JP7245959B2 - 機械学習方法およびロボットシステム - Google Patents
機械学習方法およびロボットシステム Download PDFInfo
- Publication number
- JP7245959B2 JP7245959B2 JP2022518481A JP2022518481A JP7245959B2 JP 7245959 B2 JP7245959 B2 JP 7245959B2 JP 2022518481 A JP2022518481 A JP 2022518481A JP 2022518481 A JP2022518481 A JP 2022518481A JP 7245959 B2 JP7245959 B2 JP 7245959B2
- Authority
- JP
- Japan
- Prior art keywords
- work
- workpiece
- learning
- machine learning
- reverse procedure
- 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
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
- B25J9/1612—Programme controls characterised by the hand, wrist, grip control
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G05B2219/39543—Recognize object and plan hand shapes in grasping movements
-
- 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
- G05B2219/40053—Pick 3-D object from pile of objects
-
- 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
- G05B2219/40543—Identification and location, position of components, objects
-
- 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
- G05B2219/40584—Camera, non-contact sensor mounted on wrist, indep from gripper
-
- 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
- G05B2219/45—Nc applications
- G05B2219/45063—Pick and place manipulator
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Manipulator (AREA)
Description
この発明は、機械学習方法およびロボットシステムに関し、特に、複数のワークをばら積みされた状態で収容する容器からワークをハンド部により取り出して、取り出したワークをハンド部により設置するロボットの動作を学習する機械学習方法およびロボットシステムに関する。
従来、複数のワークをばら積みされた状態で収容する容器からワークをハンド部により取り出して、取り出したワークをハンド部により設置するロボットの動作を学習する機械学習方法が知られている。このような方法は、たとえば、特開2017-30135号公報に開示されている。
上記特開2017-30135号公報には、複数のワークをばら積みされた状態で収容する容器からワークをハンド部により取り出して、取り出したワークをハンド部によりコンベヤまたは作業台に設置するロボットの動作を学習する機械学習方法が開示されている。この機械学習方法では、容器からワークをハンド部により取り出す最適な動作を学習する。
しかしながら、上記特開2017-30135号公報に記載された機械学習方法では、容器からワークをハンド部により取り出す最適な動作を学習する一方、ワークをハンド部により設置(載置)する動作は考慮されていない。このため、ハンド部により取り出したワークの保持のし直しが発生する場合がある。その結果、ワークの取り出し後の設置作業の効率化を図ることが困難であるという問題点がある。
この発明は、上記のような課題を解決するためになされたものであり、この発明の1つの目的は、ワークの取り出し後の設置作業の効率化を図ることが可能な機械学習方法およびロボットシステムを提供することである。
上記目的を達成するために、この発明の第1の局面による機械学習方法は、複数のワークをばら積みされた状態で収容する容器から、ワークを取り出して、決められた設置状態となるようにワークを設置するハンド部を備えるロボットの動作を学習する機械学習方法であって、ハンド部により設置完了後の決められた設置状態のワークを取り除く逆手順動作を学習するステップと、ワークを取り除く逆手順動作の学習結果に基づいて、ワークの設置順番を学習するステップと、を備える。
この発明の第1の局面による機械学習方法では、ハンド部により設置完了後の決められた設置状態のワークを取り除く逆手順動作を学習するステップと、ワークを取り除く逆手順動作の学習結果に基づいて、ワークの設置順番を学習するステップと、を設ける。これにより、取り出し後のワークを設置する動作を考慮して、ワークの設置順番を決めることができる。その結果、ハンド部により取り出したワークの保持のし直しが発生することを抑制することができる。すなわち、ハンド部により取り出したワークを保持のし直しをすることなく直接設置(載置)することができる。これにより、ワークの取り出し後の設置作業の効率化を図ることができる。
上記第1の局面による機械学習方法において、好ましくは、ワークを取り除く逆手順動作を学習するステップは、決められた設置状態のワークの全部または一部が無くなるまで、ハンド部によりワークを取り除く逆手順動作を繰り返すステップを含む。このように構成すれば、ハンド部により決められた設置状態のワークの全部または一部が無くなるまでワークを取り除く逆手順動作を繰り返して、ワークの逆手順動作を学習することができる。その結果、取り出し後のワークを設置する動作を十分に考慮して、ワークの設置順番を決めることができる。
この場合、好ましくは、ワークを取り除く逆手順動作を学習するステップは、ワークを取り除く順番を変更させながら、決められた設置状態のワークの全部または一部が無くなるまで、ハンド部によりワークを取り除く逆手順動作を繰り返すステップを含む。このように構成すれば、複数の設置順番を学習することができる。その結果、設置順番の選択肢を増やすことができるとともに、効率の高い設置順番を把握することができる。
上記ワークを取り除く順番を変更させながら、ワークを取り除く逆手順動作を繰り返す構成において、好ましくは、ワークの設置順番を学習するステップは、ワークを取り除く逆手順動作の学習結果に基づいて、複数の設置順番を学習するとともに、複数の設置順番の優先度を学習するステップを含む。このように構成すれば、複数の設置順番の優先度に基づいて、効率の高い設置順番を容易に選択することができる。その結果、ワークの取り出し後の設置作業の効率化を容易に図ることができる。
上記ワークを取り除く逆手順動作を繰り返す構成において、好ましくは、ワークを取り除く逆手順動作を学習するステップは、ワークを取り除く順番の一部を設定した状態で、決められた設置状態のワークの全部または一部が無くなるまで、ハンド部によりワークを取り除く逆手順動作を繰り返すステップを含む。このように構成すれば、ワークを取り除く順番の一部を設定した分だけ、ワークを取り除く順番を限定することができる。その結果、ワークを取り除く順番を限定した分だけ、学習に要する時間を短縮することができる。
上記第1の局面による機械学習方法において、好ましくは、ワークを取り除く逆手順動作の学習結果に基づいて、ハンド部により保持するワークの保持位置を学習するステップをさらに備える。このように構成すれば、ワークを設置する動作を考慮して、ワークの保持位置を決めることができる。その結果、ハンド部により取り出したワークの保持のし直しが発生することをより抑制することができる。これにより、ワークの取り出し後の設置作業の効率化をより図ることができる。
この場合、好ましくは、ワークの保持位置を学習するステップは、ワークの保持禁止部位、および、ワークの近傍の障害物のうちの少なくともいずれか1つを含む制約条件を考慮して、ワークの保持位置を学習するステップを含む。このように構成すれば、ワークの保持禁止部位、および、ワークの近傍の障害物などを回避可能な位置をワークの保持位置として学習することができる。その結果、適切なワークの保持位置を学習することができる。
上記第1の局面による機械学習方法において、好ましくは、ワークを取り除く逆手順動作の成功確率に基づいて、ハンド部、および、ワークを設置する治具パレットのうちの少なくとも1つの見直しをユーザに通知するステップをさらに備える。このように構成すれば、ユーザは、ハンド部、および、ワークを設置する治具パレットなどを見直すことができる。その結果、不適切なハンド部、および、ワークを設置する治具パレットなどが使用され続けることを抑制することができる。
上記第1の局面による機械学習方法において、好ましくは、ワークを取り除く逆手順動作を学習するステップは、ハンド部により複数種類のワークを取り除く逆手順動作を学習するステップを含む。このように構成すれば、複数種類のワークを扱う場合にも、ワークの取り出し後の設置作業の効率化を図ることができる。
上記目的を達成するために、この発明の第2の局面によるロボットシステムは、複数のワークをばら積みされた状態で収容する容器から、ワークを取り出して、決められた設置状態となるようにワークを設置するハンド部を備えるロボットと、ロボットの動作を学習する機械学習装置と、機械学習装置の学習結果に基づいて、ロボットの動作を制御する制御装置と、を備え、機械学習装置は、ハンド部により設置完了後の決められた設置状態のワークを取り除く逆手順動作を学習するとともに、ワークを取り除く逆手順動作の学習結果に基づいて、ワークの設置順番を学習するように構成されている。
この発明の第2の局面によるロボットシステムでは、機械学習装置を、ハンド部により設置完了後の決められた設置状態のワークを取り除く逆手順動作を学習するとともに、ワークを取り除く逆手順動作の学習結果に基づいて、ワークの設置順番を学習するように構成する。これにより、上記第1の局面による機械学習方法と同様に、ワークの取り出し後の設置作業の効率化を図ることができる。
上記第2の局面によるロボットシステムにおいて、好ましくは、機械学習装置は、ワークを取り除く逆手順動作の学習結果に基づいて、ハンド部により保持するワークの保持位置を学習するように構成されている。このように構成すれば、ワークを設置する動作を考慮して、ワークの保持位置を決めることができる。その結果、ハンド部により取り出したワークの保持のし直しが発生することをより抑制することができる。これにより、ワークの取り出し後の設置作業の効率化をより図ることができる。
この場合、好ましくは、機械学習装置は、容器からワークを取り出し可能で、かつ、ワークを設置可能なワークの保持位置を選択するように構成されている。このように構成すれば、ハンド部により取り出したワークの保持のし直しが発生することを確実に抑制することができる。これにより、ワークの取り出し後の設置作業の効率化を確実に図ることができる。
上記容器からワークを取り出し可能で、かつ、ワークを設置可能なワークの保持位置を選択する構成において、好ましくは、機械学習装置は、ワークの取り出し成功確率に基づいて、容器からワークを取り出し可能なワークの保持位置を抽出するとともに、ワークの設置成功確率に基づいて、ワークを設置可能なワークの保持位置を抽出するように構成されている。このように構成すれば、容器からワークを取り出し可能で、かつ、ワークを設置可能なワークの保持位置を容易に抽出することができる。
本発明によれば、上記のように、ワークの取り出し後の設置作業の効率化を図ることが可能な機械学習方法およびロボットシステムを提供することができる。
以下、本発明を具体化した実施形態を図面に基づいて説明する。
図1を参照して、本発明の一実施形態によるロボットシステム100の構成について説明する。
(ロボットシステムの構成)
本実施形態によるロボットシステム100は、複数のワークWをばら積みされた状態で収容する容器(ビン)CからワークWを取り出して、決められた設置状態SとなるようにワークWを治具パレットP1に設置するように構成されている。ワークWは、特に限られないが、たとえば、ねじおよびナットなどの小型の部品である。ロボットシステム100は、図1に示すように、ロボット10と、機械学習装置20と、制御装置30と、撮像装置40とを備えている。
本実施形態によるロボットシステム100は、複数のワークWをばら積みされた状態で収容する容器(ビン)CからワークWを取り出して、決められた設置状態SとなるようにワークWを治具パレットP1に設置するように構成されている。ワークWは、特に限られないが、たとえば、ねじおよびナットなどの小型の部品である。ロボットシステム100は、図1に示すように、ロボット10と、機械学習装置20と、制御装置30と、撮像装置40とを備えている。
図2に示すように、ロボット10は、ワークWに対する作業を行うロボットアームである。具体的には、ロボット10は、垂直多関節ロボットである。ロボット10は、ハンド部(エンドエフェクタ)11を含んでいる。ハンド部11は、容器CからワークWを取り出して、取り出したワークWを治具パレットP1に設置するように構成されている。ハンド部11は、容器CからのワークWの取り出しと、取り出したワークWの治具パレットP1への設置とを繰り返すことにより、決められた設置状態Sとなるように治具パレットP1にワークWを設置するように構成されている。ハンド部11は、ワークWを保持(把持)するための複数の爪部11aを有している。
図1に示すように、機械学習装置20は、ロボット10の動作を学習(機械学習)する装置である。具体的には、機械学習装置20は、プロセッサとメモリとを含むパーソナルコンピュータである。機械学習装置20が行う機械学習としては、特に限られないが、たとえば、教師付き学習、教師なし学習、および、強化学習などを採用することができる。本実施形態では、機械学習装置20が行う機械学習として、強化学習が採用されている。
機械学習装置20は、状態量観測部21と、動作結果取得部22と、学習部23と、意思決定部24と、表示部25とを含んでいる。なお、状態量観測部21と、動作結果取得部22と、学習部23と、意思決定部24とは、ソフトウェア的な機能ブロックとして図示されている。状態量観測部21と、動作結果取得部22と、学習部23と、意思決定部24とは、1つのハードウェア的な回路(GPU(Graphics Processing Unit)など)により構成されていてもよいし、複数のハードウェア的な回路により構成されていてもよい。
状態量観測部21は、ロボット10およびワークWの状態量を観測するように構成されている。具体的には、状態量観測部21は、撮像装置40からの出力データに基づいて、ロボット10およびワークWの状態量を観測するように構成されている。状態量観測部21が観測する状態量は、たとえば、ハンド部11の位置、ハンド部11の姿勢、および、ワークWの位置などを含んでいる。動作結果取得部22は、ロボット10の動作結果を取得するように構成されている。具体的には、動作結果取得部22は、撮像装置40からの出力データに基づいて、ロボット10の動作結果を取得するように構成されている。動作結果取得部22が取得する動作結果は、たとえば、ハンド部11によりワークWを取り除く逆手順動作(後述する)の動作結果などを含んでいる。
学習部23は、ロボット10の動作を学習するように構成されている。具体的には、学習部23は、状態量観測部21の観測結果、および、動作結果取得部22の取得結果に基づいて、ロボット10の動作を学習するように構成されている。なお、学習部23の学習の詳細については、後述する。意思決定部24は、ロボット10の動作を決定するように構成されている。具体的には、意思決定部24は、学習部23の学習結果に基づいて、ロボット10の動作を決定するように構成されている。表示部25は、設定画面、および、通知画面などを表示するように構成されている。表示部25は、たとえば、液晶パネルを含む液晶表示部である。
制御装置30は、ロボット10の動作を制御する制御回路を含む装置である。具体的には、制御装置30は、機械学習装置20の学習結果に基づいて、ロボット10の動作を制御するように構成されている。制御装置30は、意思決定部24からの出力データに基づいて、ロボット10の関節およびハンド部11の動作を制御するように構成されている。また、制御装置30は、撮像装置40の動作を制御するように構成されている。
撮像装置40は、ロボット10およびワークWなどを撮像するカメラを含む装置である。撮像装置40は、ロボット10およびワークWなどの3次元位置情報を含む3次元データを取得するための3次元データ取得装置として設けられている。撮像装置40は、たとえば、ワークWを取り除く逆手順動作時(後述する)のハンド部11およびワークW、容器CからワークWを取り出す動作時のハンド部11およびワークWなどを撮像するように構成されている。また、図2に示すように、撮像装置40は、ロボット10のアームの先端に設けられている。また、撮像装置40は、ハンド部11の近傍に設けられている。
(ワークの設置動作)
次に、ワークWの設置動作について説明する。
次に、ワークWの設置動作について説明する。
図2に示すように、ロボット10は、制御装置30(図1参照)の指令に基づいて、ワークWの設置動作を行う。まず、ロボット10は、ハンド部11により、容器CからワークWを取り出す動作を行う。具体的には、ロボット10は、ハンド部11により、容器C内のワークWを保持して、容器C外に取り出す動作を行う。
そして、ロボット10は、ハンド部11により、取り出したワークWを治具パレットP1に設置する動作を行う。具体的には、ロボット10は、ハンド部11により、治具パレットP1の決められた位置までワークWを移動させて、治具パレットP1の決められた位置に設置する動作を行う。
この際、容器Cから保持した姿勢で直接治具パレットP1にワークWを設置できない場合には、ロボット10は、ハンド部11により、仮置きパレットP2にワークWを一度設置して、保持し直す動作を行う。仮置きパレットP2は、ワークWを仮置きするためのバッファとなるパレットである。仮置きパレットP2は、治具パレットP1の近傍に設けられている。
そして、ロボット10は、治具パレットP1が決められた設置状態Sとなるまで、ハンド部11により容器CからワークWを取り出す動作と、ハンド部11により取り出したワークWを治具パレットP1に設置する動作とを繰り返す。そして、治具パレットP1が決められた設置状態(最終状態)Sとなると、決められた設置状態SのワークWを含む治具パレットP1が次工程に引き渡される。
なお、図2では、便宜上、4種類のワークWが、1つずつ治具パレットP1に設置される例を図示している。しかしながら、この例には限られない。たとえば、1種類のワークWが、治具パレットP1に複数設置されてもよいし、4種類以外の複数種類のワークWが、1または複数ずつ治具パレットP1に設置されてもよい。
(ロボットの動作の学習)
次に、ロボット10の動作の学習について説明する。
次に、ロボット10の動作の学習について説明する。
機械学習装置20は、複数のワークWをばら積みされた状態で収容する容器CからワークWを取り出して、決められた設置状態SとなるようにワークWを治具パレットP1に設置するのに適したロボット10の動作を学習する。
ここで、本実施形態では、図3に示すように、機械学習装置20は、ハンド部11により設置完了後の決められた設置状態(最終状態)SのワークWを治具パレットP1から取り除く逆手順動作を学習するように構成されている。機械学習装置20は、ロボット10が複数種類のワークWを扱う場合には、ハンド部11により複数種類のワークWを治具パレットP1から取り除く逆手順動作を学習するように構成されている。また、機械学習装置20は、ロボット10が1種類のワークWを扱う場合には、ハンド部11により1種類のワークWを治具パレットP1から取り除く逆手順動作を学習するように構成されている。
また、機械学習装置20は、ハンド部11により決められた設置状態SのワークWの全部が無くなるまで、ワークWを治具パレットP1から取り除く逆手順動作を繰り返すように構成されている。また、機械学習装置20は、ワークWを取り除く逆手順動作の学習結果に基づいて、ワークWの設置順番を学習するように構成されている、なお、ワークWを治具パレットP1から取り除く逆手順動作は、ハンド部11により治具パレットP1に設置されたワークWを保持する動作と、ハンド部11により保持したワークWを治具パレットP1から離間させる動作とを含んでいる。また、ワークWを治具パレットP1から取り除く逆手順動作とは、ワークWを治具パレットP1に設置する順手順動作の逆の動作を意味している。
ここで、図3を参照して、ワークWを治具パレットP1から取り除く逆手順動作の学習と、逆手順動作の学習結果に基づく設置順番の学習との一例を説明する。ここでは、AのワークW、BのワークW、CのワークW、および、DのワークWの4つのワークWが取り除かれる例を説明する。
まず、ステップS1において、機械学習装置20は、全てのワークW(AのワークW、BのワークW、CのワークW、および、DのワークW)が治具パレットP1にある状態(設置状態S)での、ワークW毎の逆手順動作の成功確率を取得する。すなわち、機械学習装置20は、AのワークW、BのワークW、CのワークW、および、DのワークWの逆手順動作の成功確率を取得する。この成功確率の取得は、3次元データを用いたシミュレーション、実際のロボット10の動作、および、これらを併用することなどにより行うことができる。
そして、ステップS2において、機械学習装置20は、ハンド部11により成功確率が高いBのワークWを治具パレットP1から1つ取り除き、残りの3つのワークW(AのワークW、CのワークW、および、DのワークW)が治具パレットP1にある状態での、ワークW毎の逆手順動作の成功確率を取得する。すなわち、機械学習装置20は、AのワークW、CのワークW、および、DのワークWの逆手順動作の成功確率を取得する。
そして、ステップS3において、機械学習装置20は、ハンド部11により成功確率が高いCのワークWを治具パレットP1から1つ取り除き、残りの2つのワークW(AのワークW、および、DのワークW)が治具パレットP1にある状態での、ワークW毎の逆手順動作の成功確率を取得する。すなわち、機械学習装置20は、AのワークW、および、DのワークWの逆手順動作の成功確率を取得する。
そして、ステップS4において、機械学習装置20は、ハンド部11によりAのワークWを治具パレットP1から1つ取り除き、最後の1つのワークW(DのワークW)が治具パレットP1にある状態での、最後のワークWの逆手順動作の成功確率を取得する。すなわち、機械学習装置20は、DのワークWの逆手順動作の成功確率を取得する。
図3に示す例では、逆手順動作の成功確率に基づいて、BのワークW、CのワークW、AのワークW、DのワークWの順に、ワークWを治具パレットP1から取り除いた。この場合、機械学習装置20は、決められた設置状態SとなるようにワークWを治具パレットP1に設置するのに適した設置順番として、その逆順を学習する。すなわち、機械学習装置20は、DのワークW、AのワークW、CのワークW、BのワークWの順に、ワークWを治具パレットP1に設置することを、決められた設置状態SとなるようにワークWを治具パレットP1に設置するのに適した設置順番として学習する。
図4を参照して、ワークWを取り除く逆手順動作の学習と、逆手順動作の学習結果に基づく設置順番の学習とのさらなる詳細を説明する。なお、図4の順番1~4は、それぞれ、図3のステップS1~S4に対応している。また、図4では、図示の都合上、順番1でDのワークWを選択した場合の図示を省略している。
図4に示すように、機械学習装置20は、ワークWを取り除く順番を変更させながら、ハンド部11により決められた設置状態SのワークWの全部が無くなるまで、ワークWを治具パレットP1から取り除く逆手順動作を繰り返すように構成されている。この際、機械学習装置20は、逆手順動作の成功確率がしきい値以下であるワークWについては、学習を行わないように構成されている。これにより、学習の効率を高めることができる。しきい値は、特に限られないが、図4に示す例では、50%とされている。
また、機械学習装置20は、ワークWを治具パレットP1から取り除く順番の一部を設定可能に構成されている。この場合、機械学習装置20は、ワークWを治具パレットP1から取り除く順番の一部を設定した状態で、決められた設置状態SのワークWの全部が無くなるまで、ハンド部11によりワークWを治具パレットP1から取り除く逆手順動作を繰り返すように構成されている。設定する順番は、たとえば、最初、最後、および、途中のいずれかであり得る。設定する順番は、ユーザが指定することができる。
たとえば、最初に治具パレットP1から取り除くワークW(すなわち、最後に治具パレットP1に設置するワークW)にAのワークWを設定した場合、機械学習装置20は、AのワークWを最初に治具パレットP1から取り除くという条件を満たしつつ、決められた設置状態SのワークWの全部が無くなるまで、ハンド部11によりワークWを治具パレットP1から取り除く逆手順動作を繰り返す。同様に、最後に治具パレットP1から取り除くワークW(すなわち、最初に治具パレットP1に設置するワークW)にBのワークWを設定した場合、機械学習装置20は、BのワークWを最後に治具パレットP1から取り除くという条件を満たしつつ、決められた設置状態SのワークWの全部が無くなるまで、ハンド部11によりワークWを治具パレットP1から取り除く逆手順動作を繰り返す。
また、機械学習装置20は、ワークWを取り除く逆手順動作の学習結果に基づいて、複数の設置順番を学習するとともに、複数の設置順番の優先度を学習するように構成されている。具体的には、機械学習装置20は、逆手順動作の成功確率に基づいて、複数の設置順番のスコアを取得するとともに、取得した複数の設置順番のスコアに基づいて、複数の設置順番の優先度を学習するように構成されている。設置順番のスコアは、特に限られないが、たとえば、設置順番の逆手順動作毎の成功確率の積および和などを採用することができる。この場合、スコアが大きいほど、優先度が大きくなる。また、優先度が大きい設置順番ほど、決められた設置状態SとなるようにワークWを治具パレットP1に設置するのに適した設置順番である。
また、機械学習装置20は、最も優先度が大きい設置順番を、デフォルトの設置順番として学習するように構成されている。なお、図4に示す例では、最もスコアが大きい(最も優先度が大きい)設置順番が複数(4つ)存在している。この場合、機械学習装置20は、たとえばユーザの指定に基づいて、最も優先度が大きい複数の設置順番のうちのいずれかの設置順番を、デフォルトの設置順番として学習するように構成されている。
また、本実施形態では、図5に示すように、機械学習装置20は、ワークWを治具パレットP1から取り除く逆手順動作の学習結果に基づいて、ハンド部11により保持するワークWの保持位置を学習するように構成されている。なお、ハンド部11により保持するワークWの保持位置とは、ワークWの保持位置と、ハンド部11の保持姿勢とを含む概念である。すなわち、ハンド部11により保持するワークWの保持位置を学習するとは、ワークWの保持位置と、ハンド部11の保持姿勢とを学習することを意味している。
具体的には、機械学習装置20は、ワークWの保持禁止部位、および、ワークWの近傍の障害物を含む制約条件を考慮して、ワークWの保持位置を学習するように構成されている。ワークWの保持禁止部位とは、たとえば、治具パレットP1に挿入されるワークWの部位(保持するとワークWを治具パレットP1に設置できない部位)、および、そもそも保持自体が禁止されている部位などである。また、ワークWの近傍の障害物は、たとえば、ワークWの近傍の他のワークW、および、ワークWの近傍の壁などである。
機械学習装置20は、ワークWを治具パレットP1から取り除く逆手順動作の学習結果に基づいて、逆手順動作においてハンド部11により保持可能なワークWの保持位置と、逆手順動作においてハンド部11により保持不可能なワークWの保持位置とを学習するように構成されている。言い換えると、機械学習装置20は、ワークWを治具パレットP1から取り除く逆手順動作の学習結果に基づいて、順手順動作においてワークWを治具パレットP1に設置可能なワークWの保持位置と、順手順動作において設置不可能なワークWの保持位置とを学習するように構成されている。
また、本実施形態では、図6および図7に示すように、機械学習装置20は、ワークWを治具パレットP1から取り除く逆手順動作の成功確率に基づいて、ハンド部11、および、治具パレットP1の見直しをユーザに通知するように構成されている。具体的には、機械学習装置20は、最初にワークWを治具パレットP1から取り除く場合に、全てのワークWの逆手順動作の成功確率がしきい値以下である場合、ハンド部11、および、治具パレットP1の見直しをユーザに通知するように構成されている。しきい値は、特に限られないが、たとえば、100%とすることができる。また、機械学習装置20は、表示部25に通知を表示することにより、ハンド部11、および、治具パレットP1の見直しをユーザに通知するように構成されている。
(学習および実行動作)
次に、図8を参照して、ロボットシステム100による学習および実行動作をフローチャートに基づいて説明する。ここでは、3次元データを用いたシミュレーションにより、学習を行う例を説明する。
次に、図8を参照して、ロボットシステム100による学習および実行動作をフローチャートに基づいて説明する。ここでは、3次元データを用いたシミュレーションにより、学習を行う例を説明する。
図8に示すように、まず、ステップS11において、3次元データの作成が行われる。具体的には、ワークW、ハンド部11、および、ワークWを設置していない状態の治具パレットP1の3次元データの作成が行われる。3次元データの作成は、特に限られないが、たとえば、CADデータを読み込むこと、および、3次元形状測定器により形状を測定することなどにより行うことができる。また、3次元形状測定器としては、専用の測定器を準備してもよいが、ロボットシステム100の撮像装置40を用いることもできる。
そして、ステップS12において、ワークWを設置完了後の治具パレットP1の3次元データの作成が行われる。すなわち、ワークWが設置状態Sで設置された治具パレットP1の3次元データの作成が行われる。3次元データの作成は、ステップS11と同様に、CADデータを読み込むこと、および、3次元形状測定器により形状を測定することなどにより行うことができる。また、ステップS11と同様に、3次元形状測定器としては、ロボットシステム100の撮像装置40を用いることもできる。
そして、ステップS13において、ワークWを治具パレットP1から取り除く逆手順動作による学習が行われる。ステップS13では、上記の通り、ハンド部11により設置完了後の決められた設置状態SのワークWを治具パレットP1から取り除く逆手順動作を学習するステップと、ワークWを治具パレットP1から取り除く逆手順動作の学習結果に基づいて、ワークWの設置順番を学習するステップと、ワークWを治具パレットP1から取り除く逆手順動作の学習結果に基づいて、ワークWの保持位置を学習するステップとが行われる。これらの学習が、ステップS11およびS12で作成した3次元データを用いたシミュレーションにより行われる。
なお、シミュレーションではなく、実際にロボット10を動作させることにより学習を行う場合には、実際にワークWが設置状態Sで設置された治具パレットP1を準備する。そして、準備した治具パレットP1に対して逆手順動作を行うことにより学習を行う。この際、撮像装置40による撮像を行いながら、逆手順動作を行う。これにより、撮像装置40からの出力データに基づいて、状態量観測部21により、逆手順動作における、ハンド部11の位置、ハンド部11の姿勢、および、ワークWの位置などを観測することができる。また、撮像装置40からの出力データに基づいて、動作結果取得部22により、ハンド部11によりワークWを取り除く逆手順動作の動作結果(成否)を取得することができる。
そして、ステップS14において、機械学習装置20の学習結果に基づくワークWの設置が実行される。具体的には、ステップS14では、ハンド部11により、容器CからワークWを取り出して、決められた設置状態SとなるようにワークWを治具パレットP1に設置するステップが行われる。この際、機械学習装置20は、逆手順動作の学習結果に基づいて、設置順番を選択する。基本的には、機械学習装置20は、デフォルトの設置順番を、実行する設置順番として選択する。しかしながら、デフォルトの設置順番では設置を行うことができない場合には、機械学習装置20は、学習した設置順番のうちデフォルトの設置順番以外の設置順番を、実行する設置順番として選択する。この場合、機械学習装置20は、学習したデフォルトの設置順番以外の設置順番のうち、優先度が大きくかつ設置を行うことが可能な設置順番を、実行する設置順番として選択する。
また、機械学習装置20は、逆手順動作の学習結果および容器C内のワークWの収容状態に基づいて、容器CからワークWを取り出す際のワークWの保持位置を選択する。容器C内のワークWの収容状態は、容器C内のワークWを撮像した撮像装置40からの出力データに基づいて、取得することができる。機械学習装置20は、容器CからワークWを取り出し可能で、かつ、ワークWを治具パレットP1に設置可能なワークWの保持位置を選択する。
具体的には、機械学習装置20は、ワークWの取り出し成功確率に基づいて、容器CからワークWを取り出し可能なワークWの保持位置を抽出するとともに、ワークWの設置成功確率に基づいて、ワークWを設置可能なワークWの保持位置を抽出する。ワークWの取り出し成功確率は、容器C内のワークWを撮像した撮像装置40からの出力データに基づいて、取得することができる。また、容器CからのワークWの取り出し動作は、予め学習しておくことができる。予め学習しておけば、ワークWの取り出し成功確率を精度よく取得することができる。また、ワークWの設置成功確率は、学習した逆手順動作の成功確率に基づいて、取得することができる。機械学習装置20は、抽出した容器CからワークWを取り出し可能なワークWの保持位置と、抽出したワークWを設置可能なワークWの保持位置とのうちから、容器CからワークWを取り出し可能で、かつ、ワークWを治具パレットP1に設置可能なワークWの保持位置を選択する。
また、機械学習装置20は、選択した情報を制御装置30に送信する。そして、制御装置30は、機械学習装置20からの情報に基づいて、ロボット10の動作を制御する。そして、ロボット10は、制御装置30の指令に基づいて、複数のワークWをばら積みされた状態で収容する容器CからワークWを取り出して、決められた設置状態SとなるようにワークWを治具パレットP1に設置する。
なお、容器CからワークWを取り出して、ワークWを治具パレットP1に設置する順手順動作の結果に基づいて、機械学習装置20の学習結果をさらに補正してもよい。たとえば、容器CからワークWを取り出して、ワークWを治具パレットP1に設置する動作が失敗した場合、順手順動作の結果に基づいて、逆手順動作の学習結果に基づくワークWの保持位置の情報を補正することができる。また、たとえば、容器CからワークWを取り出して、ワークWを治具パレットP1に設置する動作が失敗した場合、順手順動作の結果に基づいて、逆手順動作の学習結果に基づく設置順番のスコア(優先度)の情報を補正することができる。
(本実施形態の効果)
本実施形態では、以下のような効果を得ることができる。
本実施形態では、以下のような効果を得ることができる。
本実施形態では、上記のように、機械学習方法に、ハンド部11により設置完了後の決められた設置状態SのワークWを取り除く逆手順動作を学習するステップと、ワークWを取り除く逆手順動作の学習結果に基づいて、ワークWの設置順番を学習するステップと、を設ける。これにより、取り出し後のワークWを設置する動作を考慮して、ワークWの設置順番を決めることができる。その結果、ハンド部11により取り出したワークWの保持のし直しが発生することを抑制することができる。すなわち、ハンド部11により取り出したワークWを保持のし直しをすることなく直接設置(載置)することができる。これにより、ワークWの取り出し後の設置作業の効率化を図ることができる。
また、本実施形態では、上記のように、ワークWを取り除く逆手順動作を学習するステップは、決められた設置状態SのワークWの全部または一部が無くなるまで、ハンド部11によりワークWを取り除く逆手順動作を繰り返すステップを含む。これにより、ハンド部11により決められた設置状態SのワークWの全部または一部が無くなるまでワークWを取り除く逆手順動作を繰り返して、ワークWの逆手順動作を学習することができる。その結果、取り出し後のワークWを設置する動作を十分に考慮して、ワークWの設置順番を決めることができる。
また、本実施形態では、上記のように、ワークWを取り除く逆手順動作を学習するステップは、ワークWを取り除く順番を変更させながら、決められた設置状態SのワークWの全部または一部が無くなるまで、ハンド部11によりワークWを取り除く逆手順動作を繰り返すステップを含む。これにより、複数の設置順番を学習することができる。その結果、設置順番の選択肢を増やすことができるとともに、効率の高い設置順番を把握することができる。
また、本実施形態では、上記のように、ワークWの設置順番を学習するステップは、ワークWを取り除く逆手順動作の学習結果に基づいて、複数の設置順番を学習するとともに、複数の設置順番の優先度を学習するステップを含む。これにより、複数の設置順番の優先度に基づいて、効率の高い設置順番を容易に選択することができる。その結果、ワークWの取り出し後の設置作業の効率化を容易に図ることができる。
また、本実施形態では、上記のように、ワークWを取り除く逆手順動作を学習するステップは、ワークWを取り除く順番の一部を設定した状態で、決められた設置状態SのワークWの全部または一部が無くなるまで、ハンド部11によりワークWを取り除く逆手順動作を繰り返すステップを含む。これにより、ワークWを取り除く順番の一部を設定した分だけ、ワークWを取り除く順番を限定することができる。その結果、ワークWを取り除く順番を限定した分だけ、学習に要する時間を短縮することができる。
また、本実施形態では、上記のように、機械学習方法は、ワークWを取り除く逆手順動作の学習結果に基づいて、ハンド部11により保持するワークWの保持位置を学習するステップを備える。これにより、ワークWを設置する動作を考慮して、ワークWの保持位置を決めることができる。その結果、ハンド部11により取り出したワークWの保持のし直しが発生することをより抑制することができる。これにより、ワークWの取り出し後の設置作業の効率化をより図ることができる。
また、本実施形態では、上記のように、ワークWの保持位置を学習するステップは、ワークWの保持禁止部位、および、ワークWの近傍の障害物を含む制約条件を考慮して、ワークWの保持位置を学習するステップを含む。これにより、ワークWの保持禁止部位、および、ワークWの近傍の障害物などを回避可能な位置をワークWの保持位置として学習することができる。その結果、適切なワークWの保持位置を学習することができる。
また、本実施形態では、上記のように、機械学習方法は、ワークWを取り除く逆手順動作の成功確率に基づいて、ハンド部11、および、ワークWを設置する治具パレットP1の見直しをユーザに通知するステップを備える。これにより、ユーザは、ハンド部11、および、ワークWを設置する治具パレットなどを見直すことができる。その結果、不適切なハンド部11、および、ワークWを設置する治具パレットなどが使用され続けることを抑制することができる。
また、本実施形態では、上記のように、ワークWを取り除く逆手順動作を学習するステップは、ハンド部11により複数種類のワークWを取り除く逆手順動作を学習するステップを含む。これにより、複数種類のワークWを扱う場合にも、ワークWの取り出し後の設置作業の効率化を図ることができる。
また、本実施形態では、上記のように、機械学習装置20は、容器CからワークWを取り出し可能で、かつ、ワークWを設置可能なワークWの保持位置を選択するように構成されている。これにより、ハンド部11により取り出したワークWの保持のし直しが発生することを確実に抑制することができる。これにより、ワークWの取り出し後の設置作業の効率化を確実に図ることができる。
また、本実施形態では、上記のように、機械学習装置20は、ワークWの取り出し成功確率に基づいて、容器CからワークWを取り出し可能なワークWの保持位置を抽出するとともに、ワークWの設置成功確率に基づいて、ワークWを設置可能なワークWの保持位置を抽出するように構成されている。これにより、容器CからワークWを取り出し可能で、かつ、ワークWを設置可能なワークWの保持位置を容易に抽出することができる。
(変形例)
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく請求の範囲によって示され、さらに請求の範囲と均等の意味および範囲内でのすべての変更(変形例)が含まれる。
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく請求の範囲によって示され、さらに請求の範囲と均等の意味および範囲内でのすべての変更(変形例)が含まれる。
たとえば、上記実施形態では、決められた設置状態となるようにワークを治具パレットに設置する例を示したが、本発明はこれに限られない。本発明では、決められた設置状態(組立状態)となるようにワークを組み立て品に設置してもよい。この場合、機械学習装置は、決められた設置状態(組立状態)のワークを組み立て品から取り除く逆手順動作を学習する。
また、上記実施形態では、ロボットが、垂直多関節ロボットである例を示したが、本発明はこれに限られない。本発明では、ロボットは、容器からワークを取り出して、取り出したワークを設置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。たとえば、ロボットが、垂直多関節ロボット以外の水平多関節ロボットなどのロボットであってもよい。
また、上記実施形態では、撮像装置が、3次元データ取得装置として設けられている例を示したが、本発明はこれに限られない。本発明では、撮像装置以外の3次元レーザスキャニング装置などが3次元データ取得装置として設けられていてもよい。
また、上記実施形態では、撮像装置が、ロボットのアームの先端に設けられている構成の例を示したが、本発明はこれに限られない。本発明では、撮像装置が、ロボット以外の箇所に設けられていてもよい。たとえば、撮像装置を支持する支持部材をロボットの作業個所の近傍に設置してもよい。この場合、ロボットおよび容器を上方から撮像可能に、撮像装置が支持部材に支持されるのが好ましい。
また、上記実施形態では、ハンド部が、複数の爪部を有し、ワークを把持するように構成されている例を示したが、本発明はこれに限られない。本発明では、ハンド部は、ワークを保持可能であれば、どのように構成されていてもよい。たとえば、ハンド部が、負圧発生装置からの負圧によりワークを吸着するように構成されていてもよいし、電磁石の磁力によりワークを吸着するように構成されていてもよい。
また、上記実施形態では、機械学習装置が、決められた設置状態のワークの全部が無くなるまで、ハンド部によりワークを取り除く逆手順動作を繰り返すように構成されている例を示したが、本発明はこれに限られない。本発明では、機械学習装置が、決められた設置状態のワークの一部が無くなるまで、ハンド部によりワークを取り除く逆手順動作を繰り返すように構成されていてもよい。
また、上記実施形態では、機械学習装置が、逆手順動作の成功確率がしきい値以下であるワークについては、学習を行わないように構成されている例を示したが、本発明はこれに限られない。本発明では、機械学習装置が、逆手順動作の成功確率にかかわらず、全てのワークについて、学習を行うように構成されていてもよい。
また、上記実施形態では、機械学習装置が、ワークを取り除く順番の一部を設定可能に構成されている例を示したが、本発明はこれに限られない。本発明では、機械学習装置が、ワークを取り除く順番の一部を設定可能に構成されていなくてもよい。
また、上記実施形態では、機械学習装置が、ワークの保持禁止部位、および、ワークの近傍の障害物の両方を含む制約条件を考慮して、ワークの保持位置を学習するように構成されている例を示したが、本発明はこれに限られない。本発明では、機械学習装置が、ワークの保持禁止部位、および、ワークの近傍の障害物のうちのいずれか一方のみを含む制約条件を考慮して、ワークの保持位置を学習するように構成されていてもよい。
また、上記実施形態では、機械学習装置が、ワークを取り除く逆手順動作の成功確率に基づいて、ハンド部および治具パレットの両方の見直しをユーザに通知するように構成されている例を示したが、本発明はこれに限られない。本発明では、機械学習装置が、ワークを取り除く逆手順動作の成功確率に基づいて、ハンド部および治具パレットのうちのいずれか一方のみの見直しをユーザに通知するように構成されていてもよい。
10 ロボット
11 ハンド部
20 機械学習装置
30 制御装置
100 ロボットシステム
C 容器
P1 治具パレット
S 決められた設置状態
W ワーク
11 ハンド部
20 機械学習装置
30 制御装置
100 ロボットシステム
C 容器
P1 治具パレット
S 決められた設置状態
W ワーク
Claims (13)
- 複数のワークをばら積みされた状態で収容する容器から、前記ワークを取り出して、決められた設置状態となるように前記ワークを設置するハンド部を備えるロボットの動作を学習する機械学習方法であって、
前記ハンド部により設置完了後の前記決められた設置状態の前記ワークを取り除く逆手順動作を学習するステップと、
前記ワークを取り除く逆手順動作の学習結果に基づいて、前記ワークの設置順番を学習するステップと、を備える、機械学習方法。 - 前記ワークを取り除く逆手順動作を学習するステップは、前記決められた設置状態の前記ワークの全部または一部が無くなるまで、前記ハンド部により前記ワークを取り除く逆手順動作を繰り返すステップを含む、請求項1に記載の機械学習方法。
- 前記ワークを取り除く逆手順動作を学習するステップは、前記ワークを取り除く順番を変更させながら、前記決められた設置状態の前記ワークの全部または一部が無くなるまで、前記ハンド部により前記ワークを取り除く逆手順動作を繰り返すステップを含む、請求項2に記載の機械学習方法。
- 前記ワークの設置順番を学習するステップは、前記ワークを取り除く逆手順動作の学習結果に基づいて、複数の設置順番を学習するとともに、前記複数の設置順番の優先度を学習するステップを含む、請求項3に記載の機械学習方法。
- 前記ワークを取り除く逆手順動作を学習するステップは、前記ワークを取り除く順番の一部を設定した状態で、前記決められた設置状態の前記ワークの全部または一部が無くなるまで、前記ハンド部により前記ワークを取り除く逆手順動作を繰り返すステップを含む、請求項2~4のいずれか1項に記載の機械学習方法。
- 前記ワークを取り除く逆手順動作の学習結果に基づいて、前記ハンド部により保持する前記ワークの保持位置を学習するステップをさらに備える、請求項1~5のいずれか1項に記載の機械学習方法。
- 前記ワークの保持位置を学習するステップは、前記ワークの保持禁止部位、および、前記ワークの近傍の障害物のうちの少なくともいずれか1つを含む制約条件を考慮して、前記ワークの保持位置を学習するステップを含む、請求項6に記載の機械学習方法。
- 前記ワークを取り除く逆手順動作の成功確率に基づいて、前記ハンド部、および、前記ワークを設置する治具パレットのうちの少なくとも1つの見直しをユーザに通知するステップをさらに備える、請求項1~7のいずれか1項に記載の機械学習方法。
- 前記ワークを取り除く逆手順動作を学習するステップは、前記ハンド部により複数種類の前記ワークを取り除く逆手順動作を学習するステップを含む、請求項1~8のいずれか1項に記載の機械学習方法。
- 複数のワークをばら積みされた状態で収容する容器から、前記ワークを取り出して、決められた設置状態となるように前記ワークを設置するハンド部を備えるロボットと、
前記ロボットの動作を学習する機械学習装置と、
前記機械学習装置の学習結果に基づいて、前記ロボットの動作を制御する制御装置と、を備え、
前記機械学習装置は、前記ハンド部により設置完了後の前記決められた設置状態の前記ワークを取り除く逆手順動作を学習するとともに、前記ワークを取り除く逆手順動作の学習結果に基づいて、前記ワークの設置順番を学習するように構成されている、ロボットシステム。 - 前記機械学習装置は、前記ワークを取り除く逆手順動作の学習結果に基づいて、前記ハンド部により保持する前記ワークの保持位置を学習するように構成されている、請求項10に記載のロボットシステム。
- 前記機械学習装置は、前記容器から前記ワークを取り出し可能で、かつ、前記ワークを設置可能な前記ワークの保持位置を選択するように構成されている、請求項11に記載のロボットシステム。
- 前記機械学習装置は、前記ワークの取り出し成功確率に基づいて、前記容器から前記ワークを取り出し可能な前記ワークの保持位置を抽出するとともに、前記ワークの設置成功確率に基づいて、前記ワークを設置可能な前記ワークの保持位置を抽出するように構成されている、請求項12に記載のロボットシステム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/018091 WO2021220394A1 (ja) | 2020-04-28 | 2020-04-28 | 機械学習方法およびロボットシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021220394A1 JPWO2021220394A1 (ja) | 2021-11-04 |
JP7245959B2 true JP7245959B2 (ja) | 2023-03-24 |
Family
ID=78373446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022518481A Active JP7245959B2 (ja) | 2020-04-28 | 2020-04-28 | 機械学習方法およびロボットシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230158667A1 (ja) |
JP (1) | JP7245959B2 (ja) |
CN (1) | CN115087522A (ja) |
DE (1) | DE112020006594B4 (ja) |
WO (1) | WO2021220394A1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011110688A (ja) | 2009-11-30 | 2011-06-09 | Mitsubishi Electric Corp | ロボットの教示装置、及びロボットの制御装置 |
JP2013043271A (ja) | 2011-08-26 | 2013-03-04 | Canon Inc | 情報処理装置、情報処理装置の制御方法、およびプログラム |
JP2015142952A (ja) | 2014-01-31 | 2015-08-06 | パナソニック株式会社 | ロボットの部品挿入動作の教示方法、及びそれを用いたロボットの動作方法 |
US9802317B1 (en) | 2015-04-24 | 2017-10-31 | X Development Llc | Methods and systems for remote perception assistance to facilitate robotic object manipulation |
WO2018146770A1 (ja) | 2017-02-09 | 2018-08-16 | 三菱電機株式会社 | 位置制御装置及び位置制御方法 |
WO2019239563A1 (ja) | 2018-06-14 | 2019-12-19 | ヤマハ発動機株式会社 | ロボットシステム |
WO2019239565A1 (ja) | 2018-06-14 | 2019-12-19 | ヤマハ発動機株式会社 | キッティングトレイへの部品配膳装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012022190B4 (de) | 2012-11-12 | 2019-02-07 | Hochschule Reutlingen | Inverse Kinematik |
JP6522488B2 (ja) | 2015-07-31 | 2019-05-29 | ファナック株式会社 | ワークの取り出し動作を学習する機械学習装置、ロボットシステムおよび機械学習方法 |
US10953548B2 (en) | 2018-07-19 | 2021-03-23 | International Business Machines Corporation | Perform peg-in-hole task with unknown tilt |
-
2020
- 2020-04-28 DE DE112020006594.4T patent/DE112020006594B4/de active Active
- 2020-04-28 US US17/995,673 patent/US20230158667A1/en active Pending
- 2020-04-28 CN CN202080096331.3A patent/CN115087522A/zh active Pending
- 2020-04-28 WO PCT/JP2020/018091 patent/WO2021220394A1/ja active Application Filing
- 2020-04-28 JP JP2022518481A patent/JP7245959B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011110688A (ja) | 2009-11-30 | 2011-06-09 | Mitsubishi Electric Corp | ロボットの教示装置、及びロボットの制御装置 |
JP2013043271A (ja) | 2011-08-26 | 2013-03-04 | Canon Inc | 情報処理装置、情報処理装置の制御方法、およびプログラム |
JP2015142952A (ja) | 2014-01-31 | 2015-08-06 | パナソニック株式会社 | ロボットの部品挿入動作の教示方法、及びそれを用いたロボットの動作方法 |
US9802317B1 (en) | 2015-04-24 | 2017-10-31 | X Development Llc | Methods and systems for remote perception assistance to facilitate robotic object manipulation |
WO2018146770A1 (ja) | 2017-02-09 | 2018-08-16 | 三菱電機株式会社 | 位置制御装置及び位置制御方法 |
WO2019239563A1 (ja) | 2018-06-14 | 2019-12-19 | ヤマハ発動機株式会社 | ロボットシステム |
WO2019239565A1 (ja) | 2018-06-14 | 2019-12-19 | ヤマハ発動機株式会社 | キッティングトレイへの部品配膳装置 |
Also Published As
Publication number | Publication date |
---|---|
DE112020006594T5 (de) | 2022-11-10 |
JPWO2021220394A1 (ja) | 2021-11-04 |
DE112020006594B4 (de) | 2024-02-29 |
WO2021220394A1 (ja) | 2021-11-04 |
US20230158667A1 (en) | 2023-05-25 |
CN115087522A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109483573B (zh) | 机器学习装置、机器人系统以及机器学习方法 | |
JP6057862B2 (ja) | 部品供給装置および部品供給装置のプログラム生成方法 | |
EP1589483B1 (en) | Object picking system | |
JP5458274B2 (ja) | 把持位置計算装置及び把持位置計算方法 | |
CN109834698B (zh) | 对机器人进行示教操作的示教装置 | |
EP2540456A1 (en) | Robotic picking of parts from a parts holding bin | |
EP3566824A1 (en) | Method, apparatus, computer-readable storage media and a computer program for robotic programming | |
JP2008015683A (ja) | ロボットプログラムを作成するための装置、プログラム、記録媒体及び方法 | |
CN112218748B (zh) | 机器人系统 | |
CN112757284B (zh) | 机器人控制装置、方法和存储介质 | |
JP2015071206A (ja) | 制御装置、ロボット、教示データ生成方法及びプログラム | |
US20190375110A1 (en) | Work machine and pick-up position selection method | |
JP2020082322A (ja) | 機械学習装置、機械学習システム、データ処理システム及び機械学習方法 | |
WO2021117620A1 (ja) | ロボット用コントローラ | |
JP2011110629A (ja) | ロボット制御方法およびロボット制御システム | |
CN115194752A (zh) | 用于训练神经网络以控制插入任务的机器人的设备和方法 | |
JP2022163719A (ja) | 対象物を挿入部に挿入するようにロボットを制御するための装置及び方法 | |
JP7245959B2 (ja) | 機械学習方法およびロボットシステム | |
CN112218746B (zh) | 对装载盘配置零部件的零部件配置装置 | |
EP3936286A1 (en) | Robot control device, robot control method, and robot control program | |
JP2022126768A (ja) | ロボット搭載移動装置 | |
US11285604B2 (en) | Robot collision detection using cascading variational autoencoder | |
JP2015205382A (ja) | ロボットシステムの制御方法、プログラム、記録媒体、及びロボットシステム | |
JP6248694B2 (ja) | ロボット、ロボットシステム、及び制御装置 | |
US20230294278A1 (en) | Robot System and Picking Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220602 |
|
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: 20230307 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7245959 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |