-
Hintergrund der Erfindung
-
Gebiet der Erfindung
-
Die vorliegende Erfindung betrifft eine maschinelle Lernvorrichtung und eine Benutzeridentifikationsvorrichtung.
-
Stand der Technik
-
Da eine Bedienung zum Betreiben eines Roboters zu schweren Unfällen führen kann, sind Sicherheitsvorkehrungen wie die Beschränkung des Inhalts einer Bedienung in Abhängigkeit von einer Bedienungsperson vorgesehen. Um dies umzusetzen, wurde eine Technik zum Identifizieren einer Bedienungsperson unter Verwendung einer Karte oder eines USB-Endgeräts, auf dem ID-Informationen aufgezeichnet sind, oder eines Passwortes sowie zum Beschränken eines Bedienungsinhalts entsprechend der Bedienungsperson vorgeschlagen.
-
So ist beispielsweise in Patentdokument 1 ein Dienstbereitstellungssystem offenbart, das richtige Daten einschließlich Informationen über einen richtigen Inhalt und eine Verwendungsgröße bei der Nutzung eines Netzwerkroboters enthält, der mit einem Netzwerk verbunden ist, eine richtige ID zum Identifizieren der richtigen Daten ausgibt und einen Benutzer authentifiziert, der eine richtige ID-Eingabe über ein Benutzerendgerät verwendet.
-
Patentdokument 1: Ungeprüfte japanische Patentanmeldung, Veröffentlichungsnr.
JP 2005 -
326 996 A -
Die
DE 10 2015 003 655 A1 offenbart ein Robotersystem. In dem Robotersystem umfasst ein Bedienpaneel eine Erlangungseinheit für biometrische Informationen, die konfiguriert ist, um biometrische Informationen eines Bedieners zu erlangen, der das Bedienpaneel verwendet. Das Robotersystem umfasst eine Speichereinheit für biometrische Informationen, die konfiguriert ist, um die biometrischen Informationen einer Vielzahl von Bedienern zu speichern, eine Bedienerbestimmungseinheit, die konfiguriert ist, um einen Bediener zu bestimmen, der das Bedienpaneel verwendet, in dem die biometrischen Informationen, die durch die Erlangungseinheit für biometrische Informationen erlangt sind, mit den biometrischen Informationen abgeglichen werden, die durch die Speichereinheit für biometrische Informationen gespeichert sind, wenn das Bedienpaneel aktiviert wird oder wenn eine vorbestimmte Operation für das Bedienpaneel ausgeführt wird, und eine Beschränkungseinheit, die konfiguriert ist, um individuell ausfuhrbare Funktionen für den Bediener zu beschränken, der durch die Bedienerbestimmungseinheit bestimmt ist.
-
Die
US 2013 / 0 036 462 A1 offenbart Techniken zur Verbesserung der Sicherheit auf einem Gerät. In einem Aspekt kann ein Multi-Faktor-Passwort, das mehrere Faktoren umfasst, verwendet werden, um die Sicherheit zu verbessern. Jeder Faktor kann einer anderen Art von Informationen entsprechen, die zur Authentifizierung und / oder für andere Zwecke verwendet werden können.
-
Die
US 2015 / 0 352 719 A1 offenbart eine Vorrichtung, die folgendes umfasst: eine Halteeinheit, die konfiguriert ist, um Daten zu halten, die sich auf einen Arbeiter beziehen; eine erhaltende Einheit, die konfiguriert ist, um Messdaten zum Erkennen des Arbeiters zu erhalten; eine Erkennungseinheit, die konfiguriert ist, um den Arbeiter basierend auf den auf den Arbeiter bezogenen Daten und den Messdaten zu erkennen; eine Bestimmungseinheit, die konfiguriert ist, um Arbeitsinformationen über eine Arbeit zu bestimmen, die der Arbeiter und ein Roboter gemeinsam an einem Zielobjekt ausführen, entsprechend dem erkannten Arbeiter, basierend auf einem physischen Merkmal des erkannten Arbeiters; und eine Steuereinheit, die konfiguriert ist, um den Roboter basierend auf den Arbeitsinformationen zu steuern, so dass der Arbeiter und der Roboter gemeinsam eine Arbeit an dem Zielobjekt ausführen.
-
Die
JP 2004 -
243 472 A offenbart ein Bediengerät zum Umschalten eines Bildschirms mit Betriebsinformationen entsprechend der Qualifikation oder des physischen Zustands eines Bedieners durch Personalisierung des Bedieners. Dieses Bediengerät enthält ein Anzeigegerät zur Anzeige von Betriebsinformationen und ein Eingabemittel für den Betrieb. Die Vorrichtung umfasst ferner eine Personalisierungseinrichtung zum Identifizieren des Bedieners, wobei gemäß dem Identifikationsergebnis der Personalisierungseinrichtung ein Anzeigebildschirm der Anzeigevorrichtung geändert wird. Das Personalisierungsmittel ist ein Fingerabdruckleser. Ein Code, der den Bediener angibt, wird in die Eingabemittel eingegeben.
-
JP 2002 -
239 953 A offenbart ein Gerät zur Bereitstellung einer Sicherheitsfunktion, die Probleme beim Ändern einer Einstellung, die eine Steuerung nicht kennt, oder beim Auftreten unerwarteter Schwierigkeiten verhindert, wenn eine Funktion eines Industrieroboters, für die ursprünglich nur die Steuerung berechtigt ist, von einem Bediener fälschlicherweise ausgeführt wird, in einem geteilten Ausführung der Arbeiten der Bediener des Industrieroboters.
-
Zusammenfassung der Erfindung
-
Allerdings besteht in der Erfindung gemäß Patentdokument 1 dahingehend ein Problem, das Ist nicht möglich ist, die Sicherheit zu wahren, wenn eine IT-Karte, auf der IT-Informationen aufgezeichnet sind, verlieren oder ein Passwort verraten wird.
-
Daher besteht ein Ziel der vorliegenden Erfindung darin, eine maschinelle Lernvorrichtung bereitzustellen, die Datenmanipulation einer Bedienungsperson verhindern kann, um die Sicherheit während eines Betriebs eines Roboters zu wahren.
- (1) Eine maschinelle Lernvorrichtung (beispielsweise eine maschinelle Lernvorrichtung 10, die später beschrieben wird) gemäß der vorliegenden Erfindung ist eine maschinelle Lernvorrichtung, die ein Lernmodell erstellt, das Benutzeridentifikation zur Authentifizierung einer Bedienungsperson einer Robotersteuerung (beispielsweise einer Steuerung 20, die später betrieben wird) durchführt, wobei die maschinelle Lernvorrichtung beinhaltet: ein Eingabedatenerfassungsmittel (beispielsweise eine Eingabeeinheit 11, die später beschrieben wird), die als Eingabedaten Bedienungsdaten einschließlich eines Messwerts bezüglich einer Bewegung von mindestens einem Teil eines Körpers der Bedienungsperson sowie einer Form des Körpers erfasst, die ermittelt werden, wenn die Bedienungsperson dazu veranlasst wird, eine vorgegebene Bedienung im Zusammenhang mit einem Trainingsbedienfeld (beispielsweise einem Trainingsbedienfeld 25, das später beschrieben wird) der Robotersteuerung durchzuführen; ein Kennsatz-Erfassungsmittel (beispielsweise eine Kennsatzerfassungseinheit 12, die später beschrieben wird), das Identifikationsinformationen der Bedienungsperson als einen Kennsatz erfasst; und ein Lernmittel (beispielsweise eine Lerneinheit 13, die später beschrieben wird), die ein Lernmodell erstellt, das Benutzeridentifikation zum Authentifizieren von Bedienungsperson in der Robotersteuerung durch Durchführen von überwachtem Lernen unter Verwendung eines Paares aus den Eingabedaten und dem Kennsatz als Trainingsdaten durchführt.
- (2) In der maschinellen Lernvorrichtung (beispielsweise einer maschinellen Lernvorrichtung 10, die später beschrieben wird) nach Anspruch 1 zeigt das Trainingsbedienfeld (vorzugsweise ein Trainingsbedienfeld 25, das später beschrieben wird) eine Anleitung für die vorgegebene Bedienung im Zusammenhang mit dem Trainingsbedienfeld der Robotersteuerung (beispielsweise einer Steuerung 20, die später beschrieben wird) auf einer Anzeige (beispielsweise einer Anzeige 27, die später beschrieben wird) an, die in dem Trainingsbedienfeld enthalten ist.
- (3) In der maschinelle Lernvorrichtung (beispielsweise einer maschinelle Lernvorrichtung 10, die später beschrieben wird) nach (1) oder (2) beinhaltet die vorgegebene Bedienung im Zusammenhang mit dem Trainingsbedienfeld (beispielsweise einem Trainingsbedienfeld 25, das später beschrieben wird) der Robotersteuerung (beispielsweise einer Steuerung 20, die später beschrieben wird) eine Bedienung, die die Bedienungsperson tatsächlich bei der Verwendung des Trainingsbedienfeldes während des Betriebs durchführt.
- (4) In der maschinellen Lernvorrichtung (beispielsweise einer maschinelle Lernvorrichtung 10, die später beschrieben wird) nach einem aus (1) bis (3) erfasst das Eingabedatenerfassungsmittel (beispielsweise eine Eingabeeinheit 11, die später beschrieben wird) vorzugsweise die Merkmalsmenge, die aus dem Messwert erhalten wird, als die Bedienungsdaten.
- (5) In der maschinelle Lernvorrichtung (beispielsweise einer maschinellen Lernvorrichtung 10, die später beschrieben wird) gemäß (4) bezieht sich die Merkmalsmenge vorzugsweise auf mindestens eines aus einer Bedienungsreihenfolge des Trainingsbedienfeldes (beispielsweise eines Trainingsbedienfeldes 25, das später beschrieben wird), die von dem Trainingsbedienfeld auf der Basis der Bedienung der Bedienungsperson ermittelt wird, einer Nutzungshäufigkeit von jedem Tastenschalter (beispielsweise einem Tastenschalter 28, der später beschrieben wird), der in dem Trainingsbedienfeld enthalten ist, einer Nutzungshäufigkeit eines Totmannschalters (beispielsweise eines Totmannschalters 29, der später beschrieben wird), der in dem Trainingsbedienfeld enthalten ist, einer Vibration, die von dem Trainingsbedienfeld ermittelt wird, einer Beschleunigung, die von dem Trainingsbedienfeld ermittelt wird, einer Körperneigung während der Betätigung des Trainingsbedienfeldes und eines Schreibdrucks, der durch einen Kontaktbildschirm des Trainingsbedienfeldes ermittelt wird.
- (6) In der maschinellen Lernvorrichtung (beispielsweise einer maschinellen Lernvorrichtung 10, die später beschrieben wird) nach einem aus (1) bis (5) erfasst das Eingabedatenerfassungsmittel (beispielsweise eine Eingabeeinheit 11, die später beschrieben wird) vorzugsweise weiterhin als Eingabedaten Bedienungsdaten einschließlich eines Messwerts bezüglich einer Bewegung von mindestens einem Teil eines Körpers der Bedienungsperson sowie einer Form des Körpers, die durch eine tatsächliche Bedienung im Zusammenhang mit dem Trainingsbedienfeld (beispielsweise einem Trainingsbedienfeld 25, das später beschrieben wird) der Bedienungsperson während der tatsächlichen Bedienung ermittelt wird, und das Kennsatz-Erfassungsmittel (beispielsweise eine Kennsatzerfassungseinheit 12, die später beschrieben wird) erfasst weiterhin Identifikationsinformationen der Bedienungsperson als einen Kennsatz, und das Lernmittel (beispielsweise eine Lerneinheit 13, die später beschrieben wird) aktualisiert des Weiteren das Lernmodell durch Durchführen von überwachtem Lernen unter Verwendung eines Paares aus den Eingabedaten und dem Kennsatz als Trainingsdaten.
- (7) Eine Benutzeridentifikationsvorrichtung (beispielsweise eine Benutzeridentifikationsvorrichtung 30, die später beschrieben wird) gemäß der vorliegenden Erfindung ist eine Benutzeridentifikationsvorrichtung, die ein Lernmodell verwendet, das von der maschinellen Lernvorrichtung (beispielsweise einer maschinellen Lernvorrichtung 10, die später beschrieben wird) nach einem aus (1) bis (6) erstellt wird, wobei die Benutzeridentifikationsvorrichtung beinhaltet: ein Bedienungsdatenerfassungsmittel (beispielsweise eine Erfassungseinheit 31, die später beschrieben wird), die Bedienungsdaten einschließlich eines Messwerts bezüglich einer Bewegung von mindestens einem Teil eines Körpers der Bedienungsperson und einer Form des Körpers erfasst, die durch Veranlassen der Bedienungsperson zur Durchführung der vorgegebenen Bedienung im Zusammenhang mit dem Trainingsbedienfeld ermittelt werden; und ein Bedienungsperson-Identifikationsmittel (beispielsweise eine Identifikationseinheit 32, die später beschrieben wird), die die Bedienungsperson auf der Basis der Bedienungsdaten und des Lernmodells identifiziert.
- (8) In der Benutzeridentifikationsvorrichtung (beispielsweise einer Benutzeridentifikationsvorrichtung 30, die später beschrieben wird) gemäß (7) erfasst das Bedienungsdatenerfassungsmittel (beispielsweise eine Erfassungseinheit 31, die später beschrieben wird) vorzugsweise weiterhin Bedienungsdaten einschließlich eines Messwerts bezüglich einer Bewegung von mindestens einem Teil eines Körpers der Bedienungsperson sowie einer Form des Körpers, wenn die Bedienungsperson eine tatsächliche Bedienung im Zusammenhang mit dem Trainingsbedienfeld (beispielsweise einem Trainingsbedienfeld 25, das später beschrieben wird) während der tatsächlichen Bedienung durchführt, und das Bedienungsperson-Identifikationsmittel (beispielsweise eine Identifikationseinheit 32, die später beschrieben wird) bestimmt des Weiteren, oh Identifikationsinformationen der Bedienungsperson korrekt oder falsch sind, auf der Basis der Bedienungsdaten und des Lernmodells.
- (9) Die Benutzeridentifikationsvorrichtung (beispielsweise eine Benutzeridentifikationsvorrichtung 30, die später beschrieben wird) gemäß (7) oder (8) ist vorzugsweise in das Trainingsbedienfeld (beispielsweise ein Trainingsbedienfeld 25, das später beschrieben wird) eingebaut und ist in das Trainingsbedienfeld integriert.
- (10) Eine Benutzeridentifikationsvorrichtung (beispielsweise eine Benutzeridentifikationsvorrichtung 30, die später beschrieben wird) gemäß der vorliegenden Erfindung beinhaltet: die maschinelle Lernvorrichtung (beispielsweise eine maschinelle Lernvorrichtung 10, die später beschrieben wird) nach einem aus (1) bis (6); ein Bedienungsdatenerfassungsmittel (beispielsweise eine Erfassungseinheit 31, die später beschrieben wird), die Bedienungsdaten einschließlich eines Messwerts bezüglich einer Bewegung von mindestens einem Teil eines Körpers der Bedienungsperson und einer Form des Körpers erfasst, die durch Veranlassen der Bedienungsperson zur Durchführung der vorgegebenen Bedienung im Zusammenhang mit dem Trainingsbedienfeld (beispielsweise dem Trainingsbedienfeld 25, das später beschrieben wird) ermittelt werden; und ein Bedienungsperson-Identifikationsmittel (beispielsweise eine Identifikationseinheit 32, die später beschrieben wird), die die Bedienungsperson auf der Basis der Bedienungsdaten und des Lernmodells identifiziert, das von der maschinellen Lernvorrichtung erstellt wird.
- (11) Ein Benutzeridentifikationssystem (beispielsweise ein Benutzeridentifikationssystem 100, das später beschrieben wird) gemäß der vorliegenden Erfindung beinhaltet: die Benutzeridentifikationsvorrichtung (beispielsweise eine Benutzeridentifikationsvorrichtung 30, die später beschrieben wird) gemäß (7) oder (8); die maschinelle Lemvorrichtung (beispielsweise eine maschinelle Lernvorrichtung 10, die später beschrieben wird); die Robotersteuerung (beispielsweise eine Steuerung 20, die später beschrieben wird); und das Trainingsbedienfeld (beispielsweise ein Trainingsbedienfeld 25, das später beschrieben wird).
- (12) In dem Benutzeridentifikationssystem (beispielsweise einem Benutzeridentifikationssystem 100, das später beschrieben wird) gemäß (11) beinhaltet die Robotersteuerung (beispielsweise eine Steuerung 20, die später beschrieben wird) des Weiteren vorzugsweise ein Bedienungsaußerkraftsetzungsmittel (beispielsweise eine Bedienungsaußerkraftsetzungseinheit 23, die später beschrieben wird), die eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld (beispielsweise einem Trainingsbedienfeld 25, das später beschrieben wird) außer Kraft setzt, wenn das Bedienungsperson-Identifikationsmittel (beispielsweise eine Identifikationseinheit 32, die später beschrieben wird) bestimmt, dass die Identifikationsinformationen der Bedienungsperson falsch sind.
- (13) In dem Benutzeridentifikationssystem (beispielsweise einem Benutzeridentifikationssystem 100, das später beschrieben wird) gemäß (11) oder (12) beinhaltet die Robotersteuerung (beispielsweise eine Steuerung 20, die später beschrieben wird) des Weiteren vorzugsweise ein Alarmmittel (beispielsweise eine Alarmeinheit 24, die später beschrieben wird), die einen Alarm ausgibt, wenn das Bedienungsperson-Identifikationsmittel (beispielsweise eine Identifikationseinheit 32, die später beschrieben wird) bestimmt, dass die Identifikationsinformationen der Bedienungsperson falsch sind.
- (14) In dem Benutzeridentifikationssystem (beispielsweise einem Benutzeridentifikationssystem 100, das später beschrieben wird) gemäß einem aus (11) bis (13) erstellt die maschinelle Lernvorrichtung (beispielsweise eine maschinelle Lernvorrichtung 10, die später beschrieben wird), wenn das Bedienungsperson-Identifikationsmittel (beispielsweise eine Identifikationseinheit 32, die später beschrieben wird) nicht bestimmen konnte, ob die Identifikationsinformationen der Bedienungsperson korrekt oder falsch sind, vorzugsweise ein neues Lernmodell unter Verwendung von neuen Bedienungsdaten, die zum Berechnen einer Merkmalsmenge im Zusammenhang mit einem physischen Unterschied einer Bedienungsperson verwendet werden können, und das Bedienungsperson-Identifikationsmittel identifiziert die Bedienungsperson erneut auf der Basis der neuen Bedienungsdaten und eines neuen Lernmodells.
-
Gemäß der vorliegenden Erfindung können eine Datenmanipulation einer Bedienungsperson verhindert und die Sicherheit während eines Betriebs eines Roboters gewahrt werden.
-
Figurenliste
-
- 1 ist ein Blockdiagramm, das ein Benutzeridentifikationssystem gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
- 2 ist ein Blockdiagramm, das die Einzelheiten einer maschinellen Lernvorrichtung und einer Steuerung gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
- 3 ist ein Diagramm, das ein Konfigurationsbeispiel eines Trainingsbedienfeldes gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
- 4 ist ein Blockdiagramm, das die Einzelheiten einer Benutzeridentifikationsvorrichtung und der Steuerung gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
- 5 ist ein Flussdiagramm, das einen Betrieb während des maschinellen Lernens des Benutzeridentifikationssystem gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
- 6 ist ein Flussdiagramm, das einen Betrieb während der maschinellen Benutzeridentifikation des Benutzeridentifikationssystem gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
- 7 ist ein Blockdiagramm, das die Einzelheiten einer maschinellen Lernvorrichtung, einer Benutzeridentifikationsvorrichtung und einer Steuerung gemäß einem weiteren Ausführungsbeispiel der vorliegenden Erfindung zeigt.
-
Ausführliche Beschreibung der Erfindung
-
<Erstes Ausführungsbeispiel>
-
Im Folgenden wird ein erstes Ausführungsbeispiel der vorliegenden Erfindung unter Bezug auf die Zeichnungen beschrieben. 1 ist ein Blockdiagramm, das ein Benutzeridentifikationssystem 100 gemäß einem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 2 ist ein Blockdiagramm, das die Einzelheiten einer maschinellen Lernvorrichtung 10 und einer Steuerung 20 gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 3 ist ein Diagramm, das ein Konfigurationsbeispiel eines Trainingsbedienfeldes 25 gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt. 4 ist ein Blockdiagramm, das die Einzelheiten von hauptsächlich einer Benutzeridentifikationsvorrichtung 30 und der Steuerung 20 gemäß dem ersten Ausführungsbeispiel der vorliegenden Erfindung zeigt.
-
<Konfiguration des Benutzeridentifikationssystems 100>
-
Zunächst wird eine Konfiguration eines Benutzeridentifikationssystems 100 gemäß dem vorliegenden Ausführungsbeispiel beschrieben. Wie in 1 dargestellt, beinhaltet das Benutzeridentifikationssystem 100 eine maschinelle Lernvorrichtung 10, m Steuerungen 20, m Trainingsbedienfelder 25, n Benutzeridentifikationsvorrichtungen 30 und m Roboter 50. m und n sind beliebige natürliche Zahlen.
-
Die Steuerung 20 sendet ein Steuersignal an den Roboter 50, um den Roboter 50 zur Durchführung einer vorgegebenen Operation zu steuern. Die Steuerung 20 kann ein Universalrechner sein, in dem ein Programm für den Roboter 50 installiert ist, und ein dedizierter Computer.
-
Der Roboter 50 arbeitet mit einem Steuersignal von der Steuerung 20 und führt eine automatisierte Operation durch, die als eine Agentenoperation einer Bedienungsperson mit einem gewissen Maß an Autonomie dient.
-
Die Funktionen und die Konfiguration der maschinellen Lernvorrichtung 10, des Trainingsbedienfeldes 25 und der Benutzeridentifikationsvorrichtungen 30 werden später unter Bezug auf 2 bis 4 beschrieben.
-
Dabei sind die Steuerung 20, das Trainingsbedienfeld 25 und der Roboter 50 in einer Eins-zu-Eins-Beziehung gepaart und kommunikationsfähig miteinander verbunden. Eine Vielzahl von Paaren der Steuerung 20, des Trainingsbedienfeldes 25 und des Roboters 50 können beispielsweise in demselben Werk angeordnet sein, bzw. können in verschiedenen Werken angeordnet sein.
-
Die maschinelle Lernvorrichtung 10, die Steuerung 20 und die Benutzeridentifikationsvorrichtungen 30 sind kommunikationsfähig miteinander verbunden. Die maschinelle Lernvorrichtung 10, die Steuerung 20 und die Benutzeridentifikationsvorrichtungen 30 können direkt über eine Verbindungsschnittstelle verbunden sein und können über ein Netzwerk 40 verbunden sein. Das Netzwerk 40 ist beispielsweise ein lokales Netzwerk (LAN), das in einem Werk aufgebaut ist, das Internet, einen öffentliches Telefonnetz oder eine Kombination daraus. Ein spezifisches Kommunikationsverfahren des Netzwerks 40, ob das Netzwerk 40 eine Kabelverbindung oder eine drahtlose Verbindung aufweist und dergleichen unterliegt keiner speziellen Einschränkung.
-
Nachfolgend werden die Funktionen dieser Vorrichtungen, die in dem Benutzeridentifikationssystem 100 enthalten sind, unter Bezug auf 2 bis 4 beschrieben. Dabei ist 2 ein Blockdiagramm, das hauptsächlich Funktionsblöcke darstellt, die in der maschinellen Lernvorrichtung 10 und der Steuerung 20 enthalten sind, sowie den Datenstrom während des maschinellen Lernens. Da die jeweiligen Steuerungen 20 äquivalente Funktionen aufweisen, ist nur eine Steuerung in 2 dargestellt. Entsprechend ist, da die Trainingsbedienfelder 25 äquivalente Funktionen aufweisen, nur ein Trainingsbedienfeld 25 in 2 dargestellt. Außerdem ist das Netzwerk 40, das zwischen den jeweiligen Vorrichtungen besteht, nicht dargestellt.
-
Das Schulung Bedienfeld 25 ist eine Vorrichtung, die eine Bedienungsperson bedient, um den Roboter 50 zu schulen, wenn sich der Roboter 50 zum Beispiel in einem automatischen Modus befindet. Das Trainingsbedienfeld 25 überträgt ein Bedienungssignal an die Steuerung 20 auf der Basis einer Bedienung von einer Bedienungsperson.
-
3 zeigt ein Konfigurationsbeispiel des Trainingsbedienfeldes 25. Das Trainingsbedienfeld 25 beinhaltet hauptsächlich einen Ein/Aus-Schalter 26, eine Anzeige 27, einen Tastenschalter 28 und einen linken und rechten Totmannschalter 29A und 29B. Der Ein/Aus-Schalter 46 ist ein Schalter, der die Stromversorgung von einer externen Stromquelle zu dem Trainingsbedienfeld 25 schaltet Die Anzeige 27 ist als ein Kontaktbildschirm realisiert, der eine Anleitung und Überwachungswerte des Roboters 50 für eine Bedienungsperson anzeigt, die das Trainingsbedienfeld 25 verwendet. Der Tastenschalter 28 ist ein Schalter, mithilfe dessen eine Bedienungsperson Befehle und Operationen des Roboters 50 eingeben kann. Die Totmannschalter 29A und 29B sind Notstoppschaltmechanismen. Während eines normalen Betriebs wendet eine Bedienungsperson eine vorgegebenen Bereich einer Druckkraft auf einen der Totmannschalter 29A und 29B auf. In einem Notfall drückt die Bedienungsperson einen beliebigen der Totmannschalter 29A und 29B sehr stark, wodurch der Roboter 50 dem Betrieb stoppt. Alternativ kann der Roboter 50 den Betrieb stoppen, wenn ein Bedienungsperson seine oder ihre Hände von beiden Totmannschaltern 29A und 29B löst.
-
Wie in 2 dargestellt, beinhaltet die Steuerung 20 eine Merkmalsmengenberechnungseinheit 21, eine Anmeldeverarbeitungseinheit 22, eine Bedienungsaußerkraftsetzungseinheit 23 und eine Alarmeinheit 24.
-
Die Merkmalsmengenberechnungseinheit 21 berechnet eine Merkmalsmenge aus einer Bedienungssignaleingabe von dem Trainingsbedienfeld 25. Genauer gesagt bedient eine Bedienungsperson das Trainingsbedienfeld 25 entsprechend einer Bedienungsanleitung, die auf der Anzeige 27 des Trainingsbedienfeldes 25 angezeigt wird. Wenn eine Bedienungsperson das Trainingsbedienfeld 25 zum ersten Mal betätigt, kann die Bedienungsperson eine vorgeschriebene Bedienung in Anwesenheit einer für die Leitung verantwortlichen Person durchführen. Vorzugsweise handelt es sich bei dieser Bedienung um eine Routineoperation, die ausgeführt wird, bevor eine Bedienungsperson eine tatsächliche Operation ausführt, und beinhaltet die Inhalte aller Operationen, wenn eine Bedienungsperson das Trainingsbedienfeld tatsächlich verwendet, und eine Bedienungszeit ist nahe an der Zeit, in der eine Bedienungsperson das Trainingsbedienfeld tatsächlich bedient. Die Merkmalsmengenberechnungseinheit 21 berechnet eine Merkmalsmenge aus den Messwerten von Bedienungssignalen im Zusammenhang mit diesen Operationen und überträgt die Merkmalsmenge an die maschinelle Lernvorrichtung 10. Genauer gesagt bezieht sich die Merkmalsmenge auf mindestens eines aus einer Bedienungsreihenfolge des Trainingsbedienfeldes 25, die von dem Trainingsbedienfeld 25 ermittelt wird, einer Nutzungshäufigkeit der Tastenschalter 28, einer Nutzungshäufigkeit der Totmannschalter 29A und 29B, einer Vibration, die von dem Trainingsbedienfeld 25 ermittelt wird, einer Beschleunigung, die von dem Trainingsbedienfeld 25 ermittelt wird, einer Körperneigung während der Bedienung des Trainingsbedienfeldes 25, und eines Schreibdrucks, der durch die Anzeige 27 ermittelt wird. Selbst wenn dieselbe Operation durchgeführt wird, ist die Verwendungsmethode der Tastenschalter 28 und der Totmannschalter 29A und 29B, wenn die Bedienungspersonen verschieden sind, je nach Bedienungsperson unterschiedlich. So ist beispielsweise die Anzahl von Malen, die ein Experte auf die Tastenschalter drückt, abweichend von derjenigen eines Nicht-Experten. Genauer gesagt drückt ein Experte nur wenige Male auf einen Tastenschalter, wogegen ein Nicht-Experte den Tastenschalter redundant drückt. Da außerdem die Totmannschalter 29A und 29B auf der linken und rechten Seite des Trainingsbedienfeldes 25 positioniert sind, besteht eine Vorliebe bei den verwendeten Schaltern in Abhängigkeit davon, ob die Bedienungsperson Linkshänder oder Rechtshänder ist. Da ein Lernmodell durch das Verfahren, das später beschrieben wird, unter Nutzung der Tatsache erstellt wird, das das Merkmal dieser Operationen je nach Bedienungsperson verschieden ist, berechnet die Merkmalsmengenberechnungseinheit 21 eine Merkmalsmenge, die aus den Messwerten von Bedienungssignalen im Zusammenhang mit diesen Operationen erhalten wird.
-
Die Funktionen der Anmeldeverarbeitungseinheit 22, der Bedienungsaußerkraftsetzungseinheit 23 und der Alarmeinheit 24 werden später unter Bezug auf 4 4 beschrieben.
-
Die maschinelle Lernvorrichtung 10 erstellt ein Lernmodell zur Authentifizierung einer Bedienungsperson der Steuerung 20 des Roboters 50 durch überwachtes maschinelles Lernen. Aufgrund dessen, wie in 2 dargestellt, beinhaltet die maschinelle Lernvorrichtung 10 eine Eingabeeinheit 11, eine Kennsatzerfassungseinheit 12, eine Lerneinheit 13 und eine Lernmodellspeichereinheit 14.
-
Die Eingabeeinheit 11 erfasst eine Merkmalsmenge von der Merkmalsmengenberechnungseinheit 21 der Steuerung 20. Die Kennsatzerfassungseinheit 12 erfasst einen Kennsatz, bei welchem es sich um Identifikationsinformationen einer Bedienungsperson handelt. Die Lerneinheit 13 erstellt ein Lernmodell, das eine Benutzeridentifikation zum Authentifizieren einer Bedienungsperson der Steuerung 20 durch Durchführen von überwachtem Lernen unter Verwendung eines Paares der Merkmalsmenge und des Kennsatzes als Trainingsdaten durchführt, und sendet das erstellte Lemmodell an die Identifikationseinheit 32 der Benutzeridentifikationsvorrichtungen, die später beschrieben wird. Die Lernmodellspeichereinheit 40 speichert das von der Lerneinheit 13 erstellte Lernmodell.
-
Die Lerneinheit 13 kann unter Verwendung einer Support Vector Machine (nachfolgend auch als „SVM“ bezeichnet) realisiert werden. SVM ist eine bekannte Technik und auf eine ausführliche Beschreibung davon wird verzichtet. SVM ist eines von Identifikationsverfahren, bei welchen es sich um überwachtes Lernen handelt (Lernen, bei dem korrekte Antwortdaten und unrichtige Antwortdaten als Schulungsdaten gegeben sind), und ist als ein Lernmodell mit einer hervorragenden Identifikationsleistung bekannt. So ist beispielsweise bekannt, dass SVM eine hohe Identifikationsleistung (hohe Generalisierungsleistung) bezüglich Nicht-Lerndaten erzielt. Die Lerneinheit 13 verwendet einen zweiwertigen Kennsatz im Zusammenhang damit, ob eine Merkmalsmenge einer bestimmten Bedienungsperson entspricht, als den Kennsatz und berechnet eine Hyperebene, die einen Raum einschließlich der Merkmalsmenge im Verhältnis dazu aufteilt, ob eine Merkmalsmenge einer bestimmten Bedienungsperson entspricht, so dass eine maximale Marge erzielt wird. Ferner kann die Lerneinheit 13 den Koeffizienten dieser Hyperebene als einen Parameter eines Lernmodells verwenden, welches die Benutzeridentifikationsvorrichtung 30, die später beschrieben wird, zur Benutzeridentifikation verwendet Wenn beispielsweise drei Bedienungspersonen A, B und C als eine in der Steuerung 20 zu registrierende Bedienungsperson vorhanden sind, werden ein Kennsatz „A“ und ein Kennsatz „Nicht A“ als Kennsätze verwendet, die von der Kennsatzerfassungseinheit 12 erfasst werden. Ferner berechnet die Lerneinheit 13 eine Hyperebene, welche die Merkmalsmengen-Datengruppen der drei Bedienungspersonen A, B und C in Abhängigkeit davon aufteilt, ob eine Bedienungsperson einem Kennsatz „A“ (ein positives Beispiel) entspricht oder einem Kennsatz „Nicht A“ (negatives Beispiel) entspricht, und in welcher die Distanz zu vorhandenen Merkmalsmengendaten, die der Merkmalsmengen-Datengruppe „A“ am nächsten kommen und die Distanz zu vorhandenen Merkmalsmengendaten, die einer Merkmalsmengen-Datengruppe „Nicht A“ am nächsten kommen, maximiert werden. Die Lerneinheit 13 kann ein Lernmodell erstellen, das unter Verwendung der Koeffizienten der Hyperebene identifiziert, ob eine Bedienungsperson „A“ oder „Nicht A“ ist. Entsprechend kann die Lerneinheit 13 ein Lernmodell erstellen, das unter Verwendung derselben Merkmalsmengen-Datengruppe und der Kennsätze „B“ und „Nicht B“ identifiziert, ob eine Bedienungsperson „B“ oder „Nicht B“ ist. Darüber hinaus kann die Lerneinheit 13 ein Lernmodell erstellen, das unter Verwendung derselben Merkmalsmengen-Datengruppe und der Kennsätze „C“ und „Nicht C“ identifiziert, ob eine Bedienungsperson „C“ oder „Nicht C“ ist. Das heißt, wenn die Lerneinheit 13 unter Verwendung der SVM realisiert wird, erstellt die Lerneinheit 13 drei Lernmodelle entsprechend A, B und C, um A, B und C zu identifizieren.
-
Die Lernmodellspeichereinheit 40 speichert das von der Lerneinheit 13 wie oben beschrieben erstellte Lernmodell. Genauer gesagt speichert die Lernmodellspeichereinheit 14, wenn die Lerneinheit 13 unter Verwendung der SVM realisiert wird, eine Reihe von Lernmodellen entsprechend der Anzahl von Bedienungspersonen, die identifiziert werden sollen.
-
4 ein Blockdiagramm, das hauptsächlich Funktionsblöcke darstellt, die in der Benutzeridentifikationsvorrichtungen 30 und der Steuerung 20 enthalten sind, sowie den Datenstrom während der Benutzeridentifikation.
-
Die Benutzeridentifikationsvorrichtung 30 identifiziert, ob eine Bedienungsperson, die eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 durchführt, einer bestimmten Bedienungsperson entspricht, die vorab registriert wurde. Aufgrund dessen, wie in 4 dargestellt, beinhaltet die Benutzeridentifikationsvorrichtung 30 eine Erfassungseinheit 31 und eine Identifikationseinheit 32.
-
Die Erfassungseinheit 31 veranlasst eine Bedienungsperson zur Durchführung einer Bedienung, die als eine Anleitung auf der Anzeige 27 des Trainingsbedienfeldes 25 ähnlich der Eingabeeinheit 11 angezeigt wird, um dadurch eine Merkmalsmenge, die von der Merkmalsmengenberechnungseinheit 21 der Steuerung 20 berechnet wird, aus der Bedienungssignaleingabe von dem Trainingsbedienfeld 25 zu erfassen. Wie oben beschrieben, handelt es sich bei dieser Bedienung um eine Routineoperation, die ausgeführt wird, bevor eine Bedienungsperson eine tatsächliche Operation ausführt, und beinhaltet vorzugsweise die Inhalte aller Operationen, wenn eine Bedienungsperson das Trainingsbedienfeld tatsächlich verwendet, und die Bedienungszeit ist nahe an der Zeit, in der eine Bedienung das Trainingsbedienfeld tatsächlich bedient.
-
Die Identifikationseinheit 32 identifiziert, ob eine Bedienungsperson, die eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 durchgeführt hat, eine Bedienungsperson ist, die vorab registriert wurde, unter Verwendung der Merkmalsmenge, die von der Erfassungseinheit 31 erfasst wurde, und des Lernmodells, das von der Lerneinheit 13 der maschinellen Lernvorrichtung 10 erfasst wurde, und sendet ein Identifikationsergebnis an die Steuerung 20. Zwar ist nur eine Identifikationseinheit 32 in 4 zur Vereinfachung dargestellt, doch sind, wenn die Lerneinheit 13 der maschinelle Lernvorrichtung 13 unter Verwendung der SVM realisiert wird, wie oben beschrieben, eine Reihe von Identifikationseinheiten 32 entsprechend der Anzahl von Bedienungspersonen vorhanden, die vorab registriert werden. Genauer gesagt werden, wenn beispielsweise drei vorab registrierte Bedienungspersonen A, B und C vorhanden sind, insgesamt drei Identifikationseinheiten 32 benötigt, einschließlich einer Identifikationseinheit 32A, die identifiziert, ob eine Bedienungsperson, die eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 durchgeführt hat, A ist, einer Identifikationseinheit 32B, die identifiziert, ob die Bedienungsperson B ist, und eine Identifikationseinheit 32C, die identifiziert, ob die Bedienungsperson C ist. In diesem Fall identifiziert zunächst die Identifikationseinheit 32A, ob eine Bedienungsperson, die eine Bedienung durchgeführt hat, identisch mit A ist, unter Verwendung der Bedienungsdaten. Anschließend identifiziert die Identifikationseinheit 32B, ob die Bedienungsperson, die eine Bedienung durchgeführt hat, identisch mit B ist, unter Verwendung der Bedienungsdaten. Schließlich identifiziert die Identifikationseinheit 32C, ob die Bedienungsperson, die eine Bedienung durchgeführt hat, identisch mit C ist, unter Verwendung der Bedienungsdaten. Auf diese Weise kann identifiziert werden, mit welchem aus A, B und C die Bedienungsperson identisch ist, die eine Bedienung durchgeführt hat.
-
Wie oben beschrieben, beinhaltet die Steuerung 20 die Anmeldeverarbeitungseinheit 22, die Bedienungsaußerkraftsetzungseinheit 23 und die Alarmeinheit 24 zusätzlich zu der Merkmalsmengenberechnungseinheit 21.
-
Die Anmeldeverarbeitungseinheit 22 führt an der Steuerung 20 einen Anmeldeprozess einer Bedienungsperson durch, die eine Bedienung durchgeführt hat, welche als Anleitung auf der Anzeige 27 des Trainingsbedienfeldes 25 angezeigt wurde, auf der Basis eines Identifikationsergebnisses, das von der Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 empfangen wird. Genauer gesagt autorisiert die Anmeldeverarbeitungseinheit 22 eine Anmeldung der Bedienungsperson beim Empfang eines Identifikationsergebnisses von der Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30, das anzeigt, dass die Identifikationsinformationen der Bedienungsperson richtig sind. Dagegen autorisiert die Anmeldeverarbeitungseinheit 22 eine Anmeldung der Bedienungsperson nicht beim Empfang eines Identifikationsergebnisses von der Benutzeridentifikationsvorrichtung 30, das anzeigt, dass die Identifikationsinformationen der Bedienungsperson falsch sind.
-
Die Bedienungsaußerkraftsetzungseinheit 23 setzt eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 beim Empfang eines Identifikationsergebnisses von der Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 außer Kraft, das anzeigt, dass die Identifikationsinformationen der Bedienungsperson falsch sind. Auf diese Weise kann die Bedienungsperson keine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 durchführen.
-
Die Alarmeinheit 24 gibt einen Alarm beim Empfang eines Identifikationsergebnisses von der Benutzeridentifikationsvorrichtung 30 aus, das anzeigt, dass die Identifikationsinformationen der Bedienungsperson falsch sind.
-
<Betrieb während des maschinellen Lernens>
-
Nachfolgend wird ein Betrieb während des maschinellen Lernens des Benutzeridentifikationssystems 100 gemäß dem vorliegenden Ausführungsbeispiel beschrieben. 5 ist ein Flussdiagramm, das den Betrieb der maschinellen Lernvorrichtung 10 während des maschinellen Lernens veranschaulicht.
-
In Schritt S11 erfasst die Eingabeeinheit der maschinellen Lernvorrichtung 10 eine Merkmalsmenge von der Merkmalsmengenberechnungseinheit 21 der Steuerung 20. Genauer gesagt erfasst die Eingabeeinheit 11 eine Merkmalsmenge, die von der Merkmalsmengenberechnungseinheit 21 anhand des Bedienungssignals berechnet wurde, als die Bedienungsperson das Trainingsbedienfeld 25 gemäß der Bedienungsanleitung bedient hat, die auf der Anzeige 27 des Trainingsbedienfeldes 25 angezeigt wurde.
-
In Schritt S12 erfasst die Kennsatzerfassungseinheit 12 der maschinellen Lernvorrichtung 10 einen Kennsatz, bei dem es sich um die Identifikationsinformationen einer Bedienungsperson handelt.
-
In Schritt S13 empfängt die Lerneinheit 13 der maschinellen Lernvorrichtung 10 ein Paar aus der Merkmalsmenge und dem Kennsatz als Trainingsdaten.
-
In Schritt S14 führt die Lerneinheit 13 der maschinellen Lernvorrichtung 10 maschinelles Lernen unter Verwendung der Trainingstaten aus.
-
In Schritt S15 bestimmt die Lerneinheit 13 der maschinellen Lernvorrichtung 10, ob das maschinelle Lernen beendet werden soll oder das maschinelle Lernen wiederholt werden soll. Dabei kann eine Bedingung zum Beenden des maschinellen Lernens willkürlich bestimmt werden. So kann beispielsweise das maschinelle Lernen beendet werden, wenn das maschinelle Lernen für eine vorgegebene Anzahl von Malen wiederholt wurde.
-
Wenn das maschinelle Lernen wiederholt wird, kehrt der Prozess dabei zu Schritt S11 zurück, und die maschinelle Lernvorrichtung 10 führt denselben Ablauf durch. Wenn das maschinelle Lernen dagegen beendet wird, sendet die maschinelle Lernvorrichtung 10 das zu diesem Zeitpunkt durch das maschinelle Lernen erstellte Lernmodell an die jeweiligen Benutzeridentifikationsvorrichtungen 30 über das Netzwerk 40 in Schritt S16.
-
Die Lernmodellspeichereinheit 14 der maschinellen Lemvorrichtung 10 speichert das Lernmodell. Auf diese Weise kann, wenn ein Lernmodell von einer kürzlich bereitgestellten Benutzeridentifikationsvorrichtung 30 angefordert wird, das Lernmodell an die Benutzeridentifikationsvorrichtung gesendet werden. Wenn neue Trainingsdaten erfasst werden, kann weiterhin maschinelles Lernen bezüglich eines Lernmodells durchgeführt werden.
-
<Betrieb während der Benutzeridentifikation>
-
Nachfolgend wird ein Betrieb während der Benutzeridentifikation des Benutzeridentifikationssystems 100 gemäß dem vorliegenden Ausführungsbeispiel beschrieben. 6 ist ein Flussdiagramm, das den Betrieb der Benutzeridentifikationsvorrichtung 30 während der Benutzeridentifikation veranschaulicht.
-
In Schritt S21 erfasst die Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 ein Lernmodell durch Empfangen des Lernmodells, das von der maschinellen Lernvorrichtung 10 erstellt wird, über das Netzwerk 40.
-
In Schritt S22 erfasst die Erfassungseinheit 31 der Benutzeridentifikationsvorrichtung 30 Identifikationsinformationen und Merkmalsmengen von der Steuerung 20. Genauer gesagt erfasst die Erfassungseinheit 31 die Merkmalsmenge, die anhand des Bedienungssignals berechnet wurde, als eine Bedienungsperson das Trainingsbedienfeld 25 gemäß einer Bedienungsanleitung bedient hat, die auf der Anzeige 27 des Trainingsbedienfeldes 25 angezeigt wurde, zusammen mit den Identifikationsinformationen.
-
In Schritt S23 identifiziert die Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 eine Bedienungsperson auf der Basis der Merkmalsmenge und des Lernmodells, das von der maschinellen Lernvorrichtung 10 erstellt wurde.
-
Wenn die Identifikationsinformationen in Schritt S24 korrekt sind (S24: JA), fährt der Prozess mit Schritt S25 fort. Wenn die Identifikationsinformationen falsch sind (S24: NEIN), fährt der Prozess mit Schritt S26 fort.
-
In Schritt S25 empfängt die Anmeldeverarbeitungseinheit 22 der Steuerung 20 ein Identifikationsergebnis von der Identifikationseinheit der Benutzeridentifikationsvorrichtung 30, welches anzeigt, dass die Identifikationsinformationen korrekt sind, und autorisiert eine Anmeldung der Bedienungsperson.
-
In Schritt S26 empfängt die Anmeldeverarbeitungseinheit 22 ein Identifikationsergebnis von der Identifikationseinheit der Benutzeridentifikationsvorrichtung 30, welches anzeigt, dass die Identifikationsinformationen falsch sind, und autorisiert eine Anmeldung der Bedienungsperson nicht.
-
In Schritt S27 setzt die Bedienungsaußerkraftsetzungseinheit 23 der Steuerung 20 eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 außer Kraft. Folglich kann die Bedienungsperson keine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 durchführen.
-
In Schritt S27 kann die Alarmeinheit 24 der Steuerung 20 anstelle oder zusätzlich zu der Bedienungsaußerkraftsetzungseinheit 23 der Steuerung 20, die eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 außer Kraft setzt, einen Alarm ausgeben.
-
<Effekte des ersten Ausführungsbeispiels>
-
Wie oben beschrieben erstellt die maschinelle Lernvorrichtung 10 in dem ersten Ausführungsbeispiel ein Lernmodell, das eine Benutzeridentifikation zur Authentifizierung einer Bedienungsperson einer Robotersteuerung anhand Bedienungsdaten einschließlich eines Messwert bezüglich einer Bewegung von zumindest einem Teil eines Körpers einer Bedienungsperson sowie einer Form der Bedienungsperson durchführt, die ermittelt werden, wenn die Bedienungsperson dazu veranlasst wird, eine Bedienung im Zusammenhang mit einem Trainingsbedienfeld durchzuführen.
-
Die Benutzeridentifikationsvorrichtung 30 identifiziert eine Bedienungsperson auf der Basis des Lernmodells, das von der maschinellen Lernvorrichtung 10 erstellt wird.
-
Hinsichtlich dessen können, wenn das Trainingsbedienfeld 25 eine Bedienungsperson durch maschinelles Lernen einer Merkmalsmenge, die sich je nach einem Handhabungsverfahren des Trainingsbedienfeldes 25 ändert und durch Extrahieren eines eindeutigen Musters einer Bedienungsperson identifiziert, Datenmanipulation einer Bedienungsperson verhindert und die Sicherheit eines Betriebes eines Roboters sichergestellt werden. Insbesondere kann eine Bedienungsperson sich selbst nicht leicht verschleiern, da das Muster anhand eines Handhabungsverfahrens des Trainingsbedienfeldes 25 der Bedienungsperson extrahiert wird, ohne dass eine Kamera, ein ID-Lesegerät oder dergleichen in dem Trainingsbedienfeld 25 benötigt wird.
-
Auch wenn es sich bei den einzelnen Ausführungsbeispiele um bevorzugte Ausführungsbeispiel der vorliegende Erfindung handelt, ist der Geltungsbereich der vorliegenden Erfindung nicht auf die zuvor genannten einzelnen Ausführungsbeispiele beschränkt, und die vorliegende Erfindung kann auf verschiedene Weisen modifiziert werden, ohne vom Geist der vorliegenden Erfindung abzuweichen.
-
<Modifikation 1>
-
In dem vorliegenden Ausführungsbeispiel beinhaltet eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25, zur Ausführung deren eine Bedienungspersonen bei der Authentifizierung einer Bedienungsperson veranlasst wird, eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25, wenn die Bedienungsperson den Roboter 50 tatsächlich bedient. Allerdings ist die vorliegende Erfindung nicht darauf beschränkt. Eine Bedienungsperson kann zur Durchführung einer Bedienung veranlasst werden, anhand derer ein physischer Unterschied oder dergleichen zwischen Bedienungspersonen direkt identifiziert werden kann, zusätzlich zu der Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25, wenn die Bedienungsperson den Roboter 50 tatsächlich bedient. Genauer gesagt kann eine Bedienungsperson beispielsweise dazu veranlasst werden, zu gehen, während sie das Trainingsbedienfeld 25 trägt. Dadurch können Schwingungsdaten des Trainingsbedienfeldes 25, die beim Gehen gemessen werden, als eine Merkmalsmenge verwendet werden, die einen Gang einer Bedienungsperson kennzeichnet. Des Weiteren kann eine Bedienungsperson dazu veranlasst werden, ihre Arme auszustrecken, während sie das Trainingsbedienfeld 25 hält, um das Trainingsbedienfeld 25 über den Kopf zu heben. Die Neigungsdaten des Trainingsbedienfeldes 25, die bei diesem Vorgang gemessen werden, können als eine Merkmalsmenge verwendet werden, welche die Länge der Arme der Bedienungsperson anzeigt. Ein solcher Vorgang, anhand dessen ein physischer Unterschied oder dergleichen eine Bedienungsperson direkt identifiziert werden kann, kann in der zuvor erwähnten Routineoperation enthalten sein.
-
Das Lernen kann auf der Basis eines Lernmodells („Lernmodell_2“) basierend auf einer Merkmalsmenge durchgeführt werden, die durch Addieren eines Vorgangs erhalten wird, anhand dessen ein physischer Unterschied oder dergleichen einer Bedienungsperson direkt identifiziert werden kann, sowie eines Lernmodells („Lernmodell_1“) basierend auf einer Merkmalsmenge, die aus der zuvor genannten Routineoperation erhalten wird. Dadurch kann die Benutzeridentifikationsvorrichtung 30, wenn die Benutzeridentifikationsvorrichtung 30 eine Bedienungsperson während der Anmeldung mithilfe des „Lernmodells_1“ durch Veranlassen einer Bedienungsperson zur Durchführung der zuvor genannten Routineoperation nicht identifizieren konnte, einen Identifikationsprozess schrittweise durchführen, so dass eine Bedienungsperson durch das „Lernmodell_2“ identifiziert werden kann, indem die Bedienungsperson veranlasst wird, weiterhin den zuvor genannten Vorgang durchzuführen, anhand dessen der physische Unterschied oder dergleichen der Bedienungsperson direkt identifiziert werden kann.
-
<Modifikation 2>
-
Die Lerneinheit 13 der maschinellen Lernvorrichtung 10 des vorliegenden Ausführungsbeispiels, bei der es sich um eine Komponente handelt, die während des maschinellen Lernens verwendet wird, wird unter Verwendung einer SVM realisiert, bei der es sich um einen Musteridentifizierer von zwei Klassen (Ja und Nein für richtig oder falsch) handelt. Allerdings ist die vorliegende Erfindung nicht darauf beschränkt. So kann beispielsweise überwachtes Lernen unter Verwendung eines naiven Bayes-Klassifizierers, eines neuronalen Netzes, Boosting oder dergleichen durchgeführt werden. Außerdem kann die SVM zum Klassifizieren von Daten in eine Vielzahl von Klassen verwendet werden, und maschinelles Lernen (beispielsweise ein neuronales Netz), welches die Daten identifiziert und in eine Vielzahl von Klassen klassifiziert kann eingesetzt werden. Wenn beispielsweise drei Bedienungspersonen A, B und C vorhanden sind, kann die Kennsatzerfassungseinheit 12 der maschinellen Lernvorrichtung 10 drei Kennsätze A, B und C erfassen und die Lerneinheit 13 kann überwachtes Lernen unter Verwendung eines Paares aus den Merkmalsmengen der drei Bedienungspersonen A, B und C und den drei Kennsätzen als Schulungsdaten durchführen, um das Lemmodell zu erstellen. In diesem Fall hat die Benutzeridentifikationsvorrichtung 30 eine Identifikationseinheit 32 und diese Identifikationseinheit 32 bestimmt, ob die Identifikationsinformationen einer Bedienungsperson richtig oder falsch sind, unter Verwendung eines Lernmodells.
-
<Modifikation 3>
-
Als die Trainingsdaten, die während des maschinellen Lernens des vorliegenden Ausführungsbeispiels verwendet werden, wird die Merkmalsmenge, die aus dem Messwert eines Bedienungssignals im Zusammenhang mit einer vorgegebenen Routineoperation berechnet wird, das durch Veranlassen einer Bedienungsperson zur Ausführung der Routineoperation während der Anmeldung erhalten wird (bevor eine tatsächliche Bedienung autorisiert wird), als der Kennsatz der Trainingsdaten verwendet. Allerdings ist die vorliegende Erfindung nicht darauf beschränkt. So kann die maschinelle Lernvorrichtung 10 beispielsweise die Merkmalsmenge, die auf der Basis einer tatsächlichen Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 der Bedienungsperson nach der Anmeldung berechnet wird (nachdem eine tatsächliche Bedienung autorisiert wurde) als der Kennsatz der Trainingsdaten verwenden. 7 veranschaulicht den Datenstrom zwischen der maschinellen Lernvorrichtung 10, der Steuerung 20 und der Benutzeridentifikationsvorrichtung 30, wenn die auf der Basis einer tatsächlichen Bedienung berechnete Merkmalsmenge als der Kennsatz der Trainingsdaten verwendet wird. Die maschinelle Lernvorrichtung 10 hat dieselbe Konfiguration wie die maschinelle Lernvorrichtung 10, die in 2 dargestellt ist, die Steuerung 20 weist dieselbe Konfiguration wie die maschinelle Lernvorrichtung 20 auf, die in 2 und 4 dargestellt ist, und die Benutzeridentifikationsvorrichtung 30 besitzt dieselbe Konfiguration wie die Benutzeridentifikationsvorrichtung 30, die in 4 dargestellt ist..
-
Wenn eine Bedienungsperson den Roboter 50 durch Betätigen des Trainingsbedienungsfeldes 25 bedient, berechnet die Merkmalsmengenberechnungseinheit 21 der Steuerung 20 eine Merkmalsmenge auf der Basis des Bedienungssignals im Zusammenhang mit dieser Bedienung. Die Merkmalsmengenberechnungseinheit 21 sendet die Merkmalsmenge an die Eingabeeinheit 11 der maschinellen Lernvorrichtung 10. Da eine Bedienungsperson eine tatsächliche Bedienung durchführt, das heißt, sich die Bedienungsperson an der Steuerung 20 angemeldet hat, erfasst die Kennsatzerfassungseinheit 12 der maschinellen Lernvorrichtung 10 einen Kennsatz entsprechend einer Bedienungsperson bei der Bedienung. Die Lerneinheit 13 kann dazu ausgelegt sein, das Lernmodell unter Verwendung des Paares aus der Merkmalsmenge und dem Kennsatz als Trainingsdaten zu aktualisieren. Die Lerneinheit 13 kann das aktualisierte Lernmodell an die Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 senden. Die Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 kann eine Bedienungsperson unter Verwendung des aktualisierten Lernmodells und der Merkmalsmenge identifizieren, welche die Erfassungseinheit 31 von der Merkmalsmengenberechnungseinheit 21 der Steuerung 20 erfasst hat. Auf diese Weise kann ein Muster aktualisiert werden, das eine Bedienungsperson identifiziert, wenn eine Bedienungsperson das Trainingsbedienfeld 25 bedient, und kann die Eindeutigkeit des Musters verbessert werden.
-
<Modifikation 4>
-
Als ein Vorgang während der Benutzeridentifikation des vorliegenden Ausführungsbeispiels wird eine Bedienungsperson während der Anmeldung identifiziert. Allerdings ist die vorliegende Erfindung nicht darauf beschränkt. So kann beispielsweise die Merkmalsmengenberechnungseinheit 21 der Steuerung 20 eine Merkmalsmenge anhand eines Bedienungssignals berechnen, das durch eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 erzeugt wird, wenn eine Bedienungsperson den Roboter 50 während der Bedienung des Roboters 50 nach der Anmeldung bedient (nachdem eine tatsächliche Bedienung autorisiert wurde), die Erfassungseinheit 31 der Benutzeridentifikationsvorrichtung 30 kann diese Merkmalsmenge erfassen und die Identifikationseinheit 32 der Benutzeridentifikationsvorrichtung 30 kann unter Verwendung dieser Merkmalsmenge einen Benutzeridentifikationsprozess ausführen. Die Merkmalsmengenberechnungseinheit21 kann zum Beispiel eine Merkmalsmenge im Zusammenhang mit einer Bedienungsperson auf der Basis einer vorgegebenen Betriebsgröße in den vorangehenden Bedienungen während Bedienungen der Bedienungsperson nach der Anmeldung berechnen und die Identifikationseinheit 32 kann eine Bedienungsperson unter Verwendung der Merkmalsmenge wieder identifizieren. Wenn die Bedienungsperson während der Anmeldung nicht als eine autorisierte Person authentifiziert werden konnte, kann die Bedienungsaußerkraftsetzungseinheit 23 der Steuerung 20 eine Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25 außer Kraft setzen. Zusätzlich oder alternativ zu der Außerkraftsetzung der Bedienung im Zusammenhang mit dem Trainingsbedienfeld 25, kann die Alarmeinheit 24 der Steuerung 20 einen Alarm ausgeben. So kann, selbst wenn eine Bedienungsperson, die bei der Anmeldung eine Datenmanipulation vorgenommen hat, fälschlicherweise authentifiziert wurde, die Datenmanipulation herausgefunden werden, da eine persönliche Gewohnheit oder dergleichen der Bedienungsperson bei einer tatsächlichen Bedienung ans Licht kommt.
-
<Modifikation 5>
-
Als ein Benutzeridentifikationsvorgang während der Anmeldung erfasst bei dem vorliegenden Ausführungsbeispiel die Erfassungseinheit 31 der Benutzeridentifikationsvorrichtung 30 die Identifikationsinformationen (eine Benutzer-ID) einer Bedienungsperson und die Identifikationseinheit 32 identifiziert, ob die Identifikationsinformationen (die Benutzer-ID) korrekt ist oder falsch, auf der Basis der Merkmalsmenge, die von der Steuerung 20 empfangen wird. Allerdings ist die vorliegende Erfindung nicht darauf beschränkt. So können auch beispielsweise die Identifikationsinformationen (eine Benutzer-ID) einer Bedienungsperson als der Benutzeridentifikationsvorgang während der Anmeldung nicht eingegeben werden. Das heißt, die Erfassungseinheit 31 der Benutzeridentifikationsvorrichtung 30 kann die Identifikationsinformationen (die Benutzer-ID) einer Bedienungsperson nicht erfassen und kann die Bedienungsperson nur auf der Basis der Merkmalsmenge identifizieren, die von der Steuerung 20 empfangen wird. Die Benutzeridentifikationsvorrichtung 30 kann ein Authentifizierungsergebnis auf dem Trainingsbedienfeld 25 anzeigen, wenn die Bedienungsperson beispielsweise als eine Bedienungsperson A authentifiziert wurde. Dadurch kann die Eingabe der Benutzer-ID während der Anmeldung entfallen.
-
<Modifikation 6>
-
In dem Benutzeridentifikationssystem 100 des vorliegenden Ausführungsbeispiels ist die Benutzeridentifikationsvorrichtung 30 von dem Trainingsbedienfeld 25 und der maschinellen Lernvorrichtung 10 getrennt. Allerdings ist die vorliegende Erfindung nicht darauf beschränkt. So können die Benutzeridentifikationsvorrichtung 30 und das Trainingsbedienfeld 25 beispielsweise als eine integrierte Vorrichtung als eine Konfiguration des Benutzeridentifikationssystems 100 realisiert werden. Alternativ können die Benutzeridentifikationsvorrichtung und die maschinelle Lernvorrichtung 10 als eine integrierte Vorrichtung ausgeführt werden. Alternativ können einige oder alle Funktionen der maschinellen Lernvorrichtung 10 durch die Steuerung 20 realisiert werden. Alternativ können einige oder alle Funktionen der Benutzeridentifikationsvorrichtung 30 durch die Steuerung 20 realisiert werden. In dem Ausführungsbeispiel weist die maschinelle Lernvorrichtung 10 eine Funktion zum Durchführen von Lernen und eine Funktion zum Speichern eines Lernmodells auf. Allerdings können die Funktion zum Durchführen von Lernen und die Funktion zum Speichern eines Lernmodells auch von separaten Vorrichtungen durchgeführt werden.
-
Die jeweiligen Vorrichtungen, die in dem oben beschriebenen Benutzeridentifikationssystem 100 enthalten sind, können durch Hardware, Software oder einer Kombination daraus realisiert werden. Außerdem kann das Benutzeridentifikationsverfahren, das durch die jeweiligen Vorrichtungen durchgeführt wird, die in dem Benutzeridentifikationssystem 100 enthalten sind, durch Hardware, Software oder eine Kombination daraus realisiert werden. Realisiert durch Software bedeutet dabei die Realisierung, wenn ein Computer ein Programm liest und ausführt.
-
Die Programme können auf einem beliebigen aus einer Vielzahl von Typen von nicht flüchtigen computerlesbaren Medien gespeichert und für einen Computer bereitgestellt werden. Zu den nicht flüchtigen computerlesbaren Medien zählen verschiedene Typen von materiellen Speichermedien. Beispiele der nicht flüchtigen, computerlesbaren Medien beinhalten ein magnetisches Aufzeichnungsmedium (beispielsweise Disketten, ein Magnetband, und ein Festplattenlaufwerk), ein magnetooptisches Aufzeichnungsmedium (beispielsweise eine magnetooptische Diskette), CD-ROM (Nur-Lese-Speicher), CD-R, CD-R/W und Halbleiterspeicher (beispielsweise Masken-ROM, PROM (programmierbarer ROM), EPPROM (löschbarer PROM), Flash-ROM und RAM (Arbeitsspeicher)). Die Programme können für den Computer unter Verwendung von verschiedenen Typen aus flüchtigen computerlesbaren Medien bereitgestellt werden. Zu Beispielen für die flüchtigen computerlesbaren Medien zählen elektrische Signale, optische Signale und elektromagnetische Wellen. Ein flüchtiges computerlesbares Medium kann Programme für einen Computer durch einen kabelgebundenen Kommunikationspfad wie beispielsweise ein Stromkabel, ein Glasfaserkabel oder dergleichen oder einen drahtlosen Kommunikationspfad bereitstellen.
-
Bezugszeichenliste
-
- 10:
- Maschinelle Lernvorrichtung
- 11:
- Eingabeeinheit
- 12:
- Kennsatzerfassungseinheit
- 13:
- Lerneinheit
- 14:
- Lernmodellspeichereinheit
- 20:
- Steuerung
- 21:
- Merkmalsmengenberechnungseinheit
- 22:
- Anmeldeverarbeitungseinheit
- 23:
- Bedienungsaußerkraftsetzungseinheit
- 24:
- Alarmeinheit
- 25:
- Trainingsbedienfeld
- 26:
- Ein/Aus-Schalter
- 27:
- Anzeige
- 28:
- Tastenschalter
- 29A, 29B:
- Totmannschalter
- 30:
- Benutzeridentifikationsvorrichtung
- 31:
- Erfassungseinheit
- 32:
- Identifikationseinheit
- 50:
- Roboter
- 100:
- Benutzeridentifikationssystem
