JP2742928B2 - Semi-autonomous robot remote control method - Google Patents
Semi-autonomous robot remote control methodInfo
- Publication number
- JP2742928B2 JP2742928B2 JP2411115A JP41111590A JP2742928B2 JP 2742928 B2 JP2742928 B2 JP 2742928B2 JP 2411115 A JP2411115 A JP 2411115A JP 41111590 A JP41111590 A JP 41111590A JP 2742928 B2 JP2742928 B2 JP 2742928B2
- Authority
- JP
- Japan
- Prior art keywords
- robot
- user
- autonomous
- semi
- intelligent
- 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.)
- Expired - Fee Related
Links
Landscapes
- Manipulator (AREA)
- Feedback Control In General (AREA)
- Numerical Control (AREA)
Description
【０００１】[0001]
【産業上の利用分野】本発明は、マスタ装置を介し通信
網を通して与えられるユーザからの指示により、半自律
行動ロボットをスレーブモードとして、あるいは自律行
動モードとして動かす半自律行動ロボット遠隔操縦方法
に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to communication via a master device.
Semi-autonomous by user's instruction given through the network
Set the behavior robot in slave mode or autonomous
The present invention relates to a method for remotely controlling a semi-autonomous action robot that operates as a motion mode .
【０００２】[0002]
【従来技術】機械技術研究所の舘らにより提案されてい
る遠隔制御に基づくテレエグジスタンスロボットシステ
ム（文献 舘すすむ、メカトロニクスの話、日刊工業新
聞社、ｐｐ１１８−１１９、１９８４）は、自律移動型
知能移動ロボットが、統制装置内のユーザの命令に従っ
て、作業や、行動を行い、或いは簡単な判断や作業は、
ロボットに登載された知識ベースに基づいてロボットに
よって自律的に行われるものである。一方、ロボットの
自律制御の一例として、浅川らによって提案された神経
回路網によって、与えられたセンサ情報から、次の行動
パターンを出力する方法がある（文献 長田茂美、渡部
信雄、浅川和雄、ニューラルネットワークによる移動ロ
ボットの制御、電子情報通信学会論文誌 Ｄ−ＩＩＮ
ｏ．１２ｐｐ．２１１１−２１２０．１９８９年）。2. Description of the Related Art A tele-existence robot system based on remote control proposed by Tachi et al. Of the Mechanical Engineering Laboratory (Literature: Sumitomo Tachi, Mechatronics, Nikkan Kogyo Shimbun, pp. 118-119, 1984) is an autonomous mobile robot. According to the user's command in the control device, the type intelligent mobile robot performs work or action, or performs simple judgment and work,
It is performed autonomously by the robot based on the knowledge base registered on the robot. On the other hand, as an example of autonomous control of a robot, there is a method of outputting the following behavior pattern from given sensor information by a neural network proposed by Asakawa et al. (Literature: Shigemi Nagata, Nobuo Watanabe, Kazuo Asakawa, Neural Control of Mobile Robot by Network, Transactions of IEICE D-IIN
o. 12 pp. 2111-2120.1989).
【０００３】[0003]
【発明が解決しようとする課題】しかしながら、上述し
た舘らにより提案された方法によると、知識ベースは各
ロボットに固有のものとして積載され、かつユーザを統
制装置すなわちマスタ装置側で支援する知識ベースも複
数のユーザに対して共通のものであり、通信網を介し
て、複数のユーザが、複数のロボットの中から所望のロ
ボットを選択して、遠隔操縦を行う場合、スレーブとし
て、遠隔操縦する場合は、なんら問題はないが、ロボッ
トに自律的に行動させる場合には、ユーザがロボットに
期待する行動パターンは、ある環境条件に対しての応答
としてのロボットの行動パターンが、全てのユーザに対
して同一のものであることを前提としている。すなわ
ち、例えばある状況に自律モードでロボットが遭遇した
場合、Ａさんが次にロボットの行動として期待する動作
と、Ｂさんが次にロボットの行動として期待する動作が
同じでなければ、ある日時にＢさんがユーザとしてＡさ
んと同じロボットを利用する場合に、ロボットに積載さ
れた知識ベースはＡさん用とＢさん用の２種積載しなけ
ればならないという問題が生ずる。また、上述した浅川
らによって提案された方法によると、一旦、ロボットに
積載された神経回路網にセンサ情報と行動パターンとの
関係を学習させてしまうと、ユーザの好みにかかわら
ず、ロボットの置かれたある状況に対しての、次の行動
パターンは、常に同じものとなってしまう。センサ情報
と行動パターンとの関係をユーザの好みのものとするに
は、ロボットを回収して、神経回路網の学習をやり直す
必要があるという問題があった。また、神経回路網の学
習に当たって、例えば学習法として誤差逆伝播法によっ
て学習しても、入力として与えるセンサ情報の種類と、
出力としての次の行動パターンの数が多くなると、神経
回路網の学習が収束しづらくなり、同時に、あらゆる状
況パターンに応じたロボットの応答動作パターンを全て
学習させるのは現実的でないという問題があった。However, according to the method proposed by Tachi et al. Described above, the knowledge base is loaded as unique to each robot, and the knowledge base supporting the user on the control device, that is, the master device side. Is common to a plurality of users, and when a plurality of users select a desired robot from among a plurality of robots and remotely control the same via a communication network, the remote control is performed as a slave. In this case, there is no problem, but when making the robot act autonomously, the behavior pattern that the user expects of the robot is that the behavior pattern of the robot as a response to a certain environmental condition It is assumed that they are the same. That is, for example, when the robot encounters a certain situation in the autonomous mode, if the action that Mr. A expects next as the action of the robot and the action that Mr. B expects next as the action of the robot are not the same, at a certain date and time When Mr. B uses the same robot as Mr. A as a user, there arises a problem that the knowledge base loaded on the robot must be loaded for Mr. A and Mr. B. Further, according to the method proposed by Asakawa et al. Described above, once the relationship between the sensor information and the behavior pattern is learned by the neural network mounted on the robot, the robot is placed regardless of the user's preference. The next pattern of behavior for a given situation will always be the same. In order to make the relationship between the sensor information and the behavior pattern the one desired by the user, there is a problem that it is necessary to collect the robot and re-train the neural network. Further, in learning the neural network, for example, even if learning by the error back propagation method as a learning method, the type of sensor information given as input,
When the number of the next action patterns as output increases, learning of the neural network becomes difficult to converge, and at the same time, it is not realistic to learn all response operation patterns of the robot according to all situation patterns. Was.
【０００４】本発明はこのような課題を解決するために
なされたもので、その目的とするところは、多種類の知
識ベースをロボットに積載することなく、複数のユーザ
それぞれが期待する動作行動パターンをロボットが応答
して行うようにさせることの可能な、また、ロボットの
回収をせずしてロボットの神経回路網の学習をやり直す
ことの可能な、またロボットを自律行動させながら自分
の好みにあった動作行動パターンをとるようにユーザが
ロボットを調教することの可能な半自律行動ロボット遠
隔操縦方法を提供することにある。[0004] The present invention has been developed to solve such a problem.
It has been done and its purpose is to
Multiple users without loading the knowledge base on the robot
Robot responds to the expected behavior pattern
And let the robot do
Redo the learning of the robot's neural network without collecting
I can do myself and make the robot autonomously
The user to take action patterns that suit their preferences.
A semi-autonomous robot that can train a robot
An object of the present invention is to provide a remote control method .
【０００５】[0005]
【課題を解決するための手段】本発明はこのような課題
を解決するために提案されたもので、その第１発明（請
求項１に係る発明）は、遠隔地に位置し通信網により相
互に接続されるマスタ 装置と，複数のユニットおよび複
数のリンクからなる多層の神経回路網を有する半自律行
動ロボットと，知能化パラメータユーザ登録データベー
スを有する動作データベースとを備え、マスタ装置を介
し通信網を通して与えられるユーザからの指示により、
半自律行動ロボットをマスタ装置からの意のままに動く
スレーブモードとして、あるいはロボット周囲のセンサ
情報を神経回路網への入力としその出力として動作行動
パターンを得て自律的に行動する自律行動モードとして
動かす半自律行動ロボット遠隔操縦方法であって、ユー
ザがマスタ装置を介し通信網を通して半自律行動ロボッ
トにアクセスする際、そのユーザが知能化パラメータユ
ーザ登録データベースに未登録のユーザであれば、この
知能化パラメータユーザ登録データベースより標準的ユ
ーザ用として登録されている知能化パラメータを取り出
し、通信網を通して半自律行動ロボットの神経回路網に
設定し、そのユーザが知能化パラメータユーザ登録デー
タベースに登録済みのユーザであれば、この知能化パラ
メータユーザ登録データベースよりそのユーザの知能化
パラメータを取り出し、通信網を通して半自律行動ロボ
ットの神経回路網に設定し、半自律行動ロボットの自律
行動モード時、教示モードであることを指示のうえ、こ
の半自律行動ロボットに対してユーザより動作行動パタ
ーンが教示された場合、その時のセンサ情報と教示され
た動作行動パターンとの関係を教示情報として記憶して
おき、半自律行動ロボットの静止中に記憶されている教
示情報に基づいてそのロボットの神経回路網の知能化パ
ラメータを学習して再セットする一方、ユーザが半自律
行動ロボットの使用を終了し、通信網とマスタ装置との
接続を終了した後、そのロボットの神経回路網の知能化
パラメータを知能化パラメータユーザ登録データベース
にそのユーザの知能化パラメータとして登録するように
したものである。また、その第２発明（請求項２に係る
発明）は、遠隔地に位置し通信網により相互に接続され
るマスタ装置と，複数のユニットおよび複数のリンクか
らなる多層の神経回路網を有する半自律行動ロボット
と，知能化パラメータユーザ登録データベースを有する
動作データベースとを備え、マスタ装置を介し通信網を
通して与えられるユーザからの指示により、半自律行動
ロボットをマスタ装置からの意のままに動くスレーブモ
ードとして、あるいはロボット周囲のセンサ情報を神 経
回路網への入力としその出力として動作行動パターンを
得て自律的に行動する自律行動モードとして動かす半自
律行動ロボット遠隔操縦方法であって、ユーザがマスタ
装置を介し通信網を通して半自律行動ロボットにアクセ
スする際、そのユーザが知能化パラメータユーザ登録デ
ータベースに未登録のユーザであれば、この知能化パラ
メータユーザ登録データベースより標準的ユーザ用とし
て登録されている知能化パラメータを取り出し、通信網
を通して半自律行動ロボットの神経回路網に設定し、そ
のユーザが知能化パラメータユーザ登録データベースに
登録済みのユーザであれば、この知能化パラメータユー
ザ登録データベースよりそのユーザの知能化パラメータ
を取り出し、通信網を通して半自律行動ロボットの神経
回路網に設定し、半自律行動ロボットの自律行動モード
時、教示モードであることを指示のうえ、この半自律行
動ロボットに対してユーザより動作行動パターンが教示
された場合、その時のセンサ情報と教示された動作行動
パターンとの関係を教示情報として記憶しておき、ユー
ザが半自律行動ロボットの使用を終了し、通信網とマス
タ装置との接続を終了した後、記憶されている教示情報
に基づいてそのロボットの神経回路網の知能化パラメー
タを学習し、この学習した知能化パラメータを知能化パ
ラメータユーザ登録データベースにそのユーザの知能化
パラメータとして登録するようにしたものである。SUMMARY OF THE INVENTION The present invention has been proposed to solve such a problem, and the first invention (the invention according to claim 1) is a system which is located at a remote place and which is connected by a communication network.
A master device connected to each other , multiple units and multiple
Semi-autonomous row with multilayer neural network consisting of a number of links
Mobile robot and intelligent parameter user registration database
And an operation database having a
In accordance with instructions from the user given through the communication network,
Move the semi-autonomous robot as desired from the master device
Sensor in slave mode or around the robot
Operational behavior as information input to neural network and its output
As an autonomous action mode in which a pattern is obtained and an action is performed autonomously
A method for remotely controlling a moving semi-autonomous robot,
The semi-autonomous robot through the communication network via the master device.
When the user accesses the
If the user is not registered in the user registration database,
A standard user from the intelligent parameter user registration database.
Retrieve intelligent parameters registered for user
To a neural network of a semi-autonomous robot through a communication network
And set the user to the intelligent parameter user registration data.
If the user is already registered in the database,
Intelligence of the user from the meter user registration database
Taking parameters, semi-autonomous robot
Of the semi-autonomous robot
In the action mode, indicate that the mode is the teaching mode, and
Behavior patterns from the user to a semi-autonomous behavior robot
When the sensor is taught, the sensor information and the
The relationship with the moving action pattern is stored as teaching information
The teachings stored during the stationary state of the semi-autonomous robot
Information of the robot's neural network based on the
Users learn semi-autonomously while learning and resetting parameters
Terminate the use of the behavior robot, and establish a connection between the communication network and the master device.
After ending the connection, make the neural network of the robot intelligent
Parameterized parameter user registration database
To register as the user's intelligent parameter
Ru der those. The second invention (the invention according to claim 2) is located at a remote location and connected to each other by a communication network.
Master device, multiple units and multiple links
-Autonomous robot with multi-layer neural network
And an intelligent parameter user registration database
An operation database and a communication network via a master device
Semi-autonomous behavior by user's instruction given through
Slave mode that moves the robot at will from the master device
As over-de-or God through the sensor information around the robot,
An action behavior pattern is used as an input to the network and its output.
Semi-self that moves as autonomous action mode to act autonomously
Rhythmic robot remote control method, where the user
Access a semi-autonomous robot through a communication network
When the user runs the
If the user is not registered in the database,
For standard users from the meter user registration database
The intelligent parameters registered in the
Through a neural network of a semi-autonomous robot.
Users in the intelligent parameter user registration database
If you are a registered user, this intelligent parameter user
Intelligent parameter of the user from the registration database
And extract the neural network of the semi-autonomous robot through the communication network
Autonomous action mode of semi-autonomous action robot set in network
At this time, after indicating that it is in the teaching mode,
Motion behavior patterns are taught by the user to the mobile robot
If so, the sensor information at that time and the action behavior taught
The relationship with the pattern is stored as teaching information, and
Has finished using the semi-autonomous robot, and
After ending the connection with the monitoring device, the stored teaching information
Parameter of the neural network of the robot based on
Data and learn the intelligent parameters
Parameterization of the user in the parameter user registration database
It is registered as a parameter .
【０００６】[0006]
【作用】したがってこの発明によれば、第１発明では、
ユーザがマスタ装置を介し通信網を通して半自律行動ロ
ボットにアクセスすると、そのユーザが知能化パラメー
タユーザ登録データベースに未登録のユーザであれば、
この知能化パラメータユーザ登録データベースより標準
的ユーザ用として登録されている知能化パラメータが取
り出され、通信網を通して半自律行動ロボットの神経回
路網に設定される。これに対し、そのユーザが知能化パ
ラメータユーザ登録データベースに登録済みのユーザで
あれば、この知能化パラメータユーザ登録データベース
よりそのユーザの知能化パラメータが取り出され、通信
網を通して半自律行動ロボットの神経回路網に設定され
る。また、半自律行動ロボットの自律行動モード時、教
示モードであることを指示のうえ、この半自律行動ロボ
ットに対してユーザより動作 行動パターンが教示される
と、その時のセンサ情報と教示された動作行動パターン
との関係が教示情報として記憶され、半自律行動ロボッ
トの静止中に記憶されている教示情報に基づいてそのロ
ボットの神経回路網の知能化パラメータが学習・再セッ
トされる。そして、ユーザが半自律行動ロボットの使用
を終了し、通信網とマスタ装置との接続を終了すると、
そのロボットの神経回路網の知能化パラメータが知能化
パラメータユーザ登録データベースにそのユーザの知能
化パラメータとして登録される。 第２発明では、ユーザ
がマスタ装置を介し通信網を通して半自律行動ロボット
にアクセスすると、そのユーザが知能化パラメータユー
ザ登録データベースに未登録のユーザであれば、この知
能化パラメータユーザ登録データベースより標準的ユー
ザ用として登録されている知能化パラメータが取り出さ
れ、通信網を通して半自律行動ロボットの神経回路網に
設定される。これに対し、そのユーザが知能化パラメー
タユーザ登録データベースに登録済みのユーザであれ
ば、この知能化パラメータユーザ登録データベースより
そのユーザの知能化パラメータが取り出され、通信網を
通して半自律行動ロボットの神経回路網に設定される。
また、半自律行動ロボットの自律行動モード時、教示モ
ードであることを指示のうえ、この半自律行動ロボット
に対してユーザより動作行動パターンが教示されると、
その時のセンサ情報と教示された動作行動パターンとの
関係が教示情報として記憶される。そして、ユーザが半
自律行動ロボットの使用を終了し、通信網とマスタ装置
との接続を終了すると、記憶されている教示情報に基づ
いてそのロボットの神経回路網の知能化パラメータが学
習され、この学習した知能化パラメータが知能化パラメ
ータユーザ登録データベースにそのユーザの知能化パラ
メータとして登録される。According to the present invention, therefore, in the first invention,
The user operates a semi-autonomous device through the communication network via the master device.
When you access the bot, the user gets intelligent parameters
If the user is not registered in the user registration database,
Standardized from this intelligent parameter user registration database
Intelligent parameters registered for intelligent users
Neural network of the semi-autonomous robot through the communication network.
Set in the road network. On the other hand, the user
A user registered in the parameter user registration database
If available, this intelligent parameter user registration database
The intelligent parameter of the user is extracted from the
Set in the neural network of the semi-autonomous robot through the network
You. In the autonomous action mode of the semi-autonomous action robot,
Indicating that the robot is in the
The user is taught the action behavior pattern
And the sensor information at that time and the action behavior pattern taught
Is stored as teaching information, and the semi-autonomous robot
Based on the teaching information stored while the
Bot's neural network's intelligent parameters are learned and reset
Is And the user uses the semi-autonomous robot
Is terminated, and the connection between the communication network and the master device is terminated.
The intelligent parameter of the neural network of the robot becomes intelligent
Parameter user registration database in the user's intelligence
Is registered as a parameter. In the second invention, the user
Is a semi-autonomous robot through a communication network via a master device
When the user accesses the
If the user is not registered in the registration database,
Standard user from the activation parameter user registration database.
The intelligent parameters registered for the
To a neural network of a semi-autonomous robot through a communication network
Is set. On the other hand, if the user
User registered in the user registration database
From this intelligent parameter user registration database
The intelligent parameter of the user is extracted and the communication network is
Through the neural network of the semi-autonomous robot.
In the autonomous action mode of the semi-autonomous action robot, the teaching mode
This semi-autonomous robot
When the user is taught an action behavior pattern,
Between the sensor information at that time and the taught action behavior pattern
The relationship is stored as teaching information. And the user is half
End use of autonomous behavior robot, communication network and master device
When the connection with the
The intelligent parameters of the neural network of the robot
Learned, and the learned intellectualization parameters are
The user's intelligence parameter in the data user registration database.
Ru is registered as a meter.
【０００７】[0007]
【実施例】以下、本発明に係る半自律行動ロボット遠隔
操縦方法を詳細に説明する。図１は、この方法を適用し
てなる半自律行動ロボット遠隔操縦システムの一実施例
を示す全体構成図である。同図において、１は半自律行
動ロボット、２は通信網、３はマスタ装置、４は半自律
行動ロボット動作データベース、５はＣＲＴ、６は入力
装置、７は本システムのユーザ、８は本システム提供者
側のオペレータ、９はディスプレイである。通信網２は
デジタル広帯域回線網等によって構成されている。マス
タ装置３は、ジョイスティクや、小型の操縦アーム、ハ
ンドルやマウス、キーボード、ダイヤル等を有する計算
機によって構成されている。ロボット１，マスタ装置
３，動作データベース４は通信網２を介して接続されて
おり、これらは互いに遠隔地に位置している。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a semi-autonomous robot according to the present invention will be described.
The steering method will be described in detail. Figure 1 shows the application of this method .
1 is an overall configuration diagram showing an embodiment of a remote control system for a semi-autonomous behavior robot . In the figure, 1 is a semi-autonomous behavior robot, 2 is a communication network, 3 is a master device, 4 is a semi-autonomous behavior robot operation database, 5 is a CRT, 6 is an input device, 7 is a user of the system, and 8 is the system. An operator on the provider side, 9 is a display. The communication network 2 is constituted by a digital broadband network or the like. The master device 3 is configured by a computer having a joystick, a small control arm, a handle, a mouse, a keyboard, a dial, and the like. The robot 1, the master device 3, and the operation database 4 are connected via a communication network 2, and these are located at remote locations from each other.
【０００８】図２はロボット１の詳細を示す外観斜視図
である。同図において、１−１はマニュピレータ等の効
果器、１−２は車輪やクローラ等の走行装置、１−４は
超音波，赤外光，可視光，温度，力，トルク，加速度，
ｘ線，気流，臭い等の種々の複数のセンサ、１−７は行
動制御部である。行動制御部１−７は、その概要を図３
に示すように、神経回路網１−３，中央処理装置１−
５，記憶部１−６よりなる。神経回路網１−３の入力層
ユニットＵＩＮ１〜ＵＩＮＭには、ロボット１のセンサ
１−４から得られるセンサ情報が与えられる。神経回路
網１−３の出力層は、その各出力層ユニットＵＯＵＴ１
〜ＵＯＵＴＮ＋１がロボット１の種々の動作行動パター
ンにそれぞれ対応し、また、出力層ユニットＵ
ＯＵＴＮ＋１はロボット１自身が次の動作を選択できな
いと判断したときに、ロボット１のユーザの指示を仰ぐ
ヘルプ動作の項目に対応している。そして、各入力層ユ
ニット，中間層ユニット，出力層ユニットを結ぶリンク
に対し、それぞれに重み付け係数が与えられている。FIG. 2 is an external perspective view showing details of the robot 1. In the figure, 1-1 is an effector such as a manipulator, 1-2 is a traveling device such as a wheel or a crawler, 1-4 is an ultrasonic wave, infrared light, visible light, temperature, force, torque, acceleration,
Various sensors, such as x-rays, air currents, and odors, and 1-7 are action control units. The behavior control unit 1-7 is described in FIG.
As shown in the figure, the neural network 1-3, the central processing unit 1-
5, storage unit 1-6. The input layer units U IN1 to U INM of the neural network 1-3 are provided with sensor information obtained from the sensors 1-4 of the robot 1. The output layer of the neural network 1-3 has its output layer unit U OUT1.
To U OUTN + 1 correspond to various operation behavior patterns of the robot 1, respectively.
OUTN + 1 corresponds to the item of the help operation for asking the user of the robot 1 when the robot 1 determines that the next operation cannot be selected. Then, a weighting coefficient is given to each link connecting the input layer unit, the intermediate layer unit, and the output layer unit.
【０００９】図４は、動作データベース４の詳細を示す
ブロック図であって、４−１は中央処理装置、４−２は
ロボット１のセンサ１−４によって得られる種々の環境
におけるセンサ情報のデータベースとしての環境情報デ
ータベースであり、神経回路網１−３の入力層ユニット
に与えられる情報である。４−３はロボット１のセンサ
１−４によって得られる種々の環境におけるセンサ情報
と、そのセンサ情報にロボット１が遭遇したときに、次
にロボット１が応答して行うべき動作行動パターンの関
係を蓄積した環境情報対応答動作データベースである。
４−４は、神経回路網１−３の複数のリンクのそれぞれ
の重み係数および各神経細胞ユニットのそれぞれのオフ
セット値のデータベースであって、複数のユーザ各々に
対し、相異なる独立の値としてユーザ登録されている。
すなわち、これらのデータベースがロボット１の知能化
パラメータとして各ユーザに対応して登録されており、
本実施例ではこれを知能化パラメータユーザ登録データ
ベースと名付けている。FIG. 4 is a block diagram showing the details of the operation database 4, where 4-1 is a central processing unit, and 4-2 is a database of sensor information in various environments obtained by the sensors 1-4 of the robot 1. , Which is information given to the input layer unit of the neural network 1-3. 4-3 shows a relationship between sensor information in various environments obtained by the sensor 1-4 of the robot 1 and an operation behavior pattern to be performed in response to the robot 1 when the robot 1 encounters the sensor information. It is a stored environment information versus response operation database.
Reference numeral 4-4 denotes a database of the respective weight coefficients of the plurality of links of the neural network 1-3 and the respective offset values of the respective nerve cell units. It is registered.
That is, these databases are registered as intelligent parameters of the robot 1 corresponding to each user,
In the present embodiment, this is named an intelligent parameter user registration database.
【００１０】本システムは、図１に示すように、基本的
な動作時は、複数のユーザが使用する複数のマスタ装置
３と通信網２を介して接続される複数のロボット１の
内、任意の一人のユーザ７が任意の一つのマスタ装置３
を使ってアクセスした任意の一つのロボット１の二者に
よって機能する。As shown in FIG. 1, the basic operation of the present system is as follows: among a plurality of robots 1 connected to a plurality of master devices 3 used by a plurality of users via a communication network 2 during a basic operation. User 7 of any one master device 3
Function by any one of the robots 1 accessed by using.
【００１１】以後ユーザ７が、通信網２を介して、初め
て本システムの使用を試みてロボット１にアクセスする
場合を例にとり、以下、順を追って動作の説明を行う。
ユーザ７（以下、ユーザＡとする）がマスタ装置３のダ
イヤル指定によって、所望のロボット１（以下、ロボッ
トＡとする）を呼び出しアクセスすると、通信網２はユ
ーザＡが初めて本システムの使用を試みていることを認
識する。そして、通信網２は、動作データベース４の知
能化パラメータユーザ登録データベース４−４から、ロ
ボットＡの知能化パラメータ初期化用に標準的ユーザが
ロボットＡに要求する環境情報対応答動作にあわせて設
定・用意されている知能化パラメータを、ロボットＡに
送信する。ロボットＡは送信されてくる知能化パラメー
タによって、神経回路網１−３の各リンクに対する重み
係数および各ユニットのオフセットを初期化する。初期
化の終了後、ユーザＡはロボットＡの使用を開始する。Hereinafter, the operation will be described step by step, taking as an example a case where the user 7 accesses the robot 1 through the communication network 2 for the first time using the present system.
When a user 7 (hereinafter, referred to as a user A) calls and accesses a desired robot 1 (hereinafter, referred to as a robot A) by dial designation of the master device 3, the communication network 2 attempts to use the system for the first time. Recognize that Then, the communication network 2 sets from the intelligent parameter user registration database 4-4 of the operation database 4 according to the environment information versus response operation requested by the standard user to the robot A for the initialization of the intelligent parameter of the robot A. -Send the prepared intelligent parameter to the robot A. The robot A initializes a weight coefficient for each link of the neural network 1-3 and an offset of each unit according to the transmitted intelligent parameter. After the end of the initialization, the user A starts using the robot A.
【００１２】ロボットＡをスレーブモードとして使用す
るときには、ロボットＡはマスタ装置３のジョイスティ
ックやキー操作の意のままに前後左右、物体の把持等の
動作を行う。When the robot A is used in the slave mode, the robot A performs operations such as front / rear, left / right, gripping of an object, etc., with the operation of the joystick and keys of the master device 3.
【００１３】ロボットＡを自律モードで動作させるとき
には、ロボットＡはセンサ１−４から得られた種々の環
境におけるセンサ情報を、行動制御部１−７の神経回路
網１−３に入力し、出力層ユニットの出力の最大値なる
ユニットに対応する動作行動パターンを選択して次の動
作を行う。この時、ユーザＡはロボットＡの動作をマス
タ装置３のディスプレイ９を通じて監視している。ロボ
ットＡの動作行動パターンがユーザＡの気に入らない
時、または、ロボットＡがユーザＡの助けを求めるヘル
プ応答動作を行った場合には、ユーザＡはマスタ装置３
を介してロボットＡの動作を一旦中断して、ユーザＡが
気に入らない動作もしくは、ヘルプ動作を始めた時点ま
で、ロボットＡの動作を戻して、ロボットＡの動作がユ
ーザＡによるロボットＡへの教示モードであることを指
示し、ロボットＡに対してマスタ装置３を介してユーザ
Ａの好みの動作行動パターンを指示する。この時、ロボ
ットＡは、センサ１−４からの複数のセンサ情報と要求
される動作行動パターンとの関係を教示情報として記憶
部１−６に一時記憶する。When operating the robot A in the autonomous mode, the robot A inputs the sensor information in various environments obtained from the sensors 1-4 to the neural network 1-3 of the action control section 1-7, and outputs the information. The next operation is performed by selecting an operation behavior pattern corresponding to the unit having the maximum output of the layer unit. At this time, the user A monitors the operation of the robot A through the display 9 of the master device 3. When the operation behavior pattern of the robot A does not like the user A, or when the robot A performs a help response operation for helping the user A, the user A
, The operation of the robot A is temporarily suspended, and the operation of the robot A is returned until the operation that the user A does not like or the time when the help operation is started, and the operation of the robot A is taught by the user A to the robot A. The mode is instructed, and the robot A is instructed via the master device 3 to the user A's preferred action behavior pattern. At this time, the robot A temporarily stores the relationship between the plurality of pieces of sensor information from the sensors 1-4 and the required operation behavior pattern in the storage unit 1-6 as teaching information .
【００１４】ユーザＡによるロボットＡへの教示に対す
る神経回路網１−３の知能化パラメータの学習には、２
つのモードがある。The learning of the intelligent parameter of the neural network 1-3 for the teaching of the robot A by the user A requires 2
There are two modes.
【００１５】第１のモードは、ロボットＡが、学習のた
めに、一時静止している時間を作り、静止中の適当な時
に、動作データベース４の環境情報対応答動作データベ
ース４−３の全内容と、記憶部１−６に蓄えられた教示
情報の両者を加えて、神経回路網１−３の追加の学習を
行うもので、この場合には、ユーザＡは神経回路網１−
３の学習の終了後、ユーザＡの好みに調教されたロボッ
トＡをさらに連続して用いる。ここで、神経回路網１−
３の学習方法としては、例えば誤差逆伝播法（文献Ｄ．
Ｅ．Ｒｕｍｅｌｈａｒｔｅｔ．ａｌ．，Ｐａｒａｌｌｅ
ｌ Ｄｉｓｔｒｉｂｕｔｅｄ Ｐｒｏｃｅｓｓｉｎｇ，
ＭＩＴ Ｐｒｅｓｓ，１９８６）を用いる。この場合、
学習は、入力層に与えられたパターンによって得られる
出力と、出力層に要求される教師パターンの誤差がある
一定値以下になったら学習を終了とする方法や、ある一
定回数の学習を繰り返したら学習を終了する方法があ
る。ユーザＡがロボットＡの使用を終了して、通信網２
とマスタ装置３との接続を終了すると、神経回路網１−
３の知能化パラメータは、ユーザＡのロボットＡの環境
情報に対する動作応答を行う神経回路網１−３の知能化
パラメータとして、通信網２を介し、動作データベース
４にファイルとして転送され、知能化パラメータユーザ
登録データベース４−４に登録される。以後、再びユー
ザＡが、通信網２を介して、ロボットＡにアクセスして
使用する場合には、アクセスによるマスタ装置３とロボ
ットＡとの接続後、動作データベース４の知能化パラメ
ータユーザ登録データベース４−４に登録されたユーザ
Ａの知能化パラメータファイルが、ロボットＡに転送さ
れて、ロボットＡの神経回路網１−３の各リンクに対す
る重み係数および各ユニットのオフセットが設定され、
その後ユーザＡは、ロボットＡを使用し、スレーブモー
ドの時は、マスタ装置３によってロボットＡを動かし、
自律モードにおいては、過去にユーザＡが調教した動作
行動パターンを応答として示すロボットＡの自律的な行
動を監視し、再びユーザＡが気に入らない動作行動パタ
ーンを示した時には、初めてアクセスしたときの場合と
同様な方法で、再びロボットＡを調教できる。ここで，
ロボットＡは、同型であれば、アクセスのたびに、相異
なるロボットであってもかまわない。In the first mode, the robot A makes a temporary stop time for learning, and at an appropriate time during the stop, the environment information of the operation database 4 versus the entire contents of the response operation database 4-3. And the teaching stored in the storage unit 1-6
By adding both pieces of information , additional learning of the neural network 1-3 is performed, and in this case, the user A
After the completion of the learning in Step 3, the robot A trained to the user A's preference is further continuously used. Here, the neural network 1-
As a learning method of No. 3, for example, an error back propagation method (Reference D.
E. FIG. Rumelhartet. al. , Paralle
l Distributed Processing,
MIT Press, 1986). in this case,
Learning is based on the method of terminating the learning when the error between the output obtained by the pattern given to the input layer and the teacher pattern required for the output layer falls below a certain value, or if the learning is repeated a certain number of times. There is a way to end learning. The user A finishes using the robot A, and the communication network 2
When the connection between the device and the master device 3 is terminated, the neural network 1-
Intelligent parameters 3 as intelligent parameter neural network 1-3 performs an operation response to environmental information of the robot A user A, via the communication network 2, are transferred to the operation database 4 as a file, intelligent parameters User
It is registered in the registration database 4-4 . Thereafter, when the user A accesses the robot A again via the communication network 2 and uses the robot A, the master device 3 and the robot A are connected by the access, and then the intelligent parameter user registration database 4 in the operation database 4 is used. -4, the intelligent parameter file of the user A registered in the robot A is transferred to the robot A, and a weight coefficient and an offset of each unit for each link of the neural network 1-3 of the robot A are set.
Thereafter, the user A uses the robot A, and moves the robot A by the master device 3 in the slave mode,
In the autonomous mode, the robot A monitors the autonomous behavior of the robot A, which shows the behavior pattern that the user A has trained in the past as a response. The robot A can be trained again in the same manner as the above. here,
If the robot A is the same type, it may be a different robot every time the robot A is accessed.
【００１６】第２のモードは、ロボットＡとの接続をユ
ーザＡが終了した後に、記憶部１−６に一時記憶された
教示情報を、動作データベース４においてその神経回路
網４−５が学習する方法で、この場合には、マスタ装置
３と、ロボットＡとの接続が通信網２を介して終了した
後、上記教示情報は、データファイルとして、通信網２
を介して動作データベース４に転送され、環境情報対応
答動作データベース４−３に登録される。すなわち、ユ
ーザＡが初めてロボットＡにアクセスするときに、神経
回路網１−３に転送するように用意されている知能化パ
ラメータを作成するために、神経回路網１−３を学習さ
せるのに使用された標準的な初期化用環境情報対応答動
作データと教示情報を加えて、ユーザＡの環境情報対応
答動作データとして登録される。ここで、神経回路網４
−５は、ロボットＡに積載されている神経回路網１−３
と同じ構造（層数、各層のユニットの数が等しい）であ
る。神経回路網１−３の学習は、動作データベース４に
含まれている神経回路網４−５の上で行われる。学習に
は、既にユーザＡの環境情報対応答動作データとして登
録されている環境情報対応答動作全体に対して行われ
る。すなわち、ある状況の環境情報に対して得られるセ
ンサ情報パターンを、神経回路網４−５の入力層に与
え、データに基づいて要求される動作行動パターンを出
力として、出力層に与え、神経回路網４−５の学習を、
第１のモードの時と同様に、例えば誤差逆伝播法によっ
て行う。学習が終了したら、神経回路網４−５の各リン
クに対する重み係数および各ユニットのオフセットは、
ユーザＡの知能化パラメータファイルとして、知能化パ
ラメータユーザ登録データベース４−４に転送されて、
ユーザＡの登録データとして、転送、登録される。以
後、再びユーザＡが本システムにアクセスする場合は、
第１のモードにおける場合と同様である。In the second mode, after the connection with the robot A is completed by the user A, the user A is temporarily stored in the storage unit 1-6.
A method in which the neural network 4-5 learns the teaching information in the operation database 4. In this case, after the connection between the master device 3 and the robot A is completed via the communication network 2, the teaching information is obtained. Represents the communication network 2 as a data file.
And is registered in the environment information versus response operation database 4-3. That is, when the user A accesses the robot A for the first time, it is used to train the neural network 1-3 in order to create an intelligent parameter prepared to be transferred to the neural network 1-3. The registered standard environment information-response operation data and the teaching information are added and registered as environment information-response operation data of the user A. Here, the neural network 4
-5 is a neural network 1-3 loaded on the robot A
(The number of layers and the number of units in each layer are equal). The learning of the neural network 1-3 is performed on the neural network 4-5 included in the operation database 4. The learning is performed for the entire environment information versus response operation that is already registered as the environment information versus response operation data of the user A. That is, a sensor information pattern obtained for environmental information of a certain situation is given to an input layer of the neural network 4-5, and an operation behavior pattern required based on data is given as an output to an output layer. Learning of network 4-5,
As in the case of the first mode, this is performed by, for example, an error back propagation method. When the learning is completed, the weight coefficient and the offset of each unit for each link of the neural network 4-5 are
It is transferred to the intelligent parameter user registration database 4-4 as the intelligent parameter file of the user A,
The data is transferred and registered as registration data of the user A. Thereafter, when the user A accesses the system again,
This is the same as in the first mode.
【００１７】以上述べたように、本システムは、あるユ
ーザＡがアクセスしたときには、アクセス相手のロボッ
トＡは、ユーザＡに適合した知能化パラメータをもった
ロボットとなり、別のユーザＢがアクセスしたときに
は、アクセス相手のロボットＡは、そのユーザに適合し
たロボットとなる。As described above, according to the present system, when a certain user A accesses, the access partner robot A becomes a robot having intelligent parameters suitable for the user A, and when another user B accesses, The robot A to be accessed is a robot suitable for the user.
【００１８】以上の神経回路網の学習によって、知能化
パラメータの調整を各ユーザ別に行なうのが本システム
の特徴であるが、神経回路網の学習が充分収束していな
い場合や、ローカルミニマムに落ち込んでいる場合が考
えられ、この対策として、システム提供者側のオペレー
タ８が各ユーザ７向けに登録された知能化パラメータ
を、動作データベース４に接続されたＣＲＴ５と入力装
置６を介して、定期的に点検することができる。The feature of the present system is that the intelligent parameters are adjusted for each user by the learning of the neural network as described above. However, when the learning of the neural network is not sufficiently converged or the local minimum is reduced. As a countermeasure, an operator 8 of the system provider periodically transmits the intelligent parameter registered for each user 7 via the CRT 5 and the input device 6 connected to the operation database 4. Can be checked.
【００１９】以後、点検時のシステム動作を説明する。
知能化パラメータユーザ登録データベース４−４に登録
された任意のユーザの知能化パラメータを、神経回路網
４−５に転送して、神経回路網を設定し、想定される種
々の環境情報データベース４−２に蓄積されている種々
のセンサ情報パターンを入力層に与えて、出力層の出力
によって選択される動作行動パターンが、一般常識的に
オペレータが判断して人に危害を与えたり、公共の利益
に反するような動作行動パターンをとらないかチェック
する。ルールレベルで成文化されたものとしては、例え
ばアジモフのロボット３原則（１：ロボットは人間に危
害を加えてはならない。また、何も手を下さずに人間が
危害を受けるのを黙視していてはならない。２：ロボッ
トは人間の命令に従わなくてはならない。ただし第１原
則に反する命令はその限りでない。３：ロボットは自ら
の存在を守らなくてならない。ただし、それは第１、第
２原則に違反しない場合に限る。：文献 坂村健 電脳
都市、冬樹社、ｐｐ２３０，１９８５）に反するような
動作を行なわないかチェックし、問題がある場合には、
オペレータ８が、問題となったセンサ情報パターンと動
作行動パターンとの関係データを登録された環境情報対
応答動作データベース４−３から削除または、修正を行
う。Hereinafter, the system operation at the time of inspection will be described.
The intellectualization parameter of any user registered in the intellectualization parameter user registration database 4-4 is transferred to the neural network 4-5, and the neural network is set. 2 is applied to the input layer, and the operation behavior pattern selected by the output of the output layer is determined by the common sense by an operator to cause harm to humans, Check if the behavioral pattern that violates is taken. Codified at the rule level, for example, the three principles of Ajimov's robots (1: Robots must not harm humans. They also silently watch humans harm without taking any action. 2: Robots must obey human commands, except those that violate the first principle, and 3: Robots must protect their own existence, except for the first and second. Only if the two principles are not violated: Literature Ken Sakamura Dennou Toshi, Fuyuki Company, pp 230, 1985)
The operator 8 deletes or corrects the relation data between the sensor information pattern in question and the operation behavior pattern from the registered environment information versus response operation database 4-3.
【００２０】本システムにおいては、動作データベース
４を介して、システム提供者側のオペレータ８が、各ユ
ーザ登録された知能化パラメータを、種々のセンサ情報
の登録された環境情報データベース４−２のデータを用
いて神経回路網４−５のうえでチェックすることができ
るので、充分収束していない神経回路網の学習による知
能化パラメータによるロボット動作による事故を未然防
止できるという効果がある。また、あらゆる状況のパタ
ーンに応じたロボットの応答行動パターンの学習によっ
て得たのではなく、一部の状況のパターンに応じたロボ
ットの応答動作による学習によって得た知能化パラメー
タによる自律動作であっても、充分妥当な動作を行うも
のであるか、オペレータ８が動作データベース４によっ
てチェックを行うことができるという利点がある。In the present system, through the operation database 4, the operator 8 system provider side, the intelligent parameters each user registered, registered environmental information database 4-2 of the various sensor information Use data
Can be checked on the neural network 4-5
Since that, there is an effect that it prevent an accident by the robot operation by Intelligent parameters by the learning of the neural network that is not sufficiently converged. In addition, instead of being obtained by learning the response behavior pattern of the robot according to the pattern of all situations, it is an autonomous operation by the intelligent parameter obtained by learning by the response operation of the robot according to the pattern of some situations. Also, there is an advantage that the operator 8 can perform a check using the operation database 4 to perform a sufficiently appropriate operation.
【００２１】以上説明したように、本実施例によると、
遠隔制御に基づくテレエグジスタンスシステムにおい
て、半自律行動ロボットの知能化パラメータを、神経回
路網の各リンクに対する重み係数および各ユニットのオ
フセットに置き換え、ユーザ登録された知能化パラメー
タを知能化パラメータデータベースからユーザが呼接続
したロボットに遠隔伝送し、各ユーザそれぞれが期待す
る行動パターンをロボットが応答して行うようにさせる
ことができるので、ユーザがロボットを自律モードで使
用するときに、各ユーザそれぞれが期待する行動パター
ンをロボットが行うという利点がある。また、知能化パ
ラメータは、呼接続のごとに、動作データベースからロ
ボットに通信網を介して転送されるので、ロボット自身
が相異なるユーザの複数の知能化パラメータを登載して
いる必要がなく、ロボット積載の記憶容量の削減ができ
るという利点がある。また、ロボットの回収をせずし
て、ロボットの神経回路網の学習をやり直すことができ
る。また、ロボットを自律行動させながら、自分の好み
にあった動作行動パターンをとるようにユーザがロボッ
トを調教することができる。また、ロボットと動作デー
タベースの両者に同じ構造を有する神経回路網が存在す
るために、神経回路網の学習はロボット積載の神経回路
網においても、動作データベースに内蔵された神経回路
網のどちらにおいてもできる。特に、学習が第２のモー
ドで行われる場合には、情報量の多い環境情報対応答動
作データベースの全内容をロボットに送らなくても、ユ
ーザの調教内容のデータをロボットから動作データベー
スの上に転送して、学習を動作データベース上において
行うので、神経回路網の学習時の通信量の大幅な節約を
行うことができるという利点がある。さらに、ユーザ登
録された知能化パラメータによるロボット動作のチェッ
クを動作データベース上でシステム提供者側のオペレー
タが行うことができるので、充分収束していない学習に
よって得られて登録された知能化パラメータによるロボ
ットの自律的応答動作の事故の未然防止や、一部の状況
のパターンに応じた応答動作によって得た知能化パラメ
ータによるロボットの自律的応答動作による事故の未然
防止を行うことができる。As described above, according to the present embodiment,
In a tele-existence system based on remote control, the intelligent parameter of the semi-autonomous robot is replaced with the weighting factor for each link of the neural network and the offset of each unit, and the intelligent parameter registered by the user is stored in the intelligent parameter database. remotely transmitted to the robot by the user call connection from, the behavior patterns of each of the user expects the robot can be configured to perform in response, when the user chromatography the uses robot in an autonomous mode, each advantage of the behavior patterns that each user would expect the robot to perform there Ru. In addition , since the intelligent parameters are transferred from the operation database to the robot via the communication network every time a call is connected, the robot itself does not need to register a plurality of intelligent parameters of different users. There is an advantage that the storage capacity of the load can be reduced. Also, without collecting robots
To learn the neural network of the robot again
You. In addition, while making the robot autonomous,
The user can set the robot so that
Can be trained. In addition, since there is a neural network having the same structure in both the robot and the motion database, learning of the neural network can be performed in both the robot-loaded neural network and the neural network built in the motion database. can Ru. In particular, when the learning is performed in the second mode, the data of the training contents of the user is transferred from the robot to the operation database without sending the entire contents of the environment information-response operation database having a large amount of information to the robot. Since the transfer is performed and the learning is performed on the operation database, there is an advantage that the amount of communication at the time of learning of the neural network can be significantly reduced. Furthermore, since the operator of the system provider can check the robot operation based on the registered intelligent parameters on the operation database, the robot based on the registered intelligent parameters obtained by learning that does not sufficiently converge can be performed. It is possible to prevent an accident due to an autonomous response operation of the robot, and to prevent an accident due to an autonomous response operation of the robot by an intelligent parameter obtained by a response operation according to a pattern of a part of the situation.
【００２２】[0022]
【発明の効果】以上説明したことから明らかなように、
本発明によると、ユーザがマスタ装置を介し通信網を通
して半自律行動ロボットにアクセスすると、そのユーザ
が知能化パラメータユーザ登録データベースに未登録の
ユーザであれば、この知能化パラメータユーザ登録デー
タベースより標準的ユーザ用として登録されている知能
化パラメータが取り出され、通信網を通して半自律行動
ロボットの神経回路網に設定され、そのユーザが知能化
パラメータユーザ登録データベースに登録済みの ユーザ
であれば、この知能化パラメータユーザ登録データベー
スよりそのユーザの知能化パラメータが取り出され、通
信網を通して半自律行動ロボットの神経回路網に設定さ
れるので（第１発明、第２発明）、多種類の知識ベース
をロボットに積載することなく、複数のユーザそれぞれ
が期待する動作行動パターンをロボットが応答して行う
ようにさせることが可能となる。 As is apparent from the above description,
According to the present invention, a user passes through a communication network via a master device.
Access to the semi-autonomous robot,
Is not registered in the intelligent parameter user registration database
If you are a user, this intelligent parameter user registration data
Intelligence registered for standard users from the database
Parameterization is extracted and semi-autonomous behavior through the communication network
Set in the neural network of the robot, the user becomes intelligent
Parameters user registered in the user registration database
If so, this intelligent parameter user registration database
The user's intelligent parameters are extracted from the
Set up in a neural network of a semi-autonomous robot through a communication network
(1st invention, 2nd invention)
Without loading on the robot
Robot responds to the expected behavior pattern
It is possible to make it.
【００２３】また、半自律行動ロボットの自律行動モー
ド時、教示モードであることを指示のうえ、この半自律
行動ロボットに対してユーザより動作行動パターンが教
示されると、その時のセンサ情報と教示された動作行動
パターンとの関係が教示情報として記憶され、半自律行
動ロボットの静止中に記憶されている教示情報に基づい
てそのロボットの神経回路網の知能化パラメータが学習
・再セットされるので（第１発明）、ロボットの回収を
せずしてロボットの神経回路網の学習をやり直すことが
でき、ロボットを自律行動させながら自分の好みにあっ
た動作行動パターンをとるようにユーザがロボットを調
教することができる。 The autonomous behavior mode of the semi-autonomous behavior robot is
Command, indicate that the mode is the teaching mode, and
The user can teach the behavioral behavior pattern to the behavioral robot.
If indicated, the sensor information at that time and the action behavior taught
The relationship with the pattern is stored as teaching information,
Based on teaching information stored while the mobile robot is stationary
Learning parameters of neural networks of robots
・ Because it is reset (first invention), the robot must be collected
Without re-training the robot's neural network
To make the robot autonomous and
The user adjusts the robot so that
Can be taught.
【００２４】また、ユーザが半自律行動ロボットの使用
を終了し、通信網とマスタ装置との接続を終了すると、
そのロボットの神経回路網の知能化パラメータが知能化
パラメータユーザ登録データベースにそのユーザの知能
化パラメータとして登録されるので（第１発明）、再び
ユーザがマスタ装置を介し通信網を通して半自律行動ロ
ボットにアクセスした場合には、知能化パラメータユー
ザ登録データベースに登録されているそのユーザの知能
化パラメータが取り出され、通信網を通して半自律行動
ロボットの神経回路網に設定されるものとなり、そのユ
ーザが前回調教した自分の好みにあった動作行動パター
ンをロボットが応答して行うようさせることが可能とな
る。 Further , when the user uses a semi-autonomous robot.
Is terminated, and the connection between the communication network and the master device is terminated.
The intelligent parameter of the neural network of the robot becomes intelligent
Parameter user registration database in the user's intelligence
Is registered as an optimization parameter (first invention),
The user operates a semi-autonomous device through the communication network via the master device.
When the bot is accessed, the intelligent parameter user
The intelligence of the user registered in the registration database
Parameterization is extracted and semi-autonomous behavior through the communication network
It will be set in the neural network of the robot,
The behavioral putter that the user trained the last time according to his taste
Can be made to respond by the robot
You.
【００２５】また、半自律行動ロボットの自律行動モー
ド時、教示モードであることを指示のうえ、この半自律
行動ロボットに対してユーザより動作行動パターンが教
示されると、その時のセンサ情報と教示された動作行動
パターンとの関係が教示情報として記憶され、ユーザが
半自律行動ロボットの使用を終了し、通信網とマスタ 装
置との接続を終了すると、記憶されている教示情報に基
づいてそのロボットの神経回路網の知能化パラメータが
学習され、この学習した知能化パラメータが知能化パラ
メータユーザ登録データベースにそのユーザの知能化パ
ラメータとして登録されるので（第２発明）、ロボット
の回収をせずしてロボットの神経回路網の学習をやり直
すことができ、また、再びユーザがマスタ装置を介し通
信網を通して半自律行動ロボットにアクセスした場合に
は、知能化パラメータユーザ登録データベースに登録さ
れているそのユーザの知能化パラメータが取り出され、
通信網を通して半自律行動ロボットの神経回路網に設定
されるものとなり、そのユーザが前回調教した自分の好
みにあった動作行動パターンをロボットが応答して行う
ようさせることが可能となる。 Also, the autonomous behavior mode of the semi-autonomous behavior robot is
Command, indicate that the mode is the teaching mode, and
The user can teach the behavioral behavior pattern to the behavioral robot.
If indicated, the sensor information at that time and the action behavior taught
The relationship with the pattern is stored as teaching information, and the user
Exit the use of semi-autonomous action of the robot, communication network and a master instrumentation
When the connection with the device is terminated, the
The intelligent parameter of the neural network of the robot is
Is learned, and the learned intelligent parameters are
In the meter user registration database, the intelligent
Registered as parameters (second invention), the robot
The robot's neural network learning without recovering the robot
Again and the user can communicate through the master device again.
When a semi-autonomous robot is accessed through a communication network
Is registered in the intelligent parameter user registration database.
The user's intelligent parameters are retrieved and
Set in a neural network of a semi-autonomous robot through a communication network
The user has trained last time
The robot responds to the motion pattern that suits the user
It is possible to make it.
【図１】 本発明を適用してなる半自律行動ロボット遠
隔操縦システムの一実施例を示す全体構成図である。 FIG. 1 is an overall configuration diagram showing one embodiment of a semi-autonomous behavior robot remote control system to which the present invention is applied .
【図２】 このシステムに用いる半自律行動ロボットの
詳細を示す外観斜視図である。FIG. 2 is an external perspective view showing details of a semi-autonomous behavior robot used in the system.
【図３】 このロボットに登載された行動制御部の詳細
を示すブロック図である。 FIG. 3 is a block diagram illustrating details of a behavior control unit mounted on the robot .
【図４】 このシステムに用いる動作データベースの詳
細を示すブロック図である。 FIG. 4 is a block diagram showing details of an operation database used in this system .
１ 自律行動ロボット １−３ 神経回路網 １−４ センサ １−７ 行動制御部 ２ 通信網 ３ マスタ装置 ４ 動作データベース ４−１ 中央処理装置 ４−２ 環境情報データベース ４−３ 環境情報対応答動作データベース ４−４ 知能化パラメータユーザ登録データベース ４−５ 神経回路網 Reference Signs List 1 autonomous behavior robot 1-3 neural network 1-4 sensor 1-7 behavior control unit 2 communication network 3 master device 4 operation database 4-1 central processing unit 4-2 environment information database 4-3 environment information versus response operation database 4-4 Intelligent Parameter User Registration Database 4-5 Neural Network
Claims (2)
されるマスタ装置と，複数のユニットおよび複数のリン
クからなる多層の神経回路網を有する半自律行動ロボッ
トと，知能化パラメータユーザ登録データベースを有す
る動作データベースとを備え、前記マスタ装置を介し前
記通信網を通して与えられるユーザからの指示により、
前記半自律行動ロボットを前記マスタ装置からの意のま
まに動くスレーブモードとして、あるいはロボット周囲
のセンサ情報を前記神経回路網への入力としその出力と
して動作行動パターンを得て自律的に行動する自律行動
モードとして動かす半自律行動ロボット遠隔操縦方法で
あって、 ユーザが前記マスタ装置を介し前記通信網を通して前記
半自律行動ロボットにアクセスする際、 そのユーザが前記知能化パラメータユーザ登録データベ
ースに未登録のユーザであれば、この知能化パラメータ
ユーザ登録データベースより標準的ユーザ用として登録
されている知能化パラメータを取り出し、前記通信網を
通して前記半自律行動ロボットの神経回路網に設定し、 そのユーザが前記知能化パラメータユーザ登録データベ
ースに登録済みのユーザであれば、この知能化パラメー
タユーザ登録データベースよりそのユーザの知能化パラ
メータを取り出し、前記通信網を通して前記半自律行動
ロボットの神経回路網に設定し、 前記半自律行動ロボットの自律行動モード時、教示モー
ドであることを指示のうえ、この半自律行動ロボットに
対してユーザより動作行動パターンが教示された場合、
その時の前記センサ情報と教示された動作行動パターン
との関係を教示情報として記憶しておき、 前記半自律行動ロボットの静止中に前記記憶されている
教示情報に基づいてそのロボットの神経回路網の知能化
パラメータを学習して再セットする一方、 ユーザが前記半自律行動ロボットの使用を終了し、前記
通信網と前記マスタ装置との接続を終了した後、そのロ
ボットの神経回路網の知能化パラメータを前記 知能化パ
ラメータユーザ登録データベースにそのユーザの知能化
パラメータとして登録する ようにしたことを特徴とする
半自律行動ロボット遠隔操縦方法 。1. A remote location and interconnected by a communication network
Master unit, multiple units and multiple links
Robot with Semi-autonomous Robot with Multi-layered Neural Network
And an intelligent parameter user registration database
Operation database, and the
According to an instruction from a user given through the communication network,
The semi-autonomous robot is moved from the master device
Slave mode that moves quickly or around the robot
The sensor information of the input to the neural network and its output
Autonomous behavior to act autonomously by obtaining an action behavior pattern
A semi-autonomous robot that moves as a mode
And wherein the user passes through the communication network through the master device.
When accessing the semi-autonomous behavior robot, the user is required to enter the intelligent parameter user registration database.
If the user is not registered in the
Register as a standard user from the user registration database
The intelligent parameters that have been
Through the neural network of the semi-autonomous robot, and the user enters the information into the intelligent parameter user registration database.
If you are a registered user, this intelligent parameter
From the user registration database
Take out the meter and perform the semi-autonomous operation through the communication network
In the neural network of the robot, the teaching mode is set in the autonomous action mode of the semi-autonomous action robot.
To the semi-autonomous robot
When the user is taught an action behavior pattern,
The sensor information at that time and the action behavior pattern taught
Is stored as teaching information, and is stored while the semi-autonomous robot is stationary.
Intelligent Robot Neural Network Based on Teaching Information
While learning and resetting the parameters, the user finishes using the semi-autonomous behavior robot,
After terminating the connection between the communication network and the master device,
The Intelligent parameters of the neural network of bot the intelligence Kapha
Parameterization of the user in the parameter user registration database
It is characterized in that it is registered as a parameter
Semi-autonomous robot remote control method .
されるマスタ装置と，複数のユニットおよび複数のリン
クからなる多層の神経回路網を有する半自律行動ロボッ
トと，知能化パラメータユーザ登録データベースを有す
る動作データベースとを備え、前記マスタ装置を介し前
記通信網を通して与えられるユーザからの指示により、
前記半自律行動ロボットを前記マスタ装置からの意のま
まに動くスレーブモードとして、あるいはロボット周囲
のセンサ情報を前記神経回路網への入力としその出力と
して動作行動パターンを得て自律的に行動する自律行動
モードとして動かす半自律行動ロボット遠隔操縦方法で
あって、 ユーザが前記マスタ装置を介し前記通信網を通して前記
半自律行動ロボットにアクセスする際、 そのユーザが前記知能化パラメータユーザ登録データベ
ースに未登録のユーザであれば、この知能化パラメータ
ユーザ登録データベースより標準的ユーザ用として登録
されている知能化パラメータを取り出し、前記通信網を
通して前記半自律行動ロボットの神経回路網に設定し、 そのユーザが前記知能化パラメータユーザ登録データベ
ースに登録済みのユーザであれば、この知能化パラメー
タユーザ登録データベースよりそのユーザの知能化パラ
メータを取り出し、前記通信網を通して前記半自律行動
ロボットの神経回路網に設定し、 前記半自律行動ロボットの自律行動モード時、教示モー
ドであることを指示のうえ、この半自律行動ロボットに
対してユーザより動作行動パターンが教示された場合、
その時の前記センサ情報と教示された動作行動パターン
との関係を教示情報として記憶しておき、 ユーザが前記半自律行動ロボットの使用を終了し、前記
通信網と前記マスタ装置との接続を終了した後、前記記
憶されている教示情報に基づいてそのロボットの神経回
路網の知能化パラメータを学習し、 この学習した知能化パラメータを前記知能化パラメータ
ユーザ登録データベー スにそのユーザの知能化パラメー
タとして登録する ようにしたことを特徴とする半自律行
動ロボット遠隔操縦方法 。2. It is located at a remote location and interconnected by a communication network.
Master unit, multiple units and multiple links
Robot with Semi-autonomous Robot with Multi-layered Neural Network
And an intelligent parameter user registration database
Operation database, and the
According to an instruction from a user given through the communication network,
The semi-autonomous robot is moved from the master device
Slave mode that moves quickly or around the robot
The sensor information of the input to the neural network and its output
Autonomous behavior to act autonomously by obtaining an action behavior pattern
A semi-autonomous robot that moves as a mode
And wherein the user passes through the communication network through the master device.
When accessing the semi-autonomous behavior robot, the user is required to enter the intelligent parameter user registration database.
If the user is not registered in the
Register as a standard user from the user registration database
The intelligent parameters that have been
Through the neural network of the semi-autonomous robot, and the user enters the information into the intelligent parameter user registration database.
If you are a registered user, this intelligent parameter
From the user registration database
Take out the meter and perform the semi-autonomous operation through the communication network
In the neural network of the robot, the teaching mode is set in the autonomous action mode of the semi-autonomous action robot.
To the semi-autonomous robot
When the user is taught an action behavior pattern,
The sensor information at that time and the action behavior pattern taught
Is stored as teaching information, and the user ends use of the semi-autonomous behavior robot,
After terminating the connection between the communication network and the master device,
Neural rotation of the robot based on the stored teaching information
Learning the intelligent parameter of the road network, and using the learned intelligent parameter as the intelligent parameter
Intelligence of the user in the user registration database parameters
Semi-autonomous line characterized in that it is registered as a data
Mobile robot remote control method .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2411115A JP2742928B2 (en) | 1990-12-17 | 1990-12-17 | Semi-autonomous robot remote control method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2411115A JP2742928B2 (en) | 1990-12-17 | 1990-12-17 | Semi-autonomous robot remote control method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04216107A JPH04216107A (en) | 1992-08-06 |
| JP2742928B2 true JP2742928B2 (en) | 1998-04-22 |
Family
ID=18520163
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2411115A Expired - Fee Related JP2742928B2 (en) | 1990-12-17 | 1990-12-17 | Semi-autonomous robot remote control method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2742928B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009131914A (en) * | 2007-11-29 | 2009-06-18 | Advanced Telecommunication Research Institute International | Robot control system |
| US8260460B2 (en) * | 2009-09-22 | 2012-09-04 | GM Global Technology Operations LLC | Interactive robot control system and method of use |
| JP6924629B2 (en) * | 2017-06-30 | 2021-08-25 | 株式会社 日立産業制御ソリューションズ | Automatic control device and its control method |
| US10913154B2 (en) * | 2018-01-02 | 2021-02-09 | General Electric Company | Systems and method for robotic learning of industrial tasks based on human demonstration |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61244490A (en) * | 1985-04-19 | 1986-10-30 | 工業技術院長 | Remote control system of robot |
| JP2669626B2 (en) * | 1987-12-28 | 1997-10-29 | 富士通株式会社 | Robot control system |
| JP2523150B2 (en) * | 1988-01-18 | 1996-08-07 | 富士通株式会社 | Robot control system |
-
1990
- 1990-12-17 JP JP2411115A patent/JP2742928B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH04216107A (en) | 1992-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anderson et al. | Challenging control problems | |
| Abdollahi et al. | A stable neural network-based observer with application to flexible-joint manipulators | |
| Parikh et al. | A hybrid strategy to solve the forward kinematics problem in parallel manipulators | |
| CN112631128B (en) | Robot assembly skill learning method and system based on multi-mode heterogeneous information fusion | |
| Ji et al. | Adaptive neural network based position tracking control for dual-master/single-slave teleoperation system under communication constant time delays | |
| CN112297005A (en) | Robot autonomous control method based on graph neural network reinforcement learning | |
| Santiago et al. | Stable delayed bilateral teleoperation of mobile manipulators | |
| JP2742928B2 (en) | Semi-autonomous robot remote control method | |
| Manivannan et al. | Real-time control of a manufacturing cell using knowledge-based simulation | |
| WO2008069366A1 (en) | Robot simulation system using the network | |
| CN114700950A (en) | Medical nursing robot motion prediction and fault diagnosis method based on digital twins | |
| JPH07287695A (en) | Computer system and robot system able to learn and grow autonomously | |
| Cui et al. | Intelligent coordination of multiple systems with neural networks | |
| Zhao et al. | Weighted bipartite containment motion of Lagrangian systems with impulsive cooperative–competitive interactions | |
| CN115256397A (en) | Mechanical arm force control method and system based on deep learning | |
| WO2022172812A1 (en) | Robot model learning device, robot model machine learning method, robot model machine learning program, robot control device, robot control method, and robot control program | |
| CN115958596A (en) | Dual-redundancy mechanical arm motion planning method and device, equipment and storage medium | |
| Danh | Neural networks application for the data of pid controller for acrobot | |
| Safaric et al. | Trajectory tracking neural network controller for a robot mechanism and Lyapunov theory of stability | |
| JP3363846B2 (en) | Real world information database construction method and device and autonomous mobile vehicle learning method | |
| Digney et al. | A distributed adaptive control system for a quadruped mobile robot | |
| Jansen et al. | Globally stable neural robot control capable of payload adaptation | |
| Kano et al. | Design and prototype of a remote arm-wrestling system | |
| Hu | Problems with Continuous Action Space | |
| Mon | Vision-based obstacle avoidance controller design for mobile robot by using single camera |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |