JP2004017256A - 人間と共存するロボットの制御装置と制御方法 - Google Patents
人間と共存するロボットの制御装置と制御方法 Download PDFInfo
- Publication number
- JP2004017256A JP2004017256A JP2002179137A JP2002179137A JP2004017256A JP 2004017256 A JP2004017256 A JP 2004017256A JP 2002179137 A JP2002179137 A JP 2002179137A JP 2002179137 A JP2002179137 A JP 2002179137A JP 2004017256 A JP2004017256 A JP 2004017256A
- Authority
- JP
- Japan
- Prior art keywords
- robot
- trajectory
- space
- control
- group
- 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.)
- Granted
Links
Images
Landscapes
- Manipulator (AREA)
- Feedback Control In General (AREA)
- Safety Devices In Control Systems (AREA)
Abstract
【課題】人間と共同作業するロボットとの共同作業中にヒューマンエラーが発生して突入してはいけない領域に突入する事態の発生を防止しながら、不要にロボットの移動を規制しないですむ制御技術を実現する。
【課題を解決するための手段】突入禁止領域までの距離と速度等の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」を記憶している手段２２と、回避軌道群の記憶手段１７と、突入軌道群の記憶手段１８と、ロボットの実際軌道が、回避軌道か突入軌道群に属するかを判定する手段１２を有する。さらに、ロボットの運動状態が「柔軟安全制御許容空間」にある間は突入軌道群に属すると判定されない限りロボット操作の続行を許容する一方、「慎重安全制御必要空間」にある間は回避軌道群に属すると判定されない限りロボット操作の続行を規制する手段２６とを有する。
【選択図】 図５
【課題を解決するための手段】突入禁止領域までの距離と速度等の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」を記憶している手段２２と、回避軌道群の記憶手段１７と、突入軌道群の記憶手段１８と、ロボットの実際軌道が、回避軌道か突入軌道群に属するかを判定する手段１２を有する。さらに、ロボットの運動状態が「柔軟安全制御許容空間」にある間は突入軌道群に属すると判定されない限りロボット操作の続行を許容する一方、「慎重安全制御必要空間」にある間は回避軌道群に属すると判定されない限りロボット操作の続行を規制する手段２６とを有する。
【選択図】 図５
Description
【０００１】
【発明の属する技術分野】本発明は、人間と共存するロボットの制御技術に関する。
【０００２】
【従来の技術】例えば重量物を搬送して位置決めする作業を効率的に実施するために、人間の操作を検知してその操作に要する力を軽減する力を発揮するロボットが開発されている。この種のロボットは、人間の操作によって軌道を変えるロボットであり、人間と共存しながら人間と共同して作業するロボットということができる。人間の操作によって軌道を変えるロボットは、人間の持つ高度な判断力と制御力と、ロボットが発揮する疲れを知らない力とを組合せて利用することができ、種々の作業に実用化され始めている。本発明者らは、車両用インパネを搬送して車体に位置決めする作業を人間と共同して作業するロボットを開発し、大きな成果を上げている。このロボットは、人間の持つ高度な判断力と制御力に由来するスキルを活用しながら、重負荷作業をアシストすることからスキルアシストロボットと称される。この種の人間と共同作業するロボットは、今後多方面に利用されるものと期待されている。
【０００３】
【発明が解決しようとする課題】人間と共同作業するスキルアシストロボットの利用範囲が拡大すると、人間に危険が及ぶような事態に陥らないようにロボットの運動を規制する必要が生じてくる。例えば、開口を通過して重量物を搬送する場合に、ロボットと共存して移動する人間の手が、ロボットと開口との間に挟まれるようなことがあってはならない。
人間の操作を検知してその操作に要する力を軽減するスキルアシストロボットの軌道は、基本的に人間の操作によって決定される。予め教示された軌道を移動する現在の工業用ロボットとは全く相違する。前記に例示した開口を通過して重量物を搬送する場合でも、人間が意図する軌道は人間毎に相違し（それゆえに人間がスキルを持つことができる）、また同一人であっても繰返し作業する度に軌道が異なってくる。様々な軌道に対して、その軌道によるとこれから危険が懸念される軌道であるのか、あるいは安全に移動できる軌道であるかを判定する好適な技術は開発されていない。
【０００４】
本発明では、操作する人間によって、あるいは、時によって、様々に変化しうる軌道に対して、今後に危険（例えば、ロボットまたは人間の身体の一部が車両の開口を形成する枠などの作業環境と衝突する危険）が懸念される軌道なのか、あるいは安全な軌道なのかを判定し、その判定結果に基づいてその後のロボットの軌道を規制することができるロボットの制御装置と制御方法を創作した。特に、不必要に安全を重視して不必要に規制するのでなく、危険が危惧されない範囲では、人間が自由に軌道をコントロールして人間が持つスキルを活用しながら快適かつ効率的に作業を進めることができるようにする。同時に、真に危険が懸念される軌道である場合には、その後の移動を規制し、ヒューマンエラーによって人間が危険な事態に陥ることを防止する。
【０００５】
【課題を解決するための手段と作用】請求項１の発明は、人間の操作によって軌道を変えるロボットの制御装置に関する。この制御装置は、突入禁止領域までの距離と速度と方向の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」を記憶している手段と、学習すみの禁止領域を回避するロボットまたは人間の身体の一部の軌道群を記憶している手段と、学習すみの禁止領域に突入するロボットまたは人間の身体の一部の軌道群を記憶している手段と、位置と速度と方向を観測して得られるロボットまたは人間の身体の一部の実際軌道が、回避軌道群に属するか、あるいは突入軌道群に属するかを判定する手段とを有する。さらに、ロボットまたは人間の身体の一部の運動状態が「生産性を優先する制御を許容する空間」にある間は突入軌道群に属すると判定されない限り人間によるロボット操作の続行を許容する一方、ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にある間は回避軌道群に属すると判定されない限り人間によるロボット操作の続行を規制する手段とを有する。
【０００６】
本発明者の研究によって、突入することが禁止されている領域までの距離と速度と方向の次元を持つ空間を想定し、その空間内に、「安全制御を必要とするけれども生産性を優先する制御を許容する空間」と「安全性を優先する制御を必要とする空間」を確保しておくと、操作する人間によって、あるいは、時によって、軌道が様々に変化しうるとしても、必要な安全制御を統一的に講じられることを確認した。
予め学習することによって、突入することが禁止されている領域に突入することを回避できるロボットまたは人間の身体の一部の軌道群を記憶しておくことができる。また予め学習することによって、突入することが禁止されている領域に突入してしまうロボットまたは人間の身体の一部の軌道群を記憶しておくことができる。しかしながら、操作する人間によって、あるいは、時によって、様々に変化しうる軌道群の全てについて学習し、それが回避軌道であるのか、突入軌道であるのかを学習しておくことはできない。
軌道を記述する様々な数学手法が発達し、学習すみの回避軌道群あるいは突入軌道群に厳密には一致しない軌道が観測されても、数学的なモデリング手法を活用することによって、観測された軌道が回避軌道群であるのか突入軌道群であるのかを判定することができる。しかしながら、判定の信頼性が高いのは、学習すみの回避軌道群あるいは突入軌道群に類似する軌道に限られ、類似しない軌道に対しては信頼できる判定ができない。操作する人間によって、あるいは、時によって軌道が様々に変化する場合に、有り得る全ての軌道に対して、それが回避軌道なのかあるいは突入軌道なのかを判定できるほど多くの学習をしておくことはできない。
本発明では、学習しきれないという制約を、「安全制御を必要とするけれども生産性を優先する制御を許容する空間」と「安全性を優先する制御を必要とする空間」に区別することで補い、人間が自由に軌道をコントロールして快適かつ効率的に作業を進めることができる場合には自由な操作を許容し、真に危険が懸念される場合には軌道を規制して危険な事態に陥らないようにすることに成功した。
【０００７】
学習した突入軌道群と回避軌道群を隠れマルコフモデルで記述して記憶しておくことが好ましい。
この場合、学習すみの回避軌道群あるいは突入軌道群に類似する軌道が、回避軌道であるのか突入軌道であるのかを判定しやすい。
なお、隠れマルコフモデルは軌道群を記述する一手法であり、例えばＤＰマッチング手法などでパターン識別する方法等を採用することもできる。
【０００８】
本発明では、人間の操作によって軌道を変えるロボットの制御方法も創作された。この方法では、突入禁止領域までの距離と速度と方向の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「安全制御を必要とするけれども生産性を優先する制御を許容する空間」を予め測定しておく工程と、禁止領域を回避するロボットまたは人間の身体の一部の軌道群を予め学習しておく工程と、禁止領域に突入するロボットまたは人間の身体の一部の軌道群を予め学習しておく工程とを実施しておく。そして、実際に人間が操作してロボットの軌道を調整している間に、ロボットまたは人間の身体の一部の位置と速度と方向を測定してロボットまたは人間の身体の一部の実際軌道を観測し、観測された実際軌道が回避軌道群に属するか、あるいは突入軌道群に属するかを判定する工程と、ロボットまたは人間の身体の一部の運動状態が「生産性を優先する制御を許容する空間」にある間は突入軌道群に属すると判定されない限り人間によるロボット操作の続行を許容する一方、ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にある間は回避軌道群に属すると判定されない限り人間によるロボット操作の続行を規制する工程を実施する。
【０００９】
この方法によると、「慎重な安全制御を必要とする」場合には、回避軌道群に属すると判定されない限り、即ち安全であると確認されない限り、ロボット操作の続行が規制され、真に危険が懸念される場合には軌道を規制して危険な事態に陥らないようにすることができる。反面、「柔軟な安全制御が許容される」場合には、突入軌道群に属すると判定されない限り、即ち危険が懸念されることが確認されない限り、ロボット操作の続行が許容される。ロボット操作が許容されても、本当に危険が懸念される場合には、懸念される危険な事態に陥るに先立って「慎重な安全制御を必要とする」空間に移行することから、そのときに必要な規制をすることができ、必要な安全を確保することができる。
本方法によると、広い範囲で（多様な条件下で）人間が自由に軌道をコントロールして快適かつ効率的に作業を進めることができるようにするとともに、危険が真に懸念される場合には軌道を規制して危険な事態に陥らないようにすることができる。
【００１０】
ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にあるときに回避軌道が発見されると、発見された状態空間を「安全性を優先する制御を必要とする空間」から「生産性を優先する制御を許容する空間」に変更する工程をさらに有することが好ましい。
この工程が付加されていると「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」との境界を学習しながら実情に適した境界に修正することができる。
【００１１】
新たに発見された回避軌道を、予め学習した回避軌道群に追加する工程をさらに有することが好ましい。
この工程が付加されていると、本当は回避可能であって突入軌道群ではないのにもかかわらずに突入軌道群であると誤判定する機会が減少する。この結果「生産性を優先する制御を許容する空間」にあるときに突入軌道群であると誤判定されて操作が規制される機会が減少する。
【００１２】
【発明の実施の形態】最初に、実施例に示す技術の主要な形態を列記する。
（形態１） ロボットのアームに人間が把持して操作するハンドルが用意されており、そのハンドルの位置と移動速度と移動方向で、ロボットまたは人間の身体の一部の運動状態が特定される。
（形態２） 安全制御が必要とされるときには、ロボットの移動を強制停止させる。
（形態３） 安全制御が必要とされる場合には、ロボット軌道を回避軌道に強制的に切り替える。
【００１３】
【実施例】図１に、本実施例の制御装置と制御方法を適用するスキルアシストロボットを示す。このスキルアシストロボット２のアーム４には、人間が把持して操作するハンドル６が設けられている。ロボット２は、車両用シート等の重量物を把持して搬送することができる。人間８は、ハンドル６を把持して移動させたい方向に移動させたい速度で移動させる。ロボット２は、人間の操作を検知し、操作に要する力を軽減させる力を発揮する。人間８はロボット２と共同作業することで、重量物を軽い操作力で、希望方向に希望速度で移動させて希望位置に位置決めすることができる。
【００１４】
人間８がロボット２と共同作業すると、人間８が持つ優れた判断力と制御力にロボット２が休みなく発揮するパワーを組合せて用いることができる。人間８の持つスキルを活かし、ロボット２によるパワーを活用しながら作業を進められることから、スキルアシストロボットと称される。スキルアシストロボット２は、通常の工業用ロボットと異なり、人間の操作によって軌道を変えるロボットということができる。
【００１５】
この実施例では、人間８とスキルアシストロボット２が共同して、車両用シート等の重量物を、車体外から車体内に搬送して車体内の所定の位置に位置決めする。この作業では、人間８が把持するハンドル６が、車体１０の開口部１２を通過する必要があり、人間８がうっかりヒューマンエラーすると、ハンドル６を把持する人間８の手が、ロボット２と開口部１２の縁との間で挟まれる可能性がある。ヒューマンエラーが発生しても危険な事態とならないようにする安全制御が必要とされる。
【００１６】
この実施例では、予め各種の学習処理をしておいて、安全制御に資する。
（回避軌道群の学習処理）
スキルアシストロボット２を実際に操作してハンドル６を把持する人間の手が車体開口部１２の縁を回避して通過する軌道に沿って移動させる。このときｋ１個の回避軌道群を教示する。
図２は、ハンドル６を握った人間の手の移動面（一般には平面でないが、ここでは平面的な運動例について説明する）内の軌道を例示している。軌道は、突入禁止領域１４（この場合車体１０）の基準点位置１６からハンドル６を握った人間の手までの距離ｒ、ハンドル６を握った人間の手の移動速度ｖ、ハンドル６を握った人間の手の移動方向φを時系列に沿って観測することで特定できる。図２では、ハンドル６を握った人間の手が時刻ｔにおいて軌道上の点Ｐｔにあって、そのときの距離がｒｔであり、速度がｖｔであり、方向がφｔであったことを例示している。ハンドル６を握った人間の手の移動方向は、車体が伸びる方向をゼロとし、車体となす角度を採用した。
観測される要素を観測シンボルという。観測シンボルは（ｒｔ、ｖｔ、φｔ）である。なお作業開始時のハンドル６を握った人間の手の位置が、参照番号１８で示されている。図２では、一つの回避軌道Ｓと、一つの突入軌道Ｄが例示されている。
【００１７】
（回避軌道群のモデル化）
隠れマルコフモデルによって、学習した回避軌道群をモデル化することができる。隠れマルコフモデルでは、式（１）によってモデル化する。
λ１＝｛Ａ１，Ｂ１，π１｝ （１）
π１は初期に状態ｓ１である確率分布、Ａ１はモデルλ１の下での２つの状態ｓ１，ｓ２間の遷移確率、Ｂ１は状態ｓ２において観測シンボルＯｔ（ｔ＝１〜ｔ１：ｔ１は１回の作業における移動の最終時刻）を出力する確率である。状態ｓ１は後記する「安全性を優先する安全制御が必要とされる」状態であり、ｓ２は「生産性を優先する安全制御が許容される」状態である。
式（１）において、適当な初期値を選択し、観測された回避軌道群の観測シンボルＯｔを代入して、Ｂａｕｍ−Ｗｅｌｃｈの再推定法を用いることによって、学習した回避軌道群Ｓをモデル化した式（１）を得ることができる。
このモデル化の詳細は、本発明者が発表した下記の２論文に記載されている。「隠れマルコフモデルに基づいた証拠理論による事故防止方法の提案」、山田陽滋、園原行貴、森園哲也、梅谷陽二、第２回システムインテグレーション部門学術講演会（ＳＩ２００１）、ｐｐ５１７−５１８、（２００１．１２）
「隠れマルコフモデルに基づいた証拠理論による行動スリップに起因した事故防止方法」、山田陽滋、園原行貴、森園哲也、梅谷陽二、第７回ロボティクスシンポジア講演予稿集、ｐｐ１６７−１７２、（２００２．３）
【００１８】
（突入軌道群の学習処理）
スキルアシストロボット２を実際に操作してハンドル６を把持する人間の手が車体開口部１２の縁に衝突する軌道に沿って移動させる。この軌道を、突入禁止領域１４に突入する突入軌道Ｄという。このとき、複数（ｋ１）個の突入軌道群を教示する。
図２は、一つの突入軌道Ｄを例示している。突入軌道Ｄも、突入禁止領域１４の基準点１６からハンドル６を把持する人間の手までの距離ｒ、ハンドル６を把持する人間の手の移動速度ｖ、ハンドル６を把持する人間の手の移動方向φを時系列に沿って観測することで特定できる。
【００１９】
（突入軌道群のモデル化）
隠れマルコフモデルによって、式（２）によって突入軌道群をモデル化する。
λ２＝｛Ａ２，Ｂ２，π２｝ （２）
π２は初期に状態ｓ１である確率分布、Ａ２はモデルλ２の下での２つの状態ｓ１，ｓ２間の遷移確率、Ｂ２は２つの状態ｓ１，ｓ２において観測シンボルＯｔ（ｔ＝１からｔ１）を出力する確率である。
式（２）において、適当な初期値を選択し、観測された突入軌道群の観測シンボルＯｔを代入して、Ｂａｕｍ−Ｗｅｌｃｈの再推定法を用いることによって、学習した突入軌道群Ｄをモデル化した式（２）を得ることができる。
【００２０】
（安全性を優先する制御を必要とする空間と、生産性を優先する制御を許容する空間の選択）
突入禁止領域１４の基準点１６までの距離ｒと速度ｖと方向φの次元を持つ空間を想定する。その空間が図３に例示されており、ｘ軸に突入禁止領域１４の基準点１６からハンドル６を把持する人間の手までの距離ｒ、ｙ軸にハンドル６を把持する人間の手の移動速度、ｚ軸にハンドル６を把持する人間の手の移動方向φが取られている。
本実施例では、突入禁止領域１４の基準点位置１６からハンドル６を把持する人間の手までの距離ｒが５０ｃｍ以上であれば安全制御が必要とされず、５０ｃｍ未満となると安全制御が必要となるとしている。また、実際作業時の搬送速度が１ｍ／秒を超えることがないので、１ｍ／秒以上の空間を考慮しない。進行方向が車体から遠ざかる場合には安全制御が必要とされないので、φが０〜１８０°の範囲でのみ安全制御が必要されるとした。
本実施例では、安全制御が必要とされる空間を２種類に分けた。一つは「安全性を優先する制御を必要とする空間ＳＰ」である。この空間ＳＰは、安全制御が必要とされる空間の中でも余裕度が低く、安全性を重視して慎重な態様で安全制御する必要があると想定される領域である。本実施例では、移動速度が０．６ｍ／秒以上であれば一様に「安全性を優先する制御を必要とする空間ＳＰ」であるとした。またハンドル６までの距離が２５ｃｍ未満となると、速度にかかわらずに常に「安全性を優先する制御を必要とする空間ＳＰ」であるとした。本実施例では、ハンドル６を把持する人間の手の移動方向によって「安全性を優先する制御を必要とする空間ＳＰ」となったりならなかったりする境界を設けなかった。必要に応じて、ハンドル６を把持する人間の手の移動方向φによって「安全性を優先する制御を必要とする空間ＳＰ」の境界を設けることができる。
本実施例では、安全制御が必要とされる空間のうち「安全性を優先する制御を必要とする空間ＳＰ」以外の空間を「生産性を優先する制御を許容する空間ＦＷ」とした。「生産性を優先する制御を許容する空間ＦＷ」は、安全のための制御が必要とされるものの、比較的に余裕度が高く、差し迫った危険が懸念されない限り安全のための制御を発動しなくてもよいと想定される空間である。
上記までで、安全制御に必要な準備工程が完了する。以下の工程は、実際作業時に、リアルタイムで実施する。
【００２１】
（軌道の観測）
実際作業中にはヒューマンエラーが発生し、人間の誤った操作によって、ハンドル６を把持する人間の手がロボット２と開口部１２の縁との間で挟まれてしまう軌道に沿ってロボット２を移動させてしまうことが有り得る。そのような軌道となっていることを認識して、突入禁止領域１４に突入しないようにロボット２の側で規制する。それが可能となるように、実際作業中に、突入禁止領域１４の基準点１６からハンドル６を把持する人間の手までの距離ｒ、ハンドル６を把持する人間の手の移動速度ｖ、ハンドル６を把持する人間の手の移動方向φを観測しつづける。即ち、観測シンボル（ｒ、ｖ、φ）を時系列に沿って観測しつづける。
【００２２】
（観測された軌道の判定）
予めモデル化しておいた回避軌道群Ｓをモデル化した式（１）と、観測された観測シンボルの時系列を用いると、観測された軌道が回避軌道である確率を判定することができる。
その確率ｐ（Ｏｔ／λ１）は、下記（３）式
ｐ（Ｏｔ／λ１）＝ｐ（Ｏｔ，ｓ１／λ１）＋ｐ（Ｏｔ，ｓ２／λ１） （３）
で計算することができる。ここで右辺の値は、フォワード変数から計算できる。同様に，予めモデル化しておいた突入軌道群Ｄをモデル化した式（２）と、観測された観測シンボルの時系列を用いると、観測された軌道が突入軌道である確率を判定することができる。
その確率ｐ（Ｏｔ／λ２）は、下記（４）式
ｐ（Ｏｔ／λ２）＝ｐ（Ｏｔ，ｓ１／λ２）＋ｐ（Ｏｔ，ｓ２／λ２） （４）
で計算することができる。ここでも右辺の値はフォワード変数から計算できる。なお、上記の確率計算の詳細は、前記した本発明者の発表論文に詳細に記述されている。
観測された軌道が、モデル化された回避軌道群Ｓまたはモデル化された突入軌道群Ｄに対応していれば、上記の（３）（４）式で確率が計算され、計算された確率から、観測された軌道が回避軌道Ｓであるのかまたは突入軌道Ｄであるのかを判定することができる。
【００２３】
（判定の不能）
しかしながら、観測された軌道が、モデル化された回避軌道群Ｓまたはモデル化された突入軌道群Ｄのいずれでもないとき、即ち、教示された軌道群Ｓ，Ｄから大きく相違していると、前記（３）式で計算される確率も、（４）式で計算される確率もともにゼロになってしまい、観測された軌道が回避軌道Ｓであるのかまたは突入軌道Ｓであるのかを判定することができない。
【００２４】
従来の技術であれば、判定不能であれば安全制御を発動せざるを得ず、頻繁に安全制御が発動されてしまう。作業が頻繁に停止され、作業効率が低下して、作業の快適性が損なわれる。しかしながら判定不能な場合に安全制御を発動しなければ、突入禁止領域に突入するヒューマンエラーが発生したときの安全が確保されない。
【００２５】
（証拠理論の活用）
本実施例では、観測された軌道が回避軌道であるのか突入軌道であるのかを判定不能な場合に、不必要に安全制御を発動してしまうことを防止すると同時に、安全制御が実際に必要な場合には遅れなく安全制御が発動されるようにするために、証拠理論を適用する。
ここでは、「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」とで異なる証拠基準を採用する。即ち、図４に示すように「安全性を優先する制御を必要とする空間」にある間に判定不能なときには「突入軌道にあって安全制御を発動する必要がある」とする一方、「生産性を優先する制御を許容する空間」にある間に判定不能なときには「突入軌道にあることが証明されず、危険が懸念されることが証明されていないために安全制御を発動する必要がない」とする。
【００２６】
（実験結果）
図４の下欄に、実験結果を示す。実験では、予め、５種類の回避軌道群と、５種類の突入軌道群を学習させた。「安全性を優先する制御を必要とする空間ＳＰ」と「生産性を優先する制御を許容する空間ＦＷ」を前記したように設定した。安全制御としては、強制停止制御を採用した。
以上の準備をしておいて実際の操作を多数回実施した。そのうちの２０回でヒューマンエラーによって突入軌道が選択されたものとした。
証拠理論を採用せず、判定不能な場合には安全制御を発動しないロジックを採用した場合（図４では証拠理論無しの欄に示される）には、２０回のヒューマンエラー発生時のうちの４回で事故を防げなかった。
証拠理論を採用し、「生産性を優先する制御を許容する空間ＦＷ」にある間に判定不能なときには安全制御を発動せず、「安全性を優先する制御を必要とする空間ＳＰ」にある間に判定不能なときには安全制御を発動するロジックを採用した場合には、２０回のヒュウーマンエラー発生時の全部で強制停止させて事故の発生を防ぐことをできた。事故発生回数を４回から０回に減少できた。
【００２７】
（安全性を優先する制御を必要とする空間ＳＰと、生産性を優先する制御を許容する空間ＦＷの境界の学習）
実験を重ねた結果、実験開始時に設定した「安全性を優先する制御を必要とする空間ＳＰ」が広すぎ、回避軌道か突入軌道かを判定できないときに規制する空間範囲ＳＰを限定できることがわかった。
そこで、人為的に突入軌道を取り、途中で回避動作をとることによって回避できる軌道をいくつか実験した。この結果、ロボットまたは人間の身体の一部の運動状態が、当初には「安全性を優先する制御を必要とする空間ＳＰ」であると設定した空間に相当する状態となってから後も、回避動作可能なことがわかった。その後の回避動作によって突入禁止領域１４に突入することが回避できることが判明した空間を、「安全性を優先する制御を必要とする空間ＳＰ」から「生産性を優先する制御を許容する空間ＦＷ」に切り替えるロジックを採用した。即ち、学習して「生産性を優先する制御を許容する空間ＦＷ」を拡張する処理を追加した。この処理を追加することによって、突入禁止領域１４の基準点１６からハンドル６を握る人間の手までの距離が２５ｃｍ〜１５ｃｍである空間を「安全性を優先する制御を必要とする空間ＳＰ」から「生産性を優先する制御を許容する空間ＦＷ」に切り替えることができることが確認された。
学習することによって「生産性を優先する制御を許容する空間ＦＷ」を拡張する処理をしてから、図４に結果を示した実験を再度行なった結果、回避動作がありながら安全制御を発動してしまう回数を減少することができた。「生産性を優先する制御を許容する空間ＦＷ」を拡張しても危険な事態は発生しなかった。
【００２８】
（学習のための警告）
安全性を優先する制御を必要とする空間ＳＰと生産性を優先する制御を許容する空間ＦＷの境界を学習する際には、安全性を優先する制御を必要とする空間ＳＰに入ったときに、人間に回避行動を取らせるための警告を加えて回避行動を取らせることが好ましい。回避行動を促すことによって生産性を優先する制御を許容する空間ＦＷをより大きく拡張することができる。もっとも警告することによって生産性を優先する制御を許容する空間ＦＷを拡張した場合には、実際の操作時にも同一条件で警告を発する処理を併用するべきであろう。
【００２９】
（回避軌道群の学習）
証拠理論を採用しても、「生産性を優先する制御を許容する空間ＦＷ」で突入軌道Ｄであると判定されれば、安全制御が発動される。実験によって、誤って突入軌道であると判定されることがあることが判明した。
その原因を探求した結果、回避軌道の教示データ数が少ないことが判明した。人間の動作パターンは様々であり、多種多様の回避軌道Ｓを採用するのに対し、予めそのバラエティに対応するだけの回避軌道群Ｓを教示するには、当初の教示数が不足することがわかった。
そこで、その後に回避軌道Ｓであることが判明した軌道が得られたときに、回避軌道群Ｓの教示データに追加する処理を追加した。
この結果、教示データに追加する前には突入軌道と誤判定されて安全制御が発動された軌道が、教示データの追加後には誤判定されず、安全制御が無用に発動される機会を減少できることが確認された。学習することによって回避軌道群Ｓの教示データ数を増やしてから、図４に結果を示した実験を再度行なった結果、回避動作がありながら安全制御を発動してしまう回数をほぼゼロに減少することができた。
【００３０】
（学習のための警告）
回避軌道群Ｓの教示データを追加する際には、「柔軟な安全制御が許容される空間ＦＷ」に入ったときに、人間に回避行動を取らせるための警告を加えて回避行動を取らせることが好ましい。回避行動を促すことによって様々な回避軌道群Ｓの教示データを得ることができる。警告することによって回避できる回避軌道群Ｓの教示データを用いて回避軌道と突入軌道の判定をする場合には、実際の操作時にも同一条件で警告を発する処理を併用するべきであろう。
【００３１】
（安全制御の態様）
安全制御を発動する必要があると判別したときに発動する安全制御の態様は様々である。
もっとも単純には、ロボットの移動を強制停止させることであり、強制停止させれば、ヒューマンエラーが発生しても、ロボット２と人間８が突入禁止領域１４に突入する事態を未然に防ぐことができる。
強制停止に代えて強制的に回避軌道を取らせることも可能である。人間に違和感を覚えさせないで回避軌道に修正することができれば、ヒューマンエラーの発生時にヒューマンエラーを正しながら作業を継続することができる。
ロボットの移動を直接的に規制する代わりに、ヒューマンエラーをした人間に働きかけてエラーを解消させる態様を採用することもできる。音による警告、ハンドルの振動等の物理的刺激による警告、あるいは、ロボットによるアシスト力を弱めて操作に要する力を増大させることによって警告することもできる。
【００３２】
（制御装置のシステム構成）
以上によって、本実施例のスキルアシストロボットが安全制御されるまでの過程が説明された。
図５には、スキルアシストロボット２と、制御装置４のシステム構成が図示されている。なお図５には、スキルアシストロボット２が人間の操作を検知して、その操作に要する力を軽減するアシスト力を発揮して人間に求められる力を軽減するための制御系は図示省略されている。
スキルアシストロボット２は、関節等を駆動するモータに組込まれているエンコーダの出力を制御装置４に入力する（６）。制御装置４には、入力されたエンコーダ出力から、スキルアシストロボット２の軌道を時時刻刻に算出する軌道算出部８が用意されている。スキルアシストロボット２の軌道が算出されると、ロボットの姿勢と速度と移動方向が明らかになり、そのときのロボットの運動状態が図３に示した空間のどこに位置しているかが計算可能となる。人間の手がハンドルを把持していれば、ハンドルの軌道によって人間の手の軌道が得られる。ロボット２が、ロボット２のどこに人間の手が触れているかを判定するセンサを備えていれば、人間の手がハンドル６から離れていても、人間の手の位置を計算することができる。モータに組込まれているエンコーダの出力と、センサで特定される人間の手の接触位置の情報から、人間の手の位置を計算することができる。運動状態特定部１０によって、図３に示した空間中の位置が特定される。空間中の位置は時時刻刻に変化する。
算出された軌道は、それが回避軌道であれば学習すみの回避軌道群情報記憶手段１７に記憶される。突入軌道であれば学習すみの突入軌道群情報記憶手段１９に記憶される。実際の操作時に回避軌道であることが判明した回避軌道は、学習すみの回避軌道群情報記憶手段１７に追加記憶される。学習された回避軌道群は、モデリングされて回避軌道群モデルが得られる（１６）。学習された突入軌道群は、モデリングされて突入軌道群モデルが得られる（１８）。
制御装置４には、安全性を優先する制御を必要とする空間ＳＰと生産性を優先する制御を許容する空間ＦＷを記憶する手段２２が用意されている。あらたな回避軌道が発見されると、両空間ＳＰ，ＦＷの境界が学習されて（２０）、生産性を優先する制御を許容する空間ＦＷが拡張される。
制御装置４には、証拠理論に基づいて、観測された軌道が回避軌道か突入軌道かを判定する手段（プログラム）が用意されている（１２）。この判定処理では回避軌道群モデル１６と、突入軌道群モデル１８と、記憶手段２２に記憶されている安全性を優先する制御を必要とする空間ＳＰと柔軟な安全制御ＦＷを許容する空間の情報が参照される。
判定装置１２によって突入軌道であると判定されると、あるいは、安全性を優先する制御を必要とする空間で判定不能であるとされると（２４）、安全制御手段２６が起動され、スキルアシストロボット２の挙動が安全確保のために規制される（２８）。
【００３３】
本実施例では、人間が把持するハンドル位置が、突入禁止領域に突入しないように安全制御する。これに代えて、あるいはこれに追加して、例えばロボットが把持しているワークが突入禁止領域に突入しないように安全制御するようにしてもよい。ロボットの任意の位置あるいはロボットに把持されているワークの任意の位置に着目して本技術を適用することができる。
【００３４】
本明細書では、本発明を技術的に説明した。技術の背後に潜む研究ないし学問は、本発明者が先に発表した論文に詳細に説明されており、重複した説明はしない。上記論文は、本出願が新規性喪失の例外適用を受けられることを証明する書面として本出願に対して提出されるものであり、本出願の開示事項の一部をなすものである。出願に付随して提出されていない書面を引用することによって明細書の開示に代えることが認められていないとしても、上記論文は本出願にために提出されて本出願の審査経過種類に含まれるものであり、第三者が閲覧可能なものである。本明細者の一部をなす書面ということができる書面である。この明細書は前記論文を引用するものであり、前記論文に記載されている事項の全部を開示するものである。
【図面の簡単な説明】
【図１】人間とスキルアシストロボットが共同作業する様子を示す。
【図２】突入禁止領域を含む近傍を平面視した図であり、観測シンボルを例示している。
【図３】安全性を優先する制御を必要とする空間と生産性を優先する制御を許容する空間を模式的に示す。
【図４】非証拠理論と証拠理論を対比して示し、事故発生回数等を対比して示す。
【図５】スキルアシストロボットと制御装置のシステム構成を示す。
【符号の説明】
２：スキルアシストロボット
４：制御装置
Ｓ：回避軌道
Ｄ：突入軌道
ＳＰ：安全性を優先する制御を必要とする空間
ＦＷ：生産性を優先する制御を許容する空間
【発明の属する技術分野】本発明は、人間と共存するロボットの制御技術に関する。
【０００２】
【従来の技術】例えば重量物を搬送して位置決めする作業を効率的に実施するために、人間の操作を検知してその操作に要する力を軽減する力を発揮するロボットが開発されている。この種のロボットは、人間の操作によって軌道を変えるロボットであり、人間と共存しながら人間と共同して作業するロボットということができる。人間の操作によって軌道を変えるロボットは、人間の持つ高度な判断力と制御力と、ロボットが発揮する疲れを知らない力とを組合せて利用することができ、種々の作業に実用化され始めている。本発明者らは、車両用インパネを搬送して車体に位置決めする作業を人間と共同して作業するロボットを開発し、大きな成果を上げている。このロボットは、人間の持つ高度な判断力と制御力に由来するスキルを活用しながら、重負荷作業をアシストすることからスキルアシストロボットと称される。この種の人間と共同作業するロボットは、今後多方面に利用されるものと期待されている。
【０００３】
【発明が解決しようとする課題】人間と共同作業するスキルアシストロボットの利用範囲が拡大すると、人間に危険が及ぶような事態に陥らないようにロボットの運動を規制する必要が生じてくる。例えば、開口を通過して重量物を搬送する場合に、ロボットと共存して移動する人間の手が、ロボットと開口との間に挟まれるようなことがあってはならない。
人間の操作を検知してその操作に要する力を軽減するスキルアシストロボットの軌道は、基本的に人間の操作によって決定される。予め教示された軌道を移動する現在の工業用ロボットとは全く相違する。前記に例示した開口を通過して重量物を搬送する場合でも、人間が意図する軌道は人間毎に相違し（それゆえに人間がスキルを持つことができる）、また同一人であっても繰返し作業する度に軌道が異なってくる。様々な軌道に対して、その軌道によるとこれから危険が懸念される軌道であるのか、あるいは安全に移動できる軌道であるかを判定する好適な技術は開発されていない。
【０００４】
本発明では、操作する人間によって、あるいは、時によって、様々に変化しうる軌道に対して、今後に危険（例えば、ロボットまたは人間の身体の一部が車両の開口を形成する枠などの作業環境と衝突する危険）が懸念される軌道なのか、あるいは安全な軌道なのかを判定し、その判定結果に基づいてその後のロボットの軌道を規制することができるロボットの制御装置と制御方法を創作した。特に、不必要に安全を重視して不必要に規制するのでなく、危険が危惧されない範囲では、人間が自由に軌道をコントロールして人間が持つスキルを活用しながら快適かつ効率的に作業を進めることができるようにする。同時に、真に危険が懸念される軌道である場合には、その後の移動を規制し、ヒューマンエラーによって人間が危険な事態に陥ることを防止する。
【０００５】
【課題を解決するための手段と作用】請求項１の発明は、人間の操作によって軌道を変えるロボットの制御装置に関する。この制御装置は、突入禁止領域までの距離と速度と方向の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」を記憶している手段と、学習すみの禁止領域を回避するロボットまたは人間の身体の一部の軌道群を記憶している手段と、学習すみの禁止領域に突入するロボットまたは人間の身体の一部の軌道群を記憶している手段と、位置と速度と方向を観測して得られるロボットまたは人間の身体の一部の実際軌道が、回避軌道群に属するか、あるいは突入軌道群に属するかを判定する手段とを有する。さらに、ロボットまたは人間の身体の一部の運動状態が「生産性を優先する制御を許容する空間」にある間は突入軌道群に属すると判定されない限り人間によるロボット操作の続行を許容する一方、ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にある間は回避軌道群に属すると判定されない限り人間によるロボット操作の続行を規制する手段とを有する。
【０００６】
本発明者の研究によって、突入することが禁止されている領域までの距離と速度と方向の次元を持つ空間を想定し、その空間内に、「安全制御を必要とするけれども生産性を優先する制御を許容する空間」と「安全性を優先する制御を必要とする空間」を確保しておくと、操作する人間によって、あるいは、時によって、軌道が様々に変化しうるとしても、必要な安全制御を統一的に講じられることを確認した。
予め学習することによって、突入することが禁止されている領域に突入することを回避できるロボットまたは人間の身体の一部の軌道群を記憶しておくことができる。また予め学習することによって、突入することが禁止されている領域に突入してしまうロボットまたは人間の身体の一部の軌道群を記憶しておくことができる。しかしながら、操作する人間によって、あるいは、時によって、様々に変化しうる軌道群の全てについて学習し、それが回避軌道であるのか、突入軌道であるのかを学習しておくことはできない。
軌道を記述する様々な数学手法が発達し、学習すみの回避軌道群あるいは突入軌道群に厳密には一致しない軌道が観測されても、数学的なモデリング手法を活用することによって、観測された軌道が回避軌道群であるのか突入軌道群であるのかを判定することができる。しかしながら、判定の信頼性が高いのは、学習すみの回避軌道群あるいは突入軌道群に類似する軌道に限られ、類似しない軌道に対しては信頼できる判定ができない。操作する人間によって、あるいは、時によって軌道が様々に変化する場合に、有り得る全ての軌道に対して、それが回避軌道なのかあるいは突入軌道なのかを判定できるほど多くの学習をしておくことはできない。
本発明では、学習しきれないという制約を、「安全制御を必要とするけれども生産性を優先する制御を許容する空間」と「安全性を優先する制御を必要とする空間」に区別することで補い、人間が自由に軌道をコントロールして快適かつ効率的に作業を進めることができる場合には自由な操作を許容し、真に危険が懸念される場合には軌道を規制して危険な事態に陥らないようにすることに成功した。
【０００７】
学習した突入軌道群と回避軌道群を隠れマルコフモデルで記述して記憶しておくことが好ましい。
この場合、学習すみの回避軌道群あるいは突入軌道群に類似する軌道が、回避軌道であるのか突入軌道であるのかを判定しやすい。
なお、隠れマルコフモデルは軌道群を記述する一手法であり、例えばＤＰマッチング手法などでパターン識別する方法等を採用することもできる。
【０００８】
本発明では、人間の操作によって軌道を変えるロボットの制御方法も創作された。この方法では、突入禁止領域までの距離と速度と方向の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「安全制御を必要とするけれども生産性を優先する制御を許容する空間」を予め測定しておく工程と、禁止領域を回避するロボットまたは人間の身体の一部の軌道群を予め学習しておく工程と、禁止領域に突入するロボットまたは人間の身体の一部の軌道群を予め学習しておく工程とを実施しておく。そして、実際に人間が操作してロボットの軌道を調整している間に、ロボットまたは人間の身体の一部の位置と速度と方向を測定してロボットまたは人間の身体の一部の実際軌道を観測し、観測された実際軌道が回避軌道群に属するか、あるいは突入軌道群に属するかを判定する工程と、ロボットまたは人間の身体の一部の運動状態が「生産性を優先する制御を許容する空間」にある間は突入軌道群に属すると判定されない限り人間によるロボット操作の続行を許容する一方、ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にある間は回避軌道群に属すると判定されない限り人間によるロボット操作の続行を規制する工程を実施する。
【０００９】
この方法によると、「慎重な安全制御を必要とする」場合には、回避軌道群に属すると判定されない限り、即ち安全であると確認されない限り、ロボット操作の続行が規制され、真に危険が懸念される場合には軌道を規制して危険な事態に陥らないようにすることができる。反面、「柔軟な安全制御が許容される」場合には、突入軌道群に属すると判定されない限り、即ち危険が懸念されることが確認されない限り、ロボット操作の続行が許容される。ロボット操作が許容されても、本当に危険が懸念される場合には、懸念される危険な事態に陥るに先立って「慎重な安全制御を必要とする」空間に移行することから、そのときに必要な規制をすることができ、必要な安全を確保することができる。
本方法によると、広い範囲で（多様な条件下で）人間が自由に軌道をコントロールして快適かつ効率的に作業を進めることができるようにするとともに、危険が真に懸念される場合には軌道を規制して危険な事態に陥らないようにすることができる。
【００１０】
ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にあるときに回避軌道が発見されると、発見された状態空間を「安全性を優先する制御を必要とする空間」から「生産性を優先する制御を許容する空間」に変更する工程をさらに有することが好ましい。
この工程が付加されていると「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」との境界を学習しながら実情に適した境界に修正することができる。
【００１１】
新たに発見された回避軌道を、予め学習した回避軌道群に追加する工程をさらに有することが好ましい。
この工程が付加されていると、本当は回避可能であって突入軌道群ではないのにもかかわらずに突入軌道群であると誤判定する機会が減少する。この結果「生産性を優先する制御を許容する空間」にあるときに突入軌道群であると誤判定されて操作が規制される機会が減少する。
【００１２】
【発明の実施の形態】最初に、実施例に示す技術の主要な形態を列記する。
（形態１） ロボットのアームに人間が把持して操作するハンドルが用意されており、そのハンドルの位置と移動速度と移動方向で、ロボットまたは人間の身体の一部の運動状態が特定される。
（形態２） 安全制御が必要とされるときには、ロボットの移動を強制停止させる。
（形態３） 安全制御が必要とされる場合には、ロボット軌道を回避軌道に強制的に切り替える。
【００１３】
【実施例】図１に、本実施例の制御装置と制御方法を適用するスキルアシストロボットを示す。このスキルアシストロボット２のアーム４には、人間が把持して操作するハンドル６が設けられている。ロボット２は、車両用シート等の重量物を把持して搬送することができる。人間８は、ハンドル６を把持して移動させたい方向に移動させたい速度で移動させる。ロボット２は、人間の操作を検知し、操作に要する力を軽減させる力を発揮する。人間８はロボット２と共同作業することで、重量物を軽い操作力で、希望方向に希望速度で移動させて希望位置に位置決めすることができる。
【００１４】
人間８がロボット２と共同作業すると、人間８が持つ優れた判断力と制御力にロボット２が休みなく発揮するパワーを組合せて用いることができる。人間８の持つスキルを活かし、ロボット２によるパワーを活用しながら作業を進められることから、スキルアシストロボットと称される。スキルアシストロボット２は、通常の工業用ロボットと異なり、人間の操作によって軌道を変えるロボットということができる。
【００１５】
この実施例では、人間８とスキルアシストロボット２が共同して、車両用シート等の重量物を、車体外から車体内に搬送して車体内の所定の位置に位置決めする。この作業では、人間８が把持するハンドル６が、車体１０の開口部１２を通過する必要があり、人間８がうっかりヒューマンエラーすると、ハンドル６を把持する人間８の手が、ロボット２と開口部１２の縁との間で挟まれる可能性がある。ヒューマンエラーが発生しても危険な事態とならないようにする安全制御が必要とされる。
【００１６】
この実施例では、予め各種の学習処理をしておいて、安全制御に資する。
（回避軌道群の学習処理）
スキルアシストロボット２を実際に操作してハンドル６を把持する人間の手が車体開口部１２の縁を回避して通過する軌道に沿って移動させる。このときｋ１個の回避軌道群を教示する。
図２は、ハンドル６を握った人間の手の移動面（一般には平面でないが、ここでは平面的な運動例について説明する）内の軌道を例示している。軌道は、突入禁止領域１４（この場合車体１０）の基準点位置１６からハンドル６を握った人間の手までの距離ｒ、ハンドル６を握った人間の手の移動速度ｖ、ハンドル６を握った人間の手の移動方向φを時系列に沿って観測することで特定できる。図２では、ハンドル６を握った人間の手が時刻ｔにおいて軌道上の点Ｐｔにあって、そのときの距離がｒｔであり、速度がｖｔであり、方向がφｔであったことを例示している。ハンドル６を握った人間の手の移動方向は、車体が伸びる方向をゼロとし、車体となす角度を採用した。
観測される要素を観測シンボルという。観測シンボルは（ｒｔ、ｖｔ、φｔ）である。なお作業開始時のハンドル６を握った人間の手の位置が、参照番号１８で示されている。図２では、一つの回避軌道Ｓと、一つの突入軌道Ｄが例示されている。
【００１７】
（回避軌道群のモデル化）
隠れマルコフモデルによって、学習した回避軌道群をモデル化することができる。隠れマルコフモデルでは、式（１）によってモデル化する。
λ１＝｛Ａ１，Ｂ１，π１｝ （１）
π１は初期に状態ｓ１である確率分布、Ａ１はモデルλ１の下での２つの状態ｓ１，ｓ２間の遷移確率、Ｂ１は状態ｓ２において観測シンボルＯｔ（ｔ＝１〜ｔ１：ｔ１は１回の作業における移動の最終時刻）を出力する確率である。状態ｓ１は後記する「安全性を優先する安全制御が必要とされる」状態であり、ｓ２は「生産性を優先する安全制御が許容される」状態である。
式（１）において、適当な初期値を選択し、観測された回避軌道群の観測シンボルＯｔを代入して、Ｂａｕｍ−Ｗｅｌｃｈの再推定法を用いることによって、学習した回避軌道群Ｓをモデル化した式（１）を得ることができる。
このモデル化の詳細は、本発明者が発表した下記の２論文に記載されている。「隠れマルコフモデルに基づいた証拠理論による事故防止方法の提案」、山田陽滋、園原行貴、森園哲也、梅谷陽二、第２回システムインテグレーション部門学術講演会（ＳＩ２００１）、ｐｐ５１７−５１８、（２００１．１２）
「隠れマルコフモデルに基づいた証拠理論による行動スリップに起因した事故防止方法」、山田陽滋、園原行貴、森園哲也、梅谷陽二、第７回ロボティクスシンポジア講演予稿集、ｐｐ１６７−１７２、（２００２．３）
【００１８】
（突入軌道群の学習処理）
スキルアシストロボット２を実際に操作してハンドル６を把持する人間の手が車体開口部１２の縁に衝突する軌道に沿って移動させる。この軌道を、突入禁止領域１４に突入する突入軌道Ｄという。このとき、複数（ｋ１）個の突入軌道群を教示する。
図２は、一つの突入軌道Ｄを例示している。突入軌道Ｄも、突入禁止領域１４の基準点１６からハンドル６を把持する人間の手までの距離ｒ、ハンドル６を把持する人間の手の移動速度ｖ、ハンドル６を把持する人間の手の移動方向φを時系列に沿って観測することで特定できる。
【００１９】
（突入軌道群のモデル化）
隠れマルコフモデルによって、式（２）によって突入軌道群をモデル化する。
λ２＝｛Ａ２，Ｂ２，π２｝ （２）
π２は初期に状態ｓ１である確率分布、Ａ２はモデルλ２の下での２つの状態ｓ１，ｓ２間の遷移確率、Ｂ２は２つの状態ｓ１，ｓ２において観測シンボルＯｔ（ｔ＝１からｔ１）を出力する確率である。
式（２）において、適当な初期値を選択し、観測された突入軌道群の観測シンボルＯｔを代入して、Ｂａｕｍ−Ｗｅｌｃｈの再推定法を用いることによって、学習した突入軌道群Ｄをモデル化した式（２）を得ることができる。
【００２０】
（安全性を優先する制御を必要とする空間と、生産性を優先する制御を許容する空間の選択）
突入禁止領域１４の基準点１６までの距離ｒと速度ｖと方向φの次元を持つ空間を想定する。その空間が図３に例示されており、ｘ軸に突入禁止領域１４の基準点１６からハンドル６を把持する人間の手までの距離ｒ、ｙ軸にハンドル６を把持する人間の手の移動速度、ｚ軸にハンドル６を把持する人間の手の移動方向φが取られている。
本実施例では、突入禁止領域１４の基準点位置１６からハンドル６を把持する人間の手までの距離ｒが５０ｃｍ以上であれば安全制御が必要とされず、５０ｃｍ未満となると安全制御が必要となるとしている。また、実際作業時の搬送速度が１ｍ／秒を超えることがないので、１ｍ／秒以上の空間を考慮しない。進行方向が車体から遠ざかる場合には安全制御が必要とされないので、φが０〜１８０°の範囲でのみ安全制御が必要されるとした。
本実施例では、安全制御が必要とされる空間を２種類に分けた。一つは「安全性を優先する制御を必要とする空間ＳＰ」である。この空間ＳＰは、安全制御が必要とされる空間の中でも余裕度が低く、安全性を重視して慎重な態様で安全制御する必要があると想定される領域である。本実施例では、移動速度が０．６ｍ／秒以上であれば一様に「安全性を優先する制御を必要とする空間ＳＰ」であるとした。またハンドル６までの距離が２５ｃｍ未満となると、速度にかかわらずに常に「安全性を優先する制御を必要とする空間ＳＰ」であるとした。本実施例では、ハンドル６を把持する人間の手の移動方向によって「安全性を優先する制御を必要とする空間ＳＰ」となったりならなかったりする境界を設けなかった。必要に応じて、ハンドル６を把持する人間の手の移動方向φによって「安全性を優先する制御を必要とする空間ＳＰ」の境界を設けることができる。
本実施例では、安全制御が必要とされる空間のうち「安全性を優先する制御を必要とする空間ＳＰ」以外の空間を「生産性を優先する制御を許容する空間ＦＷ」とした。「生産性を優先する制御を許容する空間ＦＷ」は、安全のための制御が必要とされるものの、比較的に余裕度が高く、差し迫った危険が懸念されない限り安全のための制御を発動しなくてもよいと想定される空間である。
上記までで、安全制御に必要な準備工程が完了する。以下の工程は、実際作業時に、リアルタイムで実施する。
【００２１】
（軌道の観測）
実際作業中にはヒューマンエラーが発生し、人間の誤った操作によって、ハンドル６を把持する人間の手がロボット２と開口部１２の縁との間で挟まれてしまう軌道に沿ってロボット２を移動させてしまうことが有り得る。そのような軌道となっていることを認識して、突入禁止領域１４に突入しないようにロボット２の側で規制する。それが可能となるように、実際作業中に、突入禁止領域１４の基準点１６からハンドル６を把持する人間の手までの距離ｒ、ハンドル６を把持する人間の手の移動速度ｖ、ハンドル６を把持する人間の手の移動方向φを観測しつづける。即ち、観測シンボル（ｒ、ｖ、φ）を時系列に沿って観測しつづける。
【００２２】
（観測された軌道の判定）
予めモデル化しておいた回避軌道群Ｓをモデル化した式（１）と、観測された観測シンボルの時系列を用いると、観測された軌道が回避軌道である確率を判定することができる。
その確率ｐ（Ｏｔ／λ１）は、下記（３）式
ｐ（Ｏｔ／λ１）＝ｐ（Ｏｔ，ｓ１／λ１）＋ｐ（Ｏｔ，ｓ２／λ１） （３）
で計算することができる。ここで右辺の値は、フォワード変数から計算できる。同様に，予めモデル化しておいた突入軌道群Ｄをモデル化した式（２）と、観測された観測シンボルの時系列を用いると、観測された軌道が突入軌道である確率を判定することができる。
その確率ｐ（Ｏｔ／λ２）は、下記（４）式
ｐ（Ｏｔ／λ２）＝ｐ（Ｏｔ，ｓ１／λ２）＋ｐ（Ｏｔ，ｓ２／λ２） （４）
で計算することができる。ここでも右辺の値はフォワード変数から計算できる。なお、上記の確率計算の詳細は、前記した本発明者の発表論文に詳細に記述されている。
観測された軌道が、モデル化された回避軌道群Ｓまたはモデル化された突入軌道群Ｄに対応していれば、上記の（３）（４）式で確率が計算され、計算された確率から、観測された軌道が回避軌道Ｓであるのかまたは突入軌道Ｄであるのかを判定することができる。
【００２３】
（判定の不能）
しかしながら、観測された軌道が、モデル化された回避軌道群Ｓまたはモデル化された突入軌道群Ｄのいずれでもないとき、即ち、教示された軌道群Ｓ，Ｄから大きく相違していると、前記（３）式で計算される確率も、（４）式で計算される確率もともにゼロになってしまい、観測された軌道が回避軌道Ｓであるのかまたは突入軌道Ｓであるのかを判定することができない。
【００２４】
従来の技術であれば、判定不能であれば安全制御を発動せざるを得ず、頻繁に安全制御が発動されてしまう。作業が頻繁に停止され、作業効率が低下して、作業の快適性が損なわれる。しかしながら判定不能な場合に安全制御を発動しなければ、突入禁止領域に突入するヒューマンエラーが発生したときの安全が確保されない。
【００２５】
（証拠理論の活用）
本実施例では、観測された軌道が回避軌道であるのか突入軌道であるのかを判定不能な場合に、不必要に安全制御を発動してしまうことを防止すると同時に、安全制御が実際に必要な場合には遅れなく安全制御が発動されるようにするために、証拠理論を適用する。
ここでは、「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」とで異なる証拠基準を採用する。即ち、図４に示すように「安全性を優先する制御を必要とする空間」にある間に判定不能なときには「突入軌道にあって安全制御を発動する必要がある」とする一方、「生産性を優先する制御を許容する空間」にある間に判定不能なときには「突入軌道にあることが証明されず、危険が懸念されることが証明されていないために安全制御を発動する必要がない」とする。
【００２６】
（実験結果）
図４の下欄に、実験結果を示す。実験では、予め、５種類の回避軌道群と、５種類の突入軌道群を学習させた。「安全性を優先する制御を必要とする空間ＳＰ」と「生産性を優先する制御を許容する空間ＦＷ」を前記したように設定した。安全制御としては、強制停止制御を採用した。
以上の準備をしておいて実際の操作を多数回実施した。そのうちの２０回でヒューマンエラーによって突入軌道が選択されたものとした。
証拠理論を採用せず、判定不能な場合には安全制御を発動しないロジックを採用した場合（図４では証拠理論無しの欄に示される）には、２０回のヒューマンエラー発生時のうちの４回で事故を防げなかった。
証拠理論を採用し、「生産性を優先する制御を許容する空間ＦＷ」にある間に判定不能なときには安全制御を発動せず、「安全性を優先する制御を必要とする空間ＳＰ」にある間に判定不能なときには安全制御を発動するロジックを採用した場合には、２０回のヒュウーマンエラー発生時の全部で強制停止させて事故の発生を防ぐことをできた。事故発生回数を４回から０回に減少できた。
【００２７】
（安全性を優先する制御を必要とする空間ＳＰと、生産性を優先する制御を許容する空間ＦＷの境界の学習）
実験を重ねた結果、実験開始時に設定した「安全性を優先する制御を必要とする空間ＳＰ」が広すぎ、回避軌道か突入軌道かを判定できないときに規制する空間範囲ＳＰを限定できることがわかった。
そこで、人為的に突入軌道を取り、途中で回避動作をとることによって回避できる軌道をいくつか実験した。この結果、ロボットまたは人間の身体の一部の運動状態が、当初には「安全性を優先する制御を必要とする空間ＳＰ」であると設定した空間に相当する状態となってから後も、回避動作可能なことがわかった。その後の回避動作によって突入禁止領域１４に突入することが回避できることが判明した空間を、「安全性を優先する制御を必要とする空間ＳＰ」から「生産性を優先する制御を許容する空間ＦＷ」に切り替えるロジックを採用した。即ち、学習して「生産性を優先する制御を許容する空間ＦＷ」を拡張する処理を追加した。この処理を追加することによって、突入禁止領域１４の基準点１６からハンドル６を握る人間の手までの距離が２５ｃｍ〜１５ｃｍである空間を「安全性を優先する制御を必要とする空間ＳＰ」から「生産性を優先する制御を許容する空間ＦＷ」に切り替えることができることが確認された。
学習することによって「生産性を優先する制御を許容する空間ＦＷ」を拡張する処理をしてから、図４に結果を示した実験を再度行なった結果、回避動作がありながら安全制御を発動してしまう回数を減少することができた。「生産性を優先する制御を許容する空間ＦＷ」を拡張しても危険な事態は発生しなかった。
【００２８】
（学習のための警告）
安全性を優先する制御を必要とする空間ＳＰと生産性を優先する制御を許容する空間ＦＷの境界を学習する際には、安全性を優先する制御を必要とする空間ＳＰに入ったときに、人間に回避行動を取らせるための警告を加えて回避行動を取らせることが好ましい。回避行動を促すことによって生産性を優先する制御を許容する空間ＦＷをより大きく拡張することができる。もっとも警告することによって生産性を優先する制御を許容する空間ＦＷを拡張した場合には、実際の操作時にも同一条件で警告を発する処理を併用するべきであろう。
【００２９】
（回避軌道群の学習）
証拠理論を採用しても、「生産性を優先する制御を許容する空間ＦＷ」で突入軌道Ｄであると判定されれば、安全制御が発動される。実験によって、誤って突入軌道であると判定されることがあることが判明した。
その原因を探求した結果、回避軌道の教示データ数が少ないことが判明した。人間の動作パターンは様々であり、多種多様の回避軌道Ｓを採用するのに対し、予めそのバラエティに対応するだけの回避軌道群Ｓを教示するには、当初の教示数が不足することがわかった。
そこで、その後に回避軌道Ｓであることが判明した軌道が得られたときに、回避軌道群Ｓの教示データに追加する処理を追加した。
この結果、教示データに追加する前には突入軌道と誤判定されて安全制御が発動された軌道が、教示データの追加後には誤判定されず、安全制御が無用に発動される機会を減少できることが確認された。学習することによって回避軌道群Ｓの教示データ数を増やしてから、図４に結果を示した実験を再度行なった結果、回避動作がありながら安全制御を発動してしまう回数をほぼゼロに減少することができた。
【００３０】
（学習のための警告）
回避軌道群Ｓの教示データを追加する際には、「柔軟な安全制御が許容される空間ＦＷ」に入ったときに、人間に回避行動を取らせるための警告を加えて回避行動を取らせることが好ましい。回避行動を促すことによって様々な回避軌道群Ｓの教示データを得ることができる。警告することによって回避できる回避軌道群Ｓの教示データを用いて回避軌道と突入軌道の判定をする場合には、実際の操作時にも同一条件で警告を発する処理を併用するべきであろう。
【００３１】
（安全制御の態様）
安全制御を発動する必要があると判別したときに発動する安全制御の態様は様々である。
もっとも単純には、ロボットの移動を強制停止させることであり、強制停止させれば、ヒューマンエラーが発生しても、ロボット２と人間８が突入禁止領域１４に突入する事態を未然に防ぐことができる。
強制停止に代えて強制的に回避軌道を取らせることも可能である。人間に違和感を覚えさせないで回避軌道に修正することができれば、ヒューマンエラーの発生時にヒューマンエラーを正しながら作業を継続することができる。
ロボットの移動を直接的に規制する代わりに、ヒューマンエラーをした人間に働きかけてエラーを解消させる態様を採用することもできる。音による警告、ハンドルの振動等の物理的刺激による警告、あるいは、ロボットによるアシスト力を弱めて操作に要する力を増大させることによって警告することもできる。
【００３２】
（制御装置のシステム構成）
以上によって、本実施例のスキルアシストロボットが安全制御されるまでの過程が説明された。
図５には、スキルアシストロボット２と、制御装置４のシステム構成が図示されている。なお図５には、スキルアシストロボット２が人間の操作を検知して、その操作に要する力を軽減するアシスト力を発揮して人間に求められる力を軽減するための制御系は図示省略されている。
スキルアシストロボット２は、関節等を駆動するモータに組込まれているエンコーダの出力を制御装置４に入力する（６）。制御装置４には、入力されたエンコーダ出力から、スキルアシストロボット２の軌道を時時刻刻に算出する軌道算出部８が用意されている。スキルアシストロボット２の軌道が算出されると、ロボットの姿勢と速度と移動方向が明らかになり、そのときのロボットの運動状態が図３に示した空間のどこに位置しているかが計算可能となる。人間の手がハンドルを把持していれば、ハンドルの軌道によって人間の手の軌道が得られる。ロボット２が、ロボット２のどこに人間の手が触れているかを判定するセンサを備えていれば、人間の手がハンドル６から離れていても、人間の手の位置を計算することができる。モータに組込まれているエンコーダの出力と、センサで特定される人間の手の接触位置の情報から、人間の手の位置を計算することができる。運動状態特定部１０によって、図３に示した空間中の位置が特定される。空間中の位置は時時刻刻に変化する。
算出された軌道は、それが回避軌道であれば学習すみの回避軌道群情報記憶手段１７に記憶される。突入軌道であれば学習すみの突入軌道群情報記憶手段１９に記憶される。実際の操作時に回避軌道であることが判明した回避軌道は、学習すみの回避軌道群情報記憶手段１７に追加記憶される。学習された回避軌道群は、モデリングされて回避軌道群モデルが得られる（１６）。学習された突入軌道群は、モデリングされて突入軌道群モデルが得られる（１８）。
制御装置４には、安全性を優先する制御を必要とする空間ＳＰと生産性を優先する制御を許容する空間ＦＷを記憶する手段２２が用意されている。あらたな回避軌道が発見されると、両空間ＳＰ，ＦＷの境界が学習されて（２０）、生産性を優先する制御を許容する空間ＦＷが拡張される。
制御装置４には、証拠理論に基づいて、観測された軌道が回避軌道か突入軌道かを判定する手段（プログラム）が用意されている（１２）。この判定処理では回避軌道群モデル１６と、突入軌道群モデル１８と、記憶手段２２に記憶されている安全性を優先する制御を必要とする空間ＳＰと柔軟な安全制御ＦＷを許容する空間の情報が参照される。
判定装置１２によって突入軌道であると判定されると、あるいは、安全性を優先する制御を必要とする空間で判定不能であるとされると（２４）、安全制御手段２６が起動され、スキルアシストロボット２の挙動が安全確保のために規制される（２８）。
【００３３】
本実施例では、人間が把持するハンドル位置が、突入禁止領域に突入しないように安全制御する。これに代えて、あるいはこれに追加して、例えばロボットが把持しているワークが突入禁止領域に突入しないように安全制御するようにしてもよい。ロボットの任意の位置あるいはロボットに把持されているワークの任意の位置に着目して本技術を適用することができる。
【００３４】
本明細書では、本発明を技術的に説明した。技術の背後に潜む研究ないし学問は、本発明者が先に発表した論文に詳細に説明されており、重複した説明はしない。上記論文は、本出願が新規性喪失の例外適用を受けられることを証明する書面として本出願に対して提出されるものであり、本出願の開示事項の一部をなすものである。出願に付随して提出されていない書面を引用することによって明細書の開示に代えることが認められていないとしても、上記論文は本出願にために提出されて本出願の審査経過種類に含まれるものであり、第三者が閲覧可能なものである。本明細者の一部をなす書面ということができる書面である。この明細書は前記論文を引用するものであり、前記論文に記載されている事項の全部を開示するものである。
【図面の簡単な説明】
【図１】人間とスキルアシストロボットが共同作業する様子を示す。
【図２】突入禁止領域を含む近傍を平面視した図であり、観測シンボルを例示している。
【図３】安全性を優先する制御を必要とする空間と生産性を優先する制御を許容する空間を模式的に示す。
【図４】非証拠理論と証拠理論を対比して示し、事故発生回数等を対比して示す。
【図５】スキルアシストロボットと制御装置のシステム構成を示す。
【符号の説明】
２：スキルアシストロボット
４：制御装置
Ｓ：回避軌道
Ｄ：突入軌道
ＳＰ：安全性を優先する制御を必要とする空間
ＦＷ：生産性を優先する制御を許容する空間
Claims (5)
- 人間の操作によって軌道を変えるロボットの制御装置であり、
突入禁止領域までの距離と速度と方向の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「生産性を優先する制御を許容する空間」を記憶している手段と、
学習すみの、禁止領域を回避するロボットまたは人間の身体の一部の軌道群を記憶している手段と、
学習すみの、禁止領域に突入するロボットまたは人間の身体の一部の軌道群を記憶している手段と、
位置と速度と方向を観測して得られるロボットまたは人間の身体の一部の実際軌道が、回避軌道群に属するか、あるいは突入軌道群に属するかを判定する手段と、
ロボットまたは人間の身体の一部の運動状態が「生産性を優先する制御を許容する空間」にある間は突入軌道群に属すると判定されない限り人間によるロボット操作の続行を許容する一方、ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にある間は回避軌道群に属すると判定されない限り人間によるロボット操作の続行を規制する手段
とを有する人間と共存するロボットの制御装置。 - 突入軌道群と回避軌道群が、隠れマルコフモデルで記憶されていることを特徴とする請求項１の制御装置。
- 人間の操作によって軌道を変えるロボットの制御方法であり、
突入禁止領域までの距離と速度と方向の次元を持つ空間において「安全性を優先する制御を必要とする空間」と「安全制御を必要とするけれども生産性を優先する制御を許容する空間」を予め測定しておく工程と、
禁止領域を回避するロボットまたは人間の身体の一部の軌道群を予め学習しておく工程と、
禁止領域に突入するロボットまたは人間の身体の一部の軌道群を予め学習しておく工程と、
人間が操作してロボットの軌道を調整している間に、ロボットまたは人間の身体の一部の位置と速度と方向を測定してロボットまたは人間の身体の一部の実際軌道を観測し、観測された実際軌道が回避軌道群に属するか、あるいは突入軌道群に属するかを判定する工程と、
ロボットの運動状態が「生産性を優先する制御を許容する空間」にある間は突入軌道群に属すると判定されない限り人間によるロボット操作の続行を許容する一方、ロボットの運動状態が「安全性を優先する制御を必要とする空間」にある間は回避軌道群に属すると判定されない限り人間によるロボット操作の続行を規制する工程
とを有する人間と共存するロボットの制御方法。 - ロボットまたは人間の身体の一部の運動状態が「安全性を優先する制御を必要とする空間」にあるときに回避軌道が発見されると、発見された状態空間を「安全性を優先する制御を必要とする空間」から「生産性を優先する制御を許容する空間」に変更する工程をさらに有することを特徴とする請求項３の制御方法。
- 新たに発見された回避軌道を、予め学習した回避軌道群に追加する工程をさらに有することを特徴とする請求項３又は４の制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002179137A JP3872387B2 (ja) | 2002-06-19 | 2002-06-19 | 人間と共存するロボットの制御装置と制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002179137A JP3872387B2 (ja) | 2002-06-19 | 2002-06-19 | 人間と共存するロボットの制御装置と制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004017256A true JP2004017256A (ja) | 2004-01-22 |
| JP3872387B2 JP3872387B2 (ja) | 2007-01-24 |
Family
ID=31176651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002179137A Expired - Fee Related JP3872387B2 (ja) | 2002-06-19 | 2002-06-19 | 人間と共存するロボットの制御装置と制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3872387B2 (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010134603A1 (ja) | 2009-05-22 | 2010-11-25 | 関東自動車工業株式会社 | 作業支援ロボットシステム |
| JP2010269418A (ja) * | 2009-05-22 | 2010-12-02 | Ihi Corp | ロボット制御装置およびその制御方法 |
| JP2016159407A (ja) * | 2015-03-03 | 2016-09-05 | キヤノン株式会社 | ロボット制御装置およびロボット制御方法 |
| JP2017024113A (ja) * | 2015-07-21 | 2017-02-02 | ファナック株式会社 | 人間協調型ロボットシステムのロボットシミュレーション装置 |
| JP6403920B1 (ja) * | 2017-11-17 | 2018-10-10 | 三菱電機株式会社 | ３次元空間監視装置、３次元空間監視方法、及び３次元空間監視プログラム |
| JP2018200539A (ja) * | 2017-05-26 | 2018-12-20 | オムロン株式会社 | 学習装置、学習制御方法、及びそのプログラム |
| JP2018200537A (ja) * | 2017-05-26 | 2018-12-20 | オムロン株式会社 | 学習装置、学習制御方法、及びそのプログラム |
| US10639799B2 (en) | 2017-09-25 | 2020-05-05 | Fanuc Corporation | Robot system |
| WO2021171358A1 (ja) * | 2020-02-25 | 2021-09-02 | 日本電気株式会社 | 制御装置、制御方法及び記録媒体 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5104560B2 (ja) * | 2008-06-04 | 2012-12-19 | 株式会社Ｉｈｉ | ロボット制御装置 |
| JP5163299B2 (ja) * | 2008-06-04 | 2013-03-13 | 株式会社Ｉｈｉ | ロボット制御装置 |
-
2002
- 2002-06-19 JP JP2002179137A patent/JP3872387B2/ja not_active Expired - Fee Related
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010134603A1 (ja) | 2009-05-22 | 2010-11-25 | 関東自動車工業株式会社 | 作業支援ロボットシステム |
| JP2010269418A (ja) * | 2009-05-22 | 2010-12-02 | Ihi Corp | ロボット制御装置およびその制御方法 |
| KR20120116516A (ko) | 2009-05-22 | 2012-10-23 | 도요타지도샤 히가시니혼 가부시키가이샤 | 작업 지원 로봇 시스템 |
| JP2013151063A (ja) * | 2009-05-22 | 2013-08-08 | Toyota Motor East Japan Inc | 作業ロボット支援システム |
| JP2013151062A (ja) * | 2009-05-22 | 2013-08-08 | Toyota Motor East Japan Inc | 作業ロボット支援システム |
| JP5260673B2 (ja) * | 2009-05-22 | 2013-08-14 | トヨタ自動車東日本株式会社 | 作業支援ロボットシステム |
| US8682482B2 (en) | 2009-05-22 | 2014-03-25 | Toyota Motor East Japan, Inc. | Working support robot system |
| JP2016159407A (ja) * | 2015-03-03 | 2016-09-05 | キヤノン株式会社 | ロボット制御装置およびロボット制御方法 |
| JP2017024113A (ja) * | 2015-07-21 | 2017-02-02 | ファナック株式会社 | 人間協調型ロボットシステムのロボットシミュレーション装置 |
| US10239209B2 (en) | 2015-07-21 | 2019-03-26 | Fanuc Corporation | Robot simulation device for human intervention-type robot system |
| JP2018200539A (ja) * | 2017-05-26 | 2018-12-20 | オムロン株式会社 | 学習装置、学習制御方法、及びそのプログラム |
| JP2018200537A (ja) * | 2017-05-26 | 2018-12-20 | オムロン株式会社 | 学習装置、学習制御方法、及びそのプログラム |
| US10639799B2 (en) | 2017-09-25 | 2020-05-05 | Fanuc Corporation | Robot system |
| JP6403920B1 (ja) * | 2017-11-17 | 2018-10-10 | 三菱電機株式会社 | ３次元空間監視装置、３次元空間監視方法、及び３次元空間監視プログラム |
| WO2019097676A1 (ja) * | 2017-11-17 | 2019-05-23 | 三菱電機株式会社 | ３次元空間監視装置、３次元空間監視方法、及び３次元空間監視プログラム |
| CN111372735A (zh) * | 2017-11-17 | 2020-07-03 | 三菱电机株式会社 | 3维空间监视装置、3维空间监视方法及3维空间监视程序 |
| WO2021171358A1 (ja) * | 2020-02-25 | 2021-09-02 | 日本電気株式会社 | 制御装置、制御方法及び記録媒体 |
| JPWO2021171358A1 (ja) * | 2020-02-25 | 2021-09-02 | ||
| JP7364032B2 (ja) | 2020-02-25 | 2023-10-18 | 日本電気株式会社 | 制御装置、制御方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3872387B2 (ja) | 2007-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abi-Farraj et al. | A learning-based shared control architecture for interactive task execution | |
| Cho et al. | Neural network based adaptive actuator fault detection algorithm for robot manipulators | |
| KR102003216B1 (ko) | 로봇을 위한 모터 제어 및/또는 조정 | |
| Long et al. | Force/vision control for robotic cutting of soft materials | |
| CN105710888A (zh) | 机器人系统中的动态避障 | |
| Si et al. | Adaptive compliant skill learning for contact-rich manipulation with human in the loop | |
| Rahal et al. | Haptic shared-control methods for robotic cutting under nonholonomic constraints | |
| JP2004017256A (ja) | 人間と共存するロボットの制御装置と制御方法 | |
| CN104760041A (zh) | 一种基于突加度的障碍物躲避运动规划方法 | |
| JP7504398B2 (ja) | 軌道生成装置、軌道生成方法、及び軌道生成プログラム | |
| Safavi et al. | Model-based haptic guidance in surgical skill improvement | |
| Fagg et al. | Extracting user intent in mixed initiative teleoperator control | |
| Lee et al. | Robust and adaptive whole-body controller for humanoids with multiple tasks under uncertain disturbances | |
| Alqumsan et al. | Adaptive neural network based sliding mode control of continuum robots with mismatched uncertainties | |
| Xu et al. | Performance evaluation and optimization of human control strategy | |
| Parusel et al. | Modular state-based behavior control for safe human-robot interaction: A lightweight control architecture for a lightweight robot | |
| CN116572258A (zh) | 一种焊接机器人动态避障控制方法及计算机可读存储介质 | |
| Seredyński et al. | Grasp planning taking into account the external wrenches acting on the grasped object | |
| Ma et al. | Control of a cable-driven parallel robot via deep reinforcement learning | |
| CN107748496B (zh) | 基于参数自适应调节的阻抗控制器算法 | |
| Pekarovskiy et al. | Online deformation of optimal trajectories for constrained nonprehensile manipulation | |
| Popov et al. | Multi-scenario contacts handling for collaborative robots applications | |
| CN116096540A (zh) | 机器人控制装置、机器人控制系统、以及用于控制机器人的方法 | |
| Papageorgiou et al. | Learning by demonstration for constrained tasks | |
| Owan et al. | Uncertainty-based arbitration of human-machine shared control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050210 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060725 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060915 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061017 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061019 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091027 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101027 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101027 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111027 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111027 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121027 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131027 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |