JP2021135566A - Recommended motion parameter determination method and robot system - Google Patents
Recommended motion parameter determination method and robot system Download PDFInfo
- Publication number
- JP2021135566A JP2021135566A JP2020029121A JP2020029121A JP2021135566A JP 2021135566 A JP2021135566 A JP 2021135566A JP 2020029121 A JP2020029121 A JP 2020029121A JP 2020029121 A JP2020029121 A JP 2020029121A JP 2021135566 A JP2021135566 A JP 2021135566A
- Authority
- JP
- Japan
- Prior art keywords
- recommended
- arm
- parameter
- case data
- input
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 44
- 230000010365 information processing Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000003066 decision tree Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000013107 unsupervised machine learning method Methods 0.000 description 1
Images
Landscapes
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
Description
本発明は、アームを備えたロボットを含むロボットシステムの推奨動作パラメーター決定方法、およびロボットシステムに関する。 The present invention relates to a method for determining recommended motion parameters of a robot system including a robot equipped with an arm, and a robot system.
従来、特許文献１に示すように、タクトタイム等の動作目標を満足するために、ユーザープログラム、およびシミュレーターを用いて、ロボットの動作パラメーター、およびロボットプログラムを最適化する方法が知られている。
Conventionally, as shown in
しかしながら、同じ動作でも作業内容や動作環境によって、タクトタイム、オーバーシュート量、およびロボットを構成する部品の寿命といった、ユーザーが要求する性能が変わるため、特許文献１に記載の構成では、必ずしもユーザーが要求する性能に沿った動作パラメーターの最適化ができていない場合がある。ユーザーが要求する性能に沿った動作パラメーターを得るには、その度に最適化を実施し直す必要がある。
However, even with the same operation, the performance required by the user, such as the tact time, the amount of overshoot, and the life of the parts constituting the robot, changes depending on the work content and the operating environment. Therefore, in the configuration described in
推奨動作パラメーター決定方法は、アームを備えたロボットを含むロボットシステムの、前記アームを動作させる際の推奨動作パラメーターを決定する推奨動作パラメーター決定方法であって、前記アームの動作に関する第１動作情報と、タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターと、に基づいて、前記推奨動作パラメーターを決定する。 The recommended motion parameter determination method is a recommended motion parameter determination method for determining a recommended motion parameter when operating the arm of a robot system including a robot equipped with an arm, and is a first motion information regarding the motion of the arm. , Tact time, overshoot amount, and first performance parameters including any of the lifespan of the components constituting the arm, and the recommended operating parameters are determined.
ロボットシステムは、アームを有するロボットと、前記ロボットと接続され、前記ロボットの動作を制御するロボットコントローラーと、前記ロボットコントローラーと接続される推奨動作パラメーター決定装置と、を備えたロボットシステムであって、前記推奨動作パラメーター決定装置は、前記アームの動作に関する第１動作情報の入力を受け付ける第１入力部と、タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターの入力を受け付ける第２入力部と、を有し、入力された前記第１動作情報および前記第１性能パラメーターに基づいて、推奨動作パラメーターを決定する。 The robot system is a robot system including a robot having an arm, a robot controller connected to the robot and controlling the operation of the robot, and a recommended operation parameter determining device connected to the robot controller. The recommended operation parameter determining device includes a first input unit that receives input of first operation information related to the operation of the arm, and one of tact time, overshoot amount, and the life of parts constituting the arm. It has a second input unit that accepts the input of the first performance parameter, and determines the recommended operation parameter based on the input first operation information and the first performance parameter.
１．実施形態１
１．１．ロボットシステムの構成
実施形態１に係るロボットシステムの概略構成について、図１と図２を用いて説明する。
1. 1.
1.1. Configuration of Robot System The schematic configuration of the robot system according to the first embodiment will be described with reference to FIGS. 1 and 2.
本実施形態のロボットシステム１は、図１のように、情報処理装置１０と、事例記憶装置２０と、表示装置３０と、ロボット制御装置４０と、ロボット５０と、を備える。情報処理装置１０は、事例記憶装置２０と、表示装置３０と、ロボット制御装置４０と、それぞれ通信可能に接続されている。ロボット５０は、ロボット制御装置４０と通信可能に接続されている。また、図２のロボットシステム１の模式図のように、ロボット５０はアーム５５を有する。
As shown in FIG. 1, the
情報処理装置１０は、例えば、コンピューターであり、第１入力部１１と、第２入力部１２と、記憶部１３と、処理部１４と、通信部１５と、出力部１６とを含んで構成される。第１入力部１１は、アーム５５の動作に関する第１動作情報の入力を受け付ける。第１動作情報は、アーム５５の動作の始点および終点、アーム５５の移動量、アーム５５の先端にかかる重量のうち、少なくとも１つを含む。第２入力部１２は、アーム５５の動作時に要求される性能を表す第１性能パラメーターの入力を受け付ける。第１性能パラメーターは、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命のうち少なくとも１つの要求性能を表す。第１入力部１１と第２入力部１２は、例えば、図示しないキーボードやタッチパネル等の入力手段によって実現される。記憶部１３は、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）等によって構成され、第１入力部１１と第２入力部１２とで受け付けた第１動作情報および第１性能パラメーターを記憶する。通信部１５は、外部の装置との通信が可能な通信ポートであり、本実施形態の通信部１５は、事例記憶装置２０と通信し、事例記憶装置２０に記憶されている事例データを取得する。処理部１４は、例えば、ＣＰＵ（Central Processing Unit）によって構成され、入力された第１動作情報および第１性能パラメーターと、取得した事例データとに基づいて、ロボット５０のアーム５５を動作させる際の推奨動作パラメーターを決定する。出力部１６は、外部の装置とのインターフェイスであり、決定した推奨動作パラメーターを表示装置３０やロボット制御装置４０に出力する。情報処理装置１０は、この一例では推奨動作パラメーター決定装置である。
The
事例記憶装置２０には、ロボット５０のアーム５５を動作させることで収集した複数の事例データが予め記憶されている。各事例データは、アーム５５の動作に関する第２動作情報と、アーム５５の動作の基準となる動作パラメーターと、アーム５５の動作の性能を表す第２性能パラメーターと、を含み、これらは互いに対応付けられている。
The
第２動作情報は、第１動作情報と同様、アーム５５の動作の始点および終点、アーム５５の移動量、アーム５５の先端にかかる重量のうち、少なくとも１つを含む。
Like the first motion information, the second motion information includes at least one of the start point and end point of the motion of the
動作パラメーターは、例えば、アーム５５の速度に関するパラメーターとしては、アーム５５の最大速度、または最大速度に関わる補正係数等であり、アーム５５の加速度に関するパラメーターとしては、最大加速度、最大減速度、またはそれらに関わる補正係数等である。ロボット制御装置４０がアーム５５の動作を制御する際には、この動作パラメーターに従って制御を行う。情報処理装置１０が決定する推奨動作パラメーターは、この動作パラメーターの推奨値である。なお、動作パラメーターおよび推奨動作パラメーターは、アーム５５の速度および加速度の少なくとも一方に関するパラメーターであることが望ましいが、アーム５５の速度や加速度に関するパラメーター以外であってもよい。
The operation parameters are, for example, the maximum speed of the
第２性能パラメーターは、事例データを収集する際に計測されたパラメーターであり、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命の少なくとも１つを含む。第２性能パラメーターは、第２動作情報で規定される動作を、動作パラメーターに従って動作させた場合に計測される。なお、第２性能パラメーターは、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命のうち少なくとも１つを含めばよいが、ユーザーが入力した第１性能パラメーターと比較できない事例データは活用されないため、すべてを含むことが望ましい。
The second performance parameter is a parameter measured when collecting case data, and includes at least one of the tact time, the amount of overshoot, and the life of the parts constituting the
事例データの収集は、ロボット５０と同一の機種であれば必ずしも同一の個体で実施する必要はない。そのため、ロボット５０と同一の機種のロボットを複数台用い、複数の事例データを並行して収集してもよい。
The collection of case data does not necessarily have to be carried out by the same individual as long as it is the same model as the
事例記憶装置２０は、例えば情報処理装置１０にＵＳＢ（Universal Serial Bus）ケーブル等で接続される外付けのＨＤＤやＳＳＤ（Solid State Drive）で構成される。なお、事例記憶装置２０は、情報処理装置１０に内蔵される記憶装置であってもよいし、Ｅｔｈｅｒｎｅｔ（登録商標）ケーブルや無線ＬＡＮ（Local Area Network）等で接続される外部のコンピューターに内蔵される記憶装置等であってもよい。
The
表示装置３０は、処理部１４で決定した推奨動作パラメーターを表示する装置である。表示装置３０は、例えば液晶ディスプレイパネルや、プロジェクターである。
The
ロボット制御装置４０は、出力部１６から出力される推奨動作パラメーターと、予めロボット制御装置４０内に格納されているロボットプログラムとに基づいて、ロボット５０の動作を制御する。ロボット制御装置４０は、この一例ではロボットコントローラーである。
The
ロボット５０は、教示を行うことにより各種作業が可能となる汎用ロボットである。本実施形態では、水平多関節ロボットを例にして説明する。図２に示すように、ロボット５０は、作業台６０に設置されており、複数のマニピュレーターを含んで構成されるアーム５５を備えている。アーム５５の先端には、各種作業に用いられるエンドエフェクター５７が取り付けられている。アーム５５がロボット制御装置４０に格納されているロボットプログラムに基づいて動作することで、各種作業が実施される。
なお、ロボット５０のマニピュレーターの数に決まりはなく、例えば６つのマニピュレーターを備える垂直多関節ロボットであってもよい。
The
The number of manipulators of the
１．２．推奨動作パラメーター提示の流れ
以下では、アーム５５を動作させる際の推奨動作パラメーターを決定する推奨動作パラメーター決定方法について説明する。
1.2. Flow of Presenting Recommended Operation Parameters The following describes how to determine the recommended operation parameters when operating the
図３は、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。ユーザーが、情報処理装置１０に対して、推奨動作パラメーターの提示を要求する操作を行うと、情報処理装置１０は、図３に示すフローに従って動作する。
ステップＳ１００において、第１入力部１１は、ユーザーからの第１動作情報の入力を受け付け、処理部１４は、入力された第１動作情報を記憶部１３に記憶する。
FIG. 3 is a flowchart showing an operation of presenting recommended operation parameters to the user. When the user performs an operation of requesting the
In step S100, the
図４は、表示装置３０に表示される、ユーザーからの入力を受け付けるＧＵＩ（Graphical User Interface）の例を示した図である。ステップＳ１００において、ユーザーは、動作情報入力部Ｇ１０に第１動作情報を入力し、ボタンＧ２０を押下することで入力を完了する。図４に示したＧＵＩの動作情報入力部Ｇ１０には、第１動作情報として、アーム５５の動作の始点および終点と、アーム５５の先端にかかる重量である手先負荷が入力可能になっている。
なお、第１動作情報の入力は、図４のようなＧＵＩ以外の方法で受け付けてもよい。例えば、記憶部１３等に記憶させたデータファイルを読み込んで受け付けてもよいし、外部の情報処理装置からの通信データとして受け付けてもよい。
FIG. 4 is a diagram showing an example of a GUI (Graphical User Interface) displayed on the
The input of the first operation information may be accepted by a method other than the GUI as shown in FIG. For example, the data file stored in the
ステップＳ１１０において、処理部１４は、入力された第１動作情報と、事例記憶装置２０から通信部１５を介して受け取った複数の事例データの第２動作情報との類似度を算出し、第１動作情報との類似度が所定値以上である第２動作情報を有する事例データを、候補事例データとして抽出する。
類似度は、直感的にはアーム５５の２つの動作が似ているほど高い値をとる指標であり、例えばアーム５５の動作の始点および終点と、アーム５５の先端にかかる重量とを並べたベクトル同士の差分のノルムの逆数を用いることができる。
In step S110, the processing unit 14 calculates the degree of similarity between the input first operation information and the second operation information of the plurality of case data received from the
The degree of similarity is an index that intuitively takes a higher value as the two movements of the
図５は、動作情報の空間でユーザーが入力した第１動作情報と、事例記憶装置２０に格納されている第２動作情報とをプロットした例である。ただし、動作情報の空間は一般に始点のＸＹＺ座標と終点のＸＹＺ座標だけでも６次元になり、アーム５５の先端にかかる重量も加えれば７次元になるが、図５では簡単のためそのうちの２次元（動作情報Ａ、動作情報Ｂ）だけを表示している。図中、白い丸のマークは、ユーザーが入力した第１動作情報を表し、黒い三角のマークは、第１動作情報と類似している候補事例データの第２動作情報を表し、白い三角のマークは、候補事例データ以外の事例データの第２動作情報を表している。
図５において、第２動作情報と第１動作情報との類似度が所定値以上であるということは、この動作情報の空間内での距離が所定値以下ということ、例えば、第１動作情報を中心として所定の半径を有する円Ｃ０内に含まれるということを意味し、そのような第２動作情報を有する事例データが候補事例データとなる。
FIG. 5 is an example in which the first operation information input by the user in the operation information space and the second operation information stored in the
In FIG. 5, the similarity between the second operation information and the first operation information is equal to or more than a predetermined value, which means that the distance of the operation information in the space is not more than the predetermined value, for example, the first operation information. It means that it is included in the circle C0 having a predetermined radius as the center, and the case data having such second operation information becomes the candidate case data.
ステップＳ１２０において、処理部１４は、抽出された候補事例データの数が所定数以上であるか判定し、所定数以上であればその後の処理に問題ないと判定してステップＳ１３０へ進む。 In step S120, the processing unit 14 determines whether the number of extracted candidate case data is equal to or greater than a predetermined number, and if it is equal to or greater than a predetermined number, determines that there is no problem in subsequent processing and proceeds to step S130.
抽出された候補事例データの数が所定数未満であれば、処理部１４は、ステップＳ１２２で出力部１６を介して表示装置３０に、十分な数の事例データがないことを報知する警告メッセージを表示する。警告メッセージは、例えば図４のＧＵＩ内に設けられたメッセージ表示部Ｇ３０に表示される。
If the number of extracted candidate case data is less than a predetermined number, the processing unit 14 issues a warning message in step S122 via the
ステップＳ１２４で、処理部１４は、警告メッセージを確認したユーザーから、処理を続行するか否かの指示を受け付ける。処理を続行する指示を受け付けた場合にはステップＳ１３０へ進み、続行しない指示を受け付けた場合には終了する。 In step S124, the processing unit 14 receives an instruction as to whether or not to continue the processing from the user who has confirmed the warning message. If an instruction to continue the process is received, the process proceeds to step S130, and if an instruction not to continue is received, the process ends.
このように、ユーザーが警告メッセージを元に処理の続行可否を判断することで、予め収集された事例データ数が不十分な場合に不適切な動作パラメーターを出力することを防ぐことができる。なお、このユーザーによる判断は必須ではなく、抽出された候補事例データの数に応じて自動的に処理の続行可否を判定するようにしてもよい。 In this way, by determining whether or not the processing can be continued based on the warning message, it is possible to prevent the user from outputting inappropriate operation parameters when the number of case data collected in advance is insufficient. It should be noted that the judgment by this user is not indispensable, and it may be possible to automatically judge whether or not the processing can be continued according to the number of extracted candidate case data.
ステップＳ１３０において、第２入力部１２は、ユーザーからの第１性能パラメーターの入力を受け付け、処理部１４は、入力された第１性能パラメーターを記憶部１３に記憶する。第１性能パラメーターは、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命のうち少なくとも１つの要求性能を含むものであればよく、例えば「タクトタイムが１．０秒未満」、「オーバーシュート量が０．１ｍｍ未満、かつ、アームを構成する部品の寿命が１００カ月以上」などである。
In step S130, the
例えば、ユーザーは、図４のＧＵＩ内に設けられた性能パラメーター入力部Ｇ４０に第１性能パラメーターを入力し、ボタンＧ６０を押下することで入力を完了する。なお、第１性能パラメーターの入力は、図４のようなＧＵＩ以外の方法で受け付けてもよい。例えば、記憶部１３等に記憶させたデータファイルを読み込んで受け付けてもよいし、外部の情報処理装置からの通信データとして受け付けてもよい。
For example, the user inputs the first performance parameter to the performance parameter input unit G40 provided in the GUI of FIG. 4, and presses the button G60 to complete the input. The input of the first performance parameter may be accepted by a method other than GUI as shown in FIG. For example, the data file stored in the
ステップＳ１４０において、処理部１４は、入力された第１性能パラメーターを満たす第２性能パラメーターを有する事例データを、候補事例データの中から類似事例データとして抽出する。上述したように、候補事例データは、第２動作情報と、入力された第１動作情報との類似度に基づいて抽出されるため、類似事例データは、複数の事例データの中から、第２動作情報および第２性能パラメーターと、入力された第１動作情報および第１性能パラメーターとに基づいて決定されることになる。
先の例で第１性能パラメーターが「タクトタイムが１．０秒未満」であった場合、候補事例データの中にあるタクトタイムが１．０秒未満の第２性能パラメーターを有する事例データが類似事例データとして抽出される。この例では、オーバーシュート量やアーム５５を構成する部品の寿命については不問である。
In step S140, the processing unit 14 extracts case data having a second performance parameter satisfying the input first performance parameter as similar case data from the candidate case data. As described above, since the candidate case data is extracted based on the degree of similarity between the second operation information and the input first operation information, the similar case data is the second case data from the plurality of case data. It will be determined based on the operation information and the second performance parameter and the input first operation information and the first performance parameter.
When the first performance parameter is "tact time is less than 1.0 seconds" in the previous example, the case data having the second performance parameter with the tact time less than 1.0 seconds in the candidate case data is similar. It is extracted as case data. In this example, the amount of overshoot and the life of the parts constituting the
ステップＳ１５０において、処理部１４は、類似事例データがｋ個以上抽出されたか判定し、ｋ個以上であればステップＳ１６０へ進む。ここで、ｋは予めユーザーが設定した、推奨動作パラメーターの出力数であり、例えば図４のＧＵＩ内に設けられた出力数設定部Ｇ５０を用いて設定できる。
類似事例データがｋ個未満の場合、処理部１４は、ステップＳ１５２において出力部１６を介して表示装置３０にメッセージを表示して、類似事例データが不足している旨をユーザーに通知し、ステップＳ１３０に戻る。ユーザーは、第１性能パラメーターを再検討した上で、第１性能パラメーターの入力を行う。
In step S150, the processing unit 14 determines whether k or more similar case data have been extracted, and if k or more, proceeds to step S160. Here, k is the number of outputs of the recommended operation parameter set in advance by the user, and can be set by using, for example, the output number setting unit G50 provided in the GUI of FIG.
When the number of similar case data is less than k, the processing unit 14 displays a message on the
ステップＳ１６０において、処理部１４は、類似事例データの動作パラメーターに基づいて、ｋ個の推奨動作パラメーターを決定する。例えば、ユーザーが入力した第１動作情報との類似度が高い順にｋ個の事例データを類似事例データから抽出し、それらの動作パラメーターを推奨動作パラメーターとすればよい。また、別の方法として、タクトタイムが短い順にｋ個の事例データを類似事例データから抽出し、それらの動作パラメーターを推奨動作パラメーターとしてもよい。 In step S160, the processing unit 14 determines k recommended operation parameters based on the operation parameters of the similar case data. For example, k case data may be extracted from the similar case data in descending order of similarity with the first operation information input by the user, and those operation parameters may be set as recommended operation parameters. Alternatively, as another method, k case data may be extracted from similar case data in ascending order of tact time, and those operation parameters may be used as recommended operation parameters.
なお、ｋ個の推奨動作パラメーターは、類似事例データに対して何らかの統計的処理を施すことで算出してもよい。例えば、ｋ＝１の場合には、類似事例データの動作パラメーターを平均化処理したものを推奨動作パラメーターとすることができる。 The k recommended operation parameters may be calculated by performing some statistical processing on the similar case data. For example, when k = 1, the recommended operation parameter can be the one obtained by averaging the operation parameters of similar case data.
ステップＳ１７０において、処理部１４は、出力部１６を介して表示装置３０にｋ個の推奨動作パラメーターを出力する。ユーザーは、表示装置３０に表示された推奨動作パラメーターを１つ選択し、ロボット制御装置４０に入力することで、推奨動作パラメーターでロボット５０を動作させることができる。ｋ＝１の場合には、処理部１４は、出力部１６を介してロボット制御装置４０に１つの推奨動作パラメーターを直接出力してもよく、この場合にはユーザーが推奨動作パラメーターを入力する手間を省くことができる。
In step S170, the processing unit 14 outputs k recommended operation parameters to the
図６は、表示装置３０に推奨動作パラメーターが表示されるＧＵＩの例を示した図であり、ｋ＝３とした場合の例を示している。表示装置３０の画面には、パラメーターリストＧ１００が表示され、このパラメーターリストＧ１００には、処理部１４で決定された推奨動作パラメーターが表示される。ユーザーは、パラメーターリストＧ１００内のチェック欄Ｇ１１０をチェックすることによって推奨動作パラメーターの中から１つを選択し、ボタンＧ１２０を押下することで、選択した推奨動作パラメーターをロボット制御装置４０に送信することができる。
FIG. 6 is a diagram showing an example of a GUI in which recommended operation parameters are displayed on the
以上の構成により、ユーザーは、作業内容や動作環境に応じた要求性能を満たすような動作パラメーターを、最適化の手間なしに容易に得ることができる。 With the above configuration, the user can easily obtain operation parameters that satisfy the required performance according to the work content and the operating environment without the trouble of optimization.
なお、ステップＳ１００において、ユーザーからの第１動作情報の入力と第１性能パラメーターの入力を同時に受け付けてもよい。 In step S100, the input of the first operation information and the input of the first performance parameter from the user may be accepted at the same time.
図７は、ユーザーからの第１動作情報の入力と第１性能パラメーターの入力を同時に受け付けるＧＵＩの例を示した図である。図４のＧＵＩと異なるのは、ボタンＧ２０が廃された点である。
このようなＧＵＩを用いれば、ユーザーは、第１動作情報と第１性能パラメーターを同時に入力でき、より簡便に推奨動作パラメーターを得ることができる。
FIG. 7 is a diagram showing an example of a GUI that simultaneously accepts the input of the first operation information and the input of the first performance parameter from the user. The difference from the GUI in FIG. 4 is that the button G20 has been abolished.
By using such a GUI, the user can input the first operation information and the first performance parameter at the same time, and can more easily obtain the recommended operation parameter.
２．実施形態２
本実施形態のロボットシステム１は、事例記憶装置２０に格納されている複数の事例データが予めクラスタリングされて推奨動作パラメーターの決定に用いられる点で、実施形態１と異なっている。それ以外の構成は実施形態１と同様であるため、詳しい説明を省略する。
2.
The
図８は、実施形態２において、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。
図８に示すように、ステップＳ２００において、処理部１４は、事例記憶装置２０に格納されている複数の事例データを、第２動作情報および第２性能パラメーターの相互の類似度である相互類似度に基づいて、予めクラスタリングし、複数のクラスに分類しておく。ここで、クラスタリングには、ｋ−ｍｅａｎｓ法やｘ−ｍｅａｎｓ法、ＥＭアルゴリズムを初めとする各種教師なし機械学習手法を用いることができる。また、事例記憶装置２０がＥｔｈｅｒｎｅｔケーブルや無線ＬＡＮ等で接続される外部コンピューターに接続されている場合、その外部コンピューターが、処理部１４に代わってクラスタリングしておいてもよい。
FIG. 8 is a flowchart showing an operation of presenting recommended operation parameters to the user in the second embodiment.
As shown in FIG. 8, in step S200, the processing unit 14 converts the plurality of case data stored in the
図９は、事例記憶装置２０に格納されている複数の事例データがクラスタリングされた例を示す図である。図９では、簡単のため動作情報と性能パラメーターの２次元で表示しているが、実際にはより高次元の空間である。図９では、三角のマークで表される事例データが、破線の円で囲まれた３つのクラスＣ１〜Ｃ３に分類されている。
FIG. 9 is a diagram showing an example in which a plurality of case data stored in the
ステップＳ２１０では、実施形態１のステップＳ１００と同様に、第１入力部１１が、ユーザーからの第１動作情報の入力を受け付け、処理部１４が、入力された第１動作情報を記憶部１３に記憶する。
ステップＳ２２０では、実施形態１のステップＳ１３０と同様に、第２入力部１２が、ユーザーからの第１性能パラメーターの入力を受け付け、処理部１４が、入力された第１性能パラメーターを記憶部１３に記憶する。
In step S210, similarly to step S100 of the first embodiment, the
In step S220, similarly to step S130 of the first embodiment, the
ステップＳ２３０では、処理部１４は、ユーザーが入力した第１動作情報および第１性能パラメーターとの類似度が最も高いクラスを決定し、そのクラスを類似クラスとする。類似度には、例えば第１動作情報および第１性能パラメーターと、クラスに属する事例データの第２動作情報および第２性能パラメーターの重心と、のユークリッド距離の逆数を用いることができる。このような方法は、重心法と呼ばれる。
図９の例では、ユーザーが入力した第１動作情報および第１性能パラメーターは、丸のマークで表されており、類似度が最も高いクラスＣ３に分類される。
In step S230, the processing unit 14 determines a class having the highest degree of similarity with the first operation information and the first performance parameter input by the user, and sets that class as a similar class. For the degree of similarity, for example, the reciprocal of the Euclidean distance between the first operation information and the first performance parameter and the center of gravity of the second operation information and the second performance parameter of the case data belonging to the class can be used. Such a method is called the center of gravity method.
In the example of FIG. 9, the first operation information and the first performance parameter input by the user are represented by circle marks and are classified into class C3 having the highest degree of similarity.
ステップＳ２４０では、処理部１４は、ユーザーが入力した第１動作情報および第１性能パラメーターと類似クラスとの類似度が所定値以上であるか判定し、所定値以上であればステップＳ２５０へ進む。つまり、ステップＳ２３０とステップＳ２４０とにおいて、処理部１４は、類似度が所定値以上の類似クラスを選択する。
類似度が所定値未満であった場合、処理部１４は、ステップＳ２４２において出力部１６を介して表示装置３０に警告メッセージを表示し、十分類似するクラスが存在しない旨をユーザーに通知し、ステップＳ２２０に戻る。ユーザーは、第１性能パラメーターを再検討した上で、第１性能パラメーターの入力を行う。
In step S240, the processing unit 14 determines whether the similarity between the first operation information and the first performance parameter input by the user and the similar class is equal to or higher than a predetermined value, and if it is equal to or higher than the predetermined value, the process proceeds to step S250. That is, in step S230 and step S240, the processing unit 14 selects a similar class having a similarity degree of a predetermined value or more.
If the similarity is less than a predetermined value, the processing unit 14 displays a warning message on the
ステップＳ２５０において、処理部１４は、類似クラスに属する事例データを類似事例データとして、実施形態１のステップＳ１６０と同様に推奨動作パラメーターを決定する。
その後、ステップＳ２６０において、実施形態１のステップＳ１７０と同様、処理部１４は、出力部１６を介して表示装置３０やロボット制御装置４０に推奨動作パラメーターを出力する。
In step S250, the processing unit 14 determines the recommended operation parameters in the same manner as in step S160 of the first embodiment, using the case data belonging to the similar class as the similar case data.
After that, in step S260, as in step S170 of the first embodiment, the processing unit 14 outputs the recommended operation parameters to the
本実施形態によれば、ユーザーが入力した第１動作情報と第１性能パラメーターに類似する事例データを高速に検索できる効果がある。また、同一クラスに属する類似した事例データだけを利用するため、適切な推奨動作パラメーターを決定できる。 According to this embodiment, there is an effect that the first operation information input by the user and the case data similar to the first performance parameter can be searched at high speed. Moreover, since only similar case data belonging to the same class is used, an appropriate recommended operation parameter can be determined.
また、情報処理装置１０は、推奨動作パラメーターを出力するだけでなく、その推奨の程度を信頼度として算出し、表示装置３０に出力してもよい。信頼度は、推奨動作パラメーターによるアーム５５の動作が、ユーザーが入力した第１性能パラメーターを満たす確率が高いと推定されるほど高くなる指標である。信頼度としては、例えばステップＳ２３０で算出される類似度を用いることができる。つまり、信頼度は、選択した類似クラスに属する事例データの第２動作情報および第２性能パラメーターと、第１動作情報および第１性能パラメーターとに基づいて算出され得る。
ユーザーは、表示される信頼度を、推奨動作パラメーターをそのまま採用するか更に微調整するかといった判断に用いることができる。
Further, the
The user can use the displayed reliability to determine whether to adopt the recommended operating parameters as they are or to make further fine adjustments.
３．実施形態３
本実施形態のロボットシステム１は、決定した推奨動作パラメーターとともに、推奨動作パラメーターの調整範囲を出力する。それ以外の構成は実施形態１と同様であるため、詳しい説明を省略する。
3. 3.
The
図１０は、実施形態３において、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。
図１０に示すように、処理部１４は、実施形態１と同様のステップＳ１００〜Ｓ１６０を行って推奨動作パラメーターを決定する。その後、ステップＳ３００において、処理部１４は、第１性能パラメーターを満たすことが可能な、推奨動作パラメーターの調整範囲を推定する。具体的には、処理部１４は、ステップＳ１４０で抽出した類似事例データ、すなわち第１性能パラメーターに関する条件を満たす事例データの少なくとも１つを推奨事例データとして選び、その他の候補事例データ、すなわち第１性能パラメーターに関する条件を満たさない事例データの少なくとも１つを非推奨事例データとして選ぶ。そして、処理部１４は、推奨事例データと非推奨事例データを分割するような動作パラメーターの境界条件を決定し、この境界条件に基づいて、推奨動作パラメーターの調整範囲を推定する。このとき、推奨事例データと非推奨事例データはそれぞれ少なくとも１つの事例データを含めばよいが、実用的な境界条件を決定するためにはより多くの事例データを含むことが望ましい。境界条件の決定には、例えば機械学習手法のひとつである決定木を用いることができる。
FIG. 10 is a flowchart showing an operation of presenting recommended operation parameters to the user in the third embodiment.
As shown in FIG. 10, the processing unit 14 performs the same steps S100 to S160 as in the first embodiment to determine the recommended operation parameters. After that, in step S300, the processing unit 14 estimates the adjustment range of the recommended operation parameter that can satisfy the first performance parameter. Specifically, the processing unit 14 selects at least one of the similar case data extracted in step S140, that is, the case data satisfying the condition relating to the first performance parameter, as the recommended case data, and the other candidate case data, that is, the first case data. Select at least one case data that does not meet the performance parameter requirements as deprecated case data. Then, the processing unit 14 determines the boundary conditions of the operation parameters that divide the recommended case data and the non-recommended case data, and estimates the adjustment range of the recommended operation parameters based on the boundary conditions. At this time, the recommended case data and the non-recommended case data may each include at least one case data, but it is desirable to include more case data in order to determine a practical boundary condition. For example, a decision tree, which is one of the machine learning methods, can be used to determine the boundary conditions.
図１１は、決定木を用いて推奨事例データと非推奨事例データの境界条件を決定する例を示した図である。図１１において、丸のマークは推奨事例データの動作パラメーターを表し、三角のマークは非推奨事例データの動作パラメーターを表す。また、図１１における第１性能パラメーターに関する条件は、最大加速度が１０を超えること、および最大減速度が５を超えることである。なお、図１１では簡単のため動作パラメーターが最大加速度と最大減速度の２次元のみの場合を示しているが、より高次元の場合でも同様に扱える。推奨事例データの動作パラメーターと非推奨事例データの動作パラメーターの境界条件を決定木で学習させることで、例えば図１２のような決定木が得られる。図１２の決定木では、各動作パラメーターは、最大加速度に関する条件を満たさないものは非推奨とされる。一方、最大加速度に関する条件を満たすもののうち、最大減速度に関する条件を満たすものが推奨とされ、満たさないものは非推奨とされる。図１１の破線は、図１２のノードの条件を動作パラメーター空間で表現したものであり、決定木によって境界条件を決定できていることがわかる。
境界条件を決定することで、実際にロボット５０で動作させずとも、ユーザーが入力した第１性能パラメーターを満たす調整範囲を推定することができる。図１１の例では、調整範囲は四角で表される範囲である。
FIG. 11 is a diagram showing an example of determining the boundary conditions between the recommended case data and the deprecated case data using the decision tree. In FIG. 11, the circle mark represents the operation parameter of the recommended case data, and the triangular mark represents the operation parameter of the non-recommended case data. The conditions for the first performance parameter in FIG. 11 are that the maximum acceleration exceeds 10 and the maximum deceleration exceeds 5. Note that FIG. 11 shows a case where the operation parameters are only two-dimensional, that is, the maximum acceleration and the maximum deceleration for the sake of simplicity, but the same can be applied to the case of higher dimensions. By learning the boundary conditions between the operation parameters of the recommended case data and the operation parameters of the non-recommended case data with the decision tree, a decision tree as shown in FIG. 12 can be obtained, for example. In the decision tree of FIG. 12, each operating parameter is deprecated if it does not meet the conditions for maximum acceleration. On the other hand, among those satisfying the conditions regarding the maximum acceleration, those satisfying the conditions regarding the maximum deceleration are recommended, and those not satisfying the conditions are deprecated. The broken line in FIG. 11 represents the node condition in FIG. 12 in the operation parameter space, and it can be seen that the boundary condition can be determined by the decision tree.
By determining the boundary conditions, it is possible to estimate the adjustment range that satisfies the first performance parameter input by the user without actually operating the
図１０のステップＳ３１０において、処理部１４は、ｋ個の推奨動作パラメーターと、ステップＳ３００で推定した調整範囲を、出力部１６を介して表示装置３０に出力する。
In step S310 of FIG. 10, the processing unit 14 outputs k recommended operation parameters and the adjustment range estimated in step S300 to the
図１３は、表示装置３０に推奨動作パラメーターと調整範囲が表示されるＧＵＩの例を示した図である。図１３が図６と異なるのは、ステップＳ３００で推定した調整範囲が、ＧＵＩ内に設けられた調整範囲表示部Ｇ１３０に表示されている点である。なお、調整範囲は、図１３のように条件式を列挙する代わりに、図１１のように図示してもよい。あるいは、図１２の決定木のように、動作パラメーターを入力として受け付け、推奨か非推奨かを判定する機械学習モデルとして出力してもよい。
FIG. 13 is a diagram showing an example of a GUI in which recommended operation parameters and adjustment ranges are displayed on the
以上のように実施することで、ユーザーは、出力された調整範囲を参考に更に良い動作パラメーターを効率良く探索することができる。 By carrying out as described above, the user can efficiently search for better operation parameters with reference to the output adjustment range.
なお、ステップＳ３００において、推奨事例データと非推奨事例データを分割する境界条件や調整範囲を算出する際には、決定木の代わりに、ランダムフォレストやサポートベクターマシン等の各種機械学習手法を用いてもよい。
また、実施形態２のステップＳ２５０で推奨動作パラメーターを決定した後で、ステップＳ３００以降を実施してもよい。
In step S300, when calculating the boundary condition and adjustment range for dividing the recommended case data and the non-recommended case data, various machine learning methods such as a random forest and a support vector machine are used instead of the decision tree. May be good.
Further, after determining the recommended operation parameters in step S250 of the second embodiment, steps S300 and subsequent steps may be performed.
４．実施形態４
本実施形態のロボットシステム１は、第１動作情報の入力を複数受け付けて、複数の推奨動作パラメーターとそれらを補間する補間動作パラメーターも提示する点で、実施形態１と異なっている。それ以外の構成は実施形態１と同様であるため、詳しい説明を省略する。
4. Embodiment 4
The
図１４は、実施形態４において、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。
図１４に示すように、第１入力部１１は、ステップＳ４００において、アーム５５の動作に関する第１動作情報の入力を複数受け付ける。複数の第１動作情報を入力すべきケースは、ユーザーが所望するアーム５５の動作に中間地点が存在するような場合にしばしば現われる。動作パラメーターの変更にはＲＯＭの更新等の時間を要する処理が必要であるため、それぞれの第１動作情報に合わせて都度動作パラメーターを変更するのではなく、それらの要求性能を同時に満たすような動作パラメーターを利用することが望ましい。
FIG. 14 is a flowchart showing an operation of presenting recommended operation parameters to the user in the fourth embodiment.
As shown in FIG. 14, the
図１５は、ステップＳ４００において表示装置３０に表示される、ユーザーからの入力を受け付けるＧＵＩの例を示した図である。ただし、図７の例と同様の要素には同じ符号を付し、説明を省略する。図１５の例が図７と異なるのは、動作情報入力部Ｇ２１０および性能パラメーター入力部Ｇ２４０において、第１動作情報および第１性能パラメーターをそれぞれ複数入力できる点である。
FIG. 15 is a diagram showing an example of a GUI that receives input from the user and is displayed on the
その後、処理部１４は、１つの第１動作情報について、実施形態１と同様に、ステップＳ１１０〜ステップＳ１６０を実行し、この第１動作情報に対応する推奨動作パラメーターを決定する。ここでは、簡単のためｋ＝１とし、ある第１動作情報に対して１つの推奨動作パラメーターを決定するものとする。 After that, the processing unit 14 executes steps S110 to S160 for one first operation information in the same manner as in the first embodiment, and determines recommended operation parameters corresponding to the first operation information. Here, for the sake of simplicity, k = 1 is set, and one recommended operation parameter is determined for a certain first operation information.
ステップＳ４１０において、処理部１４は、ステップＳ４００で受け付けたすべての第１動作情報に対応する推奨動作パラメーターの決定が終了したか判定し、終了した場合にはステップＳ４２０へ進む。終了していない場合には、ステップＳ１１０へ戻り、他の第１動作情報についても推奨動作パラメーターを決定する。 In step S410, the processing unit 14 determines whether or not the determination of the recommended operation parameters corresponding to all the first operation information received in step S400 is completed, and if so, proceeds to step S420. If it is not completed, the process returns to step S110, and the recommended operation parameters are determined for the other first operation information.
ステップＳ４２０において、処理部１４は、各第１動作情報に対応する推奨動作パラメーター間を補間するように、補間動作パラメーターをｍ個算出する。ここで、ｍは予めユーザーが任意に決定できる正の整数である。第１動作情報の入力を２つ受け付けた場合の、推奨動作パラメーターと補間動作パラメーターの例を図１６に示す。図１６の丸のマークが推奨動作パラメーターを表し、三角のマークが補間動作パラメーターを表し、ｍ＝３としている。補間動作パラメーターは、図１６のように、各推奨動作パラメーターの重み付き平均として算出できる。
なお、第１動作情報の入力が３つ以上の場合にも、同様に重み付き平均で補間動作パラメーターを算出可能である。
In step S420, the processing unit 14 calculates m interpolation operation parameters so as to interpolate between the recommended operation parameters corresponding to each first operation information. Here, m is a positive integer that can be arbitrarily determined by the user in advance. FIG. 16 shows an example of recommended operation parameters and interpolation operation parameters when two inputs of the first operation information are accepted. The circle mark in FIG. 16 represents the recommended operation parameter, the triangular mark represents the interpolation operation parameter, and m = 3. The interpolation operation parameters can be calculated as a weighted average of each recommended operation parameter as shown in FIG.
Even when the number of inputs of the first operation information is three or more, the interpolation operation parameter can be calculated by the weighted average in the same manner.
ステップＳ４３０において、処理部１４は、各第１動作情報に対応する推奨動作パラメーターと、ｍ個の補間動作パラメーターとを、出力部１６を介して表示装置３０に出力する。
In step S430, the processing unit 14 outputs the recommended operation parameters corresponding to each first operation information and m interpolation operation parameters to the
以上のように実施することで、ユーザーは、アーム５５の複数の動作に対する要求性能を同時に満たすような動作パラメーターを、容易に得ることができる。
By carrying out as described above, the user can easily obtain an operation parameter that simultaneously satisfies the required performance for a plurality of operations of the
なお、先述の例ではステップＳ１１０〜ステップＳ１６０においてｋ＝１としたが、ｋを２以上としてもよい。その場合、ステップＳ１６０において、１つの第１動作情報に対してｋ個の推奨動作パラメーターが決定される。その後、ステップＳ４２０において、処理部１４が、各第１動作情報に対応する推奨動作パラメーターを１つずつ選択し、組み合わさった推奨動作パラメーターを用いて、先の実施例と同様に補間動作パラメーターを算出する。
推奨動作パラメーターの選択の組み合わせは、ユーザーから受け付けた第１動作情報および第１性能パラメーターの数をｎとすると、ｋのｎ乗通りとなり、ｋやｎが大きいと膨大になり得る。この中から、補間動作パラメーターを算出する組み合わせを決定する方法としては、乱数を用いてランダムに決定する方法を用いることができる。あるいは、動作パラメーター空間での分散や凸包が最小になる組み合わせを試行錯誤的に探索して決定してもよい。この探索には、遺伝的アルゴリズム等の各種組み合わせ最適化手法を用いることができる。
In the above-mentioned example, k = 1 is set in steps S110 to S160, but k may be set to 2 or more. In that case, in step S160, k recommended operation parameters are determined for one first operation information. After that, in step S420, the processing unit 14 selects one recommended operation parameter corresponding to each first operation information, and uses the combined recommended operation parameter to perform interpolation operation parameters as in the previous embodiment. calculate.
The combination of selection of recommended operation parameters is as per the nth power of k, where n is the number of first operation information and first performance parameters received from the user, and can be enormous if k or n is large. From these, as a method of determining the combination for calculating the interpolation operation parameter, a method of randomly determining using a random number can be used. Alternatively, the combination that minimizes the variance and convex hull in the operating parameter space may be searched and determined by trial and error. Various combinatorial optimization methods such as genetic algorithms can be used for this search.
５．実施形態５
アーム５５の動作に関する動作情報と動作パラメーターを入力とし、その際の性能パラメーターを推定する回帰モデルを構築することで、推奨動作パラメーターを算出してもよい。この回帰モデルは、事例記憶装置２０に格納された複数の事例データを用いて学習させることができる。学習済みの回帰モデルに対して、ユーザーが入力した第１動作情報と、乱数で生成する様々な動作パラメーターとを試行錯誤的に入力することで、ユーザーが入力した第１性能パラメーターを満たす動作パラメーターを探索することができる。
回帰モデルとしては、ガウス過程回帰やニューラルネットワーク等の各種機械学習モデルを用いることができる。
この実施方法によれば、ユーザーの要求性能を満たすような動作パラメーターを、実際のロボット５０を動作させることなく容易に得ることができる。
5.
The recommended operation parameters may be calculated by inputting the operation information and the operation parameters related to the operation of the
As the regression model, various machine learning models such as Gaussian process regression and neural network can be used.
According to this implementation method, it is possible to easily obtain an operation parameter that satisfies the performance required by the user without operating the
１…ロボットシステム、１０…情報処理装置、１１…第１入力部、１２…第２入力部、１３…記憶部、１４…処理部、１５…通信部、１６…出力部、２０…事例記憶装置、３０…表示装置、４０…ロボット制御装置、５０…ロボット、５５…アーム、５７…エンドエフェクター、６０…作業台、Ｃ１〜Ｃ３…クラス、Ｇ１０…動作情報入力部、Ｇ２０，Ｇ６０，Ｇ１２０…ボタン、Ｇ３０…メッセージ表示部、Ｇ４０…性能パラメーター入力部、Ｇ５０…出力数設定部、Ｇ１００…パラメーターリスト、Ｇ１１０…チェック欄、Ｇ１３０…調整範囲表示部、Ｇ２１０…動作情報入力部、Ｇ２４０…性能パラメーター入力部。 1 ... Robot system, 10 ... Information processing device, 11 ... 1st input unit, 12 ... 2nd input unit, 13 ... Storage unit, 14 ... Processing unit, 15 ... Communication unit, 16 ... Output unit, 20 ... Case storage device , 30 ... Display device, 40 ... Robot control device, 50 ... Robot, 55 ... Arm, 57 ... End effector, 60 ... Worktable, C1 to C3 ... Class, G10 ... Operation information input unit, G20, G60, G120 ... Button , G30 ... Message display unit, G40 ... Performance parameter input unit, G50 ... Output number setting unit, G100 ... Parameter list, G110 ... Check column, G130 ... Adjustment range display unit, G210 ... Operation information input unit, G240 ... Performance parameter input Department.
Claims (9)
前記アームの動作に関する第１動作情報と、タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターと、に基づいて、前記推奨動作パラメーターを決定することを特徴とする推奨動作パラメーター決定方法。 It is a recommended operation parameter determination method for determining a recommended operation parameter when operating the arm of a robot system including a robot equipped with an arm.
The recommended operation parameter is determined based on the first operation information regarding the operation of the arm and the first performance parameter including any one of the tact time, the overshoot amount, and the life of the components constituting the arm. Recommended operating parameter determination method.
請求項１に記載の推奨動作パラメーター決定方法。 The recommended operating parameters are parameters relating to the speed or acceleration of the arm.
The recommended operation parameter determination method according to claim 1.
請求項１又は２に記載の推奨動作パラメーター決定方法。 The first motion information includes any one of a start point and an end point of the motion of the arm, a movement amount of the arm, and a weight applied to the tip of the arm.
The recommended operation parameter determination method according to claim 1 or 2.
記憶されている前記第２動作情報および前記第２性能パラメーターと、入力された前記第１動作情報および前記第１性能パラメーターとに基づいて、前記複数の事例データの中から類似事例データを抽出し、
抽出した前記類似事例データの動作パラメーターに基づいて前記推奨動作パラメーターを決定する、
請求項１〜３のいずれか一項に記載の推奨動作パラメーター決定方法。 A second operation information regarding the operation of the arm, a second performance parameter including any one of the tact time, the overshoot amount, and the life of the components constituting the arm, and a reference for the operation of the arm. A plurality of case data associated with operation parameters are stored in advance, and
Similar case data is extracted from the plurality of case data based on the stored second operation information and the second performance parameter, and the input first operation information and the first performance parameter. ,
The recommended operation parameter is determined based on the extracted operation parameter of the similar case data.
The recommended operation parameter determination method according to any one of claims 1 to 3.
請求項４に記載の推奨動作パラメーター決定方法。 Among the plurality of stored case data, when the number of case data having the second operation information whose similarity with the first operation information is equal to or more than a predetermined value is less than a predetermined number, the notification is sent.
The recommended operation parameter determination method according to claim 4.
前記複数のクラスの中から、入力された前記第１動作情報および前記第１性能パラメーターとの類似度が所定値以上であるクラスを選択し、
前記選択したクラスに属する事例データの動作パラメーターに基づいて、前記推奨動作パラメーターを決定する、
請求項４又は５に記載の推奨動作パラメーター決定方法。 The plurality of stored case data are classified into a plurality of classes based on the degree of mutual similarity, which is the degree of mutual similarity between the second operation information and the second performance parameter.
From the plurality of classes, a class in which the degree of similarity between the input first operation information and the first performance parameter is equal to or higher than a predetermined value is selected.
The recommended operating parameters are determined based on the operating parameters of the case data belonging to the selected class.
The recommended operation parameter determination method according to claim 4 or 5.
請求項６に記載の推奨動作パラメーター決定方法。 The reliability of the recommended operation parameter is calculated based on the second operation information and the second performance parameter of the case data belonging to the selected class and the input first operation information and the first performance parameter. do,
The recommended operation parameter determination method according to claim 6.
前記推奨事例データと、前記非推奨事例データとに基づいて、前記推奨動作パラメーターの調整範囲を推定して表示する、
請求項４〜７のいずれか一項に記載の推奨動作パラメーター決定方法。 From the plurality of stored case data, at least one recommended case data that satisfies the input condition for the first performance parameter and at least one non-satisfaction that does not satisfy the input condition for the first performance parameter. Select with recommended case data
Based on the recommended case data and the non-recommended case data, the adjustment range of the recommended operation parameter is estimated and displayed.
The recommended operation parameter determination method according to any one of claims 4 to 7.
前記ロボットと接続され、前記ロボットの動作を制御するロボットコントローラーと、
前記ロボットコントローラーと接続される推奨動作パラメーター決定装置と、を備えたロボットシステムであって、
前記推奨動作パラメーター決定装置は、
前記アームの動作に関する第１動作情報の入力を受け付ける第１入力部と、
タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターの入力を受け付ける第２入力部と、を有し、
入力された前記第１動作情報および前記第１性能パラメーターに基づいて、推奨動作パラメーターを決定することを特徴とするロボットシステム。 A robot with an arm and
A robot controller that is connected to the robot and controls the operation of the robot,
A robot system including a recommended operation parameter determining device connected to the robot controller.
The recommended operation parameter determination device is
A first input unit that receives input of first operation information related to the operation of the arm, and
It has a second input unit that accepts inputs of first performance parameters including any of the tact time, the amount of overshoot, and the life of the parts constituting the arm.
A robot system characterized in that a recommended operation parameter is determined based on the input first operation information and the first performance parameter.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020029121A JP2021135566A (en) | 2020-02-25 | 2020-02-25 | Recommended motion parameter determination method and robot system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020029121A JP2021135566A (en) | 2020-02-25 | 2020-02-25 | Recommended motion parameter determination method and robot system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2021135566A true JP2021135566A (en) | 2021-09-13 |
Family
ID=77661212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020029121A Withdrawn JP2021135566A (en) | 2020-02-25 | 2020-02-25 | Recommended motion parameter determination method and robot system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2021135566A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024047859A1 (en) * | 2022-09-02 | 2024-03-07 | 三菱電機株式会社 | Abnormality detecting device, abnormality detecting method, and abnormality detecting program |
-
2020
- 2020-02-25 JP JP2020029121A patent/JP2021135566A/en not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024047859A1 (en) * | 2022-09-02 | 2024-03-07 | 三菱電機株式会社 | Abnormality detecting device, abnormality detecting method, and abnormality detecting program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4155363B2 (en) | Data display device, data display method, and recording medium on which data display program is recorded | |
| Bhattacharya et al. | Integrating AHP with QFD for robot selection under requirement perspective | |
| US9886669B2 (en) | Interactive visualization of machine-learning performance | |
| JP6583537B2 (en) | Operation information generator | |
| US7159208B2 (en) | Programming toolkit for use in the development of knowledge enhanced electronic logic programs | |
| US11762679B2 (en) | Information processing device, information processing method, and non-transitory computer-readable storage medium | |
| JP7085513B2 (en) | Information processing equipment, information processing methods, and computer programs | |
| JP7330712B2 (en) | Material property prediction device and material property prediction method | |
| JP2020027370A (en) | Optimization device, simulation system and optimization method | |
| WO2019176370A1 (en) | Future state estimation device and future state estimation method | |
| JP7232122B2 (en) | Physical property prediction device and physical property prediction method | |
| Bai et al. | Inexact genetic algorithm approach to target values setting of engineering requirements in QFD | |
| JP2017146888A (en) | Design support device and method and program | |
| JP2021135566A (en) | Recommended motion parameter determination method and robot system | |
| WO2021195970A1 (en) | Prediction model learning method, apparatus and system for an industrial system | |
| US20230081119A1 (en) | Automated Robotic Tool Selection | |
| JP6933217B2 (en) | Table meaning estimation system, method and program | |
| JP2019155554A (en) | Control device of robot | |
| JP2011253477A (en) | Design support device and design support method | |
| JP7005463B2 (en) | Learning equipment, learning methods and programs | |
| Stern et al. | Optimal hand gesture vocabulary design using psycho-physiological and technical factors | |
| EP4086818A1 (en) | Method of optimizing neural network model that is pre-trained, method of providing a graphical user interface related to optimizing neural network model, and neural network model processing system performing the same | |
| JP2020030500A (en) | Measure search device, method, and program | |
| Packham et al. | Visualisation methods for supporting the exploration of high dimensional problem spaces in engineering design | |
| JP7044204B2 (en) | Parameter adjustment device, parameter adjustment method and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD07 | Notification of extinguishment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7427 Effective date: 20200827 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210922 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20211104 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221208 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20240311 |