JP6333795B2 - 学習による教示作業の簡易化及び動作性能向上機能を備えたロボットシステム - Google Patents

Description

本発明は、ロボットと周辺機器で構成されるロボットシステムにおいて、学習によってロボットの動作速度を向上させ、システムの作業効率を向上させるためのロボットシステムに関する。

ロボットと周辺機器で構成されたシステムにおいて、生産現場では、そのシステムを含むラインでの目標サイクルタイムが設定される。教示作業者は目標サイクルタイムを達成するために、ロボットを動作させるための教示プログラムの構成を工夫したり、動きやすい姿勢を教示したりと、作業者の経験やノウハウを駆使しながら、試行錯誤で教示作業を行なっている。

この場合、動作速度の向上は作業者の技量に依存する事になり、また作業効率が悪く時間がかかる、という課題があった。この問題を解決するために、同じ動作を繰り返し学習していくことで、作業者の技量によらず動作を高速化する方法が提案されている（例えば、特許文献１）。

特許文献１に記載の発明では高精度な振動抑制を行うために、ロボットに追加のセンサを必要とする。またワークの状態によって位置姿勢が変化するような動作の場合、任意の位置における動作を学習することが困難であるという課題がある。

この課題に対して、任意の位置に仮想ワークを配置し、その仮想ワークに対して作業を行うことで、任意の位置における動作を学習する方法も知られている。しかしながら、実際にはワークが存在しないため、ロボットに加わる負荷などを正確に学習できないという課題がある。また、実際のラインにおけるワークの配置状況を考慮して仮想ワークを配置しないと、実際には使用されない位置における動作も学習してしまう可能性がある。

特開２０１１−１６７８１７号公報

本発明は、所定の作業領域において位置姿勢が変化するような動作の場合でも、教示のノウハウを必要とせず、また振動抑制のためのセンサ等の特別な装置を用いることなく、学習によって簡単にロボット動作の高速化を行うことができるロボットシステムを提供することを目的とする。

上記目的を達成するために、本発明は、所定の作業領域に存在する作業対象のワークの位置姿勢を検出する検出部と、検出した位置姿勢の情報に基づいて、ワークに対して所定の動作を行うロボットと、ロボットを制御するロボット制御装置と、を有し、ロボット制御装置は、作業領域を所定の分解能で複数の領域に分割する領域分割部と、ワークが複数の領域のいずれの領域に存在するかを判断する領域判断部と、ワークが存在する領域毎に、速度又は加速度を変更して動作を高速化するための動作高速化率を学習する学習制御部と、ワークが存在する領域の位置及び当該領域における動作高速化率を記憶する記憶部と、新たなワークが存在する領域において、動作が学習済みか否かを判断し、動作が学習済みの場合は学習した動作高速化率を用いて新たなワークに対して動作を実行するようにロボットを制御し、未学習の場合は学習制御部に動作高速化率を学習させる制御部と、を有することを特徴としたロボットシステムを提供する。

好適な実施形態では、ロボットが行う動作は、ロボットが作業領域内に配置されたワークを把持する動作と、ロボットが把持したワークを作業終了領域内に載置する動作と、を含む。

好適な実施形態では、学習制御部は、学習の状況に応じて、複数の領域毎に作業する優先度を変更する。

好適な実施形態では、学習制御部は、ロボットの各軸を駆動するモータの許容負荷と、動作パターン実行中のモータの負荷に基づいて、動作高速化率を算出し、記憶部は、動作高速化率を動作の学習前の速度及び加速度の少なくとも一方を含む動作情報と共に記憶する。

好適な実施形態では、学習制御部は、動作パターン実行中のロボットの各軸を駆動するモータに対する指令値とモータからのフィードバック値との差分情報に基づいて、動作高速化率を算出し、記憶部は、動作高速化率を動作の学習前の速度及び加速度の少なくとも一方を含む動作情報と共に記憶する。

好適な実施形態では、学習制御部は、動作を実行する前に、実行する前の動作と類似する学習動作を過去の学習データから検索し、類似した学習動作が存在する場合は、類似した学習動作に関連付けられた動作高速化率と、実行する前の動作及び類似した学習動作の動作情報の差異とに基づいて動作高速化率を修正し、制御部は、修正後の動作高速化率を用いて動作を高速化する。

本発明の実施例に係るロボットシステムを用いることで、ロボットが実際に行う使用頻度の高い動作から順に効率よく学習することができる。

本発明の実施例１に係るロボットシステムの全体構成の概略を示した図である。 本発明の実施例１の他の実施形態に係るロボットシステムの全体構成の概略を示した図である。 本発明の実施例１に係るロボットシステムに含まれるロボット制御装置の構成図である。 本発明の実施例１に係るロボットシステムの動作手順を説明するためのフローチャートである。 本発明の実施例１の他の実施形態に係るロボットシステムの分割された作業領域のイメージ図である。 本発明の実施例２に係るロボットシステムの動作手順を説明するためのフローチャートである。 本発明の実施例３に係るロボットシステムの動作手順を説明するためのフローチャートである。 本発明の実施例４に係るロボットシステムの動作手順を説明するためのフローチャートである。 本発明の実施例５に係るロボットシステムの動作手順を説明するためのフローチャートである。

以下、図面を参照して、本発明に係るロボットシステムについて説明する。

［実施例１］
まず、本発明の実施例１に係るロボットシステムについて説明する。図１に、本発明の実施例１に係るロボットシステムの全体構成の概略図を示す。本発明の実施例１に係るロボットシステム１０１は、検出部６と、ロボット３と、ロボット制御装置７と、を有する。ロボット３は、例えば６軸の多関節ロボットであり、ロボットアーム３１と、ロボットアーム３１の先端に取り付けられたハンド４とを有する。

検出部６は、所定の作業領域１に存在する作業対象のワーク２の位置姿勢を検出する。ロボット制御装置７は、検出部６の検出結果に基づいて、ロボット３の動作（微小時間毎のロボットの位置及び姿勢）を補正するための補正量を求めことができる。検出部６の例としては、作業領域１の一部又は全体を撮像可能なカメラを用いた視覚センサが挙げられる。

ロボット３は、検出した位置姿勢の情報に基づいて、ワーク２に対して所定の動作を行う。一例として、図１に例示するロボットシステムでは、ロボット３の動作は、ロボット３が作業領域内１に配置されたワーク２を把持する動作と、ロボット３が把持したワーク２を作業終了領域５内に載置する動作と、を含む。具体的には、ロボット３は、作業領域１に置かれた位置姿勢が不定のワーク２をロボット３に装着されたハンド４で取り、所定の場所５に置くというプロセスを行う。

ロボット制御装置７は、ロボット３を制御する。ロボット制御装置７は、実行した動作に対して速度又は加速度を変更して動作を高速化するための、動作高速化率を学習することができる。

図２は、本発明の実施例１の他の実施形態に係るロボットシステムの全体構成の概略を示した図である。図２に例示するロボットシステムでは、ロボット１３の動作は、ロボット１３が作業領域内に配置されたワーク１２を把持する動作と、ロボット１３が把持したワーク１２を作業終了領域１９内に載置する動作と、を含む。具体的には、供給コンベヤ１１を流れてくるワーク１２を供給コンベア側作業領域１８においてロボット１３に装着されたハンド１４で取り、排出コンベヤ１５上の排出コンベア側作業領域１９に置くというプロセスを行う。供給コンベヤ１１及び排出コンベヤ１５には、ワークを把持するとき及びワークを置くときの位置姿勢を随時検出し、ロボットの動作を補正するための検出部１６が取り付けられている。図２に示した例では、検出部は１つのみ設けられているが、供給コンベヤ１１及び排出コンベヤ１５の各々に検出部を設けるようにしてもよい。検出部の一例として視覚センサ及びエンコーダが挙げられる。このロボットシステムでは実行した動作に対して速度又は加速度を変更して動作を高速化するための、動作高速化率を学習することができる。

図３に、本発明の実施例１に係るロボットシステム１０１に含まれるロボット制御装置７の構成図を示す。ロボット制御装置７は、領域分割部２１と、領域判断部２２と、学習制御部２３と、記憶部２４と、制御部２５と、を有し、これらはバス３０で接続されている。なお、ロボット制御装置１７もロボット制御装置７と同様の構成を有する。

領域分割部２１は、作業領域１を所定の分解能で複数の領域に分割する。作業領域１を分割する例については後述する。

領域判断部２２は、ワーク２が分割した複数の領域のいずれの領域に存在するかを判断する。

学習制御部２３は、ワーク２が存在する領域毎に、速度又は加速度を変更して動作を高速化するための動作高速化率を学習する。

記憶部２４は、ワーク２が存在する領域の位置及び当該領域における動作高速化率を記憶する。

制御部２５は、新たなワークが存在する領域において、動作が学習済みか否かを判断し、動作が学習済みの場合は学習した動作高速化率を用いて新たなワークに対して動作を実行するようにロボット３を制御し、未学習の場合は学習制御部２３に動作高速化率を学習させる。

図１及び図２のロボットシステム１０１，１０２におけるハンド４，１４の移動は、ロボット３，１３の各軸を駆動するモータ（好ましくはサーボモータ）をロボット制御装置７，１７が制御することによって行われる。また学習において一時的に必要となる動作実行中のモータの速度、加速度及びトルク、並びにモータ誤差の少なくとも１つを含む動作情報は、記憶部２４の揮発性メモリ（図示せず）に保存し、予め設定されるモータの速度、加速度及びトルク、並びにモータ誤差等の許容値は記憶部２４のＲＯＭ（図示せず）に保存することができる。また、学習処理によって算出された動作高速化率（後述）等の学習データは、記憶部２４の不揮発性メモリに保存することができる。

図４に図１又は図２のシステムにおける本実施例の処理を示すフローチャートを示す。学習を開始すると、まずステップＳ１で作業領域（図１の場合は作業領域１、図２の場合は作業領域１８，１９）を所定の分解能で複数の領域に分割する。

ステップＳ２では実際の作業を行う際に、作業対象の領域がステップＳ１で分割した領域のいずれに該当するかを判断する。そしてステップＳ３において、作業する領域が学習済みか否か、即ち、この領域で行われる作業が学習未完了か学習済みかを判断する。学習未完了と判断された場合は、ステップＳ４において実行された動作について動作高速化率の学習を行う。一方、ステップＳ３において学習済みと判断された場合は、ステップＳ５において学習した動作高速化率に基づいて動作を高速化することができる。

ステップＳ６では、学習未完了の動作と学習済みの動作の割合などに基づいて、学習の進捗を判断し、所定の条件を満たした場合は学習を終了させる。まだ条件を満たしていない場合はステップS２に戻って学習を続行する。

図５は、図２のようなシステム構成において、領域分割の分解能が１００ｍｍであって、把持（取り）動作を行う作業領域１００と載置（置き）動作を行う作業領域２００の大きさが共に２００ｍｍ×１００ｍｍである場合の作業領域の分割を例示する図である。例えば、作業領域１００は領域Ａ及びＢに分割され、作業領域２００は領域ａ及びｂに分割される。

この場合、各領域での動作は、「領域Ａと領域ａ」、「領域Ａと領域ｂ」、「領域Ｂと領域ａ」、「領域Ｂと領域ｂ」のそれぞれの間において、取り動作と置き動作が各々４つずつ、計８つ存在するとして学習を行う。例えば、領域Ａにあるワークを取った後から、領域ａにワークを置くまでが１つの置き動作であり、逆に領域ａにワークを置いた後から、領域Ａにあるワークを取るまで１つの取り動作である。

そして、各領域間で動作を実行することにより、許容される動作高速化率を学習する。例えば、領域Ａにあるワークを取り、領域ｂに置く動作の動作高速化率を学習し、ワークを取る領域、ワークを置く領域、及び動作高速化率を記憶する。その結果、領域Ａにある新たなワークを領域ｂに置く場合、既に記憶した動作高速化率を用いて動作を高速化することができるので、再度学習を繰り返すことなく、動作の高速化を実現することができる。

以上説明したように、実施例１に係るロボットシステムによれば、実行した動作に対して速度又は加速度を変更して動作を高速化するための動作高速化率を学習することができる。

［実施例２］
次に、本発明の実施例２に係るロボットシステムについて説明する。本発明の実施例２に係るロボットシステムが、実施例１に係るロボットシステムと異なっている点は、学習制御部２３が、学習の状況に応じて、複数の領域毎に作業する優先度を変更する点である。実施例２に係るロボットシステムのその他の構成は、実施例１に係るロボットシステムにおける構成と同様であるので詳細な説明は省略する。

以下に、実施例２に係るロボットシステムの学習方法の手順について、図６に示したフローチャートを用いて説明する。学習を開始すると、まずステップＳ１０１において作業領域を所定の分解能で複数の領域に分割する。

ステップＳ１０２では各領域の学習状況に基づいて、作業する領域の優先度を設定する。例えば、図２に示したシステムにおいて、図５で例示したように領域が分割されているとする。このとき、領域Ｂで把持したワーク１２を排出コンベヤ１５に置く作業を行う際に、「領域Ｂから領域ｂ」への置き動作が学習済みで、「領域Ｂから領域ａ」への置き動作が学習未完了の場合は、「領域Ｂから領域ａ」への置き動作を優先的に実行するように優先度の設定を行う。これにより、学習の必要性の高い動作から順に効率良く学習することができる。

ステップＳ１０３では、実際の作業を行う際に、作業対象の領域がステップＳ１０１で分割した領域のいずれに該当するかを判断する。そしてステップＳ１０４において、作業する領域が学習済みか否か、即ち、この領域で行われる作業が学習未完了か学習済みかを判断する。そして、学習未完了と判断された場合は、ステップＳ１０５において実行された動作について動作高速化率の学習を行う。一方、ステップＳ１０４において学習済みと判断された場合は、ステップＳ１０６において、学習した動作高速化率に基づいて動作を高速化することができる。

ステップＳ１０７では、現在までに実行された、学習未完了の動作と学習済みの動作の割合などに基づいて、学習の進捗を判断し、所定の条件を満たした場合は学習を終了させる。例えば、複数の領域間の全動作のうちの７０％が学習済みである場合に学習を終了するというように条件を設定することができる。一方、まだ条件を満たしていない場合は、ステップS１０２に戻って学習を続行する。

以上説明したように、実施例２に係るロボットシステムによれば、本発明の手法を用いることで、ロボットが実際に学習を行う必要性の高い動作から順に効率よく学習することができる。

［実施例３］
次に、本発明の実施例３に係るロボットシステムについて説明する。本発明の実施例３に係るロボットシステムが、実施例１に係るロボットシステムと異なっている点は、学習制御部２３が、ロボット３，１３の各軸を駆動するモータの許容負荷と、動作パターン実行中のモータの負荷に基づいて、動作高速化率を算出し、記憶部２４が、動作高速化率を動作の学習前の速度及び加速度の少なくとも一方を含む動作情報と共に記憶する点である。実施例３に係るロボットシステムのその他の構成は、実施例１に係るロボットシステムにおける構成と同様であるので詳細な説明は省略する。

図７に示すフローチャートに従って、本発明の実施例３に係るロボットシステムの学習方法の動作手順について説明する。まず、ステップＳ２０１で実施例１に記載の方法により学習未完了と判断された動作が実行される。

ステップＳ２０２において、動作実行中におけるロボット３，１３の各軸を駆動するモータの許容負荷（最大モータ速度及びトルク値）、即ち、各軸のモータ速度の最大値ω_ｍａｘ_j及びモータトルクの最大値τ_ｍａｘ_jを記録しておく。ここで、「ｊ」は各軸の軸番号を示し、例えば６軸の多関節ロボットであればｊ＝１〜６である。

動作終了後、記録したモータ速度の最大値及びモータトルクの最大値に基づいて、この動作パターンに対して設定可能な動作高速化率α（α≧１．０）の最大値α_maxを計算する（ステップＳ２０４）。ここで、動作高速化前における動作に要する経過時間ｔとモータ目標角度θの関係を以下の式（１）で表す。
θ＝ｆ（ｔ） （０≦ｔ≦ｔ_max） （１）
そうすると、動作高速化率αとは、以下の式（２）を満たすように動作させる指標のことである。
θ＝ｆ（αｔ） （０≦ｔ≦ｔ_max／α） （２）

上記の式において、モータ速度はαに比例し、モータトルクはαの２乗に比例することを考慮すると、許容される動作高速化率の最大値α_maxは、

と算出される。ここで、ω_ａｌｗ_j，τ_ａｌｗ_jは、各軸におけるモータの負荷、即ち、モータ速度、モータトルクの許容値である。

ステップＳ２０５において上記計算によって算出した動作高速化率を実行した動作パターンに関連付けて記憶する。

本発明の実施例３に係るロボットシステムを用いた学習方法によれば、ロボット機構部の負荷を許容値以下に抑えた動作高速化を実現することができる。

［実施例４］
次に、本発明の実施例４に係るロボットシステムについて説明する。本発明の実施例４に係るロボットシステムが、実施例１に係るロボットシステムと異なっている点は、学習制御部２３が、動作パターン実行中のロボットの各軸を駆動するモータに対する指令値とモータからのフィードバック値との差分情報に基づいて、動作高速化率を算出し、記憶部２４が、動作高速化率を動作の学習前の速度及び加速度の少なくとも一方を含む動作情報と共に記憶する点である。実施例４に係るロボットシステムのその他の構成は、実施例１に係るロボットシステムにおける構成と同様であるので詳細な説明は省略する。

図８に示すフローチャートに従って、本発明の実施例４に係るロボットシステムの学習方法の手順について説明する。

まず、ステップＳ３０１で実施例１に記載の方法により学習未完了と判断された動作が実行される。

ただし、学習途中の場合は、ステップＳ３０２において、記録されている動作高速化率に基づいて動作の高速化を行う。

ステップＳ３０３において、動作実行中における指令値である各軸のモータ目標角度とフィードバック値である実際の角度との誤差の最大値を記録しておく。

ステップＳ３０４において、動作終了後、記録した角度誤差の大きさに応じて動作高速化率を増減させる（ステップＳ３０５）。ステップＳ３０５の一例として、角度誤差の許容値ｔｏｌ_ｅｒｒ１_j，ｔｏｌ_ｅｒｒ２_j（ｔｏｌ_ｅｒｒ１_j≦ｔｏｌ_ｅｒｒ２_j）に対して、動作中の角度誤差の最大値がｔｏｌ_ｅｒｒ１_j未満の場合は動作高速化率を所定量増加させ、ｔｏｌ_ｅｒｒ２_j以上の場合は動作高速化率を所定量減少させることができる。

ステップＳ３０６において、上記のようにして算出した動作高速化率を動作パターンに関する情報、即ち、動作の学習前の速度及び加速度の少なくとも一方を含む動作情報に関連付けて記憶する。

本発明の実施例４に係るロボットシステムを用いた学習方法によれば、動作実行中における各軸のモータ目標角度と実際の角度との誤差が所定範囲に収まるようにして動作高速化率を決定しているため、モータの振動を許容値以下に抑えた動作高速化を実現することができる。

［実施例５］
次に、本発明の実施例５に係るロボットシステムについて説明する。本発明の実施例５に係るロボットシステムが、実施例１に係るロボットシステムと異なっている点は、学習制御部２３が、動作を実行する前に、実行する前の動作と類似する学習動作を過去の学習データから検索し、類似した学習動作が存在する場合は、類似した学習動作に関連付けられた動作高速化率と、実行する前の動作及び類似した学習動作の動作情報の差異とに基づいて動作高速化率を修正し、制御部２５が、修正後の動作高速化率を用いて動作を高速化する点である。実施例５に係るロボットシステムのその他の構成は、実施例１に係るロボットシステムにおける構成と同様であるので詳細な説明は省略する。

図９に示すフローチャートに従って、本発明の実施例５に係るロボットシステムの学習方法の手順について説明する。

本発明の実施例５に係るロボットシステムによる学習では、動作高速化率αと共に動作高速化前の最大速度ｖ，最大加速度ａを記憶しておく。この最大速度ｖ、最大加速度ａは動作計画時に算出される値で動作を実際に行う前から既知の値である。

学習後、動作（以下、「再生動作」と呼ぶ）を実行する前に、ステップＳ４０１において、再生動作に類似した動作が学習済みか、過去の学習データから検索する。ここで再生動作に類似した動作（以下、「学習動作」と呼ぶ）とは作業対象の領域が再生動作と同じ又は近傍となる動作のことをいう。

学習動作が存在した場合、ステップＳ４０２において、この学習動作に関連付けられている動作高速化率α_max、動作高速化前の最大速度ｖ、最大加速度ａを取得する。

学習動作と再生動作とでは動作高速化前の最大速度、最大加速度は必ずしも同じとはならない。そのため、この違いにより、再生動作を動作高速化率α_maxで高速化した際にモータ速度、モータトルク、角度誤差などが許容される値を大きく超えてしまう可能性がある。この影響を抑制するために、ステップＳ４０３で学習動作と再生動作における高速化前の最大速度、最大加速度の違いを考慮して、学習動作の動作高速化率α_maxを再生動作用の動作高速化率α´_maxに修正する。

再生動作の高速化前の最大速度、最大加速度をそれぞれＶ，Ａとすると、α´_maxは

と算出される。上記算出式により再生動作高速化時の最大速度、最大加速度が学習動作高速化時の速度、加速度に近づくように動作高速化率が修正される。

そしてステップＳ４０４で、修正後の動作高速化率α´_maxを用いて動作を高速化することができる。

以上説明したように、実施例５に係るロボットシステムによれば、実行する前の動作であっても学習した類似動作の学習情報に基づいて動作を高速化することができる。

１ 作業領域
２，１２ ワーク
３，１３ ロボット
４，１４ ハンド
５ 作業終了領域
６，１６ 検出部
７，１７ ロボット制御装置
１１ 供給コンベア
１５ 排出コンベア
１８ 供給コンベア側作業領域
１９ 排出コンベア側作業領域
２１ 領域分割部
２２ 領域判断部
２３ 学習制御部
２４ 記憶部
２５ 制御部
３０ バス

Claims (5)

1. 所定の作業領域に存在する作業対象のワークの位置姿勢を検出する検出部と、
   検出した前記位置姿勢の情報に基づいて、前記ワークに対して所定の動作を行うロボットと、
   前記ロボットを制御するロボット制御装置と、を有し、
   前記ロボット制御装置は、
   前記作業領域を所定の分解能で複数の領域に分割する領域分割部と、
   前記ワークが前記複数の領域のいずれの領域に存在するかを判断する領域判断部と、
   前記ワークが存在する領域毎に、速度又は加速度を変更して前記動作を高速化するための動作高速化率を学習する学習制御部と、
   前記ワークが存在する領域の位置及び当該領域における前記動作高速化率を記憶する記憶部と、
   新たなワークが存在する領域において、前記動作が学習済みか否かを判断し、前記動作が学習済みの場合は学習した前記動作高速化率を用いて前記新たなワークに対して前記動作を実行するように前記ロボットを制御し、未学習の場合は前記学習制御部に前記動作高速化率を学習させる制御部と、
   を有し、
   前記学習制御部は、前記学習の状況に応じて、前記複数の領域毎に作業する優先度を変更することを特徴としたロボットシステム。
2. 前記動作は、前記ロボットが前記作業領域内に配置されたワークを把持する動作と、前記ロボットが把持したワークを作業終了領域内に載置する動作と、を含む、請求項１に記載のロボットシステム。
3. 前記学習制御部は、前記ロボットの各軸を駆動するモータの許容負荷と、動作パターン実行中の前記モータの負荷に基づいて、前記動作高速化率を算出し、
   前記記憶部は、前記動作高速化率を前記動作の学習前の速度及び加速度の少なくとも一方を含む動作情報と共に記憶する、請求項１または２に記載のロボットシステム。
4. 前記学習制御部は、動作パターン実行中の前記ロボットの各軸を駆動するモータに対する指令値とモータからのフィードバック値との差分情報に基づいて、前記動作高速化率を算出し、
   前記記憶部は、前記動作高速化率を前記動作の学習前の速度及び加速度の少なくとも一方を含む動作情報と共に記憶する、請求項１または２に記載のロボットシステム。
5. 前記学習制御部は、動作を実行する前に、実行する前の動作と類似する学習動作を過去の学習データから検索し、前記学習動作が存在する場合は、前記学習動作に関連付けられた動作高速化率と、前記実行する前の動作及び前記学習動作の動作情報の差異とに基づいて前記動作高速化率を修正し、
   前記制御部は、修正後の前記動作高速化率を用いて前記動作を高速化する、請求項３又は４に記載のロボットシステム。

Images