CN114585482B - 控制装置、控制方法以及机器人系统 - Google Patents

Abstract

连续稳定且高速地移动尺寸、重量、重心等不同的各种把持物。控制装置的特征在于，具备：状态信息生成部，其生成并更新与机器人以及把持物有关的状态信息；以及控制信息生成部，其基于所述机器人能够使所述把持物从起点移动到终点的预先生成的基础轨道以及所述状态信息，生成用于控制所述机器人的控制信息。

Description

控制装置、控制方法以及机器人系统

技术领域

本发明涉及控制装置、控制方法以及机器人系统。本发明主张2019年11月27日申请的日本专利申请编号2019-213975的优先权，关于承认文献参考引入的指定国，记载在该申请中的内容通过参考而被引入到本申请。

背景技术

作为控制机器人的方法，例如在专利文献1中记载了如下技术：实际使机器人动作，自动调整速度曲线整体的大小，使得在电动机负载不超过上限值的范围内，以最大的速度进行动作。

另外，例如在专利文献2中记载有针对预先决定的轨道、速度曲线，考虑作用于把持物的惯性力而改变把持姿势的技术。

现有专利文献

专利文献

专利文献1：日本特开2015-168053号公报

专利文献2：日本特开2005-1055号公报

发明内容

发明所要解决的课题

在专利文献1所记载的技术中，由于未考虑施加于把持物的力，因此无法避免在由机器人移动的过程中把持物掉落的危险性。另外，由于使速度曲线整体增减，因此有时不一定为最快动作。

在专利文献2所记载的技术中，仅在把持物的重量或重心位置已知的情况下能够计算出适当的输送姿势。然而，例如在处理如送货上门公司所处理的货物那样各种重量或重心位置偏移的把持物的情况下，无法计算出适当的输送姿势，无法避免把持物掉落的危险性。

本发明是鉴于所述问题而完成的，其目的在于，能够连续而稳定且高速地移动尺寸、重量、重心等不同的各种把持物。

用于解决课题的手段

本申请包含多个解决所述课题的至少一部分的手段，若列举其例子，则如下所述。

为了解决所述课题，本发明的一个方式所涉及的控制装置具备：状态信息生成部，其生成并更新与机器人以及把持物有关的状态信息；以及控制信息生成部，其基于能够使所述机器人从起点移动到终点的预先生成的基础轨道以及所述状态信息，生成用于控制所述机器人的控制信息。

发明效果

根据本发明，能够连续而稳定且高速地移动尺寸、重量、重心等不同的各种把持物。

所述以外的课题、结构以及效果通过以下的实施方式的说明而变得明确。

附图说明

图1是表示本发明的一实施方式所涉及的机器人系统的结构例的图。

图2是表示控制装置的结构例的图。

图3是表示实现信息生成部的神经网络的一例的图。

图4是表示基础轨道信息的一例的图。

图5是表示机构制约信息的一例的图。

图6是表示移动制约信息的一例的图。

图7是说明控制装置的控制处理的一例的流程图。

图8是说明第一控制信息修正处理的一例的流程图。

图9是用于说明第一控制信息修正处理的一例的图。

图10是说明第二控制信息修正处理的另一例的流程图。

图11是用于说明第二控制信息修正处理的另一例的图。

图12是表示控制装置的变形例的图。

图13是说明控制装置的变形例的控制处理的一例的流程图。

图14是表示操作画面的显示例的图。

具体实施方式

以下，参照附图对本发明的一个实施方式进行说明。另外，在用于说明实施方式的所有附图中，原则上对相同的部件标注相同的附图标记，并省略其重复的说明。另外，在以下的实施方式中，其结构要素(也包括要素步骤等)除了特别明示的情况以及原理上明确认为是必须等情况之外，当然未必是必须的。另外，在称为“由A构成”、“通过A构成”、“具有A”、“包含A”时，除了特别明示仅是该要素的意思等情况之外，当然不排除除此以外的要素。同样地，在以下的实施方式中，在提及结构要素等的形状、位置关系等时，除了特别明示的情况以及原理上明确认为并非如此等的情况之外，实质上包含与该形状等近似或类似的形状等。

<本发明的一实施方式所涉及的机器人系统1的结构例>

图1表示本发明的一实施方式所涉及的机器人系统1的结构例。

机器人系统1具备机器人10、作业指示装置21、轨道生成装置22、拍摄装置23以及控制装置24。

机器人10按照从控制装置24输入的控制信号，使把持物T从起点移动到终点。另外，关于机器人10的臂数、轴数、动作机构，并不限定于图示的例子，可以是任意的。

机器人10具备多个连杆11、手12、力觉传感器13以及加速度传感器14。

多个连杆11经由由驱动电动机构成的关节连接。手12安装在连杆11的前端，能够把持把持物T。机器人10根据来自控制装置24的控制信号，驱动各关节的驱动电动机，由此能够使手12移动。另外，机器人10始终生成包含各关节的角度、角速度、角加速度、驱动电动机转矩、以及驱动电动机电流值以及至终点的距离的机器人状态信息并输出至控制装置24。

力觉传感器13安装于将前端的连杆11与手12连结的位置，测定施加于手12的力并向控制装置24输出。另外，力觉传感器13的安装位置不限于所述的例子，例如也可以安装于手12的手指、指甲上。

加速度传感器14安装于手12上，测定手12的加速度并输出至控制装置24。

加速度传感器15安装于由机器人10移动的把持物T、或者载置有把持物T的托盘(未图示)上。加速度传感器15测定把持物T的加速度并向控制装置24输出。

另外，力觉传感器13、加速度传感器14、15能够使用市售的一般的传感器件。

作业指示装置21基于来自用户的输入，对轨道生成装置22进行作业指示。具体而言，例如将把持物T的初始位置(起点)以及移动目的地(终点)输出至轨道生成装置22。

轨道生成装置22基于作业指示，决定成为使把持物T从起点移动到终点的作业中的手12的基本的移动路径的基础轨道，生成包含基础轨道的坐标、移动速度等的基础轨道信息321(图2)并输出到控制装置24。但是，在此决定的基础轨道能够使手12从起点移动到终点，但在移动各种把持物T时不一定是最佳的路径。换言之，基础轨道是留有能够优化的余地的路径。

拍摄装置23对正在移动把持物T的机器人10进行拍摄，对作为其结果而得到的拍摄图像进行解析，由此生成包含把持物T的位置、速度、加速度等的把持物信息并输出到控制装置24。但是，也可以从拍摄装置23向控制装置24输出拍摄图像，在控制装置24中，对拍摄图像进行解析，生成包含把持物T的位置、速度、加速度等的把持物信息。

控制装置24基于由轨道生成装置22生成的基础轨道信息321、来自机器人10的机器人状态信息、力觉传感器13、加速度传感器14、15的输出以及来自拍摄装置23的把持物信息，生成针对机器人10的控制信息。在此生成的控制信息中，例如包含机器人10的控制轴的下一目标角度、角速度以及角加速度、所述机器人10的关节的驱动电动机的转矩以及驱动电流、以及把持物T的下一目标坐标、速度以及加速度等。

<控制装置24的结构例>

接着，图2表示控制装置24的结构例。控制装置24例如由个人计算机等一般的计算机构成。控制装置24具备处理部31、存储部32、输入部33、显示部34以及通信部35。

处理部31由计算机具备的CPU(Central Processing Unit中央处理单元)构成，统一控制控制装置24的整体。另外，处理部31通过该CPU执行预定的程序来实现状态信息生成部311、控制信息生成部312、控制信息修正部313以及控制信号输出部314。

状态信息生成部311将来自机器人10的机器人状态信息、力觉传感器13、加速度传感器14、15的输出以及来自拍摄装置23的把持物信息作为输入而生成状态信息325，并记录到存储部32。另外，状态信息生成部311始终更新状态信息325。

控制信息生成部312基于存储于存储部32的基础轨道信息321、控制信息生成参数324以及状态信息325，对机器人10的作业实时地生成用于使机器人10的手12通过最佳路径(不限于与基础轨道相同)而使把持物T移动的控制信息。

控制信息生成部312例如能够通过神经网络来实现。但是，控制信息生成部312不限于神经网络，也可以使用表或者函数来实现。

图3表示实现控制信息生成部312的神经网络50的一例。

神经网络50由输入层51、中间层52以及输出层53构成。向输入层51输入基础轨道信息321以及状态信息325的各项目的值。在中间层52中，在各节点对输入值进行预定的运算(例如，乘以权重系数，并加上偏置值等)。输出层53将来自中间层52的输入值作为控制信息(例如，下一目标坐标、各关节的角度、角速度、角加速度、驱动电动机的转矩、驱动电动机的控制电流等)而输出。

返回图2。控制信息修正部313基于机构制约信息322以及移动制约信息323来修正控制信息。

控制信号输出部314将由控制信息生成部312生成的控制信息、或者由控制信息修正部313修正后的控制信息转换为针对机器人10的控制信号。转换后的控制信号经由通信部35向机器人10输出。

存储部32由计算机具备的存储器以及存储装置构成。存储部32存储基础轨道信息321、机构制约信息322、移动制约信息323、控制信息生成参数324以及状态信息325。另外，存储部32被用作处理部31或由处理部31实现的控制信息生成部312等的作业区域。

基础轨道信息321由轨道生成装置22生成。机构制约信息322是表示机器人10及其周边环境的构造上的制约条件的信息。移动制约信息323由表示与机器人10的移动相关的制约条件的信息构成。另外，机构制约信息322以及移动制约信息323是预先由用户等输入的信息。

控制信息生成参数324是实现控制信息生成部312的神经网络中的各节点的参数(权重系数、偏置值等)，预先存储于存储部32。状态信息325是表示机器人10以及把持物T的当前的状态的信息，由状态信息生成部311生成，并存储于存储部32。

输入部33由计算机具备的键盘、鼠标、触摸面板等输入设备构成。另外，输入部33也可以由取得用户的语音的麦克风以及识别该语音的语音识别模块(均未图示)构成。输入部33接受来自用户的机构制约信息322以及移动制约信息323的输入并输出到处理部31。

显示部34由显示器、投影仪、头戴式显示器等构成，显示操作画面700(图14)等。通信部35由计算机具备的通信模块构成，与机器人10、轨道生成装置22以及拍摄装置23连接，并对各种信息进行通信。

并且，例如也可以设为能够对控制装置24连接将显示于显示部34的操作画面700等打印于纸张等的打印机。

接着，图4表示基础轨道信息321的一例。在基础轨道信息321中，例如记录有以笛卡尔坐标系表示手12移动时的时间序列的位置以及姿势的坐标排列(该图中的编号1-6)、以及用关节角度系统表示机器人10的时间序列的关节角度的关节角度排列(该图中的编号7-11)。另外，实际上，只要记录坐标排列或者关节角度排列中的一方即可。

图5表示机构制约信息322的一例。机构制约信息322作为大项目被分类为机器人模型信息、环境模型信息以及把持物信息。

作为大项目的机器人模型信息，作为中项目被分类为连杆数、连杆尺寸、连杆连接信息、关节可动范围以及连杆模型信息。在连杆数中记录有机器人10所具有的连杆的数量。在连杆尺寸中，针对每个连杆记录有各自的尺寸。连杆连接信息针对每个关节记录有各自连接的连杆对以及连接方式。移动关节可动范围针对每个关节记录有各自的可动范围。在连杆模型信息中针对每个关节记录有表示各自形状的网格数据。

作为大项目的环境模型信息记录有表示作业台模型的形状的网格数据以及坐标。

作为大项目的把持物信息，作为中项目被分类为把持物模型信息以及姿势制约信息。在把持物模型信息中记录有其形状名称及表示该形状的网格数据。在姿势制约信息中记录有相对于把持物允许的倾斜角。

图6表示移动制约信息323的一例。移动制约信息323作为大项目被分类为运动学制约条件和力学制约条件。

作为大项目的运动学制约条件，作为中项目被分类为机器人最大角速度、机器人最大角加速度、把持物最大速度以及把持物最大加速度。在机器人最大角速度中记录有针对每个关节分别容许的最大角速度。在机器人最大角加速度中记录有针对每个关节分别容许的最大角加速度。在把持物最大速度中记录有对把持物容许的最大速度。在把持物最大加速度中记录有对把持物允许的最大加速度。

作为大项目的力学制约条件，作为中项目被分类为把持物最大惯性力、手最大把持力、手最大反作用力、最大转矩以及最大电流。在把持物最大惯性力中记录有对于把持物T所允许的最大惯性力。在手最大把持力中记录有针对手12的最大反作用力。在最大转矩中针对每个关节记录有分别构成的驱动电动机的最大转矩。在最大驱动电动机电流中针对每个关节记录有分别构成的驱动电动机的最大电流。

<控制装置24的控制处理>

接着，图7是说明控制装置24的控制处理的一例的流程图。

每当实施使用机器人10使把持物T从预定的起点移动至终点的作业时，执行该控制处理。

另外，作为该控制处理的前提，假设已经在存储部32中记录有基础轨道信息321、机构制约信息322、移动制约信息323、控制信息生成参数324以及状态信息325，状态信息325由状态信息生成部311始终更新。

首先，控制信息生成部312基于存储于存储部32的基础轨道信息321、控制信息生成参数324以及状态信息325，生成用于使机器人10的手12通过最佳路径移动把持物T的控制信息(步骤S1)。具体而言，能够对由控制信息生成参数324定义的神经网络输入基础轨道信息321以及状态信息325的各值，得到控制信息。

接着，控制信息修正部313判定由控制信息生成部312生成的控制信息是否满足机构制约条件(在机构制约信息322中记录的各种制约条件)(步骤S2)。

在此，在判定为控制信息满足机构制约条件的情况下(步骤S2：是)，控制信息修正部313判定控制信息是否满足移动制约条件(记录于移动制约信息323的各种制约条件)(步骤S3)。然后，在判定为控制信息满足移动制约条件的情况下(步骤S3：是)，接下来，控制信号输出部314将满足机构制约条件以及移动制约条件的控制信息转换为针对机器人10的控制信号，并经由通信部35向机器人10输出(步骤S4)。

接着，控制信息生成部312判定手12的当前位置是否为终点(步骤S6)。在此，在判定为手12的当前位置不是终点的情况下(步骤S6：否)，处理返回到步骤S1，之后反复进行。相反，在判定为手12的当前位置是终点的情况下(步骤S6：是)，结束控制处理。

另一方面，在判定为控制信息不满足机构制约条件的情况下(步骤S2：否)，或者在判定为控制信息不满足移动制约条件的情况下(步骤S3：否)，接下来，控制信息修正部313修正控制信息(步骤S5)。另外，关于步骤S5中的控制信息修正处理，参照图8-图11在后面叙述。之后，处理返回到步骤S2，并重复其以后的处理。

根据以上说明的控制处理，即使在每个作业中把持物T的尺寸、重量、重心等不同，由于按每个作业实时生成控制信息，因此能够连续而稳定且高速地移动各种把持物T。由此，能够实现机器人10的运转率提高和作业效率提高、把持物T的损伤降低。

<控制信息修正部313进行的第一控制信息修正处理>

接着，图8是说明控制信息修正部313进行的第一控制信息修正处理的一例的流程图。图9是用于说明第一控制信息修正处理的一例的图。

在图9中，点P1是手12的当前位置(以下，称为当前位置P1)。曲线L1是手12移动到当前位置P1的轨迹(以下，称为轨迹L1)。将当前位置P1处的手12的速度设为V1。点P2是不满足当前时间点的机构制约条件的下一个目标点(以下，称为目标点P2)。曲线61表示基于机构制约条件的几何学边界线(以下，称为几何学边界线61)，在附图中，几何学边界线61的下侧是满足机构制约条件的区域，上侧是不满足机构制约条件的区域。具体而言，几何学边界线61是机器人10的可动范围的界限线、与障碍物发生干扰的可动范围的边界线等。

第一控制信息修正处理用于决定满足机构制约条件的下一个目标点P3来代替不满足现状的控制信息中的机构制约条件的下一个目标点P2。从当前位置P1在控制周期Δt期间移动到的下一个目标点P3越远离当前位置P1，则机器人10能够越快地移动把持物T。

首先，控制信息修正部313设定可移动范围62(步骤S11)。具体而言，控制信息修正部313基于移动制约信息323的运动学制约条件来决定最大加速度α_MAX，将以从当前位置P1以速度V1在控制周期Δt期间移动到的点P1’＝(P1+V1·Δt)为中心，以0.5α_MAX(Δt)²为半径的圆设定为可移动范围62。

另外，由于机器人10的姿势、重力的影响等，最大加速度α_MAX根据加速方向而不同，但在此为了简化说明，假定无论加速方向如何，都能够基于运动学制约条件来决定。

接着，控制信息修正部313在可移动范围62的内侧随机地配置多个候补点(图中虚线所示的圆)63(步骤S12)。接着，控制信息修正部313将多个候补点63中满足机构制约条件的点、即位于几何学边界线61的下侧的候补点63按照离当前位置P1从远到近的顺序逐次选择1点(步骤S13)。

接着，控制信息修正部313判定所选择的候补点63(移动到时的各种值)是否满足移动制约条件中的力学制约条件(步骤S14)。在此，在判定为所选择的候补点63不满足力学制约条件的情况下(步骤S14：否)，处理返回到步骤S13，反复进行步骤S13以后的处理。即，选择离当前位置P1其次远的候补点63，判定是否满足力学制约条件。

相反，在判定为所选择的候补点63满足力学制约条件的情况下(步骤S14：是)，控制信息修正部313将所选择的候补点63设定为下一个目标点P3(步骤S15)。以上，结束第一控制信息修正处理。

根据以上说明的第一控制信息修正处理，能够以满足机构制约条件以及移动制约条件的方式修正控制信息。另外，在第一控制信息修正处理中，按照离当前位置P1从远到近的顺序选择多个候补点63中满足机构制约条件的点，因此能够将满足机构制约条件以及移动制约条件且将距当前位置P1最远的候补点63更快地设定为下一个目标点P3。但是，在第一控制信息修正处理的情况下，有陷入局部解的可能性。

<控制信息修正部313进行的第二控制信息修正处理>

接着，图10是说明控制信息修正部313进行的第二控制信息修正处理的一例的流程图。图11是用于说明第二控制信息修正处理的一例的图。

在图11中，对与图9相同的部分标注相同的附图标记，因此省略其说明。曲线L2是由轨道生成装置22生成的基础轨道(以下，称为基础轨道L2)。

与所述的第一控制信息修正处理同样地，第二控制信息修正处理用于决定代替现状的控制信息中不满足机构制约条件的下一个目标点P2的、满足机构制约条件的下一个目标点P3。从当前位置P1在控制周期Δt期间移动到的下一个目标点P3离当前位置P1越远，则机器人10能够使把持物T越快地移动。

首先，控制信息修正部313从存储部32取得基础轨道信息321(步骤S21)。接着，控制信息修正部313设定可移动范围62(步骤S22)。

接着，控制信息修正部313在可移动范围62内侧且在基础轨道L2上随机配置多个候补点(图中虚线所示的圆)71(步骤S23)。接着，控制信息修正部313按照距当前位置P1从远到近的顺序逐个选择多个候补点71(步骤S24)。

接着，控制信息修正部313判定所选择的候补点71(移动到时的各种值)是否满足移动制约条件中的力学制约条件(步骤S25)。在此，在判定为所选择的候补点71不满足力学制约条件的情况下(步骤S25：否)，处理返回到步骤S24，反复进行步骤S24以后的处理。即，选择距当前位置P1其次远的候补点71，判定是否满足力学制约条件。

相反，在判定为所选择的候补点71满足力学制约条件的情况下(步骤S25：是)，控制信息修正部313将所选择的候补点71设定为下一个目标点P3(步骤S26)。以上，结束第二控制信息修正处理。

根据以上说明的第二控制信息修正处理，能够得到与第一控制信息修正处理同样的作用、效果。而且，根据第二控制信息修正处理，从配置于基础轨道L2上的候补点71选择下一个目标点P3，因此除了容易避免障碍物等的干扰以外，还能够得到如下效果：由于通过基础轨道L2来确保轨道整体的最短性，因此不陷入局部解。

<控制装置24的变形例>

接着，图12表示控制装置24的变形例。该变形例是在图2所示的结构例中追加了学习部315的例子。该变形例中的学习部315以外的构成要素与图2相同，标注相同的附图标记并省略其说明。

学习部315基于控制信息修正部313的控制信息的修正结果，进行实现控制信息生成部312的神经网络的机器学习。

<控制装置24的变形例的控制处理>

接着，图13是说明控制装置24的变形例的控制处理的一例的流程图。

该控制处理包括实现控制信息生成部312的神经网络50的学习处理，处理负荷大，因此每隔预定的期间(例如，每进行100次机器人10的作业，使其运转1个月后等)来执行。

但是，只要构成控制装置24的计算机的运算能力非常高，能够与机器人10的作业并行地实时地进行神经网络50的学习处理，则也可以与图7的控制处理同样地，每当实施基于机器人10的作业时执行。

另外，在该控制处理中，作为前提，也假设已经在存储部32中记录有基础轨道信息321、机构制约信息322、移动制约信息323、控制信息生成参数324以及状态信息325，状态信息325由状态信息生成部311始终更新。

该控制处理中的步骤S31-S35、S39与图7的控制处理中的步骤S1-S6相同，因此省略其说明。

在步骤S35中修正信息被修正后，接着，学习部315基于控制信息修正部313的修正结果，设定针对控制信息的各项目的回报(步骤S36)。具体而言，对于修正前的控制信息的各项目，在不满足机构制约条件以及移动制约条件中的至少一方的情况下设定负的回报，在满足机构制约条件以及移动制约条件的情况下设定正的回报。

接着，学习部315基于设定的回报和修正后的控制信息，进行神经网络50的机器学习(也称为强化学习)(步骤S37)，通过重写学习后的神经网络50的各节点的权重系数、偏置等，更新存储部32的控制信息生成参数324(步骤S38)。之后，处理返回到步骤S31，重复步骤S31以后的处理。

根据以上说明的控制处理，能够得到与图7的控制处理相同的作用、效果。另外，根据该控制处理，由于神经网络50被学习，所以在下次执行的图7的控制处理中，能够更迅速地生成满足机构制约条件以及移动制约条件的控制信息。

<操作画面700的显示例>

接着，图14表示控制装置24的显示部34所显示的操作画面700的显示例。

在操作画面700上设置有轨道显示区域710、实时按钮713、重放按钮714以及把持物信息显示区域720。

在轨道显示区域710中，使用3维模型等显示由虚线描绘的基础轨道711和由实线描绘的实际运行轨道712。实际运行轨道712是与控制信息对应的手12的路径。

在由用户操作了实时按钮713的情况下，能够将机器人10的实时动作显示于轨道显示区域710。在由用户操作了重放按钮714的情况下，能够将已经结束的机器人10的动作再次显示于轨道显示区域710。

在把持物信息显示区域720设置有速度显示区域721、加速度显示区域722以及惯性力显示区域723。

在速度显示区域721中显示把持物T的速度的时序变化。另外，用户能够向速度显示区域721输入把持物T的最大速度。在加速度显示区域722中显示把持物T的加速度的时序变化。另外，用户能够向加速度显示区域722输入把持物T的最大加速度。在惯性力显示区域723中显示把持物T的惯性力的时序变化。另外，用户能够向惯性力显示区域723输入把持物T的最大惯性力。由用户输入的把持物T的最大速度以及最大加速度的输入值被反映到移动制约信息323的运动学制约条件。由用户输入的把持物T的最大惯性力的输入值被反映到移动制约信息323的力学制约条件。

本发明并不限定于所述的实施方式，能够进行各种变形。例如，所述的实施方式是为了容易理解地说明本发明而详细地进行了说明的实施方式，并不限定于必须具备所说明的全部结构。另外，能够将某实施方式的结构的一部分置换为其他实施方式的结构或进行追加。

另外，所述的各结构、功能、处理部、处理单元等也可以通过例如用集成电路来设计等而以硬件来实现它们的一部分或者全部。另外，所述的各结构、功能等也可以通过处理器解释并执行实现各个功能的程序而通过软件来实现。实现各功能的程序、表、文件等信息能够放置在存储器、硬盘、SSD(Solid State Drive：固态驱动器)等记录装置、或者IC卡、SD卡、DVD等记录介质中。另外，控制线、信息线表示在说明上所需要的，在产品上不一定表示全部的控制线、信息线。实际上也可以认为几乎全部结构相互连接。

附图标记说明

1...机器人系统、10...机器人、11...连杆、12...手、13...力觉传感器、14...加速度传感器、15...加速度传感器、21...作业指示装置、22...轨道生成装置、23...拍摄装置、24...控制装置、31...处理部、311...状态信息生成部、312...控制信息生成部、313...控制信息修正部、314...控制信号输出部、315...学习部、32...存储部、321...基础轨道信息、322...机构制约信息、323...移动制约信息、324...控制信息生成参数、325...状态信息、33...输入部、34...显示部、35...通信部、50...神经网络、51...输入层、52...中间层、53...输出层、61...几何学边界线、62...可移动范围、63、71...候补点、700...操作画面、710...轨道显示区域、711...基础轨道、712...实际运行轨道、713...实时按钮、714...重放按钮、720...把持物信息显示区域、721...速度显示区域、722...加速度显示区域、723...惯性力显示区域。

Claims (8)

1.一种控制装置，其特征在于，

该控制装置具备：

状态信息生成部，其生成并更新与机器人以及把持物有关的状态信息；

控制信息生成部，其基于所述机器人能够使所述把持物从起点移动到终点的预先生成的基础轨道以及所述状态信息，生成用于控制所述机器人的控制信息，

存储部，其存储机构制约信息以及移动制约信息中的至少一方；以及

控制信息修正部，其在生成的所述控制信息不满足所述机构制约信息以及所述移动制约信息各自所表示的条件中的至少一方的情况下，修正所述控制信息，

所述控制信息修正部在生成的所述控制信息中的下一个目标点不满足所述条件的情况下，将配置在满足所述条件的范围内的多个候补点中的、距当前位置较远方的所述候补点变更为下一个目标点，由此修正所述控制信息。

2.根据权利要求1所述的控制装置，其特征在于，

所述控制信息修正部在生成的所述控制信息中的下一个目标点不满足所述条件的情况下，将在满足所述条件的范围内且在所述基础轨道上随机配置的多个候补点中的、距当前位置较远方的候补点变更为下一个目标点，由此修正所述控制信息。

3.根据权利要求1所述的控制装置，其特征在于，

所述控制信息生成部由神经网络构成，所述神经网络将所述基础轨道和所述状态信息作为输入，输出所述控制信息。

4.根据权利要求3所述的控制装置，其特征在于，

该控制装置具备基于所述控制信息修正部的修正结果来进行所述神经网络的机器学习的学习部。

5.根据权利要求1所述的控制装置，其特征在于，

所述状态信息生成部生成包含作用于所述把持物的惯性力、所述把持物的位置、速度以及加速度中的至少一个的所述状态信息，并始终进行更新。

6.根据权利要求1所述的控制装置，其特征在于，

所述控制信息生成部生成包含所述机器人的控制轴的下一个目标角度、角速度及角加速度、所述机器人的关节的驱动电动机的转矩及驱动电流、以及把持物T的下一目标坐标、速度及加速度中的至少一个的所述控制信息。

7.一种控制机器人的控制装置的控制方法，其特征在于，

该控制方法包含以下步骤：

生成并更新与机器人以及把持物有关的状态信息的状态信息生成步骤；

取得所述机器人能够使所述把持物从起点移动到终点的预先生成的基础轨道的基础轨道取得步骤；

基于所述基础轨道和所述状态信息，生成用于控制所述机器人的控制信息的控制信息生成步骤；以及

在生成的所述控制信息不满足机构制约信息以及移动制约信息各自所表示的条件中的至少一方的情况下，修正所述控制信息的控制信息修正步骤，

在生成的所述控制信息中的下一个目标点不满足所述条件的情况下，将配置在满足所述条件的范围内的多个候补点中的、距当前位置较远方的所述候补点变更为下一个目标点，由此修正所述控制信息。

8.一种机器人系统，其特征在于，

具备：

机器人，其使把持物移动；

轨道生成装置，其存储所述机器人能够使所述把持物从起点移动到终点的基础轨道；以及

控制装置，

该控制装置具有：

状态信息生成部，其生成并更新与所述机器人以及所述把持物有关的状态信息；

控制信息生成部，其基于所述基础轨道以及所述状态信息，生成用于控制所述机器人的控制信息，

存储部，其存储机构制约信息以及移动制约信息中的至少一方；以及

控制信息修正部，其在生成的所述控制信息不满足所述机构制约信息以及所述移动制约信息各自所表示的条件中的至少一方的情况下，修正所述控制信息，

所述控制信息修正部在生成的所述控制信息中的下一个目标点不满足所述条件的情况下，将配置在满足所述条件的范围内的多个候补点中的、距当前位置较远方的所述候补点变更为下一个目标点，由此修正所述控制信息。