JP2558599B2

JP2558599B2 - ロボット制御装置

Info

Publication number: JP2558599B2
Application number: JP5171688A
Authority: JP
Inventors: 光男川人; 康晴小池
Original assignee: Ei Tei Aaru Ningen Joho Tsushin Kenkyusho Kk
Current assignee: Ei Tei Aaru Ningen Joho Tsushin Kenkyusho Kk
Priority date: 1993-07-12
Filing date: 1993-07-12
Publication date: 1996-11-27
Anticipated expiration: 2011-11-27
Also published as: JPH0724766A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明はロボット制御装置に関
し、たとえばロボットのオンラインティーチングと制
御、ロボットの遠隔制御、オペレータの遠隔存在、通信
システムとロボットとの遠隔共同作業において、オペレ
ータが自分の身体を操るのと同様の安易さ巧みさでロボ
ットの運動軌道計画、運動軌道制御および力制御をオン
ラインで行なうことができるようなロボット制御装置に
関する。

【０００２】

【従来の技術】従来、ロボットに使用された多関節型の
産業上マニュピュレータなどに対しての軌道計画は、人
間のオペレータが工場の製造ラインでティーチングボッ
クスを用いることによってオンラインで行なわれてい
た。ところがこのような軌道計画は、複雑な軌道が幾つ
もの小部分に分けられ、その小部分における代表点の位
置を産業用マニュピュレータなどに記憶させるという面
倒なものであった。そのため、この作業を行なうオペレ
ータには、熟練した技術を必要とし、さらに、軌道計画
を行なうことができるのは製造ラインの止まった夜間や
祝祭日に限られるため、特定の熟練オペレータへの負担
が大きくなっていた。

【０００３】これに対し、オフラインでの軌道計画は、
理論的には活発に研究されていたが、特に３次元空間に
複雑な形状の障害物が複数配置されているような状況下
では問題点があり実用化されていない。その問題点は、
目的のタスクを行なうための軌道計算を行なうには画像
入力のためのコストが非常に嵩むこと、さらに状況が複
雑になるとともに軌道計算の時間が爆発的に増大するこ
とが挙げられる。

【０００４】一方、ロボットの遠隔制御、オペレータの
遠隔存在および通信システムとロボットとによる遠隔作
業などにおいて、オペレータの運動軌道と力を計測する
手段としては、オペレータに装着させるマスタアームや
ゴニオメータという機械計測装置が用いられてきた。し
かし、これらの機械計測装置は、自由度が増せば体積お
よび重量が嵩むことになり、オペレータの動作に大きな
負担をかけてしまう。また、重量や慣性を補償するため
のアクチュエータをつけた機械計測装置は、高価になる
だけでなく、暴走時にはオペレータの身体に危害を加え
る極めて危険なものであり、一般には用いられていな
い。

【０００５】したがって、上述したそれぞれの問題を解
決するために筋電信号を用いてロボットの腕や手および
義手・義足を制御することが試みられた。

【０００６】まず、１９４８年にノーバートウィナーに
よって、筋電信号を用いる着想が発表され、それ以後基
礎的研究や実用化が進められた。その段階での技術は、
ロボットを１自由度で制御するオン・オフ制御や比例制
御が目標とされていたため、多自由度のロボットの腕や
手および義手・義足の軌道計画と制御は行なうことがで
きなかった。

【０００７】次に、多自由度のロボットの腕や手および
義手・義足を筋電信号を用いて制御する装置は、特開昭
５１−４３８８８，特開昭５１−６３５９５，特開昭５
８−１７７６４７，特開昭６０−２２１２７０号公報に
おいて示されているようにノーバートウィナーの発表以
後も数多く提案されてきた。しかし、提案はされても、
筋電信号をどのように情報処理してロボットの腕の手お
よび義手，義足を制御するための信号を得るかについて
の具体的な提案はされていなかった。そのため、鈴木良
次他（医用電子と生体工学，７巻１号，４７〜４８頁，
１９６９）が提案した多チャンネルの筋電信号をパーセ
プトロンで学習識別させ、推定された動作によって義手
を制御することに基づいて、多層パーセプトロンを用い
たものが特開平２−２９８４７９号公報で提案されてい
る。

【０００８】

【発明が解決しようとする課題】しかしながら、多層パ
ーセプトロンを用いて筋電信号のパターン認識を行な
い、それに基づいてロボットの腕や手および義手・義足
を制御するには、以下に示すような問題が生じている。
まず、人間と同様の動作をする必要のあるロボットや義
手は、無限の動作パターンを識別することができるわけ
でなく、限られた動作パターンの識別しかできない。次
に限られた動作パターンであってもロボットは、その動
作パターンを正確に識別するわけではなく、誤認識に伴
う誤動作を生じる。次に、ロボットや義手に対して動作
パターンを正確に認識させるためには、数十ミリ秒から
数秒間の筋電信号パターンの時間平均やパワースペクト
ラムの計算が行なわれる必要があり、この方法では、た
とえロボットや義手は正確に動作パターンを実行したと
しても、１秒間に数回程度の動作の変化があるだけで、
速くかつ滑らかな動作をロボットや義手に行なわすこと
はできない。

【０００９】それゆえに、この発明は、上記のような問
題を解決し、ロボットに対してオンラインで速く滑らか
でかつオペレータが要求するすべての動作を正確に実行
させるための軌道計画と制御を行なうことができ、さら
に、ロボットの遠隔制御、オペレータの遠隔存在、通信
システムとロボットとによる遠隔共同作業において、オ
ペレータの動作の運動軌道と力を計測する入力手段とし
ても使え、操作性、安全性、利便性、価格がマスタアー
ムなどよりも優れた役割を果たすロボット制御装置を提
供することである。

【００１０】

【課題を解決するための手段】請求項１のロボット制御
装置は、オペレータの複数の筋肉の活動に基づいてロボ
ットを制御するロボット制御装置であって、複数の筋肉
の活動に応じた信号を検出する検出手段と、検出手段の
各検出出力を各筋肉が発生する張力に対応する擬似張力
を表わす信号に変換し、その信号に基づいてオペレータ
の各関節トルク、手先の力、身体の加速度軌道、速度軌
道および位置軌道という特徴量を推定する非線形ダイナ
ミクスモデルと、非線形ダイナミクスモデルの出力であ
る推定された特徴量に応じて、ロボットを制御する制御
手段とを備えて構成される。

【００１１】請求項２に係る発明では、請求項１の検出
手段は、筋肉の活動に応じた信号を検出するために、オ
ペレータの身体に装着される表面電極を含む。

【００１２】請求項３の発明では、請求項１の制御手段
は、推定された加速度軌道、速度軌道および位置軌道を
目標軌道に変換する変換手段と、フィードフォワード制
御またはフィードバック制御を用いて、オペレータとロ
ボットとの動力学的構造および動特性が同じときには推
定されたトルクによりロボットを制御するトルク制御手
段と、フィードフォワード制御またはフィードバック制
御を用いてオペレータとロボットとの動力学的構造のみ
が同じときには推定された加速度軌道、速度軌道および
位置軌道によりロボットを制御する軌道制御手段とを含
み、オペレータとロボットの動力学的構造が異なるとき
には変換手段によって変換された目標軌道を軌道制御手
段に入力してロボットを制御することを特徴とする。

【００１３】請求項４の発明では、請求項３の変換手段
は、ロボットを制御するための目標軌道に対応した動作
をオペレータが追従することで学習する第１の神経回路
を含む。

【００１４】請求項５の発明では、請求項１の非線形ダ
イナミクスモデルは、第２の神経回路を含み、その第２
の神経回路は、検出手段から入力される複数の筋肉の活
動に応じた信号をフィルタリングし、各筋肉が発生する
張力に対応する擬似張力を表わす信号を出力する前段回
路と、前段回路から信号を受け、擬似張力，位置，速度
からトルク，外界へ及ぼす力および加速度信号を推定す
る複数層からなる後段回路を含む。

【００１５】請求項６の発明では、請求項４の第１の神
経回路または請求項５の第２の神経回路は、パラメータ
を決定するために所定の学習則を用いて学習する。

【００１６】請求項７の発明では、請求項４の第１の神
経回路または請求項５の第２の神経回路は、パラメータ
を決定するために所定の非線形アルゴリズムを用いて学
習する。

【００１７】請求項８の発明では、請求項５の第２の神
経回路は、推定されたトルクを身体の力学を記述する非
線形方程式に代入して数値積分を行なって軌道を推定す
るか、推定された加速度を巡回結合で数値積分して軌道
を推定する。

【００１８】

【作用】この発明に係るロボット制御装置は、オペレー
タの複数の筋肉の活動に応じた信号を検出手段によって
検出し、その検出信号を各筋肉が発生する張力に対応す
る擬似張力を表わす信号に変換した後、非線形ダイナミ
クスモデルによってオペレータの各関節のトルク、手先
の力、身体の加速度軌道、速度軌道および位置軌道とい
う特徴量を推定し、推定された特徴量に応じてロボット
を制御手段によって制御する。

【００１９】

【実施例】図１は、この発明のロボット制御装置の概略
ブロック図である。図１においてオペレータの人腕には
表面電極１が装着され、人腕の筋肉の活動に応じて、表
面電極１は筋電信号を検出する。検出された筋電信号は
筋電信号増幅器２に与えられて増幅され、フィルタ３に
与えられる。フィルタ３は、増幅された筋電信号をフィ
ルタリングし、擬似張力を表わす信号に変換し、関節ト
ルク推定回路４に与える。関節トルク推定回路４は関節
トルクを推定し、オペレータの人腕に対して動力学的構
造が同じロボット６を制御するためのトルク制御回路５
に関節トルクを表わす信号を出力する。トルク制御回路
５は、ロボット６に目標トルクを表わす信号を出力する
ことによって制御する。

【００２０】一方、関節トルク推定回路４は、オペレー
タの人腕に対して動力学的構造が異なるロボット１０を
制御するために、人腕ダイナミクスモデル７に関節トル
クを表わす信号を出力する。人腕ダイナミクスモデル７
は、入力された関節トルクを表わす信号から軌道を推定
し、ロボット１０がオペレータの人腕と幾何学的構造が
同じ場合には、推定した軌道を目標軌道としてその目標
軌道を表わす信号を軌道制御回路９に出力し、ロボット
１０がオペレータの人腕と幾何学的構造が異なる場合に
は、推定された軌道を表わす信号を動力学変換回路８に
出力する。動力学変換回路８は、入力された推定軌道を
目標軌道に変換し、目標軌道を表わす信号を軌道制御回
路９に出力する。軌道制御回路９はロボット１０の幾何
学的構造に応じて制御信号を出力してロボット１０を制
御する。

【００２１】図２は、この発明の一実施例のロボット制
御装置の動作を説明するためのフローチャートであり、
以下図２を参照して図１で示したロボット制御装置の動
作について説明する。

【００２２】表面電極１を操作者（オペレータ）の身体
に装着し、操作者が身体を動かしたり力を発生したりす
ると、筋電信号が筋電信号増幅器２に与えられて、増幅
される。この増幅された筋電信号はフィルタ３に与えら
れ、擬似張力を表わす信号が関節トルク推定回路４に与
えられる。関節トルク推定回路４はその擬似張力に基づ
いて、関節トルクを推定する。図３に示すようなフィル
タ３と関節トルク推定回路４とを接続した４層パーセプ
トロン神経回路を用いて、フィルタ３と関節トルク推定
回路４について詳細に説明する。

【００２３】４層パーセプトロン神経回路は、第１層１
１、第２層１２、第３層１３および第４層１４とを含
む。第１層１１のニューロン１５の出力は、過去から現
在に至る筋電信号ＥＭＧｍａ（ｎ）…ＥＭＧｍａ（ｎ−
Ｎ＋１）を表わし、第２層１２のニューロン１６のそれ
ぞれに入力される。第１層１１から第２層１２までの変
換によって上述のフィルタ３を実現しており、第２層１
２のニューロン１６の出力は擬似張力を表わす。第２層
１２は、ニューロン１６の他に出力が肩の関節角度θ
s₁、肘の関節角度θe₁、肩の関節角速度θs₂および肘の
関節角速度θe₂を表わすニューロン１７，１８，１９お
よび２０が設けられており、第２層１２のニューロン１
６，１７，１８，１９，２０の出力は、第３層１３のニ
ューロン２１のそれぞれに入力される。第３層１３のニ
ューロン２１は、シグモイド関数による非線形活動関数
を有しており、その出力は第４層１４のニューロン２２
に入力される。第２層１２から第４層１４までの非線形
変換によって上述の関節トルク推定回路４を実現してお
り、第４層１４のニューロン２２の出力は、擬似張力、
関節角度および関節角速度から推定された関節トルクを
表わす。

【００２４】なお、第２層１２から第４層１４までの非
線形変換は、筋肉の非線形な長さ張力曲線、短縮速度張
力曲線および各筋肉が各関節に付着するモーメントアー
ムがオペレータの姿勢変化に依存することによって生じ
る非線形効果を含む。

【００２５】また、図３において、ニューロン間の結合
を表わした各実線に対して１つの実数（結合荷重）が割
り振られており、この結合荷重の設定には与えられた非
線形変換に対して様々な神経回路モデルの学習アルゴリ
ズムを用いることができるが、たとえば一般的な誤差逆
伝播学習アルゴリズムを用いればよい。

【００２６】次に以上の４層パーセプトロン神経回路を
用いて図４に示すようなトルクを推定する方法について
具体的に説明する。

【００２７】運動中のオペレータから筋電図と肩肘の関
節角度、角速度、角加速度を２００Ｈｚのサンプル信号
でサンプリングして同時に計測する。オペレータの腕の
３次元形状をレーザ計測装置で測定し、それに基づいて
オペレータの上腕、前腕の長さ、質量、重心位置、慣性
モーメントを比重１として計算する。これらの物理的パ
ラメータを用いて肩および肘の関節の運動を記述する運
動方程式（ラグランジュ方程式）を書き下す。この方程
式は人腕の順方向ダイナミクスモデルを提供しているた
め、この方程式に計測した関節角度、角速度、角加速度
が代入されることによって、運動中のオペレータの肩と
肘で発生しているトルクの時間経過を２００Ｈｚのサン
プリング信号でサンプリングして推定することができ
る。

【００２８】この場合の４層パーセプトロンの結合荷重
の誤差逆伝播学習において、第４層の出力の教師信号は
推定されたトルクを、第１層の入力の教師信号は計測さ
れた筋電信号を、第２層の入力の教師信号は計測された
関節角度、角速度を用いた。図４は、学習した神経回路
を用いて、訓練に用いていないトルクの時間波形を再構
成した結果を示し、図４（ａ）は肩のトルクの時間波
形、図４（ｂ）は肘のトルクの時間波形を示す。破線が
実際にオペレータに発生したトルク、実線が神経回路で
推定したトルクを示しており、全テストデータに対して
決定数０．９という高い推定精度が得られた。

【００２９】次に図２に戻り、フローチャートの説明を
続ける。ロボットのダイナミクスは操作者の身体と同じ
か否かが判断され、同じ場合には関節トルク推定回路４
の出力である推定された関節トルクは、トルク制御回路
５に入力される。トルク制御回路５はロボットの各関節
のモータごとに設けられており、さらにロボット６に対
して、トルクフィードバックを行なうことにより、オペ
レータは意図した運動をロボットに高時間分解能で行な
わすことができる。なお、この制御は自由運動のみなら
ず束縛運動中の制御においても同様であり、ロボット６
を制御するためにフィードフォワードを用いてもよい。

【００３０】一方、ロボットのダイナミクスが操作者の
ダイナミクスと異なる場合には、関節トルク推定回路４
は人腕ダイナミクスモデル７に推定された関節トルクを
出力する。人腕ダイナミクスモデル７は、図５に示すよ
うに推定されたトルクを身体の力学を記述する非線形方
程式に代入して数値積分を行って肩肘の関節角加速度の
軌道を推定する。なお、図５において、特に図５（ａ）
および（ｃ）は肩および肘の推定されたトルクの結果を
示した図であり、図５（ｂ）および（ｄ）は肩および肘
の推定された関節角速度の結果を示した図である。また
さらに、人腕ダイナミクスモデル７は、推定された関節
角加速度の軌道を巡回結合で数値積分して肩肘の関節角
速度および角度の軌道も推定する。

【００３１】求められた軌道を用いてロボット１０を制
御するが、ロボット１０は、操作者の身体ダイナミクス
が異なるだけか、それともさらに幾何学的構造が同じか
否かが問題とされる。ロボット１０の幾何学的構造が操
作者の身体と同じ場合には、人腕ダイナミクスモデル７
の出力は、推定された軌道をそのまま目標軌道として軌
道制御回路９に入力される。軌道制御回路９は、図１に
示すようにフィードバックを用いてロボット１０を制御
してもよいが、目標軌道が加速度頂まで計算されている
ので計算トルク法とフィードバック法を組合せて制御し
てもよい。

【００３２】一方、ロボットの幾何学的構造が操作者の
身体と異なる場合には、推定軌道を目標軌道としてその
まま使えないため、人腕ダイナミクスモデル７は動力学
変換回路８に推定軌道を入力する。動力学変換回路８
は、ロボット１０の手先位置と姿勢により生じる６自由
度のみを制御する場合には、人腕関節角度から人腕手先
の位置と姿勢を計測し、それを所望の並行移動、拡大、
回転してロボット手先位置と姿勢の目標値を決定し、目
標軌道を記述して、ロボットの関節角度の目標軌道に変
換する。このように変換されたロボットの関節角度の目
標軌道を動力学変換回路８が軌道制御回路９に入力し、
軌道制御回路９はロボット１０に制御信号を入力して制
御する。

【００３３】ただし、ロボットに動力学的な冗長性がな
い場合には、動力学変換回路８で行なわれる変換は、人
腕の順キネマティクス方程式、人腕手先からロボットの
手先への座標変換、ロボットの逆キネマティクス方程式
に従って数式とアルゴリズムによって厳密に行なえる。
しかし、一般には人腕手先とロボット手先の位置計測と
座標変換のキャリブレーションが必要で時間がかかるた
め、動力学変換回路８においても神経回路モデルを用い
て、キャリブレーションを実時間の学習で行なう。この
方法は、ロボットの作業空間において、ロボットを制御
するために必要な目標軌道をオペレータに掲示し、その
動きをオペレータに追従させることによって、動力学変
換回路８として用いた神経回路は学習することができ
る。さらに動力学変換回路８として用いた神経回路が不
完全なものであっても、ロボットが実際に動作すること
によって実現した軌道と動力学変換回路８として用いた
神経回路で変換された目標軌道との誤差を用いることに
より、動力学変換回路８として用いた神経回路は学習ア
ルゴリズムによって修正される。

【００３４】

【発明の効果】以上のように、この発明によればオペレ
ータの複数の筋肉の活動に応じた信号を検出し、その検
出信号を各筋肉が発生する張力に対応する擬似張力を表
わす信号に変換し、その信号に基づき非線形ダイナミク
スモデルによってオペレータの各関節トルク、手先の
力、身体の加速度軌道、速度軌道および位置軌道という
特徴量を推定し、推定された特徴量に応じて、ロボット
を制御するようにしたので、オペレータの動力学的構造
または幾何学的構造と異なるロボットであってもオペレ
ータは実時間で自分自身の身体を操るのと同じように自
然に制御することができる。さらにオペレータの動作の
運動軌道や力を計測する手段としても操作性、安全性、
利便性、価格などの点で従来のマスタアームと同等の機
械計測装置に比べて遙かに優れた装置を実現できる。

【図面の簡単な説明】

【図１】この発明の一実施例のロボット制御装置の概略
ブロック図である。

【図２】図１に示したロボット制御装置の動作を説明す
るためのフローチャートである。

【図３】筋電信号と角度、角速度からトルクを推定する
基本的な４層構造パーセプトロンを示す図である。

【図４】図３に示した４層構造パーセプトロンによって
推定されたトルクの軌道を示した図である。

【図５】推定されたトルクの軌道から角加速度軌道を推
定した結果のグラフである。

【符号の説明】

１表面電極２筋電信号増幅器３フィルタ４関節トルク推定回路５トルク制御回路６，１０ロボット７人腕ダイナミクスモデル８動力学変換回路９軌道制御回路１１第１層１２第２層１３第３層１４第４層１５，１６，１７，１８，１９，２０，２１，２２ニ
ューロン

Claims

(57)【特許請求の範囲】

【請求項１】オペレータの複数の筋肉の活動に基づい
てロボットを制御するロボット制御装置であって、前記複数の筋肉の活動に応じた筋電信号を検出する検出
手段と、前記検出手段の各検出出力である前記検出された筋電信
号を各筋肉が発生する張力に対応する擬似張力を表わす
張力信号に変換し、その張力信号に基づいて前記オペレ
ータの各関節トルク、手先の力、身体の加速度軌道、速
度軌道および位置軌道という特徴量を推定する非線形ダ
イナミクスモデルと、前記非線形ダイナミクスモデルの出力である前記推定さ
れた特徴量に応じて、前記ロボットを制御する制御手段
とを備えたロボット制御装置。
【請求項２】前記検出手段は、前記筋肉の活動に応じ
た筋電信号を検出するために、前記オペレータの身体に
装着される表面電極を含む、請求項１記載のロボット制
御装置。
【請求項３】前記制御手段は、前記推定された加速度軌道、速度軌道および位置軌道を
目標軌道に変換する変換手段と、フィードフォワード制御またはフィードバック制御を用
いて、前記オペレータとロボットとの動力学的構造およ
び動特性が同じときには前記推定されたトルクにより前
記ロボットを制御するトルク制御手段と、前記フィードフォワード制御またはフィードバック制御
を用いて、前記オペレータとロボットとの動力学的構造
のみが同じときには前記推定された加速度軌道、速度軌
道および位置軌道により前記ロボットを制御する軌道制
御手段とを含み、前記オペレータとロボットの動力学的構造が異なるとき
には前記変換手段によって変換された目標軌道を前記軌
道制御手段に入力して前記ロボットを制御することを特
徴とする、請求項１記載のロボット制御装置。
【請求項４】前記変換手段は、前記ロボットを制御す
るための目標軌道に対応した動作を前記オペレータが追
従することで学習する第１の神経回路を含む、請求項３
記載のロボット制御装置。
【請求項５】前記非線形ダイナミクスモデルは、第２
の神経回路を含み、前記第２の神経回路は、前記検出手段から入力される複数の筋肉の活動に応じた
筋電信号をフィルタリングし、各筋肉が発生する張力に
対応する擬似張力を表わす張力信号を出力する前段回路
と、前記前段回路から張力信号を受け、擬似張力，位置，速
度からトルク，外界へ及ぼす力および加速度信号を推定
する複数層からなる後段回路を含む、請求項１記載のロ
ボット制御装置。
【請求項６】前記第１または第２の神経回路は、パラ
メータを決定するために所定の学習則を用いて学習する
ことを特徴とする、請求項４または５記載のロボット制
御装置。
【請求項７】前記第１または第２の神経回路は、パラ
メータを決定するために所定の非線形アルゴリズムを用
いて学習することを特徴とする、請求項４または５記載
のロボット制御装置。
【請求項８】前記第２の神経回路は、前記推定された
トルクを身体の力学を記述する非線形方程式に代入して
数値積分を行なって軌道を推定するか、前記推定された
加速度を巡回結合で数値積分して軌道を推定することを
特徴とする、請求項５記載のロボット制御装置。