JP2022179118A - 把持推定装置、モデル生成方法、モデル学習装置、及びグリッパ - Google Patents

Abstract

【課題】把持対象に関する所望の把持量を推定または把持すること。【解決手段】実施形態に係る把持推定装置は、取得部と、推定部と、を有する。取得部は、把持対象の観測データを取得する。推定部は、前記観測データに基づいて、把持装置により前記把持対象が把持される把持量を推定する。【選択図】図８

Description

特許法第３０条第２項適用申請有り ２０２１ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ（ＩＣＲＡ） ２０２１／５／２に公開 ｈｔｔｐｓ：／／ｒａｓ．ｐａｐｅｒｃｅｐｔ．ｎｅｔ／ｃｏｎｆｅｒｅｎｃｅｓ／ｃｏｎｆｅｒｅｎｃｅｓ／ＩＣＲＡ２１／ｐｒｏｇｒａｍ／ＩＣＲＡ２１＿ＣｏｎｔｅｎｔＬｉｓｔＷｅｂ＿１．ｈｔｍｌ＃ｔｕａｔ２０＿０２

本発明の実施形態は、把持推定装置、モデル生成方法、モデル学習装置、及びグリッパに関する。

従来、弁当などの食品工場では、指定された目標量の食品を食品トレイから把持して、弁当箱に詰めることが行われている。このとき、詰められる食品の種類は多く、また取り扱う食品の種類が頻繁に変わる。このような背景から、大部分の食品に関しては専用機械を作ることが難しく、人手で詰め込み作業が行われている

詰められる食品は、把持と食品の大きさとの観点から、３個、１０個などと個数で管理する食品と、６０ｇ、１００ｇなどと重さで管理する細片状の食品または粒状の食品とに分類される。細片状の食品または粒状の食品は、例えば、粒状であるために不定形であることから扱いが難しい。細片状の食品または粒状の食品を把持する把持装置は、食品の種別に応じた専用の器具を用いて定量で把持することがある。このとき、様々な食品や異なる把持量に対応するためには、設計変更などの多大な労力が必要となる。

特開２０１８－１５１８４３号公報

発明が解決しようとする課題は、把持対象に関する所望の把持量を推定または把持することにある。

実施形態に係る把持推定装置は、取得部と、推定部と、を有する。取得部は、把持対象の観測データを取得する。推定部は、前記観測データに基づいて、把持装置により前記把持対象が把持される把持量を推定する。

図１は、実施形態に係る把持推定装置を有する把持推定システムの構成の一例を示すブロック図である。 図２は、実施形態に係り、把持装置の外観の一例を示す図である。 図３は、実施形態に係る開状態の平行グリッパの斜視図である。 図４は、実施形態に係る開状態の平行グリッパの正面図である。 図５は、実施形態に係る閉状態の平行グリッパの斜視図である。 図６は、実施形態に係る閉状態の平行グリッパの正面図である。 図７は、実施形態に係る平行グリッパに関し、異なる方向から見た斜視図である。 図８は、実施形態に係り、把持処理の手順の一例を示すフローチャートである。 図９は、実施形態に係る観測データの一例を示す図である。 図１０は、実施形態に係り、目標量が６０ｇである場合において、トレイの撮影範囲の一部の領域における推定量と不確実性との一例を示す図である。 図１１は、実施形態に係る推定モデル生成処理の手順の一例を示すフローチャートである。 図１２は、実施形態に係る評価モデル生成処理の手順の一例を示すフローチャートである。 図１３は、実施形態に係り、ＲＮＤモデルとして実行される不確実性評価モデルの概要の一例を示す図である。 図１４は、実施形態に係るモデル生成処理の手順の一例を示すフローチャートである。 図１５は、実施形態に係る把持量不確実性推定モデルの概要の一例を示す図である。 図１６は、実施形態に係り、アンサンブルモデルにより実現される把持量不確実性推定モデルの概要の一例を示す図である。 図１７は、実施形態における各装置のハードウェア構成の一例を示すブロック図である。

以下、図面を参照しながら、実施形態に係る把持推定装置、モデル生成方法、モデル学習装置、及びグリッパについて説明する。なお、以下に記載する実施形態の構成は、あくまで一例であって、以下の記載内容に限られるものではない。また、当該構成によってもたらされる作用及び効果も、あくまで一例であって、以下の記載内容に限られるものではない。

図１は、把持推定装置１７を有する把持推定システム１の構成の一例を示すブロック図である。図１に示すように、把持推定システム１は、把持装置１１と、観測装置１３と、計量装置１５と、把持推定装置１７とを有する。図２は、把持装置１１の外観の一例を示す図である。

把持装置１１は、把持対象１３３を把持するエンドエフェクタ（ｅｎｄ－ｅｆｆｅｃｔｏｒ）１１１と、複数のリンク１１３、複数のリンクのうち２つのリンクの間に設けられた関節１１５、および、関節１１５およびエンドエフェクタ１１１などをそれぞれ駆動する複数の駆動装置（モータなど）を備える。エンドエフェクタ１１１は、例えば、開閉するグリッパにより実現される。開閉グリッパ１１１は、例えば、食品が内包される空間を閉状態において形成する複数の面形状を有する。換言すれば、把持装置１１は、閉状態において把持対象１３３を保持可能な空間を複数の面形状で形成する食品把持用の開閉グリッパ１１１を有する。なお、面形状は、剛性を有する非変形部材によって構成されてもよいし、弾性体などの変形部材により構成されてもよい。以下、説明を具体的にするために、エンドエフェクタ１１１を実現するグリッパは、平行グリッパ１１１であるものとして説明するが、１つ以上の回転軸を有して部材の回転運動によって開閉するグリッパであってもよい。複数のリンク１１３と複数の関節１１５とにより、把持装置１１は、複数の自由度を有する。

図３乃至図７は、平行グリッパ１１１の一例を示す図である。図３は、開状態の平行グリッパ１１１の斜視図を示している。図４は、開状態の平行グリッパ１１１の正面図を示している。また、図５は、閉状態の平行グリッパ１１１の斜視図を示している。図６は、閉状態の平行グリッパ１１１の正面図を示している。図３乃至図６における点線で示すように、例えば、平行グリッパ１１１の根元部分１２１には、力覚センサが設置されてもよい。このとき、力覚センサは、平行グリッパ１１１により把持された把持対象１３３の重さを検知する。力覚センサは、把持対象１３３の重さを、把持推定装置１７に出力する。図７は、平行グリッパ１１１に関し、異なる方向から見た斜視図を示している。図７に示すように、平行グリッパ１１１は、複数の面形状１２３で形成される。これにより、図５および図６で示すように、閉状態の平行グリッパ１１１により、食品が内包される空間１２５が形成される。

観測装置１３は、例えば、各種カメラにより実現される。当該カメラは、例えば、ＲＧＢ（Ｒｅｄ、Ｇｒｅｅｎ、Ｂｌｕｅ）カメラにより実現される。ＲＧＢカメラは、トレイ１３１に配置された複数の把持対象１３３を撮影する光学カメラである。このとき、観測データは、ＲＧＢ画像に相当する。なお、ＲＧＢカメラの代わりに、単色（Ｍｏｎｏｃｈｒｏｍｅ：モノクロ）カメラが用いられてもよい。また、観測装置１３は、上記観測データとは異なる種類の観測データを取得してもよい。このとき、観測装置１３は、３次元計測カメラ（以下、Ｄ（Ｄｅｐｔｈ）カメラと呼ぶ）により実現される。また、観測装置１３は、ＲＧＢカメラとＤカメラ（以下、ＲＧＢ－Ｄカメラと呼ぶ）とにより実現されてもよい。以下、説明を具体的にするために、観測装置１３は、ＲＧＢ－Ｄカメラにより実現されるものとする。ＲＧＢ－Ｄカメラによる撮影範囲は、把持対象１３３が配置されたトレイ１３１の全域が含まれる範囲である。

計量装置１５は、例えば、トレイ１３１の下面に配置される。計量装置１５は、例えば、トレイ１３１とトレイ１３１に配置された把持対象１３３との合計の重さを計測するスケールに相当する。計量装置１５は、トレイ１３１の計量に伴う計量データを、把持推定装置１７に出力する。計量装置１５からの出力の計測データは、例えば、後述の把持量推定モデルおよび不確実性評価モデルの生成（学習）において用いられる。このため、把持量推定モデルおよび不確実性評価モデルの生成が完了すれば、計量装置１５は、把持推定システム１を用いずともよい。また、平行グリッパ１１１に力覚センサが設けられている場合、計量装置１５をトレイ１３１の下面に配置せずともよい。

把持推定装置１７は、コントローラ１７１を有する。図１に示すように、コントローラ１７１は、取得部１７３と、推定部１７５と、評価部１７７と、選択部１７９と、制御部１８１とを有する。

取得部１７３は、把持対象１３３の観測データを取得する。観測データは、上述のように、把持対象１３３の画像データを含む。また、観測データは、観測データの取得位置から把持対象１３３の表面までの距離データを含む。すなわち、距離データは、観測データの取得位置であるＤカメラの設置位置から把持対象１３３の表面までの距離を示すデータである。把持対象１３３は、例えば、コーヒー豆などの各種豆や米などの粒状の食品である。なお、取得部１７３は、観測データとは異なる種類の観測データを取得してもよい。具体的には、取得部１７３は、ＲＧＢ画像およびＤ画像を取得する。より詳細には、取得部１７３は、把持対象１３３の分布領域における複数の部分領域各々において観測データを取得する。把持対象１３３の分布領域は、例えば、トレイ１３１において把持対象を配置可能な領域に相当する。複数の部分領域各々は、所定サイズの領域であって、ＲＧＢ画像およびＤ画像からクロップ（Ｃｒｏｐ）された領域（切り取られた領域：パッチ）に相当する。部分領域のことを把持点と呼ぶことがある。なお、後述の各モデルを生成する場合において、取得部１７３は、計量データを計量装置１５から取得、またはエンドエフェクタ１１１により把持された把持対象１３３の重さを力覚センサから取得する。

推定部１７５は、観測データに基づいて、把持装置１１により把持対象１３３が把持される把持量を推定する。推定された把持量のことを推定量と呼ぶ。具体的には、推定部１７５は、観測データにおける上記複数の部分領域各々において把持量を推定する。推定部１７５は、例えば、把持対象１３３の観測データを入力として推定量を出力するように学習された学習済みの把持量推定モデルに、観測データを入力し、把持量を推定する。より詳細には、推定部１７５は、観測データにおける上記複数の部分領域各々を学習済みの把持量推定モデルに入力し、複数の部分領域各々における把持量を推定する。

把持量推定モデルは、例えば、把持装置１１により把持された把持対象１３３の把持量の実測値を第１学習モデルの教師データとし、把持装置１１による把持対象１３３の把持前の観測データを第１学習モデルへの入力データとして、第１学習モデルを学習することにより生成される。第１学習モデルに対する学習により把持量推定モデルを生成する手順については、後ほど説明する。

評価部１７７は、観測データに基づいて、学習済みの把持量推定モデルにより推定された把持量だけが把持装置１１により把持される不確実性を評価する。不確実性の指標（不確実性指標）は、例えば、推定された把持量だけを把持装置１１が把持する不確実性を示す度合い（または割合）である不確実度であってよい。すなわち、不確実性指標は、実際の把持される量が推定量に近いか否かを評価するための指標である。なお、不確実性指標は、当該不確実度の代わりに、推定された把持量だけを把持装置１１が把持する確かさを示す度合い（または割合）、すなわち推定された把持量を把持装置１１が把持する信頼度であってもよい。

以下、説明を簡略にするために、不確実性は、当該不確実性の度合い（不確実度）あるいは不確実性指標であると適宜読み替えてよい。また、評価部１７７は、観測データとは異なる種類の観測データに基づいて、推定量だけが把持装置１１により把持される不確実性を評価してもよい。具体的には、評価部１７７は、複数の部分領域各々において、不確実性を、観測データに基づいて評価する。より詳細には、評価部１７７は、把持対象１３３の観測データを入力として不確実性指標を出力するように学習された学習済みの不確実性評価モデルに、観測データを入力し、不確実性を評価する。

不確実性評価モデルは、把持対象１３３の観測データを用いた自己教師あり学習によって生成される。この自己教師あり学習は、学習モデルに観測データを入力してこのモデルの内部パラメータ（例えばニューラルネットワークにおける重みやバイアス）に基づきデータを出力し、この観測データから教師データ（正解データ）を生成し、出力データと教師データとに基づいてモデルの内部パラメータを更新する。不確実性評価モデルを生成する手順については、後ほど説明する。

選択部１７９は、複数の部分領域各々について評価された不確実性に基づいて、複数の部分領域から、把持対象を把持装置１１によって把持する領域を選択する。例えば、選択部１７９は、複数の部分領域各々に対応する推定量および不確実性と所定の条件とに基づいて、複数の部分領域から把持装置１１により把持される位置（以下、把持位置と呼ぶ）を選択する。所定の条件とは、例えば、ユーザにより設定された目標となる把持量（以下、目標量と呼ぶ）に対する所定の重さの範囲（以下、所定範囲と呼ぶ）である。所定範囲とは、例えば、＋０．５ｇから－０．５ｇの範囲である。所定の条件（例えば所定範囲）は、把持推定装置１７におけるメモリに記憶される。この所定の条件には、所定の不確実性範囲（例えば不確実度０．１以下等）を含んでもよい。

具体的には、選択部１７９は、複数の部分領域に対応する複数の推定量から、目標量を基準として、所定範囲に含まれる複数の推定量を選択する。次いで、選択部１７９は、選択された複数の推定量に対応する複数の不確実性のうち、最も不確実度が小さい、すなわち不確実性が最も低い推定量を特定する。選択部１７９は、特定された不確実性が最も低い推定量に対する部分領域を、把持装置１１に把持される把持位置として選択する。なお、不確実性指標として信頼度を用いる場合、選択部１７９は、選択された複数の推定量に対応する複数の信頼度のうち、最も信頼度が大きい、すなわち不確実性が最も低い推定量に対する部分領域を特定する。

なお、選択部１７９による把持位置の選択の方法は上記したものに限られず、選択部１７９は、目標量と、推定量と、その推定量の不確実性と、に基づいて、把持位置を選択すればよい。例えば、目標量と推定量との差分、および、不確実性のバランスを考慮して把持位置が選択されるようにしてもよく、選択部１７９は、目標量と推定量との差分が閾値以下であるが不確実性が閾値を超えるような部分領域と、目標量と推定量との差分が閾値を超えるが不確実性が閾値以下であるような部分領域とを比べた際に後者を選択してもよい。この場合、推定量が目標量を下回るときには、現在把持している把持対象を目的位置で解放した後、推定量と目標量との差分を新たな目標量とした２回目の把持を行えばよい。また、推定量が目標量を上回るときには、現在把持している把持対象の余剰量を落としてから目的位置で解放すればよい（後述）。このように、評価された把持不確実性を考慮した把持戦略のバリエーションを用意しても良い。

制御部１８１は、把持装置１１の動作（把持対象１３３の把持動作、移動動作、および解放動作）を制御する。具体的には、制御部１８１は、選択された把持位置で把持対象１３３を把持するように、把持装置１１を制御する。これにより、把持装置１１は、把持位置において把持対象１３３を把持する。制御部１８１は、把持された把持対象１３３を、予め設定された目的位置まで移動し、この目的位置で、把持対象１３３を解放するように、把持装置１１を制御する。移動動作および解放動作の制御については、既知の制御が適宜利用であるため、説明は省略する。

以上、把持推定システム１における構成について説明した。以下、把持推定システム１による把持動作に関する処理（以下、把持処理と呼ぶ）について説明する。図８は、把持処理の手順の一例を示すフローチャートである。

（把持処理）
（ステップＳ８０１）
取得部１７３は、把持対象１３３に関する所定サイズの複数の部分領域それぞれについて、観測データを、観測装置１３から取得する。所定サイズは、平行グリッパ１１１による把持可能なサイズとして、把持推定装置１７におけるメモリに予め記憶される。図９は、観測データの一例を示す図である。図９に示すように、取得部１７３は、例えば、複数の部分領域それぞれについて、トレイ１３１に配置された把持対象１３３である粒状の食品のＲＧＢ画像とＤ画像とを取得する。

（ステップＳ８０２）
推定部１７５は、各部分領域について、観測データを把持量推定モデルに入力し、把持装置１１で掴み取る把持対象１３３の把持量を推定する。これにより、推定部１７５は、複数の部分領域に対応する複数の推定量を出力する。

（ステップＳ８０３）
評価部１７７は、各部分領域について、観測データを不確実性評価モデルに入力し、その不確実性評価モデルから不確実性指標を出力する。すなわち評価部１７７は、把持対象１３３が推定量だけ掴み取られる不確実性を評価する。これにより、評価部１７７は、各部分領域の推定量に対する不確実性を評価する。

（ステップＳ８０４）
選択部１７９は、目標量から所定範囲内（例えば±０．５ｇ以内）の把持量が推定された領域を特定する。図１０は、目標量が６０ｇである場合において、トレイ１３１の撮影範囲の一部の領域における推定量と不確実性との一例を示す図である。図１０における点線の丸印は、複数の推定量に対する領域を示している。また、図１０における実線の四角は、選択部８０４により特定された複数の領域と、当該領域における不確実性とを示している。なお、目標量から所定範囲内の推定量を持つ領域が無ければ、制御部１８１はエラーを通知してもよいし、制御部１８１は把持装置１１１を制御してトレイ１３１に配置された把持対象１３３を把持装置１１１で均してから処理をステップＳ８０１に戻してもよい。

（ステップＳ８０５）
選択部１７９は、特定された領域のうち、不確実性が最も低い（すなわち、不確実度が最も低い、あるいは、信頼度が最も高い）領域を選択する。図１０において、不確実性が最も低い領域ＭＲは、不確実度が０．１の領域に対応する。なお、所定の条件に所定の不確実性範囲（例えば不確実度が０．１以下）が含まれている場合には、不確実度がこの不確実性範囲内である領域が選択される。もしこの不確実性範囲に含まれる不確実性を持つ領域が無ければ、制御部１８１は、出力装置を介してエラーを通知してもよいし、制御部１８１は把持装置１１１を制御してトレイ１３１に配置された把持対象１３３を把持装置１１１で均してから処理をステップＳ８０１に戻してもよい。

（ステップＳ８０６）
制御部１８１は、選択された領域から把持対象１３３を掴み取るように、把持装置１１を制御する。これにより、把持処理は終了する。

以上で説明した実施形態に係る把持推定装置１７によれば、例えば粒状の食品である把持対象１３３の観測データを取得し、取得された観測データに基づいて、把持装置１１により把持対象１３３が把持される把持量を推定する。具体的には、把持推定装置１７によれば、把持対象１３３の観測データを入力として把持量を推定するように学習された学習済みの把持量推定モデルに、取得された観測データを入力し、把持量を推定する。これにより、本把持推定装置１７によれば、ユーザが所望する把持量を、観測データから推定することができる。

また、把持推定装置１７は、観測データに基づいて、推定された把持量が把持装置１１により把持される不確実性を評価する。また、把持推定装置１７は、観測データとは異なる種類の観測データを取得し、取得された異なる種類の観測データに基づいて、推定された把持量が把持装置１１により把持される不確実性を評価する。例えば、把持推定装置１７によれば、把持対象１３３の観測データを入力として不確実性指標を出力するように学習された学習済みの不確実性評価モデルに、観測データを入力し、上記不確実性を評価する。また、把持推定装置１７における観測データは、把持対象１３３の画像データまたは観測データの取得位置から把持対象１３３の表面までの距離データを含む。具体的には、実施形態に係る本把持推定装置１７によれば、把持対象１３３の分布領域における複数の部分領域各々において観測データを取得し、複数の部分領域各々において上記把持量を推定し、複数の部分領域各々において上記不確実性を評価し、複数の部分領域各々に対応する上記把持量および上記不確実性と所定の条件とに基づいて、複数の部分領域から把持装置１１により把持される領域を選択する。これらのことから、本把持推定装置１７によれば、推定された把持量のうち不確実性の度合いが低い領域において、把持対象１３３に関する所望の把持量を把持することができる。

また、本実施形態における把持推定装置１７は、閉状態において把持対象１３３を保持可能な空間を複数の面形状１２３で形成する平行グリッパ１１１を有する。例えば、本実施形態に係る食品把持用の平行グリッパ１１１は、食品が内包される空間を閉状態において形成する複数の面形状１２３を有する。また、本実施形態に係る食品把持用の平行グリッパ１１１は、非変形部材によって構成され、例えば、平行グリッパで実現される。これらにより、本実施形態に係る食品把持用の平行グリッパ１１１によれば、様々な不定形で変形する食品を適切に把持することができる。このため、本平行グリッパ１１１によれば、専用の器具や定量を把持するエンドエフェクタは不要であって、設計変更などの多大な労力を削減することができる。

以上のことから、本実施形態における把持推定装置１７および食品把持用の平行グリッパ１１１によれば、把持対象１３３に関する所望の把持量を推定または把持することができる。

以下、把持量推定モデルの生成過程と不確実性評価モデルの生成過程とについて説明する。把持量推定モデルの生成過程および不確実性評価モデルの生成過程は、それぞれ学習過程に相当する。このとき、図１に示す把持推定システム１または把持推定装置１７は、モデル学習装置として機能する。まず、把持量推定モデルの生成過程について説明し、次いで、不確実性評価モデルの生成過程について位説明する。図１１は、把持量推定モデルの生成処理（以下、推定モデル生成処理と呼ぶ）の手順の一例を示すフローチャートである。

（推定モデル生成処理）
（ステップＳ１１１）
取得部１７３は、把持対象１３３に関する所定サイズの部分領域について、観測データを、観測装置１３から取得する。取得部１７３は、部分領域の位置を、制御部１８１に出力する。また、取得部１７３は、部分領域の位置を、メモリに記憶する。

（ステップＳ１１２）
推定部１７５は、部分領域に関する観測データを第１学習モデルに入力し、把持装置１１で掴み取る把持対象１３３の把持量を、第１出力値として出力（推定）する。

（ステップＳ１１３）
制御部１８１は、部分領域に対して把持対象１３３の把持を実行するように、把持装置１１を制御する。把持装置１１は、制御部１８１による制御のもとで、部分領域における把持対象１３３を把持する。

（ステップＳ１１４）
取得部１７３は、計量装置１５もしくは力覚センサからの出力に基づいて、把持装置１１による把持量の実測値、すなわち実際の把持量を取得する。計量装置１５からの出力である計量データに基づいて実測値を計算する場合、取得部１７３は、例えば、把持装置１１による把持対象１３３の把持の前後における計量データを差分することで、実測値を取得する。なお、力覚センサが平行グリッパ１１１に搭載されている場合、取得部１７３は、力覚センサからの出力を重さに変換することにより、実測値を取得する。

（ステップＳ１１５）
推定部１７５は、第１出力値（推定量）と実測値との差分に基づいて損失を計算する。例えば、推定部１７５は、当該差分を損失関数に適用することにより、損失（２乗誤差）を算出する。次いで、推定部１７５は、誤差逆伝播法または確率的勾配降下法などの既知の手法により、損失を低減するように第１学習モデルにおけるパラメータを更新する。

（ステップＳ１１６）
パラメータの更新回数が所定回数であれば（ステップＳ１１６のＹｅｓ）、ステップＳ１１８の処理が実行される。パラメータの更新回数が所定回数でなければ（ステップＳ１１６のＮｏ）、ステップＳ１１７の処理が実行される。所定回数は、ユーザなどにより予め設定される。なお、本ステップにおける処理は、パラメータの更新回数と所定回数との比較に限定されない。例えば、第１学習モデルに対する学習が収束するまで、ステップＳ１１１乃至ステップＳ１１６の処理が繰り返されてもよい。第１学習モデルに対する学習の収束とは、例えば、推定量と実測値との差分が所定の値以下となる場合である。所定回数または所定の値は、把持推定装置１７におけるメモリに予め記憶される。

（ステップＳ１１７）
取得部１７３は、観測データにおいて、ステップＳ１１１における部分領域とは異なる他の部分領域を設定する。取得部１７３は、他の部分領域の位置を制御部１８１に出力する。

（ステップＳ１１８）
推定部１７５は、第１学習モデルを、把持量推定モデルとして設定する。推定部１７５は、把持量推定モデルを、把持推定装置１７におけるメモリに記憶する。以上により、推定モデル生成処理は終了する。

以上に述べた実施形態に係る推定モデル生成処理によれば、把持推定装置１７において用いられる把持量推定モデルは、把持装置１１により把持された把持対象１３３の把持量の実測値を第１学習モデルの教師データとし、把持装置１１による把持対象１３３の把持前の観測データを第１学習モデルへの入力データとして、第１学習モデルを学習することにより生成される。

以下、不確実性評価モデルの生成過程について説明する。図１２は、不確実性評価モデルの生成処理（以下、評価モデル生成処理と呼ぶ）の手順の一例を示すフローチャートである。

（評価モデル生成処理）
（ステップＳ１２１）
取得部１７３は、把持対象１３３に関する所定サイズの部分領域について、観測データを、観測装置１３から取得する。また、取得部１７３は、部分領域の位置を、メモリに記憶する。

（ステップＳ１２２）
評価部１７７は、部分領域に関する観測データを第２学習モデルに入力し、第２出力値を出力する。続く説明から理解されるように、評価部１７７は、第２学習モデルとは別の基準モデル（後述の重み固定モデル、ターゲットネット）が同観測データに基づいて出力するデータ（出力値）を、第２学習モデルから出力される第２出力値として推測する。

（ステップＳ１２３）
評価部１７７は、部分領域に関する観測データを重み固定モデルに入力し、第３出力値を出力する。重み固定モデルは、例えば、ニューラルネットワークモデルにおいて、重みが固定されたモデルに相当する。重み固定モデルは、基準となるニューラルネットワークモデルであって、ターゲットネット（Ｔａｒｇｅｔ Ｎｅｔ）と称される。重み固定モデルと第２学習モデルとは、異なるニューラルネットワークのモデルであって、例えば、中間層の数などのハイパーパラメータが異なる。また、重み固定モデルと第２学習モデルとは、好適には、例えばイメージネット（Ｉｍａｇｅ Ｎｅｔ）など、ニューラルネットワークモデルの構造自体が異なるモデルである。重み固定モデルに入力する観測データや重み固定モデルから得られる出力に、予め決められた範囲内の大きさの微小ノイズを人為的に加えたり、重み固定モデルから出力される値の平均や分散といった統計量が観測データと一致するように調整したりすることで、実際の観測データで得られる値とは値そのものは違っていても、観測データとの統計的な性質が似た形になるように、重み固定モデルは設定されても良い。

（ステップＳ１２４）
評価部１７７は、第２出力値と第３出力値との差分を計算する。次いで、評価部１７７は、算出された差分と損失関数とに基づいて、損失（２乗誤差）を算出する。この差分は、不確実性評価モデルが出力する不確実性指標に相当する。

（ステップＳ１２５）
評価部１７７は、誤差逆伝播法または確率的勾配降下法などの既知の手法により、損失を低減するように第２学習モデルにおけるパラメータを更新する。

（ステップＳ１２６）
パラメータの更新回数が所定回数であれば（ステップＳ１２６のＹｅｓ）、ステップＳ１２８の処理が実行される。このとき、第２学習モデルは、学習済みモデルに相当し、例えば、プレディクターネット（Ｐｒｅｄｉｃｔｏｒ Ｎｅｔ）と称される。第２学習モデルに対する学習は、自己教師あり学習に相当する。パラメータの更新回数が所定回数でなければ（ステップＳ１２６のＮｏ）、ステップＳ１２７の処理が実行される。なお、本ステップにおける処理は、パラメータの更新回数と所定回数との比較に限定されない。例えば、第１学習モデルに対する学習が収束するまで、ステップＳ１２１乃至ステップＳ１２６の処理が繰り返されてもよい。第２学習モデルに対する学習の収束とは、例えば、第２出力値と第３出力値との差分が所定の値以下となる場合である。

（ステップＳ１２７）
取得部１７３は、観測データにおいて、ステップＳ１２１における部分領域とは異なる他の部分領域を設定する。取得部１７３は、他の部分領域の位置を制御部１８１に出力する。

（ステップＳ１２８）
評価部１７７は、プレディクターネットとターゲットネットとをまとめて、不確実性評価モデルとして設定する。このとき、不確実性評価モデルは、ＲＮＤ（Ｒａｎｄｏｍ Ｎｅｔｗｏｒｋ Ｄｉｓｔｉｌｌａｔｉｏｎ）モデルに相当する。このとき、不確実性評価モデルは、入力された観測データが学習時に用いられたデータに近いかどうか、すなわち類似性の度合いを評価するモデルに相当する。評価部１７７は、不確実性評価モデルを、把持推定装置１７におけるメモリに記憶する。このとき、不確実性評価モデルからの出力は、重み固定モデルからの出力と学習済み不確実性評価モデルからの出力との差異を示す値であって、例えば、０（差異なし）から１（差異最大）の範囲で表される。不確実性評価モデルからの出力が０の場合、不確実性の度合いは０に相当し、信頼度は最大となる。一方、不確実性評価モデルからの出力が１の場合、不確実性の度合いは最大であって、信頼度は０に相当する。以上により、評価モデル生成処理は終了する。

図１３は、ＲＮＤモデルとして実行される不確実性評価モデルの概要の一例を示す図である。図１３に示すように、ＲＮＤモデルにおいて、部分領域におけるＲＧＢ画像（Ｃｒｏｐｐｅｄ ＲＧＢ）と部分領域におけるＤ画像（Ｃｒｏｐｐｅｄ ｄｅｐｔｈ）とが、プレディクターネットとターゲットネットとにそれぞれ入力される。ＲＮＤモデルは、プレディクターネットからに出力とターゲットネットからの出力との差分を、不確実性指標（推定誤差）として出力する。

以上に述べた実施形態に係る評価モデル生成処理によれば、把持推定装置１７において用いられる不確実性評価モデルは、観測データが入力されると、当該観測データに基づいてターゲットネットが出力するデータと同じデータを出力するように、第２学習モデルを学習することにより生成される。

上記推定モデル生成処理と評価モデル生成処理とは、それぞれ別に実行される例を説明したが、把持量推定モデルと不確実性評価モデルとは、同時に生成することも可能である。このとき、把持量推定モデルと不確実性評価モデルを合わせて、把持量不確実性推定モデルと呼ぶ（図１５参照）。以下、把持量不確実性推定モデルを生成する処理（以下、モデル生成処理と呼ぶ）について説明する。図１４は、モデル生成処理の手順の一例を示すフローチャートである。図１４におけるステップＳ１４１、Ｓ１４２、Ｓ１４４、Ｓ１４５、Ｓ１４８、Ｓ１４９の処理は、図１１におけるステップＳ１１１、Ｓ１１２、Ｓ１１３、Ｓ１１４、Ｓ１１６、Ｓ１１７の処理とそれぞれ同様なため、説明は省略する。

（モデル生成処理）
（ステップＳ１４３）
評価部１７７は、部分領域に関する観測データを第３学習モデルに入力し、把持装置１１で掴み取る把持対象１３３の推定量の誤差量を出力する。誤差量は、部分領域において実際に把持装置１１により把持された把持対象１３３の把持量の実測値と、把持量推定モデルにより出力された推定量との差分に相当する。すなわち第３学習モデルは、部分領域に関する観測データに基づいて、当該部分領域から掴み取られる把持対象１３３の推定量の誤差（把持量の推定誤差）を推定する。この誤差（誤差量）は、不確実度（不確実性指標）に相当する。

（ステップＳ１４６）
推定部１７５は、第１出力値（推定量）と実測値との差分（以下、第１差分と呼ぶ）を計算する。評価部１７７は、誤差量と第１差分との差分（以下、第２差分と呼ぶ）を計算する。

（ステップＳ１４７）
推定部１７５は、例えば、第１差分を損失関数に適用することにより、第１損失（２乗誤差）を算出する。次いで、推定部１７５は、誤差逆伝播法または確率的勾配降下法などの既知の手法により、第１損失を低減するように第１学習モデルにおけるパラメータを更新する。評価部１７７は、例えば、第２差分を損失関数に適用することにより、第２損失（２乗誤差）を算出する。次いで、評価部１７７は、誤差逆伝播法または確率的勾配降下法などの既知の手法により、第２損失を低減するように第３学習モデルにおけるパラメータを更新する。

（ステップＳ１５０）
推定部１７５は、学習済みの第１学習モデルを、把持量推定モデルとして設定する。評価部１７７は、学習済みの第３学習モデルを、不確実性評価モデルとして設定する。このとき、不確実性評価モデルは、把持量推定モデルによって推定された把持量の推定誤差（不確実度）を推定する誤差推定（Ｅｒｒｏｒ Ｅｓｔｉｍａｔｉｏｎ）モデルに相当する。具体的には、推定部１７５および評価部１７７は、学習済みの第１学習モデルと学習済みの第３学習モデルとをまとめて、把持量不確実性推定モデルとして設定する。推定部１７５および評価部１７７は、設定された把持量不確実性推定モデルを、把持推定装置１７におけるメモリに記憶する。このとき、図８に示す把持処理におけるステップＳ８０２とステップＳ８０３との処理は、次のようにまとめられることとなる。すなわち、ステップＳ８０２およびステップＳ８０３における処理は、各部分領域について、観測データを把持量不確実性推定モデルに入力することで、推定量と不確実度（不確実性指標）とが出力されることとなる。モデル生成処理における第３学習モデルに対する学習は、自己教師あり学習に相当する。

図１５は、把持量不確実性推定モデルの概要の一例を示す図である。図１５に示すように、把持量不確実性推定モデルには、部分領域におけるＲＧＢ画像（Ｃｒｏｐｐｅｄ ＲＧＢ）と部分領域におけるＤ画像（Ｃｒｏｐｐｅｄ ｄｅｐｔｈ）とが、入力される。把持量不確実性推定モデルは、推定量と不確実度（不確実性指標）とを出力する。

なお、上述した把持量不確実性推定モデルは、第１学習モデル（把持量推定モデル）と第３学習モデル（不確実性評価モデル）といった別々もモデルを合わせたものであった。このため、次の効果が得られる。把持量推定モデルと不確実性評価モデルとを独立して学習できるため、モデルごとに別々にパラメータチューニングが可能となる。また、把持量推定モデルと不確実性評価モデルとの組み合わせを、適宜、自由に選択でき、上記の誤差推定モデルに代えてＲＮＤモデルを組み合わせてもよいし、両モデルを組み合わせてもよい。

しかしその一方、把持量不確実性推定モデルを１つのモデルで構成することもできる。すなわち、部分領域に関する観測データを入力すると把持量の推定量およびその推定量の誤差量を出力する１つのモデル（好適には１つのニューラルネットワークモデル）を学習し、この学習済みモデルを把持量不確実性推定モデルとして設定することもできる。１つのモデルで学習することによる効果は、学習時間の短縮化、モデルを記憶するメモリの容量の少量化、が挙げられる。このモデルの学習は、例えば次の手順で行われる。推定部１７５および評価部１７７は、観測データをモデルに入力し、把持量の推定量とその推定量の誤差量を出力する。推定部１７５および評価部１７７は、出力された推定量に関する第１損失と、出力された誤差量に関する第２損失とを、算出し、算出された第１損失と第２損失とを足し合わせて合計損失を算出する。推定部１７５および評価部１７７は、誤差逆伝播法または確率的勾配降下法などの既知の手法により、合計損失を低減するようにモデルにおけるパラメータを更新する。このように学習されたモデルが把持量不確実性推定モデルとして得られる。

上記説明では、不確実性評価モデルは、ＲＮＤモデルまたは誤差推定モデルとして説明した。なお、不確実性評価モデルは、ＲＮＤモデルまたは誤差推定モデルに限定されず他の手法で実現することも可能である。例えば、不確実性評価モデルとしては、複数の把持量推定モデルを用いたアンサンブルにより実現されてもよい。アンサンブルによる不確実性評価モデル（以下、アンサンブルモデルと呼ぶ）とは、例えば、学習されるニューラルネットワークモデルの構造が異なっていたり、学習データが異なっていたりする複数の把持量推定モデルを用いて、各把持量推定モデルからの出力（推定量）のバラつき（分散）を不確実性指標（例えば不確実度）として用いることにある。

図１６は、アンサンブルモデルにより実現される把持量不確実性推定モデルの概要の一例を示す図である。図１６に示すようにアンサンブルモデルは、複数の把持量推定モデルを有する。評価部１７７は、複数の把持量推定モデル各々に、部分領域におけるＲＧＢ画像（Ｃｒｏｐｐｅｄ ＲＧＢ）と部分領域におけるＤ画像（Ｃｒｏｐｐｅｄ ｄｅｐｔｈ）とを、入力する。評価部１７７は、アンサンブルモデルにおける複数の把持量推定モデルからの出力（推定量）に基づいて、不確実性指標を計算する。計算される不確実性指標は、例えば、複数の推定量に基づいて正規化された標準偏差や分散に相当する。これにより、評価部１７７は、不確実性指標を出力する。なお、推定部１７５は、アンサンブルモデルにおける複数の把持量推定モデルから出力された複数の推定量の平均（平均推定量）を算出し、ステップＳ８０２における推定量として出力してもよい。

以上に述べた実施形態に係るアンサンブルモデル生成処理によれば、把持推定装置１７において用いられるアンサンブルモデルは、学習済みの複数の把持量推定モデルを用いて、各把持量推定モデルからの出力（推定量）のバラつきを、不確実性指標として用いることができる。

本実施形態に係るモデル学習装置によれば、把持対象１３３の観測データを取得し、把持装置１１により把持された把持対象１３３の把持量の実測値を第１学習モデルの教師データとし、観測データを第１学習モデルへの入力データとして、第１学習モデルを学習して、観測データを入力として把持量（推定量）を出力する把持量推定モデルを生成する。把持量推定モデルを生成する第１モデル生成部は、例えば推定部１７５により実現される。また、本学習装置によれば、観測データが入力されて不確実性指標を出力する学習モデルを自己教師あり学習によって学習することで、入力された観測データから、推定された把持量（推定量）だけが把持される不確実性指標を出力する不確実性評価モデルを生成する。この自己教師あり学習の教師データの一例は、「観測データを把持量推定モデルに入力して出力された把持量（推定量）と実測値との差分」または「観測データを所定のモデルに入力して出力された第１出力値と観測データを学習モデルに入力して出力された第２出力値との差分」である。不確実性評価モデルを生成する第２モデル生成部は、例えば評価部１７７により実現される。なお、第１モデル生成部および第２モデル生成部のいずれか一方、あるいは、両方あわせて、モデル生成部とよんでよい。なお、第１モデル生成部および第２モデル生成部は、把持推定装置１７に別途設けられてもよい。また、モデル学習装置は、モデル学習に関し、把持量推定モデルと不確実性評価モデルの両方を生成する必要は必ずしもなく、何れか一方の必要なモデルを生成するようにしてもよい。

以上のことから、本実施形態に係る把持推定装置１７によれば、変形しやすく、個々の粒子の相互作用が大きく、正確なシミュレーションやモデル化が困難であって、例えば、食品の劣化、把持による損傷、湿気などの要因から同じ食品を繰り返し利用して訓練データを集めること、すなわち十分な訓練データの収集が困難な粒状の食品の把持対象１３３に関して、把持量推定モデルによる出力結果の信頼性が低くなったとしても、すなわち少ない学習データに起因して把持量推定モデルが不安定になったとしても、推定された把持量の不完全性に対処するために、自己教師あり学習で、推定量だけが把持される不確実性を不確実性評価モデルによりモデル化し、ユーザが指定した把持量（目標量）に近いもののうち最も信頼性の高い把持位置で、把持対象１３３を把持することができる。

すなわち、本実施形態に係る把持推定装置１７によれば、把持量推定モデルからの出力結果のうち最も信頼性が高い把持位置を、不確実性評価モデルからの出力に基づいて選択することができるため、従来に比べて短時間で学習用データを収集して短時間で把持量推定モデル、不確実性評価モデルおよび把持量不確実性推定モデルを学習したとしても、把持対象１３３に対する目標量の把持を、精度よく実現することができる。

推定モデル生成処理、不確実性モデル生成処理およびモデル生成処理などにおける技術的思想をモデル生成方法（モデル製造方法と称されてもよい）で実現する場合、モデル生成方法は、実施形態と同様な処理手順によって、把持量推定モデルおよび不確実性評価モデルを生成する。また、当該モデル生成方法は、モデル学習装置により実行される。

上述の通り、本実施形態によれば把持量の推定とその推定の不確実性の評価を行ってグリッパによる把持を行うことで、目標量の把持対象を把持しようとするものであるが、グリッパによって把持された実際の量が目標量を上回る場合がある。このような場合に備えて、本実施形態に係る把持推定装置１７は、実際に把持された把持対象のうち余剰量をグリッパから落とすことで目標量の把持を達成するようにしてもよい。余剰量を落とす方法の一例として、閉じたグリッパを開放時間ｘ（例えば０．５秒）だけ、隙間幅ｙ（例えば０．５ミリ）だけ開ける方法について説明する。

（方法１）
推定部１７５は、グリッパの実際の把持量ｐ、グリッパ開放時間ｘ、隙間幅ｙを入力、隙間から落ちる把持対象の量ｚを出力とする学習モデル（好適にはニューラルネットワークモデル）を学習し、学習モデルを把持推定装置１７におけるメモリに記憶する。この学習は、入力ｐ、ｘ、ｙを学習モデルに入力して出力ｚを取得し、その出力ｚと、グリッパが実際に把持している量が把持量ｐであるときに開放時間ｘだけ隙間幅ｙを開けた場合にグリッパから実際に落下した把持対象の量（落下量）ｚ’とに基づく損失を計算し、その損失に基づく誤差逆伝播法または確率的勾配降下法などの既知の手法により、損失を低減する方向に学習モデルのパラメータを更新する。そして推定部１７５は、メモリに記憶されたこの学習済みモデルを用いて、余剰量をグリッパから落として把持量を目標量とするためのグリッパの制御量ｘ、ｙを求める。具体的には、推定部１７５は、（１）制御量の候補ｘ’およびｙ’に値を設定し、（２）そのｘ’およびｙ’と現在の把持量ｐとをこの学習済モデルに入力して落下量ｚを推定し、この落下量ｚが、現在の把持量ｐと目標量との差分に近いか（つまりこの差分から所定範囲内（例えば±０．５ｇ以内）か）を判定する。（３）近ければ、推定部１７５は、このｘ’とｙ’をグリッパの制御量として制御部１８１に渡す。（４）近くなければ、推定部１７５は、ｘ’およびｙ’の一方あるいは両方に別の値を設定し、処理（２）に戻る。制御部１８１は、渡されたこの制御量にしたがってグリッパの開放を制御することで、グリッパから把持対象の余剰量を落として目標量の把持を達成する。

（方法２）
方法１では学習モデルの出力ｚが落下量であったが、グリッパに残る把持対象の残存量であってもよい。この場合でも、方法１と同様の枠組みでモデルを学習できる。この場合、推定部１７５は、方法１の落下量を残存量ｚと読み替えて、（２）の判定において、残存量ｚが目標量に近いかを判定すればよい。

（方法３）
方法１において落下量を推定するのに学習済みモデルを利用したが、把持量ｐ、開放時間ｘ、隙間幅ｙ、落下量ｚを項目として持つテーブルを利用してもよい。この場合、テーブル中のｐ、ｘ、ｙ、ｚの各組の値を事前に実験的に求めたり、実験的に求めた値どうしを補間して求めたりしておけばよい。余剰量を落とす場合、推定部１７５は、方法１の（２）の落下量ｚの推定において、ｘ’およびｙ’と現在の把持量ｐとをキーとしてテーブルを検索して落下量ｚを推定すればよい。あるいは、推定部１７５は、現在の把持量ｐと目標量との差分を落下量ｚとみなし、現在の把持量ｐと落下量ｚをキーとしてテーブルを検索して制御量ｘおよびｙを特定し、それらｘおよびｙをグリッパの制御量として制御部１８１に渡してもよい。

（方法４）
方法３のテーブルの落下量ｚに代えてグリッパに残る残存量ｚを項目としてもよい。この場合でも方法３と同様にテーブルを用意しておくことができる。この場合、推定部１７５は、方法３で説明した落下量ｚの推定を残存量ｚの推定と読み替え、判定において推定された残存量ｚが目標量に近いかを判定すればよい。あるいは、推定部１７５は、目標量を残存量ｚとみなし、現在の把持量ｐと残存量ｚをキーとしてテーブルを検索して制御量ｘおよびｙを特定し、それらｘおよびｙをグリッパの制御量として制御部１８１に渡してもよい。

以上の方法１～４についても、落下量ｚあるいは残存量ｚの不確実性を評価するようにしてもよい。この場合、所望の落下量ｚあるいは残存量ｚを得るための制御量ｘ、ｙを選択する際に不確実性が小さい制御量ｘ、ｙを選択すればよい。

前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）の一部又は全部は、ハードウェアで構成されていてもよいし、ＣＰＵ（Cｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等が実行するソフトウェア（プログラム）の情報処理で構成されてもよい。ソフトウェアの情報処理で構成される場合には、前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）の少なくとも一部の機能を実現するソフトウェアを、フレキシブルディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）又はＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の非一時的な記憶媒体（非一時的なコンピュータ可読媒体）に収納し、コンピュータに読み込ませることにより、ソフトウェアの情報処理を実行してもよい。また、通信ネットワークを介して当該ソフトウェアがダウンロードされてもよい。さらに、ソフトウェアがＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）又はＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の回路に実装されることにより、情報処理がハードウェアにより実行されてもよい。

ソフトウェアを収納する記憶媒体の種類は限定されるものではない。記憶媒体は、磁気ディスク、又は光ディスク等の着脱可能なものに限定されず、ハードディスク、又はメモリ等の固定型の記憶媒体であってもよい。また、記憶媒体は、コンピュータ内部に備えられてもよいし、コンピュータ外部に備えられてもよい。

図１７は、前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）のハードウェア構成の一例を示すブロック図である。各装置は、一例として、プロセッサ８１１と、主記憶装置８１２（メモリ）と、補助記憶装置８１３（メモリ）と、ネットワークインタフェース８１４と、デバイスインタフェース８１５と、を備え、これらがバス８１６を介して接続されたコンピュータ８１として実現されてもよい。

図１７のコンピュータ８１は、各構成要素を一つ備えているが、同じ構成要素を複数備えていてもよい。また、図１７では、１台のコンピュータ８１が示されているが、ソフトウェアが複数台のコンピュータにインストールされて、当該複数台のコンピュータそれぞれがソフトウェアの同一の又は異なる一部の処理を実行してもよい。この場合、コンピュータそれぞれがネットワークインタフェース８１４等を介して通信して処理を実行する分散コンピューティングの形態であってもよい。つまり、前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）は、１又は複数の記憶装置に記憶された命令を１台又は複数台のコンピュータが実行することで機能を実現するシステムとして構成されてもよい。また、端末から送信された情報をクラウド上に設けられた１台又は複数台のコンピュータで処理し、この処理結果を端末に送信するような構成であってもよい。

前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）の各種演算は、１又は複数のプロセッサを用いて、又は、ネットワークを介した複数台のコンピュータを用いて、並列処理で実行されてもよい。また、各種演算が、プロセッサ内に複数ある演算コアに振り分けられて、並列処理で実行されてもよい。また、本開示の処理、手段等の一部又は全部は、ネットワークを介してコンピュータ８１と通信可能なクラウド上に設けられたプロセッサ及び記憶装置の少なくとも一方により実行されてもよい。このように、前述した実施形態における各装置は、１台又は複数台のコンピュータによる並列コンピューティングの形態であってもよい。

プロセッサ８１１は、コンピュータの制御装置及び演算装置を含む電子回路（処理回路、Ｐｒｏｃｅｓｓｉｎｇ ｃｉｒｃｕｉｔ、Ｐｒｏｃｅｓｓｉｎｇ ｃｉｒｃｕｉｔｒｙ、ＣＰＵ、ＧＰＵ、ＦＰＧＡ、又はＡＳＩＣ等）であってもよい。また、プロセッサ８１１は、専用の処理回路を含む半導体装置等であってもよい。プロセッサ８１１は、電子論理素子を用いた電子回路に限定されるものではなく、光論理素子を用いた光回路により実現されてもよい。また、プロセッサ８１１は、量子コンピューティングに基づく演算機能を含むものであってもよい。

プロセッサ８１１は、コンピュータ８１の内部構成の各装置等から入力されたデータやソフトウェア（プログラム）に基づいて演算処理を行い、演算結果や制御信号を各装置等に出力することができる。プロセッサ８１１は、コンピュータ８１のＯＳ（Operating System）や、アプリケーション等を実行することにより、コンピュータ８１を構成する各構成要素を制御してもよい。

前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）は、１又は複数のプロセッサ８１１により実現されてもよい。ここで、プロセッサ８１１は、１チップ上に配置された１又は複数の電子回路を指してもよいし、２つ以上のチップあるいは２つ以上のデバイス上に配置された１又は複数の電子回路を指してもよい。複数の電子回路を用いる場合、各電子回路は有線又は無線により通信してもよい。

主記憶装置８１２は、プロセッサ８１１が実行する命令及び各種データ等を記憶する記憶装置であり、主記憶装置８１２に記憶された情報がプロセッサ８１１により読み出される。補助記憶装置８１３は、主記憶装置８１２以外の記憶装置である。なお、これらの記憶装置は、電子情報を格納可能な任意の電子部品を意味するものとし、半導体のメモリでもよい。半導体のメモリは、揮発性メモリ、不揮発性メモリのいずれでもよい。前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）において各種データを保存するための記憶装置は、主記憶装置８１２又は補助記憶装置８１３により実現されてもよく、プロセッサ８１１に内蔵される内蔵メモリにより実現されてもよい。例えば、前述した実施形態における記憶部１０５は、主記憶装置８１２又は補助記憶装置８１３により実現されてもよい。

記憶装置（メモリ）１つに対して、複数のプロセッサが接続（結合）されてもよいし、単数のプロセッサが接続されてもよい。プロセッサ１つに対して、複数の記憶装置（メモリ）が接続（結合）されてもよい。前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）が、少なくとも１つの記憶装置（メモリ）とこの少なくとも１つの記憶装置（メモリ）に接続（結合）される複数のプロセッサで構成される場合、複数のプロセッサのうち少なくとも１つのプロセッサが、少なくとも１つの記憶装置（メモリ）に接続（結合）される構成を含んでもよい。また、複数台のコンピュータに含まれる記憶装置（メモリ））とプロセッサによって、この構成が実現されてもよい。さらに、記憶装置（メモリ）がプロセッサと一体になっている構成（例えば、Ｌ１キャッシュ、Ｌ２キャッシュを含むキャッシュメモリ）を含んでもよい。

ネットワークインタフェース８１４は、無線又は有線により、通信ネットワーク８２に接続するためのインタフェースである。ネットワークインタフェース８１４は、既存の通信規格に適合したもの等、適切なインタフェースを用いればよい。ネットワークインタフェース８１４により、通信ネットワーク８２を介して接続された外部装置８３ａと情報のやり取りが行われてもよい。なお、通信ネットワーク８２は、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＰＡＮ（Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等の何れか、又は、それらの組み合わせであってよく、コンピュータ８１と外部装置８３ａとの間で情報のやり取りが行われるものであればよい。ＷＡＮの一例としてインターネット等があり、ＬＡＮの一例としてＩＥＥＥ８０２．１１やイーサネット（登録商標）等があり、ＰＡＮの一例としてＢｌｕｅｔｏｏｔｈ（登録商標）やＮＦＣ（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）等がある。

デバイスインタフェース８１５は、外部装置８３ｂと直接接続するＵＳＢ等のインタフェースである。

外部装置８３ａはコンピュータ８１とネットワークを介して接続されている装置である。外部装置８３ｂはコンピュータ８１と直接接続されている装置である。

外部装置８３ａ又は外部装置８３ｂは、一例として、入力装置であってもよい。入力装置は、例えば、カメラ、マイクロフォン、モーションキャプチャ、各種センサ、キーボード、マウス、又はタッチパネル等のデバイスであり、取得した情報をコンピュータ８１に与える。また、パーソナルコンピュータ、タブレット端末、又はスマートフォン等の入力部とメモリとプロセッサを備えるデバイスであってもよい。

また、外部装置８３ａ又は外部装置８３ｂは、一例として、出力装置でもよい。出力装置は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、ＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）、又は有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネル等の表示装置であってもよいし、音声等を出力するスピーカ等であってもよい。また、パーソナルコンピュータ、タブレット端末、又はスマートフォン等の出力部とメモリとプロセッサを備えるデバイスであってもよい。

また、外部装置８３ａまた外部装置８３ｂは、記憶装置（メモリ）であってもよい。例えば、外部装置８３ａはネットワークストレージ等であってもよく、外部装置８３ｂはＨＤＤ等のストレージであってもよい。

また、外部装置８３ａ又は外部装置８３ｂは、前述した実施形態における各装置（把持推定装置１７及び／又はコントローラ１７１など）の構成要素の一部の機能を有する装置でもよい。つまり、コンピュータ８１は、外部装置８３ａ又は外部装置８３ｂの処理結果の一部又は全部を送信又は受信してもよい。例えば、外部装置８３ａ又は外部装置８３ｂは、前述した実施形態における把持装置１１と、観測装置１３と、計量装置１５と、把持推定装置１７などのうちの少なくとも１つであっても構わない。

本明細書（請求項を含む）において、「ａ、ｂ及びｃの少なくとも１つ（一方）」又は「ａ、ｂ又はｃの少なくとも１つ（一方）」の表現（同様な表現を含む）が用いられる場合は、ａ、ｂ、ｃ、ａ－ｂ、ａ－ｃ、ｂ－ｃ、又はａ－ｂ－ｃのいずれかを含む。また、ａ－ａ、ａ－ｂ－ｂ、ａ－ａ－ｂ－ｂ－ｃ－ｃ等のように、いずれかの要素について複数のインスタンスを含んでもよい。さらに、ａ－ｂ－ｃ－ｄのようにｄを有する等、列挙された要素（ａ、ｂ及びｃ）以外の他の要素を加えることも含む。

本明細書（請求項を含む）において、「データを入力として／データに基づいて／に従って／に応じて」等の表現（同様な表現を含む）が用いられる場合は、特に断りがない場合、各種データそのものを入力として用いる場合や、各種データに何らかの処理を行ったもの（例えば、ノイズ加算したもの、正規化したもの、各種データの中間表現等）を入力として用いる場合を含む。また「データに基づいて／に従って／に応じて」何らかの結果が得られる旨が記載されている場合、当該データのみに基づいて当該結果が得られる場合を含むとともに、当該データ以外の他のデータ、要因、条件、及び／又は状態等にも影響を受けて当該結果が得られる場合をも含み得る。また、「データを出力する」旨が記載されている場合、特に断りがない場合、各種データそのものを出力として用いる場合や、各種データに何らかの処理を行ったもの（例えば、ノイズ加算したもの、正規化したもの、各種データの中間表現等）を出力とする場合も含む。

本明細書（請求項を含む）において、「接続される（ｃｏｎｎｅｃｔｅｄ）」及び「結合される（ｃｏｕｐｌｅｄ）」との用語が用いられる場合は、直接的な接続／結合、間接的な接続／結合、電気的（ｅｌｅｃｔｒｉｃａｌｌｙ）な接続／結合、通信的（ｃｏｍｍｕｎｉｃａｔｉｖｅｌｙ）な接続／結合、機能的（ｏｐｅｒａｔｉｖｅｌｙ）な接続／結合、物理的（ｐｈｙｓｉｃａｌｌｙ）な接続／結合等のいずれをも含む非限定的な用語として意図される。当該用語は、当該用語が用いられた文脈に応じて適宜解釈されるべきであるが、意図的に或いは当然に排除されるのではない接続／結合形態は、当該用語に含まれるものして非限定的に解釈されるべきである。

本明細書（請求項を含む）において、「ＡがＢするよう構成される（Ａ ｃｏｎｆｉｇｕｒｅｄ ｔｏ Ｂ）」との表現が用いられる場合は、要素Ａの物理的構造が、動作Ｂを実行可能な構成を有するとともに、要素Ａの恒常的（ｐｅｒｍａｎｅｎｔ）又は一時的（ｔｅｍｐｏｒａｒｙ）な設定（ｓｅｔｔｉｎｇ／ｃｏｎｆｉｇｕｒａｔｉｏｎ）が、動作Ｂを実際に実行するように設定（ｃｏｎｆｉｇｕｒｅｄ／ｓｅｔ）されていることを含んでよい。例えば、要素Ａが汎用プロセッサである場合、当該プロセッサが動作Ｂを実行可能なハードウェア構成を有するとともに、恒常的（ｐｅｒｍａｎｅｎｔ）又は一時的（ｔｅｍｐｏｒａｒｙ）なプログラム（命令）の設定により、動作Ｂを実際に実行するように設定（ｃｏｎｆｉｇｕｒｅｄ）されていればよい。また、要素Ａが専用プロセッサ又は専用演算回路等である場合、制御用命令及びデータが実際に付属しているか否かとは無関係に、当該プロセッサの回路的構造が動作Ｂを実際に実行するように構築（ｉｍｐｌｅｍｅｎｔｅｄ）されていればよい。

本明細書（請求項を含む）において、含有又は所有を意味する用語（例えば、「含む（ｃｏｍｐｒｉｓｉｎｇ／ｉｎｃｌｕｄｉｎｇ）」及び有する「（ｈａｖｉｎｇ）等）」が用いられる場合は、当該用語の目的語により示される対象物以外の物を含有又は所有する場合を含む、ｏｐｅｎ－ｅｎｄｅｄな用語として意図される。これらの含有又は所有を意味する用語の目的語が数量を指定しない又は単数を示唆する表現（ａ又はａｎを冠詞とする表現）である場合は、当該表現は特定の数に限定されないものとして解釈されるべきである。

本明細書（請求項を含む）において、ある箇所において「１つ又は複数（ｏｎｅ ｏｒ ｍｏｒｅ）」又は「少なくとも１つ（ａｔ ｌｅａｓｔ ｏｎｅ）」等の表現が用いられ、他の箇所において数量を指定しない又は単数を示唆する表現（ａ又はａｎを冠詞とする表現）が用いられているとしても、後者の表現が「１つ」を意味することを意図しない。一般に、数量を指定しない又は単数を示唆する表現（ａ又はａｎを冠詞とする表現）は、必ずしも特定の数に限定されないものとして解釈されるべきである。

本明細書において、ある実施例の有する特定の構成について特定の効果（ａｄｖａｎｔａｇｅ／ｒｅｓｕｌｔ）が得られる旨が記載されている場合、別段の理由がない限り、当該構成を有する他の１つ又は複数の実施例についても当該効果が得られると理解されるべきである。但し当該効果の有無は、一般に種々の要因、条件、及び／又は状態等に依存し、当該構成により必ず当該効果が得られるものではないと理解されるべきである。当該効果は、種々の要因、条件、及び／又は状態等が満たされたときに実施例に記載の当該構成により得られるものに過ぎず、当該構成又は類似の構成を規定したクレームに係る発明において、当該効果が必ずしも得られるものではない。

本明細書（請求項を含む）において、複数のハードウェアが所定の処理を行う場合、各ハードウェアが協働して所定の処理を行ってもよいし、一部のハードウェアが所定の処理の全てを行ってもよい。また、一部のハードウェアが所定の処理の一部を行い、別のハードウェアが所定の処理の残りを行ってもよい。本明細書（請求項を含む）において、「１又は複数のハードウェアが第１の処理を行い、前記１又は複数のハードウェアが第２の処理を行う」等の表現が用いられている場合、第１の処理を行うハードウェアと第２の処理を行うハードウェアは同じものであってもよいし、異なるものであってもよい。つまり、第１の処理を行うハードウェア及び第２の処理を行うハードウェアが、前記１又は複数のハードウェアに含まれていればよい。なお、ハードウェアは、電子回路、又は電子回路を含む装置等を含んでよい。

本明細書（請求項を含む）において、複数の記憶装置（メモリ）がデータの記憶を行う場合、複数の記憶装置（メモリ）のうち個々の記憶装置（メモリ）は、データの一部のみを記憶してもよいし、データの全体を記憶してもよい。

以上、本開示の実施形態について詳述したが、本開示は上記した個々の実施形態に限定されるものではない。特許請求の範囲に規定された内容及びその均等物から導き出される本発明の概念的な思想と趣旨を逸脱しない範囲において種々の追加、変更、置き換え及び部分的削除等が可能である。例えば、前述した全ての実施形態において、数値又は数式を説明に用いている場合は、一例として示したものであり、これらに限られるものではない。また、実施形態における各動作の順序は、一例として示したものであり、これらに限られるものではない。

Claims (20)

1. 把持対象の観測データを取得する取得部と、
   前記観測データに基づいて、把持装置により前記把持対象が把持される把持量を推定する推定部と、
   を有する把持推定装置。
2. 前記観測データに基づいて、前記推定された把持量が前記把持装置により把持される不確実性を評価する評価部をさらに有する請求項１に記載の把持推定装置。
3. 前記取得部は、前記観測データとは異なる種類の観測データを取得し、
   前記異なる種類の観測データに基づいて、前記推定された把持量が前記把持装置により把持される不確実性を評価する評価部をさらに有する、
   請求項１に記載の把持推定装置。
4. 前記取得部は、前記把持対象が分布する領域における複数の部分領域各々において前記観測データを取得し、
   前記推定部は、前記複数の部分領域各々において前記把持量を推定し、
   前記評価部は、前記複数の部分領域各々において前記不確実性を評価し、
   前記複数の部分領域各々に対応する前記把持量および前記不確実性に基づいて、前記複数の部分領域から、前記把持装置により把持される領域を選択する選択部をさらに有する、
   請求項２または３に記載の把持推定装置。
5. 把持対象が分布する複数の部分領域各々における当該把持対象の観測データを取得する取得部と、
   前記複数の部分領域各々において、前記把持対象の把持に関する不確実性を前記観測データに基づいて評価する評価部と、
   前記複数の部分領域各々について評価された前記不確実性に基づいて、前記複数の部分領域から、前記把持対象を把持装置によって把持する領域を選択する選択部と、
   を有する把持推定装置。
6. 前記把持対象は、粒状の食品である請求項１乃至５のうちいずれか１項に記載の把持推定装置。
7. 前記把持装置は、閉状態において前記把持対象を保持可能な空間を複数の面形状で形成するグリッパを有する、
   請求項１乃至６のいずれか１項に記載の把持推定装置。
8. 前記観測データは、前記把持対象の画像データを含む、
   請求項１乃至７のうちいずれか１項に記載の把持推定装置。
9. 前記観測データは、前記観測データの取得位置から前記把持対象の表面までの距離データを含む、
   請求項１乃至８のうちいずれか１項に記載の把持推定装置。
10. 前記推定部は、前記把持対象の観測データを入力として前記把持量を出力するように学習された学習済みの把持量推定モデルに、前記観測データを入力し、前記把持量を推定する、
    請求項１乃至４のうちいずれか１項に記載の把持推定装置。
11. 前記把持量推定モデルは、前記把持装置により把持された前記把持対象の把持量の実測値を第１学習モデルの教師データとし、前記把持装置による前記把持対象の把持前の観測データを前記第１学習モデルへの入力データとして、前記第１学習モデルを学習することにより生成される、
    請求項１０に記載の把持推定装置。
12. 前記評価部は、前記把持対象の観測データを入力として前記不確実性を出力するように学習された学習済みの不確実性評価モデルに、前記観測データを入力し、前記不確実性を評価する、
    請求項２乃至５のうちいずれか１項に記載の把持推定装置。
13. 前記不確実性評価モデルは、前記把持装置により把持された前記把持対象の把持量の実測値と、前記推定された把持量との差分を第２学習モデルの教師データとし、前記把持装置による前記把持対象の把持前の観測データを前記第２学習モデルへの入力データとして、前記第２学習モデルを学習することにより生成される、
    請求項１２に記載の把持推定装置。
14. 前記不確実性評価モデルは、前記把持装置による前記把持対象の把持前の観測データを所定のモデルに入力して出力された第１出力値と、前記把持前の観測データを第２学習モデルに入力して出力された第２出力値との差分を前記第２学習モデルの教師データとし、前記把持前の観測データを前記第２学習モデルへの入力データとして、前記第２学習モデルを学習することにより生成される、
    請求項１２に記載の把持推定装置。
15. 把持対象の観測データを取得し、
    把持装置により把持された前記把持対象の把持量の実測値を学習モデルの教師データとし、前記観測データを前記学習モデルへの入力データとして、前記学習モデルの内部パラメータを更新することで、前記観測データを入力として前記把持量を出力する把持量推定モデルを生成する、
    モデル生成方法。
16. 把持対象の観測データを取得し、
    前記観測データを学習モデルに入力して当該学習モデルから、前記把持対象の把持に関する不確実性の指標となる出力データを取得し、
    前記観測データに基づいて、前記不確実性の指標となる前記出力データに対応する教師データを生成し、
    前記不確実性の指標となる前記出力データと前記教師データとに基づいて、前記学習モデルの内部パラメータを更新することで、前記観測データを入力として前記把持対象の把持の不確実性の指標を出力する不確実性評価モデルを生成する、
    モデル生成方法。
17. 少なくとも請求項１５および１６のうちいずれか１項に記載のモデル生成方法を実行するモデル学習装置。
18. 開閉するグリッパであって、食品が内包される空間を閉状態において形成する複数の面形状を有する食品把持用のグリッパ。
19. 前記面形状は、非変形部材によって構成される請求項１８に記載の食品把持用のグリッパ。
20. 前記グリッパは、平行グリッパである請求項１８または１９に記載の食品把持用のグリッパ。

Images