CN113329850A - 机器人控制系统和机器人控制方法 - Google Patents
机器人控制系统和机器人控制方法 Download PDFInfo
- Publication number
- CN113329850A CN113329850A CN202080009228.0A CN202080009228A CN113329850A CN 113329850 A CN113329850 A CN 113329850A CN 202080009228 A CN202080009228 A CN 202080009228A CN 113329850 A CN113329850 A CN 113329850A
- Authority
- CN
- China
- Prior art keywords
- robot
- unit
- information
- support information
- work
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 15
- 238000003860 storage Methods 0.000 claims abstract description 56
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 21
- 238000013500 data storage Methods 0.000 claims description 15
- 238000009795 derivation Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 description 22
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000033001 locomotion Effects 0.000 description 15
- 230000009471 action Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 239000003905 agrochemical Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1689—Teleoperation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/42—Recording and playback systems, i.e. in which the programme is recorded from a cycle of operations, e.g. the cycle of operations being manually controlled, after which this record is played back on the same machine
- G05B19/425—Teaching successive positions by numerical control, i.e. commands being entered to control the positioning servo of the tool head or end effector
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39212—Select between autonomous or teleoperation control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40153—Teleassistance, operator assists, controls autonomous robot
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40195—Tele-operation, computer assisted manual operation
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
机器人控制系统(1)具有:示教者存储部(211),其存储多个示教者的信息;选择部(214),在为了使机器人(20)继续作业而需要支援信息的情况下,所述选择部(214)选择示教者存储部(211)存储的多个示教者中的任意一个示教者;环境信息发送部(215),其经由网络线路(50)向选择部(214)选择出的示教者发送机器人(20)的环境信息;以及支援信息接收部(216),其经由网络线路(50)从选择部(214)所选择的示教者接收支援信息。
Description
技术领域
本公开涉及机器人控制系统和机器人控制方法。
背景技术
专利文献1公开了一种机器人引导方法,该机器人引导方法由以下阶段构成:机器人在基于预先登记的作业程序的再现动作的中途停止的第1阶段、允许机器人的直接操作的第2阶段、通过直接操作使机器人进行引导动作的第3阶段、禁止机器人的直接操作的第4阶段和机器人继续启动基于作业程序的再现动作的第5阶段构成。
现有技术文献
专利文献
专利文献1:日本特开2006-82185号公报
发明内容
发明要解决的课题
本公开提供对机器人与人的高效协作有效的系统。
用于解决课题的手段
本公开的一个方面的机器人控制系统具有:示教者存储部,其存储多个示教者的信息;选择部,在为了使机器人继续作业而需要支援信息的情况下,选择部选择示教者存储部存储的多个示教者中的任意一个示教者;环境信息发送部,其经由网络线路向选择部选择出的示教者发送机器人的环境信息;以及支援信息接收部,其经由网络线路从选择部所选择的示教者接收支援信息。
本公开的另一方面的机器人控制方法包括:存储多个示教者的信息;在为了使机器人继续作业而需要支援信息的情况下,选择多个示教者中的任意一个示教者;经由网络线路向选择出的示教者发送机器人的环境信息;以及经由网络线路从选择出的示教者接收支援信息。
发明效果
根据本公开,能够提供对机器人与人的高效协作有效的系统。
附图说明
图1是例示机器人控制系统的整体结构的示意图。
图2是例示边缘控制器的功能结构的框图。
图3是例示协作(collaboration)控制器的功能结构的框图。
图4是例示边缘(edge)控制器和协作控制器的硬件结构的框图。
图5是例示动作指令的输出步骤的流程图。
图6是例示作业模型的更新步骤的流程图。
图7是例示支援信息的接收步骤的流程图。
具体实施方式
以下,参照附图对实施方式进行详细说明。在说明中,对具有相同要素或相同功能的要素标注相同的标号,省略重复说明。
[机器人控制系统]
图1所示的机器人控制系统1是能够经由网络线路进行机器人与示教者的协作的控制系统。机器人控制系统1构成为执行以下动作:对机器人进行控制,以使其执行规定的作业;在为了使机器人继续作业而需要支援信息的情况下,选择多个示教者中的任意一个示教者;经由网络线路向选择出的示教者发送机器人的环境信息;经由网络线路从选择出的示教者接收支援信息;以及根据支援信息对机器人进行控制,以使其继续作业。使机器人执行的作业没有特别限定。作为使机器人执行的作业的具体例,可举出加工、组装、输送作业等。使机器人执行的作业不限于工业领域中的作业。例如,使机器人执行的作业也可以是播种、收获、叶片刮削和农药撒布等农业作业。
例如,机器人控制系统1存在于多个机器人装置10与多个示教终端40之间。机器人装置10具有机器人20和机器人控制器30。机器人20例如是垂直多关节机器人,具有基座21、末端部22和多关节臂23。基座21设置于作业区。基座21也可以设置在能够在作业区内移动的车辆上。末端部22保持作业用的工具。作为工具的具体例,可举出把持用的柄和各种工具等。多关节臂23将多个致动器(例如电动致动器)作为动力源,变更末端部22相对于基座21的位置和姿势。
机器人控制器30对机器人20进行控制,以使其按照动作指令进行动作。动作指令例如包含末端部22的移动指令、以及与末端部22的移动对应的工具的动作指令。末端部22的移动指令是末端部22的位置和姿势的变更指令,包含按照时间序列排列的多个目标位置/姿势(末端部22的目标位置/姿势)。示教终端40是示教者使用的终端,只要能够进行环境信息的接收和显示、以及支援信息的输入和发送,可以是任意终端。作为示教终端40的具体例,可举出智能手机、平板电脑和个人计算机等。
例如,机器人控制系统1具有边缘控制器100和协作控制器200。边缘控制器100通过有线或者无线的方式与机器人控制器30连接。边缘控制器100根据机器人20的环境信息,生成用于使机器人20执行规定作业的动作指令,发送到机器人控制器30。例如,边缘控制器100构成为执行以下动作:存储作业模型,所述作业模型响应于机器人20的环境信息的输入,输出与该环境信息对应的机器人20的作业指示信息;根据机器人20的环境信息和作业模型,导出对机器人20的作业指示信息;根据机器人20的环境信息和作业模型,判定可否进行基于作业指示信息的机器人20的作业;以及在判定为不可进行基于作业指示信息的机器人20的作业的情况下,请求支援信息。
在判定为可进行基于作业指示信息的机器人20的作业的情况下,边缘控制器100生成基于作业指示信息的动作指令,输出到机器人控制器30。在判定为不可进行基于作业指示信息的机器人20的作业的情况下,边缘控制器100生成基于支援信息的动作指令,输出到机器人控制器30。
协作控制器200经由网络线路50与多个示教终端40连接。协作控制器200可以经由有线或者无线的专用线路与边缘控制器100连接,也可以经由网络线路50与边缘控制器100连接。网络线路50可以是局域网,也可以广域网(例如互联网)。
协作控制器200也可以构成为执行以下动作:存储多个示教者的信息;响应于来自边缘控制器100的支援信息的请求,选择多个示教者中的任意一个示教者;经由网络线路50向选择出的示教者的示教终端40发送机器人20的环境信息;经由网络线路50从选择出的示教者的示教终端40接收基于环境信息的支援信息;以及将接收到的支援信息发送到边缘控制器100。下面,例示边缘控制器100和协作控制器200的具体结构。
(边缘控制器)
如图2所示,边缘控制器100具有模型存储部111、环境信息取得部112、作业指示导出部113、作业指示存储部114、可靠度导出部115、可否作业判定部116、支援请求部117、支援信息接收部118、动作指令生成部121和动作指令发送部122,作为功能上的结构(下面,称作“功能模块”。)。
模型存储部111存储与多个机器人20分别对应的多个上述作业模型。如上所述,作业模型响应于机器人20的环境信息的输入,输出与该环境信息对应的机器人20的作业指示信息。环境信息是表示机器人20的周边环境的状态的信息。作为环境信息的具体例,可举出二维或三维的图像信息等。作业指示信息包含机器人20的周边环境中的作业对象物等确定作业内容所需的信息。在机器人20的周边环境存在可能作为作业对象的多个物体的情况下,作业指示信息也可以包含分别表示多个物体的作为作业对象物的推荐度的多个数值。作业指示信息也可以是上述动作指令。
作业模型是通过机器学习构建的。作为作业模型的具体例,可举出设上述环境信息为输入向量、上述作业指示信息为输出向量的神经网络。神经网络具有输入层、一层或多层的中间层、以及输出层。输入层将输入向量直接输出到下一中间层。中间层通过激活函数对来自上一层的输入进行转换并输出到下一层。输出层通过激活函数对来自距输入层最远的中间层的输入进行转换,将转换结果作为输出向量输出。作业模型只要至少响应于环境信息的输入而输出作业指示信息即可,未必限于神经网络。例如,作业模型也可以是根据统计分析等而导出的函数。
作业模型也可以构成为输出包含上述动作指令的作业指示信息。在该情况下,作业模型也可以包含一种算法,该算法通过仿真的随机试行来生成末端部22的移动指令,该移动指令使得不会产生机器人20与周边物体的碰撞。
环境信息取得部112从机器人控制器30取得机器人20的环境信息。作业指示导出部113根据环境信息取得部112所取得的机器人20的环境信息和模型存储部111存储的作业模型,导出对机器人20的作业指示信息。例如,作业指示导出部113将机器人20的环境信息输入到作业模型,获得作业模型与其对应地输出的作业指示信息。作业指示存储部114存储作业指示导出部113所导出的作业指示信息。
可靠度导出部115导出作业指示信息的可靠度。例如,可靠度导出部115根据作为上述作业对象物的推荐度最高的物体(下面,称作“优选物体”。)与其他物体的推荐度之差,导出可靠度。具体而言,可靠度导出部115随着优选物体与其他物体的推荐度之差增大(即,随着优选物体的推荐度相对升高)而提高可靠度。
在作业指示信息是上述动作指令的情况下,可靠度导出部115也可以进一步根据基于动作指令的机器人20的动作,导出可靠度。例如,可靠度导出部115也可以根据基于动作指令的机器人20的动作的仿真,导出可靠度。例如,可靠度导出部115也可以随着动作中的机器人20与周边物体最接近的时刻的机器人20与周边物体之间的间隔减小而降低可靠度。
可否作业判定部116根据环境信息取得部112所取得的机器人20的环境信息和模型存储部111存储的作业模型,判定可否进行基于作业指示信息的机器人20的作业。例如,在可靠度导出部115导出的可靠度超过规定阈值的情况下,可否作业判定部116将基于作业指示信息的机器人20的作业设为“可以”(允许),在可靠度低于该阈值的情况下,可否作业判定部116将基于作业指示信息的机器人20的作业设为“不可”(禁止)。
在可否作业判定部116将基于作业指示信息的机器人20的作业设为“不可”的情况下,支援请求部117请求协作控制器200发送支援信息。支援请求部117在请求发送支援信息时,将机器人20的环境信息发送到协作控制器200。支援请求部117也可以在请求发送支援信息时,进一步将支援信息的提供的难易度发送到协作控制器200。在该情况下,支援请求部117也可以根据可靠度来计算难易度。例如,也可以是,可靠度越低,则支援请求部117越提高难易度。
支援信息接收部118响应于来自支援请求部117的请求,接收协作控制器200所发送的支援信息。例如,与作业指示信息同样,支援信息包含确定作业内容所需的信息。支援信息也可以包含动作指令。
动作指令生成部121根据作业指示信息或者支援信息,生成上述动作指令。例如,动作指令生成部121生成末端部22的移动指令、以及与末端部22的移动对应的工具的动作指令,以执行由作业指示信息或者支援信息确定的作业内容。在作业指示信息和支援信息包含动作指令的情况下,动作指令生成部121根据可否作业判定部116的判定结果,选择基于作业指示信息的动作指令或者基于支援信息的动作指令。动作指令发送部122将动作指令生成部121所生成的动作指令发送到机器人控制器30。
边缘控制器100也可以构成为还执行以下动作:将机器人20的环境信息和机器人20的作业结果存储为学习用数据;通过基于所存储的学习用数据的机器学习,对模型存储部111的作业模型进行更新。此外,边缘控制器100也可以构成为:在对任意一个机器人20的作业模型进行了更新的情况下,还使其他机器人20的作业模型反映该作业模型的更新内容。例如,边缘控制器100还具有实绩信息取得部123、学习数据存储部124、模型更新部125、更新内容反映部126和实绩信息发送部127作为功能模块。
实绩信息取得部123取得与机器人20的作业结果相关的作业实绩信息。例如,作业实绩信息包含作业指示信息或者支援信息、以及表示根据作业指示信息或者支援信息进行了动作的机器人20的作业是否成功的是否成功信息。作为是否成功信息的具体例,可举出表示是否存在机器人控制器30中的警报的信息等。
作业实绩信息也可以还包含表示根据作业指示信息或者支援信息进行了动作的机器人20的作业效率的效率信息。作为效率信息的具体例,可举出由机器人控制器30测量出的机器人20的作业时间等。例如,实绩信息取得部123从动作指令生成部121取得作业指示信息或者支援信息,从机器人控制器30取得是否成功信息和效率信息。
学习数据存储部124将机器人20的环境信息、以及与该环境信息对应的机器人20的作业实绩信息存储为学习用数据。例如,学习数据存储部124从环境信息取得部112取得机器人20的环境信息,从实绩信息取得部123取得与该环境信息对应的机器人20的作业实绩信息并存储。学习数据存储部124也可以按照每个机器人20存储学习用数据。换言之,学习数据存储部124也可以存储与多个机器人20分别对应的多个学习用数据集(学习用数据的集合)。
模型更新部125通过基于学习数据存储部124所存储的学习用数据的机器学习(例如深度学习),对模型存储部111的作业模型进行更新。例如,模型更新部125根据学习用数据对作业模型的参数(例如上述激活函数的权重)进行更新,以便能够提高作业模型响应于环境信息的输入而输出的作业指示信息的合适度。更具体而言,模型更新部125通过将机器人20的环境信息、以及与该环境信息对应的机器人20的作业实绩反复应用于作业模型,对作业模型的参数进行更新。
在模型更新部125对任意一个机器人20的作业模型进行了更新的情况下,更新内容反映部126还使其他任意一个机器人20的作业模型反映该作业模型的更新内容。例如,在模型更新部125对任意一个机器人20的作业模型进行了更新的情况下,更新内容反映部126使用更新后的作业模型覆盖进行与该机器人20相同种类的作业的其他机器人20的作业模型。实绩信息发送部127将实绩信息取得部123取得的作业实绩信息发送到协作控制器200。如后所述,实绩信息发送部127发送的作业实绩信息用于示教者的评估。
(协作控制器)
如图3所示,协作控制器200具有示教者存储部211、支援请求取得部212、示教请求部213、选择部214、环境信息发送部215、支援信息接收部216和支援信息发送部217作为功能模块。
示教者存储部211存储多个示教者的信息。示教者的信息例如包含示教者的识别信息和对示教者的访问信息。访问信息例如是电子邮件地址等表示示教者的信息发送目的地的信息。示教者的信息也可以包含该示教者能够示教的作业类别的信息。示教者能够示教的作业类别是该示教者能够判断出应该使机器人20按照何种步骤完成作业的作业类别。示教者能够示教的作业类别根据示教者的专业知识或者技能等确定。例如,具有切削加工的专业知识或者技能、但不具有焊接的专业知识或者技能的示教者能够进行切削加工的示教,但不能进行焊接的示教。
支援请求取得部212取得来自边缘控制器100(支援请求部117)的支援信息的发送请求。如上所述,支援信息的发送请求包含机器人20的环境信息。支援信息的发送请求也可以还包含支援信息的提供的难易度。在需要支援信息的情况下,示教请求部213经由网络线路50请求示教者存储部211存储的多个示教者发送支援信息。需要支援信息的情况是如下情况:如果没有支援信息,则无法使机器人20继续作业。作为需要支援信息的情况的具体例,可举出边缘控制器100将基于上述作业指示信息的机器人20的作业设为“不可”的情况。例如,在支援请求取得部212取得了支援信息的发送请求的情况下,示教请求部213将请求发送支援信息的消息发布到上述多个示教者的示教终端40。
选择部214选择模型存储部111存储的多个示教者中的任意一个示教者作为支援信息的发送者。选择部214也可以根据示教者能够示教的作业类别的信息和机器人20的作业类别,选择多个示教者中的任意一个示教者。例如,选择部214也可以从上述多个示教者中选择能够示教机器人20的作业类别的示教者。选择部214也可以根据对来自示教请求部213的请求的响应的速度,选择多个示教者中的任意一个示教者。例如,选择部214也可以优先地选择对来自示教请求部213的请求的响应较快的示教者。此外,选择部214也可以根据多个选择基准(例如,基于上述作业类别的选择基准和基于响应速度的选择基准)的组合,选择多个示教者中的任意一个示教者。
环境信息发送部215经由网络线路50向选择部214选择出的示教者(下面,称作“被选择示教者”。)发送机器人20的环境信息。例如,环境信息发送部215将从边缘控制器100(支援请求部117)接收到的环境信息发送到被选择示教者的示教终端40。被选择示教者的示教终端40显示机器人20的环境信息,将被选择示教者根据该环境信息而输入的支援信息发送到协作控制器200。
支援信息接收部216经由网络线路50从被选择示教者接收支援信息。例如,支援信息接收部216接收被选择示教者的示教终端40发送的支援信息。支援信息发送部217将支援信息接收部216接收到的支援信息发送到边缘控制器100。支援信息发送部217发送的支援信息由上述的支援信息接收部118接收。
协作控制器200也可以构成为还执行以下动作:在基于支援信息的机器人20的作业之前,根据现有的数据导出支援信息的合适度;以及根据该合适度判定可否采用该支援信息。例如,协作控制器200还具有先验评估部221和可否支援判定部222作为功能模块。
先验评估部221在基于支援信息的机器人20的作业之前,根据现有的数据导出支援信息的合适度(下面,称作“先验合适度”)。作为现有的数据的具体例,可举出作为先验合适度的导出对象的支援信息自身和被选择示教者的过去的支援信息的发送实绩(例如,后述的后验合适度)等。例如,先验评估部221根据支援信息表示的作业对象物是否是适合作为作业对象的物体等,导出先验合适度。例如,在固定于空间而显然无法搬运的物体被设为搬运的作业对象物的情况下,先验评估部221降低先验合适度。
可否支援判定部222根据先验评估部221导出的支援信息的先验合适度,判定可否采用该支援信息。例如,在支援信息的先验合适度超过规定的采用阈值的情况下,可否支援判定部222将该支援信息设为“可采用”,在支援信息的先验合适度低于该采用阈值的情况下,可否支援判定部222将该支援信息设为“不可采用”。在可否支援判定部222将支援信息设为“不可采用”的情况下,禁止支援信息发送部217发送该支援信息。
协作控制器200也可以构成为还执行以下动作:在基于支援信息的机器人20的作业之后,根据该机器人20的作业结果导出支援信息的合适度;以及根据该合适度导出支援信息的示教者的分数,协作控制器200根据分数选择多个示教者中的任意一个示教者。例如,协作控制器200还具有实绩信息接收部231、后验评估部232和分数导出部233作为功能模块。
实绩信息接收部231从上述实绩信息发送部127接收表示基于支援信息的机器人20的作业结果的作业实绩信息。后验评估部232根据实绩信息接收部231接收到的作业实绩信息导出支援信息的合适度(下面,称作“后验合适度”)。例如,在上述是否成功信息表示机器人20的作业的成功的情况下,与是否成功信息表示机器人20的作业的失败的情况相比,后验评估部232提高后验合适度。此外,后验评估部232随着由上述效率信息表示的作业效率升高而提高后验合适度。
分数导出部233根据后验评估部232导出的后验合适度,导出该支援信息的示教者的分数。例如,分数导出部233随着后验合适度升高而提高示教者的分数。
选择部214也可以根据分数导出部233导出的分数,选择多个示教者中的任意一个示教者。例如,选择部214也可以优先地选择分数导出部233导出的分数高的示教者。在该情况下,选择部214也可以根据基于分数高低的选择基准与其他选择基准(例如,基于上述作业类别的选择基准和基于响应速度的选择基准)的组合,选择多个示教者中的任意一个示教者。
协作控制器200也可以构成为还执行以下动作:将示教实绩值和示教者关联地存储,该示教实绩值是与支援信息的发送有关的示教者的报酬额的计算基准;以及每当执行基于支援信息的机器人20的作业时,与该作业相应地更新该支援信息的示教者的示教实绩值。此外,协作控制器200也可以构成为还执行以下动作:将利用实绩值与机器人20关联地存储,该利用实绩值是与支援信息的利用相应的计费金额的计算基准;以及每当执行基于支援信息的机器人20的作业时,与该作业相应地更新该机器人20的利用实绩值。例如,协作控制器200还具有示教实绩存储部241、示教实绩更新部242、利用实绩存储部243和利用实绩更新部244作为功能模块。
示教实绩存储部241将上述示教实绩值与示教者关联地存储。例如,示教实绩值是表示用于使机器人20继续作业的支援信息的发送实绩的值。示教实绩值可以包含后验评估部232的后验合适度的评估结果,也可以包含后验合适度的累积值。在该情况下,例如,分数导出部233也可以参考示教实绩存储部241,根据示教实绩值导出示教者的分数。分数导出部233也可以将示教实绩值自身作为示教者的分数,也可以对示教实绩值实施规定运算而计算示教者的分数。
每当执行基于支援信息的机器人20的作业时,示教实绩更新部242与该作业相应地更新该支援信息的示教者的示教实绩值。例如,每当后验评估部232导出支援信息的后验合适度时,示教实绩更新部242将与该后验合适度相关的值(下面,称作“相加值”)和该支援信息的示教者的示教实绩值相加。因此,每当执行基于支援信息的机器人20的作业时,该支援信息的示教者的示教实绩值增加,上述后验合适度越高,则其增加幅度越大。示教实绩更新部242也可以根据支援信息的提供的难易度,使与该支援信息的示教者的示教实绩值相应的相加值发生变化。例如,也可以是,支援信息的提供的难易度越高,则示教实绩更新部242越提高相加值。
利用实绩存储部243将上述利用实绩值与机器人20关联地存储。利用实绩值也可以包含后验评估部232的合适度的评估结果。每当执行基于支援信息的机器人20的作业时,利用实绩更新部244与该作业相应地对该机器人20的利用实绩值进行更新。例如,每当后验评估部232导出支援信息的后验合适度时,利用实绩更新部244将与该后验合适度相关的值(下面,称作“相加值”)和利用了该支援信息的机器人20的利用实绩值相加。因此,每当执行基于支援信息的机器人20的作业时,该机器人20的利用实绩值增加,上述后验合适度越高,则其增加幅度越大。利用实绩更新部244也可以根据支援信息的提供的难易度,使与利用了该支援信息的机器人20的利用实绩值相应的相加值发生变化。例如,也可以是,支援信息的提供的难易度越高,则利用实绩更新部244越提高相加值。
(边缘控制器和协作控制器的硬件结构)
图4是例示边缘控制器100和协作控制器200的硬件结构的框图。边缘控制器100具有电路190。电路190包含至少一个处理器191、存储器192、存储体193和通信端口194。存储体193例如是至少一个硬盘或者非易失性存储器等存储介质。例如,存储体193存储有使边缘控制器100执行以下动作的程序:存储作业模型,所述作业模型响应于机器人20的环境信息的输入而输出与该环境信息对应的机器人20的作业指示信息;根据机器人20的环境信息和作业模型,导出对机器人20的作业指示信息;根据机器人20的环境信息和作业模型,判定可否进行基于作业指示信息的机器人20的作业;以及在判定为不可进行基于作业指示信息的机器人20的作业的情况下,请求支援信息。例如,存储体193存储有用于构成上述边缘控制器100的功能模块的程序。存储器192临时存储从存储体193加载的程序和处理器191的运算结果等。处理器191通过与存储器192协作地执行上述程序,构成边缘控制器100的各功能模块。通信端口194根据来自处理器191的指令,在机器人控制器30与协作控制器200之间进行网络通信。
协作控制器200具有电路290。电路290包含至少一个处理器291、存储器292、存储体293和通信端口294。存储体293例如是至少一个硬盘或者非易失性存储器等存储介质。存储体293存储有使协作控制器200执行以下动作的程序:存储多个示教者的信息;响应于来自边缘控制器100的支援信息的请求,选择多个示教者中的任意一个示教者;经由网络线路50向选择出的示教者的示教终端40发送机器人20的环境信息;经由网络线路50从选择出的示教者的示教终端40接收基于环境信息的支援信息;以及将接收到的支援信息发送到边缘控制器100。例如,存储体293存储有用于构成上述协作控制器200的功能模块的程序。存储器292临时存储从存储体293加载的程序和处理器291的运算结果等。处理器291通过与存储器292协作地执行上述程序,构成协作控制器200的各功能模块。通信端口294响应于来自处理器291的指令,与示教终端40以及边缘控制器100进行网络通信。存储体293也可以不一定内置于协作控制器200。例如,存储体293也可以是经由网络线路50与通信端口294连接的外部的存储体(例如云)。
[机器人控制步骤]
接下来,作为机器人控制方法的一例,说明机器人控制系统1执行的控制步骤。该控制步骤包含边缘控制器100执行的动作指令的输出步骤、边缘控制器100执行的作业模型的更新步骤和协作控制器200执行的支援信息的接收步骤。下面,详细地例示各步骤。
(动作指令的输出步骤)
动作指令的输出步骤包含以下:根据机器人20的环境信息和上述作业模型,导出对机器人20的作业指示信息;根据机器人20的环境信息和作业模型,判定可否进行基于作业指示信息的机器人20的作业;在判定为可进行基于作业指示信息的机器人20的作业的情况下,生成基于作业指示信息的动作指令并输出到机器人控制器30;在判定为不可进行基于作业指示信息的机器人20的作业的情况下,请求支援信息,生成基于支援信息的动作指令并输出到机器人控制器30。
图5是例示边缘控制器100对一个机器人20执行的动作指令的输出步骤的流程图。如图5所示,边缘控制器100首先执行步骤S01、S02。在步骤S01中,环境信息取得部112从机器人控制器30取得机器人20的环境信息。在步骤S02中,作业指示导出部113根据环境信息取得部112取得的机器人20的环境信息和模型存储部111存储的作业模型,导出机器人20的作业指示信息。例如,作业指示导出部113将机器人20的环境信息输入到作业模型,得到作业模型相应地输出的作业指示信息并写入作业指示存储部114。
接着,边缘控制器100执行步骤S03、S04。在步骤S03中,可靠度导出部115导出作业指示信息的可靠度。在步骤S04中,可否作业判定部116根据环境信息取得部112所取得的机器人20的环境信息和模型存储部111存储的作业模型,判定可否进行基于作业指示信息的机器人20的作业。例如,在可靠度导出部115导出的可靠度超过规定阈值的情况下,可否作业判定部116判定为可进行基于作业指示信息的机器人20的作业,在可靠度低于该阈值的情况下,可否作业判定部116判定为不可进行基于作业指示信息的机器人20的作业。
在步骤S04中判定为可进行基于作业指示信息的机器人的作业的情况下,边缘控制器100执行步骤S05。在步骤S05中,动作指令生成部121根据作业指示信息,生成机器人20的动作指令。例如,动作指令生成部121生成末端部22的移动指令、以及与末端部22的移动对应的工具的动作指令,以使得执行由作业指示信息确定的作业内容。
在步骤S04中判定为可进行基于作业指示信息的机器人的作业的情况下,边缘控制器100执行步骤S06、S07、S08。在步骤S06中,支援请求部117请求协作控制器200发送支援信息。此外,支援请求部117将用于使示教者参考的机器人20的环境信息发送到协作控制器200。在步骤S07中,支援信息接收部118接收协作控制器200响应于来自支援请求部117的请求而发送的支援信息。在步骤S08中,动作指令生成部121根据支援信息,生成机器人20的动作指令。例如,动作指令生成部121生成末端部22的移动指令、以及与末端部22的移动对应的工具的动作指令,以使得执行由支援信息确定的作业内容。
在步骤S05、S08之后,边缘控制器100执行步骤S09。在步骤S09中,动作指令发送部122将动作指令生成部121生成的动作指令输出到机器人控制器30。机器人控制器30按照从动作指令发送部122输出的动作指令,对机器人20进行控制。由此,机器人20执行基于作业指示信息或者支援信息的作业。至此,动作指令的输出步骤完成。边缘控制器100针对多个机器人20分别反复以上的步骤。
(作业模型的更新步骤)
作业模型的更新步骤包含以下步骤:存储机器人20的环境信息和机器人20的作业结果作为学习用数据;通过基于所存储的学习用数据的机器学习,更新模型存储部111的作业模型;以及使其他机器人20的作业模型也反映该机器人20的作业模型的更新内容。
图6是例示边缘控制器100对一个机器人20的作业模型执行的更新步骤的流程图。如图6所示,边缘控制器100首先执行步骤S11、S12、S13。在步骤S11中,实绩信息取得部123等待动作指令生成部121生成上述动作指令。在步骤S12中,实绩信息取得部123取得与基于上述动作指令的机器人20的作业结果相关的作业实绩信息。例如,实绩信息取得部123从动作指令生成部121取得作业指示信息或者支援信息,从机器人控制器30取得上述是否成功信息和效率信息等。在步骤S13中,实绩信息发送部127将实绩信息取得部123取得的作业实绩信息发送到协作控制器200。
接着,边缘控制器100执行步骤S14、S15。在步骤S14中,学习数据存储部124存储机器人20的环境信息、以及与该环境信息对应的机器人20的作业实绩信息作为上述学习用数据。例如,学习数据存储部124从环境信息取得部112取得机器人20的环境信息,从实绩信息取得部123取得与该环境信息对应的机器人20的作业实绩信息,存储这些信息作为学习用数据。在步骤S15中,模型更新部125确认学习数据存储部124存储的数据数量(机器人20的环境信息和作业实绩信息的数量)是否超过规定的可学习数量。这里的数据数量是在得到了最新的作业模型(模型存储部111存储的作业模型)的时刻以后存储的数据数量。
在步骤S15中判定为数据数量没有超过规定的可学习数量的情况下,边缘控制器100使处理返回步骤S11。在步骤S15中判定为数据数量超过规定的可学习数量的情况下,边缘控制器100执行步骤S16、S17。在步骤S16中,模型更新部125通过基于学习数据存储部124存储的学习用数据的机器学习,更新模型存储部111的作业模型。在步骤S17中,更新内容反映部126使其他任意一个机器人20的作业模型反映步骤S16中的机器人20的作业模型的更新内容。边缘控制器100针对多个机器人20各自的作业模型反复以上的步骤。
(支援信息的接收步骤)
支援信息的接收步骤包含以下步骤:响应于来自边缘控制器100的支援信息的请求,选择多个示教者中的任意一个示教者;经由网络线路50向选择出的示教者的示教终端40发送机器人20的环境信息;从选择出的示教者的示教终端40经由网络线路50接收基于环境信息的支援信息;以及将接收到的支援信息发送到边缘控制器100。
例如,如图7所示,协作控制器200执行步骤S21、S22、S23、S24。在步骤S21中,支援请求取得部212取得来自支援请求部117的支援信息的发送请求。在步骤S22中,示教请求部213从示教者存储部211存储的多个示教者中提取能够示教作为支援信息的对象的机器人20的作业类别的示教者。下面,将示教请求部213提取出的示教者称作“候选示教者”。在步骤S23中,示教请求部213经由网络线路50请求在步骤S22中提取出的候选示教者发送支援信息。在步骤S24中,分数导出部233等待来自候选示教者的响应。分数导出部233也可以等待来自多个候选示教者的响应。
接着,协作控制器200执行步骤S25、S26。在步骤S25中,分数导出部233根据后验评估部232之前导出的上述后验合适度,导出响应了示教请求的候选示教者的分数。例如,分数导出部233参考示教实绩存储部241,根据上述示教实绩值导出候选示教者的分数。在步骤S26中,选择部214选择候选示教者中的任意一个示教者作为支援信息的发送者。例如,选择部214也可以根据分数导出部233导出的分数,选择多个示教者中的任意一个示教者。
接着,协作控制器200执行步骤S27、S28。选择部214也可以根据基于分数的高低的选择基准与其它选择基准(例如,基于上述作业类别的选择基准和基于响应速度的选择基准)的组合,选择多个示教者中的任意一个示教者。在步骤S27中,环境信息发送部215经由网络线路50向被选择示教者(选择部214选择出的示教者)发送机器人20的环境信息。在步骤S28中,支援信息接收部216经由网络线路50从被选择示教者接收支援信息。
接着,协作控制器200执行步骤S31、S32。在步骤S31中,先验评估部221根据现有的数据导出支援信息的上述先验合适度。在步骤S32中,可否支援判定部222根据先验评估部221导出的先验合适度,判定可否采用该支援信息。例如,可否支援判定部222判定先验合适度是否超过规定的采用阈值。
在步骤S32中判定为不可采用支援信息的情况下,协作控制器200使处理返回步骤S24。之后,直到可否支援判定部222判定为可采用支援信息为止,反复进行支援信息的取得和基于先验合适度的可否采用的判定。
在步骤S32中判定为可采用支援信息的情况下,协作控制器200执行步骤S33、S34。在步骤S33中,支援信息发送部217将被判定为可采用的支援信息发送到边缘控制器100。在步骤S34中,实绩信息接收部231从上述实绩信息发送部127接收表示基于支援信息的机器人20的作业结果的作业实绩信息。
接着,协作控制器200执行步骤S35、S36。在步骤S35中,后验评估部232根据实绩信息接收部231接收到的作业实绩信息,导出支援信息的上述后验合适度。在步骤S36中,示教实绩更新部242将与支援信息的后验合适度相关的值和该支援信息的示教者的示教实绩值相加,利用实绩更新部244将与支援信息的后验合适度相关的值和利用了该支援信息的机器人20的利用实绩值相加。至此,支援信息的接收步骤完成。协作控制器200反复以上的步骤。
[本实施方式的效果]
如以上所说明的那样,机器人控制系统1具有:示教者存储部211,其存储多个示教者的信息;选择部214,在为了使机器人20继续作业而需要支援信息的情况下,该选择部214选择示教者存储部211存储的多个示教者中的任意一个示教者;环境信息发送部215,其经由网络线路50向选择部214选择出的示教者发送机器人20的环境信息;以及支援信息接收部216,其经由网络线路从选择部214选择出的示教者50接收支援信息。
根据该机器人控制系统1,能够经由网络线路50从多个示教者接受支援信息的提供。因此,即使没有始终等待的示教者,也能够较早地取得支援信息而使机器人20的作业继续。此外,由于各示教者无需一直在机器人20的附近等待,因此,能够完成各自的作业。因此,有利于机器人20与人的高效协作。
机器人控制系统1也可以还具有:先验评估部221,其在基于支援信息的机器人20的作业之前,根据现有的数据导出支援信息的合适度;以及可否支援判定部222,其根据先验评估部221导出的支援信息的合适度,判定可否采用该支援信息。在该情况下,从多个示教者广泛地接受支援信息的提供并且将合适度低的支援信息设为不可采用,由此,能够提高基于支援信息的机器人20的作业的可靠性。
也可以是,机器人控制系统1还具有:后验评估部232,其在基于支援信息的机器人20的作业以后,根据机器人20的作业结果导出支援信息的合适度;以及分数导出部233,其根据后验评估部232导出的支援信息的合适度,导出该支援信息的示教者的分数,选择部214根据分数导出部233导出的分数,选择多个示教者中的任意一个示教者。在该情况下,从多个示教者广泛地接受支援信息的提供并且使有提供合适度高的支援信息的倾向的示教者优先,由此,能够提高基于支援信息的机器人20的作业的可靠性。
也可以是,示教者存储部211存储的示教者的信息包含能够示教的作业类别的信息,选择部214根据能够示教的作业类别的信息和机器人20的作业类别,选择多个示教者中的任意一个示教者。在该情况下,从多个示教者广泛地接受支援信息的提供并且使与作为支援信息的对象的作业类别匹配的示教者优先,由此,能够进一步提高基于支援信息的机器人20的作业的可靠性。
也可以是,机器人控制系统1还具有示教请求部213,在需要支援信息的情况下,该示教请求部213经由网络线路50请求示教者存储部211存储的多个示教者发送支援信息,选择部214根据对来自示教请求部213的请求的响应的速度,选择多个示教者中的任意一个示教者。在该情况下,通过使响应较快的示教者优先,能够促使示教者更迅速地提供支援信息。因此,能够进一步提高机器人20的作业效率。
机器人控制系统1也可以还具有:示教实绩存储部241,其将示教实绩值与示教者关联地存储,该示教实绩值是与支援信息的发送有关的报酬金额的计算基准;以及示教实绩更新部242,每当执行基于支援信息的机器人20的作业时,该示教实绩更新部242与该作业相应地对该支援信息的示教者的示教实绩值进行更新。在该情况下,通过使示教实绩与报酬金额建立相关,能够促使示教者更加积极地提供支援信息。因此,能够进一步提高机器人20的作业效率。
机器人控制系统1也可以还具有:利用实绩存储部243,其将利用实绩值与机器人20关联地存储,该利用实绩值是与支援信息的利用对应的计费金额的计算基准;以及利用实绩更新部244,每当执行基于支援信息的机器人20的作业时,该利用实绩更新部244与该作业相应地更新该机器人20的利用实绩值。在该情况下,能够通过与利用实绩对应的合理计费,促进支援信息的有效利用。
机器人控制系统1也可以还具有:模型存储部111,其存储作业模型,该作业模型响应于机器人20的环境信息的输入而输出与该环境信息对应的机器人20的作业指示信息;作业指示导出部113,其根据机器人20的环境信息和模型存储部111存储的作业模型,导出机器人20的作业指示信息;可否作业判定部116,其根据机器人20的环境信息和模型存储部111存储的作业模型,判定可否进行基于作业指示信息的机器人20的作业;支援请求部117,在可否作业判定部116判定为不可进行基于作业指示信息的机器人20的作业的情况下,该支援请求部117请求支援信息。在该情况下,通过有效利用机器人20的自主动作并削减需要支援信息的状况,能够进一步减轻示教者的负担。
机器人控制系统1也可以还具有:学习数据存储部124,其存储机器人20的环境信息和机器人20的作业结果作为学习用数据;以及模型更新部125,其通过基于学习数据存储部124存储的学习用数据的机器学习,更新作业模型。在该情况下,通过机器学习提高机器人20的自主性,由此,能够逐渐减轻示教者的负担。
机器人控制系统1也可以还具有更新内容反映部126,在模型更新部125更新了任意一个作业模型的情况下,该更新内容反映部126使上述机器人20的其他机器人20的作业模型也反映该作业模型的更新内容。在该情况下,通过共享最新的作业模型,能够迅速地提高各机器人20的自主性。
以上,对实施方式进行了说明,但是本发明不一定限于上述实施方式,能够在不脱离其主旨的范围内进行各种变形。
标号说明
1:机器人控制系统;20:机器人;50:网络线路;111:模型存储部;113:作业指示导出部;116:可否作业判定部;117:支援请求部;124:学习数据存储部;125:模型更新部;126:更新内容反映部;211:示教者存储部;213:示教请求部;214:选择部;215:环境信息发送部;216:支援信息接收部;221:先验评估部;222:可否支援判定部;232:后验评估部;233:分数导出部;241:示教实绩存储部;242:示教实绩更新部;243:利用实绩存储部;244:利用实绩更新部。
Claims (11)
1.一种机器人控制系统,其具有:
示教者存储部,其存储多个示教者的信息;
选择部,在为了使机器人继续作业而需要支援信息的情况下,所述选择部选择示教者存储部存储的多个示教者中的任意一个示教者;
环境信息发送部,其经由网络线路向所述选择部选择出的示教者发送所述机器人的环境信息;以及
支援信息接收部,其经由网络线路从所述选择部所选择的示教者接收所述支援信息。
2.根据权利要求1所述的机器人控制系统,其中,
所述机器人控制系统还具有:
先验评估部,其在基于所述支援信息的所述机器人的作业之前,根据现有的数据导出所述支援信息的合适度;以及
可否支援判定部,其根据所述先验评估部所导出的所述支援信息的合适度,判定可否采用该支援信息。
3.根据权利要求1或2所述的机器人控制系统,其中,所述机器人控制系统还具有:
后验评估部,其在基于所述支援信息的所述机器人的作业以后,根据所述机器人的作业结果,导出所述支援信息的合适度;以及
分数导出部,其根据所述后验评估部所导出的所述支援信息的合适度,导出该支援信息的示教者的分数,
所述选择部根据所述分数导出部所导出的分数,选择所述多个示教者中的任意一个示教者。
4.根据权利要求1~3中的任意一项所述的机器人控制系统,其中,
所述示教者存储部存储的所述示教者的信息包含能够示教的作业类别的信息,
所述选择部根据所述能够示教的作业类别的信息和所述机器人的作业类别,选择所述多个示教者中的任意一个示教者。
5.根据权利要求1~4中的任意一项所述的机器人控制系统,其中,
所述机器人控制系统还具有示教请求部,在需要所述支援信息的情况下,所述示教请求部经由网络线路请求所述示教者存储部存储的所述多个示教者发送所述支援信息,
所述选择部根据对来自所述示教请求部的请求的响应速度,选择所述多个示教者中的任意一个示教者。
6.根据权利要求1~5中的任意一项所述的机器人控制系统,其中,所述机器人控制系统还具有:
示教实绩存储部,其将示教实绩值与示教者关联地存储,所述示教实绩值是与所述支援信息的发送有关的报酬金额的计算基准;以及
示教实绩更新部,每当执行基于所述支援信息的所述机器人的作业时,所述示教实绩更新部与该作业相应地更新该支援信息的示教者的所述示教实绩值。
7.根据权利要求6所述的机器人控制系统,其中,所述机器人控制系统还具有:
利用实绩存储部,其将利用实绩值与所述机器人关联地存储,所述利用实绩值是与所述支援信息的利用有关的计费金额的计算基准;以及
利用实绩更新部,每当执行基于所述支援信息的所述机器人的作业时,所述利用实绩更新部与该作业相应地更新该机器人的所述利用实绩值。
8.根据权利要求1~7中的任意一项所述的机器人控制系统,其中,所述机器人控制系统还具有:
模型存储部,其存储作业模型,所述作业模型响应于所述机器人的环境信息的输入而输出与该环境信息对应的所述机器人的作业指示信息;
作业指示导出部,其根据所述机器人的环境信息和所述模型存储部存储的所述作业模型,导出所述机器人的作业指示信息;
可否作业判定部,其根据所述机器人的环境信息和所述模型存储部存储的所述作业模型,判定可否进行基于所述作业指示信息的所述机器人的作业;以及
支援请求部,在由所述可否作业判定部判定为不可进行基于所述作业指示信息的所述机器人的作业的情况下,所述支援请求部请求所述支援信息。
9.根据权利要求8所述的机器人控制系统,其中,所述机器人控制系统还具有:
学习数据存储部,其存储所述机器人的环境信息和所述机器人的作业结果作为学习用数据;以及
模型更新部,其通过基于所述学习数据存储部所存储的所述学习用数据的机器学习,更新所述作业模型。
10.根据权利要求9所述的机器人控制系统,其中,
所述机器人控制系统还具有更新内容反映部,在所述模型更新部对任意一个所述作业模型进行了更新的情况下,所述更新内容反映部还使所述机器人的其他机器人的作业模型反映该作业模型的更新内容。
11.一种机器人控制方法,包括:
存储多个示教者的信息;
在为了使机器人继续作业而需要支援信息的情况下,选择所述多个示教者中的任意一个示教者;
经由网络线路向选择出的示教者发送所述机器人的环境信息;以及
经由网络线路从选择出的示教者接收所述支援信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019007251 | 2019-01-18 | ||
JP2019-007251 | 2019-01-18 | ||
PCT/JP2020/001599 WO2020149414A1 (ja) | 2019-01-18 | 2020-01-17 | ロボット制御システム及びロボット制御方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113329850A true CN113329850A (zh) | 2021-08-31 |
Family
ID=71613375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080009228.0A Pending CN113329850A (zh) | 2019-01-18 | 2020-01-17 | 机器人控制系统和机器人控制方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11931895B2 (zh) |
EP (1) | EP3912769A4 (zh) |
JP (1) | JP7251555B2 (zh) |
CN (1) | CN113329850A (zh) |
WO (1) | WO2020149414A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220134557A1 (en) * | 2020-10-30 | 2022-05-05 | Sintokogio, Ltd. | Control device, robot control system, program, and control method |
CN114633260B (zh) * | 2022-05-20 | 2022-08-02 | 广东科佩克机器人有限公司 | 一种远程控制工业机器人作业的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014081813A (ja) * | 2012-10-17 | 2014-05-08 | Kobe Steel Ltd | 作業者支援システム、作業者支援方法、及びコンピュータプログラム |
CN104220219A (zh) * | 2012-04-02 | 2014-12-17 | 株式会社安川电机 | 机器人系统及作业设备 |
CN204209273U (zh) * | 2014-08-29 | 2015-03-18 | 应城骏腾发自动焊接装备有限公司 | 机器人缝焊机 |
US20170021502A1 (en) * | 2015-03-26 | 2017-01-26 | Google Inc. | Methods And Systems For Distributing Remote Assistance To Facilitate Robotic Object Manipulation |
US9802317B1 (en) * | 2015-04-24 | 2017-10-31 | X Development Llc | Methods and systems for remote perception assistance to facilitate robotic object manipulation |
WO2018098490A1 (en) * | 2016-11-28 | 2018-05-31 | Brain Corporation | Systems and methods for remote operating and/or monitoring of a robot |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3768174B2 (ja) * | 2002-07-24 | 2006-04-19 | ファナック株式会社 | ワーク取出し装置 |
JP2006082185A (ja) | 2004-09-16 | 2006-03-30 | Yaskawa Electric Corp | ロボット誘導方法 |
JP5911299B2 (ja) * | 2011-12-27 | 2016-04-27 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法およびプログラム |
JP6157066B2 (ja) * | 2012-06-11 | 2017-07-05 | キヤノン株式会社 | 画像処理装置、物体取出システム、画像処理方法及びプログラム |
US9085080B2 (en) * | 2012-12-06 | 2015-07-21 | International Business Machines Corp. | Human augmentation of robotic work |
JP6435742B2 (ja) | 2014-09-22 | 2018-12-12 | 富士通株式会社 | スケジューリング方法、スケジューリング支援装置およびコンピュータプログラム |
JP6401858B2 (ja) * | 2015-05-28 | 2018-10-10 | 株式会社日立製作所 | ロボット操作装置およびプログラム |
WO2018146687A1 (en) * | 2017-02-12 | 2018-08-16 | Commonsense Robotics Ltd. | Human-assisted robotic picking apparatus |
US10464212B2 (en) * | 2017-03-28 | 2019-11-05 | Amazon Technologies, Inc. | Method and system for tele-operated inventory management system |
JP6603257B2 (ja) * | 2017-03-31 | 2019-11-06 | ファナック株式会社 | 行動情報学習装置、管理装置、ロボット制御システム及び行動情報学習方法 |
US20180356817A1 (en) * | 2017-06-07 | 2018-12-13 | Uber Technologies, Inc. | System and Methods to Enable User Control of an Autonomous Vehicle |
JP6886869B2 (ja) * | 2017-06-09 | 2021-06-16 | 川崎重工業株式会社 | 動作予測システム及び動作予測方法 |
WO2019023522A1 (en) * | 2017-07-28 | 2019-01-31 | Nuro, Inc. | SYSTEM AND MECHANISM FOR INCENTIVE SALE OF PRODUCTS ON AUTONOMOUS VEHICLES |
WO2019180700A1 (en) * | 2018-03-18 | 2019-09-26 | Liveu Ltd. | Device, system, and method of autonomous driving and tele-operated vehicles |
JP7154823B2 (ja) * | 2018-05-28 | 2022-10-18 | キヤノン株式会社 | 情報処理装置、ロボット制御装置、情報処理方法及びプログラム |
US11214265B2 (en) * | 2018-08-22 | 2022-01-04 | Phantom Auto Inc. | Vehicle teleoperator ranking and selection |
US11112790B2 (en) * | 2018-12-21 | 2021-09-07 | GM Global Technology Operations LLC | Micro-authorization of remote assistance for an autonomous vehicle |
-
2020
- 2020-01-17 JP JP2020566511A patent/JP7251555B2/ja active Active
- 2020-01-17 EP EP20741650.4A patent/EP3912769A4/en active Pending
- 2020-01-17 CN CN202080009228.0A patent/CN113329850A/zh active Pending
- 2020-01-17 WO PCT/JP2020/001599 patent/WO2020149414A1/ja unknown
-
2021
- 2021-07-08 US US17/369,965 patent/US11931895B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104220219A (zh) * | 2012-04-02 | 2014-12-17 | 株式会社安川电机 | 机器人系统及作业设备 |
JP2014081813A (ja) * | 2012-10-17 | 2014-05-08 | Kobe Steel Ltd | 作業者支援システム、作業者支援方法、及びコンピュータプログラム |
CN204209273U (zh) * | 2014-08-29 | 2015-03-18 | 应城骏腾发自动焊接装备有限公司 | 机器人缝焊机 |
US20170021502A1 (en) * | 2015-03-26 | 2017-01-26 | Google Inc. | Methods And Systems For Distributing Remote Assistance To Facilitate Robotic Object Manipulation |
US9802317B1 (en) * | 2015-04-24 | 2017-10-31 | X Development Llc | Methods and systems for remote perception assistance to facilitate robotic object manipulation |
WO2018098490A1 (en) * | 2016-11-28 | 2018-05-31 | Brain Corporation | Systems and methods for remote operating and/or monitoring of a robot |
Also Published As
Publication number | Publication date |
---|---|
EP3912769A4 (en) | 2023-01-18 |
JP7251555B2 (ja) | 2023-04-04 |
WO2020149414A1 (ja) | 2020-07-23 |
US20210339392A1 (en) | 2021-11-04 |
US11931895B2 (en) | 2024-03-19 |
JPWO2020149414A1 (ja) | 2021-12-23 |
EP3912769A1 (en) | 2021-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101945772B1 (ko) | 로봇 시스템이 작업을 수행하기 위한 명령어를 생성하기 위한 방법 및 시스템 | |
KR100827088B1 (ko) | 소프트웨어 로봇 장치 | |
US11931895B2 (en) | Robot control system and robot control method | |
US20190389075A1 (en) | Robot system and robot dialogue method | |
CN106660209B (zh) | 智能机器人控制系统、方法及智能机器人 | |
US11897066B2 (en) | Simulation apparatus | |
CN112847336B (zh) | 动作学习方法、装置、存储介质及电子设备 | |
US20180268280A1 (en) | Information processing apparatus, information processing system, and non-transitory computer readable medium | |
JP6543430B1 (ja) | 作業支援システム、作業支援サーバ、作業状況判定装置、作業者用デバイス及び作業対象機器 | |
WO2003019452A1 (en) | Method and system for developing intelligence of robot, method and system for educating robot thereby | |
JP7247552B2 (ja) | 学習装置、ロボット制御装置、及びロボット制御システム | |
US20090150317A1 (en) | Information processing apparatus, information processing method and program | |
EP3933698A1 (en) | Method and control unit for generating stylized motion of an object, such as a robot or a virtual avatar | |
JP7236356B2 (ja) | 制御プラットフォーム及び制御システム | |
JPWO2020075368A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR101858108B1 (ko) | 로봇을 위한 동작 시뮬레이션 장치 및 방법 | |
EP4300239A1 (en) | Limiting condition learning device, limiting condition learning method, and storage medium | |
US20240123614A1 (en) | Learning device, learning method, and recording medium | |
US20210383307A1 (en) | Information processing apparatus and non-transitory computer readable medium | |
CN116542310B (zh) | 一种机器人的模型训练、运动指令预测方法、装置及系统 | |
KR20120135935A (ko) | 인지 아키텍쳐를 이용한 로봇 제어 시스템 및 로봇 제어 방법 | |
US20220371203A1 (en) | Assistance for robot manipulation | |
WO2024051978A1 (en) | Action abstraction controller for fully actuated robotic manipulators | |
CN115343954A (zh) | 自适应控制方法、装置、设备及存储介质 | |
Ferreira et al. | An Environment for Autonomous Systems Development |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |