JP3560216B2

JP3560216B2 - 作業支援装置

Info

Publication number: JP3560216B2
Application number: JP00233598A
Authority: JP
Inventors: 博久手塚; 伸洋武藤; 義正柳原; 隆夫柿崎
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1998-01-08
Filing date: 1998-01-08
Publication date: 2004-09-02
Anticipated expiration: 2018-01-08
Also published as: JPH11202928A

Description

【０００１】
【発明の属する技術分野】
本発明は、作業支援装置に関し、特に、マニピュレータやセンサから構成される作業ロボットシステムを円滑にセットアップ、かつ運用するための生産支援技術に適用して有効な技術に関するものである。
【０００２】
【従来の技術】
近年、種々のセンサ付きロボットが開発され、作業現場、生産現場に投入されつつある。しかし、ロボットシステムが作業現場で運転可能になるまでは多くの時間と手間がかかるのが現状である。新規の生産ラインの立ち上げでは、ロボットやセンサの設置が完了しても、その後の機能チェック、システムパラメータ調整、ロボットの初期教示とその修正等の種々の調整が必要である。その調整に数十日以上を要するのが実状である。このため現場には、作業の担当者のみならず、経験とスキルのあるシステム技術者を多くの場合長期間に渡って派遣する必要があり、コスト面からも大きな負担となっている。加えて面倒なロボット教示データ修正は、品種変更、設計変更及び工具交換などに応じて間断無く続くことから、この立ち上げ期間の短縮はユーザニーズに迅速に応えるための重要課題となっていた。
【０００３】
従来もロボットコントローラやセンサなどのサブシステムについては、主としてその内蔵ソフトウェアのためのセルフ診断機能などが搭載されているが、センサ付きロボットのように外界と相互作用する機械システムではその立ち上げにおける問題点も多様であり、その解決には多くを現場作業者の努力に依存しているのが現状である。このため、従来の技術をもってしても、システム状態が良く見えない、問題箇所が不定である場合が多い、制御情報が不確実である。現場解決が困難な場合が多い、ロボット初期教示に時間がかかるなどの問題があった。
【０００４】
【発明が解決しようとする課題】
以上の説明からわかるように、従来の被作業物体に対して作業を行うセンサ付きロボットシステムの作業支援装置では、１）システム状態が見えない、２）問題箇所が不定、３）制御情報が不確実、４）現場解決が困難、５）初期教示に時間がかかるなどの問題があった。本発明は、これらの問題点を解決するためになされたものである。
【０００５】
本発明の目的は、フィールドで簡単にロボットシステムを良好な状態にセットアップして、高精度な教示を簡単に行えることが可能な技術を提供することにある。
【０００６】
本発明の前記ならびにその他の目的と新規な特徴は、本明細書の記述及び添付図面によって明らかにする。
【０００７】
【課題を解決するための手段】
本願において開示される発明のうち代表的なものの概要を簡単に説明すれば、以下のとおりである。
【０００８】
（１）被作業物体に対して作業を行うセンサ付きロボットシステムの支援装置であって、ロボットの手先に取り付けられ、前記被作業物体の特徴点情報と作業点情報を検出するセンサと、前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を取り込む情報獲得手段と、前記獲得した被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を加工して可視化する可視化処理手段と、システムへ試験動作を指示する試験動作指示手段と、試験動作によって前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報の相関を算出し、不具合に及ぼす因果関係を診断する解析診断手段と、診断結果を元に該センサと該ロボットとの間の幾何変換パラメータを決定する調整手段と、システムの教示を支援するための情報を作業者に提示する教示支援手段とを、具備することを特徴とする。
【０００９】
（２）前記（１）の作業支援装置に、さらに前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報を指定した所定の作業座標で表示する表示手段とを具備することを特徴とする。
【００１０】
（３）前記（１）又は（２）の作業支援装置において、前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報とを対応づけて取得することを特徴とする。
【００１１】
（４）前記（１）乃至（３）のうちいずれか１つの作業支援装置において、前記試験動作指示手段がロボットの作業経路に直交する成分を含む試験動作を行うことを特徴とする。
【００１２】
（５）前記（１）乃至（４）のうちいずれか１つの作業支援装置において、前記調整手段としてロボット作業点の誤差モデルを用いることを特徴とする。
【００１３】
（６）前記（１）乃至（５）のうちいずれか１つの作業支援装置において、前記誤差モデルは、ロボット作業点の位置、速度、加速度、被作業物体の特徴点情報、及び作業点情報から得られる作業目標経路情報を含むことを特徴とする。
【００１４】
（７）前記（１）乃至（６）のうちいずれか１つの作業支援装置において、前記前記誤差モデルは、幾何ずれ調整パラメータ、同期ずれパラメータ、及び信頼度パラメータを含むことを特徴とする。
【００１５】
（８）前記（１）乃至（７）のうちいずれか１つの作業支援装置において、前記教示支援手段が、ロボットの幾何モデルを持ち、被作業物体の特徴点情報、作業点情報、ロボット運動情報、及び作業者の位置姿勢情報を用いて、所定の位置姿勢の幾何モデルと前記情報とを作業者に提示する手段を有することを特徴とする。
【００１６】
すなわち、本発明は、被作業物体に対して作業を行うセンサ付きロボットシステムの作業支援装置であって、センサ情報とロボット運動情報を含むシステム情報を取り込む情報獲得手段、獲得した情報を加工して可視化する可視化処理手段、システムへ試験動作指示を与える動作指示手段、情報を解析して診断する解析診断手段、解析結果を元にシステムパラメータを決定する調整手段、システムの教示を支援するための情報を作業者に提示する教示支援手段を有することにより、運動計測状態の可視化、類型パタン試験による作業誤差モデルの同定を用いたシステム診断とパラメータ調整、拡大現実利用の教示支援、及びそれらの統合によって解決し、フィールドで簡単にロボットシステムを良好な状態にセットアップして、高精度な教示を簡単に行える環境を提供するので、ロボットシステムのスタートアップ期間を大幅に短縮することができる。
【００１７】
前述のように、本発明は、従来の技術とは、運動計測状態の可視化、類型パタン試験による誤差モデルの同定とパラメータ調整、拡大現実利用の教示支援、通信ネットワークでの統合によって、ロボットシステムのスタートアップ期間を大幅に短縮することを可能とするという点が異なる。
【００１８】
【発明の実施の形態】
以下、図面を参照して本発明の実施形態（実施例）を詳細に説明する。
【００１９】
図１は本発明の一実施例のセンサ付きロボットシステムの作業支援装置の概略構成を示すブロック構成図である。図１において、１はロボット、２はセンサ、３はセンサコントローラ、４はロボットコントローラ、５は教示ボックス、６は情報可視化モジュール、６Ａは情報獲得手段、６Ｂは可視化処理手段、６Ｃは情報通信手段、７は記憶手段、８は不具合要因診断モジュール、８Ａは試験動作指示手段、８Ｂは解析診断手段、８Ｃは調整手段、９は教示アドバイザモジュール、９Ａは教示支援手段、１０はジャイロ、１１はステレオカメラ、１２はテストピース（試験対象物）、１００はパーソナルコンピュータである。
【００２０】
本実施例の作業支援装置の主要部は、図１に示すように、情報可視化モジュール６、不具合要因診断モジュール８及び教示アドバイザモジュール９からなる。
【００２１】
情報可視化モジュール６は、センサ情報とロボット運動情報を含むシステム情報を取り込む情報獲得手段６Ａ、獲得した情報を加工して可視化する可視化処理手段６Ｂ、及び情報通信手段６Ｃからなる。この情報可視化モジュール６にはセンサ情報と運動情報とを指定した所定の作業座標で表示する表示手段６Ｄと獲得した情報を蓄積する記憶手段７が接続されている。
【００２２】
不具合診断モジュール８は、システムへ試験動作指示を与える試験動作指示手段８Ａ、情報を解析して診断する解析診断手段８Ｂ、解析結果を元にシステムパラメータを決定する調整手段８Ｃなどからなる。
【００２３】
教示アドバイザモジュール９は、システムの教示を支援するための情報を作業者に提示する教示支援手段９Ａからなる。
【００２４】
これらのモジュールはパーソナルコンピュータ１００に搭載される。この他、本実施例のセンサ付きロボットシステムには、ロボット１、センサ２、センサコントローラ３、ロボットコントローラ４、教示ボックス５、試験動作に用いるテストピース１０、作業者の位置を検出するＫＲステレオカメラ１１、作業者の姿勢を検出するジャイロ１２、オペレータの頭部に装着されるヘッドマウントディスプレイＨＭＤなどを備えている。
【００２５】
一方、被支援装置はアーク溶接ロボットシステムであり、多関節マニピュレータおよびそのモーションコントローラ、マニピュレータに搭載された光切断型のレーザレンジセンサおよびセンサコントローラ、同じくマニピュレータに搭載された溶接トーチ、などから構成される。
【００２６】
次に、本実施例の作業支援装置の各部の動作を詳細に説明する。はじめに情報可視化モジュール６について説明する。
【００２７】
後述するロボットマニピュレータからの運動情報であるロボット１の手先の速度及び位置情報を得る。そして、前記ロボット１の手先に設けられているセンサ２を制御するセンサコントローラ３からは計測断面データ及びロボット１が追従すべきワーク上の溶接経路を表す特徴点座標が、情報獲得手段６Ａに入力される。一定のサンプリング周期でこれらの情報は収集され、記憶手段７に蓄積される。
【００２８】
前記可視化処理手段６Ｂにおいて、これらの情報からロボット手先の軌跡およびセンシングによって計測された経路が復元される。そして、これらの加工情報は、座標変換を施されて予め設定された作業座標で表現され、２次元の軌跡情報としてパーソナルコンピュータ１００の表示手段（モニタ）６Ｄに表示される。
【００２９】
前記不具合診断モジュール８について説明する。センサ２とロボット１という２つのサブシステムの結合で主に問題となるのは、センサ２の装着に伴う幾何ずれ、比較的周期の大きいセンサ情報の同期ずれ、さらにロボット１の運動加速度が過大な場合のセンシング精度の劣化がある。
【００３０】
前記試験動作指示手段８Ａは、これらの問題を解析するため、経路に沿ってロボットが走行する基本動作に加えて、経路にほぼ直交する正弦波上の摂動動作を重畳した混合動作を試験動作として生成し、それをロボットコントローラに指令する。ロボットは直線経路を持つテストピースを対象に計測を行うことにより、所定の情報を支援装置に送信する。
【００３１】
解析診断手段８Ｂは、試験動作によって改めて取得されたセンサ情報及び運動情報の相関などを算出し、不具合に及ぼす因果関係を診断する。
【００３２】
前記調整手段８Ｃは、取得情報を用いて、幾何ずれ、同期ずれそれぞれをパラメータとする作業誤差モデルを同定し、幾何ずれパラメータと同期ずれパラメータを求める。運動加速度が過大な場合には、誤差分散の逆数に基づく信頼度関数を算出する。前記不具合診断モジュール８については、後述詳細にする。
【００３３】
最後に教示アドバイザモジュール９について説明する。教示支援手段９Ａは、センサ情報とロボット運動上々、作業者の位置を検出するためのステレオカメラ１１からの情報、作業者の姿勢を検出するジャイロ１２からの情報、及びロボット手先とセンサ２のグラフィクスモデルを持ち、これらを用いて作業者に教示支援情報を与える。
【００３４】
すなわち、作業者の目に映じる実際の環境とコンピュータの表示手段６Ｄの画面上のモデルとオーバレイする拡大現実の手法を用いてセンサ及びロボット情報を用いて作業者が現実に見ているロボットセンサアセンブリとほぼ同じ３次元モデルを提示する。このとき、モデルにはセンサ視野確保をするために、修正すべきロボット手先の方向が矢印で提示される。このときツールが適正な姿勢にあるかどうかも併せて提示される。作業者はこれにしたがってロボット姿勢を変更することができる。
【００３５】
前記のように、個々モジュールが独自機能を持つものであるが、図１で示すステップの順序で、それぞれのモジュールが動作する。
【００３６】
ステップ（Ｓｔｅｐ）１は、試験動作の入力を行う。
ステップ２は、試験動作時のセンサ及び運動情報を獲得して可視化する。
ステップ３は、診断・解析を行う。
ステップ４は、各種パラメータの調整を行う。
ステップ５は、作業用の動作を行う。
ステップ６は、教示アドバイスを行う。
ステップ７は、教示修正を行う。
【００３７】
本実施例の作業支援装置は、情報可視化手段を核として３つのモジュールが有機的に結合しており、それらをまとめて１つの装置とすることにより、フィールドスタートアップシステムとして完備となる。
【００３８】
本実施例ではこのような構造になっていることから、結局以下のような効果が生じる。
【００３９】
アーク溶接用ロボットにおいては、システムの試行動作によってセンサ及び運動情報を取得することにより、各サブシステムが正常に動作しているか否かを可視情報で確認できる。作業の結果として溶接ビードが蛇行した場合には、運動情報の可視化によって確かにロボット１が蛇行した結果か否かを直ちに確認できる。
【００４０】
さらに、この要因がセンサ２にあるのか否かもセンサ情報の断面データあるいは特徴点データを注意深く観察することによって確認できる。これらは運動情報とセンサ情報とを対応づけて取得し、しかも目視での観察に合致するように任意の作業座標で情報を可視化できることによる。
【００４１】
また、混合試験動作によって取得されたセンサ情報及び運動情報の相関データから、作業誤差がロボット速度に依存するものか否かを判定することができる。速度に依存しない場合には、改めてロボット姿勢を変更した試験動作により幾何ずれパラメータを求め、これをロボットコントローラ４のパラメータ修正に利用できる。速度依存性が大きい場合には、まず、低速度領域でのセンサ情報と運動情報との同期ずれパラメータを持つ誤差モデルを同定し、これにより同期ずれパラメータ（定数）をこれもロボットコントローラで修正する。速度が大で加速度も大きい場合には、作業誤差分散の逆数に基づく信頼度関数を算出し、それをロボットコントローラ４に登録する。これによって実際の作業時に大きな加速度が生じた場合には、信頼度を考慮してセンサ情報利用の可否を判断することができる。これによれば劣悪な動作条件で取得したセンサ情報の影響が緩和されるので、システムの作業誤差も減少する。
【００４２】
さらに、拡大現実を用いることにより、オペレータが肉眼で観察可能な作業状態、システム状態に加え、肉眼では直接見ることのできないセンサやロボット情報を、都合のよい形に加工・増幅して理解することができる。これによって、システムの性能を十分に発揮させるための適切な教示が簡単に行える。このため従来のような動かしては試行作業させて再度教示を修正するといった、試行錯誤の回数を大幅に低減することが可能となる。
【００４３】
次に、前記不具合診断手段の詳細について説明する。
【００４４】
図２は前記不具合診断手段を説明するためのロボットアームの各関節の自由度及びセンサの取り付け位置を示す模式図、図３は図２のロボットアームを適用したロボットシステムの制御系構成図、図４は前記不具合診断手段におけるロボットの診断方法の手順を示すフローチャートである。
【００４５】
図２及び図３において、Ｂは６自由度を有するロボットアーム、ＡはＢの手先に取り付けるセンサ（例えばレーザレンジファインダを用いる）、２０はロボットコントローラ、２１〜２６はそれぞれロボットアームＢの関節、２７はアクチュエータ、２８はエンコーダ、２９はサーボアンプ、３０はアップダウンカウンタ、３１はセンサ用コントローラ、３２はロボットコントローラ用ＣＰＵ、３３はキネマティクス計算用ＣＰＵ、３４はコンピュータ、１５は手先位置、手先姿勢、関節角度、特徴点センシングなどのデータファイルである。アクチュエータ７とエンコーダ８でマニピュレータを構成している。
【００４６】
本実施例のロボットの不具合診断方法は、作業対象物の情報を取得する外界センサ及びロボットの位置姿勢情報を取得する内界センサを具備するロボットの診断方法であって、図４に示すように、前記ロボットの手先が直線対象物に沿った動作を基準動作とする手順（ステップ１）と、該基準動作に対して付加する位置変動及び姿勢変動を外乱動作とする手順（ステップ２）と、前記基準動作に該当外乱動作を付加した動作を混合試験動作とする手順（ステップ３）と、前記基準動作時と混合試験動作時に当該ロボット手先の位置姿勢情報及びセンサ情報とを取得する手順（ステップ４）と、この取得した情報群を用いて認識誤差のモデリングを行う手順（ステップ５）と、誤差の絶対値と比例関係の強い運動情報を求める相関分析を行う手順（ステップ６）と、図５のａに示す手順（ステップ７）と、図５のｂに示す手順（ステップ８）と、図５のｃに示す手順（ステップ９）とを有する。
【００４７】
経路倣いロボットでは、ロボットが走行しつつほぼ一定の周期で対象をセンシングする。これにより追従すべき経路である作業点の時刻ｔにおける特徴点座標ベクトルｄ_ｃ＝（ｘ_ｃ，ｙ_ｃ，ｚ_ｃ）^ｔが基準座標系Σ_ｇにおいて逐次算出される。このとき対応する作業点座標ベクトルの真値を仮にｄ_ｃ０（∈Ｒ^３ ^× ^１）とし、運動情報と相関を有する認識誤差ベクトルをω（∈Ｒ^３ ^× ^１）、運動と無相関の計測ノイズベクトルをｅとすると次式が成立する。
【００４８】
【数１】
ｄ_ｃ−ｄ_ｃ０＝ω＋ｅ
ここでｅは微小であるものとすれば、作業点における有意な認識誤差はωであるとみなせる。
【００４９】
倣いロボットの主な認識誤差要因としては、サブシステム間メカニカルリンクの幾何的キャリブレーション誤差、サブシステム間通信同期ずれ、ツール及びその結合部のダイナミクスの影響などがある。したがって、認識誤差モデリングにおいては、静的モデルと動的なモデルの両者を考慮する必要がある。そこで、認識誤差ωがロボットのグロスモーションに比して小さいと仮定し、認識誤差に関する因子のうち空間的パラメータをρ（∈Ｒ^６ ^× ^１）、同じく時間的パラメータをスカラτとし、それぞれの真値からのゆらぎをΔρ及びΔτとする。
【００５０】
さらに、ロボットサブシステムは単体では調整済として、^ｇＴ_ωで与えられるロボット運動情報、すなわち、手先の位置情報及びオイラー角で表した姿勢情報をそれぞれｐ_ω＝（ｐ_ω _ｘ，ｐ_ω _ｙ，ｐ_ω _ｚ）^ｔ及びφ_ω＝（φ_ω _ｘ，φ_ω _ｙ，φ_ω _ｚ）^ｔとおく。ｐ_ω，φ_ωについては、ｄ_ｃの算出周期に比して短い時間で得られるとする。そこでダイナミクスまで考慮し、ｈ＝ｄ_ｃ−ｄ_ｃ０を多次元ベクトル値関数Ｈを用いて次式のように表す。
【００５１】
【数２】

【００５２】
ここでは時間ｔに関する微分を、ｑは既知の空間パラメータ成分を表す。
【００５３】
結局のところ認識誤差モデルの同定は、ロボット運動情報、特徴点座標ベクトルｄ_ｓ、既知のパラメータｑ及び観測値ｈを用いて、非線形モデルＨの未知パラメータρ及びτを同定する問題に帰着される。数２の式はシステムの静的及び動的モデルの複合誤差を表したもので、これは誤差要因を直接同定しようとする考えに基づく。
【００５４】
前記不具合診断手段は、まず始めに静的モデリングを考えると、ダイナミクス及び時間パラメータτを無視できることから、前記数２の式は次の数３の式のようになる。
【００５５】
【数３】
ｈ＝Ｈ（ｐ_ω，φ_ω，ｐ，ｄ_ｓ，ｑ）＋ｅ
ロボットを準静止となるように低速で動作させることにより、数３の式の未知パラメータρを同定するためのデータを収集する。真値であるｄ_ｃ０を厳密には求めることはできないため、ここでは寸法既知の校正ツールをロボット手先に装着し、その先端を直接モデル経路上の異なる２点にあわせ、２点を結んだ直線を便宜的に真値とみなすこととした。
【００５６】
ついで手先姿勢がほぼランダムに変化しながら経路に沿って走行するようＵ_ｄをｐ_ｄ（ｔ_ｉ）＝（０，０，０）^ｔ及びφ_ｄ（ｔ）＝（α_ｄ（ｔ_ｉ），β_ｄ（ｔ_ｉ），γ_ｄ（ｔ_ｉ））^ｔと設定した。（図４のステップ２）
図６にＵ_Ｔを入力したときのロボットの動きを模式的に示す。図中の矢印はツールの設定位置姿勢を表している。図７にテストピースのモデル経路の真値及びＵτ入力時における特徴点座標値ｄ_ｃ（ｔ_ｉ）を示す。横軸は基準座標系のｘ座標値を、横軸はｙ座標値を表す。
【００５７】
ロボット手先までの幾何パラメータはロボットサブシステムとして予めキャリブレーション済であることからｐ_ω，φ_ωは実用上十分な精度で計測される。しかし、センサについては取り付け角変更がしばしばあり、手先からセンサ座標原点までのメカニカルな誤差発生は不可避である。そこで、ｐを含む形で改めてロボット座標−センサ座標間の幾何変換パラメータをｑ（∈Ｒ^６ ^× ^１）（＝（ｐ_ｘ，ｐ_ｙ，ｐ_ｚ，α，β，γ）^ｔ）とおいて、これを同定することとすれば、従来のキネマティクスパラメータの同定として同様に扱うことができる。このとき数３の式は次のようになる。
【００５８】
【数４】
ｈ＝Ｈ（ｐ_ω，φ_ω，ｄ_ｓ，ｑ）＋ｅ
未知パラメータｑはＧａｕｓｓ−Ｎｅｗｔｏｎ法を用いた３０回の繰り返し演算により次のように求めた。（図５のａのステップ１）
【００５９】
【数５】
ｑ_ｉ＋１＝ｑ_ｉ＋Δｑ_ｉ
ここで
ｉは０，１，．．．，２９である。
【００６０】
【数６】

【００６１】
【数７】

【００６２】
ｍ（＝９）は特徴点数である。
【００６３】
【数８】

【００６４】
【数９】

【００６５】
【数１０】
Ａ（∈Ｒ^３ ^× ^６）
はｄ_ｃのｑによるヤコビアンである。（図５のａのステップ２）
図８に求めたｑを用いて改めて認識誤差を算出した結果を示す。横軸は特徴点番号Ｎ、縦軸は認識誤差のノルム｜ω｜である。｜ω｜の最大値は０．５ｍｍ以下となり補正前の約１／３に低減化される。作業現場でセンサの取り付け取り外しを度々行う場合でも、以上のような簡単な手順により誤差を抑圧できる。
【００６６】
次に動的モデルに着目する。Ｕ_ｄは、ｐ_ｄ（ｔ_ｉ）＝（０．５ｓｉｎ（０．５ｔ_ｉ），０）^ｔ（時間周波数０．５Ｈｚ，単位はｍｍ／ｓ），φ_ｄ（ｔ_ｉ）＝（０，０，０）^ｔ（単位はラジアン）であり、Ｕ_Ｔは経路に沿ってツールが正弦波状に並進蛇行する。いわゆる溶接のウィービング動作であり、標準的なロボットコントローラで生成可能である。ただし、加速度は小さく、ツール姿勢変化も無視できる。さらに、静的誤差即ち空間パラメータの影響については既に除外されていることから前記数２の式は次式の数１１のようになる。
【００６７】
【数１１】
ｈ＝Ｈ（ｐ_ω，ｄ_ｓ，τ）＋ｅ
数１１の式はスカラτを未知パラメータとするモデルである。
【００６８】
図１０にＵ_Ｎ及びＵ_Ｔ入力時における特徴点列のｄ_ｃ０，ｄ_ｃを示す。ここに横軸はｘ座標値を、縦軸はｙ座標値を表す。Ｕτ入力時に外乱動作に対応する形で認識誤差が生じている。
【００６９】
図１１にＵ_Ｔ入力時の認識誤差ω_ｙとセンサ基準点の速度ｄ（ｐ_ｙ）／ｄｔ（数式中は一点ｐ_ｙとする）との関係を示す。いま両者の相関係数τを数１２の式で算出する。
【００７０】
【数１２】

【００７１】
ここで￣（上付けアンダライン）は平均を表す。この時τは０．９０となり、ω_ｙとｄ（ｐ_ｙ）／ｄｔとはほぼ比例関係にある。そこで計測データに最小二乗法を適用することにより、次の数１３の式の関係を得る（図５のｂのステップ１）。
【００７２】
【数１３】

【００７３】
一方、対象システムにおいては関節角度データθとセンサデータｄ_ｓとの計測サンプリング周期が異なる。さらに、それらのサンプリング周期は必ずしも一定ではなく、例えば、ロボットコントローラが補軸を持つような場合、あるいはセンサのインタフェースを変更せざるを得ない場合など、システム形態と作業条件によっては変動は不可避となる。そこで、両者の獲得タイミングの平均的なずれを改めて同期ずれτとする。いまツールのｙ軸方向への正弦波状動作を考えると、同期ずれτによって生じる認識誤差ω_ｙ（平均値）は以下のように与えられる。
【００７４】
【数１４】

【００７５】
ここで、τが微小であるとして加法定理を用いれば次式が成立する。
【００７６】
【数１５】

【００７７】
前記数１３及び数１５の式からこの場合の同期ずれはτは０．０８９に等しいかもしくはそれに近い値であると言える。したがって、前記数１１の式は結局τの線形モデルということになる。（図５のｂのステップ２）
このような考えに基づいて同期ずれを補正し同条件で実験した結果を図１２に示す。具体的には図９において、θ（ｔ）←θ（ｔ−τ）として^ｇＴ_ωを計算した。補正の結果、認識誤差ω_ｙの最大値は０．５ｍｍ以下（補正前の約１／３）に低減される。
【００７８】
そこで空間パラメータ及び同期ずれの補正の後、より苛酷な外乱動作Ｕ_ｄを周波数４Ｈｚの三角波ｐ_ｙとして与え、振幅を０．５ｍｍから５ｍｍまで０．５ｍｍ刻みとして実験を行った。図１３にこの時のツール動作の概略を示す。ここでのＵ_ｄは同期ずれ補正に用いたＵ_ｄに比べて最大速度で８倍、最大加速度で６４倍という高速高加速度となる。
【００７９】
図１４にこの時の特徴点列とモデル経路を示す。図１５は認識誤差絶対値｜ω_ｙ｜と速度絶対値｜ｄ（ｐ_ｙ）／ｄｔ｜との関係を示す図であり、相関係数は０．５２となる。図１６は同じく認識誤差絶対値｜ω_ｙ｜と加速度絶対値｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜（数式中は二点ｐ_ｙとする）との関係を示す図であり、この時の相関係数は０．６７である。以上の結果から｜ω_ｙ｜は｜ｄ（ｐ_ｙ）／ｄｔ｜よりも｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜との相関が強く、その最大値は｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜に伴って増加する傾向にあるなど、｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜の影響を強く受けていると考えられる。（図５のｃのステップ１）
このようなケースに対して、信頼度を導入する。ここでは｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜の区間幅５０ｍｍ／ｓ^２とこの｜ω_ｙ｜について分散を求め、その逆数を関数フィッテングしたものを関数ｆ_ｙとする。ｆ_ｙは次式の数１６で表される。（図５のｃのステップ２）
【００８０】
【数１６】

【００８１】
（図５のｃのステップ４）
さらにｆ_ｙを正規化することにより信頼度関数ｖ_ｙを求める。ｖ_ｙは次の数式で与えられる。
【００８２】
【数１７】

【００８３】
図１７に｜ω_ｙ｜の分散の逆数と｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜との関係及びフィッティング関数ｆ_ｙを示す。（図５のｃのステップ３）
信頼度は例えば以下のように利用する。対象とする経路倣いロボットシステムは、一定数の特徴点が算出されるごとに逐次的にロボットの経路生成を行う。ここでは、センシングによる特徴点座標ベクトル群ｄ_ｃ１，ｄ_ｃ２，．．．，ｄ_ｃＮを用いてツールの位置・姿勢のそれぞれを示す経路関数Γを逐次的に生成する。対象となるテストピースがほぼｘｙ平面に設置されていることから、経路関数はｘの３次スプライン関数ｙ＝Γ（ｘ）で表現するものとする。具体的には第（ｉ−１）番目の経路関数Γ_ｉ−１が既に確定し、センサから新たに特徴点座標値Ｄ_ｃｉが得られたとする。このとき第ｉ区番目の経路関数ｙ＝Γ_ｉ（ｘ）は、次の２条件を満足するように定めらる。
【００８４】
（１）区間接続条件は次の数１８の式を満足することである。
【００８５】
【数１８】

【００８６】
【数１９】

【００８７】
（２）誤差最小条件は次の数２０の式を満足することである。
【００８８】
【数２０】

【００８９】
ここで
Ｄ_ｃｉは特徴点のｉ番目の座標値、
ｖ_ｙｉはＤ_ｃｉの｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜による信頼度、
Γ_ｉ（ｘ）は区間（ｘ_ｉ，ｘ_ｉ＋１）における目標経路、
Ｎは逐次経路生成に用いる特徴点の数である。
【００９０】
信頼度を導入しない場合にはｖ_ｙｊ＝１とする。条件（１）は区間関数同士の連続性を保証するため、また条件（２）は特徴点座標値の確からしさを経路関数の精度の向上に反映させ、ノイズの影響を抑圧するためのものであり、このための重みとして信頼度が利用される。
【００９１】
図１８に信頼度導入の有無それぞれについてＮ＝４としたときの経路生成例を示す。信頼度の導入により、直線のモデル経路に対して誤差が１／２程度に低減される。
【００９２】
図１９は、生成経路上の各区間の始点とモデル経路との誤差絶対値の平均である。サンプル点数Ｎの増加に伴い推定誤差が減少していく最小二乗法の特性が明確に表れている。
【００９３】
以上のように一連の運動情報マネージメントによれば、最終的には経路生成誤差を数百μｍという、実用上無視できるオーダまでに抑圧できることが実証された。
【００９４】
前述の実施例では、溶接用ロボットシステムの作業支援装置に本発明を適用した例で説明したが、本発明はこれに限定されるものではない。
【００９５】
以上、本発明者によってなされた発明を、前記実施例に基づき具体的に説明したが、本発明は、前記実施例に限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは勿論である。
【００９６】
【発明の効果】
以上、説明したように、本発明によれば、ロボットシステムの作業に関わる内部状態がわかりやすい形で作業者に提示され、しかもそれが遠隔のエンジニアにも同様な情報が伝わることから、作業現場でも問題の指摘が容易に行える。
【００９７】
また、簡単なテストピースと幾つかの基本的な試験動作によって、特別な計測機器を使用することなしにシステムの不具合箇所を突き止め、その問題を解決するパラメータを見つけることができる。
【００９８】
また、情報の信頼性に関する指標を与えることができるため、不確実な情報の仕様を予め阻止することができる。
【００９９】
また、センサ情報を活用してセンサ付きロボットが良好に動作する条件がわかりやすく提示されるため、現場の作業者が直感的にシステムの操作手順を理解し、精度のいい教示を行うことができることから、従来のように、システム状態が見えない、問題箇所が不定、制御情報が不確実、現場解決が困難、初期教示が面倒、という問題点が生ずることない。
【０１００】
また、フィールドで簡単にロボットシステムを良好な状態にセットアップして、高精度な教示を簡単に行える環境を提供することにより、ロボットシステムのスタートアップ期間を大幅に短縮することが可能になるという効果が生じる。
【０１０１】
なお、本発明の効果は、溶接用ロボットシステムの支援装置に限定されるものではなく、センサを導入したロボットシステム、例えば組み立てロボットや建設ロボットなどにおいても同様に得ることができる。さらに、センサのない従来のロボットシステムについても、幾つかの部分で大きな効果を得ることができる。
【図面の簡単な説明】
【図１】本発明の一実施例のセンサ付きロボットシステムの作業支援装置の概略構成を示すブロック構成図である。
【図２】本実施例の不具合診断手段を説明するためのロボットのリンク構成図とセンサの取り付け位置を示す模式図である。
【図３】本実施例の実験環境のシステム構成図である。
【図４】本実施例のロボット診断方法を説明するためのフローチャートである。
【図５】本実施例のロボット診断方法の要部の手順を説明するためのフローチャートである。
【図６】Ｕ_Ｔを入力したときのロボットの動きを説明するための模式図である。
【図７】テストピースのモデル経路の真値及びＵτ入力時における特徴点座標値ｄ_ｃ（ｔ_ｉ）を示す図である。
【図８】求めたｑを用いて改めて認識誤差を算出した結果を示す図である。
【図９】設定したＵτ入力時のツール動作の概略を示す模式図である。
【図１０】Ｕ_Ｎ及びＵ_Ｔ入力時における特徴点列のｄ_ｃ０，ｄ_ｃを示す図である。
【図１１】Ｕ_Ｔ入力時の認識誤差ω_ｙとセンサ基準点の速度ｄ（ｐ_ｙ）／ｄｔとの関係を示す図である。
【図１２】同期ずれを補正し同条件で実験した結果を示す図である。
【図１３】ツール動作の概略を示す模式図である。
【図１４】特徴点列とモデル経路を示す図である。
【図１５】認識誤差絶対値｜ω_ｙ｜と速度絶対値｜ｄ（ｐ_ｙ）／ｄｔ｜との関係を示す図である。
【図１６】認識誤差絶対値｜ω_ｙ｜と加速度絶対値｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜との関係を示す図である。
【図１７】｜ω_ｙ｜の分散の逆数と｜ｄ^２（ｐ_ｙ）／ｄｔ^２｜との関係及びフィッティング関数ｆ_ｙを示す図である。
【図１８】信頼度導入の有無それぞれについてＮ＝４としたときの経路生成例を示す図である。
【図１９】生成経路上の各区間の始点とモデル経路との誤差絶対値の平均を示す図である。
【符号の説明】
１…ロボット、２…センサ、３…センサコントローラ、４…ロボットコントローラ、５…教示ボックス、６…情報可視化モジュール、６Ａ…情報獲得手段、６Ｂ…可視化処理手段、６Ｃ…情報通信手段、７…記憶手段、８…不具合要因診断モジュール、８Ａ…試験動作指示手段、８Ｂ…解析診断手段、８Ｃ…調整手段、９…教示アドバイザモジュール、９Ａ…教示支援手段、１０…ジャイロ、１１…ステレオカメラ、１２…テストピース（試験対象物）、１００…パーソナルコンピュータ、Ａ…センサ（レーザレンジファインダ）、Ｂ…ロボットアーム（マニピュレータ）、Ｃ…加工対象、Ｄ…センシング対象ライン、Ｅ…経路、２０…ロボットコントローラ、２１〜２６…ロボットアーム（マニピュレータ）の関節、２７…アクチュエータ、２８…エンコーダ、２９…サーボアンプ、３０…アップダウンカウンタ、３１…センサコトローラ、３２…ロボットコントローラ用のＣＰＵ、３３…キネマティクス計算用のＣＰＵ、３４…コンピュータ、３５…データファイル。

Claims

被作業物体に対して作業を行うセンサ付きロボットシステムの支援装置であって、
ロボットの手先に取り付けられ、前記被作業物体の特徴点情報と作業点情報を検出するセンサと、
前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を取り込む情報獲得手段と、
前記獲得した被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を加工して可視化する可視化処理手段と、
システムへ試験動作を指示する試験動作指示手段と、
試験動作によって前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報の相関を算出し、不具合に及ぼす因果関係を診断する解析診断手段と、
診断結果を元に該センサと該ロボットとの間の幾何変換パラメータを決定する調整手段と、
システムの教示を支援するための情報を作業者に提示する教示支援手段とを、具備することを特徴とする作業支援装置。
被作業物体に対して作業を行うセンサ付きロボットシステムの支援装置であって、
ロボットの手先に取り付けられ、前記被作業物体の特徴点情報と作業点情報を検出するセンサと、
前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を取り込む情報獲得手段と、
前記獲得した被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を加工して可視化する可視化処理手段と、
システムへ試験動作を指示する試験動作指示手段と、
試験動作によって前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報を含むシステム情報を解析して診断する解析診断手段と、
診断結果を元に該センサと該ロボットとの間の幾何変換パラメータを決定する調整手段と、
システムの教示を支援するための情報を作業者に提示する教示支援手段と、
前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報を指定した所定の作業座標で表示する表示手段とを、
具備することを特徴とする作業支援装置。
前記被作業物体の特徴点情報、作業点情報、及びロボット運動情報とを対応づけて取得することを特徴とする請求項１又は２に記載の作業支援装置。
前記試験動作指示手段とロボットの作業経路に直交する成分を含む試験動作を行うことを特徴とする請求項１乃至３のうちいずれか１項に記載の作業支援装置。
前記調整手段としてロボット作業点の誤差モデルを用いることを特徴とする請求項１乃至４のうちいずれか１項に記載の作業支援装置。
前記誤差モデルは、ロボット作業点の位置、速度、加速度、被作業物体の特徴点情報、及び作業点情報から得られる作業目標経路情報を含むことを特徴とする請求項１乃至５のうちいずれか１項に記載の作業支援装置。
前記誤差モデルは、幾何ずれ調整パラメータ、同期ずれパラメータ及び信頼度パラメータを含むことを特徴とする請求項１乃至６のうちいずれか１項に記載の作業支援装置。
前記教示支援手段が、ロボットの幾何モデルを持ち、被作業物体の特徴点情報、作業点情報、ロボット運動情報、及び作業者の位置姿勢情報を用いて、所定の位置姿勢の幾何モデルと前記各情報とを作業者に提示する手段を有することを特徴とする請求項１乃至７のうちいずれか１項に記載の作業支援装置。