JP6494331B2 - ロボット制御装置およびロボット制御方法 - Google Patents

ロボット制御装置およびロボット制御方法 Download PDF

Info

Publication number
JP6494331B2
JP6494331B2 JP2015041691A JP2015041691A JP6494331B2 JP 6494331 B2 JP6494331 B2 JP 6494331B2 JP 2015041691 A JP2015041691 A JP 2015041691A JP 2015041691 A JP2015041691 A JP 2015041691A JP 6494331 B2 JP6494331 B2 JP 6494331B2
Authority
JP
Japan
Prior art keywords
robot
worker
state
learning
learning information
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.)
Active
Application number
JP2015041691A
Other languages
English (en)
Other versions
JP2016159407A (ja
Inventor
伸明 ▲桑▼原
伸明 ▲桑▼原
鈴木　雅博
雅博 鈴木
小林　一彦
一彦 小林
祐介 中里
祐介 中里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Priority to JP2015041691A priority Critical patent/JP6494331B2/ja
Priority to US15/051,893 priority patent/US20160260027A1/en
Publication of JP2016159407A publication Critical patent/JP2016159407A/ja
Application granted granted Critical
Publication of JP6494331B2 publication Critical patent/JP6494331B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/06—Safety devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16P—SAFETY DEVICES IN GENERAL; SAFETY DEVICES FOR PRESSES
    • F16P3/00—Safety devices acting in conjunction with the control or operation of a machine; Control arrangements requiring the simultaneous use of two or more parts of the body
    • F16P3/12—Safety devices acting in conjunction with the control or operation of a machine; Control arrangements requiring the simultaneous use of two or more parts of the body with means, e.g. feelers, which in case of the presence of a body part of a person in or near the danger zone influence the control or operation of the machine
    • F16P3/14—Safety devices acting in conjunction with the control or operation of a machine; Control arrangements requiring the simultaneous use of two or more parts of the body with means, e.g. feelers, which in case of the presence of a body part of a person in or near the danger zone influence the control or operation of the machine the means being photocells or other devices sensitive without mechanical contact
    • F16P3/142—Safety devices acting in conjunction with the control or operation of a machine; Control arrangements requiring the simultaneous use of two or more parts of the body with means, e.g. feelers, which in case of the presence of a body part of a person in or near the danger zone influence the control or operation of the machine the means being photocells or other devices sensitive without mechanical contact using image capturing devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39205—Markov model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40116—Learn by operator observation, symbiosis, show, watch
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40201—Detect contact, collision with human
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40202—Human robot coexistence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/02—Arm motion controller
    • Y10S901/03—Teaching system

Description

本発明は、作業者とロボットが共存する空間で作業をするためのロボット制御装置およびロボット制御方法に関する。
生産や組み立ての効率化を図るために、作業者とロボットが共存する空間で作業を行うシステムが近年注目を集めている。しかし、作業者とロボットが共存する空間で作業を行う場合に、ロボットと作業者が干渉することで、作業者に危害が及ぶ可能性がある。
そこで、特許文献１に記載の手法では、境界を横切るような動作などの各種の動作の監視に用いる監視境界を２つ設ける。そして、いずれか一方の監視境界を、無効な監視境界とし、さらにその無効な監視境界を、２つの監視境界で切替え可能にする。つまり、２つの監視境界の間の領域は、作業者とロボットが排他に進入可能な領域となり、安全性を向上させつつ、ロボットと作業者が共存する空間で作業を行うことができるようにしている。
特開２００８−１９１８２３号公報 特開２００１−０９２９７８号公報 特開平６−５９８０４号公報
しかしながら、特許文献１に記載の構成では、監視境界の間の領域において、ロボットと人間のどちらか一方しか作業ができないため、生産性が低下する場合がある。
本発明は前述の問題点に鑑み、監視境界などを用いて作業空間中に領域を定義することなく、ロボットと作業者が共存する空間で安全に作業をすることを可能にし、生産性を向上させることを目的とする。
本発明のロボット制御装置は、作業者とロボットの時系列の状態を検出してロボットを制御するロボット制御装置であって、作業者の状態を検出する検出手段と、ロボットおよび作業者の時系列の状態を学習した学習情報を保持する学習情報保持手段と、前記検出手段から出力された作業者の状態と、ロボットの状態と、前記学習情報保持手段から出力される学習情報に基づいて、ロボットの動作を判断する判断手段と、前記判断手段から出力される情報に基づいて、ロボットの動作を制御する制御手段とを有することを特徴とする。
本発明によれば、作業をするロボットおよび作業者の状態と、ロボットおよび作業者の状態を時系列に学習した学習情報に基づいてロボットを制御する。これにより、ロボットと作業者が共存する空間でロボットと作業者が安全に作業をすることが可能となり、生産性を向上することができる。
第１、第２及び第４の実施形態に係るロボット制御装置の全体構成を示す図である。 第１、第２及び第３の実施形態に係る事例に関する説明をした図である。 検出部で検出する作業者の状態を示した図である。 ロボットの状態を示した図である。 作業者とロボットの動作を学習するためのモデルを表した図である。 実施形態に係るモデルを学習する手順を示したフローチャートである。 第１の実施形態に係るロボット制御装置の制御手順を示すフローチャートである。 第２の実施形態に係るロボット制御装置の制御手順を示すフローチャートである。 第３の実施形態に係るロボット制御装置の全体構成を示す図である。 第３の実施形態に係るロボット制御装置の制御手順を示すフローチャートである。 第４の実施形態に係る事例に関する説明をした図である。 第４の実施形態に係るロボット制御装置の制御手順を示すフローチャートである。 作業者の時系列の状態の保持方法について説明する図である。 学習結果のモデルの保持方法について説明する図である。 学習結果のモデルを表した図である。
（第１の実施形態）
本実施形態に係るロボット制御装置は、ロボットと作業者が共存する空間で作業をする場合において、事前にロボットと作業者の作業における時系列の状態を学習した学習情報を用いる。現在作業している作業者とロボットの時系列の状態が、学習した作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。また、学習時の作業者とロボットの時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。このように、事前に学習した情報を用いてロボットを制御することで、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させるようにしたものである。
まず、図２を用いて、本実施形態におけるロボット制御装置を適用可能な作業者２０３とロボット１０３の作業の事例について説明する。
図２の事例では、ロボット１０３と、センサ１０２がロボット制御装置１０１に接続されている。ロボット１０３には、ハンド２０５が接続されている。また、ハンド２０５は作業対象２０６を把持している。２０３は作業者であり、作業者２０３においても作業者の手２０７で作業対象２０８を把持している状態である。また、ロボット座標系２１１が定義されている。
次の状態では、ロボット１０３は把持している作業対象２０６を作業台２１０の上に配置されている作業対象２０９に組み付ける。同時に、作業者２０３も、把持している作業対象２０８を作業台２１０の上に配置している作業対象２０９に組み付ける事例である。
ここで、センサ１０２とロボット制御装置１０１を用いて作業者２０３の時系列の状態と、ロボット１０３の時系列の状態を、ロボット制御装置１０１が、事前に学習した情報を用いて評価している。現在作業している作業者２０３とロボット１０３の時系列の状態が、学習した作業者２０３とロボット１０３の時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。また、学習した作業者２０３とロボット１０３の時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。
このように制御することで、ロボット１０３は把持している作業対象２０６を作業台２１０の上に配置している作業対象２０９に組み付けることができる。また、同時に、作業者２０３も、把持している作業対象２０８を作業台２１０の上に配置している作業対象２０９に組み付けることができる。
図２のロボット制御装置１０１の構成について、図１を用いて説明する。
図１は、本実施形態におけるロボット制御装置１０１の構成例を示すブロック図である。１０２は、作業者２０３の状態を感知するセンサ、１０３はロボットである。１０４は、センサ１０２からの情報を元に作業者２０３の状態を検出する検出部である。１０５は、ロボット１０３の状態と作業者２０３の状態を時系列に学習した学習情報を保持する学習情報保持部である。１０６は、ロボット１０３、検出部１０４、学習情報保持部１０５から入力される情報に基づいてロボット１０３の動作を判断する判断部である。１０７は、判断部１０６から入力される情報に基づいてロボット１０３を制御する制御部である。
以下、ロボット制御装置１０１の各部位、および、センサ１０２とロボット１０３について詳細に説明する。
まず、センサ１０２は、作業者の状態を感知する装置である。センサ１０２は、検出部１０４が作業者の状態を認識可能な情報を出力する必要がある。ここで、作業者の状態とは、作業者の振る舞いを表現するためのパラメータである。本実施例の作業者の状態とは、図２で定義したロボット座標系２１１から見た作業者の手の位置である。
作業者の手の位置のデータの保持の方法について、図１３の例を用いて説明する。作業者の手の位置は、XML（Extensible Markup Language）形式で保持される。１つ作業の振る舞いは、タグ＜motion＞で囲まれたデータで保持される。また、１つの作業は、離散的に時系列に保持される。時系列で保持するために、タグ<frame>で囲まれた要素を複数保持する。そして、タグ<frame>内には作業開始からの時間を記録したタグ<time>と、作業者の手の部位のタグ＜region＞で構成される。本実施例では、手の位置を保持するので、タグ<name>にはhandが指定される。さらに、タグ<position>で囲まれた部分に作業者の腕の特定の部位の位置の値、ここでは手の重心位置の値が保持される。
センサ１０２は、検出部１０４が作業者の状態を認識可能な情報を出力するために、３次元の距離画像が取得可能なカメラを用いる。
次に、検出部１０４は、センサ１０２から入力された情報から、作業者の状態を検出する部位である。２次元や３次元の画像から作業者の部位の位置姿勢を求める手法は、多く提案されており、例えば、特許文献２に記載の手法を用いてもよい。
ロボット１０３は、制御可能なロボットであり、ロボットの状態を出力可能なロボットであれば、どのようなロボットであってもよい。
学習情報保持部１０５は、事前にロボット１０３とセンサ１０２の状態の変化を学習したモデル情報が記録されている。
学習情報保持部１０５に記録されているモデル情報の生成方法について、図３〜図６および図１４、図１５を用いて説明する。
学習情報保持部１０５に記録されているモデル情報は、作業者とロボットが作業をする動作から生成したモデル情報である。モデル情報は、そのモデルの構造とパラメータで構成される。
まず、モデルの構造であるが、伸縮する可能性のある信号パターンに適した、隠れマルコフモデルを用いる。
具体的には、図５の（ｂ）の５０１のような、状態５０３と状態遷移５０２で構成されたモデルである。
各状態ｓ１、ｓ２、ｓ３は確率密度関数であり、それぞれの状態は、図５（ｃ）の５０４、５０５、５０６のような正規分布の確率密度関数である。
次に、モデルの学習方法について述べる。モデルの学習には、作業者とロボットが作業をする動作を複数回行った動作のサンプルから学習する。本実施形態において、学習する作業者とロボットの状態は、作業者の手とロボットのハンドの位置とする。
モデルの学習とは、図５（ｂ）に示した各状態の遷移確率、a11、a12、a21、a22、a31のパラメータ、および図５（ｃ）に示した各状態の正規分布の確率密度関数のパラメータ、平均ｍ１、ｍ２、ｍ３、分散ｖ１、ｖ２、ｖ３を求めることである。
ここで、学習のための作業者の動作の時系列の状態の取得方法は、図３（ａ）に示すように、作業者２０３の手の位置３０２の情報について、センサ１０２を用いて得る。
また、図３（ａ）では作業者２０３の手の位置を３０１から３０２まで移動させる動作を表している。
図３（ａ）で示した作業者２０３の手の位置は、図３（ｂ）の時間と手の位置のグラフ３０３のように書くことができる。
図３（ｂ）の手の位置のグラフ３０３について詳細に説明する。
グラフ３０３は、横軸が時間、縦軸が図２記載のロボット座標系２１１のZ軸方向の位置である。
作業者２０３の手の位置は、３次元で表すことができる。しかし、ここでは、説明を簡略化するためにZ軸の座標のみを用いる。
３次元に拡張する場合は、図５（ｂ）に示したモデル５０１をZ軸だけでなくXY軸についても用意すればよい。
また、図３（ｂ）のｔ０の時点での手の位置は作業開始の初期位置として、あらかじめ設定されている。加えて、手の位置を計測するにあたり、図３（ｂ）の手の位置ｃ１、ｃ２のように、チェックポイントが定義している。図３（ｂ）では、ｃ１は0.5mに設定されており、ｃ２は、１．３ｍに設定されている。このｃ１、ｃ２のチェックポイントにより、手の位置の時間変化を、グループに分ける。
図３（ｂ）では、初期位置からｃ１の位置までをｓ１、ｃ１からｃ２の位置までをｓ２、ｃ２から最終位置をｓ３とする。このグループ分けを行うことで、それぞれのグループで入力される手の位置の値の傾向別に学習した結果が得られる。グループ化する理由は、グループを分けない場合に比べて、より動作の特徴を反映した、学習結果が得られるという効果があるからである。
作業者２０３の手の位置３０２がｃ１に達した時間をｔ３とし、ｔ０からの時間をｔ１、ｔ２で均等に分割する。同様にｃ２に達した時間をｔ５とし、ｔ４で均等に分割する。
均等に分割する理由は、c1に達する時間が変わったとしても、同様の学習モデルを使用できるからである。
加えて、図３（ａ）で示した作業者の手の位置だけでなく、作業者２０３が把持している作業対象２０８の状態を作業者２０３の状態に含めて、動作を取得してもよい。作業対象２０８の状態を含めることで、部品の脱落や把持の失敗に対しても対応できるという効果がある。
次に、学習する動作の特徴を表した情報を取得するために、図３(ｂ)で手の位置の情報を、図中のt1、t2、t3、t4、t5、t6、t7の手の位置を抽出する。そして、前の時点と次の時点の位置の値の差分を作業者の学習する動作の特徴とする。例えば、t1時点での手の位置からt0の手の位置の差分を求めると、０．１になる。t2時点での手の位置からt1時点の手の位置の差分を求めると０．２になる。同様に、前の時点と次の時点の位置の値の差分を求めて、左から列挙すると、図３（ｃ）の３０４のような数字の列となる。
学習のためのロボット１０３の動作の時系列の状態の取得方法は、図４（ａ）のように、ロボット１０３の関節の角度情報をロボット１０３の関節に内蔵されているエンコーダーの情報を読み取ることで得る。ロボット１０３の関節の角度が分かれば、順運動学(forward kinematics)の計算で、ロボット１０３のハンドの位置が分かる。
また、図４では、ロボット１０３のハンドの位置を４０１から４０２まで移動させる動作を表している。
図４（ａ）で示したロボット１０３の関節の位置は、図４（ｂ）の時間とハンドの位置のグラフ４０３のように書くことができる。
図４では、一つの関節の動作に着目しているが、もちろん状態を取得する関節は１つに限る必要はない。ロボット１０３の作業の動作を代表する部位であれば、複数用いてもよい。さらに、図４（ａ）のロボット１０３が把持している作業対象２０６の状態をロボット１０３の状態に含めて、動作を取得してもよい。作業対象２０６の状態を含めることで、部品の脱落や把持の失敗に対しても対応できるという効果がある。
また、学習する動作の特徴を表した情報を取得するために、図４(ｂ)で手の位置の情報を、図中のt0、t1、t2、t3、t4、t5、t6、t7の手の位置を抽出しその値の差分をロボットの学習する動作の特徴とする。結果として、ハンドの位置の前の時点と次の時点の位置の値の差分を求めて、左から列挙すると、図４（ｃ）の４０４となる。
次に、図３で説明した手順で得た複数の作業者の時系列の状態の情報から作業者のモデルのパラメータを求める方法について図５を用いて説明する。ロボットのモデルのパラメータを求める方法も同様であるため、説明は省略する。
図５（ａ）ように、作業者の複数の動作のサンプル３０４、３０５、３０６のグループ化された動作は、それぞれ５０７、５０８、５０９のようになる。それぞれのグループをモデル５０１の状態とし、各状態をｓ１、ｓ２、ｓ３とする。
次に、区切った各状態のｓ１、ｓ２、ｓ３のデータの平均と分散を求める。結果として、動作のサンプル３０４、３０５、３０６が学習に用いる全てのサンプルとした場合は以下のようになる。状態ｓ１の平均はm1=0.17、分散はv1=0.0075、状態ｓ２の平均はm2=0.4、分散は、v2=0.024、状態ｓ３の平均はm3=-0.4、分散はv3=0.024となる。それぞれをグラフで表すと、図５（ｃ）の５０４〜５０６のようになる。
次に、作業者の複数の動作のサンプル３０４、３０５、３０６から状態遷移確率を求める。サンプル３０４、３０５、３０６の動作サンプルの中で、ｓ１からの状態遷移は、９回であり、ｓ１から、ｓ１の遷移は、６回であるため、a11の遷移確率は６/９となる。同様に、a12は３／９、a21は３/６、a22は３／６、a31は１となる。
求めたパラメータの結果を図示すると、図１５の（ｂ）の１５０３のようになる。
加えて、モデルのパラメータの保持方法について、図１４を用いて説明する。モデルのパラメータの保持は、XML（Extensible Markup Language）形式で保持される。
１つのモデルは、タグ＜model＞で囲まれたデータで保持される。初期の状態の名前をタグ＜startState＞で保持する。１つのモデルは複数の状態を保持する。
１つの状態は、タグ<state>で囲まれたデータで保持される。状態の名前は、タグ＜name＞で保持される。また、状態遷移の情報はタグ<transition>で囲まれる領域で保持される。状態遷移先の状態名はタグ<next>で保持され、状態遷移確率はタグ<probability>で保持される。状態の確率密度関数は、関数はタグ<function>で保持され、関数名はタグ<distribution>で保持される。また、その関数のパラメータはタグ＜parameter＞で保持する。
学習されたモデル図１５（ｂ）の１５０３を得るまでの手順について、図６を用いて説明する。
Ｓ６０１において、まず作業者２０３に学習する対象の作業の開始を通知する。通知後、ロボット１０３が動作を開始し、作業者２０３も動作を開始する。
Ｓ６０２において、学習する対象の作業をする作業者２０３とロボット１０３の状態を時系列に記録する。
Ｓ６０３において、設定したくりかえし数に達したかどうか判断する。ここで、くりかえし数は多いほど、学習の精度は向上するが、学習に費やす時間が増加する。設定したくりかえし数に達していたら、Ｓ６０４に遷移し、モデルのパラメータを推定し終了する。設定したくりかえし数に達していなかったら、Ｓ６０１に戻る。
図１の説明に戻る。判断部１０６は、ロボット１０３から出力されるロボット１０３の時系列の状態、検出部１０４から出力される作業者２０３の時系列の状態、学習情報保持部１０５から入力されるモデルに基づいてロボット１０３の動作を判断する。具体的には、学習情報保持部１０５から判断部１０６に入力されるモデルをＭとして、ロボット１０３および検出部１０４から判断部１０６に入力される時系列の状態をｙとする。この時、時系列の状態を、ｙがモデルＭから発生した確率Ｐ(ｙ｜M)は、可能性のある状態遷移をｓiとすると、数１になる。
Figure 0006494331
判断部１０６は、数１より得た確率と事前に設定した閾値を比較し判断する。数１より得た確率が閾値を下回る確率の場合は、作業者２０３に危険が及ぶ可能性があるので、ロボット１０３の動作を停止または減速するための制御信号を制御部１０７に出力する。ここで、減速とは、ロボット１０３に設定した作業する速度よりも速度を低下させることである。
また、数１より得た確率が閾値を上回る場合は、ロボット１０３の動作を継続する制御信号を制御部１０７に出力する。判断部１０６で用いる閾値は、５とする。
制御部１０７は、図示しないＣＰＵ、ＲＯＭ、ＲＡＭ等からなるコンピュータシステムを有する。図６、図７、図８、図１０及び図１２のフローチャートの処理は、ＲＯＭに記憶されたプログラムをＲＡＭに展開し、ＣＰＵが実行することで実現する。
もちろん、この閾値は、作業の内容が異なる場合は異なる。ここで、図１５を用いて、作業中の作業者２０３の動作の判断について具体例を用いて説明する。
図５（ａ）にサンプルにより、学習したモデル図１５（ｂ）の１５０３に対して、作業者２０３の動作の時系列の状態１５０１および１５０２が入力されたとする。１５０１は、学習時と近い動作を行った場合の作業者２０３の動作の時系列の状態であり、１５０２は、学習時と異なる動作を行った場合の作業者２０３の動作の時系列の状態である。
ここで、ロボット１０３についての計算方法は作業者と同様であるため、説明を省略する。
ここで説明のために、数１で示した状態遷移ｘは一種類のみとする。つまり、図１５の（ａ）のように、ｘはｓ１、ｓ１、ｓ１、ｓ２、ｓ２、ｓ３、ｓ３の順番で遷移する。
作業者２０３の動作の時系列の状態１５０１が入力された場合であるが、ｓ１、ｓ１、ｓ１、ｓ２、ｓ２、ｓ３、ｓ３の順番で遷移するので、数１の右辺P(x|M)は、数２のようになる。
Figure 0006494331
続いて、数１の右辺P(y|x)は、各状態ｓ１、ｓ２、ｓ３の確率密度関数に作業者２０３の動作の時系列の状態１５０１の値を代入する。結果として数３のようになる。
Figure 0006494331
従って、数１の左辺P(y|M)は数２、数３より数４のようになる。
Figure 0006494331
ここで、設定した閾値は、５であり、数４で導出された値は、閾値以上である。よって、判断部１０６に入力された、作業者２０３の動作の時系列の状態１５０１の場合では、ロボット１０３の動作を継続する制御信号を制御部１０７に出力する。
次に、作業者２０３の動作の時系列の状態１５０２の場合であるが、数１の右辺P(x|M)は、状態遷移が同様であるため、状態１５０１と同様に数２のようになる。
続いて、数１の右辺P(y|x)は、各状態ｓ１、ｓ２、ｓ３の確率密度関数に、作業者２０３の動作の時系列の状態１５０２の値を代入し、数５のようになる。
Figure 0006494331
従って、数１の左辺P(y|M)は数２、数５より数６のようになる。
Figure 0006494331
ここで、設定した閾値は、５であり、数６で導出された値は、閾値より小さい。よって、判断部１０６に入力された、作業者の動作の時系列の状態１５０２の場合では、作業者２０３に危険が及ぶ可能性があるので、ロボット１０３の動作を停止または減速するための制御信号を制御部１０７に出力する。
制御部１０７は、判断部１０６から入力したロボット１０３の動作の情報に基づいて、ロボット１０３の動作を制御する。
次に、図７のフローチャートを用いて、本実施形態におけるロボット制御装置１０１の制御手順について説明する。
Ｓ７０１において、検出部１０４はセンサ１０２から入力した情報を元に作業者２０３の状態を判断部１０６に出力する。また、ロボット１０３の状態の情報をロボット１０３から得て、判断部１０６に出力する。
Ｓ７０２において、判断部１０６は、検出部１０４から作業者２０３の情報を入力する。また、ロボット１０３の状態の情報をロボット１０３から入力し、学習情報保持部１０５からモデルの情報を入力する。入力された情報から確率を算出し、閾値と比較し判断する。
算出した確率が閾値以上であれば、Ｓ７０３において、Ｓ７０４に遷移する。また、算出した確率画、閾値より小さい確率であるならば、Ｓ７０３においてＳ７０５に遷移する。
ここで、学習情報保持部１０５から入力されたモデルの情報が複数ある場合、例えばロボット１０３と作業者２０３でそれぞれモデルがある場合。その場合には、全てのモデルを評価する。全てのモデルの確率が閾値以上であると判断された場合に、ステップS７０３において、Ｓ７０４に遷移する。
また、一つのモデルでも閾値より小さい確率であるならば、Ｓ７０３において、Ｓ７０５に遷移する。
Ｓ７０４において、判断部１０６で算出した確率が閾値以上であることで、ロボット１０３および作業者２０３が正常な動作であると判断し、ロボット１０３の動作を継続するように制御部１０７でロボット１０３の動作制御を行う。
Ｓ７０５において、判断部１０６で算出した確率が閾値以下であることで、作業者２０３に危険が及ぶ可能性有りと判断し、ロボット１０３の動作を停止もしくは減速するように制御部１０７でロボット１０３の制御を行う。
Ｓ７０６において、制御部１０７は、現在の作業が完了か否かを判断し、現在の作業が完了していないならば、Ｓ７０１に戻り、完了していれば終了する。
以上述べた構成によれば、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。また、学習時の作業者とロボットの時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。このように、ロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いてロボットを制御することで、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させることができるという効果が得られる。
（第２の実施形態）
本実施形態におけるロボット制御装置は、第１の実施形態と同様に、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。そして、現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。また、学習時の作業者とロボットの時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。
加えて、第２の実施形態では、ロボットの動作を停止もしくは減速するように制御した後に、作業者に作業の復帰を通知し、再度、作業者が作業を開始するように制御をする。このように制御することで、ロボットの稼働率を向上させ、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させるようにしたものである。
第２の実施形態は、第１の実施形態で説明した、ロボット制御装置のブロック構成において、判断部１０６以外は同一である。よって、図１を用いて、第２の実施形態における、判断部について説明する。
判断部１０６は、ロボット１０３から出力されるロボット１０３の時系列の状態、検出部１０４から出力される作業者２０３の時系列の状態、学習情報保持部１０５から入力されるモデルに基づいてロボット１０３の動作を判断する。
判断部１０６は、ロボット１０３の動作を判断する際に、第１の実施形態で説明した数１より得た確率と事前に設定した閾値を比較し判断する。数１より得た確率が閾値を上回る場合は、ロボット１０３の動作を継続する制御信号を制御部１０７に出力する。
数１より得た確率が閾値を下回る確率の場合は、作業者２０３に危険が及ぶ可能性があるので、ロボット１０３の動作を停止するか、もしくは減速する制御信号を制御部１０７に出力する。加えて、第２の実施形態の判断部１０６は、ロボット１０３を停止もしくは減速した後に、作業の復帰を作業者２０３に通知する。その後、再度、ロボット１０３から出力されるロボット１０３の時系列の状態、検出部１０４から出力される作業者２０３の時系列の状態、学習情報保持部１０５から入力されるモデルに基づいてロボット１０３の動作を判断する。
次に、図８のフローチャートを用いて、本実施形態におけるロボット制御装置１０１の制御手順について説明する。
Ｓ８０１において、検出部１０４は、センサ１０２から入力した情報を元に作業者２０３の状態を検出して判断部１０６に出力する。また、ロボット１０３の状態の情報をロボット１０３から得て、判断部１０６に出力する。
Ｓ８０２において、判断部１０６は、検出部１０４から作業者の情報を入力する。また、ロボットの状態の情報をロボット１０３から入力し、学習情報保持部１０５からモデルの情報を入力する。入力された情報から確率を算出し、算出した確率と閾値とを比較して動作判断処理を実行する。
Ｓ８０３において、判断部１０６で算出した確率が閾値以上であるか否かを判断する。判断部１０６で算出した確率が閾値以上であれば、Ｓ８０４に遷移する。また、判断部１０６で算出した確率が閾値以下であれば、Ｓ８０６に遷移する。
Ｓ８０４において、判断部１０６で算出した確率が閾値以上であることにより、ロボット１０３および作業者２０３が正常な動作であると判断し、ロボット１０３の動作を継続するように制御部１０７でロボット１０３の動作制御を行う。
Ｓ８０５において、現在の作業が完了か否かを判断する。現在の作業が完了していないならば、Ｓ８０１に戻り、完了していれば終了する。
Ｓ８０６において、判断部１０６で算出した確率が閾値以下であるので、作業者２０３に危険が及ぶ可能性有りと判断し、ロボット１０３の動作を停止もしくは減速するように制御部１０７でロボットの動作制御を行う。
Ｓ８０７において、判断部１０６は、停止、減速時の状態を保持しておき、作業者に音声もしくは、ディスプレイの表示などで作業の復帰を通知する。そして、作業者に通知した後に、Ｓ８０１に遷移し、検出部１０４から出力された作業者の状態と、ロボット１０３の状態と、学習情報保持部１０５から出力される学習情報に基づいて、ロボットの動作を再度判断する。そして、動作判断処理の結果が正常動作であれば、作業者に再度作業を開始させる。
以上述べた構成によれば、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。そして、現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。
また、学習時の作業者とロボットの時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。更に、動作を停止もしくは減速するように制御した後に、作業の復帰を通知し、再度、作業者が作業を開始する。このように制御をすることで、ロボットの稼働率を向上させることが可能となり、ロボットと作業者が共同で作業する場合においても、安全性を確保しつつ生産性を向上させる効果を得ることができる。
（第３の実施形態）
第３の実施形態におけるロボット制御装置は、第１の実施形態と同様に、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。そして、現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。また、学習時の作業者とロボットの時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。
加えて、第３の実施形態では、現在作業している作業者とロボットの状態を用いて、作業中に学習情報を更新することで学習情報の精度を向上させる。このようにすることで、ロボットの稼働率を向上させ、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させるようにしたものである。
第３の実施形態におけるロボット制御装置の構成について、図９を用いて説明する。第１の実施形態で説明した、図１のロボット制御装置１０１のブロック構成と比べて、第３の実施形態のロボット制御装置９０１は、学習情報更新部９０２が追加されている。学習情報更新部９０２以外の構成は第１の実施形態と同様である。
第３の実施形態のロボット制御装置に追加された学習情報更新部９０２について説明する。
学習情報更新部９０２は、ロボット１０３から出力されるロボット１０３の時系列の状態、検出部１０４から出力される作業者２０３の時系列の状態に基づいて、学習情報保持部１０５のモデルのパラメータを更新する。具体的には、パラメータの推定に用いる、サンプルの情報を追加し、再度パラメータを計算する。その結果、サンプル情報が増えることでパラメータの推定精度が向上する。
次に、図１０のフローチャートを用いて、図９に記載の本実施形態におけるロボット制御装置９０１の制御手順について説明する。
Ｓ１００１において、検出部１０４はセンサ１０２から入力した情報を元に作業者２０３の状態を検出し、判断部１０６に出力する。また、ロボット１０３の状態の情報をロボット１０３から得て、判断部１０６に出力する。
Ｓ１００２において、判断部１０６は、検出部１０４から作業者２０３の情報を入力する。また、ロボット１０３の状態の情報をロボット１０３から入力し、学習情報保持部１０５からモデルの情報を入力する。入力された情報から確率を算出し、閾値と比較し判断する。
Ｓ１００３において、判断部１０６で算出した確率が閾値以上であるか否かを判断する。判断部１０６で算出した確率が閾値以下であれば、Ｓ１００７に遷移する。判断部１０６で算出した確率が閾値以上であれば、Ｓ１００５に遷移する。加えて、Ｓ１００４において、学習情報更新部９０２は、別タスクで、検出部１０４から作業者２０３の状態の情報と、ロボット１０３の状態の情報を追加し、学習情報保持部１０５からモデルの情報を入力する。そして、パラメータを更新し、学習情報保持部１０５に出力する。
Ｓ１００５において、判断部１０６で算出した確率が閾値以上であることにより、ロボット１０３および作業者２０３が正常な動作であると判断し、ロボット１０３の動作を継続するように制御部１０７でロボットの制御を行う。
Ｓ１００６において、現在の作業が完了しているか否かを判断し、現在の作業が完了していないならば、Ｓ１００１に戻り、完了していれば終了する。
Ｓ１００７において、判断部１０６で算出した確率が閾値以下であるので、作業者に危険が及ぶ可能性があると判断し、ロボット１０３の動作を停止、もしくは減速するように制御部１０７でロボット１０３の制御を行う。
以上述べた構成によれば、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。また、学習時の作業者とロボットの時系列の状態である確率が低ければ、動作を停止もしくは減速するように制御する。
加えて、第３の実施形態においては、現在作業している作業者とロボットの状態を用いて、作業中に学習情報を更新することで学習情報の精度を向上させる。
このようにすることで、ロボットの稼働率を向上させ、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させる効果を得ることができる。
（第４の実施形態）
第４の実施形態におけるロボット制御装置は、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。
また、学習した作業者とロボットの時系列の状態である確率が低い場合に、作業者がロボットの動作を注視しているか否かを認識する。そして、作業者がロボットの動作を注視している場合において、ロボットは動作を継続するように制御する。学習した作業者とロボットの時系列の状態である確率が低い場合に、作業者がロボットの動作を注視していない場合は、ロボットの動作を停止もしくは減速するように制御する。
このようにすることで、作業者が学習していない動作を行った場合でも、ロボットを安全に可動させることができる。結果としてロボットの稼働率を向上させ、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させるようにしたものである。
第４の実施形態は、第１の実施形態で説明した、ロボット制御装置のブロック構成において、検出部１０４と判断部１０６以外は同一である。よって、図１と図１１を用いて、第４の実施形態における、検出部１０４と判断部１０６について説明する。
検出部１０４は、センサ１０２から入力された情報から、作業者２０３の状態を検出する部位である。作業者２０３の状態の中でも作業者２０３の注視点を抽出する。注視点の検出方法は多く提案されており、特許文献３に記載の手法を用いてもよい。
図１１に、作業者２０３の視線１１０１の延長である、ハンド２０５に対して注視している図を示した。
第４の実施形態では、作業者２０３がハンド２０５を注視していれば、ロボット１０３の時系列の状態である確率が低い場合においてもロボット１０３の動作を継続するように制御する。なお、第４の実施形態では、注視を判定する対象は、ハンド２０５であるが、ロボット１０３の動作を表す部位であれば、ハンド２０５以外の部位でもよい。
判断部１０６は、ロボット１０３から出力されるロボット１０３の時系列の状態、検出部１０４から出力される作業者２０３の時系列の状態、学習情報保持部１０５から入力されるモデルに基づいてロボット１０３の動作を判断する。
判断部１０６は、第１の実施形態で説明した数１より得た確率と事前に設定した閾値を比較し判断する。数１より得た確率が閾値を上回る場合は、ロボット１０３の動作を継続する制御信号を制御部１０７に出力する。
また、数１より得た確率が閾値を下回る確率の場合は、作業者２０３に危険が及ぶ可能性があるので、ロボット１０３の動作を停止するか、もしくは減速する制御信号を制御部１０７に出力する。加えて、第４の実施形態の判断部１０６は、数１より得た確率が閾値を下回る確率の場合において、作業者２０３がロボット１０３の動作を注視している場合は、ロボット１０３の動作を継続する制御信号を制御部１０７に出力する。
次に、図１２のフローチャートを用いて、本実施形態におけるロボット制御装置１０１の制御手順について説明する。
Ｓ１２０１において、検出部１０４は、センサ１０２から入力した情報を元に作業者２０３の状態を判断部１０６に出力する。また、ロボット１０３の状態の情報をロボット１０３から得て、判断部１０６に出力する。
Ｓ１２０２において、判断部１０６は、検出部１０４から作業者２０３の情報を入力する。また、ロボットの状態の情報をロボット１０３から入力し、学習情報保持部１０５からモデルの情報を入力する。入力された情報から確率を算出し、閾値と比較し判断する。 Ｓ１２０３において、判断部１０６で算出した確率が閾値以上であるか否かを判断する。判断部１０６で算出した確率が閾値以上であれば、Ｓ１２０４に遷移する。また、判断部１０６で算出した確率が閾値以下であれば、Ｓ１２０５に遷移する。
Ｓ１２０４において、判断部１０６は、判断部１０６で算出した確率が閾値以上であることにより、ロボット１０３および作業者２０３が正常な動作であると判断し、ロボット１０３の動作を継続するように制御部１０７でロボットの制御を行う。
Ｓ１２０５において、判断部１０６で作業者２０３がロボット１０３を注視しているかどうか判断し、作業者２０３がロボット１０３を注視している場合は、Ｓ１２０４に遷移する。作業者２０３がロボット１０３を注視していない場合は、Ｓ１２０７に遷移する。
Ｓ１２０６において、制御部１０７は、現在の作業が完了しているか否かを判断する。現在の作業が完了していないならば、Ｓ１２０１に戻り、完了していれば終了する。
Ｓ１２０７において、作業者がロボットを注視していないので、作業者に危険が及ぶ可能性があると判断し、ロボットの動作を停止もしくは減速するように制御部１０７でロボットの制御を行う。
以上述べた構成によれば、ロボットと作業者が共存する空間で作業する場合において、事前にロボットおよび作業者の作業の時系列の状態を学習した学習情報を用いる。現在作業している作業者とロボットの時系列の状態が、学習時の作業者とロボットの時系列の状態である確率が高ければ、ロボットは動作を継続するように制御する。
また、学習した作業者とロボットの時系列の状態である確率が低い場合に、作業者がロボットの動作を注視しているか否かを認識する。そして、作業者がロボットの動作を注視している場合においては、ロボットは動作を継続するように制御する。
一方、学習した作業者とロボットの時系列の状態である確率が低い場合に、作業者がロボットの動作を注視していない場合は、動作を停止もしくは減速するように制御する。
このようにすることで、作業者が学習していない動作を行った場合でも、ロボットを安全に可動させることができる。その結果として、ロボットの稼働率を向上させることが可能となり、ロボットと作業者が共存する空間で作業をする場合においても安全性を確保しつつ、生産性を向上させる効果を得ることができる。
（その他の実施形態）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。
１０１ ロボット制御装置
１０２ センサ
１０３ ロボット
１０４ 検出部
１０５ 学習情報保持部
１０６ 判断部
１０７ 制御部

Claims (9)

  1. 作業者とロボットの時系列の状態を検出してロボットを制御するロボット制御装置であって、
    作業者の状態を検出する検出手段と、
    ロボットおよび作業者の時系列の状態を学習した学習情報を保持する学習情報保持手段と、
    前記検出手段から出力された作業者の状態と、ロボットの状態と、前記学習情報保持手段から出力される学習情報に基づいて、ロボットの動作を判断する判断手段と、
    前記判断手段から出力される情報に基づいて、ロボットの動作を制御する制御手段とを有することを特徴とするロボット制御装置。
  2. 前記作業者の状態は、作業者の作業対象の状態を含むことを特徴とする請求項１に記載のロボット制御装置。
  3. 前記ロボットの状態は、ロボットの作業対象の状態を含むことを特徴とする請求項１に記載のロボット制御装置。
  4. 前記検出手段から出力された作業者の状態と、ロボットの状態と、前記学習情報保持手段から出力される学習情報に基づいて学習情報を更新し、更新した学習情報を前記学習情報保持手段に出力する学習情報更新手段をさらに有することを特徴とする請求項１〜３の何れか１項に記載のロボット制御装置。
  5. 前記判断手段は、ロボットの動作を停止または減速させる情報を前記制御手段に出力することを特徴とする請求項１〜４の何れか１項に記載のロボット制御装置。
  6. 前記判断手段は、ロボットの動作を停止または減速させる情報を前記制御手段に出力した後に、再度、前記検出手段から出力された作業者の状態と、ロボットの状態と、前記学習情報保持手段から出力される学習情報に基づいて、ロボットの動作を判断することを特徴とする請求項１〜５の何れか１項に記載のロボット制御装置。
  7. 前記作業者の状態は、作業者の注視している対象を含むことを特徴とする請求項１〜６の何れか１項に記載のロボット制御装置。
  8. 作業者とロボットの時系列の状態を検出してロボットを制御するロボット制御方法であって、
    作業者の状態を検出する検出工程と、
    ロボットおよび作業者の時系列の状態を学習した学習情報を保持する学習情報保持工程と、
    前記検出工程から出力された作業者の状態と、ロボットの状態と、前記学習情報保持工程から出力される学習情報に基づいて、ロボットの動作を判断する判断工程と、
    前記判断工程から出力される情報に基づいて、ロボットの動作を制御する制御工程とを有することを特徴とするロボット制御方法。
  9. 請求項１〜７の何れか１項に記載のロボット制御装置の各手段を構成するプログラムをコンピュータに実行させるためのプログラム。
JP2015041691A 2015-03-03 2015-03-03 ロボット制御装置およびロボット制御方法 Active JP6494331B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015041691A JP6494331B2 (ja) 2015-03-03 2015-03-03 ロボット制御装置およびロボット制御方法
US15/051,893 US20160260027A1 (en) 2015-03-03 2016-02-24 Robot controlling apparatus and robot controlling method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015041691A JP6494331B2 (ja) 2015-03-03 2015-03-03 ロボット制御装置およびロボット制御方法

Publications (2)

Publication Number Publication Date
JP2016159407A JP2016159407A (ja) 2016-09-05
JP6494331B2 true JP6494331B2 (ja) 2019-04-03

Family

ID=56846006

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015041691A Active JP6494331B2 (ja) 2015-03-03 2015-03-03 ロボット制御装置およびロボット制御方法

Country Status (2)

Country Link
US (1) US20160260027A1 (ja)
JP (1) JP6494331B2 (ja)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10789543B1 (en) * 2014-10-24 2020-09-29 University Of South Florida Functional object-oriented networks for manipulation learning
EP3189947A1 (de) * 2016-01-07 2017-07-12 Sick Ag Verfahren zum konfigurieren und zum betreiben einer überwachten automatisierten arbeitszelle und konfigurationsvorrichtung
DE102016100445A1 (de) * 2016-01-12 2017-07-13 Pilz Gmbh & Co. Kg Sicherheitseinrichtung und Verfahren zum Überwachen einer Maschine
JP6688088B2 (ja) 2016-01-19 2020-04-28 キヤノン株式会社 情報処理装置およびその制御方法
US10171730B2 (en) 2016-02-15 2019-01-01 Canon Kabushiki Kaisha Information processing apparatus, method of controlling information processing apparatus, and storage medium
JP6740033B2 (ja) 2016-06-28 2020-08-12 キヤノン株式会社 情報処理装置、計測システム、情報処理方法及びプログラム
JP6549545B2 (ja) 2016-10-11 2019-07-24 ファナック株式会社 人の行動を学習してロボットを制御する制御装置およびロボットシステム
JP6316909B1 (ja) * 2016-11-10 2018-04-25 ファナック株式会社 協働動作領域を有するロボットシステム
JP6487489B2 (ja) 2017-05-11 2019-03-20 ファナック株式会社 ロボット制御装置及びロボット制御プログラム
JP6680730B2 (ja) * 2017-08-08 2020-04-15 ファナック株式会社 制御装置及び学習装置
JP6633584B2 (ja) * 2017-10-02 2020-01-22 ファナック株式会社 ロボットシステム
US11144786B2 (en) 2017-11-02 2021-10-12 Canon Kabushiki Kaisha Information processing apparatus, method for controlling information processing apparatus, and storage medium
WO2019097676A1 (ja) * 2017-11-17 2019-05-23 三菱電機株式会社 ３次元空間監視装置、３次元空間監視方法、及び３次元空間監視プログラム
JP7167141B2 (ja) * 2018-05-25 2022-11-08 川崎重工業株式会社 ロボットシステム及び追加学習方法
JP7039389B2 (ja) * 2018-05-25 2022-03-22 川崎重工業株式会社 ロボットシステム及びロボット制御方法
CN109032052B (zh) * 2018-06-26 2020-09-22 上海常仁信息科技有限公司 基于机器人身份证的紧急状况智能控制系统
US11003939B2 (en) 2018-07-06 2021-05-11 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and storage medium
JP7333204B2 (ja) * 2018-08-10 2023-08-24 川崎重工業株式会社 情報処理装置、ロボット操作システム、及びロボット操作方法
JP2020099019A (ja) * 2018-12-19 2020-06-25 株式会社日立製作所 機器制御装置及び機器制御システム
JP6647640B1 (ja) * 2019-04-15 2020-02-14 日本金銭機械株式会社 表示制御システム、表示制御方法、および、プログラム
JP7235596B2 (ja) * 2019-05-31 2023-03-08 ファナック株式会社 協働ロボットシステム
JP7448327B2 (ja) * 2019-09-26 2024-03-12 ファナック株式会社 作業員の作業を補助するロボットシステム、制御方法、機械学習装置、及び機械学習方法
US11472028B2 (en) * 2019-12-06 2022-10-18 Mitsubishi Electric Research Laboratories, Inc. Systems and methods automatic anomaly detection in mixed human-robot manufacturing processes
US11442429B2 (en) * 2019-12-06 2022-09-13 Mitsubishi Electric Research Laboratories, Inc. Systems and methods for advance anomaly detection in a discrete manufacturing process with a task performed by a human-robot team
EP3838505A1 (en) * 2019-12-20 2021-06-23 Robert Bosch GmbH Interacting with an unsafe physical environment
US20210362331A1 (en) 2020-05-21 2021-11-25 X Development Llc Skill templates for robotic demonstration learning
JP2022056085A (ja) 2020-09-29 2022-04-08 キヤノン株式会社 情報処理装置、情報処理方法、及び、プログラム
DE102021110984A1 (de) 2020-12-29 2022-06-30 B-Horizon GmbH Verfahren zum automatischen Anpassen des Verhaltens eines mobilen Benutzerendgeräts

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3872387B2 (ja) * 2002-06-19 2007-01-24 トヨタ自動車株式会社 人間と共存するロボットの制御装置と制御方法
JP2004243427A (ja) * 2003-02-12 2004-09-02 Yaskawa Electric Corp ロボット制御装置およびロボット制御方法
JP2010120139A (ja) * 2008-11-21 2010-06-03 New Industry Research Organization 産業用ロボットの安全制御装置
JP4648486B2 (ja) * 2009-01-26 2011-03-09 ファナック株式会社 人間とロボットとの協調動作領域を有する生産システム
JP5370127B2 (ja) * 2009-12-18 2013-12-18 株式会社デンソーウェーブ ロボットの干渉回避装置

Also Published As

Publication number Publication date
JP2016159407A (ja) 2016-09-05
US20160260027A1 (en) 2016-09-08

Similar Documents

Publication Publication Date Title
JP6494331B2 (ja) ロボット制御装置およびロボット制御方法
JP6431017B2 (ja) 機械学習により外力の検出精度を向上させた人協調ロボットシステム
JP6548816B2 (ja) 物体操作装置及び物体操作方法
KR102165967B1 (ko) 3차원 공간 감시 장치, 3차원 공간 감시 방법, 및 3차원 공간 감시 프로그램
JP7146247B2 (ja) 動作認識方法及び装置
KR102433931B1 (ko) 움직임 인식 방법 및 움직임 인식 장치
JP6884312B1 (ja) ロボット障害回避処理方法、装置、ロボット
KR102416227B1 (ko) 건설 객체 실시간 모니터링 장치 및 모니터링 방법 및 이를 실행하기 위한 컴퓨터프로그램
KR102357680B1 (ko) 이벤트에 기반하여 객체의 이동을 감지하는 장치 및 방법
TW201723425A (zh) 在一環境中使用代理人的基於感測器之觀測以估計該環境中一物件之姿勢及估計該姿勢之一不確定性度量
JP6331785B2 (ja) 物体追跡装置、物体追跡方法および物体追跡プログラム
KR102046706B1 (ko) 착용가능 디바이스를 사용하여 신경망 기반의 제스처 인식을 수행하는 기법
KR102046707B1 (ko) 관성 측정 유닛을 사용하여 콘볼루션 신경망 기반의 제스처 인식을 수행하는 기법
KR20190099537A (ko) 동작 학습 장치, 기능 판별 장치 및 기능 판별 시스템
JP7031685B2 (ja) モデル学習装置、モデル学習方法及びコンピュータプログラム
US20190232487A1 (en) Method for tracking multiple target objects, device, and computer program for implementing the tracking of multiple target objects for the case of moving objects
US20170262728A1 (en) Image processing method, image processing apparatus, and recording medium
JP2007280219A (ja) 動きパターン認識装置、動きパターン認識方法及び動きパターン認識プログラム
WO2020187625A1 (en) Method for representing an environment of a mobile platform
CN111402287A (zh) 用于活动序列的标准化评估的系统和方法
Nuzzi et al. Hand gesture recognition for collaborative workstations: A smart command system prototype
RU2685996C1 (ru) Способ и система предиктивного избегания столкновения манипулятора с человеком
CN115903773A (zh) 移动体控制装置、移动体、学习装置及方法、及存储介质
Simão et al. Unsupervised gesture segmentation of a real-time data stream in matlab
JP2019202354A (ja) ロボット制御装置、ロボット制御方法及びロボット制御プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171220

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181225

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190205

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190305

R151 Written notification of patent or utility model registration

Ref document number: 6494331

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151