JP6923573B2

JP6923573B2 - 制御パラメータ調整装置

Info

Publication number: JP6923573B2
Application number: JP2019014499A
Authority: JP
Inventors: 小林　洋平; 洋平小林
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2019-01-30
Filing date: 2019-01-30
Publication date: 2021-08-18
Anticipated expiration: 2039-01-30
Also published as: US10983635B2; JP2020123140A; DE102020000404A1; CN111506235A; US20200241691A1

Description

本発明は、制御パラメータ調整装置に関する。

工場において用いられる工作機械やロボット等を制御する制御装置において、機械式ボタンの代わりにタッチパネルと呼ばれるポインティングデバイスが用いられるようになっている。タッチパネルは、液晶表示装置等に接触検出装置を取り付けて、液晶表示装置上にボタンやハンドルなどの操作イメージを表示し、表示した操作イメージに対するタッチ操作を検出することで、情報の入力を可能としている。タッチパネルの方式としては、抵抗膜式や光学式等、様々な方式のものが存在するが、比較的単純な構造を持ち、組み込んだ装置でフラットな外観を容易に実現できる静電容量式のタッチパネルが多くの環境で用いられるようになってきた。

静電容量式タッチパネルは、その構造上ノイズの影響を受けやすく、例えば工作機械による加工時に発生する電磁波、放射ノイズ、誘導ノイズ等の外乱ノイズにより誤動作を起こす場合がある。この誤動作は、作業者による静電容量式タッチパネルに対する接触を検出した信号と外乱ノイズとを区別できないために発生する。

静電容量式タッチパネルにおける外乱ノイズに対する対策としては、例えば互いに近接又は隣接するタッチ配線の検出信号の差をとる差分検出方式や、検出する静電容量値の変動に含まれる高周波成分をフィルタするフィルタリング方式等がある（例えば、特許文献１，２等）。また、スキャン周波数を切り替えることでノイズを回避する周波数ホッピング方式もノイズの対策に用いられている（例えば、特許文献３等）。

特開２０１２−０９４０７９号公報特開２０１６−０５８０４７号公報特開２０１６−２００８８６号公報

従来技術による、静電容量式タッチパネルの外来ノイズ対策では、それぞれの方式において用いられる入力感度やフィルタリング回数、スキャン周波数等の制御パラメータを設定する必要があるが、一般に制御パラメータの設定は煩雑であり、ファームウェアレベルでの設定が必要なため、現場で作業している作業者が作業中に容易に変更乃至調整できるものではない。また、制御パラメータを事前に設定しておくにしても、該静電容量式タッチパネルが利用される環境（ノイズの発生状況）を考慮した適切な制御パラメータを設定するにはノウハウが必要であり、調整が困難であるという課題がある。

そこで、静電容量式タッチパネルが動作する環境における外来ノイズの状態に応じて制御パラメータを調整する静電容量式タッチパネルの制御パラメータ調整装置が望まれている。

本発明の一態様による制御パラメータ調整装置は、静電容量式タッチパネルが動作する環境から来る外来ノイズに対して適切な制御パラメータを機械学習することにより学習モデルを生成し、静電容量式タッチパネルを利用している際に生成した学習モデルを用いて現在の環境に対してより適切な制御パラメータを推定して設定することで、上記課題を解決する。

そして、本発明の一態様は、静電容量式タッチパネル装置の制御パラメータを設定する制御パラメータ調整装置であって、前記静電容量式タッチパネル装置に設定されている制御パラメータを含む制御パラメータに係るデータ、前記静電容量式タッチパネル装置に対してタッチしていない時に検出される外来ノイズに係るデータ、前記静電容量式タッチパネル装置に対するタッチ操作を指令する指令データ、及び前記静電容量式タッチパネル装置に対してタッチしている時に検出される操作データを少なくとも取得するデータ取得部と、前記制御パラメータに係るデータ及び前記外来ノイズに係るデータに基づく状態データと、前記指令データ及び操作データに基づく判定データとを、機械学習に用いる学習データとして生成する前処理部と、前記学習データに基づいて、前記外来ノイズに係るデータが取得される環境における前記静電容量式タッチパネル装置の制御パラメータの調整を強化学習して学習モデルを生成する学習部を備える機械学習装置と、を備えた制御パラメータ調整装置である。
本発明の他の態様は、静電容量式タッチパネル装置の制御パラメータを設定する制御パラメータ調整装置であって、前記静電容量式タッチパネル装置に設定されている制御パラメータを含む制御パラメータに係るデータ、前記静電容量式タッチパネル装置に対してタッチしていない時に検出される外来ノイズに係るデータを少なくとも取得するデータ取得部と、前記制御パラメータに係るデータ及び前記外来ノイズに係るデータに基づく状態データを、機械学習に用いる学習データとして生成する前処理部と、前記外来ノイズに係るデータが取得される環境における前記静電容量式タッチパネル装置の制御パラメータの調整行動を強化学習して生成された学習モデルを記憶する学習モデル記憶部と、前記状態データに基づいて、前記学習モデルを用いて前記静電容量式タッチパネル装置の制御パラメータの調整行動を決定する意志決定部を備える機械学習装置と、を備えた制御パラメータ調整装置である。

本発明の一態様によれば、静電容量式タッチパネルを利用している時に、環境からのノイズの影響に応じて制御パラメータをより適切に変更乃至調整することが可能となる。

一実施形態による制御パラメータ調整装置の概略的なハードウェア構成図である。第１実施形態による制御装置の概略的な機能ブロック図である。作業者によるタッチ操作を取得する際の画面表示例である。第２実施形態による制御装置の概略的な機能ブロック図である。第３実施形態による制御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。
図１は一実施形態による機械学習装置を備えた制御パラメータ設定の要部を示す概略的なハードウェア構成図である。本実施形態の制御パラメータ調整装置１は、例えば静電容量式タッチパネルを備えた制御装置上に実装することができる。また、本実施形態の制御パラメータ調整装置１は、静電容量式タッチパネルを備えた制御装置と併設されたパソコンや、該制御装置と有線／無線のネットワークを介して接続された管理装置、エッジコンピュータ、フォグコンピュータ、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、制御パラメータ調整装置１を、静電容量式タッチパネル装置を備えた制御装置と併設されたパソコン上に実装した場合の例を示す。

本実施形態による制御パラメータ調整装置１が備えるＣＰＵ１１は、制御パラメータ調整装置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制御パラメータ調整装置１全体を制御する。ＲＡＭ１３には一時的な計算データ、入力装置を介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（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等で構成され、制御パラメータ調整装置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、制御パラメータ調整装置１の動作に係る設定情報が格納される設定領域や、静電容量式タッチパネル装置７０から取得した設定パラメータ、静電容量式タッチパネル装置７０により検出された外来ノイズ、静電容量式タッチパネル装置７０により検出されたタッチデータ、静電容量式タッチパネル装置７０に対して出力される指令データ、図示しない外部記憶装置やネットワークを介して他のコンピュータ等から読み込まれた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、各種データを解析するための公知の解析プログラムや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プログラム等を含むシステム・プログラムが予め書き込まれている。

制御装置２は、例えば工作機械やロボット等の産業機械（図示せず）を制御する制御装置である。制御装置２は、産業機械の制御中に算出された各情報や産業機械から検出された各情報を表示装置としての静電容量式タッチパネル装置７０に対して表示出力する。また、制御装置２は、産業機械の制御に必要等される作業者の操作を受け付けるために、静電容量式タッチパネル装置７０に対して仮想的なボタンやハンドルなどの操作用イメージを表示し、入力装置としての静電容量式タッチパネル装置７０が検出した作業者による該操作用イメージに対するタッチ操作に基づいて制御装置２自身及び産業機械の動作を制御する。

制御パラメータ調整装置１は、インタフェース１７を介して静電容量式タッチパネル装置７０との間で、直接的に静電容量式タッチパネル装置７０に対する表示制御や、静電容量式タッチパネル装置７０からのデータの取得ができるように構成されていても良い。また、制御パラメータ調整装置１は、図示しないインタフェースを介して制御装置２とデータのやり取りすることで、間接的に静電容量式タッチパネル装置７０に対する表示制御や、静電容量式タッチパネル装置７０からのデータの取得ができるように構成されていても良い。

インタフェース２１は、制御パラメータ調整装置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を介して制御パラメータ調整装置１で取得可能な各種情報（例えば、静電容量式タッチパネル装置７０から取得した設定パラメータ、静電容量式タッチパネル装置７０により検出された外来ノイズ、静電容量式タッチパネル装置７０により検出されたタッチデータ、静電容量式タッチパネル装置７０に対して出力される指令データ等）を観測することができる。また、制御パラメータ調整装置１は、機械学習装置１００から出力される処理結果をインタフェース２１を介して取得し、取得した結果を記憶したり、表示したり、他の装置に対してネットワーク等を介して送信する。

図２は、第１実施形態による制御パラメータ調整装置１と機械学習装置１００の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に示した制御パラメータ調整装置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、制御パラメータ調整装置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。

本実施形態の制御パラメータ調整装置１は、制御部３０、データ取得部３２、前処理部３４を備え、制御パラメータ調整装置１が備える機械学習装置１００は、学習部１１０、意志決定部１２０を備えている。また、図１で示した不揮発性メモリ１４上には、静電容量式タッチパネル装置７０から取得されたデータが記憶される取得データ記憶部５０が設けられており、図１で示した機械学習装置１００の不揮発性メモリ１０４上には、学習部１１０による機械学習により構築された学習モデルを記憶する学習モデル記憶部１３０が設けられている。

制御部３０は、図１で示した不揮発性メモリ１４に記憶された制御用プログラムに基づいて、静電容量式タッチパネル装置７０の表示制御及び入力制御を行う機能手段である。制御部３０は、静電容量式タッチパネル装置７０の起動時や作業者による静電容量式タッチパネル装置７０に対する操作等の所定のタイミングにおいて、静電容量式タッチパネル装置７０を制御パラメータ学習モードで動作するように制御する。

制御部３０は、静電容量式タッチパネル装置７０が制御パラメータ学習モードで動作する際に、作業者が静電容量式タッチパネル装置７０に対して操作を行っていない状態で、静電容量式タッチパネル装置７０が検出するノイズに係るデータを取得する。静電容量式タッチパネル装置７０は、電極とＧＮＤや作業者の指等との間に発生する静電容量の変化を検出するセンサがパネル上に配置されており、これをアンテナとして利用することで動作している環境における外乱ノイズを検出することができる。そこで、制御部３０は、例えば画面上に「画面上に触らないでください。」等のメッセージを表示して、作業者が静電容量式タッチパネル装置７０の画面に対して操作を行わないように指示した状態で静電容量式タッチパネル装置７０のセンサが何らかの静電容量の変化を検出した場合、これをノイズとして捉えることができる。

また、制御部３０は、静電容量式タッチパネル装置７０が制御パラメータ学習モードで動作する際に、制御部３０は、例えば図３に例示されるように画面上に仮想的なボタンを表示して、所定の操作をするように作業者に指令する表示を行う。制御部３０が作業者に促す所定の操作は、所定のタイミングで所定の位置に対してタッチ操作をするものであって良いし、表示画面上の所定の複数の位置を予め定めたパターンに従って順にタッチしていくものであっても良い。制御部３０は、作業者に所定の操作を促す表示をした後に、静電容量式タッチパネル装置７０が検出した結果としてのデータを取得する。

更に、制御部３０は、静電容量式タッチパネル装置７０に対して現在設定されている制御パラメータを取得することができ、また、静電容量式タッチパネル装置７０に対して制御パラメータを設定することができる。制御部３０が静電容量式タッチパネル装置７０から取得乃至静電容量式タッチパネル装置７０に設定する制御パラメータは、静電容量式タッチパネル装置７０内の制御方式によって異なるが、例えば、入力感度やフィルタリング回数、スキャン周波数等が例示される。

データ取得部３２は、制御部３０から、静電容量式タッチパネル装置７０から検出された各種データを取得する機能手段である。データ取得部３２は、例えば、制御部３０から、静電容量式タッチパネル装置７０に設定されている制御パラメータ、静電容量式タッチパネル装置７０の動作する環境における外乱ノイズに係るデータ、静電容量式タッチパネル装置に対するタッチ操作を指令する指令データと該指令に対して検出されたタッチ操作に係るデータ等を取得し、取得データとして取得データ記憶部５０に記憶する。

前処理部３４は、データ取得部３２が取得したデータに基づいて、機械学習装置１００による機械学習に用いられる学習データを作成する機能手段である。前処理部３４は、データ取得部３２が取得した（そして、取得データ記憶部５０に記憶された）データを機械学習装置１００において扱われる統一的な形式へと変換（数値化、サンプリング等）した学習データを作成する。例えば、前処理部３４は、機械学習装置１００が強化学習をする場合においては、該学習における所定の形式の状態データＳ及び判定データＤの組を学習データとして作成する。

本実施形態による前処理部３４が作成する状態データＳとしては、静電容量式タッチパネル装置７０に設定されている制御パラメータを含む制御パラメータデータＳ１、前記制御パラメータが設定された下で静電容量式タッチパネル装置７０において検出される外乱ノイズに係るデータを含むノイズデータＳ２を少なくとも含む。

制御パラメータデータＳ１は、静電容量式タッチパネル装置７０から取得された現在設定されている制御用パラメータを、予め定められた所定のデータ配列に当てはめたものであって良い。

ノイズデータＳ２は、静電容量式タッチパネル装置７０で検出された外乱ノイズに係るデータであって、例えば所定時間の間に静電容量式タッチパネル装置７０で外乱ノイズが検出された位置に対応する要素を１としたマトリクスデータであっても良い。

前処理部３４が作成する判定データＤとしては、前記制御パラメータデータＳ１に対応する制御パラメータが静電容量式タッチパネル装置７０に設定され、前記ノイズデータＳ２が検出されている状態において、静電容量式タッチパネル装置７０に対するタッチ操作を指令した場合に検出されたタッチ操作に基づいて、外乱ノイズの状態に対する制御パラメータの良否を判定したデータである。判定データＤは、静電容量式タッチパネル装置７０に対するタッチ操作の指令と、該指令に対して検出されたタッチ操作との差分に基づく操作判定データＤ１を少なくとも含む。

操作判定データＤ１は、例えば静電容量式タッチパネル装置７０に対するタッチ操作の指令の数、位置及び順番を含むパターンと、該指令に対して検出されたタッチ操作の数、位置及び順番を含むパターンとが一致した場合に「良」と判定し、一致しなかった場合（例えば、１点タッチを指令したのに２点以上のタッチ操作が検出された場合、指令に関連無く所定のパターンでタッチ操作が検出された場合、指令に関係なく画面全体が反応する場合、指令した位置以外の位置が反応した場合等）に「否」と判定するものであっても良い。また、操作判定データＤ１に度数を設け、例えば静電容量式タッチパネル装置７０に対するタッチ操作を指令の数、位置及び順番を含むパターンと、該指令に対して検出されたタッチ操作の数、位置及び順番を含むパターンとの相違が大きければ大きいほど大きな度数で「否」である旨を示すようにしても良い。

学習部１１０は、前処理部３４が作成した学習データを用いた機械学習を行う。学習部１１０は、公知の強化学習の手法により、静電容量式タッチパネル装置７０の動作する環境における外乱ノイズに対する、該静電容量式タッチパネルの制御パラメータの設定の調整行動を学習した学習モデルを生成し、生成した学習モデルを学習モデル記憶部１３０に記憶する。強化学習は、学習対象が存在する環境の現在状態（つまり入力）を観測すると共に現在状態で所定の行動（つまり出力）を実行し、その行動に対し何らかの報酬を与えるというサイクルを試行錯誤的に反復して、報酬の総計が最大化されるような方策（本願の機械学習装置１００では、入力感度を所定の割合で増加乃至減少させる、フィルタリング回数を所定の回数増加乃至減少させる、スキャン周波数を所定の割合で増加乃至減少させる、などといったような、静電容量式タッチパネル装置７０の制御パラメータの調整行動）を最適解として学習する手法である。学習部１１０が行う強化学習の手法としては、Ｑ学習等が挙げられる。

学習部１１０によるＱ学習において、報酬Ｒは、例えば、操作判定データＤ１が「良」を示している場合に正（プラス）の報酬Ｒとし、操作判定データＤ１が「否」と判定して負（マイナス）の報酬Ｒとすることができる。また、報酬Ｒは、操作判定データＤ１が示す「否」の度合いの大きさに応じて、より大きな負（マイナス）の報酬Ｒと成るようにしても良い。

学習部１１０は、ニューラルネットワークを価値観数Ｑ（学習モデル）をとして用い、状態データＳと行動ａとをニューラルネットワークの入力とし、当該状態における当該行動ａの価値（結果ｙ）を出力する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。学習部１１０が生成した学習モデルは、不揮発性メモリ１０４上に設けられた学習モデル記憶部１３０に記憶され、意志決定部１２０による静電容量式タッチパネル装置７０の制御パラメータの調整行動の推定処理に用いられる。

なお、学習部１１０は、学習の段階では必須の構成となるが、学習部１１０による静電容量式タッチパネル装置７０の制御パラメータの調整行動の学習が完了した後には必ずしも必須の構成ではない。例えば、学習が完了した機械学習装置１００を顧客に出荷する場合等には、学習部１１０を取り外して出荷するようにしても良い。

意志決定部１２０は、前処理部３４から入力された状態データＳに基づいて、学習モデル記憶部１３０に記憶された学習モデルを用いた静電容量式タッチパネル装置７０の制御パラメータの調整行動の最適解を求め、求めた静電容量式タッチパネル装置７０の制御パラメータの調整行動を出力する。本実施形態の意志決定部１２０では、学習部１１０による強化学習により生成された（パラメータが決定された）学習モデルに対して、前処理部３４から入力された状態データＳ（制御パラメータデータＳ１、ノイズデータＳ２等）と、静電容量式タッチパネル装置７０の制御パラメータの調整行動（例えば、入力感度、フィルタリング回数、スキャン周波数等の調整）を入力データとして入力することで現在の状態において当該行動をとった場合の報酬を算出できるが、この報酬の算出を現在取り得る複数の静電容量式タッチパネル装置７０の制御パラメータの調整行動について行い、算出された複数の報酬を比較して、最も大きな報酬が算出される静電容量式タッチパネル装置７０の制御パラメータの調整行動を最適解として推定する。意志決定部１２０が推定した静電容量式タッチパネル装置７０の制御パラメータの調整行動の最適解は、制御部３０へと入力されて静電容量式タッチパネル装置７０の制御パラメータの調整に用いられる他、例えば静電容量式タッチパネル装置７０に表示出力したり、図示しない有線／無線ネットワークを介してフォグコンピュータやクラウドコンピュータ等に送信出力したりすることで利用しても良い。

制御パラメータ調整装置１は、例えば制御装置２が動作を開始した時、静電容量式タッチパネル装置７０を作業者が操作した時、静電容量式タッチパネル装置７０の動作中に所定の周期で、意志決定部１２０による静電容量式タッチパネル装置７０の制御パラメータの調整行動の推定を行うことで、作業者の手を煩わせること無く静電容量式タッチパネル装置７０に対してより適切な制御パラメータを設定するようにしても良い。

上記した構成を備えた制御パラメータ調整装置１では、静電容量式タッチパネル装置７０が動作している環境における外来ノイズの状態に応じて、該静電容量式タッチパネル装置７０に対してより適切な制御パラメータを設定することが可能となり、タッチ操作の誤検出を低減できることが期待される。

図４は、第２実施形態による制御パラメータ調整装置１と機械学習装置１００の概略的な機能ブロック図である。本実施形態の制御パラメータ調整装置１は、機械学習装置１００が教師あり学習を行う場合に必要とされる構成を備えている（学習モード）。図２に示した各機能ブロックは、図１に示した制御パラメータ調整装置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、制御パラメータ調整装置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。

本実施形態の制御パラメータ調整装置１は、制御部３０、データ取得部３２、前処理部３４を備え、制御パラメータ調整装置１が備える機械学習装置１００は、学習部１１０を備えている。また、図１で示した不揮発性メモリ１４上には、静電容量式タッチパネル装置７０から取得されたデータが記憶される取得データ記憶部５０が設けられており、図１で示した機械学習装置１００の不揮発性メモリ１０４上には、学習部１１０による機械学習により構築された学習モデルを記憶する学習モデル記憶部１３０が設けられている。

本実施形態による制御部３０、データ取得部３２は、第１実施形態と同様の機能を備える。本実施形態において、制御部３０は、作業者が静電容量式タッチパネル装置７０に対して操作を行っていない状態での、静電容量式タッチパネル装置７０が検出するノイズに係るデータの取得と、静電容量式タッチパネル装置７０に対するタッチ操作を指令した場合に検出されたタッチ操作の取得を繰り返し実行することで、学習に用いるデータのデータ取得部３２による取得を支援する。この時、熟練した作業者が静電容量式タッチパネル装置７０の制御パラメータの調整を行いながら、上記した作業が繰り返し行われる。

本実施形態による前処理部３４は、データ取得部３２が取得したデータに基づいて、機械学習装置１００による機械学習に用いられる学習データを作成する機能手段である。前処理部３４は、データ取得部３２が取得した（そして、取得データ記憶部５０に記憶された）データを機械学習装置１００において扱われる統一的な形式へと変換（数値化、サンプリング等）した学習データを作成する。例えば、前処理部３４は、機械学習装置１００が教師あり学習を行う場合において、該機械学習における所定の形式の状態データＳ及びラベルデータＬの組を学習データとして作成する。

本実施形態による前処理部３４は、データ取得部３２が取得したデータの内で、熟練した作業者による静電容量式タッチパネル装置７０の制御パラメータの調整が行われた取得データに基づいて学習データの作成が行われる。前処理部３４は、例えば、データ取得部３２が取得したデータの内で、静電容量式タッチパネル装置７０に対するタッチ操作の指令の数、位置及び順番を含むパターンと、該指令に対して検出されたタッチ操作の数、位置及び順番を含むパターンとが一致している取得データに基づいて、学習データを作成する。

本実施形態による前処理部３４が作成する状態データＳとしては、静電容量式タッチパネル装置７０において検出される外乱ノイズに係るデータを含むノイズデータＳ２を少なくとも含む。ノイズデータＳ２は、静電容量式タッチパネル装置７０で検出された外乱ノイズに係るデータであって、例えば所定時間の間に静電容量式タッチパネル装置７０で外乱ノイズが検出された位置に対応する要素を１としたマトリクスデータであっても良い。

一方で、本実施形態による前処理部３４が作成する状態データＳとしては、静電容量式タッチパネル装置７０に設定されている制御パラメータを含む制御パラメータデータＬ１を少なくとも含む。制御パラメータデータＬ１は、静電容量式タッチパネル装置７０から取得された制御用パラメータを、予め定められた所定のデータ配列に当てはめたものであって良い。

本実施形態による学習部１１０は、前処理部３４が作成した学習データを用いた機械学習を行う。学習部１１０は、公知の教師あり学習の手法により、静電容量式タッチパネル装置７０の動作する環境における外乱ノイズに対する、該静電容量式タッチパネルの制御パラメータの調整を学習した学習モデルを生成し、生成した学習モデルを学習モデル記憶部１３０に記憶する。学習部１１０が行う教師あり学習の手法としては、ｍｕｌｔｉｌａｙｅｒｐｅｒｃｅｐｔｒｏｎ法、ｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ法、ＬｏｎｇＳｈｏｒｔ−ＴｅｒｍＭｅｍｏｒｙ法、ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ法等が挙げられる。

学習部１１０は、作業者が静電容量式タッチパネル装置７０の制御パラメータの調整がうまく行った際に静電容量式タッチパネル装置７０から取得された取得データに対して前処理部３４が処理して得られた学習データに基づいた教師あり学習を行い、静電容量式タッチパネル装置７０の動作する環境における外乱ノイズに対する、該静電容量式タッチパネルの制御パラメータを学習した学習モデルとして生成することができる。このようにして生成された学習モデルを用いて、後述する推定部１２２は、静電容量式タッチパネル装置７０から取得された取得データを前処理部３４が処理して得られた状態データＳに基づいて、取得された状態においてより適切な静電容量式タッチパネル装置７０の制御パラメータを推定することができる。

図５は、第３実施形態による制御パラメータ調整装置１と機械学習装置１００の概略的な機能ブロック図である。本実施形態の制御パラメータ調整装置１は、機械学習装置１００が静電容量式タッチパネル装置７０の制御パラメータを推定する場合に必要とされる構成を備えている（推定モード）。図５に示した各機能ブロックは、図１に示した制御パラメータ調整装置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、制御パラメータ調整装置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。

本実施形態の制御パラメータ調整装置１は、制御部３０、データ取得部３２、前処理部３４を備え、制御パラメータ調整装置１が備える機械学習装置１００は、推定部１２２を備えている。また、図１で示した不揮発性メモリ１４上には、静電容量式タッチパネル装置７０から取得されたデータが記憶される取得データ記憶部５０が設けられており、図１で示した機械学習装置１００の不揮発性メモリ１０４上には、第２実施形態で説明した学習部１１０による機械学習により構築された学習モデルを記憶する学習モデル記憶部１３０が設けられている。

本実施形態による制御部３０、データ取得部３２は、第１実施形態における制御部３０，データ取得部３２と同様の機能を備える。本実施形態による制御部３０は、予め定めた所定のタイミング（例えば、静電容量式タッチパネル装置の起動時、作業者が静電容量式タッチパネル装置７０を操作して制御パラメータの調整を指示した時、予め定めた所定の周期等）において、静電容量式タッチパネル装置７０の動作する環境における外乱ノイズを検出する。

本実施形態による前処理部３４は、機械学習装置１００による学習モデルを用いた静電容量式タッチパネル装置７０の制御パラメータの推定の段階において、データ取得部３２が取得したデータを、機械学習装置１００において扱われる統一的な形式へと変換（数値化、サンプリング等）して、機械学習装置１００による推定に用いられる所定の形式の状態データＳを作成する。

推定部１２２は、前処理部３４が作成した状態データＳに基づいて、学習モデル記憶部１３０に記憶された学習モデルを用いた静電容量式タッチパネル装置７０の制御パラメータの推定を行う。本実施形態の推定部１２２では、学習部１１０により生成された（パラメータが決定された）学習モデルに対して、前処理部３４から入力された状態データＳを入力することで、静電容量式タッチパネル装置７０の制御パラメータを推定して出力する。推定部１２２が推定した結果（静電容量式タッチパネル装置７０の制御パラメータ）は、制御部３０に出力され、この推定結果に基づいて制御部３０が静電容量式タッチパネル装置７０に対して制御パラメータの設定を行う。

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、上記した実施形態では制御パラメータ調整装置１と機械学習装置１００が異なるＣＰＵ（プロセッサ）を有する装置として説明しているが、機械学習装置１００は制御パラメータ調整装置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。

１制御パラメータ調整装置
２制御装置
１１ＣＰＵ
１２ＲＯＭ
１３ＲＡＭ
１４不揮発性メモリ
１７インタフェース
２０バス
２１インタフェース
３０制御部
３２データ取得部
３４前処理部
５０取得データ記憶部
７０静電容量式タッチパネル装置
１００機械学習装置
１０１プロセッサ
１０２ＲＯＭ
１０３ＲＡＭ
１０４不揮発性メモリ
１１０学習部
１２０意志決定部
１２２推定部
１３０学習モデル記憶部

Claims

静電容量式タッチパネル装置の制御パラメータを設定する制御パラメータ調整装置であって、
前記静電容量式タッチパネル装置に設定されている制御パラメータを含む制御パラメータに係るデータ、前記静電容量式タッチパネル装置に対してタッチしていない時に検出される外来ノイズに係るデータ、前記静電容量式タッチパネル装置に対するタッチ操作を指令する指令データ、及び前記静電容量式タッチパネル装置に対してタッチしている時に検出される操作データを少なくとも取得するデータ取得部と、
前記制御パラメータに係るデータ及び前記外来ノイズに係るデータに基づく状態データと、前記指令データ及び操作データに基づく判定データとを、機械学習に用いる学習データとして生成する前処理部と、
前記学習データに基づいて、前記外来ノイズに係るデータが取得される環境における前記静電容量式タッチパネル装置の制御パラメータの調整を強化学習して学習モデルを生成する学習部を備える機械学習装置と、
を備えた制御パラメータ調整装置。
静電容量式タッチパネル装置の制御パラメータを設定する制御パラメータ調整装置であって、
前記静電容量式タッチパネル装置に設定されている制御パラメータを含む制御パラメータに係るデータ、前記静電容量式タッチパネル装置に対してタッチしていない時に検出される外来ノイズに係るデータを少なくとも取得するデータ取得部と、
前記制御パラメータに係るデータ及び前記外来ノイズに係るデータに基づく状態データを、機械学習に用いる学習データとして生成する前処理部と、
前記外来ノイズに係るデータが取得される環境における前記静電容量式タッチパネル装置の制御パラメータの調整行動を強化学習して生成された学習モデルを記憶する学習モデル記憶部と、前記状態データに基づいて、前記学習モデルを用いて前記静電容量式タッチパネル装置の制御パラメータの調整行動を決定する意志決定部を備える機械学習装置と、
を備えた制御パラメータ調整装置。
前記データ取得部が取得する前記外来ノイズに係るデータは、前記静電容量式タッチパ
ネル装置のセンサをアンテナとして外来ノイズによる静電容量の変化を検出したデータで
ある、
請求項１または２に記載の制御パラメータ調整装置。