JP7452257B2 - 制御装置、ロボットシステム、およびロボットの制御方法 - Google Patents

Description

本発明は、柔軟部を備えるロボットの制御に関する。

剛性の高い機構のみで構成されたロボットを用いて対象に対する接触を伴う動作をする際には、細心の注意を払う必要があり、対象や動作環境を決定してモデリングした上で、更に動作速度を落として制御する必要があった。また、剛性の高い機構のみで精密な作業をしようとすると、高い精度の状態計測が必要となるが、実際には計測に誤差が伴う。したがって、剛性の高い機構のみで構成されたロボットを用いると、動作速度が遅く、また、現場で必要とされる高い作業成功率を実現できないという問題がある。

一方、変形を許容する柔軟な機構を有するロボットは、対象に対する接触を伴う動作を、速い動作速度、かつ、高い作業性効率で実現できる。しかしながら、柔軟機構は移動時の振動発生等により作業が安定せず、むしろ剛性の高い機構の方が安定する作業も存在する。

剛性の高い機構と柔軟な機構のメリットを両立させるために、特許文献１～３には、ロック機構付の柔軟要素を備えるロボットが提案されている。これらのロボットでは、柔軟部（コンプライアンスユニット）を原点位置または任意位置に固定可能なロック機構が用いられる。

しかしながら、特許文献１～３ではいずれも、柔軟部をロックしているときとロックしていないときにどのような制御を行うかの検討はされていない。

特開平０５－１９２８９２号公報 特開２００５－１７７９１８号公報 特開平０８－１１８２８１号公報

本発明は上記実情に鑑みなされたものであって、柔軟部のロックおよびアンロックを切り替え可能なロボットを効果的に制御可能な技術を提供することを目的とする。

上記目的を達成するために本発明は、以下の構成を採用する。

本発明の第一態様は、柔軟部および前記柔軟部を固定するロック機構を有するロボットの制御装置であって、
前記柔軟部のロックおよびアンロックを制御するロック制御部と、
前記柔軟部がロック状態であるかアンロック状態であるかに応じて異なる種類の制御ポリシを用いて前記ロボットの動作を制御する動作制御部と、
を備える。

柔軟部は、物理的に柔軟な要素、すなわち、変位に対して復元力が働く受動要素を含む概念である。物理的に柔軟な要素は、典型的には、バネやゴムのような弾性体、ダンパ、
空気圧または液圧のシリンダが含まれる。柔軟部は、力制御を用いてあるいは力制御のみによって柔軟性を得る機構であってもよい。

制御ポリシは、ロボットがある状態ｘにあるときに次にとるべき行動ｕを決定する要素（写像）である。制御ポリシは、典型的には、確率密度関数π（ｕ｜ｘ）または関数ｕ＝π（ｘ）という形式で表される。

制御ポリシの種類には、例えば、機械学習ベースの制御ポリシ、現代制御理論に基づく状態空間モデルを用いた制御ポリシ、古典制御の制御ポリシが含まれる。機械学習ベースの制御ポリシは、機械学習アルゴリズムを用いてデータドリブンに導出される制御ポリシであり、例えば、強化学習により導出された制御ポリシ、深層学習により導出された制御ポリシ、モデルベースの強化学習により導出された制御ポリシが含まれる。状態空間モデルに基づく制御ポリシは、制御対象に関する既知の情報であるシステムモデル（状態空間モデル）に基づいて導出される制御ポリシであり、最適制御やモデル予測制御に基づく制御ポリシが含まれる。古典制御の制御ポリシは、ＰＩＤ制御等の古典制御に基づく制御ポリシである。状態空間モデルに基づく制御ポリシおよび古典制御の制御ポリシは、解析的な制御ポリシと捉えることもできる。

本態様において、動作制御部は、柔軟部がアンロック状態（非固定状態）である場合には機械学習ベースの制御ポリシを用いてロボットの動作を制御するように構成されてよい。柔軟部が固定されていない状態では、ロボットの先端位置が不確定になるため、状態空間モデル等でモデリングして制御することは困難であり、機械学習ベースの制御ポリシを用いることが好適である。

本態様において、動作制御部は、柔軟部がロック状態（固定状態）である場合には古典制御または状態空間モデルに基づく制御の制御ポリシを用いてロボットを制御するように構成されてよい。柔軟部が固定されている状態では、ロボットの先端位置は正確に求めることができるため、解析的な制御ポリシを用いて精度の高い制御が可能である。

本態様にかかる制御装置は、入力される作業指令に応じて、柔軟部のロックおよびアンロックの制御と、動作制御部が用いる制御ポリシの切り替えとを行ってもよい。作業指令という１つの入力に基づいてロック・アンロックと制御ポリシの切り替えとが行われるので処理が簡便である。また、作業指令に応じて、例えば、異なるモデルパラメータを有する複数の機械学習ベースの制御ポリシのいずれかを用いるようにすることもできる。

また、本態様にかかる制御装置は、ロボットと対象物の距離に応じて、または、ロボットが対象物と接触しているか否かに応じて、柔軟部のロックおよびアンロックの制御と、動作制御部が用いる制御ポリシの切り替えとを行ってもよい。ロボットが対象物と接近あるいは接触した時には、安全性の観点から柔軟部のロックを解除することが望ましく、そしてそれに応じて制御ポリシを切り替えることができる。

また、本態様にかかる制御装置は、柔軟部がロック状態であるかアンロック状態であるかに応じて、利用する制御ポリシだけでなく、利用するセンサ情報を決定してもよい。利用するセンサ情報を決定するというのは、例えば、ロボットから取得するセンサ情報の種類を決定あるいは変更することと、ロボットから取得するセンサ情報は変更しないが制御ポリシに入力するセンサ情報の種類を決定あるいは変更することとを含む。例えば、柔軟部がアンロック状態であれば、柔軟部の状態を表すセンサ情報を利用するように決定することが考えられる。

本態様における柔軟部は、対象物を把持するためのグリッパと、前記グリッパを移動さ
せるためのアームとを備えるロボットの、グリッパの途中、グリッパとアームとの間、およびアームの途中のうちの少なくともいずれかの位置に設けられてもよい。

本発明の第二の態様は、
対象物を把持するためのグリッパと、前記グリッパを移動させるためのアームとを備え、前記グリッパの途中、前記グリッパと前記アームとの間、および前記アームの途中のうちの少なくともいずれかの位置に柔軟部を有するロボットと、
第一の態様にかかる制御装置と、
を備える、ロボットシステムである。

本発明の第三の態様は、
制御装置によって行われる、柔軟部および前記柔軟部を固定するロック機構を有するロボットの制御方法であって、
前記柔軟部のロックおよびアンロックを制御するロック制御ステップと、
前記柔軟部がロック状態であるかアンロック状態であるかに応じて前記ロボットの動作の制御に用いる制御ポリシを選択するポリシ選択ステップと、
前記選択されたポリシを用いて、前記ロボットの動作を制御する動作制御ステップと、
を備える、制御方法である。

本発明は、上述の制御方法を実現するためのプログラムやそのプログラムを非一時的に記録した記録媒体として捉えることもできる。なお、上記手段および処理の各々は可能な限り互いに組み合わせて本発明を構成することができる。

本発明によれば、柔軟部のロックおよびアンロックを切り替え可能なロボットを効果的に制御できる。

図１は、本発明を適用したロボットシステムの概要を説明する図である。 図２Ａ，図２Ｂは、ロボットの概略構成を示す図である。 図３は、ロボットシステムの制御装置のハードウェア構成を示すブロック図である。 図４は、作業指令と、柔軟部のロック状態および制御ポリシとの対応関係を表すテーブルの例を説明する図である。 図５は、制御装置の制御フローを示す図である。

＜適用例＞
図１を参照して、本発明に係るロボットシステム１の適用例を説明する。ロボットシステム１は、柔軟部を備えるロボット１０と、ロボット１０を制御する制御装置により構成される。ロボット１０の柔軟部１３はロック状態とアンロック状態をとることができ、制御装置２０は、ロボット１０の柔軟部１３がロック状態であるかアンロック状態であるかに応じて異なる種類の制御ポリシを用いてロボット１０の動作を制御する。

具体的には、制御装置２０は、柔軟部１３がアンロック状態である場合には、機械学習ベースの制御ポリシを用いてロボット１０の動作を制御する。柔軟部１３がアンロック状態の時には、ロボット１０のグリッパ１２の先端位置が確定しないので、機械学習ベースの制御ポリシを用いることで作業を適切に実行できる。一方、制御装置２０は、柔軟部１３がロック状態である場合には、古典制御または状態空間モデルに基づく制御の制御ポリシを用いてロボット１０を制御する。柔軟部１３がロック状態の時には、ロボット１０の
グリッパ１２の先端位置を正確に求めることができるので、解析的な制御ポリシを用いて精度の高い制御が可能である。

このように、制御装置２０は、柔軟部１３の状態に応じて適切な制御ポリシを用いることで、柔軟部１３がロック状態である場合とアンロック状態である場合の両方で効果的な制御を実現できる。

＜第１実施形態＞
図１は、本発明の第１実施形態に係るロボットシステム１を示すロボットシステム１は、ロボット１０と制御装置２０を有する。

（ロボット）
図２Ａ，図２Ｂは、ロボット１０の概略構成を示す図である。本実施形態におけるロボット１０は、６軸垂直多関節ロボットであり、アーム１１の先端に柔軟部１３を介してグリッパ（ハンド）１２が設けられる。ロボット１０は、例えば、グリッパ１２によって部品（例えばペグ）を把持して穴に嵌め込む嵌め込み作業を行う。

図２Ａに示すように、ロボット１０は、関節Ｊ１～Ｊ６を備えた６自由度のアーム１１を有する。各関節Ｊ１～Ｊ６は、図示しないモータによりリンク同士を矢印Ｃ１～Ｃ６の方向に回転可能に接続する。ここでは、垂直多関節ロボットを例に挙げたが、水平多関節ロボット（スカラーロボット）であってもよい。また、６軸ロボットを例に挙げたが、５軸や７軸などその他の自由度の多関節ロボットであってもよく、パラレルリンクロボットであってもよい。

グリッパ１２は、１組の挟持部１２ａを有し、挟持部１２ａを制御して部品を挟持する。グリッパ１２は、柔軟部１３を介してアーム１１の先端１１ａと接続され、アーム１１の移動に伴って移動する。本実施形態では、柔軟部１３は各バネの基部が正三角形の各頂点になる位置関係に配置された３つのバネ１３ａ～１３ｃにより構成されるが、バネの数はいくつであってもよい。また、柔軟部１３は、位置の変動に対して復元力を生じて、柔軟性が得られる機構であればその他の機構であってもよい。例えば、柔軟部１３は、バネやゴムのような弾性体、ダンパ、空気圧または液圧シリンダなどであってもよい。柔軟部１３は、力制御を用いてあるいは力制御のみによって柔軟性を得る機構であってもよい。柔軟部１３により、アーム先端１１ａとグリッパ１２は、水平方向および垂直方向に、５ｍｍ以上、好ましくは１ｃｍ以上、更に好ましくは２ｃｍ以上、相対移動可能に構成される。

ロボット１０は、グリッパ１２がアーム１１に対して柔軟（相対移動可能）な状態と固定された状態とを切り替えられるためのロック機構を備える。グリッパ１２とアーム１１の位置関係が固定された状態は柔軟部１３が固定あるいはロックされた状態ともいえる。また、グリッパ１２とアーム１１が柔軟な状態は柔軟部が固定されていないあるいはアンロックされた状態ともいえる。

本実施形態では、アーム１１は、アーム１１の先端から柔軟部１３の方向に向かって移動可能な移動部材１１ｂ、１１ｃを有しており、移動部材１１ｂ、１１ｃによって柔軟部１３を押圧する。柔軟部１３が押圧されると、グリッパ１２の係止部１２ｂとアーム１１の係止部１１ｄとの係止により、グリッパ１２とアーム１１の位置関係が固定される。

なお、上記のロック機構は一具体例に過ぎず、グリッパ１２をアーム１１に対して固定可能であればどのようなロック機構を採用してもよい。例えば、グリッパ１２とアーム１１の間に負圧をかけたり、グリッパ１２をアーム１１の方向に引き寄せたりして、グリッ
パ１２とアーム１１の位置関係を固定してもよい。あるいは、柔軟部１３の弾性係数を増加させることによって、グリッパ１２とアーム１１の位置関係を固定してもよい。

また、ここではアーム１１の先端１１ａとグリッパ１２の間に柔軟部１３を設ける構成を例示したが、グリッパ１２の途中（例えば、指関節の場所または指の柱状部分の途中）、アームの途中（例えば、関節Ｊ１～Ｊ６のいずれかの場所またはアームの柱状部分の途中）に設けられてもよい。また、柔軟部１３は、これらのうちの複数の箇所に設けられてもよい。

ロボット１０における柔軟部のロックおよびアンロックと、各関節の動作は、制御装置２０からの指令に基づいて行われる。また、ロボット１０は、その状態を取得する各種のセンサを有しており、取得したセンサ情報を制御装置２０に対して送信する。

（制御装置）
次に、制御装置２０について説明する。

図３は、本実施形態に係る制御装置のハードウェア構成を示すブロック図である。図３に示すように、制御装置２０は、一般的なコンピュータ（情報処理装置）と同様の構成であり、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）３２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３３、ストレージ３４、キーボード３５、マウス３６、モニタ３７、及び通信インタフェース３８を有する。各構成は、バス３９を介して相互に通信可能に接続されている。

本実施形態では、ＲＯＭ３２又はストレージ３４には、ロボット１０の制御を行うためのプログラムおよびデータが格納されている。ＣＰＵ３１は、中央演算処理ユニットであり、各種プログラムを実行したり、各構成を制御したりする。すなわち、ＣＰＵ３１は、ＲＯＭ３２又はストレージ３４からプログラムを読み出し、ＲＡＭ３３を作業領域としてプログラムを実行する。ＣＰＵ３１は、ＲＯＭ３２又はストレージ３４に記録されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。ＲＯＭ３２は、各種プログラム及び各種データを格納する。ＲＡＭ３３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ３４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、又はフラッシュメモリにより構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。キーボード３５及びマウス３６は入力装置の一例であり、各種の入力を行うために使用される。モニタ３７は、例えば、液晶ディスプレイであり、ユーザインタフェースを表示する。モニタ３７は、タッチパネル方式を採用して、入力部として機能してもよい。通信インタフェース３８は、他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ又はＷｉ－Ｆｉ（登録商標）等の規格が用いられる。

次に、制御装置２０の機能構成について説明する。

図１に、制御装置２０の機能構成の例が示されている。図１に示すように、制御装置２０は、その機能構成として、作業指令入力部２１、動作モード切替部２２、ロック制御部２５、動作制御部２６、センサ情報取得部２７を有する。動作モード切替部２２は、ロック状態切替部２３と制御ポリシ切替部２４を含む。各機能部は、ＣＰＵ３１がＲＯＭ３２またはストレージ３４に記憶された学習プログラムを読み出して、ＲＡＭ３３に展開して実行することにより実現される。なお、一部または全部の機能は専用のハードウェア装置によって実現されても構わない。

作業指令入力部２１は、外部装置あるいはユーザーからロボット１０に行わせる作業を表す作業指令を取得する。作業指令の抽象度あるいは粒度はどのように定義されてもよい。ペグの嵌め込み作業を例にとると、作業指令は、例えば、「グリッパ１２によって対象物を把持する」「グリッパ１２を穴付近まで移動させる」「穴を探索してペグを穴に接触させる」「ペグを穴に対して平行にする」「ペグを穴に挿入する」「ペグを指定位置に固定する」である。作業指令は、より低い抽象度で定義されても、高い抽象度で定義されてもよい。

動作モード切替部２２は、柔軟部１３のロックおよびアンロックの制御と、ロボット１０の動作の制御に用いる制御ポリシを切り替える。本実施形態では、動作モード切替部２２は、作業指令入力部２１に入力される作業指令に応じて、これら２つの制御を行う。そのために、動作モード切替部２２は、作業指令と、柔軟部１３のロックまたはアンロックおよび利用する制御ポリシの種類とを対応づけた設定テーブル４０（図４）をあらかじめ記憶しておき、入力される作業指令と当該設定テーブル４０に基づいて、柔軟部１３のロック・アンロックおよび利用する制御ポリシの種類の決定を行う。

図４は、動作モード切替部２２が記憶する設定テーブル４０の例を示す図である。この例では、グリッパを移動させる作業指令（Ｍｏｖｅ）およびグリッパまたはペグを固定する作業指令（Ｆｉｘ）では状態空間モデルに基づく制御ポリシを用い、穴を探索する作業指令（Ｅｘｐｌｏｒｅ）、ペグを穴に対して平行にする作業指令（Ａｌｉｇｎ）、ペグを穴に挿入する作業指令（Ｉｎｓｅｒｔ）では機械学習ベースの制御ポリシを用いることが定義されている。設定テーブル４０には、どの種類の作業ポリシを利用するかではなく、どの作業ポリシを利用するかが定義されてもよい。例えば、Ｅｘｐｌｏｒｅ作業に対しては、Ｅｘｐｌｏｒｅ作業用に機械学習した制御ポリシを用いると定義されていてもよい。その他の作業についても同様である。

ロック状態切替部２３は、作業指令入力部２１に入力される作業指令と設定テーブル４０に基づいて、柔軟部１３をロック状態とするかアンロック状態とするかを決定し、ロック制御部２５に出力する。制御ポリシ切替部２４は、作業指令入力部２１に入力される作業指令と設定テーブル４０とに基づいて、動作制御部２６が利用すべき制御ポリシの種類または制御ポリシを決定して、動作制御部２６に出力する。

ロック制御部２５は、ロック状態切替部２３からの入力に応じて、柔軟部１３のロックのオンまたはオフを指示する指令をロボット１０に出力する。

動作制御部２６は、ロボット１０に対して動作を指示する動作指令を生成して、ロボット１０に出力する。動作制御部２６は、センサ情報取得部２７から取得されるロボット１０のセンサ情報（状態観測データ；状態変数）と、制御ポリシ切替部２４から指示された制御ポリシとを用いて、動作指令を生成する。

なお、動作制御部２６は、センサ情報取得部２７から取得されるすべてのセンサ情報を用いて動作指令を生成する必要はなく、利用する制御ポリシに応じてどのセンサ情報を利用するかを決定してもよい。例えば、機械学習ベースの制御ポリシを用いる場合には柔軟部１３の状態を表すセンサ情報を利用し、状態空間モデルに基づく制御ポリシを用いる場合には柔軟部１３の状態を表すセンサ情報を利用しないことが考えられる。

センサ情報取得部２７は、ロボット１０からロボット１０の状態を表すセンサ情報を取得する。ロボット１０の状態を表すセンサ情報の例は、各関節のエンコーダ、視覚センサ（カメラ）、力関連センサ（力覚センサ、トルクセンサ、触覚センサ）、変位センサによって取得される情報である。

（処理）
図５は本実施形態にかかる制御装置２０が行うロボット１０の制御方法の処理の流れを示すフローチャートである。

ステップＳ５１において、作業指令入力部２１は外部装置またはユーザーからロボット１０に行わせる作業を指示する作業指令を取得する。ステップＳ５２において、動作モード切替部２２は、作業指令と設定テーブル４０とに基づいて、柔軟部のロックの有効・無効および利用する制御ポリシを選択する。

ステップＳ５３では、ステップＳ５２においてロックを有効にするように選択されたか否かを判定する。ロックを有効にすると選択した場合にはステップＳ５４に進み、ロックを無効にすると選択した場合にはステップＳ５６に進む。ステップＳ５４では、ロック制御部２５は、ロボット１０に対して柔軟部１３のロックの無効化（アンロック）する指示を出力し、ステップＳ５５では、動作制御部２６はアンロック時用の制御ポリシ、すなわち機械学習ベースの制御ポリシを読み込む。ステップ５６では、ロック制御部２５は、ロボット１０に対して柔軟部のロックを有効化（ロック）する指示を出力し、ステップＳ５７では、動作制御部２６はロック時用の制御ポリシ、すなわち、古典制御または状態空間モデルに基づく制御の制御ポリシを読み込む。

ステップＳ５７では、動作制御部２６は、ステップＳ５４またはステップＳ５６で選択された制御ポリシと、センサ情報取得部２７から得られるセンサ情報に基づいて動作指令を生成し、当該動作指令をロボット１０に送信することによりロボット１０の制御を実行する。

ステップＳ５８では、作業が完了したか否かを判定し、作業が完了していなければステップＳ５１に戻り、作業が完了していれば処理を終了する。

（本実施形態の有利な効果）
ロボットが行う作業に応じて、ロボットに柔軟性を持たせることが好ましい場合と柔軟性を持たせないことが好ましい場合がある。そして、ロボットに柔軟性を持たせる場合にはハンド位置の不確定性から機械学習ベースの制御ポリシを用いて制御を行うことが好ましく、一方、ロボットに柔軟性を持たせない場合にはハンド位置が確定することから解析的な制御ポリシを用いて制御することが好ましい。本実施形態によれば、ロボットに行わせる作業に応じてロボットの柔軟部のロック・アンロックを制御し、かつ、動作制御に用いる制御ポリシを切り替えるので、ロボットに対して様々な作業を効果的に行わせることができる。また、作業指令に応じて、柔軟部のロック・アンロックおよび利用する制御ポリシが決定されるので、ユーザーは柔軟部のロック状態や用いる制御ポリシを明示的に指定しなくてもロボットの制御プログラムを作成することができる。

＜変形例＞
上記実施形態は、本発明の構成例を例示的に説明するものに過ぎない。本発明は上記の具体的な形態には限定されることはなく、その技術的思想の範囲内で種々の変形が可能である。

上記の実施形態では、作業指令に応じて柔軟部１３のロック・アンロックの制御と利用する制御ポリシの切替が行われるが、柔軟部１３のロック状態であるかアンロック状態に応じて異なる種類の制御ポリシが利用されれば、具体的にどのように制御されてもよい。

例えば、ロボット１０のグリッパ１２と対象物の間の距離に応じて柔軟部１３のロック
状態の制御と利用する制御ポリシの切替を行ってもよい。より詳細には、制御装置２０は、グリッパ１２と対象物の間の距離が閾値より小さければ、柔軟部１３をアンロック状態に制御し、かつ、動作制御部２６が利用する制御ポリシを機械学習ベースの制御ポリシに切り替える。一方、グリッパ１２と対象物の間の距離が閾値より大きければ、制御装置２０は、柔軟部１３をロック状態に制御し、かつ、動作制御部２６が利用する制御ポリシを古典制御または状態空間モデルに基づく制御の制御ポリシに切り替える。

他の例では、ロボット１０のグリッパ１２が対象物と接触しているか否かに応じて柔軟部１３のロック状態の制御と利用する制御ポリシの切替を行ってもよい。より詳細には、グリッパ１２と対象物が接触している場合は、制御装置２０は、柔軟部１３をアンロック状態に制御し、かつ、動作制御部２６が利用する制御ポリシを機械学習ベースの制御ポリシに切り替える。一方、グリッパ１２と対象物が接触していない場合は、制御装置２０は、柔軟部１３をロック状態に制御し、かつ、動作制御部２６が利用する制御ポリシを古典制御または状態空間モデルに基づく制御の制御ポリシに切り替える。

グリッパ１２と対象物の間の距離またはグリッパ１２と対象物との接触検知は、ロボット１０に備えられたセンサまたはロボット１０を観測するセンサから得られるセンサ情報に基づいて判断すればよい。

また、制御装置２０は、利用する制御ポリシに応じて、動作制御部２６が動作指令を生成するために用いるセンサ情報を決定してもよい。例えば、センサ情報取得部２７がロボット１０から取得するセンサ情報の種類を変更してもよいし、センサ情報取得部２７がロボット１０から取得するセンサ情報は変わらないが、センサ情報取得部２７が動作制御部２６に供給するセンサ情報を変更したり動作制御部２６が利用するセンサ情報を変更したりしてもよい。例えば、柔軟部１３がアンロック状態であるとき、すなわち機械学習ベースの制御ポリシを利用するときは、ロボット１０のアーム１１とグリッパ１２の相対的な位置関係を示すセンサ情報やグリッパ１２における力触覚センサ情報を動作指令生成のために用い、柔軟部１３がロック状態であるときはこれらのセンサ情報を用いないことが考えられる。

＜付記＞
１．柔軟部（１３）および前記柔軟部を固定するロック機構を有するロボットの制御装置（２０）であって、
前記柔軟部（１３）のロックおよびアンロックを制御するロック制御部（２５）と、
前記柔軟部（１３）がロック状態であるかアンロック状態であるかに応じて異なる種類の制御ポリシを用いて前記ロボットの動作を制御する動作制御部（２６）と、
を備える、制御装置（２０）。

２．制御装置（２０）によって行われる、柔軟部（１３）および前記柔軟部を固定するロック機構を有するロボット（１０）の制御方法であって、
前記柔軟部のロックおよびアンロックを制御するロック制御ステップ（Ｓ５４，Ｓ５６）と、
前記柔軟部がロック状態であるかアンロック状態であるかに応じて前記ロボットの動作の制御に用いる制御ポリシを選択するポリシ選択ステップ（Ｓ５５，Ｓ５７）と、
前記選択されたポリシを用いて、前記ロボットの動作を制御する動作制御ステップと、
を備える、制御方法。

１：ロボットシステム
１０：ロボット １１：アーム １２：グリッパ １３：柔軟部
２０：制御装置

Claims (11)

1. 柔軟部および前記柔軟部を固定するロック機構を有するロボットの制御装置であって、
   前記柔軟部のロックおよびアンロックを制御するロック制御部と、
   前記柔軟部がアンロック状態である場合には、機械学習ベースの制御ポリシを用いて前記ロボットの動作を制御し、前記柔軟部がロック状態である場合には、古典制御または状態空間モデルに基づく制御の制御ポリシを用いて前記ロボットの動作を制御する動作制御部と、
   を備える、制御装置。
2. 前記ロボットに行わせる作業指令を受け付ける作業指令入力部をさらに備え、
   入力される作業指令に応じて、前記ロック制御部は前記柔軟部のロックおよびアンロックを制御し、前記動作制御部は利用する制御ポリシを切り替える、
   請求項１に記載の制御装置。
3. 前記ロボットと対象物との間の距離を表すセンサ情報を取得するセンサ情報取得部をさらに備え、
   前記ロボットと前記対象物との間の距離に応じて、前記ロック制御部は前記柔軟部のロックおよびアンロックを制御し、前記動作制御部は利用する制御ポリシを切り替える、
   請求項１に記載の制御装置。
4. 前記ロボットと対象物との接触に関するセンサ情報を取得するセンサ情報取得部をさらに備え、
   前記ロボットが前記対象物と接触しているか否かに応じて、前記ロック制御部は前記柔軟部のロックおよびアンロックを制御し、前記動作制御部は利用する制御ポリシを切り替える、
   請求項１に記載の制御装置。
5. 前記ロボットのセンサ情報を取得するセンサ情報取得部をさらに備え、
   前記動作制御部は、前記動作制御部が利用する制御ポリシに応じて、前記センサ情報取
   得部が取得したセンサ情報のうち利用するセンサ情報を決定する、
   請求項１に記載の制御装置。
6. 取得される前記センサ情報は、前記柔軟部の状態を表すセンサ情報を含み、
   前記動作制御部は、前記柔軟部がアンロック状態であれば前記柔軟部の状態を表すセンサ情報を利用するセンサ情報として決定する、
   請求項５に記載の制御装置。
7. 前記ロボットのセンサ情報を取得するセンサ情報取得部をさらに備え、
   前記センサ情報取得部は、前記動作制御部が利用する制御ポリシに応じて前記ロボットから取得するセンサ情報を決定する、
   請求項１から４のいずれか１項に記載の制御装置。
8. 前記ロボットは、対象物を把持するためのグリッパと、前記グリッパを移動させるためのアームとを備え、
   前記柔軟部は、前記グリッパの途中、前記グリッパと前記アームとの間、および前記アームの途中のうちの少なくともいずれかの位置に設けられる、
   請求項１から７のいずれか１項に記載の制御装置。
9. 対象物を把持するためのグリッパと、前記グリッパを移動させるためのアームとを備え、前記グリッパの途中、前記グリッパと前記アームとの間、および前記アームの途中のうちの少なくともいずれかの位置に柔軟部を有するロボットと、
   請求項１から８のいずれか１項に記載の制御装置と、
   を備える、ロボットシステム。
10. 制御装置によって行われる、柔軟部および前記柔軟部を固定するロック機構を有するロボットの制御方法であって、
    前記柔軟部のロックおよびアンロックを制御するロック制御ステップと、
    前記柔軟部がアンロック状態である場合には、機械学習ベースの制御ポリシを前記ロボットの動作の制御に用いる制御ポリシとして選択し、前記柔軟部がロック状態である場合には、古典制御または状態空間モデルに基づく制御の制御ポリシを前記ロボットの動作の制御に用いる制御ポリシとして選択するポリシ選択ステップと、
    前記選択されたポリシを用いて、前記ロボットの動作を制御する動作制御ステップと、
    を備える、制御方法。
11. 請求項１０に記載の方法の各ステップをコンピュータに実行させるためのプログラム。

Images