JP6826076B2

JP6826076B2 - 自動経路生成装置

Info

Publication number: JP6826076B2
Application number: JP2018134515A
Authority: JP
Inventors: 盛剛加藤; 嘉治長塚; 裕樹木本
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2018-07-17
Filing date: 2018-07-17
Publication date: 2021-02-03
Anticipated expiration: 2038-07-17
Also published as: CN110722552B; US20200023516A1; US11433537B2; DE102019118637A1; CN110722552A; DE102019118637B4; JP2020011328A

Description

本発明は、自動経路生成装置に関する。

ロボットを用いて行われるスポット溶接やアーク溶接を行う際の、該ロボットの動作経路（溶接ツールの位置や姿勢を決定するロボットの各軸の時間的移動系列）を作成する手法としては、作業者による教示により動作経路を生成する手法の他に、予め与えられたワーク上の打点位置とＣＡＤデータとして与えられたワークや治具の形状に基づいてＲＲＴ（ＲａｐｉｄｌｙｅｘｐｌｏｒｉｎｇＲａｎｄｏｍＴｒｅｅ）等の動作計画法アルゴリズムを用いて自動で動作経路を生成する手法がある（例えば、特許文献１等）。また、ロボットの運動モデルを考慮した動作経路を自動生成するアルゴリズムも存在する。

再表２０１７／１１９０８８号公報

これらの自動経路生成の手法は、例えばスポット溶接においてロボットの動作を妨げるワークの形状や治具を回避しつつ、ワークの溶接するべき打点位置へとロボットを順次移動させる動作経路を作成してくれるが、作成された動作経路は、例えば前の打点位置において行われた溶接におけるロボットの姿勢やワークの形状や治具を回避する際の効率的な移動、ロボットの軸（関節）に掛かる負荷等を考慮した効率的な動作経路となっていない場合が多い。このような効率的な動作経路は熟練した作業者による手作業での教示により生成することができるが、このような手作業による教示の作業はその作業者にとって負担となり、また、時間が掛かるためサイクルタイムが延びてしまうという課題がある。そして、このような課題は溶接ロボットに限られるものではなく、ハンドリングロボット等の他のロボットにおいても発生する。

そこで本発明の目的は、ロボットの動作における効率的な動作経路を自動的に生成する自動経路生成装置を提供することである。

本発明の自動経路生成装置は、ロボットが何らかの動作を行う動作点の位置（例えばスポットと溶接における打点位置等）及びワーク、治具等の干渉物の形状に基づいてＲＲＴ等の動作計画法アルゴリズムにより自動的に生成した動作経路（以下、仮動作経路と言う）に対する、同じ動作店の位置及び干渉物の形状に対して熟練した作業者が手作業で作成する動作経路（以下、実動作経路と言う）を学習した機械学習装置を用いて、仮動作経路から実動作経路を推定することで上記課題を解決する。仮動作経路は、動作計画法アルゴリズムにより自動的に生成されたものであり、動作経路としては理想的なものとは言えないが、機械学習装置が仮動作経路と実動作経路の差異をその傾向として学習し、仮動作経路から自動的に実動作経路を推定することができるようにすることで、自動的に効率的な動作経路を導き出すことができるようになる。

本発明の一態様は、ロボットの動作経路を生成する自動経路生成装置であって、前記ロボットが動作する複数の動作点の間の動作経路に基づいて作成された仮動作経路と、作業者が予め作成した実動作経路とに基づいて生成された教師データに従って、前記仮動作経路から前記実動作経路を推定するニューラルネットワークを学習する動作経路学習部、を備えた自動経路生成装置である。

本発明の他の態様は、ロボットの動作経路を生成する自動経路生成装置であって、前記ロボットが動作する複数の動作点の間の動作経路に基づいて作成された仮動作経路から、作業者が予め作成した実動作経路を推定するためのニューラルネットワークを記憶する学習モデル記憶部と、少なくとも前記仮動作経路を前記ニューラルネットワークに入力した際の前記ニューラルネットワークからの出力に基づいて、前記ロボットの動作経路を出力する動作経路推定部と、を備えた自動経路生成装置である。

本発明により、ロボットを用いて行われる溶接における該ロボットの効率的な動作経路を自動的に生成することが可能となる。

一実施形態による自動経路生成装置の概略的なハードウェア構成図である。第１の実施形態による自動経路生成装置の概略的な機能ブロック図である。ロボットの動作経路を例示する図である。他の変形例による自動経路生成装置の概略的な機能ブロック図である。他の変形例による自動経路生成装置の概略的な機能ブロック図である。実動作経路からロボットの動作経路を例示する図である。第２の実施形態による自動経路生成装置の概略的な機能ブロック図である。第３の実施形態による自動経路生成装置の概略的な機能ブロック図である。

以下、本発明の実施形態を図面と共に説明する。以下では、本実施形態による自動経路生成装置を、スポット溶接におけるロボットの動作経路を生成するものとして説明する。この場合、ロボットの動作点の位置としてはスポットと溶接における打点位置が扱われ、干渉物としてはワーク及び治具が対象となる。

図１は一実施形態による自動経路生成装置の要部を示す概略的なハードウェア構成図である。自動経路生成装置１は、例えばロボットを制御する制御装置上に実装することができる。また、自動経路生成装置１は、ロボット及び該ロボットの制御装置に併設されたパソコンや、ロボットの制御装置に有線／無線のネットワークで接続されたセルコンピュータ、ホストコンピュータ、エッジサーバ、クラウドサーバ等のコンピュータとして実装することができる。本実施形態では、自動経路生成装置１を、ロボットを制御する制御装置上に実装した場合の例を示す。

本実施形態の自動経路生成装置１は一般的なロボットの制御に用いられる機能を備えており、図１に例示されるロボット２とインタフェース１９を介して接続されて該ロボット２を制御する。ロボット２としては、１以上のリンク（可動部）と１以上の関節を有するものであり、例えば６軸多関節型ロボットを挙げることができる。ロボット２は、スポット溶接、アーク溶接、レーザ溶接等の溶接を行うためのＣガンやＸガン、レーザ等のツールを備えたロボットであって良く、また、固定された溶接用のツールに対して把持しているワークの位置を変更して溶接するロボットであっても良い。

自動経路生成装置１は、予め溶接時におけるロボット２の動作経路を機械学習した機械学習装置１００を備えており、該機械学習した結果に基づいて機械学習装置１００から出力されるワークの溶接時のロボット２の最適な動作経路の推定結果に従ってロボット２を制御し、ワークの溶接を行う。なお、ロボット２の詳細な構成については既に公知となっているので、本明細書での詳細な説明は省略する。

本実施形態による自動経路生成装置１が備えるＣＰＵ１１は、自動経路生成装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、ＲＯＭ１２に格納されたシステム・プログラムをバス２０を介して読み出し、該システム・プログラムに従って自動経路生成装置１の全体を制御する。ＲＡＭ１３には一時的な計算データや表示データ、入力装置７１を介してして作業者が入力した各種データ等が一時的に格納される。

不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされたメモリやＳＳＤ等で構成され、自動経路生成装置１の電源がオフされても記憶状態が保持される。不揮発性メモリ１４には、自動経路生成装置１の動作に係る設定情報が格納される設定領域や、入力装置７１から入力されたロボット２の制御用プログラムやＣＡＤデータ等、図示しない外部記憶装置から読み込まれたロボット２の制御用プログラムやＣＡＤデータ等が記憶される。不揮発性メモリ１４に記憶されたプログラムや各種データは、実行時／利用時にはＲＡＭ１３に展開されても良い。また、ＲＯＭ１２には、公知の解析プログラムなどの各種のシステム・プログラム（後述する機械学習装置１００とのやりとりを制御するためのシステム・プログラムを含む）があらかじめ書き込まれている。

表示装置７０には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ、後述する機械学習装置１００から出力されたデータ等がインタフェース１７を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置７１は、作業者による操作に基づく指令，データ等を受けて、インタフェース１８を介してＣＰＵ１１に渡す。

インタフェース２１は、自動経路生成装置１と機械学習装置１００とを接続するためのインタフェースである。機械学習装置１００は、機械学習装置１００全体を統御するプロセッサ１０１と、システム・プログラム等を記憶したＲＯＭ１０２、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ１０３、及び学習モデル等の記憶に用いられる不揮発性メモリ１０４を備える。機械学習装置１００は、インタフェース２１を介して自動経路生成装置１で取得可能な各情報（例えば、入力装置７１を介して設定された室温や、ロボット２から取得される各モータの状態量等）を観測することができる。また、自動経路生成装置１は、機械学習装置１００からの処理結果をインタフェース２１を介して取得する。

図２は、第１の実施形態による自動経路生成装置１と機械学習装置１００の学習モードにおける概略的な機能ブロック図である。図２に示した各機能ブロックは、図１に示した自動経路生成装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、自動経路生成装置１及び機械学習装置１００の各部の動作を制御することにより実現される。

自動経路生成装置１は、ロボット２を制御する制御部３０と、作業者の教示により作成された動作経路を含む制御用プログラム５０と溶接対象のワーク及び治具の形状情報を含むＣＡＤデータ５２とに基づいて機械学習装置１００の機械学習に用いる教師データを作成する前処理部３４と、前処理部３４が作成した教師データを用いてロボット２の動作経路を学習する動作経路学習部３８とを備える。

制御部３０は、作業者による図示しない操作盤の制御操作や、不揮発性メモリ１４等に記憶された制御用プログラム、機械学習装置１００から出力された動作経路等に基づいてロボット２を制御する。制御部３０は、制御用プログラムや機械学習装置１００から出力された動作経路が、ロボット２が備える各軸（関節）の移動を指令する場合に当該軸を駆動するモータに対して制御周期毎に軸角度の変化量としての指令データを出力する、等といったように、ロボット２の各部を制御するために必要とされる一般的な制御のための機能を備える。また、制御部３０は、ロボット２が備える各モータのモータ状態量（モータの電流値、モータの位置、速度、加速度、モータのトルク等）を取得し、取得したモータ状態量をロボット２の制御に用いる。

前処理部３４は、熟練した作業者の教示により作成された動作経路を含む制御用プログラム５０と溶接対象のワーク及び治具の形状情報を含むＣＡＤデータ５２とに基づいて、機械学習の位置手法である教師あり学習に用いる教師データＴを作成し、機械学習装置１００へ出力する機能手段である。前処理部３４は、制御用プログラム５０から抽出したスポット溶接の打点位置の情報及びＣＡＤデータ５２に含まれるワークと治具の位置の情報に基づいて、公知の動作計画法アルゴリズム（ＲＲＴ等）を用いてロボット２の動作経路（以下、仮動作経路と言う）を算出してこれに係るデータを入力データとし、また、制御用プログラム５０から抽出した作業者の教示により作成された動作経路（以下、実動作経路と言う）に係るデータを出力データとした教師データを作成し、機械学習装置に対して出力する。仮動作経路及び実動作経路のそれぞれは、例えば打点に係る情報、打点間の中間点に係る情報、及び該打点及び中間点間でのロボット２の各軸の速度、加速度、滑らかさ等の動作パラメータのデータの系列であって良い。また、仮動作経路及び実動作経路のそれぞれは、例えば打点に係る情報、打点間の中間点に係る情報、及び該打点及び中間点間でのロボット２に把持されるツールの位置の速度、加速度、滑らかさ等の動作パラメータのデータの系列であって良い。

図３は、ワークの打点位置間を移動する動作経路の例を示す図である。図３において、溶接ツールはロボット２のハンドに取り付けられており、制御部３０の制御のもとでワークの打点位置Ｐ１，Ｐ２に対して溶接を行い、溶接ツールを打点位置Ｐ１から打点位置Ｐ２に移動する際に治具と干渉しない動作経路を生成する必要があり、この動作経路の例としては、中間点Ｐ１−１，Ｐ１−２を経由した（Ｐ１，Ｐ１−１，Ｐ１−２，Ｐ２）という動作経路が考えられる。そして、各打点位置、中間点位置の間の移動において、ロボット２の各軸が速度、加速度、滑らかさ（インポジション）の３つの動作パラメータに従って動作するとした場合、各打点位置、中間点位置におけるロボット２の各軸の位置（又はツールの位置）と、打点位置Ｐ１から中間点Ｐ１−１へ移動する際の各軸の速度、加速度、滑らかさ、中間点Ｐ１−１から中間点Ｐ１−２へ移動する際の各軸の速度、加速度、滑らかさ、中間点Ｐ１−２から打点位置Ｐ１−２へ移動する際の各軸の速度、加速度、滑らかさにより、打点位置Ｐ１から打点位置Ｐ２への動作経路を定義することができる。そして、仮動作経路と実動作経路について、このようなデータの系列を作成し、それぞれを入力データ、出力データとすることで、教師データＴを作成することができる。

前処理部３４は、ロボット２の全体の動作経路（仮動作経路、実動作経路）から１つの教師データＴとして作成してもよいし、全体の動作経路（仮動作経路、実動作経路）の中の２つの打点位置Ｐｉ，Ｐｊ間の部分動作経路から１つの教師データＴｉを作成し、ロボット２の全体の動作経路からそれぞれの部分動作経路に対応する複数の教師データＴ１〜Ｔｎ（ｎは正の整数）を作成するようにしても良い。また、前処理部３４は、全体の仮動作経路の中の４つの打点位置Ｐｉ〜Ｐｌ間の部分動作経路を１つの入力データとし、これに対応する出力データとして実動作経路の中のＰｊ，Ｐｋ間の部分動作経路を１つの出力データとした教師データＴｊを作成し、ロボット２の全体の動作経路からそれぞれの部分動作経路に対応する複数の教師データＴ１〜Ｔｎ（ｎは正の整数）を作成するようにしても良い（このようにする場合、ロボット２の移動の開始位置、終了位置において仮動作経路から定義できない一部の入力データは０等の予め定めた固定値を定義しておけば良い）。このように、学習モデルをどのように定義するかに応じて、教師データは適宜設定すれば良い。

動作経路学習部３８は、前処理部３４が作成した教師データを用いた教師あり学習を行い、仮動作経路から実動作経路を推定するために用いられる学習済みモデルを生成する（学習する）機能手段である。本実施形態の動作経路学習部３８は、例えばニューラルネットワークを学習モデルとして用い、前処理部３４が作成した教師データに含まれる仮動作経路に係るデータを入力データ、実動作経路に係るデータを出力データとした教師あり学習を行うように構成しても良い。この様に構成する場合、学習モデルとしては入力層、中間層、出力層の三層を備えたニューラルネットワークを用いても良いが、三層以上の層を為すニューラルネットワークを用いた、いわゆるディープラーニングの手法を用いることで、より効果的な学習及び推論を行うように構成することも可能である。

動作経路学習部３８による学習は、自動経路生成装置１が学習モードとして機能している場合に行われる。学習モードにおいては、作業者が入力装置７１等を操作して図示しないＵＳＢ装置等の外部装置を介して、又は、図示しない有線／無線のネットワークを介して、様々な制御用プログラム５０及びＣＡＤデータ５２を自動経路生成装置１に取得させ、取得した様々な制御用プログラム５０及びＣＡＤデータ５２に基づく学習を行わせ、仮動作経路から実動作経路を推定するための学習済みモデルを生成する。そして、動作経路学習部３８が生成した学習済みモデルは、不揮発性メモリ１０４上に設けられた学習モデル記憶部４６に記憶され、後述する動作経路推定部４０による実動作経路の推定に用いられる。

上記構成を備えた本実施形態による自動経路生成装置１は、熟練した作業者の教示により作成された動作経路を含む制御用プログラム５０及び溶接対象のワーク及び治具の形状情報を含むＣＡＤデータ５２とに基づいて、仮動作経路（動作計画法アルゴリズム等により自動的に作成された動作経路）に対する実動作経路（熟練した作業者の教示により作成された動作経路）を学習した学習済みモデルを生成することができる。

本実施形態の自動経路生成装置１の一変形例として、図４に示すように、前処理部３４は、熟練した作業者の教示により作成された動作経路を含む制御用プログラム５０と動作経路アルゴリズム等により自動的に作成された動作経路を含む仮動作経路データ５４とに基づいて、機械学習の位置手法である教師あり学習に用いる教師データＴを作成し、機械学習装置１００へ出力するように構成することもできる。このように構成することで、作業者が打点位置とＣＡＤデータに基づいて作成した仮動作経路データ５４を作成しておき、作成した仮動作経路データ５４を制御用プログラム５０と共に自動経路生成装置１に読み込ませることにより、仮動作経路（動作計画法アルゴリズム等により自動的に作成された動作経路）に対する実動作経路（熟練した作業者の教示により作成された動作経路）を学習した学習済みモデルを生成することができる。

本実施形態の自動経路生成装置１の他の変形例として、図５に示すように、前処理部３４は、熟練した作業者の教示により作成された動作経路を含む制御用プログラム５０に基づいて、機械学習の位置手法である教師あり学習に用いる教師データＴを作成し、機械学習装置１００へ出力するように構成することもできる。この場合、前処理部３４は、図６に例示されるように、制御用プログラム５０から抽出した熟練した作業者の教示により作成された実動作経路を解析し、該実動作経路において打点位置Ｐｉと打点位置Ｐｊとの間の動作経路が迂回経路となっている場合（即ち、略直線となっていない場合）に、該動作経路の内側距離α（予め設定しておく）の位置に仮想干渉物が存在すると仮定し、その過程した仮想干渉物を考慮した公知の動作計画法アルゴリズム（ＲＲＴ等）を用いてロボット２の仮動作経路を算出する。そして、このようにして得られた仮動作経路と実動作経路をそれぞれ入力データ、出力データとした教師データＴを作成してこれを機械学習装置１００へ出力するように構成すれば良い。また、前処理部３４を、実動作経路に対する仮動作経路を学習した機械学習機として構成し、制御用プログラム５０から抽出した実動作経路に基づいて仮動作経路を推定させて、推定した仮動作経路を入力データとした教師データを作成してこれを機械学習装置１００へ出力するように構成しても良い。このように構成することで、ＣＡＤデータ５２がなく制御用プログラム５０のみが手元にある場合であっても、仮動作経路（動作計画法アルゴリズム等により自動的に作成された動作経路）に対する実動作経路（熟練した作業者の教示により作成された動作経路）を学習した学習済みモデルを生成することができる。

図７は、第２の実施形態による自動経路生成装置１と機械学習装置１００の推定モードにおける概略的な機能ブロック図である。図７に示した各機能ブロックは、図１に示した自動経路生成装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、自動経路生成装置１及び機械学習装置１００の各部の動作を制御することにより実現される。

本実施形態の自動経路生成装置１は、推定モードにおいて、仮動作経路データ５４に基づいて実動作経路を推定し、推定した実動作経路に基づいてロボット２を制御する。本実施形態による自動経路生成装置１において、制御部３０が備える機能は第１の実施形態のものと同様のものである。

動作経路推定部４０は、作業者が入力装置７１を操作に応じて図示しないＵＳＢ装置等の外部装置を介して、又は、図示しない有線／無線のネットワークを介して取得した仮動作経路データ５４に基づいて、学習モデル記憶部４６に記憶された学習済みモデルを用いた実動作経路の推定を行う。本変形例の動作経路推定部４０では、動作経路学習部３８による教師あり学習により生成された（パラメータが決定された）ニューラルネットワークを学習済みモデルとし、これに仮動作経路データ５４を入力データとして入力することで実動作経路を推定（算出）する。動作経路推定部４０が推定した実動作経路は、制御部３０に対して出力されロボット２の制御に用いられる。また、動作経路推定部４０が推定した実動作経路は、例えば表示装置７０に対して表示出力したり、図示しない有線／無線のネットワークを介してホストコンピュータやクラウドコンピュータ等に送信出力して利用するようにしても良い。

上記のように構成された本実施形態の自動経路生成装置１は、ロボット２に種々のパターンの動作を行わせて得られた複数の教師データに基づいて動作経路の学習を行い、十分な学習結果が得られた学習済みモデルを用いてロボット２の効率の良い動作経路を推定することができるようになる。

図８は、第３の実施形態による自動経路生成装置１と機械学習装置１００の推定モードにおける概略的な機能ブロック図である。図８に示した各機能ブロックは、図１に示した自動経路生成装置１が備えるＣＰＵ１１、及び機械学習装置１００のプロセッサ１０１が、それぞれのシステム・プログラムを実行し、自動経路生成装置１及び機械学習装置１００の各部の動作を制御することにより実現される。なお、図８では、制御用プログラム５０、ＣＡＤデータ５２，仮動作経路データ５４等については記載を省略している。

本実施形態の自動経路生成装置１は、推定モードにおいて動作経路推定部４０が仮動作経路データ５４に基づいて推定した実動作経路を用いたロボット２の動作シミュレーションを実行するシミュレーション部４２を備える。シミュレーション部４２によるロボット２の動作シミュレーションの結果、推定された実動作経路ではロボット２乃至溶接ツールとワーク乃至治具との間で干渉が発生する場合、動作経路補正部４４において、推定した実動作経路の中間点の位置等がロボット２乃至溶接ツールとワーク乃至治具との間で干渉が発生しない位置（例えば、干渉した物から予め定めた所定の距離だけ離れた位置）へと変更され、変更された実動作経路が前処理部３４に入力されて、入力された実動作経路と、実動作経路の推定に用いられた仮動作経路とで新たな教師データＴが作成されて、学習済みモデルに対する再学習に利用される。

上記のように構成された本実施形態の自動経路生成装置１は、推定された実動作経路ではロボット２乃至溶接ツールとワーク乃至治具との間で干渉が発生する場合に、干渉が発生しないように実動作経路を補正し、補正した実動作経路を用いた再学習が行われ、より適切な学習済みモデルを構築することができるようになる。

以上、本発明の実施の形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。

例えば、機械学習装置１００が実行する学習アルゴリズムや演算アルゴリズム、自動経路生成装置１が実行する制御アルゴリズム等は、上述したものに限定されず、様々なアルゴリズムを採用できる。

また、上記した実施形態では自動経路生成装置１と機械学習装置１００が異なるＣＰＵを有する装置として説明しているが、機械学習装置１００は自動経路生成装置１が備えるＣＰＵ１１と、ＲＯＭ１２に記憶されるシステム・プログラムにより実現するようにしても良い。

上記した実施形態では自動経路生成装置１によりスポット溶接における打点間の動作経路の推定をする例を示したが、同様の技術をアーク溶接やレーザ溶接等におけるエアカット部分における動作経路の推定、即ち、前の溶接のプロセスと次の溶接のプロセスとの間での溶接ツールの移動に係る動作経路の推定に応用することができる。

更に、一般的なロボットの自動経路生成に応用することも可能である。例えば、ハンドリングロボット（搬送ロボット）においては、動作点の位置としてワークを把持する位置や、ワークを搬送する先の位置などが挙げられ、干渉物としては搬送経路に存在する他の装置等が挙げられる。そして、自動経路生成装置１は、ワークを把持するまでの動作経路、ワークを把持してからワークの移動先へ移動する際の動作経路等について、動作計画法アルゴリズム等で自動生成した仮動作経路に対する熟練した作業者が作成した効率の良い実動作経路を学習させ、その学習結果を用いて、動作計画法アルゴリズム等で自動生成した仮動作経路から効率のよい実動作経路を推定するように構成しても良い。

１自動経路生成装置
２ロボット
１１ＣＰＵ
１２ＲＯＭ
１３ＲＡＭ
１４不揮発性メモリ
１７，１８，１９インタフェース
２０バス
２１インタフェース
３０制御部
３４前処理部
３８動作経路学習部
４０動作経路推定部
４２シミュレーション部
４４動作経路補正部
４６学習モデル記憶部
５０制御用プログラム
５２ＣＡＤデータ
５４仮動作経路データ
７０表示装置
７１入力装置
１００機械学習装置
１０１プロセッサ
１０２ＲＯＭ
１０３ＲＡＭ
１０４不揮発性メモリ

Claims

ロボットの動作経路を生成する自動経路生成装置であって、
前記ロボットが動作する複数の動作点の間の動作経路に基づいて作成された仮動作経路と、作業者が予め作成した実動作経路とに基づいて生成された教師データに従って、前記仮動作経路から前記実動作経路を推定するニューラルネットワークを学習する動作経路学習部、
を備える、
自動経路生成装置。
作業者が作成した制御用プログラムから前記実動作経路を抽出する、
請求項１に記載の自動経路生成装置。
前記制御用プログラムから前記動作点を抽出し、抽出した前記動作点と前記ロボットの動作環境における干渉物の形状情報を用いた動作計画法アルゴリズムを実行することにより前記仮動作経路を生成する、
請求項２に記載の自動経路生成装置。
前記ロボットの動作環境における干渉物の形状情報は、ＣＡＤデータである、
請求項３に記載の自動経路生成装置。
前記ロボットの動作環境における干渉物の形状情報は、前記制御用プログラムから抽出された実動作経路に基づいて推定される、
請求項３に記載の自動経路生成装置。
ロボットの動作経路を生成する自動経路生成装置であって、
前記ロボットが動作する複数の動作点の間の動作経路に基づいて作成された仮動作経路から、作業者が予め作成した実動作経路を推定するためのニューラルネットワークを記憶する学習モデル記憶部と、
少なくとも前記仮動作経路を前記ニューラルネットワークに入力した際の前記ニューラルネットワークからの出力に基づいて、前記ロボットの動作経路を出力する動作経路推定部と、
を備えた自動経路生成装置。
前記動作経路推定部が推定した前記ロボットの実動作経路に基づいて前記ロボットの動作をシミュレーションするシミュレーション部と、
前記シミュレーションにより前記ロボットが干渉物と干渉する場合、前記干渉が発生しないように前記実動作経路を補正する動作経路補正部と、
を更に備え、
前記動作経路補正部が補正した実動作経路に基づいて、前記ニューラルネットワークの再学習を行う、
請求項６に記載の自動経路生成装置。