JP6685483B1 - ロボット行動計画システム、ロボットシステム、ロボット作業検証システム及びロボット行動計画方法 - Google Patents
ロボット行動計画システム、ロボットシステム、ロボット作業検証システム及びロボット行動計画方法 Download PDFInfo
- Publication number
- JP6685483B1 JP6685483B1 JP2019572239A JP2019572239A JP6685483B1 JP 6685483 B1 JP6685483 B1 JP 6685483B1 JP 2019572239 A JP2019572239 A JP 2019572239A JP 2019572239 A JP2019572239 A JP 2019572239A JP 6685483 B1 JP6685483 B1 JP 6685483B1
- Authority
- JP
- Japan
- Prior art keywords
- robot
- error
- countermeasure
- evaluation
- evaluation value
- 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
Links
- 230000010391 action planning Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012795 verification Methods 0.000 title claims description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 170
- 230000033001 locomotion Effects 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 30
- 230000009471 action Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 21
- 238000004891 communication Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 101000772194 Homo sapiens Transthyretin Proteins 0.000 description 3
- 102100029290 Transthyretin Human genes 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
- General Factory Administration (AREA)
Abstract
Description
<ロボットシステムの構成>
図1は、実施の形態1にかかるロボットシステム1の構成を示す図である。ロボットシステム1は、動作を実行する第1ロボット2A及び第2ロボット2Bを有する。動作の例は、部品を組み立てる動作である。ロボットシステム1は、第1ロボット2Aを動作させるための第1動作プログラム31Aを記憶していて、第1動作プログラム31Aをもとに、第1ロボット2Aの動作についての指令を第1ロボット2Aに出力する第1コントローラ3Aを更に有する。
図3は、実施の形態1にかかるロボット行動計画システム7が有するエラー評価部71の構成を示す図である。更に言うと、図3は、エラー評価部71を実現する際に意味ネットワーク(Semantic Network)が用いられる場合のエラー評価部71の構成を示す図である。公知の意味ネットワークは、人間の知識構造に倣って言語の意味を計算機で表現するためのネットワークモデルである。ひとつの意味ネットワークは、言語における概念を表すノードと、概念の意味の関係を表すエッジとの組合せで構成される。
図4は、実施の形態1にかかるロボット行動計画システム7におけるエラー評価部71が有する意味ネットワークマッチング部75の動作の手順を示すフローチャートである。意味ネットワークマッチング部75は、エラーが検出された時の第1動作情報及び第2動作情報を取得する(S11)。つまり、ステップS11において、意味ネットワークマッチング部75は、エラーが検出された時の第1ロボット2A及び第2ロボット2Bの各々が実行しようとしていた動作の情報を取得する。
意味ネットワークマッチング部75によって抽出されたノードが示すエラーの要因は、第1内界センサ4A、第2内界センサ4B及び外界センサ5の各々の性能による誤検知と、第1ロボット2A及び第2ロボット2Bによる作業の成否を判断する境界の曖昧さとの一方又は双方により、一定の確率で実際のエラーに適合しない可能性がある。意味ネットワークマッチング部75によって選択される解決策は実際のエラーに適合した場合にのみ有効であるため、評価値算出部76は、エラーの要因の確からしさを示す評価値を算出する。
P(X|D)=P(D|X)P(X)/ΣXP(D|X)P(X) (1)
図6は、実施の形態1にかかるロボット行動計画システム7が有する対応策決定部72の動作の手順を示す第1のフローチャートである。対応策決定部72は、エラー評価部71によって生成された評価情報が示す評価値を取得する(S21)。エラー評価部71を実現する際に意味ネットワークが用いられる場合、ステップS21において、対応策決定部72は、評価値算出部76によって算出された評価値を取得する。評価値は、エラーの要因の確からしさを示す値である。
プランナ73は、対応策決定部72から出力されたエラーの状態から復旧するための解決策と目標とを受け取った場合、エラーの状態から復旧するために必要なプランステップを導出するためのプランニングを実行する。上記の目標は、プランステップのプランニングの目標である。
スケジューラ74は、プランがプランナ73から出力された場合、プランを受け取って、復旧のためのすべてのプランステップを含むスケジュールを、実行の順序の制約を満たして生成する。スケジューラ74は、生成されたスケジュールを第1コントローラ3A及び第2コントローラ3Bに出力する。当該スケジュールは、第1ロボット2A及び第2ロボット2Bの新たな動作プログラムである。
上述した例では、検出されたエラーの要因の不確実性を考慮してエラーの状態から復旧するためのスケジュールを導出する際、対応策決定部72が意味ネットワークによって示されたエラーの要因の確からしさを示す評価値をもとに、エラーに対する対応策を決定するための判定を行う。
図8は、実施の形態2にかかるロボットシステム1Aの構成を示す図である。実施の形態2では、実施の形態1との相違点を主に説明する。ロボットシステム1Aは、実施の形態1にかかるロボットシステム1が有する第1コントローラ3Aに代わりに第1コントローラ3Cを有し、ロボットシステム1が有する第2コントローラ3Bに代わりに第2コントローラ3Dを有する。第1コントローラ3C及び第2コントローラ3Dの各々は、実施の形態1にかかるロボットシステム1が有するロボット行動計画システム7を有する。
図9は、実施の形態3にかかるロボット作業検証システム8の構成を示す図である。ロボット作業検証システム8は、実施の形態1にかかるロボット行動計画システム7と、ロボットシミュレータ9とを有する。ロボットシミュレータ9は、実施の形態1にかかるロボットシステム1が有する第1ロボット2A、第2ロボット2B、第1コントローラ3A、第2コントローラ3B、第1内界センサ4A、第2内界センサ4B、外界センサ5及びエラー検出部6の機能を模擬的に実現することができるモジュールを有する。ロボットシミュレータ9は、第1ロボット2A及び第2ロボット2Bの作業環境を仮想空間に構築する。
図10は、実施の形態4にかかるロボット行動計画システム7Aの構成を示す図である。ロボット行動計画システム7Aは、実施の形態1にかかるロボット行動計画システム7が有するエラー評価部71と、対応策決定部72とを有する。ロボット行動計画システム7Aは、ロボット行動計画システム7が有するプランナ73の代わりに、ロボットシミュレータ12と通信を行う機能を有するプランナ73Aを更に有する。プランナ73Aは、プランナ73が有する機能を有する。図10には、ロボットシミュレータ12も示されている。ロボットシミュレータ12は、エラーの状態から復旧するために必要な動作を仮想的に実現する装置である。
Claims (11)
- ロボットにおいてエラーが発生して前記ロボットの動作が停止した場合、前記ロボットの動作の状態を示す情報をもとに、意味ネットワークを用いて、前記エラーの要因と、前記要因の確からしさを示す評価値と、前記要因に対して取り得る解決策とを示す評価情報を生成するエラー評価部と、
前記エラー評価部によって生成された前記評価情報が示す前記評価値をもとに、前記エラーに対する対応策を決定する対応策決定部と、
前記対応策決定部によって決定された前記対応策が前記評価情報によって示される前記解決策である場合、前記解決策にしたがって前記ロボットの動作の手順を示すプランステップを生成するプランナと、
前記プランナによって前記プランステップが生成された場合、前記プランステップにしたがって前記ロボットに動作を再開させ、エラー発生前に与えられた当初の目標である作業を完了するスケジュールを生成し、前記対応策決定部によって決定された前記対応策が、前記評価値を精査するための動作を実行させる策、又は、前記ロボットの動作を停止させる策である場合、前記対応策決定部によって決定された前記対応策にしたがって前記ロボットの動作に関連するスケジュールを生成するスケジューラと
を備えることを特徴とするロボット行動計画システム。 - 前記エラー評価部は、
前記ロボットの動作の種類に対応するエラーを記述する意味ネットワークのフレームを備え、前記意味ネットワークのフレームに含まれるノードの値を前記ロボットの動作の状態を示す情報をもとに決定することで前記エラーの要因を抽出する意味ネットワークマッチング部と、
前記要因の根拠となる観測情報を取得し、前記観測情報と前記意味ネットワークマッチング部によって抽出された前記要因とをもとに、前記評価値を算出する評価値算出部とを有し、
前記観測情報は、前記ロボットの動作の状態を示す情報である
ことを特徴とする請求項1に記載のロボット行動計画システム。 - 前記対応策決定部は、
前記評価値があらかじめ決められた閾値より大きいか否かを判断し、
前記評価値が前記閾値より大きいと判断した場合、前記対応策が前記評価情報によって示される前記解決策であると決定し、
前記評価値が前記閾値以下であると判断した場合、前記評価値を精査するための動作を実行することが可能であるか否かを判断し、
前記評価値を精査するための動作を実行することが可能であると判断したとき、前記対応策が、前記評価値を精査するための動作を実行させる策であると決定し、
前記評価値を精査するための動作を実行することが不可能であると判断したとき、前記対応策が、前記ロボットの動作を停止させる策であると決定する、又は、
前記対応策が、前記ロボットの動作を停止させる策であると決定する
ことを特徴とする請求項1又は2に記載のロボット行動計画システム。 - 前記対応策決定部は、
前記閾値と、前記評価値を精査するための動作を実行することが可能であるか否かを判断するための試行回数であって前記ロボットに許可された動作の試行回数とを受け付けて記憶する機能を有し、
前記評価値が記憶した前記閾値より大きいか否かを判断し、
記憶した前記試行回数を用いて、前記評価値を精査するための動作を実行することが可能であるか否かを判断する
ことを特徴とする請求項3に記載のロボット行動計画システム。 - 前記対応策決定部は、前記プランステップのプランニングの目標を前記プランナに出力する機能を有し、
前記プランナは、前記対応策決定部から出力された前記目標を受け取った場合、前記エラーが発生したことにより前記ロボットの動作が停止した時点を新たな初期状態に設定し、当初の目標の状態を達成するまでに必要とされる前記ロボットの動作を示す前記プランステップを生成すると共に、前記プランステップと前記プランステップを実行する際の順序の制約とを含むプランを生成する
ことを特徴とする請求項1から4のいずれか1項に記載のロボット行動計画システム。 - 前記プランナは、動作を実行するロボットに相当するモデルを仮想空間で動かすロボットシミュレータを介して学習を行い、前記対応策決定部から出力された前記目標を受け取った場合、前記目標を達成するための動作を獲得する
ことを特徴とする請求項1から5のいずれか1項に記載のロボット行動計画システム。 - 前記スケジューラは、前記エラー発生前に与えられた当初の目標である作業を完了するまでに必要なプランステップを複数のロボットに割り当てる場合、前記プランナでエラーを解決する新たに生成されたプランステップを含め、実行される動作の順序の制約を満たしつつ、前記複数のロボットの動作が完了するまでの時間及びエネルギのコストが最小となるスケジュールを生成し、
前記複数のロボットのうちのひとつのロボットは、エラーが発生した前記ロボットである
ことを特徴とする請求項1から6のいずれか1項に記載のロボット行動計画システム。 - 請求項1から7のいずれか1項に記載のロボット行動計画システムと、
動作を実行する前記ロボットと、
前記ロボット行動計画システムによって生成された前記スケジュールをもとに、前記ロボットの動作についての指令を前記ロボットに出力するコントローラと、
前記ロボットの内部の状態を観測する内界センサと、
前記ロボットの外部の状態を観測する外界センサと、
前記内界センサ及び前記外界センサによって検出された値をもとに、前記ロボットにおいてエラーが発生したときの前記エラーを検出するエラー検出部と
を備えることを特徴とするロボットシステム。 - 前記エラー検出部は、前記内界センサ及び前記外界センサによって検出された値をもとに異常を診断することができるニューラルネットワークを学習し、前記ニューラルネットワークを用いて前記エラーを検出する
ことを特徴とする請求項8に記載のロボットシステム。 - 請求項1から7のいずれか1項に記載のロボット行動計画システムと、
前記ロボット行動計画システムによって生成された前記スケジュールを検証するロボットシミュレータとを備え、
前記ロボットは、仮想のロボットである
ことを特徴とするロボット作業検証システム。 - ロボットにおいてエラーが発生して前記ロボットの動作が停止した場合、前記ロボットの動作の状態を示す情報をもとに、意味ネットワークを用いて、前記エラーの要因と、前記要因の確からしさを示す評価値と、前記要因に対して取り得る解決策とを示す評価情報を生成するステップと、
生成された前記評価情報が示す前記評価値をもとに、前記エラーに対する対応策を決定するステップと、
決定された前記対応策が前記評価情報によって示される前記解決策である場合、前記解決策にしたがって前記ロボットの動作の手順を示すプランステップを生成するステップと、
前記プランステップが生成された場合、前記プランステップにしたがって前記ロボットに動作を再開させ、エラー発生前に与えられた当初の目標である作業を完了するスケジュールを生成し、決定された前記対応策が、前記評価値を精査するための動作を実行させる策、又は、前記ロボットの動作を停止させる策である場合、決定された前記対応策にしたがって前記ロボットの動作についてのスケジュールを生成するステップと
を含むことを特徴とするロボット行動計画方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/034999 WO2021044583A1 (ja) | 2019-09-05 | 2019-09-05 | ロボット行動計画システム、ロボットシステム、ロボット作業検証システム及びロボット行動計画方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6685483B1 true JP6685483B1 (ja) | 2020-04-22 |
JPWO2021044583A1 JPWO2021044583A1 (ja) | 2021-09-27 |
Family
ID=70286859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019572239A Active JP6685483B1 (ja) | 2019-09-05 | 2019-09-05 | ロボット行動計画システム、ロボットシステム、ロボット作業検証システム及びロボット行動計画方法 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP6685483B1 (ja) |
CN (1) | CN114340855B (ja) |
DE (1) | DE112019007691T5 (ja) |
WO (1) | WO2021044583A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112388678A (zh) * | 2020-11-04 | 2021-02-23 | 公安部第三研究所 | 一种基于低功耗模式识别技术的行为检测机器人 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003211379A (ja) * | 2002-01-18 | 2003-07-29 | Honda Motor Co Ltd | 移動ロボットの異常検知装置 |
JP2006000954A (ja) * | 2004-06-16 | 2006-01-05 | Sony Corp | ロボット装置の制御システム及び制御方法 |
JP2008209988A (ja) * | 2007-02-23 | 2008-09-11 | Omron Corp | Fmeaシート作成装置 |
US20150266472A1 (en) * | 2012-09-05 | 2015-09-24 | Google Inc. | Construction Zone Object Detection Using Light Detection and Ranging |
US20150266182A1 (en) * | 2012-10-11 | 2015-09-24 | Abb Technology Ltd | Method And An Apparatus For Automatically Generating A Collision Free Return Program For Returning A Robot From A Stop Position To A Predefined Restart Position |
JP2018051686A (ja) * | 2016-09-29 | 2018-04-05 | 川崎重工業株式会社 | ロボット復旧支援装置及びそれを備えるロボットシステム |
JP2018065221A (ja) * | 2016-10-19 | 2018-04-26 | ファナック株式会社 | 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 |
WO2018218124A1 (en) * | 2017-05-26 | 2018-11-29 | Cummins Inc. | Method of fault isolation for systems with existing diagnostics |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4658892B2 (ja) * | 2006-10-02 | 2011-03-23 | 本田技研工業株式会社 | 移動ロボット、並びに、移動ロボットの制御装置、移動ロボットの制御方法及び移動ロボットの制御プログラム |
JP5436460B2 (ja) * | 2009-02-12 | 2014-03-05 | 三菱電機株式会社 | 産業用ロボットシステム |
JP6633477B2 (ja) | 2016-08-29 | 2020-01-22 | ファナック株式会社 | 複数の製造設備からなる生産設備の稼働停止時に原因を特定する機能を備えた生産制御装置 |
CN107696034A (zh) * | 2017-09-30 | 2018-02-16 | 东北大学 | 一种针对工业机器人的错误自主恢复方法 |
-
2019
- 2019-09-05 DE DE112019007691.4T patent/DE112019007691T5/de active Pending
- 2019-09-05 WO PCT/JP2019/034999 patent/WO2021044583A1/ja active Application Filing
- 2019-09-05 JP JP2019572239A patent/JP6685483B1/ja active Active
- 2019-09-05 CN CN201980099875.2A patent/CN114340855B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003211379A (ja) * | 2002-01-18 | 2003-07-29 | Honda Motor Co Ltd | 移動ロボットの異常検知装置 |
JP2006000954A (ja) * | 2004-06-16 | 2006-01-05 | Sony Corp | ロボット装置の制御システム及び制御方法 |
JP2008209988A (ja) * | 2007-02-23 | 2008-09-11 | Omron Corp | Fmeaシート作成装置 |
US20150266472A1 (en) * | 2012-09-05 | 2015-09-24 | Google Inc. | Construction Zone Object Detection Using Light Detection and Ranging |
US20150266182A1 (en) * | 2012-10-11 | 2015-09-24 | Abb Technology Ltd | Method And An Apparatus For Automatically Generating A Collision Free Return Program For Returning A Robot From A Stop Position To A Predefined Restart Position |
JP2018051686A (ja) * | 2016-09-29 | 2018-04-05 | 川崎重工業株式会社 | ロボット復旧支援装置及びそれを備えるロボットシステム |
JP2018065221A (ja) * | 2016-10-19 | 2018-04-26 | ファナック株式会社 | 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 |
WO2018218124A1 (en) * | 2017-05-26 | 2018-11-29 | Cummins Inc. | Method of fault isolation for systems with existing diagnostics |
Non-Patent Citations (1)
Title |
---|
松岡 諒,外3名: "階層型プランニングシステムによる産業用ロボットの自律的エラーリカバリー", 計測自動制御学会論文集 第53巻 第1号, vol. 第53巻, JPN6020007272, 2017, JP, pages 80 - 89, ISSN: 0004221164 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112388678A (zh) * | 2020-11-04 | 2021-02-23 | 公安部第三研究所 | 一种基于低功耗模式识别技术的行为检测机器人 |
CN112388678B (zh) * | 2020-11-04 | 2023-04-18 | 公安部第三研究所 | 一种基于低功耗模式识别技术的行为检测机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN114340855B (zh) | 2024-05-07 |
JPWO2021044583A1 (ja) | 2021-09-27 |
DE112019007691T5 (de) | 2022-06-15 |
CN114340855A (zh) | 2022-04-12 |
WO2021044583A1 (ja) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6444851B2 (ja) | ノイズの発生原因を検出する学習機能を有する制御装置 | |
US11198214B2 (en) | Method for operating a robot in a multi-agent system, robot and multi-agent system | |
JP6031202B1 (ja) | 製造機械の異常の原因を発見するセル制御装置 | |
JP6693919B2 (ja) | 制御装置及び機械学習装置 | |
JPWO2010092981A1 (ja) | 産業用ロボットシステム | |
Chakraborti et al. | Planning with resource conflicts in human-robot cohabitation | |
Wong et al. | Correct High-level Robot Behavior in Environments with Unexpected Events. | |
US20220055217A1 (en) | Method for operating a robot in a multi-agent system, robot, and multi-agent system | |
JPWO2019225746A1 (ja) | ロボットシステム及び追加学習方法 | |
Iocchi et al. | A practical framework for robust decision-theoretic planning and execution for service robots | |
EP3998140A1 (en) | Robot control device | |
JP6685483B1 (ja) | ロボット行動計画システム、ロボットシステム、ロボット作業検証システム及びロボット行動計画方法 | |
JP6577542B2 (ja) | 制御装置 | |
Baydar et al. | Off-line error prediction, diagnosis and recovery using virtual assembly systems | |
Zheng et al. | Human-robot trust integrated task allocation and symbolic motion planning for heterogeneous multi-robot systems | |
CN112131754A (zh) | 基于机器人伴随行为模型的扩展pomdp规划方法及系统 | |
US20090030861A1 (en) | Probabilistic Prediction Based Artificial Intelligence Planning System | |
Wu et al. | Automated behavior tree error recovery framework for robotic systems | |
Shi et al. | Controller resynthesis for multirobot system when changes happen | |
Camilli et al. | Towards risk modeling for collaborative AI | |
Gotlieb et al. | Testing Industrial Robotic Systems: A New Battlefield! | |
Kwon et al. | Towards proactive assistant robots for human assembly tasks | |
Zhang et al. | Performance guaranteed human-robot collaboration through correct-by-design | |
Kiesbye et al. | Planning via model checking with decision-tree controllers | |
Beckmann et al. | A framework for task accomplishment using an ACT-R simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191226 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191226 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191226 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200205 |
|
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: 20200303 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200331 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6685483 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |