JP2019048365A - 機械学習装置、ロボットシステム及び機械学習方法 - Google Patents
機械学習装置、ロボットシステム及び機械学習方法 Download PDFInfo
- Publication number
- JP2019048365A JP2019048365A JP2017174827A JP2017174827A JP2019048365A JP 2019048365 A JP2019048365 A JP 2019048365A JP 2017174827 A JP2017174827 A JP 2017174827A JP 2017174827 A JP2017174827 A JP 2017174827A JP 2019048365 A JP2019048365 A JP 2019048365A
- Authority
- JP
- Japan
- Prior art keywords
- transfer
- label
- machine learning
- hand
- transfer target
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1612—Programme controls characterised by the hand, wrist, grip control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39543—Recognize object and plan hand shapes in grasping movements
Abstract
Description
このようなハンドの選択を補助するための技術が、例えば特許文献1や特許文献2に開示されている。
また、特許文献2には、ウェーハカセット等に対処しうる自動移載装置が、移載対象物に応じた複数の種類のハンドと移載対象物との関係を記憶したデータを制御機構に備えることで、ハンドの自動選択を行うという技術が開示されている。
この教示の例について図1を参照して説明する。図1は、移載対象とするワークと、移載のために用いるハンドとの対応を模式的に示した図である。
このように、移載対象となるワークが一定の形態の工業製品であれば、移載対象となるワークの形態データと移載に用いるハンドの組み合わせを事前に教示しておくことで、移載をするためのハンドの選択を行うことが可能となる。
このような場合には、移載対象となるワークの形態データと移載に用いるハンドの組み合わせを事前に教示することができない。
<各実施形態の概略>
以下では、第1の実施形態、第2の実施形態及び第3の実施形態の3つの実施形態について説明する。これら各実施形態は、基本的な構成や、機械学習を行う点において共通するが、機械学習の対象とする情報がそれぞれ異なる。そこで、まずこれら3つの実施形態の概略について説明する。
以上が3つの実施形態の概略である。次に、各実施形態それぞれの詳細について説明をする。なお、各実施形態において共通する部分については重複する説明を省略する。
図2を参照して、本実施形態に係るロボットシステム1の構成について説明する。ロボットシステム1は、機械学習装置10、ロボット制御装置20、視覚センサ30、ロボット40、ハンド41、第1移載対象51、第2移載対象52、移載元架台61及び移載先架台62を備える。個々のハンドには識別情報(例えばA、Bといったアルファベット等の文字や100、200といった数字、或いはこれらの組み合わせ)を付与しておく。
これにより、ロボット40は、所定の作業を行うことができる。本実施形態では、ロボット40は所定の作業として、例えば、第1移載対象51や第2移載対象52を、移載元架台61から移載先架台62に移載する。
そして、ロボット制御装置20は、画像解析により特定した、移載対象の位置や姿勢や積載状態に基づいてロボット40を制御して移載を行う。
なお、ロボット40やハンド41の具体的な構成については、当業者によく知られているので、ここでは詳細な説明を省略する。
例えば、状態観測部11が、画像解析を行うことにより、移載対象撮像データに対応する画像内から移載対象の少なくとも一部が撮像されている部分を検出する。そして、状態観測部11が、検出した移載対象の少なくとも一部が撮像されている部分のみを切り出し(トリミングし)、この切り出した画像に対応する部分の移載対象撮像データのみを入力データとして学習部13に対して出力するようにしてもよい。これにより、より正確に移載対象を特定することができるため、学習部13による学習の精度を高めることができる可能性があるのでよい。
ハンド41の識別情報は、例えば、視覚センサ30の撮像した画像に対して画像解析を行うことにより、移載対象の移載に成功したことを確認したロボット制御装置20から、ラベル取得部12に対して送信される。
例えば、学習部13は、ニューラルネットワークを用いた教師あり学習を行う。この場合、学習部13は、教師データに含まれる入力データとラベルの組を、パーセプトロンを組み合わせて構成したニューラルネットワークに与え、ニューラルネットワークの出力がラベルと同じとなるように、ニューラルネットに含まれる各パーセプトロンについての重み付けを変更する、というフォワードプロパゲーションを行う。例えば、本実施形態では、ニューラルネットワークが出力するハンド41の識別情報が、ラベルのハンド41の識別情報と同じになるように、フォワードプロパゲーションを行う。
学習部13は、このようにして、教師データの特徴を学習し、入力から結果を推定するための学習モデルを帰納的に獲得する。
そこで、本実施形態では、ハンド41が移載することに成功した場合に、この移載に対しての評価を行い、評価値を算出するようにする。そして、評価値がもっとも高い移載を行ったハンド41の識別情報をラベルとして教師データを生成するようにする。これにより、学習部13は、移載に成功したハンド41の中でも最も評価が高いハンド41について学習を行うことができる。そのため、学習部13は、移載対象を移載するのに最も適していると考えられる最適のハンド41の識別情報を出力する学習モデルを構築することができる。
評価値の算出は、例えば、ロボット制御装置20が、視覚センサ30の撮像した画像に対して画像解析を行うことにより得た画像解析結果や、ロボット40のアームやハンド41の制御情報に基づいて、移載を終了するまでの所要時間を測定することにより行う。
この評価値の算出等も含めた学習時の動作については、図4を参照して後述する。
これら畳み込み層及びプーリング層を組み合わせることによって、画像から特徴量を抽出することができる。
学習部13は、以上のような構成の畳み込みニューラルネットワークによって学習を行うことにより学習モデルを構築する。
これにより、ハンド41を交換するユーザや装置は、移載対象に適したハンド41に交換をすることが可能となる。
これらの機能ブロックを実現するために、機械学習装置10は、CPU(Central Processing Unit)等の演算処理装置を備える。また、機械学習装置10は、アプリケーションソフトウェアやOS(Operating System)等の各種の制御用プログラムを格納したHDD(Hard Disk Drive)等の補助記憶装置や、演算処理装置がプログラムを実行する上で一時的に必要とされるデータを格納するためのRAM(Random Access Memory)といった主記憶装置も備える。
ただし、機械学習装置10については教師あり学習に伴う演算量が多いため、例えば、パーソナルコンピュータにGPU(Graphics Processing Units)を搭載し、GPGPU(General-Purpose computing on Graphics Processing Units)と呼ばれる技術により、GPUを教師あり学習に伴う演算処理に利用するようにすると高速処理できるようになるのでよい。更には、より高速な処理を行うために、このようなGPUを搭載したコンピュータを複数台用いてコンピュータ・クラスターを構築し、このコンピュータ・クラスターに含まれる複数のコンピュータにて並列処理を行うようにしてもよい。
ステップS11において、ロボット制御装置20は、移載対象を1つ選択する。例えば図2に示す第1移載対象51又は第2移載対象52の何れかを選択する。選択は、例えば視覚センサ30から取得した移載対象画像データの解析結果に基づいて、把持できそうな位置及び姿勢の移載対象を特定することにより行われる。なお、選択は、ユーザの操作に基づいて行われてもよい。
一方で、学習対象とする移載対象が存在しない場合は、ステップS20においてNoと判定され処理はステップS21に進む。
以上説明した動作により、学習部13は、移載対象を移載するのに適したハンド41の識別情報を出力する学習モデルを構築することができる。
オンライン学習とは、機械学習装置10による加工が行われ、教師データが作成される都度、即座に教師あり学習を行うという学習方法である。また、バッチ学習とは、機械学習装置10による加工が行われ、教師データが作成されることが繰り返される間に、繰り返しに応じた複数の教師データを収集し、収集した全ての教師データを用いて、教師あり学習を行うという学習方法である。更に、ミニバッチ学習とは、オンライン学習と、バッチ学習の中間的な、ある程度教師データが溜まるたびに教師あり学習を行うという学習方法である。
ステップS31において、ロボット制御装置20は、移載対象を1つ選択する。例えば図2に示す第1移載対象51又は第2移載対象52の何れかを選択する。選択は、例えば視覚センサ30から取得した移載対象画像データの解析結果に基づいて、把持できそうな位置及び姿勢の移載対象を特定することにより行われる。なお、選択は、ユーザの操作に基づいて行われてもよい。
ここで、本実施形態では、機械学習により構築した学習モデルを利用していることから、未知の移載対象に対しても、移載するのに適したハンド41を提示することができる。つまり、ハンドとの組み合わせを教示していない移載対象についても、移載するためのハンドを選択することが可能となる。
これにより、重量や形状の個体差が大きく、形態データを事前に教示するのが困難なワークについても、ハンドの選択を自動的に行うことができるので、移載失敗率を低減することができる。また、ハンド交換の工数を削減できる。
以上第1の実施形態について説明をした。次に第2の実施形態についての説明をする。なお、第2の実施形態と第1の実施形態は、基本的な構成及び動作について共通するので、これらの点についての重複する説明は省略する。
ステップS32において、ロボット制御装置20は、移載対象画像データを機械学習装置10に対して送信する。機械学習装置10は、受信した移載対象画像データを、構築した学習モデルの入力データとするために取得する。ここで、入力データとなる移載対象画像データを図6Aに模式的に示す。図6Aには、移載対象51を図示する。
ここで、本実施形態では、機械学習により構築した学習モデルを利用していることから、未知の移載対象に対しても、移載するのに適したハンド41の形状及び大きさを提示することができる。つまり、ハンドとの組み合わせを教示していない移載対象についても、移載するためのハンドを選択することが可能となる。
次に第3の実施形態についての説明をする。なお、第3の実施形態と上述した各実施形態は、基本的な構成及び動作について共通するので、これらの点についての重複する説明は省略する。
ここで、上述した各実施形態では、移載対象画像データを入力データとしていた。
また、第1の実施形態では、移載することに成功したハンド41の識別情報をラベルとしていた。更に、第2の実施形態では、移載することに成功したハンド41の物理情報をラベルとしていた。
これに対して、本実施形態では、移載対象画像データと、移載対象を移載することを試みるハンド41の識別情報または物理情報の組み合わせを入力データとする。
また、本実施形態では、試みる移載が成功したのか、それとも失敗したのかを示す情報(すなわち、移載の成否を示す情報)をラベルとする。
このように、上述の各実施形態では、移載に成功した場合の情報のみを教師データとして学習を行っていたのに対し、本実施形態では、移載の成否に関わらず、成功した場合の情報及び失敗した場合の情報の双方の情報を教師データとして学習を行う点で相違する。
ステップS32において、ロボット制御装置20は、移載対象画像データと、移載対象を移載することを試みるハンド41の識別情報または物理情報の組み合わせを機械学習装置10に対して送信する。機械学習装置10は、受信した移載対象画像データと識別情報または物理情報の組み合わせを、構築した学習モデルの入力データとするために取得する。
ここで、本実施形態では、機械学習により構築した学習モデルを利用していることから、未知の移載対象に対しても、移載するのに成功するハンド41であるか否かの推定結果を提示することができる。これにより、ハンドとの組み合わせを教示していない移載対象についても、移載するためのハンドを選択することが可能となる。
なお、上記のロボットシステムに含まれる各装置のそれぞれは、ハードウェア、ソフトウェア又はこれらの組み合わせにより実現することができる。また、上記のロボットシステムに含まれる各装置のそれぞれの協働により行なわれる機械学習方法も、ハードウェア、ソフトウェア又はこれらの組み合わせにより実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。
また、上述した各実施形態は、本発明の好適な実施形態ではあるが、上記実施形態のみに本発明の範囲を限定するものではなく、各実施形態を組み合わせた形態や、本発明の要旨を逸脱しない範囲において種々の変更を施した形態での実施が可能である。
上述の第1の実施形態では、移載対象を実際に移載することに成功したハンド41を特定するための識別情報をラベルとしていた。また、第2の実施形態では、ハンド41の物理的特徴を示す物理情報をラベルとしていた。更に、第3の実施形態では、ハンド41にてワークを実際に移載することを試みた成否の結果をラベルとしていた。
これら各実施形態において、ラベルとして、更に、移載対象を実際に移載することを試みた際の、ハンド41による移載対象の把持位置や把持姿勢を含ませるようにしてもよい。
上述した第1の実施形態及び第2の実施形態では、図4を参照して説明したように、移載に成功したハンド41が複数存在する場合を想定して、評価値がもっとも高い移載を行ったハンド41の識別情報をラベルとして教師データを生成するようにするようにしていた。本変形例では、この評価を不要として、動作を簡略化する。
上述の各実施形態では図4に示すように移載が成功した場合に、ステップS17にて評価値を算出後、他のハンド41へと交換して移載を試みることを繰り返していた。そのため、各実施形態では、1つの移載対象について、移載に成功したハンド41が、複数となっていた。そこで、評価値を比較して1つのハンド41を選択して、このハンド41の識別情報をラベルとしていた。
これにより、1つの移載対象について1つの教師データを作成することが可能となり、各実施形態同様に機械学習を行うことができる。
なお、本変形例では、仮に移載が失敗した場合には、ステップS16においてNoと判定され、ステップS18にて各実施形態と同様に、ハンドの交換を行うか否かを判定し、他のハンド41での移載を試みる。そのため、何れかのハンド41にて移載に成功すれば、教師データを作成することが可能となる。
上述した各実施形態では、機械学習装置10とロボット制御装置20を別体の装置としていたが、これら装置を一体として実現してもよい。
また、上述した各実施形態では、ロボット制御装置20と機械学習装置10が近傍にいるように図示したが、これらがLAN(Local Area Network)やインターネット等のネットワークを介した遠方に位置していてもよい。
また、1台の機械学習装置10が、複数台のロボット制御装置20と接続されていてもよい。そして、1台の機械学習装置10が、この複数台のロボット制御装置20のそれぞれから取得した教師データに基づいて学習を行うようにしてもよい。
10 機械学習装置
11 状態観測部
12 ラベル取得部
13 学習部
14 学習モデル記憶部
15 出力提示部
20 ロボット制御装置
30 視覚センサ
40 ロボット
41 ハンド
51 第1移載対象
52 第2移載対象
61 移載元架台
62 移載先架台
Claims (11)
- 移載対象を撮像した撮像データの少なくとも一部を入力データとして取得する状態観測手段と、
前記移載対象の移載のためにロボットに装着した把持手段に係る情報をラベルとして取得するラベル取得手段と、
前記状態観測手段が取得した入力データとラベル取得手段が取得したラベルの組を教師データとして教師あり学習を行うことにより、前記移載に用いる把持手段の適否を判断するための学習モデルを構築する学習手段と、を備える機械学習装置。 - 前記ラベル取得手段は、前記把持手段が前記移載対象を把持した位置と姿勢を示す情報を更にラベルとして取得する請求項1に記載の機械学習装置。
- 前記ラベル取得手段は、前記移載対象の移載に成功した把持手段を識別するための情報をラベルとして取得する請求項1又は2に記載の機械学習装置。
- 前記把持手段を識別するための情報とは、前記把持手段の個体ごとに付与された文字又は数字或いはこれらの組み合わせからなる情報である請求項3に記載の機械学習装置。
- 前記構築した学習モデルに前記撮像データが新たに入力された場合に、前記学習モデルの出力に基づいて、前記新たに入力された撮像データにて撮像されている移載対象を移載するための把持手段の識別情報を提示する出力提示手段を更に備える請求項4に記載の機械学習装置。
- 前記ラベル取得手段は、前記移載対象の移載に成功した把持手段の物理的特徴を示す物理情報をラベルとして取得する請求項1又は2に記載の機械学習装置。
- 前記構築した学習モデルに前記撮像データが新たに入力された場合に、前記学習モデルの出力に基づいて、前記新たに入力された撮像データにて撮像されている移載対象を移載するための把持手段の物理的特徴を示す物理情報を提示する出力提示手段を更に備える請求項6に記載の機械学習装置。
- 前記状態観測手段は、前記撮像データに加えて、前記ロボットに装着した把持手段を識別するための情報を更に入力データとして取得し、
前記ラベル取得手段は、前記移載対象の移載の成否を示す情報をラベルとして取得する請求項1又は2に記載の機械学習装置。 - 前記構築した学習モデルに前記撮像データと前記ロボットに装着した把持手段の識別情報が新たに入力された場合に、前記学習モデルの出力に基づいて、前記新たに入力された撮像データ中の移載対象を前記新たに入力された識別情報に対応する把持手段にて移載した場合の成否についての推定情報を提示する出力提示手段を更に備える請求項8に記載の機械学習装置。
- 請求項1から請求項9までの何れか1項に記載の機械学習装置と、撮像手段と、把持手段を装着したロボットとを備えたロボットシステムであって、
前記状態観測手段は、前記撮像手段が移載元に設置された移載対象の少なくとも一部を撮像することにより生成した撮像データを前記入力データとして取得し、
前記ラベル取得手段は、前記移載対象の移載のために前記ロボットに装着した把持手段に係る情報をラベルとして取得する、
ロボットシステム。 - 機械学習装置が行う機械学習方法であって、
移載対象を撮像した撮像データの少なくとも一部を入力データとして取得する状態観測ステップと、
前記移載対象の移載のためにロボットに装着した把持手段に係る情報をラベルとして取得するラベル取得ステップと、
前記状態観測ステップにて取得した入力データとラベル取得ステップにて取得したラベルの組を教師データとして教師あり学習を行うことにより、前記移載に用いる把持手段の適否を判断するための学習モデルを構築する学習ステップと、
を備える機械学習方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017174827A JP6608890B2 (ja) | 2017-09-12 | 2017-09-12 | 機械学習装置、ロボットシステム及び機械学習方法 |
US16/117,518 US10737385B2 (en) | 2017-09-12 | 2018-08-30 | Machine learning device, robot system, and machine learning method |
DE102018215057.5A DE102018215057B4 (de) | 2017-09-12 | 2018-09-05 | Maschinelles-Lernen-Vorrichtung, Robotersystem und maschinelles-Lernen-Verfahren |
CN201811052341.8A CN109483573B (zh) | 2017-09-12 | 2018-09-10 | 机器学习装置、机器人系统以及机器学习方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017174827A JP6608890B2 (ja) | 2017-09-12 | 2017-09-12 | 機械学習装置、ロボットシステム及び機械学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019048365A true JP2019048365A (ja) | 2019-03-28 |
JP6608890B2 JP6608890B2 (ja) | 2019-11-20 |
Family
ID=65441428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017174827A Active JP6608890B2 (ja) | 2017-09-12 | 2017-09-12 | 機械学習装置、ロボットシステム及び機械学習方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10737385B2 (ja) |
JP (1) | JP6608890B2 (ja) |
CN (1) | CN109483573B (ja) |
DE (1) | DE102018215057B4 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021016908A (ja) * | 2019-07-18 | 2021-02-15 | 京セラドキュメントソリューションズ株式会社 | 学習装置、ロボット制御システム及び学習制御方法 |
JP2021045811A (ja) * | 2019-09-18 | 2021-03-25 | 株式会社東芝 | ハンドリング装置、ハンドリング方法及びプログラム |
WO2021090643A1 (ja) * | 2019-11-06 | 2021-05-14 | 日本電気株式会社 | 制御装置、制御システム、制御方法およびプログラム記憶媒体 |
JPWO2021177159A1 (ja) * | 2020-03-05 | 2021-09-10 | ||
CN113635298A (zh) * | 2021-07-14 | 2021-11-12 | 上海快点机器人科技有限公司 | 工业机器人工具快换装置用智能安全模块及其使用方法 |
JP2022543496A (ja) * | 2019-12-17 | 2022-10-12 | バイストロニック レーザー アクチェンゲゼルシャフト | 部品を選別するためのレーザ切断機用の把持具の設計 |
JP7351702B2 (ja) | 2019-10-04 | 2023-09-27 | ファナック株式会社 | ワーク搬送システム |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
US11042161B2 (en) | 2016-11-16 | 2021-06-22 | Symbol Technologies, Llc | Navigation control method and apparatus in a mobile automation system |
US11093896B2 (en) | 2017-05-01 | 2021-08-17 | Symbol Technologies, Llc | Product status detection system |
US11449059B2 (en) | 2017-05-01 | 2022-09-20 | Symbol Technologies, Llc | Obstacle detection for a mobile automation apparatus |
WO2018201423A1 (en) | 2017-05-05 | 2018-11-08 | Symbol Technologies, Llc | Method and apparatus for detecting and interpreting price label text |
WO2019006091A2 (en) * | 2017-06-28 | 2019-01-03 | Google Llc | METHODS AND APPARATUS FOR MACHINE LEARNING FOR SEMANTIC ROBOTIC SEIZURE |
JP6669713B2 (ja) * | 2017-11-28 | 2020-03-18 | ファナック株式会社 | ロボットおよびロボットシステム |
CN108638054B (zh) * | 2018-04-08 | 2021-05-04 | 河南科技学院 | 一种智能排爆机器人五指灵巧手控制方法 |
US10934045B2 (en) | 2018-07-27 | 2021-03-02 | Zebra Technologies Corporation | Method and apparatus for labeling of support structures |
US11325252B2 (en) * | 2018-09-15 | 2022-05-10 | X Development Llc | Action prediction networks for robotic grasping |
US11506483B2 (en) | 2018-10-05 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for support structure depth determination |
US11010920B2 (en) | 2018-10-05 | 2021-05-18 | Zebra Technologies Corporation | Method, system and apparatus for object detection in point clouds |
JP6863946B2 (ja) * | 2018-10-31 | 2021-04-21 | ファナック株式会社 | 画像処理装置 |
US11003188B2 (en) | 2018-11-13 | 2021-05-11 | Zebra Technologies Corporation | Method, system and apparatus for obstacle handling in navigational path generation |
US11090811B2 (en) * | 2018-11-13 | 2021-08-17 | Zebra Technologies Corporation | Method and apparatus for labeling of support structures |
US11416000B2 (en) | 2018-12-07 | 2022-08-16 | Zebra Technologies Corporation | Method and apparatus for navigational ray tracing |
US11079240B2 (en) | 2018-12-07 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for adaptive particle filter localization |
CA3028708A1 (en) | 2018-12-28 | 2020-06-28 | Zih Corp. | Method, system and apparatus for dynamic loop closure in mapping trajectories |
JP7000376B2 (ja) * | 2019-04-23 | 2022-01-19 | ファナック株式会社 | 機械学習装置、予測装置、及び制御装置 |
JP7263920B2 (ja) * | 2019-05-23 | 2023-04-25 | トヨタ自動車株式会社 | 演算装置、制御プログラム、機械学習器及び把持装置 |
US11341663B2 (en) | 2019-06-03 | 2022-05-24 | Zebra Technologies Corporation | Method, system and apparatus for detecting support structure obstructions |
US11662739B2 (en) | 2019-06-03 | 2023-05-30 | Zebra Technologies Corporation | Method, system and apparatus for adaptive ceiling-based localization |
US11151743B2 (en) | 2019-06-03 | 2021-10-19 | Zebra Technologies Corporation | Method, system and apparatus for end of aisle detection |
US11080566B2 (en) | 2019-06-03 | 2021-08-03 | Zebra Technologies Corporation | Method, system and apparatus for gap detection in support structures with peg regions |
US11960286B2 (en) | 2019-06-03 | 2024-04-16 | Zebra Technologies Corporation | Method, system and apparatus for dynamic task sequencing |
US11200677B2 (en) | 2019-06-03 | 2021-12-14 | Zebra Technologies Corporation | Method, system and apparatus for shelf edge detection |
US11402846B2 (en) | 2019-06-03 | 2022-08-02 | Zebra Technologies Corporation | Method, system and apparatus for mitigating data capture light leakage |
EP3998140A4 (en) * | 2019-08-28 | 2022-09-28 | Daily Color Inc. | ROBOT CONTROL DEVICE |
US11507103B2 (en) | 2019-12-04 | 2022-11-22 | Zebra Technologies Corporation | Method, system and apparatus for localization-based historical obstacle handling |
US11107238B2 (en) | 2019-12-13 | 2021-08-31 | Zebra Technologies Corporation | Method, system and apparatus for detecting item facings |
US11822333B2 (en) | 2020-03-30 | 2023-11-21 | Zebra Technologies Corporation | Method, system and apparatus for data capture illumination control |
US11450024B2 (en) | 2020-07-17 | 2022-09-20 | Zebra Technologies Corporation | Mixed depth object detection |
DE102020120027A1 (de) * | 2020-07-29 | 2022-02-03 | Liebherr-Verzahntechnik Gmbh | Verfahren zur automatischen Bestimmung von Konstruktionsparametern eines Greifers |
US11593915B2 (en) | 2020-10-21 | 2023-02-28 | Zebra Technologies Corporation | Parallax-tolerant panoramic image generation |
US11392891B2 (en) | 2020-11-03 | 2022-07-19 | Zebra Technologies Corporation | Item placement detection and optimization in material handling systems |
US11847832B2 (en) | 2020-11-11 | 2023-12-19 | Zebra Technologies Corporation | Object classification for autonomous navigation systems |
US11954882B2 (en) | 2021-06-17 | 2024-04-09 | Zebra Technologies Corporation | Feature-based georegistration for mobile computing devices |
DE102021209646B4 (de) | 2021-09-02 | 2024-05-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Robotervorrichtung, Verfahren zum computerimplementierten Trainieren eines Roboter-Steuerungsmodells und Verfahren zum Steuern einer Robotervorrichtung |
US11822710B2 (en) | 2021-09-08 | 2023-11-21 | Acumino | Wearable robot data collection system with human-machine operation interface |
DE102022115662A1 (de) | 2022-06-23 | 2023-12-28 | Robominds GmbH | Verfahren zum Handhaben eines Objekts mittels eines Roboterarms und Vorrichtung umfassend einen Roboterarm zum Handhaben eines Objekts |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0388683U (ja) * | 1989-12-27 | 1991-09-10 | ||
JPH0550389A (ja) * | 1991-08-20 | 1993-03-02 | Fujitsu Ltd | 把持搬送ロボツト |
JPH10161730A (ja) * | 1996-11-29 | 1998-06-19 | Toshiba Corp | ワーク把持位置教示データ算出装置 |
JP2009172685A (ja) * | 2008-01-22 | 2009-08-06 | Yaskawa Electric Corp | マニピュレータシステムおよびその制御方法 |
US20120298706A1 (en) * | 2010-12-22 | 2012-11-29 | Stratom, Inc. | Robotic tool interchange system |
JP2013043271A (ja) * | 2011-08-26 | 2013-03-04 | Canon Inc | 情報処理装置、情報処理装置の制御方法、およびプログラム |
JP2015100866A (ja) * | 2013-11-22 | 2015-06-04 | 三菱電機株式会社 | ロボットシミュレーション装置、プログラム、記録媒体及び方法 |
WO2015178377A1 (ja) * | 2014-05-20 | 2015-11-26 | 株式会社日立製作所 | 組立教示装置及び方法 |
JP2016132086A (ja) * | 2015-01-22 | 2016-07-25 | 三菱電機株式会社 | ワーク供給装置およびワーク把持姿勢計算方法 |
JP2016203293A (ja) * | 2015-04-21 | 2016-12-08 | 株式会社豊田自動織機 | ピッキング装置およびピッキング方法 |
JP2017064910A (ja) * | 2015-07-31 | 2017-04-06 | ファナック株式会社 | ワークの取り出し動作を学習する機械学習装置、ロボットシステムおよび機械学習方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63273906A (ja) * | 1987-05-06 | 1988-11-11 | Honda Motor Co Ltd | 産業用ロボットのティ−チングデ−タ作成システム |
NL8901873A (nl) | 1989-07-20 | 1991-02-18 | Oce Nederland Bv | Inrichting voor het recirculeren van origineelbladen. |
JPH11114857A (ja) | 1997-10-09 | 1999-04-27 | Shinko Electric Co Ltd | 自動移載装置 |
JP2003127077A (ja) * | 2001-10-19 | 2003-05-08 | Komatsu Ltd | 作業ロボットのロボットプログラム修正装置。 |
JP2008502488A (ja) * | 2004-06-15 | 2008-01-31 | エービービー エービー | 複数の相互作用ロボットをオフラインでプログラミングする方法及びシステム |
KR100749579B1 (ko) * | 2005-09-05 | 2007-08-16 | 삼성광주전자 주식회사 | 교환가능한 복수의 작업모듈을 갖는 이동로봇 시스템 및 그제어방법 |
JP2008296330A (ja) * | 2007-05-31 | 2008-12-11 | Fanuc Ltd | ロボットシミュレーション装置 |
JP2009119589A (ja) | 2007-11-19 | 2009-06-04 | Yaskawa Electric Corp | ロボットシミュレータ |
US8326780B2 (en) * | 2008-10-14 | 2012-12-04 | Honda Motor Co., Ltd. | Smoothed sarsa: reinforcement learning for robot delivery tasks |
CN102902271A (zh) * | 2012-10-23 | 2013-01-30 | 上海大学 | 基于双目视觉的机器人目标识别与抓取系统及方法 |
CN203510216U (zh) * | 2013-09-16 | 2014-04-02 | 江苏尚诚精密模具科技有限公司 | 一种智能搬运机器人 |
JP5890477B2 (ja) * | 2014-07-09 | 2016-03-22 | ファナック株式会社 | ロボットプログラム修正システム |
US9475198B2 (en) * | 2014-12-22 | 2016-10-25 | Qualcomm Incorporated | System and method for dynamic robot manipulator selection |
EP3414710B1 (en) * | 2016-03-03 | 2022-11-02 | Google LLC | Deep machine learning methods and apparatus for robotic grasping |
US10058995B1 (en) * | 2016-07-08 | 2018-08-28 | X Development Llc | Operating multiple testing robots based on robot instructions and/or environmental parameters received in a request |
CN106156799B (zh) * | 2016-07-25 | 2021-05-07 | 北京光年无限科技有限公司 | 智能机器人的物体识别方法及装置 |
-
2017
- 2017-09-12 JP JP2017174827A patent/JP6608890B2/ja active Active
-
2018
- 2018-08-30 US US16/117,518 patent/US10737385B2/en active Active
- 2018-09-05 DE DE102018215057.5A patent/DE102018215057B4/de active Active
- 2018-09-10 CN CN201811052341.8A patent/CN109483573B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0388683U (ja) * | 1989-12-27 | 1991-09-10 | ||
JPH0550389A (ja) * | 1991-08-20 | 1993-03-02 | Fujitsu Ltd | 把持搬送ロボツト |
JPH10161730A (ja) * | 1996-11-29 | 1998-06-19 | Toshiba Corp | ワーク把持位置教示データ算出装置 |
JP2009172685A (ja) * | 2008-01-22 | 2009-08-06 | Yaskawa Electric Corp | マニピュレータシステムおよびその制御方法 |
US20120298706A1 (en) * | 2010-12-22 | 2012-11-29 | Stratom, Inc. | Robotic tool interchange system |
JP2013043271A (ja) * | 2011-08-26 | 2013-03-04 | Canon Inc | 情報処理装置、情報処理装置の制御方法、およびプログラム |
JP2015100866A (ja) * | 2013-11-22 | 2015-06-04 | 三菱電機株式会社 | ロボットシミュレーション装置、プログラム、記録媒体及び方法 |
WO2015178377A1 (ja) * | 2014-05-20 | 2015-11-26 | 株式会社日立製作所 | 組立教示装置及び方法 |
JP2016132086A (ja) * | 2015-01-22 | 2016-07-25 | 三菱電機株式会社 | ワーク供給装置およびワーク把持姿勢計算方法 |
JP2016203293A (ja) * | 2015-04-21 | 2016-12-08 | 株式会社豊田自動織機 | ピッキング装置およびピッキング方法 |
JP2017064910A (ja) * | 2015-07-31 | 2017-04-06 | ファナック株式会社 | ワークの取り出し動作を学習する機械学習装置、ロボットシステムおよび機械学習方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021016908A (ja) * | 2019-07-18 | 2021-02-15 | 京セラドキュメントソリューションズ株式会社 | 学習装置、ロボット制御システム及び学習制御方法 |
JP2021045811A (ja) * | 2019-09-18 | 2021-03-25 | 株式会社東芝 | ハンドリング装置、ハンドリング方法及びプログラム |
JP7351702B2 (ja) | 2019-10-04 | 2023-09-27 | ファナック株式会社 | ワーク搬送システム |
US11794300B2 (en) | 2019-10-04 | 2023-10-24 | Fanuc Corporation | Workpiece transfer system |
WO2021090643A1 (ja) * | 2019-11-06 | 2021-05-14 | 日本電気株式会社 | 制御装置、制御システム、制御方法およびプログラム記憶媒体 |
JP2022543496A (ja) * | 2019-12-17 | 2022-10-12 | バイストロニック レーザー アクチェンゲゼルシャフト | 部品を選別するためのレーザ切断機用の把持具の設計 |
JPWO2021177159A1 (ja) * | 2020-03-05 | 2021-09-10 | ||
WO2021177159A1 (ja) * | 2020-03-05 | 2021-09-10 | ファナック株式会社 | 機械学習装置 |
JP7420917B2 (ja) | 2020-03-05 | 2024-01-23 | ファナック株式会社 | 機械学習装置 |
CN113635298A (zh) * | 2021-07-14 | 2021-11-12 | 上海快点机器人科技有限公司 | 工业机器人工具快换装置用智能安全模块及其使用方法 |
CN113635298B (zh) * | 2021-07-14 | 2024-02-27 | 上海快点机器人科技有限公司 | 工业机器人工具快换装置用智能安全模块及其使用方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190077015A1 (en) | 2019-03-14 |
DE102018215057A1 (de) | 2019-03-14 |
US10737385B2 (en) | 2020-08-11 |
CN109483573A (zh) | 2019-03-19 |
DE102018215057B4 (de) | 2020-12-10 |
JP6608890B2 (ja) | 2019-11-20 |
CN109483573B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6608890B2 (ja) | 機械学習装置、ロボットシステム及び機械学習方法 | |
JP6946831B2 (ja) | 人物の視線方向を推定するための情報処理装置及び推定方法、並びに学習装置及び学習方法 | |
Ebert et al. | Self-Supervised Visual Planning with Temporal Skip Connections. | |
JP6695843B2 (ja) | 装置、及びロボットシステム | |
JP6522488B2 (ja) | ワークの取り出し動作を学習する機械学習装置、ロボットシステムおよび機械学習方法 | |
JP5787642B2 (ja) | 対象物保持装置、対象物保持装置の制御方法、およびプログラム | |
CN113409384B (zh) | 一种目标物体的位姿估计方法和系统、机器人 | |
EP3812107A1 (en) | Robot control device, and method and program for controlling the same | |
JP6795093B2 (ja) | 判定装置、判定方法及び判定プログラム | |
JP2020082322A (ja) | 機械学習装置、機械学習システム、データ処理システム及び機械学習方法 | |
CN111683799A (zh) | 机器人的动作控制装置 | |
CN110756462A (zh) | 电源适配器测试方法、装置、系统、控制装置及存储介质 | |
CN112446275A (zh) | 物体数量推定装置、物体数量推定方法以及存储介质 | |
WO2021095509A1 (ja) | 推定システム、推定装置および推定方法 | |
US20220405586A1 (en) | Model generation apparatus, estimation apparatus, model generation method, and computer-readable storage medium storing a model generation program | |
US11551379B2 (en) | Learning template representation libraries | |
JP2021026599A (ja) | 画像処理システム | |
JP2020035290A (ja) | 検出器生成装置、モニタリング装置、検出器生成方法及び検出器生成プログラム | |
WO2020194583A1 (ja) | 異常検知装置、制御方法、及びプログラム | |
EP4184393A1 (en) | Method and system for attentive one shot meta imitation learning from visual demonstration | |
JP2020086626A (ja) | 学習装置、学習方法、プログラムおよび記録媒体 | |
CN117377987A (zh) | 抓握神经网络的协变量偏移的变换 | |
CN117813184A (zh) | 机器人的保持形态决定装置、保持形态决定方法、以及机器人控制系统 | |
CN116619373A (zh) | 物体抓取方法、物体抓取装置、电子设备及存储介质 | |
KR20220115742A (ko) | 기계 학습 훈련을 위한 데이터 생성방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180613 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181119 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190219 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190425 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190730 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190828 |
|
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: 20190924 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191024 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6608890 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |