JP2021505416A5

JP2021505416A5 -

Info

Publication number: JP2021505416A5
Application number: JP2020530514A
Authority: JP
Filing date: 2018-12-04
Publication date: 2021-09-02

Description

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、制御システムの適応時間（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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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。

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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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、制御システムの適応時間、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。

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適応時間、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）は弾性を有しており、力を受けると弾性変形し、前記マニピュレータ（１００）は、前記弾性変形に起因する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５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：請求項１から６のいずれか一項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適応時間、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適応時間、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７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適応時間、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。
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９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、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１０または１１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１０から１２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１３に記載の方法。