JP2020157395A - ロボット制御システム - Google Patents

Abstract

【課題】汎用のスマートデバイスを用いた可搬操作盤における非常停止スイッチの押下を簡便に制御装置に識別させる。【解決手段】ロボット２を制御する制御装置３と、制御装置３に接続された可搬操作盤５とを備え、可搬操作盤５および１つ以上の他の機器のそれぞれに、直列に接続された接点６，８，１２が備えられ、制御装置３に、少なくとも１つの接点６，８，１２の開放を検出可能な受信回路１５を備え、可搬操作盤５が、センサ１０を有するスマートデバイス９を備え、可搬操作盤５に備えられた接点１２が、スマートデバイス９に外付けされたスイッチ部材の物理的な移動を伴って開閉され、センサ１０が、スイッチ部材の物理的な移動に伴い変化する物理量を検出可能であり、可搬操作盤５が、センサ１０により検出された物理量または物理量に関連した情報である検出信号を制御装置３に送信するロボット制御システム１である。【選択図】図１

Description

本開示は、ロボット制御システムに関するものである。

ロボットシステムにおいては、制御装置に備えられた固定操作盤に設けられた非常停止スイッチ、制御装置に接続する可搬操作盤に設けられた非常停止スイッチおよび安全柵等に設けられた外部の非常停止スイッチなど、複数の非常停止スイッチが備えられる場合がある。非常停止入力は２重化することが規格によって定められており、受信回路は２系統必要となるため、非常停止入力が多くなると回路規模が大きくなる。

回路規模を小さくするために、複数の非常停止スイッチの接点を数珠つなぎ（直列）に接続して、受信回路を共通化し、どの非常停止スイッチが押されたのかについては、固定操作盤および可搬操作盤における非常停止スイッチの押下による接点の開放と同時に確認信号を発生させ、発生した確認信号を制御装置に入力することにより確認していた。この場合、制御装置に確認信号が入力されない場合の非常停止は、外部の非常停止スイッチが押されたものと判断することができた。

また、可搬操作盤においては、制御装置から離れた場所で操作できる必要があるため、確認信号をハードワイヤードで制御装置に入力すると線材の高価格化および線径の増加につながる。そのため、確認信号は可搬操作盤にハードワイヤードで入力し、可搬操作盤と制御装置との間に持つシリアル通信等の手段により確認信号を制御装置に伝達する方が望ましい。

また、タッチ入力を行えるスマートフォン等の安価で携帯可能な汎用の操作端末（スマートデバイス）を可搬操作盤として利用する装置が知られている（例えば、特許文献１参照。）。
また、特許文献１には、スマートデバイスを装着可能なベース部材に非常停止スイッチを備えることが開示されている。

特開２０１６−６００１８号公報

しかしながら、スマートデバイスを装着するベース部材に備えられた非常停止スイッチは可搬操作盤において非常停止スイッチが押されたことを知らせる確認信号を、例えば補助接点が閉状態になることにより発生させ、また汎用のスマートデバイスが、例えばＵＳＢのようなシリアル通信用のインタフェース以外の有線のインタフェースを備えていないことから、可搬操作盤において非常停止スイッチが押されたことを知らせる確認信号をスマートデバイスに通知することができないため、スマートデバイス経由ではなく、制御装置に直接伝達する手段を別に持たなければならないという不都合がある。
すなわち、可搬操作盤に設けられた非常停止スイッチの押下により、ロボットの非常停止自体は行うことができるが、可搬操作盤において非常停止スイッチが押されたことを制御装置に知らせることは専用の伝達手段を持つ必要があった。

本開示の一態様は、ロボットを制御する制御装置と、該制御装置に接続された可搬操作盤とを備え、該可搬操作盤および１つ以上の他の機器のそれぞれに、直列に接続された接点が備えられ、前記制御装置に、少なくとも１つの前記接点の開放を検出可能な受信回路を備え、前記可搬操作盤が、センサを有するスマートデバイスを備え、前記可搬操作盤に備えられた前記接点が、前記スマートデバイスに外付けされたスイッチ部材の物理的な移動を伴って開閉され、前記センサが、前記スイッチ部材の物理的な移動に伴い変化する物理量を検出可能であり、前記可搬操作盤が、前記センサにより検出された前記物理量または前記物理量に関連した情報である検出信号を前記制御装置に送信するロボット制御システムである。

本開示の一実施形態に係るロボット制御システムを模式的に示す全体構成図である。 図１のロボット制御システムの可搬操作盤に備えられる加速度センサの検出信号と、受信回路から出力される非常停止指令信号との対比により、可搬操作盤の非常停止スイッチが操作されたものと判別される場合を示す図である。 図１のロボット制御システムの可搬操作盤に備えられる加速度センサの検出信号と、受信回路から出力される非常停止指令信号との対比により、可搬操作盤の非常停止スイッチが操作されていないものと判別される場合を示す図である。 図１のロボット制御システムが備える制御装置を模式的に示すブロック図である。 ニューロンのモデルを示す模式図である。 ニュートラルネットワークの模式図である。

本開示の一実施形態に係るロボット制御システム１について、図面を参照して以下に説明する。
本実施形態に係るロボット制御システム１は、図１に示されるように、ロボット２を制御する制御装置３と、制御装置３に接続された固定操作盤４および可搬操作盤５と、安全柵等に備えられた外部の非常停止スイッチ（接点）６とを備えている。

固定操作盤４は、制御装置３にケーブル７によって接続され、第１の非常停止スイッチ（接点）８を備えている。第１の非常停止スイッチ８は、ユーザによって操作されるスイッチ部材（図示略）と、該スイッチ部材の操作によって背反的に開閉される２組の接点（図示略）とを備えている。一方の接点は、スイッチ部材の押下によって開かれ、スイッチ部材のリセット操作により閉じられるまで、開かれた状態に保持される。他方の接点は、スイッチ部材がリセット操作されることにより開かれ、確認信号を出力する回路を切断し、スイッチ部材の押下によって閉じられることにより、確認信号を出力する。

可搬操作盤５は、表示および入力のためのタッチパネルセンサ１０を有するスマートデバイス９と、タッチパネルセンサ１０を露出させた状態で着脱可能に収容し、片手で把持することが可能なベース部材１１と、ベース部材１１に、該ベース部材１１を把持する手の位置に設けられたイネーブルスイッチ（図示略）と、ベース部材１１に設けられた第２の非常停止スイッチ（接点）１２とを備えている。

スマートデバイス９は、汎用のものであり、タッチパネルセンサ１０の他、加速度センサ１３（センサ）、カメラ（センサ、光量センサ、図示略）および通信手段１４を標準的に備えている。
本実施形態においては、スマートデバイス９は、加速度センサ１３による加速度の検出信号を通信手段１４によって制御装置３に常時送信している。

ベース部材１１に設けられた第２の非常停止スイッチ１２は、ユーザによって操作されるスイッチ部材（図示略）と、該スイッチ部材の操作によって開閉される１組の接点（図示略）とを備えている。接点は、スイッチ部材の押下によって開かれ、スイッチ部材のリセット操作により閉じられるまで、開かれた状態に保持される。

安全柵等に備えられた外部の非常停止スイッチ６は、第２の非常停止スイッチ１２と同様に、ユーザによって操作されるスイッチ部材（図示略）と、該スイッチ部材の操作によって開閉される１組の接点（図示略）とを備えている。接点は、スイッチ部材の押下によって開かれ、スイッチ部材のリセット操作により閉じられるまで、開かれた状態に保持される。

これらの第１の非常停止スイッチ８の一方の接点、第２の非常停止スイッチ１２の接点および外部の非常停止スイッチ６の接点は、制御装置３内の電源と受信回路１５との間に直列に（数珠つなぎに）接続されている。これにより、全ての非常停止スイッチ６，８，１２の接点が閉じられている（スイッチ部材がリセットされている）状態では、受信回路１５には電源電圧が入力されている。一方、いずれかの非常停止スイッチ６，８，１２のスイッチ部材が押下されると、いずれかの接点が開かれることにより、受信回路１５において電源電圧を検出することができなくなり、制御装置３は、ロボット２を非常停止状態とする。

制御装置３には、可搬操作盤５のスマートデバイス９から通信により送られてくる加速度センサ１３の検出信号を通信手段１４を介して受信するとともに、受信回路１５による受信信号が入力される判別部１６と、判別部１６による判別結果を表示する表示部１７と、判別結果を記録する記録部１８と、作業者が各構成品の構造に関するデータ等を判別部１６に任意に入力することができる入力部１９とが設けられている。

判別部１６は、プロセッサにより構成され、受信回路１５による受信信号が、電源電圧を検出しなくなったタイミングで、加速度センサ１３の検出信号に所定の変化が発生したときには、可搬操作盤５に備えられている第２の非常停止スイッチ１２の操作によりロボット２が非常停止させられたものと判別する。表示部１７はモニタ、記録部１８はメモリである。

この場合において、加速度センサ１３の検出信号における所定の変化としては、ベース部材１１に設けられた第２の非常停止スイッチ１２のスイッチ部材が押下されることにより発生する加速度変化が所定の閾値以上である場合を挙げることができる。
一方、受信回路１５による受信信号が、電源電圧を検出しなくなったタイミングで、加速度センサ１３の検出信号に所定の変化が発生していないときには、外部の非常停止スイッチ６の操作によりロボット２が非常停止させられたものと判別する。

このように構成された本実施形態に係るロボット制御システム１によれば、ロボット２の動作中に、固定操作盤４、可搬操作盤５または外部のいずれかに設けられた少なくとも１つの非常停止スイッチ６，８，１２の接点が開かれると、受信回路１５により検出されて、ロボット２を迅速に非常停止させることができる。３つの非常停止スイッチ６，８，１２の接点を直列に接続することにより、共通の受信回路１５によって、どの接点が開放されても同等にロボット２を非常停止させることができる。

この場合において、固定操作盤４における接点が開放された場合には、固定操作盤４の他方の接点が閉じられることによる確認信号が制御装置３に送られるので、固定操作盤４の第１の非常停止スイッチ８が操作されたことを容易に確認することができる。一方、可搬操作盤５はスマートデバイス９に接点を外付けしただけの構造であるため、接点の開放を示す確認信号をスマートデバイス９に入力できないが、加速度センサ１３により検出される加速度の変化によって、第２の非常停止スイッチ１２の操作を示すスイッチ部材の物理的な移動に伴い変化する物理量、すなわち加速度を検出可能な加速度センサ１３の検出信号が制御装置３に送られる。

そして、制御装置３の判別部１６において、送られてきた加速度の検出信号と、受信回路１５から入力されたロボット２への非常停止指令信号とに基づいて、図２に示されるように、非常停止指令信号がＯＦＦからＯＮに切り替わるタイミングで、加速度の検出信号に顕著な変化がみられるときには、可搬操作盤５の第２の非常停止スイッチ１２が操作されたと判別することができ、その旨が、表示部１７に表示されるとともに記録部１８に記録される。

一方、図３に示されるように、非常停止指令信号がＯＦＦからＯＮに切り替わるタイミングで、加速度の検出信号に顕著な変化がみられないときには、第２の非常停止スイッチ１２が操作されたものではないと判別することができる。

これにより、特別な入力端子を有しない汎用のスマートデバイス９を用いた可搬操作盤５における接点の開放を制御装置３に簡便に識別させることができるという利点がある。また、第１の非常停止スイッチ８の接点の開放を示す確認信号および第２の非常停止スイッチ１２の接点の開放を表す加速度の変化のいずれもがない場合には、外部の非常停止スイッチ６の操作による非常停止であることを容易に識別することができる。

なお、本実施形態においては、汎用のスマートデバイス９に備えられている加速度センサ１３により検出された加速度の変化によって可搬操作盤５の第２の非常停止スイッチ１２の操作を判別することとしたが、これに代えて、同様に、汎用のスマートデバイス９に備えられている、タッチパネルセンサ１０の出力、カメラの出力あるいは、これらの２以上のセンサの出力を組み合わせて判別することにしてもよい。

例えば、タッチパネルセンサ１０の出力を利用する場合には、第２の非常停止スイッチ１２のスイッチ部材を、押下されることによってタッチパネルセンサ１０の所定の領域に近接または接触する位置に配置すればよい。
また、例えば、カメラの出力を利用する場合には、カメラを光量の変化を検出する光量センサとして使用し、第２の非常停止スイッチ１２のスイッチ部材を、押下されることによってカメラの視界を遮る位置に配置すればよい。カメラとは別の光量センサを備えている場合には、その光量センサを利用してもよい。

あるいは、カメラの視野内にスイッチ部材を配置し、画像内のスイッチ部材の位置の変化を監視することによって、第２の非常停止スイッチ１２の操作を検出することにしてもよい。また、カメラの画像の揺れ具合によって第２の非常停止スイッチ１２の操作を検出することにしてもよい。

また、本実施形態においては、非常停止スイッチ８，１２を用いる場合について適用したが、複数のイネーブルスイッチを直列に備えるロボット制御システム１に適用してもよい。また、複数のイネーブルスイッチを備えるロボット制御システム１の場合に、いずれのイネーブルスイッチによりロボット２が非常停止したのかを識別するために、加速度センサ１３、カメラおよびタッチパネルセンサ１０の少なくとも１つの出力を利用することにしてもよい。
また、いずれかのセンサの出力に基づく判別を機械学習することによって、判別の精度を高めることにしてもよい。

図４は、制御装置３のブロック図である。図４に示されるように、制御装置３の判別部１６は、機械学習を行う機械学習部２０を備えている。
機械学習部２０は、入力されるデータの集合から、その中にある有用な規則、知識、表現、および判定基準などを解析により抽出し、その判定結果を出力すると共に、知識の学習を行う機能を有する。

機械学習部２０は、状態観測部２１および学習部２２を備えている。
本実施形態において、機械学習部２０は、教師あり学習を実施する。教師あり学習では、教師データ、すなわち、入力および結果（ラベル）のデータの組を大量に機械学習部２０に入力する。機械学習部２０は、入力されたデータセットに含まれる特徴を学習する。機械学習部２０は、入力によって結果を推定するモデル（学習モデル）、すなわち、入力に対する結果の関係性を帰納的に獲得するモデルを生成する。教師あり学習は、ニューラルネットワーク等のアルゴリズムを用いて実現することが可能である。学習モデルは、ニューラルネットワーク等のアルゴリズムに相当する。ここでは、ニューラルネットワークについて説明する。

図５は、ニューラルネットワークに含まれるニューロンのモデルを示す模式図である。
ニューラルネットワークは、図５に示されるニューロンのモデルを模したニューラルネットワークを実現する計算機等にて構成される。

ニューロンは、複数の入力ｘ（図５では、一例として、入力ｘ１〜入力ｘ３）に対する出力ｙを出力するものである。各入力ｘ１〜ｘ３には、この入力ｘに対応する重みｗ（ｗ１〜ｗ３）が掛けられる。これにより、ニューロンは、式（１）により表現される出力ｙを出力する。なお、入力ｘ、出力ｙ及び重みｗは、すべてベクトルである。

ここで、θはバイアスであり、ｆ_ｋは活性化関数である。

図６は、ニューラルネットワークの模式図である。
図６に示されるニューラルネットワークでは、上述したニューロンを組み合わせた３層の重みを有する。図６は、Ｄ１〜Ｄ３の３層の重みを有するニューラルネットワークを示す模式図である。

ニューラルネットワークの左側から複数の入力ｘ（ここでは一例として、入力ｘ１〜入力ｘ３）が入力され、右側から結果ｙ（ここでは一例として、結果ｙ１〜結果ｙ３）が出力される。具体的には、入力ｘ１〜ｘ３は、３つのニューロンＮ１１〜Ｎ１３の各々に対して対応する重みが掛けられて入力される。これらの入力に掛けられる重みはまとめてｗ１と標記されている。

ニューロンＮ１１〜Ｎ１３は、それぞれ、ｚ１１〜ｚ１３を出力する。これらのｚ１１〜ｚ１３はまとめて特徴ベクトルｚ１と標記され、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。この特徴ベクトルｚ１は、重みｗ１と重みｗ２との間の特徴ベクトルである。ｚ１１〜ｚ１３は、２つのニューロンＮ２１，Ｎ２２の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ２と標記されている。

ニューロンＮ２１，Ｎ２２は、それぞれ、ｚ２１，ｚ２２を出力する。これらのｚ２１，ｚ２２は、まとめて特徴ベクトルｚ２と標記されている。この特徴ベクトルｚ２は、重みｗ２と重みｗ３との間の特徴ベクトルである。特徴ベクトルｚ２１，ｚ２２は、３つのニューロンＮ３１〜Ｎ３３の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ３と標記されている。最後に、ニューロンＮ３１〜Ｎ３３は、それぞれ、結果ｙ１〜ｙ３を出力する。

ニューラルネットワークの動作には、学習モードと予測モードとがある。例えば、学習モードにおいては、訓練データ及び教師データを用いて重みｗを学習する。予測モードにおいては、学習した重みなどのパラメータを用いたニューラルネットワークにて結果を出力する。

ここで、予測モードで実際に制御装置３を動かして得られたデータを即時学習し、次の行動に反映させるオンライン学習が可能である。または、予め収集しておいたデータ群を用いてまとめた学習を行い、以降はずっとそのパラメータで検知モードを行うバッチ学習も可能である。あるいは、その中間的な、ある程度データが溜まるたびに学習モードを挟むということも可能である。

また、重みｗ１〜ｗ３は、誤差逆伝搬法（バックプロパゲーション：Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）により学習可能なものでもよい。誤差の情報は、右側から入り左側に流れる。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（ラベル）との差分を小さくするように、それぞれの重みを調整（学習）する手法である。このようなニューラルネットワークは、３層以上にさらに層を増やすことも可能である（深層学習と称される）。

上記のロボット制御システム１における可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かの判別では、センサの出力値（検出信号）または出力値の変化が判定値を超えた、または出力値が判定値を超えているか否かで接点の開放の判別がされている。これに対して、機械学習を用いたロボット制御システム１では、センサの一定時間内の出力値に基づいて、スイッチ部材の操作による接点の開閉を判別する。

ここでは、加速度センサ１３を用いた可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かの判別を例に取り上げて説明する。

状態観測部２１は、加速度センサ１３の出力値を取得する。例えば、状態観測部２１は、予め定められた時間間隔ごとに加速度センサ１３の出力値を取得する。状態観測部２１は、加速度センサ１３の出力値に基づいて、状態変数を算出する。状態変数としては、加速度センサ１３の出力値、加速度センサ１３の出力値の変化速度、および加速度センサ１３の出力値の変化幅のうち少なくとも一つを含む。ここで、図２を参照して、これらの変数を、加速度センサ１３の出力値を例に取り上げて説明する。

加速度センサ１３の出力値は、加速度である。センサの出力値の変化速度（出力値が加速度なので、その変化速度は躍度）の算出では、時刻ｔ１における出力値を基準値とする。時刻ｔ１以降の任意の時刻において、出力値を取得する。出力値と基準値との差を時刻ｔ１からの経過時間にて除算することにより、出力値の変化速度を算出することができる。センサの出力値の変化幅は、時刻ｔ１以降の任意の時刻における出力値と、基準値との差である。

図４に示されるように、状態観測部２１は、状態変数を含む訓練データを生成する。訓練データは、上記の状態変数の他に、各構成品の構造に関するデータを含んでいても構わない。例えば、スマートデバイスの仕様や、ベース部材の仕様などである。作業者は、各構成品の構造に関するデータを入力部１９から入力することができる。記録部１８は、各構成品の構造に関するデータを記憶することができる。状態観測部２１は、各構成品の構造に関するデータを記録部１８から取得することができる。

学習部２２は、教師データを取得する。教師データは、可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かに関する情報が含まれる。教師データには、可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かという結果（ラベル）が含まれる。可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かという結果は、例えば、作業者が入力部１９から入力することができる。教師データには、ラベルに関連付けて上記の訓練データに対応するデータが含まれる。例えば、教師データは、実際に可搬操作盤５の第２の非常停止スイッチ１２が操作された時の加速度センサ１３の出力値、出力値の変化速度、および出力値の変化幅のうち少なくとも一つを含む。

このような教師データは、状態観測部２１にて取得された状態変数と、作業者が入力部１９から入力したラベルとを組み合わせることにより作成することができる。または、ロボット制御システム１以外の装置で行われたシミュレーション等により得られた教師データを用いても構わない。

学習部２２は、訓練データと教師データとに基づいて誤差を算出する誤差算出部２４と、可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かを判定する学習モデルを更新する学習モデル更新部２３とを備えている。
学習モデル更新部２３は、状態観測部２１の出力および誤差算出部２４の出力に基づいて、学習モデルを更新する。

ここで、ニューラルネットワークの学習モードでは、学習モデル更新部２３は、訓練データおよび教師データを用いて学習モデルを更新する。学習モデル更新部２３は、入力に対して学習モデルを用いて算出した出力が、教師データのラベルに近づくように学習モデルを更新する。例えば、状態変数、学習モデルの出力、および教師データに関する損失関数が一定に収束するまで、学習モードの処理が実施される。

また、機械学習部２０は、学習部２２にて更新された学習モデルに基づいて、可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かを判定する意思決定部２５を備えている。
意思決定部２５は、現在の訓練データを取得する。意思決定部２５は、学習モデル更新部２３にて更新された学習モデルを取得する。意思決定部２５は、学習モデルおよび訓練データに基づいて、可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かを判定する。この場合に、ニューラルネットワークは、予測モードで用いられる。

意思決定部２５は、可搬操作盤５の第２の非常停止スイッチ１２が操作された場合には、可搬操作盤５の第２の非常停止スイッチ１２が操作されたことに関する信号を表示部１７に送信する。表示部１７は、可搬操作盤５の第２の非常停止スイッチ１２が操作されたことを表示する。

機械学習部２０において可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かの判定を実施することにより、センサの出力値の傾向等を考慮して、可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かの判定を行うことができる。これにより、ロボット制御システム１は、より正確な可搬操作盤５の第２の非常停止スイッチ１２が操作されたか否かに関する判定を実施することができる。

また、センサとしてタッチパネルセンサ１０を用いる場合の出力値は、タッチ操作を検出している検出位置である。センサの出力値の変化の算出では、時刻ｔ１における出力値を基準値とする。時刻ｔ１以降の任意の時刻において、出力値を取得する。出力値と基準値との差を比較することにより、出力値の変化を算出することができる。

また、センサとして光量センサを用いる場合の出力値は、光量である。センサの出力値の変化速度の算出では、時刻ｔ１における出力値を基準値とする。時刻ｔ１以降の任意の時刻において、出力値を取得する。出力値と基準値との差を時刻ｔ１からの経過時間にて除算することにより、出力値の変化速度を算出することができる。センサの出力値の変化幅は、時刻ｔ１以降の任意の時刻における出力値と、基準値との差である。

また、センサとしてカメラを用いる場合の出力値は、画像データである。センサの出力値の変化の算出では、時刻ｔ１における出力値を基準値とする。時刻ｔ１以降の任意の時刻において、出力値を取得する。出力値と基準値との差を比較することにより、出力値の変化を算出することができる。

また、本実施形態においては、スイッチ部材の操作による接点の開放を判別する場合に適用したが、スイッチ部材の操作によって接点が閉じる際の判別に適用してもよい。
また、本実施形態においては、可搬操作盤５の他に、第１の非常停止スイッチ８を備える固定操作盤４を有する場合について説明したが、固定操作盤４はなくてもよい。

また、本実施形態においては、判別部１６は制御装置３に実装されるものを例示したが、別の装置に実装されていてもよい。例えば、制御装置３とネットワークを介して接続された別の機器に判別部１６が実装されてもよい。これに伴い、判別部１６に含まれる機械学習部２０も、制御装置３ではなく、例えば、制御装置３とネットワークを介して接続された別の機器に実装されてもよい。

また、本実施形態においては、センサとして、加速度を検出する加速度センサ１３を用いたものを例示したが、これに限られるものではなく、スイッチ部材の物理的な移動に伴い変化する物理量を検出するものであればよい。また、スイッチ部材の物理的な移動に伴い変化する物理量に関連した情報を検出するものを採用してもよい。

スイッチ部材の物理的な移動に伴い変化する物理量としては、センサがタッチパネルセンサまたは近接センサの場合には、スイッチ部材とスマートデバイス９の所定領域との間の距離が物理量であり、センサが光量センサの場合には、スマートデバイス９の所定領域に照射される光量が物理量であり、センサがカメラの場合には、スマートデバイス９の所定領域に照射される可視光などの画像情報に変換可能な画像データが物理量である。

１ ロボット制御システム
２ ロボット
３ 制御装置
５ 可搬操作盤
９ スマートデバイス
１０ タッチパネルセンサ
１３ 加速度センサ（センサ）
１５ 受信回路
１６ 判別部
２０ 機械学習部
２１ 状態観測部
２２ 学習部
２５ 意思決定部

Claims (9)

1. ロボットを制御する制御装置と、
   該制御装置に接続された可搬操作盤とを備え、
   該可搬操作盤および１つ以上の他の機器のそれぞれに、直列に接続された接点が備えられ、
   前記制御装置に、少なくとも１つの前記接点の開放を検出可能な受信回路を備え、
   前記可搬操作盤が、センサを有するスマートデバイスを備え、
   前記可搬操作盤に備えられた前記接点が、前記スマートデバイスに外付けされたスイッチ部材の物理的な移動を伴って開閉され、
   前記センサが、前記スイッチ部材の物理的な移動に伴い変化する物理量を検出可能であり、
   前記可搬操作盤が、前記センサにより検出された前記物理量または前記物理量に関連した情報である検出信号を前記制御装置に送信するロボット制御システム。
2. 前記制御装置と通信可能な判別部を備え、
   該判別部が、前記可搬操作盤から送信されてきた前記検出信号と、前記受信回路により検出された少なくとも１つの前記接点の開放とに基づいて、前記可搬操作盤に備えられた前記接点が開放されたことを判別する請求項１に記載のロボット制御システム。
3. 前記制御装置と通信可能な判別部を備え、
   該判別部が、前記可搬操作盤から送信されてきた前記検出信号と、前記受信回路により検出された前記接点の接触とに基づいて、前記可搬操作盤に備えられた前記接点が閉じられたことを判別する請求項１に記載のロボット制御システム。
4. 前記物理量が、前記スマートデバイスの加速度であり、
   前記センサが、前記加速度を検出する加速度センサである請求項１から請求項３のいずれかに記載のロボット制御システム。
5. 前記物理量が、前記スイッチ部材と前記スマートデバイスの所定領域との間の距離であり、
   前記センサが、前記スマートデバイスの前記所定領域への物質の接触または近接を検出するタッチパネルセンサまたは近接センサである請求項１から請求項３のいずれかに記載のロボット制御システム。
6. 前記物理量が、前記スマートデバイスの所定領域に照射される光量であり、
   前記センサが前記光量を検出する光量センサである請求項１から請求項３のいずれかに記載のロボット制御システム。
7. 前記物理量が、前記スマートデバイスの所定領域に照射される可視光などの画像情報に変換可能な画像データであり、
   前記センサが前記画像データを取得するカメラである請求項１から請求項３のいずれかに記載のロボット制御システム。
8. 前記判別部が、教師有り学習を実施する機械学習部を備え、
   該機械学習部は、前記センサの前記検出信号を含む状態変数を観測する状態観測部と、
   前記スイッチ部材の物理的な移動により前記接点が開放または閉じられた際の情報を含む教師データを取得し、前記スイッチ部材の物理的な移動により前記接点が開放または閉じられたか否かを判定する学習モデルを教師データに基づいて更新する学習部と、
   前記センサの前記検出信号を取得し、現在の前記センサの前記検出信号および前記学習モデルに基づいて、前記スイッチ部材の物理的な移動により前記接点が開放または閉じられたか否かを判定する意思決定部とを備える請求項２から請求項７のいずれかに記載のロボット制御システム。
9. 前記判別部が、前記制御装置とネットワークで接続された機器に備えられる請求項２から請求項８のいずれかに記載のロボット制御システム。
   
   
   

Images