JP2020035159A

JP2020035159A - パラメータ調整装置

Info

Publication number: JP2020035159A
Application number: JP2018160690A
Authority: JP
Inventors: 王凱濛; kai meng Wang; 加藤　哲朗; Tetsuro Kato; 哲朗加藤; 陳文杰; Wen Jie Chen
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2018-08-29
Filing date: 2018-08-29
Publication date: 2020-03-05

Abstract

【課題】産業機械に対する動作指令(速度、加速度、ジャークなど)に応じてより適した制御用パラメータを適用できるパラメータ調整装置を提案すること。【解決手段】本発明のパラメータ調整装置１は、制御対象の制御を行う制御器の制御用パラメータを調整するパラメータ調整装置であって、制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令を状態データとし、該動作に適した制御用パラメータをラベルデータとして取得するデータ取得部と、状態データ及び前記ラベルデータに基づいて、指令と制御用パラメータとの関係を機械学習して学習モデルを生成する学習部と、を備える。【選択図】図２

Description

本発明は、パラメータ調整装置に関し、特に動作の指令(速度、加速度、ジャークなど)に応じてより適した制御用パラメータを適用できるパラメータ調整装置する。

工作機械やロボット等の産業機械を制御する制御装置においては、該産業機械の制御に用いられる制御器（ＰＩＤ制御器等）のゲインやモデルパラメータ（摩擦等）等の制御用パラメータの調整が該制御装置の出荷前に行われる（例えば、特許文献１等）。この制御器の制御用パラメータの調整では、一般的に定めた産業機械の制御動作の範囲内の動作に対して、振動が所定の閾値以下に収まるように、また、動作指令した駆動部の軌跡と、制御された産業機械の駆動部の実際の軌跡とのずれが所定の閾値以下に収まるようにゲイン値乃至パラメータ値を調整するものである。

特開２０１５−１５６１９４号公報

上記した出荷前の調整作業は、産業機械の全動作範囲内で平均的な性能が出るように調整することを目的としており、産業機械が行う個々の動作の全てにおいて最適な調整をすることを目的とするものではない。そのため、このような調整を行ったとしても、いくつかの特定の動作については最適なゲイン値やモデルパラメータ値が設定されているとは言えないのが普通である。

この様な事態に対応するために、例えば速度の大、中、小に応じて、制御器のゲイン値やモデルパラメータ値を変更する手法を取ることも考えられるが、産業機械の動作の速さには無限な可能性があるので、数の限られた分類に対してそれぞれゲイン値やモデルパラメータ値を割り当てたとしても、全ての動作に対して最適なゲイン値やモデルパラメータ値を設定することができない。また、現場において作業者が利用する動作に対応した最適なゲイン値やモデルパラメータ値を設定するにしても、制御器の調整には、専用のセンサや制御への知識が必要なので、現場で指定された動作への調整は容易ではない。

そこで本発明の目的は、産業機械に対する動作指令(速度、加速度、ジャークなど)に応じてより適した制御用パラメータを適用できるパラメータ調整装置を提案することである。

本発明では、産業機械に対する動作指令と調整対象であるゲインやモデルパラメータ等の制御用パラメータとの非線形関係をガウス過程回帰で求め、求めた回帰関数で新たな指令に対して最適な制御用パラメータ値を算出することにより、上記課題を解決する。

そして、本発明の一態様は、制御対象の制御を行う制御器の制御用パラメータを調整するパラメータ調整装置であって、前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令を状態データとし、該動作に適した制御用パラメータをラベルデータとして取得するデータ取得部と、前記状態データ及び前記ラベルデータに基づいて、前記指令と前記制御用パラメータとの関係を機械学習して学習モデルを生成する学習部と、を備えたパラメータ調整装置である。

発明の他の態様は、制御対象の制御を行う制御器の制御用パラメータを調整するパラメータ調整装置であって、前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令と前記制御用パラメータとの関係を機械学習して生成された学習モデルを記憶する学習モデル記憶部と、前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令を状態データとして取得するデータ取得部と、前記状態データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いた制御用パラメータの推定を行う推定部と、を備え、前記制御器の制御用パラメータを、前記推定部が推定した前記制御用パラメータに調整する、パラメータ調整装置である。

本発明により、少ない調整作業で、全ての動作指令（速度、加速度、ジャークなど）に適した制御用パラメータを推定する学習モデルを生成し、生成した学習モデルを産業機械の制御に利用することができるように成る。

一実施形態によるパラメータ調整装置の概略的なハードウェア構成図である。第１実施形態によるパラメータ調整装置の概略的な機能ブロック図である。制御器の制御ループの例を示す図である。教師データとして用いられる、指令データと制御用パラメータとの組を例示する図である。第２実施形態によるパラメータ調整装置の概略的な機能ブロック図である。第３実施形態によるパラメータ調整装置の概略的な機能ブロック図である。制御器の制御ループの他の例を示す図である。

以下、本発明の実施形態を図面と共に説明する。
図１は本発明の一実施形態によるパラメータ調整装置の要部を示す概略的なハードウェア構成図である。パラメータ調整装置１は、ロボットや工作機械等の産業機械を制御する制御装置として実装することができる。また、パラメータ調整装置１は、産業機械を制御する制御装置と併設されたパソコンや、制御装置とネットワークを介して接続されたセルコンピュータ、ホストコンピュータ、クラウドサーバ等のコンピュータとして実装することが出来る。図１は、産業機械を制御する制御装置としてパラメータ調整装置１を実装した場合の例を示している。

本実施形態によるパラメータ調整装置１が備えるＣＰＵ１１は、パラメータ調整装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、ＲＯＭ１２に格納されたシステム・プログラムをバス２０を介して読み出し、該システム・プログラムに従ってパラメータ調整装置１全体を制御する。ＲＡＭ１３には一時的な計算データや表示データ、図示しない入力部を介してオペレータが入力した各種データ等が一時的に格納される。

不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされるなどして、パラメータ調整装置１の電源がオフされても記憶状態が保持されるメモリとして構成される。不揮発性メモリ１４には、インタフェース１５を介して外部機器７２から読み込まれた制御用プログラムや表示器／ＭＤＩユニット７０を介して入力された制御用プログラム、パラメータ調整装置１の各部や産業機械から取得された各種データ（例えば、サーボモータ５０に対する指令速度、指令加速度、指令加加速度（ジャーク）、サーボモータ５０に係る電流値／電圧値、サーボモータ５０を制御する制御部に設定されている各種制御用パラメータ等）が記憶される。不揮発性メモリ１４に記憶された制御用プログラムや各種データは、実行時／利用時にはＲＡＭ１３に展開されても良い。また、ＲＯＭ１２には、公知の解析プログラムなどの各種のシステム・プログラム（後述する機械学習装置１００との入出力を制御するためのシステム・プログラムを含む）があらかじめ書き込まれている。

インタフェース１５は、パラメータ調整装置１とＵＳＢ装置等の外部機器７２と接続するためのインタフェースである。外部機器７２側からは制御用プログラムや各種パラメータ等が読み込まれる。また、パラメータ調整装置１内で編集した制御用プログラムや各種パラメータ等は、外部機器７２を介して外部記憶手段に記憶させることができる。ＰＭＣ（プログラマブル・マシン・コントローラ）１６は、パラメータ調整装置１に内蔵されたシーケンスプログラムで産業機械及び該産業機械の周辺装置（例えば、工具交換用のロボットハンドといったアクチュエータ）にＩ／Ｏユニット１７を介して信号を出力し制御する。また、産業機械の本体に配備された操作盤の各種スイッチ等の信号を受け、必要な信号処理をした後、ＣＰＵ１１に渡す。

表示器／ＭＤＩユニット７０はディスプレイやキーボード等を備えた手動データ入力装置であり、インタフェース１８は表示器／ＭＤＩユニット７０のキーボードからの指令，データを受けてＣＰＵ１１に渡す。インタフェース１９は各軸を手動で駆動させる際に用いる手動パルス発生器等を備えた操作盤７１に接続されている。

産業機械が備える軸を制御するための軸制御回路３０はＣＰＵ１１からの軸の移動指令量を受けて、軸の指令をサーボアンプ４０に出力する。サーボアンプ４０はこの指令を受けて、産業機械が備える軸を移動させるサーボモータ５０を駆動する。軸のサーボモータ５０は位置・速度検出器を内蔵し、この位置・速度検出器からの位置・速度フィードバック信号を軸制御回路３０にフィードバックし、位置・速度のフィードバック制御を行う。なお、図１のハードウェア構成図では軸制御回路３０、サーボアンプ４０、サーボモータ５０は１つずつしか示されていないが、実際には制御対象となる産業機械に備えられた軸の数だけ用意される。

スピンドル制御回路６０は、産業機械への主軸回転指令を受け、スピンドルアンプ６１にスピンドル速度信号を出力する。スピンドルアンプ６１はこのスピンドル速度信号を受けて、産業機械のスピンドルモータ６２を指令された回転速度で回転させ、工具を駆動する。スピンドルモータ６２にはポジションコーダ６３が結合され、ポジションコーダ６３が主軸の回転に同期して帰還パルスを出力し、その帰還パルスはＣＰＵ１１によって読み取られる。

インタフェース２１は、パラメータ調整装置１と機械学習装置１００とを接続するためのインタフェースである。機械学習装置１００は、機械学習装置１００全体を統御するプロセッサ１０１と、システム・プログラム等を記憶したＲＯＭ１０２、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ１０３、及び学習モデル等の記憶に用いられる不揮発性メモリ１０４が、バス１０５を介して接続されて構成される。機械学習装置１００は、インタフェース２１を介してパラメータ調整装置１で取得可能な各情報（例えば、サーボモータ５０に対する指令速度、指令加速度、指令加加速度（ジャーク）、サーボモータ５０に係る電流値／電圧値、サーボモータ５０を制御する制御部に設定されている各種制御用パラメータ等）を観測することができる。また、パラメータ調整装置１は、機械学習装置１００から出力されるサーボモータ５０を制御する制御部に設定するべき各種制御用パラメータの推定に基づいてサーボモータ５０を制御する制御部の制御用パラメータを設定する。

図２は、第１実施形態によるパラメータ調整装置１と機械学習装置１００の概略的な機能ブロック図である。図２に示した各機能ブロックは、図１に示したパラメータ調整装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、パラメータ調整装置１及び機械学習装置１００の各部の動作を制御することにより実現される。

本実施形態のパラメータ調整装置１は、制御部３４、データ取得部１０６、学習部１０７を備え、また、機械学習装置１００の不揮発性メモリ１０４上には、学習部１０７により生成された学習モデルを記憶するための学習モデル記憶部２００が確保されている。

制御部３４は、制御用プログラム等から読み込まれた動作指令２１０に基づいて産業機械２の各部を制御する機能手段である。制御部３４は、例えば図３に例示されるような制御ループに対して動作指令２１０により指令されるジャークや速度、加速度を入力して得られた出力値をサーボモータ５０に対して出力することにより制御対象となる産業機械２の動作を制御する。

データ取得部１０６は、制御部３４から学習部１０７による学習に用いる状態データＳ及びラベルデータＬを取得する機能手段である。データ取得部１０６は、制御部３４から、動作指令２１０により指令されるジャークや速度、加速度を示す指令データＳ１を状態データＳとして取得し、該ジャークや速度、加速度を制御器の入力とした際に該入力に合わせて調整された制御部３４が含む制御器の制御用パラメータデータＬ１（図３の例では、比例制御器のゲインＫ_P、積分制御器のゲインＫ_I、微分制御器のゲインＫ_D）をラベルデータＬとして取得する。なお、制御用パラメータには、上記したゲイン値の他にも、状態フィードバックのフィードバック値に対して乗ぜられる係数や、ロバスト制御のパラメータ等のように、一般に調整対処となり得る諸々の値も調整対象とする制御用パラメータに含めて良い。

学習部１０７は、データ取得部１０６が取得した状態データＳ及びラベルデータＬに基づいた機械学習を行い、ジャークや速度、加速度等の指令データに対応する制御器の制御用パラメータを推定するための学習モデルを生成（学習）し、学習モデル記憶部２００へと記憶する機能手段である。本実施形態による学習部１０７は、指令データと制御用パラメータとの関係を所定の回帰モデルを用いてモデル化した学習モデルを生成する。学習部１０７は、指令データと制御用パラメータとの関係をガウス過程回帰（ＧＰＲ：ＧａｕｓｓｉａｎＰｒｏｃｅｓｓＲｅｇｒｅｓｓｉｏｎ）でモデル化した学習モデルを生成することが望ましいが、ベイズ最適化、深層学習などの他の公知の機械学習の手法を用いるようにしても良い。

ガウス過程回帰は、与えられた入力値に対して、対応する推定値がガウス分布に従う確率変数であるとするガウス過程に基づいている。ガウス過程回帰モデルは、例えば以下の数１式で表すことができる。数１式において、ｙは調整対象である制御用パラメータ（例えば、比例制御器のゲインＫ_P、積分制御器のゲインＫ_I、微分制御器のゲインＫ_D等）を要素とするベクトル、Ｘは指令データ（例えば、ジャーク、加速度、速度等）を要素とするベクトルであり、また、ｆはｙとＸの関係を示す関数、Ｈβ＋ｆは平均、σ²は分散を示している。

上記構成を備えたパラメータ調整装置１を用いて制御器の制御用パラメータの学習を行う場合を考える。制御部３４による産業機械２の制御が図３に例示される制御ループにより行われる場合、作業者は該制御ループを構成する比例制御器のゲインＫ_P、積分制御器のゲインＫ_I、微分制御器のゲインＫ_Dのそれぞれを調整しながら、動作指令２１０による指令データにより産業機械２のサーボモータ５０に対して予め定めた所定のジャークＪ₁で所定の軌跡の動作をするように指令する。そして、そのようにして調整された産業機械２の動作において振動が予め定めた第１閾値以下に収まり、また、指令した軌跡と産業機械２の実際の動作の軌跡とのズレが予め定めた第２閾値以下である場合、その時に設定していた制御用パラメータＫ_P1，Ｋ_I1，Ｋ_D1が指令されたジャークＪ₁に対して適した制御用パラメータの値であるとし、ジャークＪ₁を指令データＳ１、制御用パラメータＫ_P1，Ｋ_I1，Ｋ_D1を制御用パラメータデータＳ１として組となるデータ（教師データ）を作成する。この様な過程を、予め定めた複数のジャーク値に対して繰り返し、図４に例示されるような複数の指令データＳ１と制御用パラメータデータＬ１の組を作成する。そして、これらの複数の指令データＳ１と制御用パラメータデータＬ１の組をデータ取得部１０６が取得して、学習部１０７によるガウス過程回帰モデルを用いた学習が行われ、学習モデルが生成され、作成された学習モデルは学習モデル記憶部２００へと記憶される。なお、ガウス過程回帰モデルを用いた学習方法については論文等で既に公知となっているため、本明細書における詳細な説明は省略する。

図５は、第２実施形態によるパラメータ調整装置１と機械学習装置１００の概略的な機能ブロック図である。図５に示した各機能ブロックは、図１に示したパラメータ調整装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、パラメータ調整装置１及び機械学習装置１００の各部の動作を制御することにより実現される。

本実施形態のパラメータ調整装置１は、第１の実施形態と同様に制御部３４、データ取得部１０６、学習部１０７に加えて、更に制御用パラメータ調整部３６を備え、また、機械学習装置１００の不揮発性メモリ１０４上には、学習部１０７により生成された学習モデルを記憶するための学習モデル記憶部２００が確保されている。

本実施形態の制御用パラメータ調整部３６は、パラメータ調整装置１による制御器の制御用パラメータの調整動作を自動化する機能手段である。制御用パラメータ調整部３６は、不揮発性メモリ１４に予め記憶されている調整用プログラムに従って、産業機械２を所定のジャーク、加速度、速度等で動作させる指令データを制御部３４に出力することを繰り返しながら、制御部３４の制御器の制御用パラメータを調整する。制御用パラメータ調整部３６は、制御部３４の制御器の制御用パラメータを所定の値に設定し、所定のジャーク、加速度、速度等で動作させる指令データを制御部３４に出力し、該指令データに基づく産業機械２の動作を該産業機械２に取り付けられた振動センサ（図示せず）や位置計測器等（図示せず）により計測する。そして、制御用パラメータ調整部３６は、産業機械２の動作において、振動が予め定めた第１閾値を超える場合や、指令した軌跡と産業機械２の実際の動作の軌跡とのズレが予め定めた第２閾値を超える場合には、制御部３４の制御器の制御用パラメータを調整して、再度以下である場合、所定のジャーク、加速度、速度等で動作させる指令データを制御部３４に出力し、該指令データに基づく産業機械２を動作させる。制御用パラメータ調整部３６は、この様な調整動作を繰り返して、産業機械２を所定のジャーク、加速度、速度等で動作させ多彩に、振動が予め定めた第１閾値以下であり、指令した軌跡と産業機械２の実際の動作の軌跡とのズレが予め定めた第２閾値以下と成るまで、制御部３４の制御器の制御用パラメータの調整を行い、このようにして得られた制御用パラメータの値と、ジャーク、加速度、速度等の値との組を教師データとしてデータ取得部１０６に観測させる。

これを複数のジャーク、加速度、速度等の組に対して行うことで、制御用パラメータ調整部３６は、複数の教師データを自動的に作成する。本実施形態における他の機能手段の動作は第１の実施形態と同様である。

上記した構成を備えた本実施形態のパラメータ調整装置１では、作業者は予め調整用プログラムに、いずれのジャーク、加速度、速度等について調整を行うか設定しておけば、あとは制御用パラメータ調整部３６が自動的にそれぞれのジャーク、加速度、速度等に対して適した制御用パラメータの調整を行い、その結果に基づいて機械学習が行われるため、制御用パラメータ調整部３６による制御用パラメータの調整が収束しない等の問題が生じない限り、作業者による調整作業の手間を省くことができる。

図６は、第２実施形態によるパラメータ調整装置１と機械学習装置１００の概略的な機能ブロック図である。図６に示した各機能ブロックは、図１に示したパラメータ調整装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、パラメータ調整装置１及び機械学習装置１００の各部の動作を制御することにより実現される。

本実施形態のパラメータ調整装置１は、制御部３４、データ取得部１０６、推定部１０８を備え、また、機械学習装置１００の不揮発性メモリ１０４上には、学習部１０７により生成された学習モデルが記憶された学習モデル記憶部２００が確保されている。

制御部３４は、第１実施形態と同様に、制御用プログラム等から読み込まれた動作指令２１０に基づいて産業機械２の各部を制御する。制御部３４は、制御用プログラム等から読み出された動作指令２１０により産業機械２が備えるサーボモータ５０を制御するに際して、該動作指令２１０により指令されるジャークや速度、加速度等の値をデータ取得部１０６に出力し、これに対して推定部１０８から出力された制御用パラメータの推定値を制御器の各部に設定した上で、動作指令２１０による指令に基づいて産業機械２の動作を制御する。

データ取得部１０６は、制御部３４から出力された動作指令２１０により指令されるジャークや速度、加速度等の値を、推定部１０８が制御用パラメータの推定をするための学習モデルへの入力値である状態データＳ（指令データＳ１）として取得する。

推定部１０８は、データ取得部１０６が取得したジャークや速度、加速度等の指令データＳ１に基づいて、学習モデル記憶部２００に記憶された学習モデルを用いた制御器の制御用パラメータの推定処理を行う機能手段である。推定部１０８は、指令データＳ１に基づいて推定した制御器の制御用パラメータを制御部３４に対して出力する。

上記した構成を備えた本実施形態のパラメータ調整装置１は、制御用プログラム等から取得した動作指令２１０により指令されたジャーク、加速度、速度等に基づいて、該ジャーク、加速度、速度等に適した制御用パラメータを推定し、推定した制御用パラメータを用いた産業機械２の動作の制御を行う。制御用パラメータの推定に用いる学習モデルは、学習段階においては予め定めた所定の指令データについてのみ制御用パラメータの調整を行い、その結果として得られた有限個のデータを用いて、例えばガウス過程回帰でモデル化された学習モデルの生成が行われる。このようにして生成された学習モデルを用いた制御用パラメータの推定では、学習段階において調整を行ったジャーク値、加速度値、速度値以外のジャーク値、加速度値、速度値が指令された場合であっても、その指令値に適していると推定される制御用パラメータを出力することができるため、少ない調整作業により、全ての動作指令に適した制御用パラメータを用いることができるようになる。なお、ガウス過程回帰モデルを用いた推定方法については論文等で既に公知となっているため、本明細書における詳細な説明は省略する。

第１〜３実施形態のパラメータ調整装置１の一変形例として、制御部３４が制御に用いる制御ループには、例えば図７に例示されるように、摩擦モデルやねじれ補償のモデルを制御ループに追加し、摩擦モデルの摩擦係数μやねじれ補償の係数α，βをモデルパラメータとして制御用パラメータに追加し、ゲインとモデルパラメータを含む制御用パラメータと、動作指令２１０により指令されるジャークや加速度、速度等との関係を学習した学習モデルを生成して推定に利用するようにしても良い。また、ダイナミクスモデル等の、他のモデル要素のパラメータを調整対象となる制御用パラメータに含めても良い。

以上、本発明の一実施形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。

１パラメータ調整装置
２産業機械
１１ＣＰＵ
１２ＲＯＭ
１３ＲＡＭ
１４不揮発性メモリ
１５，１８，１９インタフェース
１６ＰＭＣ
１７Ｉ／Ｏユニット
２０バス
２１インタフェース
３０軸制御回路
３４制御部
３６制御用パラメータ調整部
４０サーボアンプ
５０サーボモータ
６０スピンドル制御回路
６１スピンドルアンプ
６２スピンドルモータ
６３ポジションコーダ
７０表示器／ＭＤＩユニット
７１操作盤
７２外部機器
１００機械学習装置
１０１プロセッサ
１０２ＲＯＭ
１０３ＲＡＭ
１０４不揮発性メモリ
１０５バス
１０６データ取得部
１０７学習部
１０８推定部
２００学習モデル記憶部
２１０動作指令

Claims

制御対象の制御を行う制御器の制御用パラメータを調整するパラメータ調整装置であって、
前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令を状態データとし、該動作に適した制御用パラメータをラベルデータとして取得するデータ取得部と、
前記状態データ及び前記ラベルデータに基づいて、前記指令と前記制御用パラメータとの関係を機械学習して学習モデルを生成する学習部と、
を備えたパラメータ調整装置。
前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令に対して、前記制御対象からの該動作に係るフィードバック値に基づいて、前記制御器の制御用パラメータを該動作に適した値に調整する制御用パラメータ調整部を更に備え、
前記データ取得部は、前記制御用パラメータ調整部が調整した制御用パラメータをラベルデータとして取得する、
請求項１に記載のパラメータ調整装置。
制御対象の制御を行う制御器の制御用パラメータを調整するパラメータ調整装置であって、
前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令と前記制御用パラメータとの関係を機械学習して生成された学習モデルを記憶する学習モデル記憶部と、
前記制御対象の動作におけるジャーク、加速度及び速度の少なくともいずれかの指令を状態データとして取得するデータ取得部と、
前記状態データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いた制御用パラメータの推定を行う推定部と、
を備え、
前記制御器の制御用パラメータを、前記推定部が推定した前記制御用パラメータに調整する、
パラメータ調整装置。
前記制御用パラメータは、制御器のゲイン、状態フィードバック値に対する係数、ロバスト制御のパラメータ、制御対象のダイナミクスモデルのパラメータ、摩擦モデルのパラメータ、ねじれ補償のパラメータの少なくともいずれかである、
請求項１〜３のいずれか１つに記載のパラメータ調整装置。