JP2020168719A - Robot system and control method of robot - Google Patents

Robot system and control method of robot Download PDF

Info

Publication number
JP2020168719A
JP2020168719A JP2020120352A JP2020120352A JP2020168719A JP 2020168719 A JP2020168719 A JP 2020168719A JP 2020120352 A JP2020120352 A JP 2020120352A JP 2020120352 A JP2020120352 A JP 2020120352A JP 2020168719 A JP2020168719 A JP 2020168719A
Authority
JP
Japan
Prior art keywords
work
unit
robot
measuring instrument
output
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.)
Pending
Application number
JP2020120352A
Other languages
Japanese (ja)
Other versions
JP2020168719A5 (en
Inventor
岳 山▲崎▼
Takeshi Yamazaki
岳 山▲崎▼
拓未 尾山
Takumi Oyama
拓未 尾山
峻 陶山
Shun Toyama
峻 陶山
一隆 中山
Kazutaka Nakayama
一隆 中山
英俊 組谷
Hidetoshi Kumiya
英俊 組谷
中川 浩
Hiroshi Nakagawa
中川  浩
大輔 岡野原
Daisuke Okanohara
大輔 岡野原
遼介 奥田
Ryosuke Okuda
遼介 奥田
叡一 松元
Eiichi Matsumoto
叡一 松元
圭悟 河合
Keigo Kawai
圭悟 河合
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Preferred Networks Inc
Original Assignee
Fanuc Corp
Preferred Networks Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fanuc Corp, Preferred Networks Inc filed Critical Fanuc Corp
Publication of JP2020168719A publication Critical patent/JP2020168719A/en
Publication of JP2020168719A5 publication Critical patent/JP2020168719A5/en
Priority to JP2022128174A priority Critical patent/JP7491971B2/en
Priority to JP2024038408A priority patent/JP2024069414A/en
Pending legal-status Critical Current

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1628Programme controls characterised by the control loop
    • B25J9/163Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1679Programme controls characterised by the tasks executed
    • B25J9/1687Assembly, peg and hole, palletising, straight line, weaving pattern movement
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1602Programme controls characterised by the control system, structure, architecture
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1694Programme 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/39Robotics, robotics to robotics hand
    • G05B2219/39297First learn inverse model, then fine tune with ffw error learning
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/40Robotics, robotics mapping to robotics vision
    • G05B2219/40053Pick 3-D object from pile of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

To provide a machine learning device that selects an optimal robot operation without human intervention when a workpiece is taken out, a robot system, and a machine learning method.SOLUTION: A machine learning device includes: a state amount observation part 21 that observes output data of a three-dimensional measuring instrument 15 for measuring at least a three-dimensional map of each of workpieces 12 placed in a random state including a bulk-loaded state; an operation result acquisition part 26 that acquires a taking-out operation result of a robot 14 that takes out the workpieces by a hand part 13; and a learning part 22 that learns a workpiece taking-out operation by receiving output of the state amount observation part and the operation result acquisition part. The state amount observation part further observes the output data of a coordinate calculation part that calculates a three-dimensional position for each of the workpieces on the basis of the output of the three-dimensional measuring instrument. The learning part includes: a reward calculation part 23 that calculates a reward on the basis of a determination result of a workpiece taking-out success that is output of the operation result acquisition part; and a value function update part 24 that has a value function for determining a value of the workpiece taking-out operation and updates a value function according to the reward.SELECTED DRAWING: Figure 1

Description

本発明は、バラ積みされた状態を含む、乱雑に置かれた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に関する。 The present invention relates to a machine learning device, a robot system, and a machine learning method for learning a movement of taking out works placed in a disorderly manner, including a state in which they are stacked in pieces.

従前より、例えば、かご状の箱にバラ積みされたワークを、ロボットのハンド部により把持して運搬するロボットシステムが知られている(例えば、特許文献1、2参照)。このようなロボットシステムにおいては、例えば、かご状の箱の上方に設置された三次元計測器を用いて複数のワークの位置情報を取得し、その位置情報に基づいてワークを1つずつロボットのハンド部によって取り出している。 Conventionally, for example, a robot system has been known in which workpieces stacked in a basket-shaped box are gripped and transported by a hand portion of the robot (see, for example, Patent Documents 1 and 2). In such a robot system, for example, the position information of a plurality of workpieces is acquired by using a three-dimensional measuring instrument installed above the basket-shaped box, and the workpieces are individually loaded one by one based on the position information. It is taken out by the hand part.

特許第5642738号公報Japanese Patent No. 5642738 特許第5670397号公報Japanese Patent No. 5670397

しかしながら、上述した従来のロボットシステムにおいては、例えば、三次元計測器により計測された複数のワークの距離画像から、取り出すワークをどのように抽出するのか、並びに、どの位置のワークを取り出すのかを事前に設定しておく必要がある。また、ワークを取り出すとき、ロボットのハンド部をどのように動作させるのかといったことも事前にプログラミングしておく必要がある。具体的に、例えば、人間がティーチングペンダントを用いて、ロボットにワークの取り出し動作を教示するといったことが必要になる。 However, in the above-mentioned conventional robot system, for example, how to extract the work to be taken out from the distance images of a plurality of works measured by the three-dimensional measuring instrument and at what position the work is to be taken out are determined in advance. Must be set to. In addition, it is necessary to program in advance how to operate the hand part of the robot when taking out the work. Specifically, for example, it is necessary for a human to use a teaching pendant to teach a robot how to take out a work.

そのため、複数のワークの距離画像から、取り出すワークを抽出する設定が適切でなかったり、ロボットの動作プログラムが適切に作成されないと、ロボットがワークを取り出して運搬する際の成功率が低下する。また、その成功率を高めるには、人間が試行錯誤を重ねてロボットの最適な動作を模索しながら、ワークの検出設定とロボットの動作プログラムとを改良していく必要がある。 Therefore, if the setting for extracting the work to be taken out from the distance images of the plurality of works is not appropriate or the operation program of the robot is not properly created, the success rate when the robot takes out the work and carries it is lowered. In addition, in order to increase the success rate, it is necessary for human beings to improve the work detection setting and the robot operation program while searching for the optimum operation of the robot through trial and error.

そこで、本発明の目的は、上述したような実情に鑑み、バラ積みされた状態を含む、乱雑に置かれたワークを取り出すときのロボットの最適な動作を人間の介在無しに学習できる機械学習装置、ロボットシステムおよび機械学習方法を提供することにある。 Therefore, an object of the present invention is a machine learning device capable of learning the optimum operation of a robot when taking out works placed in a disorderly manner, including a state of being piled up in pieces, without human intervention in view of the above-mentioned actual situation. , To provide robot systems and machine learning methods.

本発明に係る第1実施形態の第一構成例によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワークからハンド部によって前記ワークを取り出すロボットの動作を学習する機械学習装置であって、前記ワーク毎の少なくとも三次元マップを計測する三次元計測器の出力データを観測する状態量観測部と、前記ハンド部によって前記ワークを取り出す前記ロボットの取り出し動作の結果を取得する動作結果取得部と、前記状態量観測部からの出力および前記動作結果取得部からの出力を受け取って、前記ワークの前記取り出し動作を学習する学習部と、を備え、前記状態量観測部は、さらに、前記三次元計測器の出力に基づいて、前記ワーク毎の三次元位置を計算する座標計算部の出力データも観測し、前記学習部は、前記動作結果取得部の出力である前記ワークの取り出しの成否の判定結果に基づいて報酬を計算する報酬計算部と、前記ワークの前記取り出し動作の価値を定める価値関数を有し、前記報酬に応じて前記価値関数を更新する価値関数更新部と、を備える機械学習装置が提供される。本発明に係る第1実施形態の第二構成例によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワークからハンド部によって前記ワークを取り出すロボットの動作を学習する機械学習装置であって、前記ワーク毎の少なくとも三次元マップを計測する三次元計測器の出力データを観測する状態量観測部と、前記ハンド部によって前記ワークを取り出す前記ロボットの取り出し動作の結果を取得する動作結果取得部と、前記状態量観測部からの出力および前記動作結果取得部からの出力を受け取って、前記ワークの前記取り出し動作を学習する学習部と、を備え、前記状態量観測部は、さらに、前記三次元計測器の出力に基づいて、前記ワーク毎の三次元位置を計算する座標計算部の出力データも観測し、前記学習部は、前記ワークの前記取り出し動作を学習する学習モデルを有し、前記動作結果取得部の出力である前記ワークの取り出しの成否の判定結果、および、前記学習モデルに基づいて誤差を計算する誤差計算部と、前記誤差に応じて前記学習モデルを更新する学習モデル更新部と、を備える機械学習装置が提供される。前記機械学習装置は、さらに、前記学習部からの出力を参照して、前記ワークの取り出し動作を前記ロボットに指令する指令データを決定する意思決定部を備えるのが好ましい。 According to the first configuration example of the first embodiment according to the present invention, a machine learning device that learns the operation of a robot that takes out the work by a hand unit from a plurality of works placed randomly, including a state in which they are stacked separately. The operation of acquiring the result of the take-out operation of the robot that takes out the work by the state quantity observation unit that observes the output data of the three-dimensional measuring instrument that measures at least the three-dimensional map for each work and the hand unit. The state quantity observation unit further includes a result acquisition unit, a learning unit that receives an output from the state quantity observation unit and an output from the operation result acquisition unit, and learns the extraction operation of the work. Based on the output of the three-dimensional measuring instrument, the output data of the coordinate calculation unit that calculates the three-dimensional position for each work is also observed, and the learning unit takes out the work which is the output of the operation result acquisition unit. A reward calculation unit that calculates a reward based on the success / failure determination result of the work, a value function update unit that has a value function that determines the value of the extraction operation of the work, and updates the value function according to the reward. A machine learning device is provided. According to the second configuration example of the first embodiment according to the present invention, a machine learning device that learns the operation of a robot that takes out the work by a hand unit from a plurality of works placed randomly, including a state in which they are stacked separately. The operation of acquiring the result of the take-out operation of the robot that takes out the work by the state quantity observing unit that observes the output data of the three-dimensional measuring instrument that measures at least the three-dimensional map for each work and the hand unit. The state quantity observation unit further includes a result acquisition unit, a learning unit that receives an output from the state quantity observation unit and an output from the operation result acquisition unit, and learns the extraction operation of the work. Based on the output of the three-dimensional measuring instrument, the output data of the coordinate calculation unit that calculates the three-dimensional position for each work is also observed, and the learning unit has a learning model for learning the extraction operation of the work. Then, the result of determining the success or failure of taking out the work, which is the output of the operation result acquisition unit, the error calculation unit that calculates the error based on the learning model, and the learning that updates the learning model according to the error. A machine learning device including a model update unit is provided. It is preferable that the machine learning device further includes a decision-making unit that determines command data for instructing the robot to take out the work by referring to the output from the learning unit.

本発明に係る第2実施形態によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワークからハンド部によって前記ワークを取り出すロボットの動作を学習する機械学習装置であって、前記ワーク毎の三次元マップを計測する三次元計測器の出力データを含む前記ロボットの状態量を観測する状態量観測部と、前記ハンド部によって前記ワークを取り出す前記ロボットの取り出し動作の結果を取得する動作結果取得部と、前記状態量観測部からの出力および前記動作結果取得部からの出力を受け取り、前記三次元計測器の計測パラメータを含む操作量を、前記ロボットの前記状態量および前記取り出し動作の結果に関連付けて学習する学習部と、を備える機械学習装置が提供される。前記機械学習装置は、さらに、前記学習部が学習した前記操作量を参照して、前記三次元計測器の前記計測パラメータを決定する意思決定部を備えるのが好ましい。 According to the second embodiment of the present invention, it is a machine learning device that learns the operation of a robot that takes out the work by a hand unit from a plurality of randomly placed works including a state in which they are stacked separately. The state quantity observing unit for observing the state quantity of the robot including the output data of the three-dimensional measuring instrument for measuring the three-dimensional map for each work, and the hand unit for taking out the work are acquired as a result of the taking-out operation of the robot. The operation amount including the measurement parameters of the three-dimensional measuring instrument, which receives the output from the operation result acquisition unit, the output from the state amount observation unit, and the output from the operation result acquisition unit, is the state amount of the robot and the extraction operation. A machine learning device including a learning unit for learning in association with the result of the above is provided. It is preferable that the machine learning device further includes a decision-making unit that determines the measurement parameters of the three-dimensional measuring instrument with reference to the operation amount learned by the learning unit.

前記状態量観測部は、さらに、前記三次元計測器の出力に基づいて、前記ワーク毎の三次元位置を計算する座標計算部の出力データを含む前記ロボットの状態量も観測することもできる。前記座標計算部は、さらに、前記ワーク毎の姿勢を計算し、計算された前記ワーク毎の三次元位置および姿勢のデータを出力してもよい。前記動作結果取得部は、前記三次元計測器の出力データを利用することができる。前記機械学習装置は、さらに、前記三次元計測器の出力データを、前記状態量観測部への入力前に処理する前処理部を備え、前記状態量観測部は、前処理部の出力データを前記ロボットの状態量として受け取るのが好ましい。前記前処理部は、前記三次元計測器の出力データにおける前記ワーク毎の方向および高さを一定に揃えることができる。前記動作結果取得部は、前記ワークの取り出しの成否、前記ワークの破損状態、および、取り出した前記ワークを後工程に渡すときの達成度のうちの少なくとも1つを取得することができる。 The state quantity observing unit can also observe the state quantity of the robot including the output data of the coordinate calculation unit that calculates the three-dimensional position for each work based on the output of the three-dimensional measuring instrument. The coordinate calculation unit may further calculate the posture of each work and output the calculated three-dimensional position and posture data of each work. The operation result acquisition unit can use the output data of the three-dimensional measuring instrument. The machine learning device further includes a preprocessing unit that processes the output data of the three-dimensional measuring instrument before inputting to the state quantity observing unit, and the state quantity observing unit processes the output data of the preprocessing unit. It is preferable to receive it as the state quantity of the robot. The preprocessing unit can make the direction and height of each work in the output data of the three-dimensional measuring instrument constant. The operation result acquisition unit can acquire at least one of the success or failure of taking out the work, the damaged state of the work, and the degree of achievement when the taken out work is passed to a subsequent process.

前記学習部は、前記動作結果取得部の出力に基づいて報酬を計算する報酬計算部と、前記ワークの前記取り出し動作の価値を定める価値関数を有し、前記報酬に応じて前記価値関数を更新する価値関数更新部と、を備えることができる。前記学習部は、前記ワークの前記取り出し動作を学習する学習モデルを有し、前記動作結果取得部の出力、および、前記学習モデルの出力に基づいて誤差を計算する誤差計算部と、前記誤差に応じて前記学習モデルを更新する学習モデル更新部と、を備えることもできる。前記機械学習装置は、ニューラルネットワークを有するのが好ましい。 The learning unit has a reward calculation unit that calculates a reward based on the output of the operation result acquisition unit, and a value function that determines the value of the extraction operation of the work, and updates the value function according to the reward. It can be provided with a value function update unit. The learning unit has a learning model that learns the extraction operation of the work, an error calculation unit that calculates an error based on the output of the operation result acquisition unit and the output of the learning model, and the error. It is also possible to provide a learning model update unit that updates the learning model accordingly. The machine learning device preferably has a neural network.

本発明に係る第3実施形態によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワークからハンド部によって前記ワークを取り出すロボットの動作を学習する機械学習装置であって、前記ワーク毎の三次元マップを計測する三次元計測器の出力データを含む前記ロボットの状態量を観測する状態量観測部と、前記ハンド部によって前記ワークを取り出す前記ロボットの取り出し動作の結果を取得する動作結果取得部と、前記状態量観測部からの出力および前記動作結果取得部からの出力を受け取り、前記ワークの前記取り出し動作を前記ロボットに指令する指令データを含む操作量を、前記ロボットの前記状態量および前記取り出し動作の結果に関連付けて学習する学習部と、を備える機械学習装置を備えたロボットシステムであって、前記ロボットと、前記三次元計測器と、前記ロボットおよび前記三次元計測器をそれぞれ制御する制御装置と、を備えるロボットシステムが提供される。 According to the third embodiment of the present invention, the machine learning device learns the operation of a robot that takes out the work by a hand unit from a plurality of randomly placed works including a state in which they are stacked separately. The state quantity observing unit for observing the state quantity of the robot including the output data of the three-dimensional measuring instrument for measuring the three-dimensional map for each work, and the hand unit for taking out the work are acquired as a result of the taking-out operation of the robot. The operation amount including the command data that receives the operation result acquisition unit, the output from the state quantity observation unit, and the output from the operation result acquisition unit, and commands the robot to take out the work, is the robot. A robot system including a machine learning device including a learning unit that learns in association with a state quantity and the result of the retrieval operation, wherein the robot, the three-dimensional measuring instrument, the robot, and the three-dimensional measuring instrument are provided. A robot system including a control device for controlling each of the above is provided.

本発明に係る第4実施形態によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワークからハンド部によって前記ワークを取り出すロボットの動作を学習する機械学習装置であって、前記ワーク毎の三次元マップを計測する三次元計測器の出力データを含む前記ロボットの状態量を観測する状態量観測部と、前記ハンド部によって前記ワークを取り出す前記ロボットの取り出し動作の結果を取得する動作結果取得部と、前記状態量観測部からの出力および前記動作結果取得部からの出力を受け取り、前記三次元計測器の計測パラメータを含む操作量を、前記ロボットの前記状態量および前記取り出し動作の結果に関連付けて学習する学習部と、を備える機械学習装置を備えたロボットシステムであって、前記ロボットと、前記三次元計測器と、前記ロボットおよび前記三次元計測器をそれぞれ制御する制御装置と、を備えるロボットシステムが提供される。 According to the fourth embodiment of the present invention, the machine learning device learns the operation of a robot that takes out the work by a hand unit from a plurality of randomly placed works including a state in which they are stacked separately. The state quantity observing unit for observing the state quantity of the robot including the output data of the three-dimensional measuring instrument for measuring the three-dimensional map for each work, and the hand unit for taking out the work are acquired as a result of the taking out operation of the robot. The operation amount including the measurement parameters of the three-dimensional measuring instrument, which receives the output from the operation result acquisition unit, the output from the state amount observation unit, and the output from the operation result acquisition unit, is the state amount of the robot and the extraction operation. A robot system including a machine learning device including a learning unit that learns in association with the result of the above, and is a control device that controls the robot, the three-dimensional measuring instrument, the robot, and the three-dimensional measuring instrument, respectively. And, a robot system is provided.

前記ロボットシステムは、複数の前記ロボットを備え、前記機械学習装置は、前記ロボット毎にそれぞれ設けられ、複数の前記ロボットに設けられた複数の前記機械学習装置は、通信媒体を介して相互にデータを共有または交換するのが好ましい。前記機械学習装置は、クラウドサーバ上に存在してもよい。 The robot system includes a plurality of the robots, the machine learning device is provided for each robot, and the plurality of machine learning devices provided on the plurality of robots mutually data via a communication medium. It is preferable to share or exchange. The machine learning device may exist on a cloud server.

本発明に係る第5実施形態によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワークからハンド部によって前記ワークを取り出すロボットの動作を学習する機械学習方法であって、前記ワーク毎の三次元マップを計測する三次元計測器の出力データを含む前記ロボットの状態量を観測し、前記ハンド部によって前記ワークを取り出す前記ロボットの取り出し動作の結果を取得し、前記状態量観測部からの出力および前記動作結果取得部からの出力を受け取り、前記ワークの前記取り出し動作を前記ロボットに指令する指令データを含む操作量を、前記ロボットの前記状態量および前記取り出し動作の結果に関連付けて学習する機械学習方法が提供される。 According to the fifth embodiment of the present invention, the machine learning method is a machine learning method for learning the operation of a robot that takes out the work by a hand unit from a plurality of randomly placed works including a state in which they are stacked separately. Observe the state quantity of the robot including the output data of the three-dimensional measuring instrument that measures the three-dimensional map for each work, acquire the result of the take-out operation of the robot that takes out the work by the hand unit, and observe the state quantity. The operation amount including the output from the unit and the output from the operation result acquisition unit and the command data for instructing the robot to take out the work is associated with the state amount of the robot and the result of the take-out operation. A machine learning method for learning is provided.

本発明に係る機械学習装置、ロボットシステムおよび機械学習方法によれば、バラ積みされた状態を含む、乱雑に置かれたワークを取り出すときのロボットの最適な動作を人間の介在無しに学習できるという効果を奏する。 According to the machine learning device, the robot system, and the machine learning method according to the present invention, it is possible to learn the optimum movement of the robot when taking out the randomly placed workpieces, including the stacked state, without human intervention. It works.

図1は、本発明の一実施形態のロボットシステムの概念的な構成を示すブロック図である。FIG. 1 is a block diagram showing a conceptual configuration of a robot system according to an embodiment of the present invention. 図2は、ニューロンのモデルを模式的に示す図である。FIG. 2 is a diagram schematically showing a model of a neuron. 図3は、図2に示すニューロンを組み合わせて構成した三層のニューラルネットワークを模式的に示す図である。FIG. 3 is a diagram schematically showing a three-layer neural network configured by combining the neurons shown in FIG. 2. 図4は、図1に示す機械学習装置の動作の一例を示すフローチャートである。FIG. 4 is a flowchart showing an example of the operation of the machine learning device shown in FIG. 図5は、本発明の他の実施形態のロボットシステムの概念的な構成を示すブロック図である。FIG. 5 is a block diagram showing a conceptual configuration of a robot system according to another embodiment of the present invention. 図6は、図5に示すロボットシステムにおける前処理部の処理の一例を説明するための図である。FIG. 6 is a diagram for explaining an example of processing of the preprocessing unit in the robot system shown in FIG. 図7は、図1に示すロボットシステムの変形例を示すブロック図である。FIG. 7 is a block diagram showing a modified example of the robot system shown in FIG.

以下、本発明に係る機械学習装置、ロボットシステムおよび機械学習方法の実施例を、添付図面を参照して詳述する。ここで、各図面において、同じ部材には同じ参照符号が付されている。また、異なる図面において同じ参照符号が付されたものは同じ機能を有する構成要素であることを意味するものとする。なお、理解を容易にするために、これらの図面は縮尺を適宜変更している。 Hereinafter, examples of the machine learning device, the robot system, and the machine learning method according to the present invention will be described in detail with reference to the accompanying drawings. Here, in each drawing, the same member is designated by the same reference numeral. Further, those having the same reference numerals in different drawings mean that they are components having the same function. The scales of these drawings have been changed as appropriate for ease of understanding.

図1は、本発明の一実施形態のロボットシステムの概念的な構成を示すブロック図である。本実施形態のロボットシステム10は、かご状の箱11にバラ積みされたワーク12を把持するハンド部13が取り付けられたロボット14と、ワーク12の表面の三次元マップを計測する三次元計測器15と、ロボット14および三次元計測器15をそれぞれ制御する制御装置16と、座標計算部19と、機械学習装置20と、を備える。 FIG. 1 is a block diagram showing a conceptual configuration of a robot system according to an embodiment of the present invention. The robot system 10 of the present embodiment is a three-dimensional measuring instrument that measures a three-dimensional map of the surface of the work 12 and the robot 14 to which the hand portion 13 that grips the work 12 that is stacked separately in the basket-shaped box 11 is attached. A control device 16 for controlling a robot 14 and a three-dimensional measuring instrument 15, a coordinate calculation unit 19, and a machine learning device 20 are provided.

ここで、機械学習装置20は、状態量観測部21と、動作結果取得部26と、学習部22と、意思決定部25と、を備える。なお、機械学習装置20は、後に詳述するように、ワーク12の取り出し動作をロボット14に指令する指令データ、或いは、三次元計測器15の計測パラメータといった操作量を学習して出力する。 Here, the machine learning device 20 includes a state quantity observation unit 21, an operation result acquisition unit 26, a learning unit 22, and a decision-making unit 25. As will be described in detail later, the machine learning device 20 learns and outputs operation amounts such as command data for instructing the robot 14 to take out the work 12 or measurement parameters of the three-dimensional measuring instrument 15.

ロボット14は、例えば、6軸多関節型ロボットであり、ロボット14およびハンド部13のそれぞれの駆動軸は、制御装置16によって制御される。また、ロボット14は、所定の位置に設置された箱11からワーク12を1つずつ取り出して指定の場所、例えば、コンベヤまたは作業台(図示しない)まで順次移動させるために使用される。 The robot 14 is, for example, a 6-axis articulated robot, and the drive axes of the robot 14 and the hand unit 13 are controlled by the control device 16. Further, the robot 14 is used to take out the works 12 one by one from the boxes 11 installed at predetermined positions and sequentially move them to a designated place, for example, a conveyor or a workbench (not shown).

ところで、バラ積みされたワーク12を箱11から取り出す際、ハンド部13またはワーク12が箱11の壁と衝突もしくは接触する場合がある。あるいは、ハンド部13またはワーク12が別のワーク12に引っかかったりする場合もある。そのような場合にロボット14に掛かる過負荷を直ちに回避できるように、ハンド部13に作用する力を検出する機能が必要となる。そのため、ロボット14のアーム部の先端とハンド部13との間には、6軸の力センサ17が設けられている。また、本実施形態のロボットシステム10は、ロボット14の各関節部の駆動軸を駆動するモータ(図示しない)の電流値をもとにハンド部13に作用する力を推定する機能も備えている。 By the way, when the work 12 stacked separately is taken out from the box 11, the hand portion 13 or the work 12 may collide with or come into contact with the wall of the box 11. Alternatively, the hand portion 13 or the work 12 may be caught by another work 12. In such a case, a function of detecting the force acting on the hand portion 13 is required so that the overload applied to the robot 14 can be immediately avoided. Therefore, a 6-axis force sensor 17 is provided between the tip of the arm portion of the robot 14 and the hand portion 13. Further, the robot system 10 of the present embodiment also has a function of estimating the force acting on the hand portion 13 based on the current value of a motor (not shown) that drives the drive shaft of each joint portion of the robot 14. ..

さらに、力センサ17は、ハンド部13に作用する力を検出できるため、ハンド部13がワーク12を実際に把持しているか否かも判断することができる。つまり、ハンド部13がワーク12を把持した場合、ハンド部13にワーク12の重さが作用するため、ワーク12の取り出し動作を実施した後、力センサ17の検出値が所定の閾値を超えていれば、ハンド部13がワーク12を把持していると判断することができる。なお、ハンド部13がワーク12を把持しているか否かの判断については、例えば、三次元計測器15に使用されるカメラの撮影データや、ハンド部13に取り付けられた図示しない光電センサ等の出力により判断することもできる。また、後述の吸着式ハンドの圧力計のデータをもとに判断してもよい。 Further, since the force sensor 17 can detect the force acting on the hand portion 13, it can also determine whether or not the hand portion 13 actually grips the work 12. That is, when the hand portion 13 grips the work 12, the weight of the work 12 acts on the hand portion 13, so that the detection value of the force sensor 17 exceeds a predetermined threshold value after the work 12 is taken out. Therefore, it can be determined that the hand portion 13 is holding the work 12. Regarding the determination of whether or not the hand unit 13 grips the work 12, for example, shooting data of a camera used for the three-dimensional measuring instrument 15, a photoelectric sensor (not shown) attached to the hand unit 13, or the like is used. It can also be judged by the output. Further, the judgment may be made based on the data of the pressure gauge of the suction type hand described later.

ここで、ハンド部13は、ワーク12を保持可能であれば様々な形態を有していてもよい。例えば、ハンド部13は、2本または複数の爪部を開閉することによってワーク12を把持する形態、あるいは、ワーク12に対して吸引力を発生する電磁石または負圧発生装置を備えたものであってもよい。すなわち、図1において、ハンド部13は、2本の爪部によりワークを把持するものとして描かれているが、これ限定されないのはいうまでもない。 Here, the hand portion 13 may have various forms as long as the work 12 can be held. For example, the hand portion 13 is provided with a form in which the work 12 is gripped by opening and closing two or a plurality of claw portions, or an electromagnet or a negative pressure generator that generates an attractive force with respect to the work 12. You may. That is, in FIG. 1, the hand portion 13 is depicted as gripping the work by two claw portions, but it goes without saying that this is not limited.

三次元計測器15は、複数のワーク12を測定するために、支持部18によって複数のワーク12の上方の所定の位置に設けられている。三次元計測器15としては、例えば、2台のカメラ(図示しない)から撮影されたワーク12の画像データを画像処理することによって、三次元位置情報を取得する三次元視覚センサを使用することができる。具体的には、三角計測法、光切断法、Time-of-flight法、Depth from Defocus法、または、これらを併用した方法などを適用することにより、三次元マップ(バラ積みされた複数のワーク12の表面の位置)が測定される。 The three-dimensional measuring instrument 15 is provided at a predetermined position above the plurality of works 12 by the support portion 18 in order to measure the plurality of works 12. As the three-dimensional measuring instrument 15, for example, a three-dimensional visual sensor that acquires three-dimensional position information by image processing the image data of the work 12 taken by two cameras (not shown) can be used. it can. Specifically, by applying the triangular measurement method, the optical cutting method, the Time-of-flight method, the Depth from Defocus method, or a method using these methods in combination, a three-dimensional map (multiple workpieces stacked separately) is applied. 12 surface positions) are measured.

座標計算部19は、三次元計測器15で得られた三次元マップを入力として、バラ積みされた複数のワーク12の表面の位置を計算(測定)する。すなわち、三次元計測器15の出力を利用して、それぞれのワーク12毎の三次元位置データ(x,y,z)、あるいは、三次元位置データ(x,y,z)および姿勢データ(w,p,r)を得ることができる。ここで、状態量観測部21は、三次元計測器15からの三次元マップおよび座標計算部19からの位置データ(姿勢データ)の両方を受け取ってロボット14の状態量を観測しているが、例えば、三次元計測器15からの三次元マップだけを受け取ってロボット14の状態量を観測することもできる。また、後に図5を参照して説明するのと同様に、前処理部50を追加し、この前処理部50により、状態量観測部21への入力前に、三次元計測器15からの三次元マップを処理(前処理)して状態量観測部21に入力することも可能である。 The coordinate calculation unit 19 calculates (measures) the positions of the surfaces of the plurality of workpieces 12 stacked separately by inputting the three-dimensional map obtained by the three-dimensional measuring instrument 15. That is, using the output of the three-dimensional measuring instrument 15, the three-dimensional position data (x, y, z) or the three-dimensional position data (x, y, z) and the posture data (w) for each work 12 are used. , P, r) can be obtained. Here, the state quantity observing unit 21 receives both the three-dimensional map from the three-dimensional measuring instrument 15 and the position data (attitude data) from the coordinate calculation unit 19, and observes the state quantity of the robot 14. For example, it is possible to receive only the three-dimensional map from the three-dimensional measuring instrument 15 and observe the state quantity of the robot 14. Further, as will be described later with reference to FIG. 5, a preprocessing unit 50 is added, and the preprocessing unit 50 causes the tertiary from the three-dimensional measuring instrument 15 before inputting to the state quantity observation unit 21. It is also possible to process (preprocess) the original map and input it to the state quantity observation unit 21.

なお、ロボット14と三次元計測器15との相関位置は、予めキャリブレーションにより決定されているものとする。また、本願発明の三次元計測器15には、三次元視覚センサに代えて、レーザ距離測定器を使用することもできる。つまり、三次元計測器15が設置された位置から各ワーク12の表面までの距離をレーザ走査によって計測することや、単眼カメラ、触覚センサなどの各種センサを用いることにより、バラ積みされた複数のワーク12の三次元位置データおよび姿勢(x,y,z,w,p,r)を取得してもよい。 It is assumed that the correlation position between the robot 14 and the three-dimensional measuring instrument 15 is determined in advance by calibration. Further, in the three-dimensional measuring instrument 15 of the present invention, a laser distance measuring instrument can be used instead of the three-dimensional visual sensor. That is, by measuring the distance from the position where the three-dimensional measuring instrument 15 is installed to the surface of each work 12 by laser scanning, or by using various sensors such as a monocular camera and a tactile sensor, a plurality of pieces are stacked separately. The three-dimensional position data and the posture (x, y, z, w, p, r) of the work 12 may be acquired.

すなわち、本発明においては、例えば、それぞれのワーク12のデータ(x,y,z,w,p,r)を取得できれば、どのような三次元計測法を適用した三次元計測器15でも適用することができる。また、三次元計測器15が設置される態様も特に限定されるものではなく、例えば、床や壁などに固定されていてもよいし、ロボット14のアーム部等に取り付けられていてもよい。 That is, in the present invention, for example, as long as the data (x, y, z, w, p, r) of each work 12 can be acquired, the three-dimensional measuring instrument 15 to which any three-dimensional measuring method is applied can be applied. be able to. Further, the mode in which the three-dimensional measuring instrument 15 is installed is not particularly limited, and may be fixed to, for example, a floor or a wall, or may be attached to an arm portion or the like of the robot 14.

三次元計測器15は、制御装置16からの指令により、箱11にバラ積みされた複数のワーク12の三次元マップを取得し、座標計算部19は、その三次元マップをもとに複数のワーク12の三次元位置(姿勢)のデータを取得(計算)し、そのデータを、制御装置16と後述する機械学習装置20の状態量観測部21および動作結果取得部26とに出力するようになっている。特に、座標計算部19においては、例えば、撮影された複数のワーク12の画像データを基に、或るワーク12と別のワーク12との境界や、ワーク12と箱11との境界が推定され、ワーク12毎の三次元位置のデータが取得される。 The three-dimensional measuring instrument 15 acquires a three-dimensional map of a plurality of works 12 separately stacked in the box 11 by a command from the control device 16, and the coordinate calculation unit 19 acquires a plurality of three-dimensional maps based on the three-dimensional map. The data of the three-dimensional position (attitude) of the work 12 is acquired (calculated), and the data is output to the control device 16 and the state quantity observation unit 21 and the operation result acquisition unit 26 of the machine learning device 20 described later. It has become. In particular, in the coordinate calculation unit 19, for example, the boundary between a certain work 12 and another work 12 and the boundary between the work 12 and the box 11 are estimated based on the image data of a plurality of captured works 12. , Data of the three-dimensional position for each work 12 is acquired.

ワーク12毎の三次元位置のデータとは、例えば、バラ積みされた複数のワーク12の表面上の複数の点の位置から各々のワーク12の存在位置や保持可能な位置を推定することによって取得されたデータを指す。勿論、ワーク12毎の三次元位置のデータには、ワーク12の姿勢のデータが含まれてもよい。 The three-dimensional position data for each work 12 is obtained, for example, by estimating the existence position and the holdable position of each work 12 from the positions of a plurality of points on the surface of the plurality of works 12 stacked separately. Refers to the data that has been created. Of course, the data of the three-dimensional position of each work 12 may include the data of the posture of the work 12.

さらに、座標計算部19におけるワーク12毎の三次元位置および姿勢データの取得には、機械学習の手法を使用することも含まれる。例えば、後述する教師あり学習等の手法を用いた入力画像もしくはレーザ距離測定器などからの物体認識や角度推定などを適用することも可能である。 Further, the acquisition of the three-dimensional position and posture data for each work 12 in the coordinate calculation unit 19 includes the use of a machine learning method. For example, it is also possible to apply object recognition or angle estimation from an input image or a laser distance measuring device using a method such as supervised learning described later.

そして、ワーク12毎の三次元位置のデータが三次元計測器15から座標計算部19を介して制御装置16に入力されると、制御装置16は、或るワーク12を箱11から取り出すハンド部13の動作を制御する。このとき、後述する機械学習装置20により得られたハンド部13の最適な位置,姿勢および取り出し方向に対応する指令値(操作量)に基づいて、ハンド部13やロボット14の各軸のモータ(図示しない)が駆動される。 Then, when the three-dimensional position data for each work 12 is input from the three-dimensional measuring instrument 15 to the control device 16 via the coordinate calculation unit 19, the control device 16 takes out a certain work 12 from the box 11. Controls the operation of 13. At this time, based on the command value (operation amount) corresponding to the optimum position, posture, and take-out direction of the hand unit 13 obtained by the machine learning device 20 described later, the motors of each axis of the hand unit 13 and the robot 14 ( (Not shown) is driven.

また、機械学習装置20は、三次元計測器15に使用されるカメラの撮影条件の変数(三次元計測器15の計測パラメータ:例えば、露出計を用いて撮影時に調整される露出時間、被撮影対象を照明する照明系の照度など)を学習し、制御装置16を介して、学習した計測パラメータ操作量に基づいて、三次元計測器15を制御することもできる。ここで、三次元計測器15が、計測した複数のワーク12の位置から各々のワーク12の存在位置・姿勢や保持可能な位置・姿勢を推定するのに使用する位置・姿勢推定条件の変数は、上述の三次元計測器15の出力データに含まれてもよい。 Further, the machine learning device 20 is a variable of shooting conditions of the camera used for the three-dimensional measuring instrument 15 (measurement parameters of the three-dimensional measuring instrument 15: for example, an exposure time adjusted at the time of shooting using an exposure meter, and a subject to be photographed. It is also possible to learn (such as the illuminance of the lighting system that illuminates the object) and control the three-dimensional measuring instrument 15 via the control device 16 based on the learned measurement parameter operation amount. Here, the variables of the position / posture estimation condition used by the three-dimensional measuring instrument 15 to estimate the existing position / posture of each work 12 and the position / posture that can be held from the measured positions of the plurality of works 12 are , May be included in the output data of the above-mentioned three-dimensional measuring instrument 15.

さらに、三次元計測器15からの出力データは、図5を参照して後に詳述する前処理部50等により、事前に処理し、その処理されたデータ(画像データ)を状態量観測部21に与えるようにすることも可能なのは前述した通りである。なお、動作結果取得部26は、例えば、三次元計測器15からの出力データ(座標計算部19の出力データ)から、ロボット14のハンド部13によりワーク12を取り出した結果を取得することができるが、それ以外に、例えば、取り出したワーク12を後工程に渡したときの達成度、並びに、取り出したワーク12の破損等の状態変化がないかどうかといった動作結果を、他の手段(例えば、後工程に設けられたカメラやセンサ等)を介して取得することもできるのはいうまでもない。以上において、状態量観測部21および動作結果取得部26は、機能的なブロックであり、1つのブロックにより両者の機能を達成するものとして捉えることもできるのは勿論である。 Further, the output data from the three-dimensional measuring instrument 15 is processed in advance by the preprocessing unit 50 or the like which will be described in detail later with reference to FIG. 5, and the processed data (image data) is processed by the state quantity observation unit 21. As mentioned above, it is also possible to give to. The operation result acquisition unit 26 can acquire, for example, the result of extracting the work 12 by the hand unit 13 of the robot 14 from the output data (output data of the coordinate calculation unit 19) from the three-dimensional measuring instrument 15. However, in addition to that, for example, the degree of achievement when the taken-out work 12 is passed to the subsequent process, and the operation result such as whether or not there is a state change such as damage of the taken-out work 12 can be obtained by other means (for example,). Needless to say, it can also be acquired via a camera, sensor, etc. provided in the subsequent process. In the above, the state quantity observation unit 21 and the operation result acquisition unit 26 are functional blocks, and it goes without saying that they can be regarded as achieving both functions by one block.

次に、図1に示される機械学習装置20について、詳述する。機械学習装置20は、装置に入力されるデータの集合から、その中にある有用な規則や知識表現、判断基準などを解析により抽出し、その判断結果を出力するとともに、知識の学習(機械学習)を行う機能を有する。機械学習の手法は様々であるが、大別すれば、例えば、「教師あり学習」、「教師なし学習」および「強化学習」に分けられる。さらに、これらの手法を実現するうえで、特徴量そのものの抽出を学習する、「深層学習(ディープラーニング:Deep Learning)」と呼ばれる手法がある。なお、これらの機械学習(機械学習装置20)は、汎用の計算機もしくはプロセッサを用いてもよいが、GPGPU(General-Purpose computing on Graphics Processing Units)や大規模PCクラスター等を適用すると、より高速に処理することが可能である。 Next, the machine learning device 20 shown in FIG. 1 will be described in detail. The machine learning device 20 extracts useful rules, knowledge representations, judgment criteria, etc. in the set of data input to the device by analysis, outputs the judgment result, and learns knowledge (machine learning). ) Has the function of performing. There are various methods of machine learning, but they can be roughly divided into, for example, "supervised learning", "unsupervised learning", and "reinforcement learning". Furthermore, in order to realize these methods, there is a method called "deep learning" that learns the extraction of the feature amount itself. Note that these machine learning (machine learning device 20) may use a general-purpose computer or processor, but if GPGPU (General-Purpose computing on Graphics Processing Units), a large-scale PC cluster, or the like is applied, the speed becomes higher. It is possible to process.

まず、教師あり学習とは、ある入力と結果(ラベル)のデータの組を大量に機械学習装置20に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル、すなわちその関係性を帰納的に獲得するものである。この教師あり学習を本実施形態に適用する場合、例えば、センサ入力からワーク位置を推定する部分、あるいはワーク候補に対してその取得成功確率を推定する部分などに用いることができる。例えば、後述のニューラルネットワークなどのアルゴリズムを用いて実現することが可能である。 First, supervised learning is a model in which a large number of sets of data of a certain input and a result (label) are given to the machine learning device 20, the features in those data sets are learned, and the result is estimated from the input. That is, the relationship is acquired in a recursive manner. When this supervised learning is applied to the present embodiment, it can be used, for example, as a part for estimating a work position from a sensor input or a part for estimating the acquisition success probability for a work candidate. For example, it can be realized by using an algorithm such as a neural network described later.

また、教師なし学習とは、入力データのみを大量に学習装置に与えることで、入力データがどのような分布をしているか学習し、対応する教師出力データを与えなくても、入力データに対して圧縮・分類・整形などを行う装置で学習する手法である。例えば、それらのデータセットにある特徴を、似た者どうしにクラスタリングすることなどができる。この結果を使って、何らかの基準を設けてそれを最適化するような出力の割り当てを行うことにより、出力の予測を実現することができる。 In unsupervised learning, a large amount of input data is given to the learning device to learn how the input data is distributed, and even if the corresponding teacher output data is not given, the input data is subjected to learning. It is a method of learning with a device that performs compression, classification, shaping, etc. For example, the features in those datasets can be clustered among similar people. Using this result, it is possible to realize the prediction of the output by assigning the output so as to set some standard and optimize it.

なお、教師なし学習と教師あり学習との中間的な問題設定として、半教師あり学習と呼ばれるものもあり、これは、例えば、一部のみ入力と出力のデータの組が存在し、それ以外は入力のみのデータである場合が対応する。本実施形態においては、実際にロボットを動かさなくても取得することができるデータ(画像データやシミュレーションのデータ等)を教師なし学習で利用することにより、学習を効率的に行うことが可能となる。 In addition, as an intermediate problem setting between unsupervised learning and supervised learning, there is also what is called semi-supervised learning, for example, there is a set of input and output data only partially, and other than that Corresponds to the case where the data is input only. In the present embodiment, learning can be performed efficiently by using data (image data, simulation data, etc.) that can be acquired without actually moving the robot in unsupervised learning. ..

次に、強化学習について、説明する。まず、強化学習の問題設定として、次のように考える。
・ロボットは、環境の状態を観測し、行動を決定する。
・環境は、何らかの規則に従って変化し、さらに、自分の行動が、環境に変化を与えることもある。
・行動するたびに、報酬信号が帰ってくる。
・最大化したいのは、将来にわたっての(割引)報酬の合計である。
・行動が引き起こす結果を全く知らない、または、不完全にしか知らない状態から学習はスタートする。すなわち、ロボットは、実際に行動して初めて、その結果をデータとして得ることができる。つまり、試行錯誤しながら最適な行動を探索する必要がある。
・人間の動作を真似るように、事前学習(前述の教師あり学習や、逆強化学習といった手法)した状態を初期状態として、良いスタート地点から学習をスタートさせることもできる。
Next, reinforcement learning will be described. First, consider the following as a problem setting for reinforcement learning.
・ The robot observes the state of the environment and decides the action.
・ The environment changes according to some rules, and my actions may change the environment.
・ Every time you act, a reward signal will be returned.
・ What we want to maximize is the total amount of (discounted) rewards in the future.
・ Learning starts from a state in which the consequences of behavior are completely unknown or incompletely known. That is, the robot can obtain the result as data only after actually acting. In other words, it is necessary to search for the optimum behavior through trial and error.
-It is also possible to start learning from a good starting point by setting the state of pre-learning (the above-mentioned supervised learning and reverse reinforcement learning) as the initial state so as to imitate human movements.

ここで、強化学習とは、判定や分類だけではなく、行動を学習することにより、環境に行動が与える相互作用を踏まえて適切な行動を学習、すなわち将来的に得られる報酬を最大にするための学習する方法を学ぶものである。このことは、本実施形態において、例えば、ワーク12の山を崩して将来的にワーク12を取り易くする、といった、未来に影響をおよぼすような行動を獲得できることを表している。以下に、例として、Q学習の場合で説明を続けるが、Q学習に限定されるものではない。 Here, reinforcement learning is not only for judgment and classification, but also for learning appropriate behavior based on the interaction that behavior gives to the environment, that is, to maximize the reward that can be obtained in the future. Learn how to learn. This means that in the present embodiment, it is possible to acquire an action that affects the future, for example, by breaking the mountain of the work 12 and making it easier to take the work 12 in the future. Hereinafter, the explanation will be continued in the case of Q-learning as an example, but the description is not limited to Q-learning.

Q学習は、或る環境状態sの下で、行動aを選択する価値Q(s,a)を学習する方法である。つまり、或る状態sのとき、価値Q(s,a)の最も高い行動aを最適な行動として選択すればよい。しかし、最初は、状態sと行動aとの組合せについて、価値Q(s,a)の正しい値は全く分かっていない。そこで、エージェント(行動主体)は、或る状態sの下で様々な行動aを選択し、その時の行動aに対して、報酬が与えられる。それにより、エージェントは、より良い行動の選択、すなわち、正しい価値Q(s,a)を学習していく。 Q-learning is a method of learning the value Q (s, a) of selecting an action a under a certain environmental state s. That is, in a certain state s, the action a having the highest value Q (s, a) may be selected as the optimum action. However, at first, the correct value of the value Q (s, a) is not known at all for the combination of the state s and the action a. Therefore, the agent (action subject) selects various actions a under a certain state s, and a reward is given to the action a at that time. As a result, the agent learns a better action choice, that is, the correct value Q (s, a).

さらに、行動の結果、将来にわたって得られる報酬の合計を最大化したいので、最終的にQ(s,a)=E[Σ(γt)rt]となるようにすることを目指す。ここでE[]は期待値を表し、tは時刻、γは後述する割引率と呼ばれるパラメータ、rtは時刻tにおける報酬、Σは時刻tによる合計である。この式における期待値は、最適な行動に従って状態変化したときについてとるものとし、それは、分かっていないので、探索しながら学習することになる。このような価値Q(s,a)の更新式は、例えば、次の式(1)により表すことができる。 The results of behavioral, we want to maximize the sum of the rewards future, finally Q (s, a) = E aims to [Σ (γ t) r t ] become so. Here E [] denotes the expected value, t is the time, parameter γ is called the discount rate to be described later, is r t compensation at time t, sigma is the sum by the time t. The expected value in this equation is taken when the state changes according to the optimum behavior, and since it is not known, it is learned while searching. Such an update formula for the value Q (s, a) can be expressed by, for example, the following formula (1).

上記の式(1)において、stは、時刻tにおける環境の状態を表し、atは、時刻tにおける行動を表す。行動atにより、状態はst+1に変化する。rt+1は、その状態の変化により得られる報酬を表している。また、maxの付いた項は、状態st+1の下で、その時に分かっている最もQ値の高い行動aを選択した場合のQ値にγを乗じたものになる。ここで、γは、0<γ≦1のパラメータで、割引率と呼ばれる。また、αは、学習係数で、0<α≦1の範囲とする。 In the above formula (1), s t represents the state of the environment at time t, a t represents the action at time t. By the action a t, the state changes to s t + 1. r t + 1 represents the reward obtained by changing the state. Further, the term with max is obtained by multiplying the Q value when the action a having the highest Q value known at that time is selected under the state st + 1 by γ. Here, γ is a parameter of 0 <γ ≦ 1 and is called a discount rate. Further, α is a learning coefficient and is in the range of 0 <α ≦ 1.

上述した式(1)は、試行atの結果、帰ってきた報酬rt+1を元に、状態stにおける行動atの評価値Q(st,at)を更新する方法を表している。すなわち、状態sにおける行動aの評価値Q(st,at)よりも、報酬rt+1と行動aによる次の状態における最良の行動max aの評価値Q(st+1,max at+1)の合計の方が大きければ、Q(st,at)を大きくし、反対に小さければ、Q(st,at)を小さくすることを示している。つまり、或る状態における或る行動の価値を、結果として即時帰ってくる報酬と、その行動による次の状態における最良の行動の価値に近付けるようにしている。 The above-mentioned formula (1) as a result of the trial a t, based on the reward r t + 1 came back, represents a method for updating the evaluation value Q of the action a t in state s t (s t, a t ) ing. In other words, the evaluation value Q (s t, a t) of the action a in the state s than, reward r t + 1 and the evaluation value Q of the best action max a in the next state by the action a (s t + 1, max if is larger of the sum of a t + 1), Q ( s t, a larger a t), is smaller in the opposite, Q (s t, has been shown to reduce the a t). That is, the value of an action in one state is brought closer to the value of the resulting immediate return of action and the best action of that action in the next state.

ここで、Q(s,a)の計算機上での表現方法は、すべての状態行動ペア(s,a)に対して、その値をテーブルとして保持しておく方法と、Q(s,a)を近似するような関数を用意する方法がある。後者の方法では、前述の式(1)は、確率勾配降下法などの手法で近似関数のパラメータを調整していくことにより、実現することができる。なお、近似関数としては、後述のニューラルネットワークを用いることができる。 Here, the expression method of Q (s, a) on the computer is a method of holding the value as a table for all the state action pairs (s, a) and Q (s, a). There is a way to prepare a function that approximates. In the latter method, the above equation (1) can be realized by adjusting the parameters of the approximate function by a method such as the stochastic gradient descent method. As the approximation function, a neural network described later can be used.

また、教師あり学習、教師なし学習の学習モデル、あるいは強化学習での価値関数の近似アルゴリズムとして、ニューラルネットワークを用いることができる。図2は、ニューロンのモデルを模式的に示す図であり、図3は、図2に示すニューロンを組み合わせて構成した三層のニューラルネットワークを模式的に示す図である。すなわち、ニューラルネットワークは、例えば、図2に示すようなニューロンのモデルを模した演算装置およびメモリ等で構成される。 In addition, a neural network can be used as a learning model for supervised learning and unsupervised learning, or as an approximation algorithm for value functions in reinforcement learning. FIG. 2 is a diagram schematically showing a model of neurons, and FIG. 3 is a diagram schematically showing a three-layer neural network configured by combining the neurons shown in FIG. 2. That is, the neural network is composed of, for example, an arithmetic unit and a memory that imitate a neuron model as shown in FIG.

図2に示されるように、ニューロンは、複数の入力x(図2では、一例として入力x1〜入力x3)に対する出力(結果)yを出力するものである。各入力x(x1,x2,x3)には、この入力xに対応する重みw(w1,w2,w3)が掛けられる。これにより、ニューロンは、次の式(2)により表現される結果yを出力する。なお、入力x、結果yおよび重みwは、すべてベクトルである。また、下記の式(2)において、θは、バイアスであり、fkは、活性化関数である。
As shown in FIG. 2, the neuron outputs an output (result) y for a plurality of inputs x (in FIG. 2, as an example, inputs x1 to inputs x3). Each input x (x1, x2, x3) is multiplied by a weight w (w1, w2, w3) corresponding to this input x. As a result, the neuron outputs the result y expressed by the following equation (2). The input x, the result y, and the weight w are all vectors. Further, in the following equation (2), θ is a bias and f k is an activation function.

図3を参照して、図2に示すニューロンを組み合わせて構成した三層のニューラルネットワークを説明する。図3に示されるように、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〜入力y3)が出力される。具体的に、入力x1,x2, 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。 A three-layer neural network constructed by combining the neurons shown in FIG. 2 will be described with reference to FIG. As shown in FIG. 3, a plurality of inputs x (here, as an example, inputs x1 to input x3) are input from the left side of the neural network, and a result y (here, as an example, results y1 to input y3) are input from the right side. ) Is output. Specifically, the inputs x1, x2, and x3 are input with corresponding weights applied to each of the three neurons N11 to N13. The weights applied to these inputs are collectively labeled W1.

ニューロンN11〜N13は、それぞれ、z11〜z13を出力する。図3において、これら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および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。 The neurons N11 to N13 output z11 to z13, respectively. In FIG. 3, these z11 to z13 are collectively referred to as a feature vector Z1, and can be regarded as a vector obtained by extracting the feature amount of the input vector. This feature vector Z1 is a feature vector between the weights W1 and W2. z11 to z13 are input with corresponding weights applied to each of the two neurons N21 and N22. The weights applied to these feature vectors are collectively labeled W2.

ニューロンN21,N22は、それぞれz21,z22を出力する。図3において、これら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。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。 Neurons N21 and N22 output z21 and z22, respectively. In FIG. 3, these z21 and z22 are collectively marked as the feature vector Z2. This feature vector Z2 is a feature vector between the weights W2 and W3. z21 and z22 are input with corresponding weights applied to each of the three neurons N31 to N33. The weights applied to these feature vectors are collectively labeled W3.

最後に、ニューロンN31〜N33は、それぞれ、結果y1〜結果y3を出力する。ニューラルネットワークの動作には、学習モードと価値予測モードとがある。例えば、学習モードにおいて、学習データセットを用いて重みWを学習し、そのパラメータを用いて予測モードにおいて、ロボットの行動判断を行う。なお、便宜上、予測と書いたが、検出・分類・推論など多様なタスクが可能なのはいうまでもない。 Finally, the neurons N31 to N33 output the result y1 to the result y3, respectively. The operation of the neural network includes a learning mode and a value prediction mode. For example, in the learning mode, the weight W is learned using the learning data set, and the behavior of the robot is determined in the prediction mode using the parameters. For convenience, I wrote it as prediction, but it goes without saying that various tasks such as detection, classification, and inference are possible.

ここで、予測モードで実際にロボット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)ことも、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)こともできる。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。 Here, the data obtained by actually moving the robot in the prediction mode is immediately learned and reflected in the next action (online learning), or the learning is summarized using the data group collected in advance. After that, the detection mode can be performed with that parameter (batch learning). Alternatively, it is also possible to insert a learning mode every time data is accumulated to some extent in the middle.

また、重みW1〜W3は、誤差逆伝搬法(誤差逆転伝播法:バックプロパゲーション:Backpropagation)により学習可能なものである。なお、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(教師)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。 Further, the weights W1 to W3 can be learned by the error back propagation method (error reverse propagation method: backpropagation). The error information enters from the right side and flows to the left side. The error back propagation method is a method of adjusting (learning) the weights of each neuron so as to reduce the difference between the output y when the input x is input and the true output y (teacher).

このようなニューラルネットワークは、三層以上に、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)。また、入力の特徴抽出を段階的に行い、結果を回帰する演算装置を、教師データのみから自動的に獲得することも可能である。 Such a neural network can have three or more layers and more layers (called deep learning). It is also possible to automatically acquire an arithmetic unit that returns the results by stepwise extracting the features of the input from only the teacher data.

そこで、本実施形態の機械学習装置20は、上述のQ学習を実施すべく、図1に示されるように、状態量観測部21、動作結果取得部26、学習部22、および、意思決定部25を備えている。ただし、本発明に適用される機械学習方法は、Q学習に限定されないのは前述した通りである。すなわち、機械学習装置で用いることが出来る手法である「教師あり学習」、「教師なし学習」、「半教師あり学習」および「強化学習」等といった様々な手法が適用可能である。なお、これらの機械学習(機械学習装置20)は、汎用の計算機もしくはプロセッサを用いてもよいが、GPGPUや大規模PCクラスター等を適用すると、より高速に処理することが可能である。 Therefore, in order to carry out the above-mentioned Q-learning, the machine learning device 20 of the present embodiment has a state quantity observation unit 21, an operation result acquisition unit 26, a learning unit 22, and a decision-making unit, as shown in FIG. It has 25. However, as described above, the machine learning method applied to the present invention is not limited to Q-learning. That is, various methods such as "supervised learning", "unsupervised learning", "semi-supervised learning", and "reinforcement learning" that can be used in machine learning devices can be applied. A general-purpose computer or processor may be used for these machine learning (machine learning device 20), but if a GPGPU, a large-scale PC cluster, or the like is applied, processing can be performed at a higher speed.

すなわち、本実施形態によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワーク12からハンド部13によってワーク12を取り出すロボット14の動作を学習する機械学習装置であって、ワーク12毎の三次元位置(x,y,z)、あるいは三次元位置と姿勢(x,y,z,w,p,r)を計測する三次元計測器15の出力データを含むロボット14の状態量を観測する状態量観測部21と、ハンド部13によってワーク12を取り出すロボット14の取り出し動作の結果を取得する動作結果取得部26と、状態量観測部21からの出力および動作結果取得部26からの出力を受け取り、ワーク12の取り出し動作をロボット14に指令する指令データを含む操作量を、ロボット14の状態量および取り出し動作の結果に関連付けて学習する学習部22と、を備える。 That is, according to the present embodiment, it is a machine learning device that learns the operation of a robot 14 that takes out a work 12 by a hand unit 13 from a plurality of randomly placed works 12 including a state in which they are stacked separately. The state of the robot 14 including the output data of the three-dimensional measuring instrument 15 for measuring the three-dimensional position (x, y, z) for each twelve or the three-dimensional position and the posture (x, y, z, w, p, r). The state quantity observation unit 21 for observing the amount, the operation result acquisition unit 26 for acquiring the result of the extraction operation of the robot 14 for extracting the work 12 by the hand unit 13, and the output and operation result acquisition unit 26 from the state quantity observation unit 21. A learning unit 22 that receives an output from the robot 14 and learns an operation amount including command data for instructing the robot 14 to take out the work 12 in association with the state amount of the robot 14 and the result of the take-out operation.

なお、状態量観測部21が観測する状態量は、例えば、或るワーク12を箱11から取り出すときのハンド部13の位置,姿勢および取り出し方向をそれぞれ設定する状態変数が含まれてもよい。また、学習される操作量は、例えば、ワーク12を箱11から取り出す際に制御装置16からロボット14やハンド部13の各駆動軸に与えられるトルク、速度、回転位置などの指令値が含まれてもよい。 The state quantity observed by the state quantity observing unit 21 may include, for example, state variables for setting the position, posture, and taking-out direction of the hand portion 13 when a certain work 12 is taken out from the box 11. Further, the learned operation amount includes, for example, command values such as torque, speed, and rotation position given to each drive shaft of the robot 14 and the hand unit 13 from the control device 16 when the work 12 is taken out from the box 11. You may.

そして、学習部22は、バラ積みされた複数のワーク12のうちの1つを取り出すとき、上記の状態変数をワーク12の取り出し動作の結果(動作結果取得部26の出力)に関連付けて学習する。つまり、制御装置16により三次元計測器15(座標計算部19)の出力データとハンド部13の指令データとをそれぞれ無作為に設定し、あるいは所定のルールに基づいて作為的に設定し、ハンド部13によるワーク12の取り出し動作を実施する。ここで、上記所定のルールとしては、例えば、バラ積みされた複数のワーク12のうち、高さ(z)方向が高いワークから順番に取り出すといったものがある。これにより、或るワークを取り出す行為に対して、三次元計測器15の出力データとハンド部13の指令データが対応する。そして、ワーク12の取り出しの成功と失敗が生じ、そのような成功と失敗が生じる都度、学習部22は、三次元計測器15の出力データとハンド部13の指令データとから構成される状態変数を評価していく。 Then, when the learning unit 22 takes out one of the plurality of works 12 stacked separately, the learning unit 22 learns by associating the above state variable with the result of the taking-out operation of the work 12 (output of the operation result acquisition unit 26). .. That is, the control device 16 randomly sets the output data of the three-dimensional measuring instrument 15 (coordinate calculation unit 19) and the command data of the hand unit 13, or randomly sets them based on a predetermined rule and hands. The work 12 is taken out by the unit 13. Here, as the above-mentioned predetermined rule, for example, among a plurality of works 12 stacked separately, the work having the highest height (z) direction is taken out in order. As a result, the output data of the three-dimensional measuring instrument 15 and the command data of the hand unit 13 correspond to the act of taking out a certain work. Then, success and failure of taking out the work 12 occur, and each time such success and failure occur, the learning unit 22 is a state variable composed of the output data of the three-dimensional measuring instrument 15 and the command data of the hand unit 13. Will be evaluated.

また、学習部22は、ワーク12を取り出すときの三次元計測器15の出力データおよびハンド部13の指令データと、ワーク12の取り出し動作の結果に対する評価とを関連付けて記憶する。なお、失敗例としては、ハンド部13がワーク12を把持できていない場合、あるいは、ワーク12を把持できたとしてもワーク12が箱11の壁と衝突もしくは接触する場合、等がある。また、このようなワーク12の取り出しの成否は、力センサ17の検出値や、三次元計測器による撮影データをもとに判断される。ここで、機械学習装置20は、例えば、制御装置16から出力されるハンド部13の指令データの一部を利用して学習を行うことも可能である。 Further, the learning unit 22 stores the output data of the three-dimensional measuring instrument 15 when the work 12 is taken out and the command data of the hand unit 13 in association with the evaluation of the result of the taking-out operation of the work 12. As an example of failure, there is a case where the hand portion 13 cannot grip the work 12, or a case where the work 12 collides with or comes into contact with the wall of the box 11 even if the work 12 can be gripped. Further, the success or failure of taking out the work 12 is determined based on the detected value of the force sensor 17 and the imaging data by the three-dimensional measuring instrument. Here, the machine learning device 20 can also perform learning by using, for example, a part of the command data of the hand unit 13 output from the control device 16.

ここで、本実施形態の学習部22は、報酬計算部23および価値関数更新部24を備えることが好ましい。例えば、報酬計算部23は、上記の状態変数に起因するワーク12の取り出しの成否に基づいて報酬、例えば、スコアを計算する。ワーク12の取り出しの成功に対しては報酬が高くなるようにし、ワーク12の取り出しの失敗に対しては報酬が低くなるようにする。また、所定の時間内にワーク12の取り出しに成功した回数に基づいて報酬を計算してもよい。さらに、この報酬を計算するとき、例えば、ハンド部13による把持に成功や、ハンド部13による運搬の成功、ワーク12の置き動作に成功、などといったワーク12の取り出しの各段階に応じて報酬を計算してもよい。 Here, the learning unit 22 of the present embodiment preferably includes a reward calculation unit 23 and a value function update unit 24. For example, the reward calculation unit 23 calculates a reward, for example, a score based on the success or failure of taking out the work 12 due to the above state variable. The reward is high for the successful removal of the work 12, and the reward is low for the failure of the removal of the work 12. Further, the reward may be calculated based on the number of times the work 12 is successfully taken out within a predetermined time. Further, when calculating this reward, for example, the reward is paid according to each stage of taking out the work 12, such as successful gripping by the hand unit 13, successful transportation by the hand unit 13, successful placement operation of the work 12. You may calculate.

そして、価値関数更新部24は、ワーク12の取り出し動作の価値を定める価値関数を有していて、上記の報酬に応じて価値関数を更新する。この価値関数の更新には、上述したような価値Q(s,a)の更新式が使用される。さらに、この更新の際、行動価値テーブルを作成することが好ましい。ここでいう行動価値テーブルとは、ワーク12を取り出した時の三次元計測器15の出力データおよびハンド部13の指令データと、その時のワーク12の取り出し結果に応じて更新された価値関数(すなわち評価値)とを互いに関連付けて記録したものをいう。 Then, the value function update unit 24 has a value function that determines the value of the retrieval operation of the work 12, and updates the value function according to the above reward. To update this value function, the update formula of value Q (s, a) as described above is used. Furthermore, it is preferable to create an action value table at the time of this update. The action value table referred to here is the output data of the three-dimensional measuring instrument 15 when the work 12 is taken out, the command data of the hand unit 13, and the value function updated according to the take-out result of the work 12 at that time (that is, the value function). Evaluation value) and recorded in association with each other.

なお、この行動価値テーブルとして、前述のニューラルネットワークを用いて近似した関数を用いることも可能であり、画像データなどのように状態sの情報量が莫大であるときは特に有効である。また、上記の価値関数は1種類に限定されない。例えば、ハンド部13によるワーク12の把持の成否を評価する価値関数や、ハンド部13によりワーク12を把持して運搬するのに要した時間(サイクルタイム)を評価する価値関数が考えられる。 As this action value table, it is also possible to use a function approximated by using the above-mentioned neural network, which is particularly effective when the amount of information of the state s is enormous such as image data. Further, the above value function is not limited to one type. For example, a value function for evaluating the success or failure of gripping the work 12 by the hand unit 13 and a value function for evaluating the time (cycle time) required for the hand unit 13 to grip and transport the work 12 can be considered.

さらに、上記の価値関数として、ワーク取り出し時の箱11とハンド部13またはワーク12との干渉を評価する価値関数を使用してもよい。この価値関数の更新に用いる報酬を計算するため、状態量観測部21は、ハンド部13に作用する力、例えば、力センサ17により検出される値を観測することが好ましい。そして、力センサ17により検出される力の変化量が所定の閾値を超える場合、上記の干渉が発生したと推定できるため、その場合の報酬を例えばマイナスの値とし、価値関数が定める価値が低くなるようにするのが好ましい。 Further, as the above value function, a value function for evaluating the interference between the box 11 and the hand unit 13 or the work 12 at the time of taking out the work may be used. In order to calculate the reward used for updating the value function, the state quantity observing unit 21 preferably observes the force acting on the hand unit 13, for example, the value detected by the force sensor 17. Then, when the amount of change in force detected by the force sensor 17 exceeds a predetermined threshold value, it can be estimated that the above interference has occurred. Therefore, the reward in that case is set to, for example, a negative value, and the value determined by the value function is low. It is preferable to be.

また、本実施形態によれば、三次元計測器15の計測パラメータを操作量として学習することも可能である。すなわち、本実施形態によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワーク12からハンド部13によってワーク12を取り出すロボット14の動作を学習する機械学習装置であって、ワーク12毎の三次元位置(x,y,z)、あるいは三次元位置と姿勢(x,y,z,w,p,r)を計測する三次元計測器15の出力データを含むロボット14の状態量を観測する状態量観測部21と、ハンド部13によってワーク12を取り出すロボット14の取り出し動作の結果を取得する動作結果取得部26と、状態量観測部21からの出力および動作結果取得部26からの出力を受け取り、三次元計測器15の計測パラメータを含む操作量を、ロボット14の状態量および取り出し動作の結果に関連付けて学習する学習部22と、を備える。 Further, according to the present embodiment, it is also possible to learn the measurement parameters of the three-dimensional measuring instrument 15 as the operation amount. That is, according to the present embodiment, it is a machine learning device that learns the operation of a robot 14 that takes out a work 12 by a hand unit 13 from a plurality of randomly placed works 12 including a state in which they are stacked separately. The state of the robot 14 including the output data of the three-dimensional measuring instrument 15 that measures the three-dimensional position (x, y, z) for each twelve or the three-dimensional position and the posture (x, y, z, w, p, r). The state quantity observation unit 21 for observing the amount, the operation result acquisition unit 26 for acquiring the result of the extraction operation of the robot 14 for extracting the work 12 by the hand unit 13, and the output and operation result acquisition unit 26 from the state quantity observation unit 21. The learning unit 22 receives the output from the device and learns the operation amount including the measurement parameters of the three-dimensional measuring instrument 15 in association with the state amount of the robot 14 and the result of the extraction operation.

さらに、本実施形態のロボットシステム10においては、ロボット14に取り付けられているハンド部13を別の形態のハンド部13に交換する自動ハンド交換装置(図示しない)が備えられていてもよい。その場合、価値関数更新部24は、形態の異なるハンド部13毎に上記の価値関数を有していて、交換後のハンド部13の価値関数を報酬に応じて更新するものであるとよい。それにより、形態の異なる複数のハンド13毎にハンド部13の最適な動作を学習できるため、価値関数のより高いハンド部13を自動ハンド交換装置に選定させることが可能となる。 Further, the robot system 10 of the present embodiment may be provided with an automatic hand exchange device (not shown) for exchanging the hand unit 13 attached to the robot 14 with the hand unit 13 of another embodiment. In that case, it is preferable that the value function updating unit 24 has the above-mentioned value function for each hand unit 13 having a different form, and updates the value function of the exchanged hand unit 13 according to the reward. As a result, the optimum operation of the hand unit 13 can be learned for each of the plurality of hands 13 having different forms, so that the hand unit 13 having a higher value function can be selected by the automatic hand exchange device.

続いて、意思決定部25は、例えば、上述したように作成した行動価値テーブルを参照して、最も高い評価値に対応する、三次元計測器15の出力データおよびハンド部13の指令データを選択することが好ましい。その後、意思決定部25は、選定したハンド部13や三次元計測器15の最適なデータを制御装置16に出力する。 Subsequently, the decision-making unit 25 selects, for example, the output data of the three-dimensional measuring instrument 15 and the command data of the hand unit 13 corresponding to the highest evaluation value by referring to the action value table created as described above. It is preferable to do so. After that, the decision-making unit 25 outputs the optimum data of the selected hand unit 13 and the three-dimensional measuring instrument 15 to the control device 16.

そして、制御装置16は、学習部22が出力するハンド部13や三次元計測器15の最適なデータを用いて、三次元計測器15およびロボット14をそれぞれ制御してワーク12を取り出す。例えば、制御装置16は、学習部22により得られたハンド部13の最適な位置,姿勢および取り出し方向をそれぞれ設定する状態変数に基づいて、ハンド部13やロボット14の各駆動軸を動作させることが好ましい。 Then, the control device 16 controls the three-dimensional measuring instrument 15 and the robot 14 by using the optimum data of the hand unit 13 and the three-dimensional measuring instrument 15 output by the learning unit 22, and takes out the work 12. For example, the control device 16 operates each drive axis of the hand unit 13 and the robot 14 based on the state variables that set the optimum position, posture, and take-out direction of the hand unit 13 obtained by the learning unit 22. Is preferable.

なお、上述した実施形態のロボットシステム10は、図1に示されるように1つのロボット14に対して1つの機械学習装置20を備えたものである。しかし、本発明においては、ロボット14および機械学習装置20の各々の数は1つに限定されない。例えば、ロボットシステム10は複数のロボット14を備えていて、1つ以上の機械学習装置20が各々のロボット14に対応して設けられていてもよい。そして、ロボットシステム10は、各ロボット14の機械学習装置20が取得した、三次元計測器15とハンド部13の最適な状態変数を、ネットワークなどの通信媒体によって共有または相互交換するのが好ましい。それにより、或るロボット14の稼働率が別のロボット14の稼働率より低くても、別のロボット14に備わる機械学習装置20が取得した最適な動作結果を或るロボット14の動作に利用することができる。また、複数のロボットでの学習モデルの共有、もしくは三次元計測器15の計測パラメータを含む操作量とロボット14の状態量および取り出し動作の結果を共有することにより、学習に掛かる時間を短縮することができる。 As shown in FIG. 1, the robot system 10 of the above-described embodiment is provided with one machine learning device 20 for one robot 14. However, in the present invention, the number of each of the robot 14 and the machine learning device 20 is not limited to one. For example, the robot system 10 may include a plurality of robots 14, and one or more machine learning devices 20 may be provided corresponding to each robot 14. Then, it is preferable that the robot system 10 shares or mutually exchanges the optimum state variables of the three-dimensional measuring instrument 15 and the hand unit 13 acquired by the machine learning device 20 of each robot 14 by a communication medium such as a network. As a result, even if the operating rate of one robot 14 is lower than the operating rate of another robot 14, the optimum operation result acquired by the machine learning device 20 provided in another robot 14 is used for the operation of the certain robot 14. be able to. In addition, the time required for learning can be shortened by sharing the learning model among a plurality of robots, or by sharing the operation amount including the measurement parameters of the three-dimensional measuring instrument 15 and the state amount of the robot 14 and the result of the extraction operation. Can be done.

さらに、機械学習装置20はロボット14内に在ってもロボット14外に在ってもよい。あるいは、機械学習装置20は、制御装置16内に在ってもよいし、クラウドサーバ(図示しない)に存在してもよい。 Further, the machine learning device 20 may be inside the robot 14 or outside the robot 14. Alternatively, the machine learning device 20 may exist in the control device 16 or in a cloud server (not shown).

また、ロボットシステム10が複数のロボット14を備える場合には、或るロボット14がハンド部13により把持したワーク12を運搬する間に、別のロボット14のハンド部にワーク12を取り出す作業を実施させることが可能である。そして、このようなワーク12を取り出すロボット14が切替る間の時間を利用して価値関数更新部24が価値関数を更新することもできる。さらに、機械学習装置20には、複数のハンドモデルの状態変数をもち、ワーク12の取り出し動作中に複数のハンドモデルでの取り出しシミュレーションを行い、その取り出しシミュレーションの結果に応じて、複数のハンドモデルの状態変数を、ワーク12の取り出し動作の結果に関連付けて学習することも可能である。 Further, when the robot system 10 includes a plurality of robots 14, the work of taking out the work 12 to the hand portion of another robot 14 is performed while the work 12 gripped by the hand portion 13 is carried by one robot 14. It is possible to make it. Then, the value function updating unit 24 can update the value function by utilizing the time between the switching of the robot 14 that takes out the work 12. Further, the machine learning device 20 has a state variable of a plurality of hand models, performs a retrieval simulation with the plurality of hand models during the retrieval operation of the work 12, and performs a retrieval simulation with the plurality of hand models according to the result of the retrieval simulation. It is also possible to learn the state variable of the above in association with the result of the extraction operation of the work 12.

なお、上述の機械学習装置20においては、ワーク12毎の三次元マップのデータを取得した際の三次元計測器15の出力データが、三次元計測器15から状態量観測部21に送信されるようになっている。そのような送信データには、異常なデータが含まれていないとは限らないので、機械学習装置20には、異常データのフィルタリング機能、すなわち三次元計測器15からのデータを状態量観測部21に入力するか否かを選択可能な機能を持たせることができる。それにより、機械学習装置20の学習部22は、三次元計測器15およびロボット14によるハンド部13の最適な動作を効率よく学習できるようになる。 In the machine learning device 20 described above, the output data of the three-dimensional measuring instrument 15 when the data of the three-dimensional map for each work 12 is acquired is transmitted from the three-dimensional measuring instrument 15 to the state quantity observation unit 21. It has become like. Since such transmitted data does not necessarily include abnormal data, the machine learning device 20 has a filtering function for abnormal data, that is, data from the three-dimensional measuring instrument 15 is stored in the state quantity observing unit 21. It is possible to have a function that can select whether or not to input to. As a result, the learning unit 22 of the machine learning device 20 can efficiently learn the optimum operation of the hand unit 13 by the three-dimensional measuring instrument 15 and the robot 14.

さらに、上述した機械学習装置20において、制御装置16には、学習部22からの出力データが入力されているが、その学習部22からの出力データにも、異常なデータが含まれていないとは限られないので、異常データのフィルタリング機能、すなわち、学習部22からのデータを制御装置16に出力するか否かを選択可能な機能を持たせてもよい。それにより、制御装置16は、ハンド部13の最適な動作をより安全にロボット14に実行させることが可能になる。 Further, in the machine learning device 20 described above, the output data from the learning unit 22 is input to the control device 16, but the output data from the learning unit 22 does not include abnormal data. Therefore, it may have a function of filtering abnormal data, that is, a function of selecting whether or not to output the data from the learning unit 22 to the control device 16. As a result, the control device 16 enables the robot 14 to more safely execute the optimum operation of the hand unit 13.

なお、上述の異常データは、次のような手順により検出し得る。すなわち、入力データの確率分布を推定し、確率分布を用いて新規の入力の発生確率を導き、発生確率が一定以下ならば、典型的な挙動から大きく外れる異常なデータと見なす、という手順により異常データを検出できる。 The above-mentioned abnormal data can be detected by the following procedure. That is, the probability distribution of the input data is estimated, the probability of occurrence of new input is derived using the probability distribution, and if the probability of occurrence is below a certain level, it is regarded as abnormal data that greatly deviates from the typical behavior. Data can be detected.

次に、本実施形態のロボットシステム10に備わる機械学習装置20の動作の一例を説明する。図4は、図1に示す機械学習装置の動作の一例を示すフローチャートである。図4に示されるように、図1に示す機械学習装置20において、学習動作(学習処理)が開始すると、三次元計測器15により三次元計測を実施して出力する(図4のステップS11)。すなわち、ステップS11において、例えば、バラ積みされた状態を含む、乱雑に置かれたワーク12毎の三次元マップ(三次元計測器15の出力データ)を取得して状態量観測部21に出力するとともに、座標計算部19によりワーク12毎の三次元マップを受け取ってワーク12毎の三次元位置(x,y,z)を計算して状態量観測部21,動作結果取得部26および制御装置16に出力する。ここで、座標計算部19は、三次元計測器15の出力からワーク12毎の姿勢(w,p,r)を計算して出力してもよい。 Next, an example of the operation of the machine learning device 20 provided in the robot system 10 of the present embodiment will be described. FIG. 4 is a flowchart showing an example of the operation of the machine learning device shown in FIG. As shown in FIG. 4, when the learning operation (learning process) starts in the machine learning device 20 shown in FIG. 1, the three-dimensional measuring instrument 15 performs and outputs three-dimensional measurement (step S11 in FIG. 4). .. That is, in step S11, for example, a three-dimensional map (output data of the three-dimensional measuring instrument 15) for each of the randomly placed works 12 including the separately stacked states is acquired and output to the state quantity observation unit 21. At the same time, the coordinate calculation unit 19 receives the three-dimensional map for each work 12, calculates the three-dimensional position (x, y, z) for each work 12, and calculates the state quantity observation unit 21, the operation result acquisition unit 26, and the control device 16. Output to. Here, the coordinate calculation unit 19 may calculate and output the posture (w, p, r) for each work 12 from the output of the three-dimensional measuring instrument 15.

なお、図5を参照して説明するように、三次元計測器15の出力(三次元マップ)は、状態量観測部21へ入力される前に処理する前処理部50を介して状態量観測部21に入力されてもよい。また、図7を参照して説明するように、三次元計測器15の出力だけが状態量観測部21に入力されてもよく、さらに、三次元計測器15の出力だけが前処理部50を介して状態量観測部21に入力されてもよい。このように、ステップS11における三次元計測の実施および出力は、様々なものを含むことが可能である。 As will be described with reference to FIG. 5, the output (three-dimensional map) of the three-dimensional measuring instrument 15 is state quantity observation via the preprocessing unit 50 that is processed before being input to the state quantity observation unit 21. It may be input to the unit 21. Further, as described with reference to FIG. 7, only the output of the three-dimensional measuring instrument 15 may be input to the state quantity observing unit 21, and further, only the output of the three-dimensional measuring instrument 15 may input the preprocessing unit 50. It may be input to the state quantity observation unit 21 via. As described above, the execution and output of the three-dimensional measurement in step S11 can include various things.

具体的に、図1の場合には、状態量観測部21は、三次元計測器15からのワーク12毎の三次元マップ、ならびに、座標計算部19からのワーク12毎の三次元位置(x,y,z)および姿勢(w,p,r)といった状態量(三次元計測器15の出力データ)を観測する。なお、動作結果取得部26は、三次元計測器15の出力データ(座標計算部19の出力データ)により、ハンド部13によってワーク12を取り出すロボット14の取り出し動作の結果を取得する。なお、動作結果取得部26は、三次元計測器の出力データ以外に、例えば、取り出したワーク12を後工程に渡したときの達成度や取り出したワーク12の破損といった取り出し動作の結果も取得することができる。 Specifically, in the case of FIG. 1, the state quantity observation unit 21 has a three-dimensional map for each work 12 from the three-dimensional measuring instrument 15, and a three-dimensional position (x) for each work 12 from the coordinate calculation unit 19. , Y, z) and state quantities (output data of the three-dimensional measuring instrument 15) such as the posture (w, p, r) are observed. The operation result acquisition unit 26 acquires the result of the extraction operation of the robot 14 that extracts the work 12 by the hand unit 13 from the output data of the three-dimensional measuring instrument 15 (output data of the coordinate calculation unit 19). In addition to the output data of the three-dimensional measuring instrument, the operation result acquisition unit 26 also acquires the result of the extraction operation such as the degree of achievement when the extracted work 12 is passed to the subsequent process and the damage of the extracted work 12. be able to.

さらに、例えば、機械学習装置20により、三次元計測器15の出力データをもとに最適な動作を決定し(図4のステップS12)、また、制御装置16は、ハンド部13(ロボット14)の指令データ(操作量)を出力して、ワーク12の取り出し動作を実施する(図4のステップS13)。そして、ワークの取り出し結果は、上述した動作結果取得部26により取得される(図4のステップS14)。 Further, for example, the machine learning device 20 determines the optimum operation based on the output data of the three-dimensional measuring instrument 15 (step S12 in FIG. 4), and the control device 16 is the hand unit 13 (robot 14). The command data (operation amount) of the above is output, and the work 12 is taken out (step S13 in FIG. 4). Then, the work extraction result is acquired by the operation result acquisition unit 26 described above (step S14 in FIG. 4).

次に、動作結果取得部26からの出力により、ワーク12の取り出しの成否を判定し(図4のステップS15)、ワーク12の取り出しに成功した場合は、プラスの報酬を設定し(図4のステップS16)、ワーク12の取り出しに失敗した場合は、マイナスの報酬を設定し(図4のステップS17)、そして、行動価値テーブル(価値関数)を更新する(図4のステップS18)。 Next, the success or failure of taking out the work 12 is determined from the output from the operation result acquisition unit 26 (step S15 in FIG. 4), and if the work 12 is taken out successfully, a positive reward is set (in FIG. 4). In step S16), if the extraction of the work 12 fails, a negative reward is set (step S17 in FIG. 4), and the action value table (value function) is updated (step S18 in FIG. 4).

ここで、ワーク12の取り出しの成否判定は、例えば、ワーク12の取り出し動作の後の三次元計測器15の出力データに基づいてことができる。また、ワーク12の取り出しの成否判定は、ワーク12の取り出しの成否を評価したものに限定されず、例えば、取り出したワーク12を後工程に渡したときの達成度、取り出したワーク12の破損等の状態変化がないかどうか、あるいは、ハンド部13によりワーク12を把持して運搬するのに要した時間(サイクルタイム)やエネルギー(電力量)などを評価したものであってもよい。 Here, the success / failure determination of the removal of the work 12 can be made based on, for example, the output data of the three-dimensional measuring instrument 15 after the removal operation of the work 12. Further, the success / failure determination of the removal of the work 12 is not limited to the evaluation of the success / failure of the removal of the work 12, for example, the degree of achievement when the removed work 12 is passed to the subsequent process, the damage of the removed work 12 and the like. It may be evaluated whether or not there is a change in the state of the work 12 or the time (cycle time) and energy (electric energy) required to grip and transport the work 12 by the hand unit 13.

なお、ワーク12の取り出しの成否判定に基づいた報酬の値の計算は、報酬計算部23により行われ、また、行動価値テーブルの更新は、価値関数更新部24により行われる。すなわち、学習部22は、ワーク12の取り出しに成功したときは、前述した価値Q(s,a)の更新式における報酬にプラスの報酬を設定し(S16)、また、ワーク12の取り出しに失敗したときは、その更新式における報酬にマイナスの報酬を設定する(S17)。そして、学習部22は、ワーク12の取り出しの都度、前述した行動価値テーブルの更新を行う(S18)。以上のステップS11〜S18を繰返すことにより、学習部22は、行動価値テーブルの更新を継続(学習)することになる。 The reward calculation unit 23 calculates the reward value based on the success / failure determination of the retrieval of the work 12, and the value function update unit 24 updates the action value table. That is, when the learning unit 22 succeeds in taking out the work 12, it sets a positive reward to the reward in the above-mentioned update formula of the value Q (s, a) (S16), and fails to take out the work 12. If so, a negative reward is set for the reward in the renewal formula (S17). Then, the learning unit 22 updates the above-mentioned action value table each time the work 12 is taken out (S18). By repeating the above steps S11 to S18, the learning unit 22 continues (learns) to update the action value table.

以上において、状態量観測部21に入力されるデータは、三次元計測器15の出力データに限定されず、例えば、他のセンサの出力等のデータが含まれてもよく、さらに、制御装置16からの指令データの一部を利用することも可能である。このようにして、制御装置16は、機械学習装置20から出力された指令データ(操作量)を使って、ワーク12の取り出し動作をロボット14に実行させる。なお、機械学習装置20による学習は、ワーク12の取り出し動作に限定されるものではなく、例えば、三次元計測器15の計測パラメータであってもよいのは前述した通りである。 In the above, the data input to the state quantity observation unit 21 is not limited to the output data of the three-dimensional measuring instrument 15, and may include, for example, data such as the output of another sensor, and further, the control device 16 It is also possible to use a part of the command data from. In this way, the control device 16 causes the robot 14 to execute the take-out operation of the work 12 by using the command data (operation amount) output from the machine learning device 20. The learning by the machine learning device 20 is not limited to the extraction operation of the work 12, and may be, for example, the measurement parameter of the three-dimensional measuring instrument 15 as described above.

以上のように、本実施形態の機械学習装置20を備えたロボットシステム10によれば、バラ積みされた状態を含む、乱雑に置かれた複数のワーク12からハンド部13によってワーク12を取り出すロボット14の動作を学習することができる。これにより、ロボットシステム10は、バラ積みされたワーク12を取り出すロボット14の最適な動作の選択を人間の介在無しに学習することが可能になる。 As described above, according to the robot system 10 provided with the machine learning device 20 of the present embodiment, the robot that takes out the work 12 by the hand unit 13 from a plurality of randomly placed works 12 including the state of being stacked separately. 14 movements can be learned. As a result, the robot system 10 can learn the selection of the optimum operation of the robot 14 for taking out the work 12 stacked in pieces without human intervention.

図5は、本発明の他の実施形態のロボットシステムの概念的な構成を示すブロック図であり、教師あり学習を適用したロボットシステムを示すものである。図5と、前述した図1の比較から明らかなように、図5に示す教師あり学習を適用したロボットシステム10’は、図1に示すQ学習(強化学習)を適用したロボットシステム10に対して、さらに、結果(ラベル)付きデータ記録部40を備える。なお、図5に示すロボットシステム10’は、さらに、三次元計測器15の出力データを前処理する前処理部50を備える。なお、前処理部50は、例えば、図1に示すロボットシステム10に対しても設けることができるのはいうまでもない。 FIG. 5 is a block diagram showing a conceptual configuration of a robot system according to another embodiment of the present invention, and shows a robot system to which supervised learning is applied. As is clear from the comparison between FIG. 5 and FIG. 1 described above, the robot system 10'applied with supervised learning shown in FIG. 5 is relative to the robot system 10 to which Q learning (reinforcement learning) shown in FIG. 1 is applied. Further, a data recording unit 40 with a result (label) is provided. The robot system 10'shown in FIG. 5 further includes a preprocessing unit 50 that preprocesses the output data of the three-dimensional measuring instrument 15. Needless to say, the preprocessing unit 50 can also be provided for the robot system 10 shown in FIG. 1, for example.

図5に示されるように、教師あり学習を適用したロボットシステム10’における機械学習装置30は、状態量観測部31と、動作結果取得部36と、学習部32と、意思決定部35と、を備える。学習部32は、誤差計算部33と、学習モデル更新部34と、を含む。なお、本実施形態のロボットシステム10’においても、機械学習装置30は、ワーク12の取り出し動作をロボット14に指令する指令データ、或いは、三次元計測器15の計測パラメータといった操作量を学習して出力する。 As shown in FIG. 5, the machine learning device 30 in the robot system 10'applied with supervised learning includes a state quantity observation unit 31, an operation result acquisition unit 36, a learning unit 32, a decision-making unit 35, and the like. To be equipped. The learning unit 32 includes an error calculation unit 33 and a learning model update unit 34. Also in the robot system 10'of the present embodiment, the machine learning device 30 learns the operation amount such as the command data for instructing the robot 14 to take out the work 12 or the measurement parameters of the three-dimensional measuring instrument 15. Output.

すなわち、図5に示す教師あり学習を適用したロボットシステム10’において、誤差計算部33および学習モデル更新部34は、それぞれ、図1に示すQ学習を適用したロボットシステム10における報酬計算部23および価値関数更新部24に対応する。なお、他の構成、例えば、三次元計測器15,制御装置16およびロボット14等の構成は、前述した図1と同様であり、その説明は省略する。 That is, in the robot system 10'to which the supervised learning shown in FIG. 5 is applied, the error calculation unit 33 and the learning model update unit 34 are the reward calculation unit 23 and the reward calculation unit 23 in the robot system 10 to which the Q learning shown in FIG. Corresponds to the value function update unit 24. The other configurations, for example, the configurations of the three-dimensional measuring instrument 15, the control device 16, the robot 14, and the like are the same as those in FIG. 1, and the description thereof will be omitted.

動作結果取得部36から出力される結果(ラベル)と学習部に実装されている学習モデルの出力との誤差が誤差計算部33で計算される。ここで、結果(ラベル)付きデータ記録部40は、例えば、ワーク12の形状やロボット14による処理が同一の場合にはロボット14に作業を行わせる所定日の前日までに得られた結果(ラベル)付きデータを保持し、その所定日に、結果(ラベル)付きデータ記録部40に保持された結果(ラベル)付きデータを誤差計算部33に提供することができる。あるいは、ロボットシステム10’の外部で行われたシミュレーション等により得られたデータ、または、他のロボットシステムの結果(ラベル)付きデータを、メモリカードや通信回線により、そのロボットシステム10’の誤差計算部33に提供することも可能である。さらに、結果(ラベル)付きデータ記録部40をフラッシュメモリ(Flash Memory)等の不揮発性メモリで構成し、結果(ラベル)付きデータ記録部(不揮発性メモリ)40を学習部32に内蔵し、その結果(ラベル)付きデータ記録部40に保持された結果(ラベル)付きデータを、そのまま学習部32で使用することもできる。 The error calculation unit 33 calculates the error between the result (label) output from the operation result acquisition unit 36 and the output of the learning model implemented in the learning unit. Here, the data recording unit 40 with a result (label) is obtained, for example, by the day before a predetermined day when the robot 14 is made to perform the work when the shape of the work 12 and the processing by the robot 14 are the same. ) Is held, and the result (labeled) data held in the result (labeled) data recording unit 40 can be provided to the error calculation unit 33 on the predetermined day. Alternatively, data obtained by a simulation or the like performed outside the robot system 10'or data with a result (label) of another robot system is calculated by using a memory card or a communication line to calculate the error of the robot system 10'. It is also possible to provide to the unit 33. Further, the data recording unit 40 with a result (label) is composed of a non-volatile memory such as a flash memory (Flash Memory), and the data recording unit (non-volatile memory) 40 with a result (label) is built in the learning unit 32. The data with the result (label) held in the data recording unit 40 with the result (label) can be used as it is in the learning unit 32.

図6は、図5に示すロボットシステムにおける前処理部の処理の一例を説明するための図であり、図6(a)は、箱11にバラ積みされた複数のワーク12の三次元位置(姿勢)のデータ、すなわち、三次元計測器15の出力データの一例を示し、図6(b)〜図6(d)は、図6(a)におけるワーク121〜123に対して前処理を行った後の画像データの例を示す。 FIG. 6 is a diagram for explaining an example of processing of the preprocessing unit in the robot system shown in FIG. 5, and FIG. 6A shows three-dimensional positions of a plurality of works 12 separately stacked in the box 11 (FIG. 6). An example of the data of the posture), that is, the output data of the three-dimensional measuring instrument 15, is shown, and FIGS. 6 (b) to 6 (d) perform preprocessing on the workpieces 121 to 123 in FIG. 6 (a). An example of the image data after this is shown.

ここで、ワーク12(121〜123)としては、円柱形状の金属部品を想定し、ハンド(13)としては、2本の爪部でワークを把持するのではなく、例えば、円柱形状のワーク12の長手中央部分を負圧で吸い取る吸着パッドを想定している。そのため、例えば、ワーク12の長手中央部分の位置が分かれば、その位置に対して吸着パッド(13)を移動させて吸着することにより、ワーク12を取り出すことができるようになっている。また、図6(a)〜図6(d)における数値は、[mm]で表され、それぞれx方向,y方向,z方向を示す。なお、z方向は、複数のワーク12がバラ積みされた箱11を、上方に設けられた三次元計測器15(例えば、2つのカメラを有する)により撮像した画像データの高さ(深さ)方向に対応する。 Here, the work 12 (121 to 123) is assumed to be a cylindrical metal part, and the hand (13) is not gripped by two claws, but is, for example, a cylindrical work 12 It is assumed that the suction pad absorbs the central part of the length of the cylinder with negative pressure. Therefore, for example, if the position of the longitudinal central portion of the work 12 is known, the work 12 can be taken out by moving the suction pad (13) with respect to the position and sucking the work 12. The numerical values in FIGS. 6 (a) to 6 (d) are represented by [mm] and indicate the x direction, the y direction, and the z direction, respectively. In the z direction, the height (depth) of image data obtained by capturing a box 11 in which a plurality of works 12 are stacked separately by a three-dimensional measuring instrument 15 (for example, having two cameras) provided above. Corresponds to the direction.

図6(a)と、図6(b)〜図6(d)の比較から明らかなように、図5に示すロボットシステム10’における前処理部50の処理の一例としては、三次元計測器15の出力データ(三次元画像)から、注目するワーク12(例えば、3つのワーク121〜123)を、回転させると共に、中心の高さが『0』となるように処理するものである。 As is clear from the comparison between FIGS. 6 (a) and 6 (b) to 6 (d), as an example of the processing of the preprocessing unit 50 in the robot system 10'shown in FIG. 5, a three-dimensional measuring instrument is used. From the output data (three-dimensional image) of 15, the work 12 (for example, three works 121 to 123) of interest is rotated and processed so that the height of the center becomes “0”.

すなわち、三次元計測器15の出力データには、例えば、それぞれのワーク12の長手中央部分の三次元位置(x,y,z)および姿勢(w,p,r)の情報が含まれている。このとき、図6(b),図6(c)および図6(d)に示されるように、注目する3つのワーク121,122,123は、それぞれ−rだけ回転させると共に、zだけ減算して、全て同じ条件に揃えるようになっている。このような前処理を行うことにより、機械学習装置30の負荷を低減することが可能になる。 That is, the output data of the three-dimensional measuring instrument 15 includes, for example, information on the three-dimensional position (x, y, z) and posture (w, p, r) of the longitudinal central portion of each work 12. .. At this time, as shown in FIGS. 6 (b), 6 (c) and 6 (d), the three workpieces 121, 122 and 123 of interest are rotated by −r and subtracted by z, respectively. All of them are designed to meet the same conditions. By performing such preprocessing, it becomes possible to reduce the load on the machine learning device 30.

ここで、図6(a)に示す三次元画も、三次元計測器15の出力データそのものではなく、例えば、以前より実施しているワーク12の取り出し順を規定するプログラムにより得られた画像から、選択するためのしきい値を低くしたものとなっており、この処理自体も前処理部50で行うこともできる。なお、このような前処理部50による処理としては、ワーク12の形状およびハンド13の種類等を始めとしてさまざまな条件により様々に変化し得るのはいうまでもない。 Here, the three-dimensional image shown in FIG. 6A is not the output data of the three-dimensional measuring instrument 15 itself, but from, for example, an image obtained by a program that defines the extraction order of the work 12 that has been carried out from before. , The threshold value for selection is lowered, and this process itself can also be performed by the preprocessing unit 50. Needless to say, the processing by the pretreatment unit 50 can be variously changed depending on various conditions such as the shape of the work 12 and the type of the hand 13.

このように、前処理部50により、状態量観測部31への入力前に処理を行った三次元計測器15の出力データ(ワーク12毎の三次元マップ)は、状態量観測部31に入力されることになる。再び、図5を参照して、動作結果取得部36から出力される結果(ラベル)を受け取る誤差計算部33は、例えば、学習モデルとして図3に示すニューラルネットワークの出力をyとしたとき、実際にワーク12の取り出し動作を行って成功していたときは−log(y)の誤差、失敗していたときは−log(1−y)の誤差があるとみなし、この誤差を最小化することを目標として処理を行う。なお、図3に示すニューラルネットワークの入力としては、例えば、図6(b)〜図6(d)に示されるような前処理を行った後の注目するワーク121〜123の画像データ、並びに、それら注目するワーク121〜123毎の三次元位置および姿勢(x,y,z,w,p,r)のデータを与えることになる。 In this way, the output data (three-dimensional map for each work 12) of the three-dimensional measuring instrument 15 processed by the preprocessing unit 50 before being input to the state quantity observation unit 31 is input to the state quantity observation unit 31. Will be done. Again, referring to FIG. 5, the error calculation unit 33 that receives the result (label) output from the operation result acquisition unit 36 actually, for example, when the output of the neural network shown in FIG. 3 as a learning model is y. When the work 12 is taken out and succeeded, it is considered that there is an error of -log (y), and when it fails, it is considered that there is an error of -log (1-y), and this error should be minimized. Process with the goal of. The input of the neural network shown in FIG. 3 includes, for example, the image data of the works 121 to 123 of interest after performing the preprocessing as shown in FIGS. 6 (b) to 6 (d), and The data of the three-dimensional position and the posture (x, y, z, w, p, r) for each of the works 121 to 123 of interest will be given.

図7は、図1に示すロボットシステムの変形例を示すブロック図である。図7と、図1の比較から明らかなように、図7に示すロボットシステム10の変形例において、座標計算部19は削除され、状態量観測部21は、三次元計測器15からの三次元マップだけを受け取ってロボット14の状態量を観測するようになっている。なお、制御装置16に対して、座標計算部19に対応する構成を設けることができるのはいうまでもない。また、この図7に示す構成は、例えば、図5を参照して説明した教師あり学習を適用したロボットシステム10’に対しても適用することができる。すなわち、図5に示すロボットシステム10’において、前処理部50を削除し、状態量観測部31が三次元計測器15からの三次元マップだけを受け取ってロボット14の状態量を観測することも可能である。このように、上述した各実施例は、様々な変更および変形することが可能である。 FIG. 7 is a block diagram showing a modified example of the robot system shown in FIG. As is clear from the comparison between FIG. 7 and FIG. 1, in the modified example of the robot system 10 shown in FIG. 7, the coordinate calculation unit 19 is deleted, and the state quantity observation unit 21 is three-dimensional from the three-dimensional measuring instrument 15. Only the map is received and the state quantity of the robot 14 is observed. Needless to say, the control device 16 can be provided with a configuration corresponding to the coordinate calculation unit 19. Further, the configuration shown in FIG. 7 can be applied to, for example, the robot system 10'to which the supervised learning described with reference to FIG. 5 is applied. That is, in the robot system 10'shown in FIG. 5, the preprocessing unit 50 may be deleted, and the state quantity observing unit 31 may receive only the three-dimensional map from the three-dimensional measuring instrument 15 and observe the state quantity of the robot 14. It is possible. Thus, each of the above embodiments can be modified and modified in various ways.

以上、詳述したように、本実施形態によれば、バラ積みされた状態を含む、乱雑に置かれたワークを取り出すときのロボットの最適な動作を人間の介在無しに学習できる機械学習装置、ロボットシステムおよび機械学習方法を提供することが可能になる。なお、本発明における機械学習装置20,30としては、強化学習(例えば、Q学習)または教師あり学習を適用したものに限定されず、様々な機械学習のアルゴリズムを適用することが可能である。 As described in detail above, according to the present embodiment, a machine learning device capable of learning the optimum operation of a robot when taking out works placed in a disorderly manner, including a state in which they are stacked separately, without human intervention. It will be possible to provide robot systems and machine learning methods. The machine learning devices 20 and 30 in the present invention are not limited to those to which reinforcement learning (for example, Q-learning) or supervised learning is applied, and various machine learning algorithms can be applied.

以上、実施形態を説明したが、ここに記載したすべての例や条件は、発明および技術に適用する発明の概念の理解を助ける目的で記載されたものであり、特に記載された例や条件は発明の範囲を制限することを意図するものではない。また、明細書のそのような記載は、発明の利点および欠点を示すものでもない。発明の実施形態を詳細に記載したが、各種の変更、置き換え、変形が発明の精神および範囲を逸脱することなく行えることが理解されるべきである。 Although the embodiments have been described above, all the examples and conditions described here are described for the purpose of assisting the understanding of the concept of the invention applied to the invention and the technology, and the examples and conditions described in particular are described. It is not intended to limit the scope of the invention. Nor does such description in the specification indicate the advantages and disadvantages of the invention. Although embodiments of the invention have been described in detail, it should be understood that various modifications, replacements and modifications can be made without departing from the spirit and scope of the invention.

10,10’ ロボットシステム
11 箱
12 ワーク
13 ハンド部
14 ロボット
15 三次元計測器
16 制御装置
17 力センサ
18 支持部
19 座標計算部
20,30 機械学習装置
21,31 状態量観測部
22,32 学習部
23 報酬計算部
24 価値関数更新部
25,35 意思決定部
26,36 動作結果取得部
33 誤差計算部
34 学習モデル更新部
40 結果(ラベル)付きデータ記録部
50 前処理部
10, 10'Robot system 11 Box 12 Work 13 Hand part 14 Robot 15 Three-dimensional measuring instrument 16 Control device 17 Force sensor 18 Support part 19 Coordinate calculation part 20, 30 Machine learning device 21, 31 State quantity observation unit 22, 32 Learning Part 23 Reward calculation part 24 Value function update part 25,35 Decision part 26,36 Operation result acquisition part 33 Error calculation part 34 Learning model update part 40 Data recording part with result (label) 50 Preprocessing part

Claims (19)

バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習装置であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データを観測する状態量観測部(21,31)と、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得する動作結果取得部(26,36)と、
前記状態量観測部(21,31)からの出力および前記動作結果取得部(26,36)からの出力を受け取って、前記ワーク(12)の前記取り出し動作を学習する学習部(22,32)と、を備え、
前記状態量観測部(21,31)は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算する座標計算部(19)の出力データも観測し、
前記学習部(22)は、
前記動作結果取得部(26)の出力である前記ワークの取り出しの成否の判定結果に基づいて報酬を計算する報酬計算部(23)と、
前記ワーク(12)の前記取り出し動作の価値を定める価値関数を有し、前記報酬に応じて前記価値関数を更新する価値関数更新部(24)と、を備える、
ことを特徴とする機械学習装置。
It is a machine learning device that learns the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
The state quantity observing unit (21, 31) for observing the output data of the three-dimensional measuring instrument (15) for measuring at least the three-dimensional map for each work (12).
The operation result acquisition unit (26, 36) for acquiring the result of the extraction operation of the robot (14) for extracting the work (12) by the hand unit (13), and
The learning unit (22, 32) that receives the output from the state quantity observation unit (21, 31) and the output from the operation result acquisition unit (26, 36) and learns the extraction operation of the work (12). And with
The state quantity observation unit (21, 31) further outputs data of the coordinate calculation unit (19) that calculates a three-dimensional position for each work (12) based on the output of the three-dimensional measuring instrument (15). Also observed,
The learning unit (22)
A reward calculation unit (23) that calculates a reward based on a determination result of success or failure of taking out the work, which is an output of the operation result acquisition unit (26).
It has a value function that determines the value of the retrieval operation of the work (12), and includes a value function update unit (24) that updates the value function according to the reward.
A machine learning device characterized by that.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習装置であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データを観測する状態量観測部(21,31)と、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得する動作結果取得部(26,36)と、
前記状態量観測部(21,31)からの出力および前記動作結果取得部(26,36)からの出力を受け取って前記ワーク(12)の前記取り出し動作を学習する学習部(22,32)と、を備え、
前記状態量観測部(21,31)は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算する座標計算部(19)の出力データも観測し、
前記学習部(32)は、前記ワーク(12)の前記取り出し動作を学習する学習モデルを有し、
前記動作結果取得部(26)の出力である前記ワークの取り出しの成否の判定結果、および、前記学習モデルに基づいて誤差を計算する誤差計算部(33)と、
前記誤差に応じて前記学習モデルを更新する学習モデル更新部(34)と、を備える、
ことを特徴とする機械学習装置。
It is a machine learning device that learns the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
The state quantity observing unit (21, 31) for observing the output data of the three-dimensional measuring instrument (15) for measuring at least the three-dimensional map for each work (12).
The operation result acquisition unit (26, 36) for acquiring the result of the extraction operation of the robot (14) for extracting the work (12) by the hand unit (13), and
With the learning unit (22, 32) that receives the output from the state quantity observation unit (21, 31) and the output from the operation result acquisition unit (26, 36) and learns the extraction operation of the work (12). With,
The state quantity observation unit (21, 31) further outputs data of the coordinate calculation unit (19) that calculates a three-dimensional position for each work (12) based on the output of the three-dimensional measuring instrument (15). Also observed,
The learning unit (32) has a learning model for learning the extraction operation of the work (12).
An error calculation unit (33) that calculates an error based on the result of determining the success or failure of taking out the work, which is the output of the operation result acquisition unit (26), and the learning model.
A learning model update unit (34) that updates the learning model according to the error is provided.
A machine learning device characterized by that.
さらに、
前記学習部(22,32)からの出力を参照して、前記ワーク(12)の取り出し動作を前記ロボット(14)に指令する指令データを決定する意思決定部(25,35)を備える、
ことを特徴とする請求項1または請求項2に記載の機械学習装置。
further,
A decision-making unit (25, 35) for determining command data for instructing the robot (14) to take out the work (12) with reference to the output from the learning unit (22, 32) is provided.
The machine learning apparatus according to claim 1 or 2.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習装置であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データ、および、前記三次元計測器(15)の計測パラメータを観測する状態量観測部(21,31)と、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得する動作結果取得部(26,36)と、
前記状態量観測部(21,31)からの出力および前記動作結果取得部(26,36)からの出力を受け取って、前記ワーク(12)の前記取り出し動作を学習する学習部(22,32)と、を備え、
前記状態量観測部(21,31)は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算する座標計算部(19)の出力データも観測し、
前記学習部(22)は、
前記動作結果取得部(26)の出力である前記ワークの取り出しの成否の判定結果に基づいて報酬を計算する報酬計算部(23)と、
前記ワーク(12)の前記取り出し動作の価値を定める価値関数を有し、前記報酬に応じて前記価値関数を更新する価値関数更新部(24)と、を備える、
ことを特徴とする機械学習装置。
It is a machine learning device that learns the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
State quantity observation units (21, 31) that observe the output data of the three-dimensional measuring instrument (15) that measures at least the three-dimensional map for each work (12) and the measurement parameters of the three-dimensional measuring instrument (15). When,
The operation result acquisition unit (26, 36) for acquiring the result of the extraction operation of the robot (14) for extracting the work (12) by the hand unit (13), and
The learning unit (22, 32) that receives the output from the state quantity observation unit (21, 31) and the output from the operation result acquisition unit (26, 36) and learns the extraction operation of the work (12). And with
The state quantity observation unit (21, 31) further outputs data of the coordinate calculation unit (19) that calculates a three-dimensional position for each work (12) based on the output of the three-dimensional measuring instrument (15). Also observed,
The learning unit (22)
A reward calculation unit (23) that calculates a reward based on a determination result of success or failure of taking out the work, which is an output of the operation result acquisition unit (26).
It has a value function that determines the value of the retrieval operation of the work (12), and includes a value function update unit (24) that updates the value function according to the reward.
A machine learning device characterized by that.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習装置であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データ、および、前記三次元計測器(15)の計測パラメータを観測する状態量観測部(21,31)と、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得する動作結果取得部(26,36)と、
前記状態量観測部(21,31)からの出力および前記動作結果取得部(26,36)からの出力を受け取って、前記ワーク(12)の前記取り出し動作を学習する学習部(22,32)と、を備え、
前記状態量観測部(21,31)は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算する座標計算部(19)の出力データも観測し、
前記学習部(32)は、前記ワーク(12)の前記取り出し動作を学習する学習モデルを有し、
前記動作結果取得部(26)の出力である前記ワークの取り出しの成否の判定結果、および、前記学習モデルに基づいて誤差を計算する誤差計算部(33)と、
前記誤差に応じて前記学習モデルを更新する学習モデル更新部(34)と、を備える、
ことを特徴とする機械学習装置。
It is a machine learning device that learns the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
State quantity observation units (21, 31) that observe the output data of the three-dimensional measuring instrument (15) that measures at least the three-dimensional map for each work (12) and the measurement parameters of the three-dimensional measuring instrument (15). When,
The operation result acquisition unit (26, 36) for acquiring the result of the extraction operation of the robot (14) for extracting the work (12) by the hand unit (13), and
The learning unit (22, 32) that receives the output from the state quantity observation unit (21, 31) and the output from the operation result acquisition unit (26, 36) and learns the extraction operation of the work (12). And with
The state quantity observation unit (21, 31) further outputs data of the coordinate calculation unit (19) that calculates a three-dimensional position for each work (12) based on the output of the three-dimensional measuring instrument (15). Also observed,
The learning unit (32) has a learning model for learning the extraction operation of the work (12).
An error calculation unit (33) that calculates an error based on the result of determining the success or failure of taking out the work, which is the output of the operation result acquisition unit (26), and the learning model.
A learning model update unit (34) that updates the learning model according to the error is provided.
A machine learning device characterized by that.
さらに、
前記学習部(22,32)からの出力を参照して、前記ワーク(12)の取り出し動作を前記ロボット(14)に指令する指令データ並びに前記三次元計測器(15)の前記計測パラメータを決定する意思決定部(25,35)を備える、
ことを特徴とする請求項4または請求項5に記載の機械学習装置。
further,
With reference to the output from the learning units (22, 32), the command data for instructing the robot (14) to take out the work (12) and the measurement parameters of the three-dimensional measuring instrument (15) are determined. Equipped with decision-making departments (25, 35)
The machine learning apparatus according to claim 4 or 5.
前記座標計算部(19)は、さらに、
前記ワーク(12)毎の姿勢を計算し、計算された前記ワーク(12)毎の三次元位置および姿勢のデータを出力する、
ことを特徴とする請求項1〜請求項6のいずれか1項に記載の機械学習装置。
The coordinate calculation unit (19) further
The posture for each work (12) is calculated, and the calculated three-dimensional position and posture data for each work (12) is output.
The machine learning device according to any one of claims 1 to 6, wherein the machine learning device is characterized in that.
前記動作結果取得部(26,36)は、前記三次元計測器(15)の出力データを利用する、
ことを特徴とする請求項1〜請求項7のいずれか1項に記載の機械学習装置。
The operation result acquisition unit (26, 36) uses the output data of the three-dimensional measuring instrument (15).
The machine learning device according to any one of claims 1 to 7, wherein the machine learning device is characterized.
さらに、
前記三次元計測器(15)の出力データを、前記状態量観測部(21,31)への入力前に処理する前処理部(50)を備え、
前記状態量観測部(21,31)は、前処理部(50)の出力データを受け取る、
ことを特徴とする請求項1〜請求項8のいずれか1項に記載の機械学習装置。
further,
A preprocessing unit (50) that processes the output data of the three-dimensional measuring instrument (15) before inputting it to the state quantity observation unit (21, 31) is provided.
The state quantity observation unit (21, 31) receives the output data of the preprocessing unit (50).
The machine learning device according to any one of claims 1 to 8, wherein the machine learning device is characterized by the above.
前記前処理部(50)は、前記三次元計測器(15)から出力される三次元位置データ(x,y,z)および姿勢データ(w,p,r)における前記ワーク(12)毎の方向および高さを一定に揃える、
ことを特徴とする請求項9に記載の機械学習装置。
The preprocessing unit (50) is used for each work (12) in the three-dimensional position data (x, y, z) and posture data (w, p, r) output from the three-dimensional measuring instrument (15). Align the direction and height to a certain level,
The machine learning device according to claim 9.
前記動作結果取得部(26,36)は、
前記ワーク(12)の取り出しの成否、前記ワーク(12)の破損状態、並びに、前記ハンド部(13)により前記ワーク(12)を把持して運搬するのに要した時間およびエネルギー、或いは、前記時間および前記エネルギーを評価したもののうちの少なくとも1つを取得する、
ことを特徴とする請求項1〜請求項10のいずれか1項に記載の機械学習装置。
The operation result acquisition unit (26, 36)
The success or failure of taking out the work (12), the damaged state of the work (12), and the time and energy required to grip and carry the work (12) by the hand portion (13), or the above. Obtain at least one of those evaluated for time and said energy,
The machine learning device according to any one of claims 1 to 10.
前記機械学習装置は、
ニューラルネットワークを有する、請求項1〜請求項11のいずれか1項に記載の機械学習装置。
The machine learning device
The machine learning device according to any one of claims 1 to 11, which has a neural network.
請求項1〜請求項12のいずれか1項に記載の機械学習装置(20,30)を備えたロボットシステム(10,10’)であって、
前記ロボット(14)と、
前記三次元計測器(15)と、
前記ロボット(14)および前記三次元計測器(15)をそれぞれ制御する制御装置(16)と、を備える、
ことを特徴とするロボットシステム。
A robot system (10, 10') including the machine learning device (20, 30) according to any one of claims 1 to 12.
With the robot (14)
With the three-dimensional measuring instrument (15)
A control device (16) for controlling the robot (14) and the three-dimensional measuring instrument (15), respectively.
A robot system characterized by that.
前記ロボットシステム(10,10’)は、複数の前記ロボット(14)を備え、
前記機械学習装置(20,30)は、前記ロボット(14)毎にそれぞれ設けられ、
複数の前記ロボット(14)に設けられた複数の前記機械学習装置(20)は、通信媒体を介して相互にデータを共有または交換するようになっている、
ことを特徴とする請求項13に記載のロボットシステム。
The robot system (10, 10') includes a plurality of the robots (14).
The machine learning devices (20, 30) are provided for each robot (14), respectively.
The plurality of machine learning devices (20) provided in the plurality of robots (14) are adapted to share or exchange data with each other via a communication medium.
13. The robot system according to claim 13.
前記機械学習装置(20,30)は、クラウドサーバ上に存在する、
ことを特徴とする請求項14に記載のロボットシステム。
The machine learning device (20, 30) exists on the cloud server.
The robot system according to claim 14.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習方法であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データを観測し、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得し、
観測された前記ワーク(12)毎の少なくとも三次元マップおよび取得された前記ロボット(14)の取り出し動作の結果を受け取って前記ワーク(12)の前記取り出し動作を学習し、
前記三次元計測器(15)の出力データの観測は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算した三次元位置データも観測し、
前記取り出し動作の学習は、
前記取得された前記ロボット(14)の取り出し動作の結果である前記ワークの取り出しの成否の判定結果に基づいて報酬を計算し、
前記ワーク(12)の前記取り出し動作の価値を定める価値関数を、前記報酬に応じて更新する、
ことを特徴とする機械学習方法。
It is a machine learning method for learning the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
Observe the output data of the 3D measuring instrument (15) that measures at least the 3D map for each work (12).
The result of the take-out operation of the robot (14) that takes out the work (12) by the hand unit (13) is acquired.
Upon receiving at least a three-dimensional map for each of the observed work (12) and the acquired result of the retrieval operation of the robot (14), the retrieval operation of the work (12) is learned.
The observation of the output data of the three-dimensional measuring instrument (15) also observes the three-dimensional position data obtained by calculating the three-dimensional position of each work (12) based on the output of the three-dimensional measuring instrument (15). And
The learning of the extraction operation is
The reward is calculated based on the result of determining the success or failure of taking out the work, which is the result of the taken-out operation of the robot (14) acquired.
The value function that determines the value of the retrieval operation of the work (12) is updated according to the reward.
A machine learning method characterized by that.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習方法であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データを観測し、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得し、
観測された前記ワーク(12)毎の少なくとも三次元マップおよび取得された前記ロボット(14)の取り出し動作の結果を受け取って、前記ワーク(12)の前記取り出し動作を学習し、
前記三次元計測器(15)の出力データの観測は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算した三次元位置データも観測し、
前記取り出し動作の学習は、
前記取得された前記ロボット(14)の取り出し動作の結果、および、前記ワーク(12)の前記取り出し動作を学習する学習モデルに基づいて誤差を計算し、
前記誤差に応じて前記学習モデルを更新する、
ことを特徴とする機械学習方法。
It is a machine learning method for learning the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
Observe the output data of the 3D measuring instrument (15) that measures at least the 3D map for each work (12).
The result of the take-out operation of the robot (14) that takes out the work (12) by the hand unit (13) is acquired.
Upon receiving at least a three-dimensional map for each of the observed work (12) and the acquired result of the retrieval operation of the robot (14), the retrieval operation of the work (12) is learned.
The observation of the output data of the three-dimensional measuring instrument (15) also observes the three-dimensional position data obtained by calculating the three-dimensional position of each work (12) based on the output of the three-dimensional measuring instrument (15). And
The learning of the extraction operation is
The error is calculated based on the acquired result of the retrieval operation of the robot (14) and the learning model for learning the retrieval operation of the work (12).
The learning model is updated according to the error.
A machine learning method characterized by that.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習方法であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データ、および、前記三次元計測器(15)の計測パラメータを観測し、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得し、
観測された前記ワーク(12)毎の少なくとも三次元マップおよび取得された前記ロボット(14)の取り出し動作の結果を受け取って、前記ワーク(12)の前記取り出し動作を学習し、
前記三次元計測器(15)の出力データの観測は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算した三次元位置データも観測し、
前記取り出し動作の学習は、
前記取得された前記ロボット(14)の取り出し動作の結果である前記ワークの取り出しの成否の判定結果に基づいて報酬を計算し、
前記ワーク(12)の前記取り出し動作の価値を定める価値関数を、前記報酬に応じて更新する、
ことを特徴とする機械学習方法。
It is a machine learning method for learning the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
Observe the output data of the three-dimensional measuring instrument (15) that measures at least the three-dimensional map for each work (12), and the measurement parameters of the three-dimensional measuring instrument (15).
The result of the take-out operation of the robot (14) that takes out the work (12) by the hand unit (13) is acquired.
Upon receiving at least a three-dimensional map for each of the observed work (12) and the acquired result of the retrieval operation of the robot (14), the retrieval operation of the work (12) is learned.
The observation of the output data of the three-dimensional measuring instrument (15) also observes the three-dimensional position data obtained by calculating the three-dimensional position of each work (12) based on the output of the three-dimensional measuring instrument (15). And
The learning of the extraction operation is
The reward is calculated based on the result of determining the success or failure of taking out the work, which is the result of the taken-out operation of the robot (14) acquired.
The value function that determines the value of the retrieval operation of the work (12) is updated according to the reward.
A machine learning method characterized by that.
バラ積みされた状態を含む、乱雑に置かれた複数のワーク(12)からハンド部(13)によって前記ワーク(12)を取り出すロボット(14)の動作を学習する機械学習方法であって、
前記ワーク(12)毎の少なくとも三次元マップを計測する三次元計測器(15)の出力データ、および、前記三次元計測器(15)の計測パラメータを観測し、
前記ハンド部(13)によって前記ワーク(12)を取り出す前記ロボット(14)の取り出し動作の結果を取得し、
観測された前記ワーク(12)毎の少なくとも三次元マップおよび取得された前記ロボット(14)の取り出し動作の結果を受け取って、前記ワーク(12)の前記取り出し動作を学習し、
前記三次元計測器(15)の出力データの観測は、さらに、前記三次元計測器(15)の出力に基づいて、前記ワーク(12)毎の三次元位置を計算した三次元位置データも観測し、
前記取り出し動作の学習は、
前記取得された前記ロボット(14)の取り出し動作の結果、および、前記ワーク(12)の前記取り出し動作を学習する学習モデルに基づいて誤差を計算し、
前記誤差に応じて前記学習モデルを更新する、
ことを特徴とする機械学習方法。
It is a machine learning method for learning the operation of a robot (14) that takes out the work (12) by a hand unit (13) from a plurality of randomly placed works (12) including a state of being piled up in pieces.
Observe the output data of the three-dimensional measuring instrument (15) that measures at least the three-dimensional map for each work (12), and the measurement parameters of the three-dimensional measuring instrument (15).
The result of the take-out operation of the robot (14) that takes out the work (12) by the hand unit (13) is acquired.
Upon receiving at least a three-dimensional map for each of the observed work (12) and the acquired result of the retrieval operation of the robot (14), the retrieval operation of the work (12) is learned.
The observation of the output data of the three-dimensional measuring instrument (15) also observes the three-dimensional position data obtained by calculating the three-dimensional position of each work (12) based on the output of the three-dimensional measuring instrument (15). And
The learning of the extraction operation is
The error is calculated based on the acquired result of the retrieval operation of the robot (14) and the learning model for learning the retrieval operation of the work (12).
The learning model is updated according to the error.
A machine learning method characterized by that.
JP2020120352A 2015-07-31 2020-07-14 Robot system and control method of robot Pending JP2020168719A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022128174A JP7491971B2 (en) 2015-07-31 2022-08-10 OBJECT GRASPING METHOD, OBJECT GRASPING PROGRAM, OBJECT GRASPING DEVICE, LEARNING METHOD, LEARNING PROGRAM, AND LEARNING DEVICE
JP2024038408A JP2024069414A (en) 2015-07-31 2024-03-12 Article gripping method, article gripping program, article gripping device, learning method, learning program, and learning device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015152067 2015-07-31
JP2015152067 2015-07-31

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2017010506A Division JP7100426B2 (en) 2015-07-31 2017-01-24 Machine learning device, robot system and machine learning method to learn the operation of taking out the work

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2022128174A Division JP7491971B2 (en) 2015-07-31 2022-08-10 OBJECT GRASPING METHOD, OBJECT GRASPING PROGRAM, OBJECT GRASPING DEVICE, LEARNING METHOD, LEARNING PROGRAM, AND LEARNING DEVICE

Publications (2)

Publication Number Publication Date
JP2020168719A true JP2020168719A (en) 2020-10-15
JP2020168719A5 JP2020168719A5 (en) 2021-09-16

Family

ID=57985283

Family Applications (5)

Application Number Title Priority Date Filing Date
JP2015233857A Active JP6522488B2 (en) 2015-07-31 2015-11-30 Machine learning apparatus, robot system and machine learning method for learning work taking-out operation
JP2017010506A Active JP7100426B2 (en) 2015-07-31 2017-01-24 Machine learning device, robot system and machine learning method to learn the operation of taking out the work
JP2020120352A Pending JP2020168719A (en) 2015-07-31 2020-07-14 Robot system and control method of robot
JP2022128174A Active JP7491971B2 (en) 2015-07-31 2022-08-10 OBJECT GRASPING METHOD, OBJECT GRASPING PROGRAM, OBJECT GRASPING DEVICE, LEARNING METHOD, LEARNING PROGRAM, AND LEARNING DEVICE
JP2024038408A Pending JP2024069414A (en) 2015-07-31 2024-03-12 Article gripping method, article gripping program, article gripping device, learning method, learning program, and learning device

Family Applications Before (2)

Application Number Title Priority Date Filing Date
JP2015233857A Active JP6522488B2 (en) 2015-07-31 2015-11-30 Machine learning apparatus, robot system and machine learning method for learning work taking-out operation
JP2017010506A Active JP7100426B2 (en) 2015-07-31 2017-01-24 Machine learning device, robot system and machine learning method to learn the operation of taking out the work

Family Applications After (2)

Application Number Title Priority Date Filing Date
JP2022128174A Active JP7491971B2 (en) 2015-07-31 2022-08-10 OBJECT GRASPING METHOD, OBJECT GRASPING PROGRAM, OBJECT GRASPING DEVICE, LEARNING METHOD, LEARNING PROGRAM, AND LEARNING DEVICE
JP2024038408A Pending JP2024069414A (en) 2015-07-31 2024-03-12 Article gripping method, article gripping program, article gripping device, learning method, learning program, and learning device

Country Status (3)

Country Link
JP (5) JP6522488B2 (en)
CN (2) CN113199483A (en)
DE (1) DE102016015873B3 (en)

Families Citing this family (114)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6522488B2 (en) * 2015-07-31 2019-05-29 ファナック株式会社 Machine learning apparatus, robot system and machine learning method for learning work taking-out operation
JP6771744B2 (en) * 2017-01-25 2020-10-21 株式会社安川電機 Handling system and controller
JP6453922B2 (en) 2017-02-06 2019-01-16 ファナック株式会社 Work picking apparatus and work picking method for improving work picking operation
JP7145146B2 (en) * 2017-03-06 2022-09-30 株式会社Fuji Image processing data creation method
JP6542824B2 (en) 2017-03-13 2019-07-10 ファナック株式会社 Image processing apparatus and image processing method for calculating likelihood of image of object detected from input image
JP6438512B2 (en) * 2017-03-13 2018-12-12 ファナック株式会社 ROBOT SYSTEM, MEASUREMENT DATA PROCESSING DEVICE, AND MEASUREMENT DATA PROCESSING METHOD FOR TAKE OUT WORK WITH MEASUREMENT DATA CORRECTED BY MACHINE LEARN
JP6902369B2 (en) * 2017-03-15 2021-07-14 株式会社オカムラ Presentation device, presentation method and program, and work system
JP6869060B2 (en) * 2017-03-15 2021-05-12 株式会社オカムラ Manipulator controls, control methods and programs, and work systems
JP6983524B2 (en) * 2017-03-24 2021-12-17 キヤノン株式会社 Information processing equipment, information processing methods and programs
JP6557272B2 (en) * 2017-03-29 2019-08-07 ファナック株式会社 State determination device
JP6680714B2 (en) * 2017-03-30 2020-04-15 ファナック株式会社 Control device and machine learning device for wire electric discharge machine
JP6490132B2 (en) * 2017-03-31 2019-03-27 ファナック株式会社 Robot control device, machine learning device, and machine learning method
JP6526100B2 (en) * 2017-04-28 2019-06-05 ファナック株式会社 Material pick-up system
JP6487495B2 (en) * 2017-05-19 2019-03-20 ファナック株式会社 Work removal system
JP7045139B2 (en) * 2017-06-05 2022-03-31 株式会社日立製作所 Machine learning equipment, machine learning methods, and machine learning programs
JP6542839B2 (en) * 2017-06-07 2019-07-10 ファナック株式会社 Control device and machine learning device
JP6886869B2 (en) * 2017-06-09 2021-06-16 川崎重工業株式会社 Motion prediction system and motion prediction method
CN107336234A (en) * 2017-06-13 2017-11-10 赛赫智能设备(上海)股份有限公司 A kind of reaction type self study industrial robot and method of work
EP3515671B1 (en) * 2017-06-19 2020-05-13 Google LLC Robotic grasping prediction using neural networks and geometry aware object representation
CN107329445B (en) * 2017-06-28 2020-09-08 重庆柚瓣家科技有限公司 Intelligent supervision method for robot behavior criterion
CN107255969B (en) * 2017-06-28 2019-10-18 重庆柚瓣家科技有限公司 Endowment robot supervisory systems
CN107252785B (en) * 2017-06-29 2019-05-10 顺丰速运有限公司 A kind of express mail grasping means applied to quick despatch robot piece supplying
JP6564426B2 (en) * 2017-07-07 2019-08-21 ファナック株式会社 Parts supply device and machine learning device
JP7116901B2 (en) * 2017-08-01 2022-08-12 オムロン株式会社 ROBOT CONTROL DEVICE, ROBOT CONTROL METHOD AND ROBOT CONTROL PROGRAM
DE102017213658A1 (en) * 2017-08-07 2019-02-07 Robert Bosch Gmbh Handling arrangement with a handling device for performing at least one work step and method and computer program
JP6680730B2 (en) * 2017-08-08 2020-04-15 ファナック株式会社 Control device and learning device
JP6680732B2 (en) 2017-08-23 2020-04-15 ファナック株式会社 Goods stacking device and machine learning device
JP6795472B2 (en) * 2017-08-28 2020-12-02 ファナック株式会社 Machine learning device, machine learning system and machine learning method
CA3073516A1 (en) * 2017-09-01 2019-03-07 The Regents Of The University Of California Robotic systems and methods for robustly grasping and targeting objects
JP6608890B2 (en) 2017-09-12 2019-11-20 ファナック株式会社 Machine learning apparatus, robot system, and machine learning method
EP3456485B1 (en) * 2017-09-15 2021-02-17 Siemens Aktiengesellschaft Optimisation of an automated process for selecting and gripping an object by a robot
JP6695843B2 (en) 2017-09-25 2020-05-20 ファナック株式会社 Device and robot system
JP6895563B2 (en) * 2017-09-25 2021-06-30 ファナック株式会社 Robot system, model generation method, and model generation program
JP6579498B2 (en) 2017-10-20 2019-09-25 株式会社安川電機 Automation device and position detection device
JP2019084601A (en) 2017-11-02 2019-06-06 キヤノン株式会社 Information processor, gripping system and information processing method
JP6815309B2 (en) * 2017-11-16 2021-01-20 株式会社東芝 Operating system and program
JP6676030B2 (en) * 2017-11-20 2020-04-08 株式会社安川電機 Grasping system, learning device, gripping method, and model manufacturing method
JP6680750B2 (en) * 2017-11-22 2020-04-15 ファナック株式会社 Control device and machine learning device
US10828778B2 (en) * 2017-11-30 2020-11-10 Abb Schweiz Ag Method for operating a robot
CN108340367A (en) * 2017-12-13 2018-07-31 深圳市鸿益达供应链科技有限公司 Machine learning method for mechanical arm crawl
JP7136554B2 (en) 2017-12-18 2022-09-13 国立大学法人信州大学 Grasping device, learning device, program, grasping system, and learning method
KR102565444B1 (en) 2017-12-21 2023-08-08 삼성전자주식회사 Method and apparatus for identifying object
JP6587195B2 (en) * 2018-01-16 2019-10-09 株式会社Preferred Networks Tactile information estimation device, tactile information estimation method, program, and non-transitory computer-readable medium
WO2019146007A1 (en) * 2018-01-24 2019-08-01 三菱電機株式会社 Position control device and position control method
JP6892400B2 (en) * 2018-01-30 2021-06-23 ファナック株式会社 Machine learning device that learns the failure occurrence mechanism of laser devices
JP6703020B2 (en) * 2018-02-09 2020-06-03 ファナック株式会社 Control device and machine learning device
JP6874712B2 (en) * 2018-02-19 2021-05-19 オムロン株式会社 Simulation equipment, simulation method and simulation program
JP7005388B2 (en) * 2018-03-01 2022-01-21 株式会社東芝 Information processing equipment and sorting system
JP6873941B2 (en) 2018-03-02 2021-05-19 株式会社日立製作所 Robot work system and control method of robot work system
WO2019171123A1 (en) 2018-03-05 2019-09-12 Omron Corporation Method, apparatus, system and program for controlling a robot, and storage medium
JP6879238B2 (en) * 2018-03-13 2021-06-02 オムロン株式会社 Work picking device and work picking method
JP6911798B2 (en) 2018-03-15 2021-07-28 オムロン株式会社 Robot motion control device
JP2019162712A (en) * 2018-03-20 2019-09-26 ファナック株式会社 Control device, machine learning device and system
JP6687657B2 (en) * 2018-03-20 2020-04-28 ファナック株式会社 Article taking-out apparatus using sensor and robot, and article taking-out method
KR102043898B1 (en) * 2018-03-27 2019-11-12 한국철도기술연구원 Auto picking system and method for automatically picking using the same
JP6810087B2 (en) * 2018-03-29 2021-01-06 ファナック株式会社 Machine learning device, robot control device and robot vision system using machine learning device, and machine learning method
US11260534B2 (en) 2018-04-04 2022-03-01 Canon Kabushiki Kaisha Information processing apparatus and information processing method
CN110340884B (en) 2018-04-05 2024-09-20 发那科株式会社 Measuring operation parameter adjusting device, machine learning device, and system
JP6829271B2 (en) * 2018-04-05 2021-02-10 ファナック株式会社 Measurement operation parameter adjustment device, machine learning device and system
CN108527371A (en) * 2018-04-17 2018-09-14 重庆邮电大学 A kind of Dextrous Hand planing method based on BP neural network
EP3785866B1 (en) 2018-04-26 2023-12-20 Panasonic Holdings Corporation Actuator device, method for removing target object using actuator device, and target object removal system
JP7154815B2 (en) 2018-04-27 2022-10-18 キヤノン株式会社 Information processing device, control method, robot system, computer program, and storage medium
US11858140B2 (en) 2018-05-25 2024-01-02 Kawasaki Jukogyo Kabushiki Kaisha Robot system and supplemental learning method
JP7039389B2 (en) * 2018-05-25 2022-03-22 川崎重工業株式会社 Robot system and robot control method
KR102094360B1 (en) * 2018-06-11 2020-03-30 동국대학교 산학협력단 System and method for predicting force based on image
DE112018007729B4 (en) 2018-06-14 2022-09-08 Yamaha Hatsudoki Kabushiki Kaisha Machine learning device and robotic system equipped with same
CN112218748B (en) * 2018-06-14 2023-09-05 雅马哈发动机株式会社 robot system
JP7102241B2 (en) * 2018-06-14 2022-07-19 ヤマハ発動機株式会社 Machine learning device and robot system equipped with it
JP2020001127A (en) * 2018-06-28 2020-01-09 勇貴 高橋 Picking system, picking processing equipment, and program
JP6784722B2 (en) * 2018-06-28 2020-11-11 ファナック株式会社 Output device, control device, and evaluation function value output method
WO2020009139A1 (en) * 2018-07-04 2020-01-09 株式会社Preferred Networks Learning method, learning device, learning system, and program
JP6740288B2 (en) * 2018-07-13 2020-08-12 ファナック株式会社 Object inspection apparatus, object inspection system, and method for adjusting inspection position
JP7133017B2 (en) * 2018-07-24 2022-09-07 株式会社Fuji END EFFECTOR SELECTION METHOD AND SELECTION SYSTEM
JP7191569B2 (en) * 2018-07-26 2022-12-19 Ntn株式会社 gripping device
WO2020026447A1 (en) * 2018-08-03 2020-02-06 株式会社Fuji Parameter learning method and work system
JP7034035B2 (en) * 2018-08-23 2022-03-11 株式会社日立製作所 Motion generation method for autonomous learning robot device and autonomous learning robot device
CN109434844B (en) * 2018-09-17 2022-06-28 鲁班嫡系机器人(深圳)有限公司 Food material processing robot control method, device and system, storage medium and equipment
JP6895128B2 (en) * 2018-11-09 2021-06-30 オムロン株式会社 Robot control device, simulation method, and simulation program
JP7159525B2 (en) * 2018-11-29 2022-10-25 京セラドキュメントソリューションズ株式会社 ROBOT CONTROL DEVICE, LEARNING DEVICE, AND ROBOT CONTROL SYSTEM
CN109731793A (en) * 2018-12-17 2019-05-10 上海航天电子有限公司 A kind of small lot chip bulk cargo device intelligent sorting equipment
JP7336463B2 (en) 2018-12-27 2023-08-31 川崎重工業株式会社 ROBOT CONTROL DEVICE, ROBOT SYSTEM AND ROBOT CONTROL METHOD
JP7128736B2 (en) * 2018-12-27 2022-08-31 川崎重工業株式会社 ROBOT CONTROL DEVICE, ROBOT SYSTEM AND ROBOT CONTROL METHOD
CN109784400A (en) * 2019-01-12 2019-05-21 鲁班嫡系机器人(深圳)有限公司 Intelligent body Behavioral training method, apparatus, system, storage medium and equipment
JP7000359B2 (en) * 2019-01-16 2022-01-19 ファナック株式会社 Judgment device
JP6632095B1 (en) * 2019-01-16 2020-01-15 株式会社エクサウィザーズ Learned model generation device, robot control device, and program
JP7252787B2 (en) 2019-02-28 2023-04-05 川崎重工業株式会社 Machine learning model operation management system and machine learning model operation management method
JP7336856B2 (en) * 2019-03-01 2023-09-01 株式会社Preferred Networks Information processing device, method and program
WO2020194392A1 (en) * 2019-03-22 2020-10-01 connectome.design株式会社 Computer, method, and program for generating teaching data for autonomous robot
JP7302226B2 (en) * 2019-03-27 2023-07-04 株式会社ジェイテクト SUPPORT DEVICE AND SUPPORT METHOD FOR GRINDER
JP7349423B2 (en) * 2019-06-19 2023-09-22 株式会社Preferred Networks Learning device, learning method, learning model, detection device and grasping system
JP7504566B2 (en) * 2019-07-12 2024-06-24 キヤノン株式会社 Information processing method, robot system, article manufacturing method, program, recording medium, and information processing device
JP7415356B2 (en) * 2019-07-29 2024-01-17 セイコーエプソン株式会社 Program transfer system and robot system
CN110456644B (en) * 2019-08-13 2022-12-06 北京地平线机器人技术研发有限公司 Method and device for determining execution action information of automation equipment and electronic equipment
DE102019121889B3 (en) * 2019-08-14 2020-11-19 Robominds GmbH Automation system and process for handling products
EP3998140A4 (en) 2019-08-28 2022-09-28 Daily Color Inc. Robot control device
JP7021158B2 (en) 2019-09-04 2022-02-16 株式会社東芝 Robot system and drive method
JP7458741B2 (en) * 2019-10-21 2024-04-01 キヤノン株式会社 Robot control device and its control method and program
JP6924448B2 (en) * 2019-12-02 2021-08-25 Arithmer株式会社 Picking system, picking method, and program
JP7260002B2 (en) * 2020-01-16 2023-04-18 オムロン株式会社 Control device, control method, and control program
JP7463777B2 (en) * 2020-03-13 2024-04-09 オムロン株式会社 CONTROL DEVICE, LEARNING DEVICE, ROBOT SYSTEM, AND METHOD
JP7523384B2 (en) 2020-03-27 2024-07-26 三菱電機株式会社 CONTROLLER AND METHOD FOR CONTROLLING THE OPERATION OF A ROBOT TO PERFORM A TASKS - Patent application
KR20220165262A (en) 2020-04-03 2022-12-14 보이머 그룹 에이/에스 Pick and Place Robot System
JP7245959B2 (en) 2020-04-28 2023-03-24 ヤマハ発動機株式会社 Machine learning method and robot system
JP2023145809A (en) * 2020-07-10 2023-10-12 株式会社Preferred Networks Reinforcement learning device, reinforcement learning system, object operation device, model generation method and reinforcement learning program
CN112476424A (en) * 2020-11-13 2021-03-12 腾讯科技(深圳)有限公司 Robot control method, device, equipment and computer storage medium
EP4260994A4 (en) 2020-12-08 2024-10-09 Sony Group Corp Training device, training system, and training method
DE102021104001B3 (en) 2021-02-19 2022-04-28 Gerhard Schubert Gesellschaft mit beschränkter Haftung Method for automatically grasping, in particular moving, objects
KR102346900B1 (en) * 2021-08-05 2022-01-04 주식회사 애자일소다 Deep reinforcement learning apparatus and method for pick and place system
DE102021209646B4 (en) 2021-09-02 2024-05-02 Robert Bosch Gesellschaft mit beschränkter Haftung Robot device, method for computer-implemented training of a robot control model and method for controlling a robot device
JP7551583B2 (en) 2021-09-10 2024-09-17 株式会社東芝 Control device, control method and program
JP7551940B2 (en) 2021-09-15 2024-09-17 ヤマハ発動機株式会社 Image processing device, part gripping system, image processing method, and part gripping method
EP4311632A1 (en) * 2022-07-27 2024-01-31 Siemens Aktiengesellschaft Method for gripping an object, computer program and electronically readable data carrier
CN115816466B (en) * 2023-02-02 2023-06-16 中国科学技术大学 Method for improving control stability of vision observation robot
CN117697769B (en) * 2024-02-06 2024-04-30 成都威世通智能科技有限公司 Robot control system and method based on deep learning

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11175132A (en) * 1997-12-15 1999-07-02 Omron Corp Robot, robot system, learning method for robot, learning method for robot system, and recording medium
JPH11272845A (en) * 1998-03-23 1999-10-08 Denso Corp Image recognition device
JP2013052490A (en) * 2011-09-06 2013-03-21 Mitsubishi Electric Corp Workpiece takeout device
JP2014206795A (en) * 2013-04-11 2014-10-30 日本電信電話株式会社 Reinforcement learning method based on linear model, device therefor and program
JP2017064910A (en) * 2015-07-31 2017-04-06 ファナック株式会社 Machine learning device for learning taking-out operation of workpiece, robot system, and machine learning method

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0588721A (en) * 1991-09-30 1993-04-09 Fujitsu Ltd Controller for articulated robot
JPH06106490A (en) * 1992-09-29 1994-04-19 Fujitsu Ltd Control device
JPH06203166A (en) * 1993-01-06 1994-07-22 Fujitsu Ltd Measurement, controller and learning method for multi-dimensional position
JP3859371B2 (en) * 1998-09-25 2006-12-20 松下電工株式会社 Picking equipment
JP2001019165A (en) 1999-07-02 2001-01-23 Murata Mach Ltd Work picking device
KR20020008848A (en) * 2000-03-31 2002-01-31 이데이 노부유끼 Robot device, robot device action control method, external force detecting device and external force detecting method
US6925357B2 (en) * 2002-07-25 2005-08-02 Intouch Health, Inc. Medical tele-robotic system
JP3834307B2 (en) * 2003-09-29 2006-10-18 ファナック株式会社 Robot system
JP4630553B2 (en) * 2004-01-15 2011-02-09 ソニー株式会社 Dynamic control device and biped walking mobile body using dynamic control device
JP2005238422A (en) * 2004-02-27 2005-09-08 Sony Corp Robot device, its state transition model construction method and behavior control method
JP4746349B2 (en) * 2005-05-18 2011-08-10 日本電信電話株式会社 Robot action selection device and robot action selection method
JP4153528B2 (en) * 2006-03-10 2008-09-24 ファナック株式会社 Apparatus, program, recording medium and method for robot simulation
JP2007280054A (en) * 2006-04-06 2007-10-25 Sony Corp Learning device, learning method, and program
JP4199264B2 (en) * 2006-05-29 2008-12-17 ファナック株式会社 Work picking apparatus and method
JP4238256B2 (en) * 2006-06-06 2009-03-18 ファナック株式会社 Robot simulation device
US7957583B2 (en) * 2007-08-02 2011-06-07 Roboticvisiontech Llc System and method of three-dimensional pose estimation
JP2009262279A (en) * 2008-04-25 2009-11-12 Nec Corp Robot, robot program sharing system, robot program sharing method, and program
JP2010086405A (en) 2008-10-01 2010-04-15 Fuji Heavy Ind Ltd System for adapting control parameter
JP5330138B2 (en) 2008-11-04 2013-10-30 本田技研工業株式会社 Reinforcement learning system
EP2249292A1 (en) * 2009-04-03 2010-11-10 Siemens Aktiengesellschaft Decision making mechanism, method, module, and robot configured to decide on at least one prospective action of the robot
CN101726251A (en) * 2009-11-13 2010-06-09 江苏大学 Automatic fruit identification method of apple picking robot on basis of support vector machine
CN101782976B (en) * 2010-01-15 2013-04-10 南京邮电大学 Automatic selection method for machine learning in cloud computing environment
FI20105732A0 (en) * 2010-06-24 2010-06-24 Zenrobotics Oy Procedure for selecting physical objects in a robotic system
JP5743499B2 (en) 2010-11-10 2015-07-01 キヤノン株式会社 Image generating apparatus, image generating method, and program
JP5767464B2 (en) * 2010-12-15 2015-08-19 キヤノン株式会社 Information processing apparatus, information processing apparatus control method, and program
JP5750657B2 (en) 2011-03-30 2015-07-22 株式会社国際電気通信基礎技術研究所 Reinforcement learning device, control device, and reinforcement learning method
JP5787642B2 (en) 2011-06-28 2015-09-30 キヤノン株式会社 Object holding device, method for controlling object holding device, and program
JP5642738B2 (en) * 2012-07-26 2014-12-17 ファナック株式会社 Apparatus and method for picking up loosely stacked articles by robot
JP5670397B2 (en) * 2012-08-29 2015-02-18 ファナック株式会社 Apparatus and method for picking up loosely stacked articles by robot
JP2014081863A (en) * 2012-10-18 2014-05-08 Sony Corp Information processing device, information processing method and program
JP6106490B2 (en) 2013-03-28 2017-03-29 シャープ株式会社 Self-propelled electronic device and travel area designation system for self-propelled electronic device
JP6126437B2 (en) 2013-03-29 2017-05-10 キヤノン株式会社 Image processing apparatus and image processing method
JP5929854B2 (en) * 2013-07-31 2016-06-08 株式会社安川電機 Robot system and method of manufacturing workpiece
CN103753557B (en) * 2014-02-14 2015-06-17 上海创绘机器人科技有限公司 Self-balance control method of movable type inverted pendulum system and self-balance vehicle intelligent control system
CN104793620B (en) * 2015-04-17 2019-06-18 中国矿业大学 The avoidance robot of view-based access control model feature binding and intensified learning theory

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11175132A (en) * 1997-12-15 1999-07-02 Omron Corp Robot, robot system, learning method for robot, learning method for robot system, and recording medium
JPH11272845A (en) * 1998-03-23 1999-10-08 Denso Corp Image recognition device
JP2013052490A (en) * 2011-09-06 2013-03-21 Mitsubishi Electric Corp Workpiece takeout device
JP2014206795A (en) * 2013-04-11 2014-10-30 日本電信電話株式会社 Reinforcement learning method based on linear model, device therefor and program
JP2017064910A (en) * 2015-07-31 2017-04-06 ファナック株式会社 Machine learning device for learning taking-out operation of workpiece, robot system, and machine learning method

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MNIH, VOLODYMYR ET AL., "PLAYING ATARI WITH DEEP REINFORCEMENT LEARNING"、, vol. [2021年4月7日検索], JPN6021014602, 19 December 2013 (2013-12-19), US, ISSN: 0004609122 *
MNIH, VOLODYMYR ET AL.: ""Human-level control through deep reinforcement learning"", NATURE, vol. 第518巻, JPN6021014603, 25 February 2015 (2015-02-25), GB, pages 529 - 533, XP037437579, ISSN: 0004609123, DOI: 10.1038/nature14236 *
O.B.KROEMER, R.DETRY, J.PIATER, J.PETERS: "Combining active learning and reactive control for robot grasping", ROBOTICS AND AUTONOMOUS SYSTEMS, vol. 58, JPN6019049680, 12 June 2010 (2010-06-12), pages 1105 - 1116, ISSN: 0004609121 *
SARAH YANG: ""New 'deep learning' technique enables robot mastery of skills via trial and error"", BERKELEY NEWS, vol. [2021年4月7日検索], JPN6021014601, 21 May 2015 (2015-05-21), US, ISSN: 0004767418 *
杉尾 昇: "強化学習によるロボットハンドの把握制御", 電気学会論文誌C VOL.121−C NO.4, vol. 第121-C巻, JPN6019049679, JP, ISSN: 0004609120 *

Also Published As

Publication number Publication date
DE102016015873B3 (en) 2020-10-29
CN106393102A (en) 2017-02-15
JP7491971B2 (en) 2024-05-28
JP7100426B2 (en) 2022-07-13
JP2017030135A (en) 2017-02-09
JP2022145915A (en) 2022-10-04
CN113199483A (en) 2021-08-03
JP2024069414A (en) 2024-05-21
CN106393102B (en) 2021-06-01
JP2017064910A (en) 2017-04-06
JP6522488B2 (en) 2019-05-29

Similar Documents

Publication Publication Date Title
JP7100426B2 (en) Machine learning device, robot system and machine learning method to learn the operation of taking out the work
US11780095B2 (en) Machine learning device, robot system, and machine learning method for learning object picking operation
JP6810087B2 (en) Machine learning device, robot control device and robot vision system using machine learning device, and machine learning method
CN108393908B (en) Workpiece taking-out device and workpiece taking-out method for improving workpiece taking-out action
JP6514171B2 (en) Machine learning apparatus and method for learning an optimal article gripping path
US11945114B2 (en) Method and system for grasping an object
JP6240689B2 (en) Machine learning device, robot control device, robot system, and machine learning method for learning human behavior pattern
US10486306B2 (en) Control device for controlling robot by learning action of person, robot system, and production system
CN111684474B (en) Arithmetic device, arithmetic method, and recording medium
CN111226237A (en) Robotic system and method for robust grasping and aiming of objects
JP2017107902A (en) Machine learning device learning action of laminating core sheet, laminated core manufacturing device, laminated core manufacturing system, and machine learning method
US11203116B2 (en) System and method for predicting robotic tasks with deep learning
Eppner et al. Visual detection of opportunities to exploit contact in grasping using contextual multi-armed bandits
Breyer et al. Closed-loop next-best-view planning for target-driven grasping
JP6490132B2 (en) Robot control device, machine learning device, and machine learning method
RU2745380C1 (en) Method and system for capturing objects using robotic device
CN114454194A (en) Service robot, robot gripper control method, system and storage medium
TW202226071A (en) Machine learning device and machine learning method
JP2021170282A (en) Learning program, learning method, and information processing device
CN116460839A (en) Apparatus and method for controlling robot

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200806

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200806

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200907

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210803

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211005

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211206

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220510

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220810

C116 Written invitation by the chief administrative judge to file amendments

Free format text: JAPANESE INTERMEDIATE CODE: C116

Effective date: 20220823

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20220823

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20230411

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230707