JP2021505416A

JP2021505416A - マニピュレータの制御システムおよび制御方法

Info

Publication number: JP2021505416A
Application number: JP2020530514A
Authority: JP
Inventors: タオ，ヅオンヂィエ; ヂァン，ダァンダァン; フランシスコ・イールゥー，ロベルト
Original assignee: TE Connectivity Corp
Current assignee: TE Connectivity Corp
Priority date: 2017-12-07
Filing date: 2018-12-04
Publication date: 2021-02-18
Also published as: DE112018006229T5; WO2019110577A1; CN109895121A; US20200298400A1

Abstract

マニピュレータのための制御システムは、マニピュレータ（１００）のツール（１５０）を取り付けるためのフランジ（１４０）に設けられた少なくとも１つの位置インジケータ（２１０）と、マニピュレータ付近に設けられ、位置インジケータ（２１０）の位置情報を実時間で検出するように構成された位置検出器（２２０）と、検出された位置情報に応じて、位置インジケータの位置データを実時間で計算するように適合されたコンピュータ（４００）と、計算された位置データに応じて、人工知能ニューラルネットワークによってマニピュレータの各ジョイント（１３０）の作業パラメータを実時間で計算するように適合されたクラウドサーバ（５００）と、計算された作業パラメータに基づいて、各ジョイントを実時間で制御するように適合されたコントローラ（３００）とを含む。人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン（Ｎ）間の重み（Ｗ）を計算して自動的に調整する自己学習ニューラルネットワークである。それによって、制御システムの制御精度が改善される。【選択図】図１

Description

関連出願の相互参照
本出願は、開示全体が参照により本明細書に組み込まれている、２０１７年１２月７日に中国国家知識産権局に出願された中国特許出願第２０１７１１２８５７８９．Ｘ号の利益を主張する。

本開示の少なくとも１つの実施形態は、マニピュレータのための制御システムおよび制御方法に関する。

従来技術では、マニピュレータの作業精度改善のためマニピュレータの各アームは非常に堅くされており、マニピュレータの各アームに弾性変形誤差は生じない。したがって、アームの剛性を確保するために特殊金属が使用されることが多く、マニピュレータ全体の重量およびコストが増大する。

加えて、マニピュレータの作業精度を確保するために、マニピュレータの各ジョイントの動力伝達装置の精度が非常に高く、動力伝達装置間の歯の間隙が非常に小さいことが必要とされる。さらに、マニピュレータの他の構成要素も高い精度を有するべきであり、したがってコストがさらに増大する。

通常、従来の剛性のマニピュレータは、固定の運動学的パラメータを有する制御システムによって制御される。しかし、固定の構造的パラメータを有する制御システムは、弾性マニピュレータにとって好適でない。なぜなら、弾性マニピュレータの弾性変形誤差は大きく、弾性マニピュレータの構造的パラメータは連続して変化するからである。

本発明は、上述した欠点の少なくとも１つの態様を克服または軽減するためになされたものである。

本開示の一態様によれば、マニピュレータのための制御システムが提供され、制御システムは、マニピュレータのツールを取り付けるためのフランジに設けられた少なくとも１つの位置インジケータと、マニピュレータ付近に設けられ、位置インジケータの位置情報を実時間で検出するように構成された位置検出器と、検出された位置情報に応じて、位置インジケータの位置データを実時間で計算するように適合されたコンピュータと、計算された位置データに応じて、人工知能ニューラルネットワークによってマニピュレータの各ジョイントの作業パラメータを実時間で計算するように適合されたクラウドサーバと、計算された作業パラメータに基づいて、各ジョイントを実時間で制御するように適合されたコントローラとを備え、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間（accommodation time）、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを計算して自動的に調整する自己学習ニューラルネットワークを含む。

本開示の例示的な実施形態によれば、位置インジケータは視覚マーカであり、位置検出器はカメラであり、位置情報は、カメラによって撮像された視覚マーカの画像を含み、コンピュータは、カメラによって撮像された画像を処理して、位置インジケータの位置データを取得するように適合されている。

本開示の別の例示的な実施形態によれば、位置インジケータは超広帯域送信器であり、位置検出器は超広帯域受信器であり、位置情報は、超広帯域受信器によって取得された超広帯域受信器に対する超広帯域送信器の相対位置を含み、コンピュータは、超広帯域受信器によって取得された相対位置に応じて、位置インジケータの位置データを演算するように適合されている。

本開示の別の例示的な実施形態によれば、マニピュレータの基部、各アーム、または各ジョイントに、少なくとも１つの位置インジケータが設けられている。

本開示の別の例示的な実施形態によれば、マニピュレータの少なくとも１つのアームは弾性を有し、マニピュレータは、力を受けると弾性変形誤差を有する。

本開示の別の例示的な実施形態によれば、マニピュレータの精度は、剛性マニピュレータの現在の業界設計標準精度より低い。

本開示の別の例示的な実施形態によれば、作業パラメータは、マニピュレータの各ジョイントに設けられた駆動モータの回転角度、回転速度、および加速度を含む。

本開示の別の態様によれば、マニピュレータを制御する方法が提供され、この方法は、
Ｓ１００：上記の制御システムを設けるステップと、
Ｓ２００：手動教示方法によってマニピュレータのツール中心点を制御して、ツール中心点をそれぞれ複数の異なる経路に沿って第１の点から第２の点へ動かし、第１の点および第２の点で位置インジケータの位置データを計算するステップと、
Ｓ３００：計算された位置データをクラウドサーバ上で動作している人工知能ニューロンネットワークに入力するステップとを含み、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを計算して自動的に調整する。

本開示の例示的な実施形態によれば、上記の方法は、
Ｓ４００：手動教示方法によってマニピュレータのツール中心点を制御して、ツール中心点をそれぞれ複数の異なる経路に沿って第２の点から第３の点へ動かし、第２の点および第３の点で位置インジケータの位置データを計算するステップと、
Ｓ５００：計算された位置データをクラウドサーバ上で動作している人工知能ニューロンネットワークに入力するステップとをさらに含み、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを計算して自動的に調整する。

本開示の別の例示的な実施形態によれば、上記の方法は、
Ｓ６００：手動教示方法によってマニピュレータのツール中心点を制御して、ツール中心点をそれぞれ複数の異なる経路に沿って現在の点から次の点へ動かし、現在の点および次の点で位置インジケータの位置データを計算するステップと、
Ｓ７００：計算された位置データをクラウドサーバ上で動作している人工知能ニューロンネットワークに入力するステップとをさらに含み、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを計算して自動的に調整する。

本開示の別の例示的な実施形態によれば、マニピュレータの作業領域内に複数のキーポイントがあり、キーポイントは少なくとも、第１の点、第２の点、第３の点、現在の点、および次の点を含み、この方法は、
Ｓ８００：マニピュレータがすべてのキーポイントへ動かされるまで、ステップＳ６００およびＳ７００を繰り返すステップをさらに含む。

本開示の別の例示的な実施形態によれば、上記の方法において、マニピュレータのツール中心点が１つの経路に沿って１つの点から別の点へ動かされている間、ツールの姿勢は変化しないままであり、マニピュレータのツール中心点が１つの経路に沿って１つの点から別の点へ動かされている間のツールの姿勢は、マニピュレータのツール中心点が前記１つの経路とは異なる別の経路に沿って１つの点から別の点へ動かされている間のツールの姿勢とは異なる。

本開示の別の例示的な実施形態によれば、上記の方法において、マニピュレータのツール中心点が１つの経路に沿って１つの点から別の点へ動かされている間、ツールの姿勢は変化可能である。

本開示の別の例示的な実施形態によれば、上記の方法において、マニピュレータに取り付けられたツールは、上記のステップＳ１００〜Ｓ８００で無負荷状態であり、いかなる加工物も把持していない。

本開示の別の例示的な実施形態によれば、上記の方法において、ステップＳ１００〜Ｓ８００を完了した後、マニピュレータに取り付けられたツールは、加工物を把持する負荷状態にあり、この方法は、
Ｓ９００：ステップＳ２００およびＳ３００を繰り返すステップをさらに含む。

本開示の上記の様々な例示的な実施形態では、制御システム内の人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを自動的に調整することができる。それによって、人工知能ニューロンネットワークは、制御システムの制御精度を改善することができる。

本開示の上記その他の特徴は、添付の図面を参照して本開示の例示的な実施形態について詳細に説明することによって、より明らかになるであろう。

本開示の例示的な実施形態によるマニピュレータのための制御システムの例示的な図である。本開示の例示的な実施形態による手動教示方法によって図１に示すマニピュレータを動かすプロセスを示す図である。本開示の例示的な実施形態による人工知能ニューラルネットワークの例示的で簡単な概略モデルを示す図である。

以下、本開示の例示的な実施形態について、添付の図面を参照して詳細に説明する。添付の図面では、同じ参照番号が同様の要素を指す。しかし、本開示は多くの異なる形態で実施することができ、本明細書に記載の実施形態に限定されると解釈されるべきではなく、逆にこれらの実施形態は、本開示が徹底的かつ完全になり、本開示の概念を当業者に十分に伝えるように提供される。

以下の詳細な説明では、説明の目的で、開示する実施形態の徹底的な理解を提供するために、多数の具体的な詳細について述べる。しかし、これらの具体的な詳細がなくても１つまたは複数の実施形態を実施することができることは明らかである。他の例では、よく知られている構造およびデバイスは、図面を簡略化するために概略的に示されている。

本開示の一般概念によれば、マニピュレータのための制御システムが提供され、制御システムは、マニピュレータのツールを取り付けるためのフランジに設けられた少なくとも１つの位置インジケータと、マニピュレータ付近に設けられ、位置インジケータの位置情報を実時間で検出するように構成された位置検出器と、検出された位置情報に応じて、位置インジケータの位置データを実時間で計算するように適合されたコンピュータと、計算された位置データに応じて、人工知能ニューラルネットワークによってマニピュレータの各ジョイントの作業パラメータを実時間で計算するように適合されたクラウドサーバと、計算された作業パラメータに基づいて、各ジョイントを実時間で制御するように適合されたコントローラとを備え、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを計算して自動的に調整する自己学習ニューラルネットワークである。

本開示の別の一般概念によれば、マニピュレータを制御する方法が提供され、この方法は、上記の制御システムを設けるステップと、手動教示方法によってマニピュレータのツール中心点を制御して、ツール中心点をそれぞれ複数の異なる経路に沿って第１の点から第２の点へ動かし、第１の点および第２の点で位置インジケータの位置データを計算するステップと、計算された位置データをクラウドサーバ上で動作している人工知能ニューロンネットワークに入力するステップとを含み、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン間の重みを計算して自動的に調整する。

図１は、本開示の例示的な実施形態によるマニピュレータのための制御システムの例示的な図である。

図１に示すように、一実施形態では、マニピュレータのための制御システムは主に、少なくとも１つの位置インジケータ２１０、位置検出器２２０、コントローラ３００、コンピュータ４００、およびクラウドサーバ５００を備える。

図１に示すように、一実施形態では、少なくとも１つの位置インジケータ２１０は、マニピュレータ１００のツール１５０を取り付けるためのフランジ１４０に設けられる。位置検出器２２０は、マニピュレータ１００付近に設けられ、位置インジケータ２１０の位置情報を実時間で検出するように構成される。コンピュータ４００は、検出された位置情報に応じて、位置インジケータ２１０の位置データを実時間で計算するように適合される。クラウドサーバ５００は、計算された位置データに応じて、人工知能ニューラルネットワークによってマニピュレータ１００の各ジョイント１３０の作業パラメータを実時間で計算するように適合される。作業パラメータは、マニピュレータ１００の各ジョイントに設けられた駆動モータの回転角度、回転速度、および加速度を含むことができる。コントローラ３００は、計算された作業パラメータに基づいて、各ジョイント１３０を実時間で制御するように適合される。

図３は、本開示の例示的な実施形態による人工知能ニューラルネットワークの例示的で簡単な概略モデルを示す。

図１および図３に示すように、一実施形態では、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロンＮ間の重みＷを計算して自動的に調整する自己学習ニューラルネットワークである。

図１に示すように、一実施形態では、位置インジケータ２１０は、超広帯域（ＵＷＢ）送信器を含むことができ、位置検出器２２０は、超広帯域受信器を含むことができ、位置情報は、超広帯域受信器によって取得された超広帯域受信器に対する超広帯域送信器の相対位置を含む。コンピュータ４００は、超広帯域受信器によって取得された相対位置に応じて、位置インジケータ２１０の位置データを演算するように適合されている。

しかし、本開示はこれに限定されるものではなく、たとえば別の実施形態では、位置インジケータ２１０は、視覚マーカを含むことができ、位置検出器２２０は、カメラを含むことができ、位置情報は、カメラによって撮像された視覚マーカの画像を含む。コンピュータ４００は、カメラによって撮像された画像を処理して、位置インジケータ２１０の位置データを取得するように適合されている。

位置データの量を増大させるために、図１に示すように、一実施形態では、マニピュレータ１００の基部１１０、各アーム１２０、および各ジョイント１３０に、少なくとも１つの位置インジケータ２１０が設けられている。

図１に示すように、一実施形態では、マニピュレータ１００の少なくとも１つのアーム１２０は弾性を有し、マニピュレータ１００は、力を受けると弾性変形誤差を有する。

本開示の一実施形態では、マニピュレータ１００の機械精度は、剛性マニピュレータの現在の業界設計標準精度より低い。たとえば、上述したマニピュレータ１００の動力伝達装置は、歯の間隙を大きくすることが可能であり、マニピュレータ１００の構成要素は、大きい寸法誤差を有することができる。このようにして、マニピュレータ１００を製造するコストを大幅に削減することができる。

図２は、本開示の例示的な実施形態による手動教示方法によって図１に示すマニピュレータを動かすプロセスを示す。

以下、図１〜図３を参照して、本開示の例示的な実施形態によるマニピュレータを制御する方法について説明する。この方法は、
Ｓ１００：図１に示すように、上述したいずれか１つの実施形態に記載の制御システムを設けるステップと、
Ｓ２００：図２に示すように、手動教示方法によってマニピュレータ１００のツール中心点ＴＣＰを制御して、ツール中心点をそれぞれ複数の異なる経路ＬＡＢ１、ＬＡＢ２に沿って第１の点Ａから第２の点Ｂへ動かし、第１の点Ａおよび第２の点Ｂで位置インジケータ２１０の位置データを計算するステップと、
Ｓ３００：図２および図３に示すように、計算された位置データをクラウドサーバ５００上で動作している人工知能ニューロンネットワークに入力するステップとを含むことができ、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロンＮ間の重みＷを計算して自動的に調整する。

図３に示すように、一実施形態では、２つの経路ＬＡＢ１、ＬＡＢ２のみが示されているが、制御システムの収容時間、定常誤差、および軌道誤差を最小にするために、人工知能ニューラルネットワークのニューロン間の重みＷを最適に調整することができるようになるには、マニピュレータ１００が第１の点Ａから第２の点Ｂへ動かされる回数が特定の量に到達するべきであることが、当業者には理解されよう。それによって、マニピュレータ１００がそれぞれ経路ＬＡＢ１、ＬＡＢ２に沿って第１の点Ａから第２の点Ｂへ動かされる回数は通常、１０回以上である。

図２〜図３に示すように、一実施形態では、上記の方法は、
Ｓ４００：手動教示方法によってマニピュレータ１００のツール中心点ＴＣＰを制御して、ツール中心点をそれぞれ複数の異なる経路ＬＢＣ１、ＬＢＣ２に沿って第２の点Ｂから第３の点Ｃへ動かし、第２の点Ｂおよび第３の点Ｃで位置インジケータ２１０の位置データを計算するステップと、
Ｓ５００：計算された位置データをクラウドサーバ５００上で動作している人工知能ニューロンネットワークに入力するステップとをさらに含むことができ、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロンＮ間の重みＷを計算して自動的に調整する。

図２〜図３に示すように、一実施形態では、上記の方法は、
Ｓ６００：手動教示方法によってマニピュレータ１００のツール中心点ＴＣＰを制御して、ツール中心点をそれぞれ複数の異なる経路に沿って現在の点から次の点へ動かし、現在の点および次の点で位置インジケータ２１０の位置データを計算するステップと、
Ｓ７００：計算された位置データをクラウドサーバ５００上で動作している人工知能ニューロンネットワークに入力するステップとをさらに含むことができ、人工知能ニューロンネットワークは、入力された位置データに基づいて、制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロンＮ間の重みＷを計算して自動的に調整する。

図２〜図３に示すように、一実施形態では、マニピュレータ１００の作業領域内に複数のキーポイントがあり、キーポイントは少なくとも、第１の点Ａ、第２の点Ｂ、第３の点Ｃ、現在の点、および次の点を含む。上記の方法は、
Ｓ８００：マニピュレータ１００がすべてのキーポイントへ動かされるまで、ステップＳ６００およびＳ７００を繰り返すステップをさらに含むことができる。

図２に示すように、一実施形態では、マニピュレータ１００のツール中心点が１つの経路ＬＡＢ１またはＬＡＢ２に沿って１つの点Ａから別の点Ｂへ動かされている間、ツールの姿勢は変化しないままである。マニピュレータ１００のツール中心点が１つの経路ＬＡＢ１に沿って１つの点Ａから別の点Ｂへ動かされている間のツールの姿勢は、マニピュレータ１００のツール中心点が前記１つの経路ＬＡＢ１とは異なる別の経路ＬＡＢ２に沿って１つの点Ａから別の点Ｂへ動かされている間のツールの姿勢とは異なる。

しかし本開示はこれに限定されるものではなく、別の実施形態では、マニピュレータ１００のツール中心点が１つの経路ＬＡＢ１、ＬＡＢ２に沿って１つの点Ａから別の点Ｂへ動かされている間、ツールの姿勢は変化可能である。

図２に示すように、一実施形態では、マニピュレータ１００に取り付けられたツール１５０は、上記のステップＳ１００〜Ｓ８００で無負荷状態であり、いかなる加工物も把持していない。

図示しないが、別の実施形態では、マニピュレータ制御システムの人工知能ニューラルネットワークが負荷状態により良好に適応することを可能にするために、ステップＳ１００〜Ｓ８００を完了した後、マニピュレータ１００に取り付けられたツール１５０は、加工物を把持する負荷状態にあり、上記の方法は、
Ｓ９００：ステップＳ２００およびＳ３００を繰り返すステップをさらに含むことができる。

上記の実施形態は、制限的ではなく例示であることを意図したものであることを、当業者には理解されたい。たとえば、構成上または原理上矛盾することなく、当業者であれば上記の実施形態に多くの修正を加えることができ、異なる実施形態に記載した様々な特徴を互いに自由に組み合わせることができる。

いくつかの例示的な実施形態について図示および記載したが、本開示の原理および精神から逸脱することなく、これらの実施形態で様々な変更または修正を加えることができ、本開示の範囲は、特許請求の範囲およびその均等物に定義されていることが、当業者には理解されよう。

本明細書では、「ａ」または「ａｎ」という単語に続いて単数形で記載されている要素は、そのような除外が明示的に示されていない限り、前記要素またはステップの複数を除外するものではないと理解されたい。さらに、本開示の「一実施形態」への言及は、記載の特徴を同様に組み込む追加の実施形態の存在を除外すると解釈されることを意図したものではない。さらに、逆の内容が明示的に示されていない限り、特定の特性を有する１つまたは複数の要素を「備える、含む」または「有する」実施形態は、その特性を有していない追加のそのような要素を含むこともできる。

Claims

マニピュレータのための制御システムであって、
前記マニピュレータ（１００）のツール（１５０）を取り付けるためのフランジ（１４０）に設けられた少なくとも１つの位置インジケータ（２１０）と、
前記マニピュレータ（１００）付近に設けられ、前記位置インジケータ（２１０）の位置情報を実時間で検出するように構成された位置検出器（２２０）と、
前記検出された位置情報に応じて、前記位置インジケータ（２１０）の位置データを実時間で計算するように適合されたコンピュータ（４００）と、
計算された前記位置データに応じて、人工知能ニューラルネットワークによって前記マニピュレータ（１００）の各ジョイント（１３０）の作業パラメータを実時間で計算するように適合されたクラウドサーバ（５００）と、
計算された前記作業パラメータに基づいて、各ジョイント（１３０）を実時間で制御するように適合されたコントローラ（３００）とを備え、
前記人工知能ニューラルネットワークは、入力された前記位置データに基づいて、前記制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン（Ｎ）間の重み（Ｗ）を計算して自動的に調整する自己学習ニューラルネットワークを含むことを特徴とする制御システム。
前記位置インジケータ（２１０）は視覚マーカを含み、前記位置検出器（２２０）はカメラを含み、前記位置情報は、前記カメラによって撮像された前記視覚マーカの画像を含み、
前記コンピュータ（４００）は、前記カメラによって撮像された前記画像を処理して、前記位置インジケータ（２１０）の前記位置データを取得するように適合されている、
請求項１に記載の制御システム。
前記位置インジケータ（２１０）は超広帯域送信器を含み、前記位置検出器（２２０）は超広帯域受信器を含み、前記位置情報は、前記超広帯域受信器によって取得された前記超広帯域受信器に対する前記超広帯域送信器の相対位置を含み、
前記コンピュータ（４００）は、前記超広帯域受信器によって取得された前記相対位置に応じて、前記位置インジケータ（２１０）の前記位置データを演算するように適合されている、
請求項１または２に記載の制御システム。
前記マニピュレータ（１００）の基部（１１０）、各アーム（１２０）、または各ジョイント（１３０）に、前記少なくとも１つの位置インジケータ（２１０）が設けられている、
請求項１から３のいずれか一項に記載の制御システム。
前記マニピュレータ（１００）の少なくとも１つのアーム（１２０）は弾性を有し、前記マニピュレータ（１００）は、力を受けると弾性変形誤差を有する、
請求項１から４のいずれか一項に記載の制御システム。
前記マニピュレータ（１００）の精度は、剛性マニピュレータの現在の業界設計標準精度より低い、
請求項１から５のいずれか一項に記載の制御システム。
前記作業パラメータは、前記マニピュレータ（１００）の各ジョイントに設けられた駆動モータの回転角度、回転速度、および加速度を含む、
請求項１から６のいずれか一項に記載の制御システム。
マニピュレータを制御する方法であって、
Ｓ１００：上述したいずれか１つの実施形態に記載の制御システムを設けるステップと、
Ｓ２００：手動教示方法によって前記マニピュレータ（１００）のツール中心点（ＴＣＰ）を制御して、前記ツール中心点をそれぞれ複数の異なる経路（ＬＡＢ１、ＬＡＢ２）に沿って第１の点（Ａ）から第２の点（Ｂ）へ動かし、前記第１の点（Ａ）および前記第２の点（Ｂ）で位置インジケータ（２１０）の位置データを計算するステップと、
Ｓ３００：計算された前記位置データをクラウドサーバ（５００）上で動作している人工知能ニューロンネットワークに入力するステップとを含み、前記人工知能ニューロンネットワークは、入力された前記位置データに基づいて、前記制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、ニューロン（Ｎ）間の重み（Ｗ）を計算して自動的に調整する、方法。
Ｓ４００：前記手動教示方法によって前記マニピュレータ（１００）の前記ツール中心点（ＴＣＰ）を制御して、前記ツール中心点をそれぞれ複数の異なる経路（ＬＡＣ１、ＬＡＣ２）に沿って前記第２の点（Ｂ）から第３の点（Ｃ）へ動かし、前記第２の点（Ｂ）および前記第３の点（Ｃ）で前記位置インジケータ（２１０）の位置データを計算するステップと、
Ｓ５００：計算された前記位置データを前記クラウドサーバ（５００）上で動作している前記人工知能ニューロンネットワークに入力するステップとをさらに含み、前記人工知能ニューロンネットワークは、入力された前記位置データに基づいて、前記制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、前記ニューロン（Ｎ）間の前記重み（Ｗ）を計算して自動的に調整する、
請求項８に記載の方法。
Ｓ６００：前記手動教示方法によって前記マニピュレータ（１００）の前記ツール中心点（ＴＣＰ）を制御して、前記ツール中心点をそれぞれ複数の異なる経路に沿って現在の点から次の点へ動かし、前記現在の点および前記次の点で前記位置インジケータ（２１０）の位置データを計算するステップと、
Ｓ７００：計算された前記位置データを前記クラウドサーバ（５００）上で動作している前記人工知能ニューロンネットワークに入力するステップとをさらに含み、前記人工知能ニューロンネットワークは、入力された前記位置データに基づいて、前記制御システムの収容時間、定常誤差、および軌道誤差が最小になるように、前記ニューロン（Ｎ）間の前記重み（Ｗ）を計算して自動的に調整する、
請求項９に記載の方法。
前記マニピュレータ（１００）の作業領域内に複数のキーポイントがあり、前記キーポイントは少なくとも、前記第１の点（Ａ）、前記第２の点（Ｂ）、前記第３の点（Ｃ）、前記現在の点、および前記次の点を含み、
Ｓ８００：前記マニピュレータ（１００）がすべての前記キーポイントへ動かされるまで、前記ステップＳ６００およびＳ７００を繰り返すステップをさらに含む、
請求項１０に記載の方法。
前記マニピュレータ（１００）の前記ツール中心点が１つの経路（ＬＡＢ１またはＬＡＢ２）に沿って１つの点（Ａ）から別の点（Ｂ）へ動かされている間、ツールの姿勢は変化しないままであり、
前記マニピュレータ（１００）の前記ツール中心点が１つの経路（ＬＡＢ１）に沿って１つの点（Ａ）から別の点（Ｂ）へ動かされている間の前記ツールの姿勢は、前記マニピュレータ（１００）の前記ツール中心点が前記１つの経路（ＬＡＢ１）とは異なる別の経路（ＬＡＢ２）に沿って１つの点（Ａ）から別の点（Ｂ）へ動かされている間の前記ツールの姿勢とは異なる、
請求項１１に記載の方法。
前記マニピュレータ（１００）の前記ツール中心点が１つの経路（ＬＡＢ１、ＬＡＢ２）に沿って１つの点（Ａ）から別の点（Ｂ）へ動かされている間、ツールの姿勢は変化可能である、
請求項１１または１２に記載の方法。
前記マニピュレータ（１００）に取り付けられたツールは、前記ステップＳ１００〜Ｓ８００で無負荷状態であり、いかなる加工物も把持していない、
請求項１１から１３のいずれか一項に記載の方法。
前記ステップＳ１００〜Ｓ８００を完了した後、前記マニピュレータ（１００）に取り付けられた前記ツールは、加工物を把持する負荷状態にあり、
Ｓ９００：前記ステップＳ２００およびＳ３００を繰り返すステップをさらに含む、
請求項１４に記載の方法。