相关的数据作为输入数据，生成将从控制用程序50提取的由作业人员的示教而生成的动作路径(以下称为实际动作路径)相关的数据作为输出数据的监督数据，并输出给机器学习装置。临时动作路径以及实际动作路径例如分别是打点相关的信息、打点间的中间点相关的信息以及在该打点以及中间点间的机器人2的动作参数的时间序列数据。动作参数例如是表示各轴的速度、加速度、平滑等的动作参数的时间序列数据。另外，临时动作路径以及实际动作路径分别是打点相关的信息、打点间的中间点相关的信息以及在该打点及中间点间的机器人2所把持的工具的动作参数的时间序列数据。此种情况下的动作参数例如可以是表示机器人2所把持的工具位置的速度、加速度、平滑度等的动作参数的时间序列数据。

图3表示在工件的打点位置间进行移动的动作路径的例子。图3中，焊接工具被安装在机器人2的机械手上。焊接工具在控制部30的控制下对工件的打点位置P1、P2进行焊接。需要生成在将焊接工具从打点位置P1移动到打点位置P2时与夹具不干扰的动作路径。图3表示焊接工具按照顺序移动到打点位置P1、中间点P1-1、中间点P1-2、打点位置P2的动作路径。在各个打点位置、中间点位置之间的移动中，在机器人2的各轴按照速度、加速度、平滑度(位置)3个动作参数进行动作时，通过各个打点位置、中间点位置的机器人2各轴的位置(或者工具的位置)、从打点位置P1向中间点P1-1移动时的各轴的速度、加速度、平滑度、从中间点P1-1向中间点P1-2移动时的各轴的速度、加速度、平滑度、从中间点P1-2向打点位置P1-2移动时的各轴的速度、加速度、平滑度来定义从打点位置P1到打点位置P2的动作路径。针对临时动作路径和实际动作路径生成这样的时间序列数据。将临时动作路径作为输入数据，将实际动作路径作为输出数据来生成监督数据T。

预处理部34可以通过机器人2的整体的动作路径(临时动作路径、实际动作路径)生成一个监督数据T。另外，预处理部34也可以通过整体的动作路径(临时动作路径、实际动作路径)中的2个打点位置Pi、Pj间的部分动作路径来生成一个监督数据Ti，通过机器人2的整体的动作路径来生成与各个部分动作路径对应的多个监督数据T1～Tn(n是正整数)。另外，预处理部34可以如以下那样生成监督数据。预处理部34生成将整体的临时动作路径中的4个打点位置Pi～Pl间的部分动作路径作为一个输入数据，将实际动作路径中的Pi、Pj间的部分动作路径作为与此对应的一个输出数据的监督数据Tj。预处理部34通过机器人2整体的动作路径来生成与各个部分动作路径对应的多个监督数据T1～Tn(n是正整数)(在这样生成监督数据的情况下，在机器人2的移动的开始位置、结束位置中不能够根据临时动作路径定义的一部分输入数据可以事先定义0等预先决定的固定值)。这样，根据如何定义学习模型的内容来适当设定监督数据即可。

动作路径学习部38是进行使用了预处理部38所生成的监督数据的监督学习并生成(学习)为了从临时动作路径推定实际动作路径所使用的学习完成模型的功能单元。动作路径学习部38例如可以将神经网络作为学习模型来使用。此时，动作路径学习部38进行将预处理部34所生成的监督数据中包括的临时动作路径相关的数据作为输入数据且将实际动作路径相关的数据作为输出数据的监督学习。作为学习模型可以使用具备了输入层、中间层、输出层三层的神经网络。作为学习模型可以使用所谓的深度学习的方法，该深度学习的方法使用了组成三层以上的层的神经网络。由此，进行有效的学习以及推论。

动作路径学习部38进行的学习在自动路径生成装置1作为学习模式发挥功能时进行。自动路径生成装置1在学习模式中经由未图示的USB装置等的外部装置或经由未图示的有线/无线网络来取得各种控制用程序50以及CAD数据52。自动路径生成装置1进行基于所取得的各种控制用程序50以及CAD数据52的学习。自动路径生成装置1生成用于从临时动作路径推定实际动作路径的学习完成模型。并且，由动作路径学习部38生成的学习完成模型被存储在设置于非易失性存储器104上的学习模型存储部46中。学习完成模型用于后述的动作路径推定部40进行的实际动作路径的推定。

具备上述结构的自动路径生成装置1根据控制用程序50以及CAD数据52生成学习完成模型，该学习完成模型学习了与临时动作路径(通过动作计划法算法等自动生成的动作路径)相对应的实际动作路径(通过熟练的作业人员的示教而生成的动作路径)。控制用程序50包括表示通过熟练的作业人员的示教而生成的动作路径的信息。另外，CAD数据包括焊接对象的工件以及夹具的形状信息。

图4表示本实施方式的自动路径生成装置1的一个变形例。预处理部34根据控制用程序50和临时动作路径数据54来生成监督数据T并输出给机器学习装置100，该控制用程序50包括通过熟练的作业人员的示教而生成的动作路径，该临时动作路径数据54包括通过动作计划法算法等自动生成的动作路径。此时，作业人员例如使用外部的装置等根据打点位置和CAD数据来生成临时动作路径数据54，并使自动路径生成装置1读入所生成的临时动作路径数据54和控制用程序50。由此，生成学习了与临时动作路径数据54(通过动作计划法算法等自动生成的动作路径)相对应的实际动作路径(通过熟练的作业人员的示教而生成的动作路径)的学习完成模型。

图5表示本实施方式的自动路径生成装置1的其他变形例。预处理部34根据包括通过熟练的作业人员的示教而生成的动作路径的控制用程序50来生成监督数据T，并输出给机器学习装置100。此时，如图6所例示，预处理部34解析从控制用程序50提取的通过熟练的作业人员的示教而生成的实际动作路径。当实际动作路径的打点位置Pi与打点位置Pj之间为迂回路径时(即没有成为大致直线时)，预处理部34假设假想干扰物在该动作路径的内侧距离α(预先设定)的位置存在假想干扰物。预处理部34考虑该假设的假想干扰物并使用公知的动作计划法算法(RRT等)来计算机器人2的临时动作路径。生成将这样得到的临时动作路径和实际动作路径分别作为了输入数据、输出数据的监督数据T。监督数据T被输出给机器学习装置100。另外，可以将预处理部34构成为学习了与实际动作路径相对应的临时动作路径的机器学习机。此时，预处理部34根据从控制用程序50提取的实际动作路径来推定临时动作路径。预处理部34生成将推定出的临时动作路径作为输入数据的监督数据并将其输出给机器学习装置100。通过此种构成，即使是没有CAD数据52而只有控制用程序50的情况下，也能够生成学习了与临时动作路径(通过动作计划法算法等自动生成的动作路径)相对应的实际动作路径(通过熟练的作业人员的示教而生成的动作路径)的学习完成模型。

图7是第二实施方式的自动路径生成装置1所具有的机器学习装置100的推定模式的概略功能框图。图1所示的自动路径生成装置1所具备的CPU11以及机器学习装置100的处理器101分别执行系统程序，控制自动路径生成装置1以及机器学习装置100的各部分的动作，从而实现图7所示的各个功能块。

本实施方式的自动路径生成装置1在推定模式中，根据临时动作路径数据54来推定实际动作路径。自动路径生成装置1根据推定出的实际动作路径来控制机器人2。在本实施方式的自动路径生成装置1中，控制部30所具备的功能与第一实施方式的功能相同。

动作路径推定部40根据经由未图示的USB装置等外部装置或经由未图示的有线/无线网络而取得的临时动作路径数据54，推定使用了学习模型存储部46中存储的学习完成模型的实际动作路径。本变形例的动作路径推定部40将通过动作路径学习部38的监督学习而生成(决定了参数的)的神经网络作为学习完成模型。动作路径推定部40通过将临时动作路径数据54作为输入数据输入给学习完成模型来推定(计算)实际动作路径。动作路径推定部40推定出的实际动作路径使用于对控制部30输出的机器人2的控制中。另外，动作路径推定部40推定出的实际动作路径可以被用于例如对显示装置70进行显示输出或经由未图示的有线/无线网络发送输出给主计算机或云计算机等。

如上述那样构成的本实施方式的自动路径生成装置1根据使机器人2进行各种模式的动作而得到的多个监督数据来进行动作路径的学习。自动路径生成装置1使用得到充分的学习结果的学习完成模型来推定机器人2的效率良好的动作路径。

图8是第三实施方式的自动路径生成装置1所具有的机器学习装置100的推定模式的概略功能框图。图1所示的自动路径生成装置1所具备的CPU11以及机器学习装置100的处理器101分别执行系统程序，控制自动路径生成装置1以及机器学习装置100的各部的动作，从而实现图8所示的功能块的各个功能。另外，图8中，省略关于控制用程序50、CAD数据52、临时动作路径数据54等的记载。

本实施方式的自动路径生成装置1具备执行机器人2的动作模拟的模拟部42。模拟部42进行模拟，该模拟使用了在推定模式中通过动作路径推定部40根据临时动作路径数据54而推定出的实际动作路径。在模拟部42进行的动作模拟的结果即推定出的实际动作路径中存在在机器人2或焊接工具与工件或夹具之间产生干扰的情况。此种情况下，动作路径校正部44将推定出的实际动作路径的中间点的位置等变更为机器人2或焊接工具与工件或夹具之间不产生干扰的位置(例如离干扰的物体有预先决定的预定距离的位置)。变更后的实际动作路径被输入给预处理部34。预处理部34通过所输入的实际动作路径和实际动作路径的推定所使用的临时动作路径来生成新的监督数据T。新的监督数据T被用于针对学习完成模型的再学习。

本实施方式的自动路径生成装置1在推定出的实际动作路径中产生干扰的情况下，校正实际动作路径使得不会产生干扰。自动路径生成装置1使用校正后的实际动作路径来进行再学习，构筑更适当的学习完成模型。

以上，说明了本发明的实施方式，但是本发明不限于上述实施方式，能够增加适当的变更以各种方式来实施。

例如，机器学习装置100所执行的学习算法或运算算法、自动路径生成装置1所执行的控制算法等不限于上述情况，而能够采用各种算法。

另外，在上述实施方式中，自动路径生成装置1和机器学习装置100作为具有不同的CPU的装置进行说明。但是机器学习装置100也可以通过自动路径生成装置1所具备的CPU11和存储在ROM12中的系统程序来实现。

在上述实施方式中表示通过自动路径生成装置1推定点焊的打点间的动作路径的例子。自动路径生成装置1也能够推定电弧焊接或激光焊接等空气切割部分的动作路径。即，自动路径生成装置1能够推定在之前的焊接处理与接下来的焊接处理之间的焊接工具的移动相关的动作路径。

进一步，也能够应用于一般机器人的自动路径生成。例如，在操作机器人(运送机器人)中，动作点的位置是保持工件的位置或运送工件的目的地的位置等。在操作机器人中，干扰物是存在于运送路径的其他装置等。自动路径生成装置1推定到把持工件为止的动作路径、把持工件后向工件的移动目的地移动时的动作路径等。即，自动路径生成装置1学习与由动作计划法算法等自动生成的临时动作路径相对应的由熟练的作业人员生成的效率良好的实际动作路径，并使用该学习结果从通过动作计划法算法等自动生成的临时动作路径来推定效率良好的实际动作路径。

Claims (7)

1.一种自动路径生成装置，其生成机器人的动作路径，其特征在于，

该自动路径生成装置具备：

预处理部，其根据临时动作路径和实际动作路径来生成监督数据，该临时动作路径为上述机器人进行动作的多个动作点间的动作路径且使用动作计划法算法自动生成，该实际动作路径为该动作点间的动作路径且由熟练的作业人员生成；以及

动作路径学习部，其使用上述预处理部所生成的监督数据来生成学习了上述临时动作路径和上述实际动作路径之间的差异的学习完成模型，

上述预处理部在上述实际动作路径存在没有成为直线的部分时，假想在该实际动作路径的上述部分的预先设定的距离的位置存在干扰物，并基于上述机器人的动作环境的上述干扰物来生成上述临时动作路径。

2.根据权利要求1所述的自动路径生成装置，其特征在于，

上述预处理部从熟练的作业人员所生成的控制用程序提取上述实际动作路径。

3.根据权利要求2所述的自动路径生成装置，其特征在于，

上述预处理部从上述控制用程序提取上述动作点，执行使用了所提取的上述动作点与上述机器人的动作环境的干扰物的形状信息的动作计划法算法，从而生成上述临时动作路径。

4.根据权利要求3所述的自动路径生成装置，其特征在于，

上述机器人的动作环境的干扰物的形状信息是CAD数据。

5.根据权利要求3所述的自动路径生成装置，其特征在于，

上述机器人的动作环境的干扰物的形状信息是根据从上述控制用程序提取的实际动作路径来推定的。

6.一种自动路径生成装置，其生成机器人的动作路径，其特征在于，

该自动路径生成装置具备：

学习模型存储部，其存储学习完成模型，该学习完成模型学习了临时动作路径和实际动作路径之间的差异，该临时动作路径为上述机器人进行动作的多个动作点间的动作路径且使用动作计划法算法自动生成，该实际动作路径为该动作点间的动作路径且由熟练的作业人员生成，其中，在实际动作路径存在没有成为直线的部分时，假想在该实际动作路径的上述部分的预先设定的距离的位置存在干扰物，并基于上述机器人的动作环境的上述干扰物来生成上述临时动作路径；以及

动作路径推定部，其根据使用动作计划法算法自动生成的上述机器人的临时动作路径和存储在上述学习模型存储部中的学习完成模型来推定上述机器人的实际动作路径。

7.根据权利要求6所述的自动路径生成装置，其特征在于，

该自动路径生成装置还具备：

模拟部，其根据上述动作路径推定部推定出的上述机器人的实际动作路径来模拟上述机器人的动作；以及

动作路径校正部，其通过上述模拟而在上述机器人与干扰物干扰的情况下，校正上述实际动作路径使得不会产生上述干扰，

根据上述动作路径校正部校正的实际动作路径来进行上述学习完成模型的再学习。