CN114269521A - 信息处理装置、信息处理方法、程序和机器人 - Google Patents

信息处理装置、信息处理方法、程序和机器人 Download PDF

Info

Publication number
CN114269521A
CN114269521A CN202080055848.8A CN202080055848A CN114269521A CN 114269521 A CN114269521 A CN 114269521A CN 202080055848 A CN202080055848 A CN 202080055848A CN 114269521 A CN114269521 A CN 114269521A
Authority
CN
China
Prior art keywords
sensor
detection
value
pressure distribution
range
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
Application number
CN202080055848.8A
Other languages
English (en)
Inventor
威廉·亚历山大·科尼斯
松田康宏
高杉宪明
川浪康范
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Group Corp
Original Assignee
Sony Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Group Corp filed Critical Sony Group Corp
Publication of CN114269521A publication Critical patent/CN114269521A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0061—Force sensors associated with industrial machines or actuators
    • G01L5/0076—Force sensors associated with manufacturing machines
    • G01L5/009—Force sensors associated with material gripping devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/081—Touching devices, e.g. pressure-sensitive
    • B25J13/082—Grasping-force detectors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/085—Force or torque sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • 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
    • B25J9/1612—Programme controls characterised by the hand, wrist, grip 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
    • B25J9/1628—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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/22—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring the force applied to control members, e.g. control members of vehicles, triggers
    • G01L5/226—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring the force applied to control members, e.g. control members of vehicles, triggers to manipulators, e.g. the force due to gripping
    • G01L5/228—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring the force applied to control members, e.g. control members of vehicles, triggers to manipulators, e.g. the force due to gripping using tactile array force sensors
    • 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
    • G05B2219/39531—Several different sensors integrated into hand
    • 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
    • G05B2219/39532—Gripping force sensor build into finger
    • 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
    • G05B2219/39533—Measure grasping posture and pressure distribution
    • 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
    • G05B2219/40627—Tactile image sensor, matrix, array of tactile elements, tixels

Abstract

本技术涉及使得能够估计位于传感器的可检测范围之外的值的信息处理装置、信息处理方法、程序和机器人。根据本技术的第一方面的控制装置从由多个传感器构成的传感器单元获取检测结果，所述多个传感器包括第一传感器和第二传感器，第一传感器具有预定检测范围，第二传感器具有覆盖由第一传感器不可检测的范围的可检测范围；以及基于来自第二传感器的检测结果来估计第一传感器的位于预定可检测范围之外的检测值。本技术可以应用于用于控制具有能够握持物体的手部的机器人的装置。

Description

信息处理装置、信息处理方法、程序和机器人
技术领域
本技术涉及信息处理装置、信息处理方法、程序和机器人，并且更特别地，涉及被配置成能够估计传感器的检测范围之外的值的信息处理装置、信息处理方法、程序和机器人。
背景技术
需要能够稳定地握持具有不同特性(例如重量和耐久性)的各种物体(例如轻且易损坏的物体和重且不易损坏的物体)的机器人手。为了处理宽范围的特性，需要使用具有宽检测范围的传感器来精确地检测施加至机器人手与物体之间的接触表面的压力。
例如，专利文献1公开了一种用于在触摸屏下堆叠应变计(力传感器)和压力传感器以及切换操作传感器的技术。
引用列表
专利文献
专利文献1:美国专利申请公开第2018/0364850号(说明书)。
发明内容
技术问题
然而，难以在不切换传感器的情况下精确地检测检测范围之外的值。
鉴于这样的情况提出了本技术，并且使得可以估计传感器的检测范围之外的值。
问题的解决方案
本技术的第一方面的控制装置包括：获取单元，被配置成获取由多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，第一传感器具有预定检测范围，第二传感器在其检测范围内具有无法由第一传感器检测到的范围；以及估计单元，被配置成基于第二传感器的检测结果来估计第一传感器在预定检测范围之外的检测值。
本技术的第二方面的机器人包括：手部，该手部能够握持物体；传感器单元，该传感器单元由多个传感器构成并且设置在手部中，所述多个传感器包括第一传感器和第二传感器，第一传感器具有预定检测范围，第二传感器在其检测范围内具有无法由第一传感器检测到的范围；以及估计单元，被配置成基于第二传感器的检测结果来估计第一传感器在预定检测范围之外的检测值。
在本技术中，基于第二传感器的检测结果来估计第一传感器在预定检测范围之外的检测值，第二传感器在其检测范围内具有无法由第一传感器检测到的范围。
附图说明
[图1]图1是示出根据本技术的实施方式的机器人的外观的配置示例的图。
[图2]图2是示出手部的放大图。
[图3]图3是示出由压力分布传感器检测的压力分布的示例的图。
[图4]图4是示出手指部的顶端的一部分的放大截面图。
[图5]图5是示出由压力分布传感器检测的压力分布的示例的图。
[图6]图6是示出在时刻t＝n-1的力分布的示例的图。
[图7]图7是示出在时刻t＝n的力分布的估计结果的示例的图。
[图8]图8是示出机器人的硬件配置示例的框图。
[图9]图9是示出控制系统的配置示例的图。
[图10]图10是表示控制装置的功能配置示例的框图。
[图11]图11是示出控制装置的压力估计处理的流程图。
[图12]图12是示出施加至压力分布传感器的力的分布的示例的图。
[图13]图13是示出压力分布传感器的检测值的示例的图。
[图14]图14是示出施加至压力分布传感器的力的分布的另一示例的图。
[图15]图15是示出插值估计的示例的图。
[图16]图16是示出用于预测模型的机器学习的配置的示例的图。
[图17]图17是示出预测模型的输入/输出的图。
[图18]图18是示出包括学习装置的控制装置的配置示例的框图。
[图19]图19是示出传感器单元的配置示例的图。
[图20]图20是示出检测范围的示例的图。
[图21]图21是示出计算机的硬件配置示例的框图。
具体实施方式
在下文中，将描述本技术的实施方式。注意，按如下顺序给出描述。
1.机器人的握持功能
2.检测值的估计
3.机器人的配置
4.控制装置的操作
5.使用预测模型的示例
6.修改示例。
<1.机器人的握持功能>
图1是示出根据本技术的实施方式的机器人的外观的配置示例的图。
如图1所示，机器人1是具有人形上身并且具有使用轮子的移动机构的机器人。扁平球形头部12设置在身体部11上。两个摄像装置12A以模仿人眼的形状设置在头部12的前表面上。
包括具有多个自由度的操纵器的臂部13-1和13-2设置在身体部11的上端。手部14-1和14-2分别设置在臂部13-1和13-2的顶端。机器人1具有通过手部14-1和14-2握持物体的功能。
在下文中，当不需要适当地区分臂部13-1和13-2时，将它们统称为臂部13。当不需要区分手部14-1和14-2时，将它们统称为手部14。也将适当地统称成对设置的其他部件。
在身体部11的下端设置有托架形移动身体部15。机器人1可以通过旋转设置在移动身体部15的左侧和右侧上的轮子以及改变轮子的方向来移动。
以这种方式，机器人1可以执行整个身体的协调移动，例如在用手部14握持物体的同时在三维空间中自由地提升和运输物体。
如图1所示，机器人1可以被配置为单臂机器人(具有一个手部14)而不是双臂机器人。此外，身体部11可以设置在腿上而不是托架(移动身体部15)上。
图2是示出手部14-1的放大图。
如图2所示，手部14-1是双指握持器型握持部。构成外侧和内侧上的两个手指部22的手指部22-1和22-2附接至基部21。
手指部22-1经由关节部31-1连接至基部21。关节部31-1设置有具有预定宽度的板状部32-1，并且关节部33-1设置在板状部32-1的顶端。板状部34-1设置在关节部33-1的顶端。圆柱形关节部31-1和33-1具有预定的运动范围。
手指部22-2也具有与手指部22-1相同的结构。即，关节部31-2设置有具有预定宽度的板状部32-2，并且关节部33-2设置在板状部32-2的顶端。板状部34-2设置在关节部33-2的顶端。圆柱形关节部31-2和33-2具有预定的运动范围。
通过移动每个关节部，手指部22-1和22-2打开和闭合。握持物体使物体夹在手指部22-1的顶端处设置的板状部34-1的内侧与手指部22-2的顶端处设置的板状部34-2的内侧之间。
在图2的示例中，握持球形物体O。
如图2所示，薄板状压力分布传感器35-1设置在手指部22-1的板状部34-1的内侧。此外，薄板状压力分布传感器35-2设置在手指部22-2的板状部34-2的内侧。
当握持物体O时，压力分布传感器35(压力分布传感器35-1和35-2)检测手部14与物体O之间的接触表面上的压力分布。
图3是示出由压力分布传感器35检测的压力分布的示例的图。
如图3的上部所示，将近似正方形的压力分布传感器35的表面分成多个矩形单元。例如，当手部14握持物体O时，检测每个单元中的压力，并且基于每个单元中的压力的检测值来检测压力分布传感器35的整个表面上的压力分布。
如图3中箭头的顶端所示，例如，可以由三维空间中的点表示施加至压力分布传感器35的整个表面的压力的分布。在图3的示例中，每个黑点表示在压力分布传感器35的表面上的每个单元中检测到的压力的检测值。
当手部14握持球形物体O时，检测到压力分布，其中施加至压力分布传感器35的中心的压力最高并且压力随着到压力分布传感器35的端部的距离的减小而以弯曲方式降低，如图3中箭头的顶端所示。
返回至图2的描述，薄板状中间安装板36-1设置在板状部34-1与压力分布传感器35-1之间。此外，薄板状中间安装板36-2设置在手指部22-2的板状部34-2与压力分布传感器35-2之间。
力传感器设置在板状部件34(板状部34-1和34-2)的内侧。夹在力传感器与压力分布传感器35之间的中间安装板36(中间安装板36-1和36-2)用作将传感器彼此连接的安装部件。稍后将参照图4描述板状部34的内部构造。
与上述手部14-1相同的构造也设置在手部14-2中。
虽然手部14是双指型握持部，但是也可以设置具有不同数目的手指的多指型握持部，例如三指型和五指型。
图4是示出手指部22-1的顶端的一部分的放大截面图。
如图4所示，具有凸截面的力传感器37设置在压力分布传感器35-1的后侧上，其中中间安装板36-1插入力传感器37与压力分布传感器35-1之间。力传感器37的凸起部37A联接至中间安装板36-1的后表面。安装中间安装板36-1以有助于传感器之间的联接。压力分布传感器35-1和力传感器37可以直接联接。
力传感器37设置在压力分布传感器35-1的后面，以堆叠在压力分布传感器35-1上。
因此，当握持物体O时，不仅压力分布传感器35-1检测到压力分布，而且力传感器37检测到施加至手部14与物体O之间的整个接触表面上的力。力传感器37在其检测范围内具有无法由压力分布传感器35-1的每个单元检测到的力范围。
以这种方式，以堆叠状态设置的压力分布传感器35-1和力传感器37构成检测施加至手部14与物体O之间的接触表面的力的传感器单元。可以堆叠多个压力分布传感器和多个力传感器以形成传感器单元。可以使用构成传感器单元的任何类型的传感器，只要其能够检测力即可。
可以由1轴、3轴或6轴力传感器检测施加至手部14与物体O之间的整个接触表面上的力。1轴力传感器是检测Z方向上的力的力传感器，并且3轴力传感器是检测XYZ方向上的力的力传感器。6轴力传感器是检测XYZ方向上的力和MxMyMz方向上的力矩的力传感器。
如图4所示，具有钩状截面的肋38作为加强件设置在力传感器37的表面侧(图4的右侧)上以覆盖除了凸起部37A之外的部分。在肋38的表面与中间安装板36-1之间形成预定间隙。
在将预定力矩施加至手部14时，中间安装板36-1通过弯曲而变形并且在施加至力传感器37的力矩达到容量力矩之前撞击肋38。
力传感器37具有由规格确定的作为极限值的容量力矩。形成在中间安装板36-1与肋38之间的间隙以及肋38本身可以对施加至力传感器37的力矩进行缓冲并且防止力传感器37发生故障。
以这种方式，机器人1可以基于设置在手指部22的顶端处的力传感器37和压力分布传感器35的检测结果通过控制手部14以适当的力调整来握持物体O。
例如，与上述手指部22-1相同的构造设置在手指部22-2中。可以在手指部22-2上设置具有与设置在手指部22-1上的压力分布传感器35和力传感器37的检测范围不同的检测范围的压力分布传感器或力传感器。此处，检测范围指示可以由能够检测特定类型的值的传感器检测到的值的范围，并且“在检测范围之外”指示在特定类型的值内的非检测范围。
压力分布传感器35和力传感器37可以仅设置在手指部22-1侧，并且可以不设置在与手指部22-1配对的手指部22-2侧。
<2.检测值的估计>
压力分布传感器35(压力分布传感器35的每个单元)和力传感器37具有不同的检测范围。例如，力传感器37可以具有比压力分布传感器35的检测范围宽的范围作为检测范围。力传感器37的检测范围至少包括压力分布传感器35的检测范围之外的范围。
当压力分布传感器35检测到检测范围的上限或下限的检测值时，基于机器人1中的力传感器37的检测结果来估计压力分布传感器35在检测范围之外的检测值。
图5是示出由压力分布传感器35检测的压力分布的示例的图。
在图5的示例中，由二维图表示由压力分布传感器35检测的压力分布。在下文中，将使用二维图描述由压力分布传感器35检测的压力分布。
图5的纵轴表示力(N)。表示为每个单元的检测值的力值是基于压力分布传感器35的每个单元的检测值获得的值。另一方面，图5中的横轴表示单元。图5表示单元1至单元10的检测值。
图5的图表示检测到压力分布传感器35的检测范围的上限的检测值的时刻t＝n的压力分布。如椭圆所表示的，通过施加超出10N的上限的力，单元6至单元8的检测值a、b和c被检测为10N。实际上，可以想到将10N或更大的力施加至单元6至单元8。
在单元1至单元5、单元9和单元10中，检测到小于作为检测范围上限的10N的值。小于检测范围上限的检测值的总和例如为47.5N。
在将检测范围之外的超出上限的力施加至单元6至单元8时，基于力传感器37的检测结果和压力分布传感器35的每个单元的检测值的时间序列数据来估计单元6至单元8的实际检测值。
例如，当由压力分布传感器35的一个或更多个单元检测到高于阈值的检测值时，将压力分布传感器35的每个单元在每个时刻的检测值存储为时间序列数据。将作为用于开始存储时间序列数据的第一阈值的检测值预设为比压力分布传感器35的检测范围的上限低的值。
将从检测范围的上限减去预定值而获得的值设定为阈值。此外，可以设定与检测范围的上限成比例的值，例如上限的99％的值。基于压力分布传感器35的规格来设定压力分布传感器35的检测范围的上限。可以将规格范围内的预定值设定为压力分布传感器35的检测范围的上限。
当压力分布传感器35的每个单元中的理想检测范围的上限由于规格和误差而不同时，可以将检测范围的上限或阈值设定为针对各个单元的不同值。
以这种方式存储的时间序列数据用于估计施加至已经达到检测范围上限的单元6至单元8的实际力。
图6是示出在时刻t＝n-1的力分布的示例的图。
图6的图表示在检测到参照图5描述的压力分布的时刻t＝n之前一小时的时刻的压力分布。
在图6的示例中，假设将作为压力分布传感器35的检测范围上限的10N的99％的检测值9.9N设定为阈值。在单元1至单元10中，单元8的检测值等于或大于阈值。单元1至单元7、单元9和单元10的检测值小于阈值。
在单元8的检测值等于或大于阈值的时刻t＝n-1，开始存储压力分布传感器35的每个单元的检测值。包括所存储的检测值的时间序列数据用于估计在时刻t＝n时超出上限的施加至单元6至单元8(图5)的力。
具体地，机器人1将首先超出阈值的单元8的检测值设定为基准值(1.0)，并且基于在时刻t＝n-1的检测值来计算单元6和单元7的检测值与基准值的比率。
假设单元6的检测值为a，单元7的检测值为b，并且单元8的检测值为c，在图6的示例中得到a＝0.96c并且b＝0.91c。
此外，机器人1基于在时刻t＝n的力传感器37的检测结果和如上所述参照单元8表示的单元6至单元8的检测值来估计在时刻t＝n的单元6至单元8的检测值。
此处，假设在时刻t＝n的力传感器37的检测结果为90N。
在这种情况下，机器人1从作为力传感器37的检测结果的90N中减去作为压力分布传感器35的小于检测范围上限的检测值的总和的47.5N。通过相减获得的值是施加至单元6至单元8的超出上限的力的总和。此处，施加至单元6至单元8的总的力为42.5N。
由于单元6的检测值a、单元7的检测值b和单元8的检测值c的总和为42.5N，所以机器人1根据每个单元的检测值的比率来估计在时刻t＝n施加至单元6至单元8的力。机器人1基于以下三个公式来估计在时刻t＝n施加至单元6至单元8的力。
a＝0.96c
b＝0.91c
a+b+c＝42.5
图7是示出在时刻t＝n的力分布的估计结果的示例的图。
如图7所示，单元6的检测值a、单元7的检测值b和单元8的检测值分别估计为约14.2N、13.5N和14.8N。使用与在时刻t＝n-1的单元6至单元8的检测值的比率相同的比率来估计在时刻t＝n的单元6至单元8的检测值的比率。
作为未达到检测范围上限的单元1至单元5、单元9和单元10的检测值，按原样使用由压力分布传感器35实际检测到的值。
如上所述，基于压力分布传感器35的检测值的时间序列数据和力传感器37的检测结果来估计压力分布传感器35的检测范围之外的检测值。
通常，力传感器37具有比压力分布传感器更短的检测周期和更少量的数据处理。因此，与使用不同压力分布传感器的情况相比，可以减少计算量，并且可以通过使用高频率数据来抑制延迟。
机器人1可以通过基于压力分布传感器35的检测范围之外的检测值的估计结果控制手部14，来稳定地握持具有诸如重量和耐久性的不同特性的各种物体。
即使当在正常使用条件下被认为不发生的情况(诸如突然施加在压力分布传感器35的检测范围之外的强外力)发生时，机器人1也可以通过基于压力分布传感器35的检测值的估计结果控制手部14来安全地握持物体。
<3.机器人的配置>
·硬件配置
图8是示出机器人1的硬件配置示例的框图。
如图8所示，机器人1包括设置在连接至控制装置51的身体部11、头部12、臂部13、手部14和移动身体部15中的部件。
控制装置51包括具有中央处理单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)、闪存等的计算机。控制装置51可以容纳在例如身体部11中。控制装置51通过CPU执行预定程序并且控制机器人1的整体操作。
控制装置51基于传感器的检测结果、由摄像装置捕获的图像等来识别机器人1周围的环境，并且根据识别结果来规划动作。各种传感器和摄像装置设置在身体部11、头部12、臂部13、手部14和移动身体部15中的每一个中。此外，手部14设置有压力分布传感器35和力传感器37。
控制装置51生成用于实现预定动作的任务，并且基于所生成的任务执行全身操作。例如，可以在握持物体的同时操作臂部13使得物体移动，或者可以在握持物体的同时操作移动身体部15使得物体被运送。
此外，当压力分布传感器35检测到压力分布传感器35的检测范围的上限或下限的检测值时，控制装置51如上所述估计压力分布传感器35的检测范围之外的检测值。
例如，控制装置51可以基于施加至手部14与物体O之间的接触表面的力的分布(包括所估计的检测值)来控制手部14，并且根据适当的力调整来握持物体O。
图9是示出控制系统的配置示例的图。
图9所示的控制系统通过将控制装置51设置为机器人1的外部装置而构成。以这种方式，控制装置51可以设置在机器人1的壳体的外部。
在图9中的机器人1与控制装置51之间执行诸如无线LAN或长期演进(Long TermEvolution，LTE)的预定标准的无线通信。
诸如指示机器人1的状态的信息和指示传感器的检测结果的信息的各种类型的信息从机器人1传送至控制装置51。用于控制机器人1的操作的信息等从控制装置51传送至机器人1。
如图9的A所示，机器人1与控制装置51可以直接连接，或者如图9的B所示，机器人1与控制装置51可以经由诸如因特网的网络61连接。多个机器人1的操作可以由一个控制装置51控制。
·功能配置
图10是示出控制装置51的功能配置示例的框图。
图10所示的功能单元的至少一部分通过由控制装置51的CPU执行预定程序来实现。
如图10所示，在控制装置51中实现感测单元71、数据存储单元72和估计单元73。
感测单元71获取压力分布传感器35的检测结果和力传感器37的检测结果。感测单元71用作从传感器单元获取检测结果的获取单元。基于由感测单元71获取的检测结果来控制手部14的操作。
当压力分布传感器35检测到高于阈值的值时，感测单元71将压力分布传感器35的检测结果输出至数据存储单元72。数据存储单元72将从感测单元71提供的压力分布传感器35的检测结果存储为时间序列数据。
可以将力传感器37的检测结果与压力分布传感器35的检测结果一起从感测单元71输出至数据存储单元72并且将其存储在数据存储单元72中。在这种情况下，作为时间序列数据存储的力传感器37的检测结果用于估计压力分布传感器35在检测范围之外的检测值。
当压力分布传感器35检测到作为检测范围的上限或下限的检测值时，感测单元71将压力分布传感器35的检测结果和力传感器37的检测结果输出至估计单元73。
除非由压力分布传感器35检测到作为检测范围的上限或下限的检测值，否则感测单元71不停止力传感器37的操作。感测单元71还具有控制力传感器37的操作的功能。可以通过停止力传感器37的操作来降低功耗。
代替直到检测到作为检测范围的上限或下限的检测值才停止力传感器37的操作，可以直到检测到比被设定为比检测范围的上限低的值的阈值高的检测值，或者直到检测到比被设定为比检测范围的下限高的值的阈值低的检测值才停止力传感器37的操作。
当压力分布传感器35检测到作为检测范围的上限或下限的检测值时，估计单元73从数据存储单元72获取压力分布传感器35的检测值的时间序列数据。
估计单元73基于从感测单元71提供的压力分布传感器35的检测结果、力传感器37的检测结果以及从数据存储单元72获取的时间序列数据来估计压力分布传感器35在检测范围之外的检测值。基于由估计单元73估计的检测值来控制手部14的操作。
<4.控制装置的操作>
将描述具有上述配置的控制装置51的操作。
将参照图11的流程图描述控制装置51的压力估计处理。此处，将描述估计压力分布传感器35的检测值高于检测范围的上限的处理。
在步骤S1中，感测单元71获取作为压力分布传感器35的检测结果的压力分布。
在步骤S2中，感测单元71确定压力分布传感器35是否检测到高于阈值的值。
如果在步骤S2中确定压力分布传感器35检测到高于阈值的值，则处理进行至步骤S3。
在步骤S3中，感测单元71确定是否已经检测到作为检测范围上限的值。
如果在步骤S3中确定尚未检测到作为检测范围上限的值，则处理进行至步骤S4。
在步骤S4中，感测单元71将作为时间序列数据的压力分布传感器35的检测结果输出至数据存储单元72，并且将时间序列数据存储在数据存储单元72中。
另一方面，如果在步骤S3中确定已经检测到作为检测范围上限的值，则处理进行至步骤S5。
在步骤S5中，感测单元71将压力分布传感器35的检测结果和力传感器37的检测结果输出至估计单元73。
在步骤S6中，估计单元73获取压力分布传感器35的检测值的时间序列数据。此外，估计单元73基于从感测单元71提供的压力分布传感器35的检测结果、力传感器37的检测结果以及从数据存储单元72获取的时间序列数据来估计压力分布传感器35的检测范围之外的检测值。
如果在步骤S6中估计出压力分布传感器35在检测范围之外的检测值，或者如果在步骤S4中存储了时间序列数据，则处理进行至步骤S7。类似地，当在步骤S2中确定压力分布传感器35尚未检测到高于阈值的值时，处理进行至步骤S7。
在步骤S7中，感测单元71确定是否结束处理。
如果在步骤S7中确定不结束处理，则处理返回至步骤S1并且执行随后的处理。
另一方面，如果在步骤S7中确定结束处理，则处理结束。
如上所述，即使当在压力分布传感器35的一些单元中不能检测到值时，也可以估计这些单元的检测值。因此，可以在机器人1的配置中使用具有较窄检测范围的廉价传感器而不是具有期望范围的传感器。
图12是示出施加至压力分布传感器35的力的分布的示例的图。
在图12中，横轴表示压力(力)，纵轴表示单元。这同样适用于图13、图14和图15。
在图12上部所示的图中，将检测范围内的力施加至压力分布传感器35的所有单元。即，压力分布传感器35可以检测所有单元中的力。在图12的示例中，将检测范围的上限设定为值b，并且将下限设定为值a。
另一方面，在图12的下部所示的图中，如由椭圆所表示的，比检测范围的上限的值b高(强)的力被施加至三个单元。即，在构成压力分布传感器35的三个单元中不能正确地检测力。
图13是示出压力分布传感器35的检测值的示例的图。
图13的上部所示的图示出了压力分布传感器35的检测结果。如图12的下部所示，施加了比检测范围的上限值b高的力的单元的检测值变为上限值b。
图13的中间部分所示的图示出了在不使用力传感器37的检测结果的情况下通过仅基于压力分布传感器35的检测结果的插值来估计检测范围之外的值时的结果。例如，如图13的中部所示，基于周围单元的检测结果来估计比值b高的预定值。
图13下部所示的图示出了实际施加至压力分布传感器35上的力的示例。实际施加至所估计的检测值的三个单元的力大于中间部分中所示的通过仅基于压力分布传感器35的检测结果的插值估计的力。
如果通过仅基于压力分布传感器35的检测结果的插值来估计检测范围之外的值，则不可能处理施加了不能从周围单元的检测结果估计的这样的非线性力的情况。即，通过仅基于压力分布传感器35的检测结果的插值来估计的结果可能是不确定的估计结果。
如上所述，通过使用力传感器37的检测结果进行估计，控制装置51能够执行高精度的估计。
此外，控制装置51可以估计一个或更多个单元的检测值，而不管压力分布传感器35在检测范围之外的单元数目。
即使当由于诸如压力分布传感器35与控制装置51之间的通信错误的临时原因而不能检测到压力分布时，控制装置51也能够基于力传感器的检测结果和时间序列数据来估计压力分布传感器35的检测值。
此外，即使施加了比检测范围的下限小的力，控制装置51也能够估计检测范围之外的检测值。
在压力分布传感器35的一些单元中不能检测到值的状态包括：施加至压力分布传感器35的单元的力高于压力分布传感器35的检测范围的上限的状态以及施加至压力分布传感器35的单元的力低于压力分布传感器35的检测范围的下限的状态。
图14是示出施加至压力分布传感器35的力的分布的另一示例的图。
在图14所示的图中，如由圆圈所表示的，比检测范围的下限的值a低(弱)的力被施加至两个单元。即，在构成压力分布传感器35的两个单元中不能正确地检测力。
在这种情况下，低于值a的力被压力分布传感器35检测为值a或在0至值a的范围内的不准确值。
比下限值a低的检测值的估计以与比上限值高的检测值的估计相同的方式执行。例如，当压力分布传感器35的一个或更多个单元检测到比阈值低的值时，控制装置51每次将压力分布传感器35的每个单元的检测值存储为时间序列数据。将用于开始存储时间序列数据的第二阈值的检测值预设为比压力分布传感器35的检测范围的下限高的值。
如上所述，控制装置51基于压力分布传感器35检测到检测范围的下限值时力传感器37的检测结果和时间序列数据、使用首先超出阈值的单元的检测值作为基准值、根据比率计算来估计比检测范围的下限低的检测值。
以这种方式，控制装置51不仅能够估计比检测范围的上限值高的检测值，而且能够估计比检测范围的下限值低的检测值。
同时，可以通过基于力传感器37的检测结果和压力分布传感器35的检测结果的插值来估计压力分布传感器35的检测范围之外的检测值。
图15是示出插值估计的示例的图。
图15的上部的图与图13的上部的图相同。在图15的上部的图中，施加了比检测范围上限高的力的单元的检测值为值b。通过插值来估计检测到上限值b的单元的检测值。
例如，可以通过例如样条插值来执行检测值的插值，使得压力分布传感器35的单元的检测值的力的总和与力传感器37的检测值一致。
图15的下部的图示出了通过插值估计的压力分布传感器35的检测值。比检测范围的上限的高的值(用圆圈包围表示)表示通过插值来估计的检测值。
如上所述，可以在不使用时间序列数据的情况下基于力传感器37在特定定时的检测结果来估计压力分布传感器35在检测范围之外的值。
<5.使用预测模型的示例>
可以使用预测模型来执行压力分布传感器35在检测范围之外的检测值的估计。
使用压力分布传感器的检测结果、通过对压力分布传感器的检测结果执行预定的预学习处理而获得的数据以及力传感器的检测结果，通过机器学习预先生成预测模型。此处，将描述预测模型的机器学习。
图16是示出用于预测模型的机器学习的配置的示例的图。
如图16所示，使用力传感器37、用于教师数据的压力分布传感器81、数据处理单元102以及预测模型生成单元103来执行预测模型的机器学习。例如，根据使用用于教师数据的压力分布传感器81的检测结果作为教师数据的监督学习执行预测模型的机器学习。
用于教师数据的压力分布传感器81包括多个压力分布传感器。构成用于教师数据的压力分布传感器81的压力分布传感器中的每个是在检测范围中包括压力分布传感器35的检测范围的一部分的传感器，压力分布传感器35是要预测的压力分布传感器。此处，假设压力分布传感器35的检测范围为10kPa至100kPa。
在图16的示例中，将具有0.1kPa至20kPa的检测范围的低压力分布传感器和具有50kPa至200kPa的检测范围的高压力分布传感器用作用于教师数据的压力分布传感器81。低压力分布传感器的检测范围和高压力分布传感器的检测范围包括压力分布传感器35的检测范围的10kPa至100kPa的部分。用作用于教师数据的压力分布传感器81的压力分布传感器的数目是任意一个或更多个。
低压力分布传感器和高压力分布传感器设置在手部14中，而不是设置在参照图2所描述的手部14中的压力分布传感器35中。可以添加用于教师数据的压力分布传感器81作为构成传感器单元的传感器。
机器人1以各种变化使用设置有用于教师数据的压力分布传感器81的手部通过重复目标任务来收集数据。将作为所收集的数据的用于教师数据的压力分布传感器81的检测结果提供给数据处理单元102和预测模型生成单元103。
数据处理单元102根据待预测的压力分布传感器35的检测范围对用于教师数据的压力分布传感器81的检测结果执行预学习处理。根据预学习处理生成用于学习预测模型的学习数据。
在图16的示例中，根据压力分布传感器35的检测范围将低压力分布传感器的检测结果中的一些截断，并且因此生成具有10kPa至20kPa范围的数据。此外，根据压力分布传感器35的检测范围将高压力分布传感器的检测结果中的一些截断，并且因此生成具有50kPa至100kPa范围的数据。
将通过预学习处理生成的数据提供给预测模型生成单元103。还向预测模型生成单元103提供在检测用于教师数据的压力分布传感器81的检测结果的同时检测到的力传感器37的检测结果。
预测模型生成单元103通过使用在预学习处理之后的数据和力传感器的检测结果作为学习数据并且通过使用用于教师数据的压力分布传感器81的检测结果作为教师数据来学习构成预测模型的参数。由通过学习获得的参数构成的预测模型用于估计压力分布传感器35在检测范围之外的检测值。
图17是示出预测模型的输入/输出的图。
图17的左侧表示参照图16描述的预测模型的学习期间的输入输出，并且图17的右侧表示使用预测模型的估计期间的输入输出。
如图17的左侧所示，在预测模型生成单元103中执行的机器学习是根据机器学习算法来执行的，该机器学习算法使用用于教师数据的压力分布传感器81的压力分布值(y1,y2,...,yn)作为教师数据，并且使用预学习处理之后的数据(x1,x2,...,xn)、用于教师数据的压力分布传感器81的检测值的时间序列数据(xn+1,xn+2,...,xm)以及力传感器的检测结果(xm+1)作为学习数据。
用于教师数据的压力分布传感器81的检测值的时间序列数据(xn+1,xn+2,...,xm)例如可以是比待预测的压力分布传感器35的第一阈值高的值，或者是在检测到比第二阈值低的值时用于教师数据的压力分布传感器81的检测结果。
从用于教师数据的压力分布传感器81的检测开始到检测到超出待预测的压力分布传感器35的检测范围的值时的各个时刻的用于教师数据的压力分布传感器81的检测结果可以用作用于教师数据的压力分布传感器81的检测值的时间序列数据。
预测模型生成单元103生成预测模型，该预测模型接收学习数据作为输入，并且输出根据机器学习算法的与教师数据对应的压力分布值。
另一方面，如图17的右侧所示，当输入作为压力分布传感器35的检测结果的压力分布值(x1,x2,...,xn)、压力分布传感器35的检测值的时间序列数据(xn+1,xn+2,...,xm)以及力传感器37的检测结果(xm+1)时，从预测模型输出包括压力分布传感器35在检测范围之外的检测值的压力分布的预测值。
图18是示出包括学习装置的控制装置51的配置示例的框图。
在学习预测模型时使用图18所示的控制装置51的配置。除了以上描述的检测单元71、数据存储单元72以及估计单元73之外，图18所示的控制装置51设置有机器学习单元91。
当用于教师数据的压力分布传感器81检测到压力分布传感器35(其为待预测的压力分布传感器)的检测范围之外的值时，感测单元71将力传感器37的检测结果输出至机器学习单元91。
当用于教师数据的压力分布传感器81检测到超出阈值的值时，可以将力传感器37的检测结果从感测单元71输出至数据存储单元72并且存储在存储单元72中。在这种情况下，作为时间序列数据存储的力传感器37的检测结果用作学习预测模型时的学习数据。
数据存储单元72将从机器学习单元91的用于教师数据的感测单元101提供的用于教师数据的压力分布传感器81的检测结果存储为时间序列数据。
从机器学习单元91将使用用于教师数据的压力分布传感器81的检测结果学习的参数组成的预测模型提供给估计单元73。由估计单元73使用预测模型来执行压力分布传感器35的检测值的估计。
机器学习单元91包括：用于教师数据的感测单元101、数据处理单元102和预测模型生成单元103。
用于教师数据的感测单元101获取用于教师数据的压力分布传感器81(未示出)的检测结果。
当用于教师数据的压力分布传感器81检测到超出阈值的值时，用于教师数据的感测单元101将用于教师数据的压力分布传感器81的检测结果输出至数据存储单元72。
当用于教师数据的压力分布传感器81检测到待预测的压力分布传感器的检测范围之外的值时，用于教师数据的感测单元101将用于教师数据的压力分布传感器81的检测结果输出至数据处理单元102和预测模型生成单元103。
数据处理单元102对从用于教师数据的感测单元101提供的用于教师数据的压力分布传感器81的检测结果执行预学习处理。数据处理单元102将预学习处理后的数据输出至预测模型生成单元103。
当用于教师数据的压力分布传感器81检测到压力分布传感器35的检测范围之外的值时，预测模型生成单元103从数据存储单元72获取用于教师数据的压力分布传感器81的检测值的时间序列数据。
预测模型生成单元103使用从用于教师数据的感测单元101提供的用于教师数据的压力分布传感器81的检测结果作为教师数据，并且使用从数据处理单元102提供的预学习处理后的数据、从数据存储单元72获取的用于教师数据的压力分布传感器81的时间序列数据、以及从感测单元71提供的力传感器37的检测结果作为学习数据，来执行机器学习。
预测模型生成单元103基于机器学习的结果生成预测模型，并且将预测模型输出至估计单元73。
通过使用如上所述生成的预测模型，控制装置51能够估计准确且宽范围的压力分布。
尽管接收压力分布传感器35的检测结果、压力分布传感器35的检测值的时间序列数据和力传感器37的检测结果作为压力分布的预测值的输入和输出的预测模型的学习被执行并且用于估计上述压力分布，但是可以使用接收压力分布传感器35的检测结果和压力分布传感器35的检测值的时间序列数据作为压力分布的预测值的输入和输出的预测模型。
预测模型生成单元103例如使用预学习处理后的数据和用于教师数据的压力分布传感器81的检测值的时间序列数据作为学习数据来执行该预测模型的学习。
<6.修改示例>
·力传感器
可以通过在压力分布传感器35上堆叠多个力传感器来配置传感器单元。在这种情况下，多个力传感器平行地布置在同一平面上。
图19是示出传感器单元的配置示例的图。
在图19的示例中，近似方形的力传感器37-1至37-4平行地布置在同一平面上，以形成2×2(垂直×水平)的块。
力传感器37-1至37-4耦接至由虚线表示的近似方形的压力分布传感器35以形成传感器单元。
在这种情况下，由于可以基于施加至力传感器37-1至37-4中的每一个的力来估计包括在对应压力分布传感器35的部分中的每个单元的检测值，所以可以以更高的精度执行估计。
此外，6轴力传感器的力矩的检测值可以用于估计压力分布传感器35在检测范围之外的检测值。在这种情况下，可以以更高的精度执行估计。
·适用传感器
具有上述配置的传感器单元和控制装置51可以应用于检测压力分布的所有装置。例如，传感器单元和控制装置51可以应用于在行走期间的医学检查装置和腿部测量装置。
传感器单元可以包括检测除了压力之外的物理现象的传感器。例如，温度分布传感器和温度传感器可以用作构成传感器单元的传感器。此外，可以使用大气压力分布传感器和大气压力传感器。
·压力分布传感器的增益的调整
力传感器的检测结果可以用于调整压力分布传感器的增益。在这种情况下，控制装置51基于力传感器的检测结果设定压力分布传感器的增益。可以设定整个压力分布传感器的增益，或者可以针对压力分布传感器的每个单元设定增益。
力传感器的检测周期比压力分布传感器的检测周期短。此外，获取力传感器的检测结果所需的数据处理量小于获取压力分布传感器的检测结果所需的数据处理量。因此，可以在不影响压力分布传感器的数据获取周期的情况下调整压力分布传感器的增益。
在压力分布传感器的增益的调整中，可以使用能够检测大的外部力的传感器的检测结果来代替力传感器的检测结果。例如，可以使用加速度传感器、接近传感器、摄像装置和温度传感器中的任何传感器的检测结果。
·检测范围的示例
作为力传感器的检测范围，可以设定包括压力分布传感器的检测范围之外的范围的各种范围。
图20是示出检测范围的示例的图。
图20的A示出了在力传感器的检测范围中包括超出压力分布传感器的检测范围的上限和下限两者的范围的示例。
在图20的A中，由值N1表示压力分布传感器的检测范围的下限，并且由值N2表示上限。另一方面，由比值N1低的值N11表示力传感器的检测范围的下限，并且由比值N2高的值N12表示上限。
因此，可以基于力传感器的检测结果来估计超出压力分布传感器的检测范围的上限和下限两者的检测值。
图20的B示出了在力传感器的检测范围中包括超出压力分布传感器的检测范围的上限的范围的示例。力传感器的检测范围还包括压力分布传感器的检测范围的一部分。
在图20的B中，由值N1表示压力分布传感器的检测范围的下限，并且由值N2表示上限。另一方面，由比值N1高且比值N2低的值N21表示力传感器的检测范围的下限，并且由比值N2高的值N22表示上限。
因此，可以基于力传感器的检测结果来估计超出压力分布传感器的检测范围的上限的检测值。
力传感器的检测范围可以被设定成使得可以基于力传感器的检测结果来估计超出压力分布传感器的检测范围的下限的检测值。
以这种方式，可以基于力传感器的检测结果来估计超出压力分布传感器的检测范围的上限和下限中的一个的检测值。在这种情况下，当检测到高于被设定为比检测范围上限低的值的第一阈值的值或者检测到低于被设定为比下限高的值的第二阈值的检测值时，存储上述压力分布传感器的检测值的时间序列数据。
图20的C示出了在力传感器的检测范围中仅包括超出压力分布传感器的检测范围的上限的范围的示例。力传感器的检测范围不包括压力分布传感器的检测范围。
在图20的C中，由值N1表示压力分布传感器的检测范围的下限，并且由值N2表示上限。另一方面，由比值N2高的值N31表示力传感器的检测范围的下限，并且由值N32表示上限。
这也使得能够基于力传感器的检测结果来估计超出压力分布传感器的检测范围的上限的检测值。
以这种方式，可以将仅包括压力分布传感器的检测范围之外范围的范围设定为力传感器的检测范围。
·计算机的示例
可以通过硬件或软件来执行上述一系列处理。当通过软件执行一系列处理时，用于软件的程序被嵌入在专用硬件中，以从程序记录介质安装到并入专用硬件中的计算机或通用个人计算机等。
图21是示出执行程序以执行上述一系列处理的计算机的硬件配置示例的框图。
中央处理单元(CPU)1001、只读存储器(ROM)1002和随机存取存储器(RAM)1003经由总线1004相互连接。
输入/输出接口1005还连接至总线1004。包括键盘和鼠标的输入单元1006和包括显示器和扬声器的输出单元1007连接至输入/输出接口1005。包括硬盘、非易失性存储器等的存储单元1008、包括网络接口等的通信单元1009、驱动可移动介质1011的驱动器1010连接至输入/输出接口1005。
在具有这样的配置的计算机中，例如，CPU1001经由输入/输出接口1005和总线1004将存储在存储单元1008中的程序加载到RAM 1003，并执且行程序以执行上述一系列处理。
由CPU 1001执行的程序被记录在例如可移动介质1011上，或者经由有线或无线传输介质例如局域网、因特网或数字广播来提供，以安装在存储单元1008中。
由计算机执行的程序可以是在本说明书中描述的过程中按时间顺序执行处理的程序，或者可以是在必要的定时(例如并行地或在被调用时)执行处理的程序。
在本说明书中描述的优点仅是示例性而非限制性的，并且可以获得其他优点。
本技术的实施方式不限于上述实施方式，并且在不脱离本技术的主旨的情况下可以进行各种修改。
例如，本技术可以被配置为其中由多个装置经由网络共享并且共同处理一个功能的云计算。
此外，上述流程图中描述的各个步骤可以由一个装置执行，或者由多个装置以共享的方式执行。
此外，在多个种类的处理包括在单个步骤中的情况下，包括在单个步骤中的多个种类的处理可以由一个装置执行或者由多个装置以共享的方式执行。
<配置的组合示例>
本技术可以如下配置。
(1)
一种信息处理装置，包括：获取单元，被配置成获取由多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围；以及
估计单元，被配置成基于所述第二传感器的检测结果来估计所述第一传感器在所述预定检测范围之外的检测值。
(2)
根据(1)所述的信息处理装置，其中，所述第二传感器是具有比所述第一传感器的预定检测范围宽的检测范围的传感器。
(3)
根据(1)或(2)所述的信息处理装置，其中，所述第一传感器是压力分布传感器，并且
所述第二传感器是力传感器。
(4)
根据(1)至(3)中任一项所述的信息处理装置，其中，所述估计单元基于所述第一传感器的检测值的时间序列数据来估计所述第一传感器在所述预定检测范围之外的检测值。
(5)
根据(4)所述的信息处理装置，其中，所述估计单元根据在变为在所述预定检测范围之外之前所述第一传感器的每个位置的检测值的比率来估计所述第一传感器的每个位置的在所述预定检测范围之外的检测值。
(6)
根据(4)或(5)所述的信息处理装置，还包括存储单元，所述存储单元被配置成当所述第一传感器检测到比第一阈值高的检测值时，存储所述第一传感器的检测值，所述第一阈值被设定为比所述预定检测范围的上限低的值，
其中，所述估计单元基于所述时间序列数据来估计比所述上限高的第一传感器的检测值，所述时间序列数据是存储在所述存储单元中的检测值的时间序列。
(7)
根据(6)所述的信息处理装置，其中，当所述第一传感器检测到比第二阈值低的所述第一传感器的检测值时，所述存储单元存储所述第一传感器的检测值，所述第二阈值被设定为比所述预定检测范围的下限高的值，并且
所述估计单元基于所述时间序列数据来估计比所述下限低的所述第一传感器的检测值。
(8)
根据(7)所述的信息处理装置，其中，所述存储单元在所述第一传感器检测到比所述第一阈值高的检测值的情况和所述第一传感器检测到比所述第二阈值低的检测值的情况中的至少任何的情况下存储所述第二传感器的检测值。
(9)
根据(1)至(3)中任一项所述的信息处理装置，其中，所述估计单元通过根据所述第二传感器的检测结果的插值来估计所述第一传感器在所述预定检测范围之外的检测值。
(10)
根据(1)至(9)中任一项所述的信息处理装置，其中，通过堆叠多个传感器来形成所述传感器单元。
(11)
根据(10)所述的信息处理装置，其中，在具有夹在所述第一传感器与所述第二传感器之间的安装部或者不具有夹在所述第一传感器与所述第二传感器之间的安装部的情况下，所述第一传感器设置在比所述第二传感器更靠近所述传感器单元的表面的位置处。
(12)
根据(7)或(8)所述的信息处理装置，其中，直到所述第一传感器检测到比所述第一阈值高的检测值或者所述第一传感器检测到比所述第二阈值低的检测值，所述获取单元才停止所述第二传感器的操作。
(13)
根据(1)至(12)中任一项所述的信息处理装置，其中，所述估计单元使用预测模型来估计所述第一传感器在所述预定检测范围之外的检测值，所述预测模型接收所述第一传感器的检测值和所述第二传感器的检测值作为输入并且输出所述第一传感器在所述预定检测范围之外的检测值。
(14)
根据(13)所述的信息处理装置，还包括预测模型生成单元，所述预测模型生成单元被配置成学习构成所述预测模型的参数。
(15)
根据(14)所述的信息处理装置，其中，所述预测模型生成单元通过使用检测范围内具有无法由所述第一传感器检测到的范围的传感器的检测结果进行学习来学习所述参数。
(16)
根据(1)至(12)中任一项所述的信息处理装置，其中，所述估计单元使用预测模型来估计所述第一传感器在所述预定检测范围之外的检测值，所述预测模型接收所述第一传感器的检测值作为输入并且输出所述第一传感器在所述预定检测范围之外的检测值。
(17)
一种使用信息处理装置的信息处理方法，包括：
获取由多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围，以及
基于所述第二传感器的检测结果来估计所述第一传感器在所述预定检测范围之外的检测值。
(18)
一种程序，所述程序用于使计算机执行以下处理：
获取由多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围，以及
基于所述第二传感器的检测结果来估计所述第一传感器的在所述预定检测范围之外的检测值。
(19)
一种机器人，包括：
手部，所述手部能够握持物体；
传感器单元，其由多个传感器构成并且设置在所述手部中，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围；以及
估计单元，被配置成基于所述第二传感器的检测结果来估计所述第一传感器的在所述预定检测范围之外的检测值。
参考标记列表
1 机器人
11 身体部
12 头部
13-1,13-2 臂部
14-1,14-2 手部
15 移动身体部
35-1,35-2 压力分布传感器
36-1,36-2 中间安装板
37 力传感器
51 控制装置
71 感测单元
72 数据存储单元
73 估计单元
81 用于教师数据的压力分布传感器
91 机器学习单元
101 用于教师数据的感测单元
102 数据处理单元
103 预测模型生成单元

Claims (19)

1.一种信息处理装置，包括：
获取单元，被配置成获取由多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围；以及
估计单元，被配置成基于所述第二传感器的检测结果来估计所述第一传感器的在所述预定检测范围之外的检测值。
2.根据权利要求1所述的信息处理装置，其中，所述第二传感器是具有比所述第一传感器的预定检测范围宽的检测范围的传感器。
3.根据权利要求1所述的信息处理装置，其中，所述第一传感器是压力分布传感器，并且
所述第二传感器是力传感器。
4.根据权利要求1所述的信息处理装置，其中，所述估计单元基于所述第一传感器的检测值的时间序列数据来估计所述第一传感器的在所述预定检测范围之外的检测值。
5.根据权利要求4所述的信息处理装置，其中，所述估计单元根据在变为在所述预定检测范围之外之前所述第一传感器的每个位置的检测值的比率来估计所述第一传感器的每个位置的在所述预定检测范围之外的检测值。
6.根据权利要求4所述的信息处理装置，还包括存储单元，所述存储单元被配置成当所述第一传感器检测到比第一阈值高的检测值时，存储所述第一传感器的检测值，所述第一阈值被设定为比所述预定检测范围的上限低的值，
其中，所述估计单元基于所述时间序列数据来估计比所述上限高的第一传感器的检测值，所述时间序列数据是存储在所述存储单元中的检测值的时间序列。
7.根据权利要求6所述的信息处理装置，其中，当所述第一传感器检测到比第二阈值低的所述第一传感器的检测值时，所述存储单元存储所述第一传感器的检测值，所述第二阈值被设定为比所述预定检测范围的下限高的值，并且
所述估计单元基于所述时间序列数据来估计比所述下限低的所述第一传感器的检测值。
8.根据权利要求7所述的信息处理装置，其中，所述存储单元在所述第一传感器检测到比所述第一阈值高的检测值的情况和所述第一传感器检测到比所述第二阈值低的检测值的情况中的至少任何的情况下存储所述第二传感器的检测值。
9.根据权利要求1所述的信息处理装置，其中，所述估计单元通过根据所述第二传感器的检测结果的插值来估计所述第一传感器的在所述预定检测范围之外的检测值。
10.根据权利要求1所述的信息处理装置，其中，通过堆叠多个传感器来形成所述传感器单元。
11.根据权利要求10所述的信息处理装置，其中，在具有夹在所述第一传感器与所述第二传感器之间的安装部或者不具有夹在所述第一传感器与所述第二传感器之间的安装部的情况下，所述第一传感器设置在比所述第二传感器更靠近所述传感器单元的表面的位置处。
12.根据权利要求7所述的信息处理装置，其中，直到所述第一传感器检测到比所述第一阈值高的检测值或者所述第一传感器检测到比所述第二阈值低的检测值，所述获取单元才停止所述第二传感器的操作。
13.根据权利要求1所述的信息处理装置，其中，所述估计单元使用预测模型来估计所述第一传感器的在所述预定检测范围之外的检测值，所述预测模型接收所述第一传感器的检测值和所述第二传感器的检测值作为输入并且输出所述第一传感器的在所述预定检测范围之外的检测值。
14.根据权利要求13所述的信息处理装置，还包括预测模型生成单元，所述预测模型生成单元被配置成学习构成所述预测模型的参数。
15.根据权利要求14所述的信息处理装置，其中，所述预测模型生成单元通过使用检测范围内具有无法由所述第一传感器检测到的范围的传感器的检测结果进行学习来学习所述参数。
16.根据权利要求1所述的信息处理装置，其中，所述估计单元使用预测模型来估计所述第一传感器的在所述预定检测范围之外的检测值，所述预测模型接收所述第一传感器的检测值作为输入并且输出所述第一传感器的在所述预定检测范围之外的检测值。
17.一种使用信息处理装置的信息处理方法，包括：
获取由多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围，以及
基于所述第二传感器的检测结果来估计所述第一传感器在所述预定检测范围之外的检测值。
18.一种程序，所述程序用于使计算机执行以下处理：
获取由括多个传感器构成的传感器单元的检测结果，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围，以及
基于所述第二传感器的检测结果来估计所述第一传感器在所述预定检测范围之外的检测值。
19.一种机器人，包括：
手部，所述手部能够握持物体；
传感器单元，其由多个传感器构成并且设置在所述手部中，所述多个传感器包括第一传感器和第二传感器，所述第一传感器具有预定检测范围，所述第二传感器在其检测范围内具有无法由所述第一传感器检测到的范围；以及
估计单元，被配置成基于所述第二传感器的检测结果来估计所述第一传感器的在所述预定检测范围之外的检测值。
CN202080055848.8A 2019-08-09 2020-07-27 信息处理装置、信息处理方法、程序和机器人 Pending CN114269521A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-147025 2019-08-09
JP2019147025 2019-08-09
PCT/JP2020/028617 WO2021029205A1 (ja) 2019-08-09 2020-07-27 情報処理装置、情報処理方法、プログラム、およびロボット

Publications (1)

Publication Number Publication Date
CN114269521A true CN114269521A (zh) 2022-04-01

Family

ID=74570579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080055848.8A Pending CN114269521A (zh) 2019-08-09 2020-07-27 信息处理装置、信息处理方法、程序和机器人

Country Status (6)

Country Link
US (1) US20220274261A1 (zh)
EP (1) EP4011569B1 (zh)
JP (1) JPWO2021029205A1 (zh)
KR (1) KR20220041834A (zh)
CN (1) CN114269521A (zh)
WO (1) WO2021029205A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023100666A1 (ja) * 2021-12-01 2023-06-08 ソニーグループ株式会社 移動体及び位置決め制御方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090031825A1 (en) * 2007-07-31 2009-02-05 Takeo Kishida Detecting device
JP2009066714A (ja) * 2007-09-13 2009-04-02 Sony Corp 制御装置および方法、プログラム並びに記録媒体
CN102310409A (zh) * 2010-07-05 2012-01-11 株式会社安川电机 机器人装置及基于机器人装置的把持方法
CN107921621A (zh) * 2015-08-25 2018-04-17 川崎重工业株式会社 机器人系统
US20180339867A1 (en) * 2015-11-16 2018-11-29 Kawasaki Jukogyo Kabushiki Kaisha Robot
US20180364850A1 (en) * 2017-06-16 2018-12-20 Apple Inc. Dual Resistive Strain and Pressure Sensor for Force Touch
US20180361576A1 (en) * 2017-06-15 2018-12-20 Fanuc Corporation Learning device, controller, and control system
JP2019066325A (ja) * 2017-09-29 2019-04-25 キヤノン株式会社 触覚センサ
US20190176326A1 (en) * 2017-12-12 2019-06-13 X Development Llc Robot Grip Detection Using Non-Contact Sensors

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH049632A (ja) * 1990-04-26 1992-01-14 Fuji Electric Co Ltd ニューロセンサ
US10488996B2 (en) * 2016-05-18 2019-11-26 Sensel, Inc. System for detecting and confirming a touch input

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090031825A1 (en) * 2007-07-31 2009-02-05 Takeo Kishida Detecting device
JP2009066714A (ja) * 2007-09-13 2009-04-02 Sony Corp 制御装置および方法、プログラム並びに記録媒体
CN102310409A (zh) * 2010-07-05 2012-01-11 株式会社安川电机 机器人装置及基于机器人装置的把持方法
CN107921621A (zh) * 2015-08-25 2018-04-17 川崎重工业株式会社 机器人系统
CN107921622A (zh) * 2015-08-25 2018-04-17 川崎重工业株式会社 机器人系统
US20180339867A1 (en) * 2015-11-16 2018-11-29 Kawasaki Jukogyo Kabushiki Kaisha Robot
US20180361576A1 (en) * 2017-06-15 2018-12-20 Fanuc Corporation Learning device, controller, and control system
US20180364850A1 (en) * 2017-06-16 2018-12-20 Apple Inc. Dual Resistive Strain and Pressure Sensor for Force Touch
JP2019066325A (ja) * 2017-09-29 2019-04-25 キヤノン株式会社 触覚センサ
US20190176326A1 (en) * 2017-12-12 2019-06-13 X Development Llc Robot Grip Detection Using Non-Contact Sensors

Also Published As

Publication number Publication date
EP4011569B1 (en) 2023-09-20
KR20220041834A (ko) 2022-04-01
JPWO2021029205A1 (zh) 2021-02-18
EP4011569A1 (en) 2022-06-15
US20220274261A1 (en) 2022-09-01
EP4011569A4 (en) 2022-09-21
WO2021029205A1 (ja) 2021-02-18

Similar Documents

Publication Publication Date Title
Satheeshbabu et al. Continuous control of a soft continuum arm using deep reinforcement learning
Hu et al. Three-dimensional deformable object manipulation using fast online gaussian process regression
Li et al. Gaussian process regression for sensorless grip force estimation of cable-driven elongated surgical instruments
US8280837B2 (en) Contact state estimation for multi-finger robot hands using particle filters
US10864630B2 (en) Control device and machine learning device
Chalon et al. Online in-hand object localization
US20150112487A1 (en) Robot control system, robot system, and sensor information processing apparatus
Krug et al. Analytic grasp success prediction with tactile feedback
Platt et al. Using bayesian filtering to localize flexible materials during manipulation
JP2020521645A (ja) ロボットによる衝突処理
Su et al. Robust grasping for an under-actuated anthropomorphic hand under object position uncertainty
Dehghan et al. Adaptive force–environment estimator for manipulators based on adaptive wavelet neural network
Wang et al. Parameter estimation and object gripping based on fingertip force/torque sensors
CN114269521A (zh) 信息处理装置、信息处理方法、程序和机器人
Delgado et al. A tactile-based grasping strategy for deformable objects' manipulation and deformability estimation
Psomopoulou et al. A robust controller for stable 3D pinching using tactile sensing
US20240009857A1 (en) Information processing device, information processing method, and program
Bicchi et al. Robotic grasping and manipulation
Azulay et al. Learning haptic-based object pose estimation for in-hand manipulation control with underactuated robotic hands
Deutschmann et al. A method to identify the nonlinear stiffness characteristics of an elastic continuum mechanism
Kružić et al. Estimating robot manipulator end-effector forces using deep learning
Su et al. Development of robotic grasping gripper based on smart fuzzy controller
Ishige et al. Blind bin picking of small screws through in-finger manipulation with compliant robotic fingers
Platt Learning grasp strategies composed of contact relative motions
Elangovan et al. Employing imu and aruco marker based tracking to decode the contact forces exerted by adaptive hands

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