JP7471541B1 - 把持力推定装置及び把持力推定方法 - Google Patents

Abstract

引っ張り器具が取り付けられる取付部（１２）と、物体（２）を把持する部位である２つの物体把持部（１３）とを備え、引っ張り器具によって取付部（１２）が引っ張り上げられることによって、２つの物体把持部（１３）が互いに近づくように変形する、キリガミ構造を有する把持具（１）の把持力を推定するものであって、把持具（１）の変形を観測するセンサのセンシングデータを取得するセンシングデータ取得部（３１）と、センシングデータ取得部（３１）により取得されたセンシングデータに基づいて、物体（２）に対する把持具（１）の把持力を推定する把持力推定部（３２）とを備えるように、把持力推定装置（３）を構成した。

Description

本開示は、把持力推定装置及び把持力推定方法に関するものである。

物体を把持している把持具の把持力を推定する把持力推定装置がある。
このような把持力推定装置として、例えば、特許文献１には、把持装置を駆動するモータの駆動電流と、当該モータの回転速度とに基づいて、把持装置の把持力を推定する推定オブザーバが開示されている。

特開２００２－１７８２８１号公報

モータによって駆動されるとは限らない把持具として、キリガミ構造を有する把持具がある。当該把持具は、引っ張り器具が取り付けられる取付部を備えている。引っ張り器具としては、例えば、手動のマジックハンド、トング、又は、ロボットのハンドがある。引っ張り器具によって取付部が引っ張り上げられることによって、把持具が変形する。把持具が変形することによって、把持具の一部である２つの物体把持部が互いに近づくようになり、その結果として、２つの物体把持部が物体を把持できるようになる。
上記のように、当該把持具は、既存の把持機構とは異なる、キリガミ構造という新たな構造の把持機構を有するものである。当該把持具は、モータによって駆動されることを必須としないこともあり、把持力の検出技術が存在していないという課題があった。
なお、特許文献１に開示されている、把持力を推定する技術は、把持装置がモータによって駆動されることを必須とするものであるため、キリガミ構造の把持機構による把持力の検出には適していない。

本開示は、上記のような課題を解決するためになされたもので、モータによって駆動されるとは限らない、キリガミ構造を有する把持具の把持力を推定することができる把持力推定装置を得ることを目的とする。

本開示に係る把持力推定装置は、引っ張り器具が取り付けられる取付部と、物体を把持する部位である２つの物体把持部とを備え、引っ張り器具によって取付部が引っ張り上げられることによって、２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定するものである。当該把持力推定装置は、把持具の変形によって変化する、物体把持部に取り付けられた中空体の内部圧力を検出するセンサにより検出された、内部圧力の情報を含むセンシングデータを取得するセンシングデータ取得部と、センシングデータ取得部により取得されたセンシングデータに含まれる内部圧力の情報に基づいて、物体に対する把持具の把持力を推定する把持力推定部とを備えている。

本開示によれば、モータによって駆動されるとは限らない、キリガミ構造を有する把持具の把持力を推定することができる。

実施の形態１に係る把持力推定装置３が適用される把持具１を示す構成図である。 把持具１が物体２を把持している様子を示す説明図である。 実施の形態１に係る把持力推定装置３を示す構成図である。 実施の形態１に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。 把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合のコンピュータのハードウェア構成図である。 把持力推定装置３の処理手順である把持力推定方法を示すフローチャートである。 実施の形態２に係る把持力推定装置３を示す構成図である。 実施の形態２に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。 実施の形態３に係る把持力推定装置３を示す構成図である。 実施の形態３に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。 図１１Ａは、把持具１が物体２を把持する前の状態を示す説明図、図１１Ｂは、物体把持部１３が物体２に軽く触れた状態を示す説明図、図１１Ｃは、把持具１が物体２を把持した状態を示す説明図である。 実施の形態４に係る把持力推定装置３を示す構成図である。 実施の形態４に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。 図１４Ａは、把持具１が物体２を把持する前の状態のときのマーカ４の位置を示す説明図、図１４Ｂは、物体把持部１３が物体２に軽く触れた状態のときのマーカ４の位置を示す説明図、図１４Ｃは、把持具１が物体２を把持した状態のときのマーカ４の位置を示す説明図である。 実施の形態５に係る把持力推定装置３を示す構成図である。 実施の形態５に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。

以下、本開示をより詳細に説明するために、本開示を実施するための形態について、添付の図面に従って説明する。

実施の形態１．
図１は、実施の形態１に係る把持力推定装置３が適用される把持具１を示す構成図である。
図２は、把持具１が物体２を把持している様子を示す説明図である。
図１に示す把持具１は、切り欠き部１１、２つの取付部１２及び２つの物体把持部１３を備えている。図１に示す把持具１は、２つの取付部１２を備えている。しかし、これは一例に過ぎず、把持具１は、１つの取付部１２を備えているものであってもよいし、３つ以上の取付部１２を備えているものであってもよい。
把持具１は、例えば、弾性体によって実現される。弾性体としては、例えば、ゴム、又は、シリコンがある。
把持具１は、キリガミ構造を有している。

切り欠き部１１は、キリガミ構造を形成するために、把持具１の概ね中心部に施されている切り欠きである。
２つの取付部１２は、引っ張り器具が取り付けられる部位である。引っ張り器具は、モータによって駆動されるものには限られず、引っ張り器具としては、例えば、手動のマジックハンド、又は、トングがある。また、引っ張り器具としては、モータによって駆動される、ロボットのハンド等であってもよい。
２つの物体把持部１３は、物体２を把持する部位である。
概ね中心部に切り欠きが施されることによって、引っ張り器具が、２つの取付部１２のそれぞれに取り付けられて、引っ張り器具が、それぞれの取付部１２を引っ張り上げると、２つの物体把持部１３が互いに近づくようになる。その結果、２つの物体把持部１３は、図２に示すように、物体２を把持することができるようになる。物体２は、どのような物体でもよいが、物体２としては、例えば、唐揚げ、くだもの、電子部品、又は、医療器具がある。図２では、物体２が、唐揚げである例を示している。また、図２では、引っ張り器具が、ロボットのハンドである例を示している。

図３は、実施の形態１に係る把持力推定装置３を示す構成図である。
図４は、実施の形態１に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。
図３において、中空体２１は、例えば、エアパウチ、又は、ゴム等の弾性部材によって実現される。
中空体２１は、把持具１における複数の部位のうち、物体２を把持する部位である物体把持部１３に取り付けられる。
中空体２１の内部圧力は、把持具１の変形に伴って変化する。
具体的には、引っ張り器具が取付部１２を引っ張り上げているときの中空体２１の内部圧力は、引っ張り器具が取付部１２を引っ張り上げる前の中空体２１の内部圧力よりも高くなる。
また、引っ張り器具が、２つの取付部１２を互いに近づけるほど、中空体２１の内部圧力が高くなる。
中空体２１の一端は、塞がれており、中空体２１の他端は、チューブ２２の一端と接続されている。
図３の例では、中空体２１が、物体把持部１３の概ね全体を覆うように取り付けられている。中空体２１が、物体把持部１３のごく一部のみを覆うように取り付けられている場合、把持具１が変形しても、中空体２１の内部圧力があまり変化しないためである。

チューブ２２は、例えば、ゴム配管によって実現される。
チューブ２２の一端は、中空体２１の他端と接続されている。
チューブ２２の他端は、圧力センサ２３と接続されている。
チューブ２２の内部には、中空体２１の内部圧力が高くなることによって、中空体２１の内部に存在していた空気が入り込み、チューブ２２の内部圧力が高くなる。

圧力センサ２３は、把持具１による物体２の把持に伴う、把持具１の変形を観測するセンサである。
具体的には、圧力センサ２３は、把持具１の変形に伴って変化する、中空体２１の内部圧力を観測するセンサである。
圧力センサ２３は、中空体２１の内部圧力を示すセンシングデータを把持力推定装置３に出力する。

図３に示す把持力推定装置３は、センシングデータ取得部３１及び把持力推定部３２を備えている。
センシングデータ取得部３１は、例えば、図４に示すセンシングデータ取得回路４１によって実現される。
センシングデータ取得部３１は、圧力センサ２３のセンシングデータを取得する。
センシングデータ取得部３１は、圧力センサ２３のセンシングデータを把持力推定部３２に出力する。

把持力推定部３２は、例えば、図４に示す把持力推定回路４２によって実現される。
把持力推定部３２は、センシングデータ取得部３１から、圧力センサ２３のセンシングデータを取得する。
把持力推定部３２は、圧力センサ２３のセンシングデータに基づいて、物体２に対する把持具１の把持力を推定する。
具体的には、把持力推定部３２の内部メモリには、中空体２１の内部圧力と物体２に対する把持具１の把持力との対応関係を示すテーブルが格納されている。
把持力推定部３２は、テーブルから、センシングデータが示す内部圧力に対応する把持具１の把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３２は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。
図３に示す把持力推定装置３では、テーブルが把持力推定部３２の内部メモリに格納されている。しかし、これは一例に過ぎず、テーブルは、把持力推定部３２の外部メモリに格納されていてもよい。

図３では、把持力推定装置３の構成要素であるセンシングデータ取得部３１及び把持力推定部３２のそれぞれが、図４に示すような専用のハードウェアによって実現されるものを想定している。即ち、把持力推定装置３が、センシングデータ取得回路４１及び把持力推定回路４２によって実現されるものを想定している。
センシングデータ取得回路４１及び把持力推定回路４２のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又は、これらを組み合わせたものが該当する。

把持力推定装置３の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、把持力推定装置３が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
ソフトウェア又はファームウェアは、プログラムとして、コンピュータのメモリに格納される。コンピュータは、プログラムを実行するハードウェアを意味し、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、あるいは、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）が該当する。

図５は、把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合のコンピュータのハードウェア構成図である。
把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合、センシングデータ取得部３１及び把持力推定部３２におけるそれぞれの処理手順をコンピュータに実行させるためのプログラムがメモリ５１に格納される。そして、コンピュータのプロセッサ５２がメモリ５１に格納されているプログラムを実行する。

また、図４では、把持力推定装置３の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図５では、把持力推定装置３がソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、把持力推定装置３における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。

次に、図３に示す把持力推定装置３の動作について説明する。
図６は、把持力推定装置３の処理手順である把持力推定方法を示すフローチャートである。
引っ張り器具が、把持具１における２つの取付部１２を引っ張り上げると、２つの物体把持部１３が互いに近づくようになる。その結果、２つの物体把持部１３が、図２に示すように、物体２を把持することができるようになる。

中空体２１は、引っ張り器具が取付部１２を引っ張り上げることによって、変形する。
中空体２１が変形することによって、中空体２１の内部圧力は、上昇する。つまり、引っ張り器具が取付部１２を引っ張り上げることによって、中空体２１の内部圧力は、上昇する。引っ張り器具が、２つの取付部１２を互いに近づけるほど、中空体２１の内部圧力が高くなる。
チューブ２２の内部には、中空体２１の内部圧力が高くなることによって、中空体２１の内部に存在していた空気が入り込み、チューブ２２の内部圧力が高くなる。

圧力センサ２３は、中空体２１の内部圧力として、チューブ２２の内部圧力を観測する。
圧力センサ２３は、中空体２１の内部圧力を示すセンシングデータを把持力推定装置３に出力する。

把持力推定装置３のセンシングデータ取得部３１は、圧力センサ２３のセンシングデータを取得する（図６のステップＳＴ１）。
センシングデータ取得部３１は、圧力センサ２３のセンシングデータを把持力推定部３２に出力する。

把持力推定部３２は、センシングデータ取得部３１から、圧力センサ２３のセンシングデータを取得する。
把持力推定部３２は、内部メモリに格納しているテーブルから、センシングデータが示す中空体２１の内部圧力に対応する把持具１の把持力を示す情報を取得することによって、把持具１の把持力を推定する（図６のステップＳＴ２）。
把持力推定部３２は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

以上の実施の形態１では、引っ張り器具が取り付けられる取付部１２と、物体２を把持する部位である２つの物体把持部１３とを備え、引っ張り器具によって取付部１２が引っ張り上げられることによって、２つの物体把持部１３が互いに近づくように変形する、キリガミ構造を有する把持具１の把持力を推定するように、把持力推定装置３を構成した。把持力推定装置３は、把持具１の変形を観測するセンサのセンシングデータを取得するセンシングデータ取得部３１と、センシングデータ取得部３１により取得されたセンシングデータに基づいて、物体２に対する把持具１の把持力を推定する把持力推定部３２とを備えている。したがって、把持力推定装置３は、モータによって駆動されるとは限らない、キリガミ構造を有する把持具１の把持力を推定することができる。

図３に示す把持力推定装置３は、引っ張り器具を制御する制御装置とは別個の装置であることを想定している。しかし、これは一例に過ぎず、図３に示す把持力推定装置３が当該制御装置に実装されているものであってもよい。

図２に示す把持具１では、中空体２１が、把持具１における複数の部位のうち、物体２を把持する部位である物体把持部１３に取り付けられている。中空体２１が取り付けられる部位は、把持具１の変形に伴って変化する部位であればよく、例えば、切り欠き部１１、又は、取付部１２に取り付けられるものであってもよい。

図２に示す把持具１では、中空体２１が物体把持部１３に取り付けられ、把持具１の変形を観測するセンサとして、中空体２１の内部圧力を観測する圧力センサ２３が設けられている。しかし、把持具１の変形を観測するセンサは、中空体２１の内部圧力を観測する圧力センサ２３に限るものではなく、例えば、物体把持部１３の変形を観測するひずみセンサであってもよい。ひずみセンサは、物体把持部１３が変形すると、変形に伴うひずみを電気信号として検出するものである。把持具１の変形を観測するセンサとして、ひずみセンサが用いられる場合、把持力推定部３２の内部メモリには、変形に伴うひずみに対応する電気信号と物体２に対する把持具１の把持力との対応関係を示すテーブルが格納される。
把持力推定部３２は、内部メモリに格納しているテーブルから、センシングデータが示す電気信号に対応する把持具１の把持力を示す情報を取得することによって、把持具１の把持力を推定する。

実施の形態２．
実施の形態２では、把持力推定部３３が、センシングデータ取得部３１により取得されたセンシングデータを第１の学習モデル２４に与えて、第１の学習モデル２４から、センシングデータが示す内部圧力に対応する把持力を示す情報を取得する把持力推定装置３について説明する。

図７は、実施の形態２に係る把持力推定装置３を示す構成図である。図７において、図３と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
図８は、実施の形態２に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。図８において、図４と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
第１の学習モデル２４は、例えば、ニューラルネットワークによって実現される。
第１の学習モデル２４は、学習時において、中空体２１の内部圧力を示す圧力データと、物体２に対する把持具１の把持力を示す教師データとが与えられると、圧力データが示す内部圧力に対応する把持具１の把持力を学習する。
第１の学習モデル２４は、推論時において、センシングデータが与えられると、センシングデータが示す内部圧力に対応する把持力を示す情報を出力する。
図７に示す把持力推定装置３では、第１の学習モデル２４が、把持力推定装置３の外部に設けられている。しかし、これは一例に過ぎず、第１の学習モデル２４は、把持力推定装置３の内部に設けられていてもよい。

把持力推定部３３は、例えば、図８に示す把持力推定回路４３によって実現される。
把持力推定部３３は、センシングデータ取得部３１から、圧力センサ２３のセンシングデータを取得する。
把持力推定部３３は、圧力センサ２３のセンシングデータに基づいて、物体２に対する把持具１の把持力を推定する。
具体的には、把持力推定部３３は、センシングデータを第１の学習モデル２４に与えて、第１の学習モデル２４から、センシングデータが示す内部圧力に対応する把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３３は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

図７では、把持力推定装置３の構成要素であるセンシングデータ取得部３１及び把持力推定部３３のそれぞれが、図８に示すような専用のハードウェアによって実現されるものを想定している。即ち、把持力推定装置３が、センシングデータ取得回路４１及び把持力推定回路４３によって実現されるものを想定している。
センシングデータ取得回路４１及び把持力推定回路４３のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、又は、これらを組み合わせたものが該当する。

把持力推定装置３の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、把持力推定装置３が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合、センシングデータ取得部３１及び把持力推定部３３におけるそれぞれの処理手順をコンピュータに実行させるためのプログラムが図５に示すメモリ５１に格納される。そして、図５に示すプロセッサ５２がメモリ５１に格納されているプログラムを実行する。

また、図８では、把持力推定装置３の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図５では、把持力推定装置３がソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、把持力推定装置３における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。

次に、図７に示す把持力推定装置３の動作について説明する。把持力推定部３３以外は、図３に示す把持力推定装置３と同様である。このため、ここでは、把持力推定部３３の動作のみを説明する。
把持力推定部３３は、センシングデータ取得部３１から、圧力センサ２３のセンシングデータを取得する。
把持力推定部３３は、センシングデータを第１の学習モデル２４に与える。
そして、把持力推定部３３は、第１の学習モデル２４から、センシングデータが示す内部圧力に対応する把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３３は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

以上の実施の形態２では、中空体２１の内部圧力を示す圧力データと物体２に対する把持具１の把持力を示す教師データとが与えられて、中空体２１の内部圧力に対応する把持力の学習が済んでいる第１の学習モデル２４がある。把持力推定部３３が、センシングデータ取得部３１により取得されたセンシングデータを第１の学習モデル２４に与えて、第１の学習モデル２４から、センシングデータに対応する把持力を示す情報を取得するように、把持力推定装置３を構成した。したがって、把持力推定装置３は、モータによって駆動されるとは限らない、キリガミ構造を有する把持具１の把持力を推定することができる。

実施の形態３．
実施の形態３では、把持具１を撮影する視覚センサ２５の撮像結果である撮影画像に基づいて、物体２に対する把持具１の把持力を推定する把持力推定部３５を備える把持力推定装置３について説明する。

図９は、実施の形態３に係る把持力推定装置３を示す構成図である。図９において、図３及び図７と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
図１０は、実施の形態３に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。図１０において、図４及び図８と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
図９において、視覚センサ２５は、把持具１の変形を観測するセンサである。
具体的には、視覚センサ２５は、物体２を把持することによって変形する把持具１を撮影するセンサである。
視覚センサ２５は、把持具１の撮影画像を示すセンシングデータを把持力推定装置３に出力する。
把持具１の撮影画像は、１枚以上の静止画であってもよいし、動画であってもよい。

第２の学習モデル２６は、例えば、ニューラルネットワークによって実現される。
第２の学習モデル２６は、学習時において、把持具１の撮影画像と物体２に対する把持具１の把持力を示す教師データとが与えられると、把持具１の撮影画像に対応する把持具１の把持力を学習する。
学習時に用いられる撮影画像は、１枚以上の静止画であってもよいし、動画であってもよい。
第２の学習モデル２６は、推論時において、センシングデータが与えられると、センシングデータが示す撮影画像に対応する把持力を示す情報を出力する。
図９に示す把持力推定装置３では、第２の学習モデル２６が、把持力推定装置３の外部に設けられている。しかし、これは一例に過ぎず、第２の学習モデル２６は、把持力推定装置３の内部に設けられていてもよい。

図９に示す把持力推定装置３は、センシングデータ取得部３４及び把持力推定部３５を備えている。
センシングデータ取得部３４は、例えば、図１０に示すセンシングデータ取得回路４４によって実現される。
センシングデータ取得部３４は、視覚センサ２５のセンシングデータを取得する。
センシングデータ取得部３４は、視覚センサ２５のセンシングデータを把持力推定部３５に出力する。

把持力推定部３５は、例えば、図１０に示す把持力推定回路４５によって実現される。
把持力推定部３５は、センシングデータ取得部３４から、視覚センサ２５のセンシングデータを取得する。
把持力推定部３５は、視覚センサ２５のセンシングデータに基づいて、物体２に対する把持具１の把持力を推定する。
具体的には、把持力推定部３５は、センシングデータを第２の学習モデル２６に与えて、第２の学習モデル２６から、センシングデータが示す撮影画像に対応する把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３５は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

図９に示す把持力推定装置３では、把持力推定部３５が、センシングデータを第２の学習モデル２６に与えて、第２の学習モデル２６から、センシングデータが示す撮影画像に対応する把持力を示す情報を取得している。しかし、これは一例に過ぎず、把持力推定部３５は、ルールベースに基づいて、センシングデータが示す撮影画像に対応する把持力を推定するようにしてもよい。

図９では、把持力推定装置３の構成要素であるセンシングデータ取得部３４及び把持力推定部３５のそれぞれが、図１０に示すような専用のハードウェアによって実現されるものを想定している。即ち、把持力推定装置３が、センシングデータ取得回路４４及び把持力推定回路４５によって実現されるものを想定している。
センシングデータ取得回路４４及び把持力推定回路４５のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、又は、これらを組み合わせたものが該当する。

把持力推定装置３の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、把持力推定装置３が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合、センシングデータ取得部３４及び把持力推定部３５におけるそれぞれの処理手順をコンピュータに実行させるためのプログラムが図５に示すメモリ５１に格納される。そして、図５に示すプロセッサ５２がメモリ５１に格納されているプログラムを実行する。

また、図１０では、把持力推定装置３の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図５では、把持力推定装置３がソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、把持力推定装置３における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。

次に、図９に示す把持力推定装置３の動作について説明する。
引っ張り器具が、把持具１における２つの取付部１２を引っ張り上げると、２つの物体把持部１３が互いに近づくようになる。その結果、２つの物体把持部１３は、図２に示すように、物体２を把持することができるようになる。
引っ張り器具が、２つの取付部１２を互いに近づけるほど、図１１に示すように、切り欠き部１１の開き具合が小さくなり、把持具１の把持力が大きくなる。
図１１は、切り欠き部１１における開き具合の違いを示す説明図である。図１１では、物体２がミカンである例を示している。
図１１Ａは、把持具１が物体２を把持する前の状態を示す説明図であり、切り欠き部１１が大きく開いている。
図１１Ｂは、物体把持部１３が物体２に軽く触れた状態を示す説明図であり、切り欠き部１１は、物体２を把持する前よりも狭くなっている。
図１１Ｃは、把持具１が物体２を把持した状態を示す説明図であり、切り欠き部１１は、物体把持部１３が物体２に軽く触れた状態よりも狭くなっている。

視覚センサ２５は、引っ張り器具が取付部１２を引っ張り上げることによって変形する把持具１を撮影する。
視覚センサ２５は、把持具１の撮影画像を示すセンシングデータを把持力推定装置３に出力する。
把持力推定装置３のセンシングデータ取得部３４は、視覚センサ２５のセンシングデータを取得する。
センシングデータ取得部３４は、視覚センサ２５のセンシングデータを把持力推定部３５に出力する。

把持力推定部３５は、センシングデータ取得部３４から、視覚センサ２５のセンシングデータを取得する。
把持力推定部３５は、センシングデータを第２の学習モデル２６に与える。
そして、把持力推定部３５は、第２の学習モデル２６から、センシングデータが示す撮影画像に対応する把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３５は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

以上の実施の形態３では、センサが、把持具１を撮影する視覚センサ２５である。センシングデータ取得部３４が、視覚センサ２５の撮像結果である撮影画像を示すセンシングデータを取得し、把持力推定部３５が、センシングデータが示す撮影画像に基づいて、物体２に対する把持具１の把持力を推定するように、把持力推定装置３を構成した。したがって、把持力推定装置３は、モータによって駆動されるとは限らない、キリガミ構造を有する把持具１の把持力を推定することができる。

実施の形態４．
実施の形態４では、把持具１における複数の箇所のそれぞれにマーカ４が付されている。そして、視覚センサ２５の撮像結果である撮影画像を第３の学習モデル２７に与えて、第３の学習モデル２７から、撮影画像に映っている複数のマーカ４の位置に対応する把持力を示す情報を取得する把持力推定部３６を備える把持力推定装置３について説明する。

図１２は、実施の形態４に係る把持力推定装置３を示す構成図である。図１２において、図３、図７及び図９と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
図１３は、実施の形態４に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。図１３において、図４、図８及び図１０と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
実施の形態４では、後述する図１４に示すように、把持具１における複数の箇所のそれぞれにマーカ４が付されている。

第３の学習モデル２７は、例えば、ニューラルネットワークによって実現される。
第３の学習モデル２７は、学習時において、撮影画像に映っている複数のマーカ４の位置を示す位置データと物体２に対する把持具１の把持力を示す教師データとが与えられると、複数のマーカ４の位置に対応する把持具１の把持力を学習する。
第３の学習モデル２７は、推論時において、センシングデータが与えられると、センシングデータが示す撮影画像に映っている複数のマーカ４の位置に対応する把持力を示す情報を出力する。
図１２に示す把持力推定装置３では、第３の学習モデル２７が、把持力推定装置３の外部に設けられている。しかし、これは一例に過ぎず、第３の学習モデル２７は、把持力推定装置３の内部に設けられていてもよい。

図１２に示す把持力推定装置３は、センシングデータ取得部３４及び把持力推定部３６を備えている。
把持力推定部３６は、例えば、図１３に示す把持力推定回路４６によって実現される。
把持力推定部３６は、センシングデータ取得部３４から、視覚センサ２５のセンシングデータを取得する。
把持力推定部３６は、視覚センサ２５のセンシングデータに基づいて、物体２に対する把持具１の把持力を推定する。
具体的には、把持力推定部３６は、センシングデータが示す撮影画像を第３の学習モデル２７に与えて、第３の学習モデル２７から、撮影画像に映っている複数のマーカ４の位置に対応する把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３６は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

図１２に示す把持力推定装置３では、把持力推定部３６が、センシングデータが示す撮影画像を第３の学習モデル２７に与えて、第３の学習モデル２７から、撮影画像に映っている複数のマーカ４の位置に対応する把持力を示す情報を取得している。しかし、これは一例に過ぎず、把持力推定部３６は、ルールベースに基づいて、撮影画像に映っている複数のマーカ４の位置に対応する把持力を推定するようにしてもよい。

図１２では、把持力推定装置３の構成要素であるセンシングデータ取得部３４及び把持力推定部３６のそれぞれが、図１３に示すような専用のハードウェアによって実現されるものを想定している。即ち、把持力推定装置３が、センシングデータ取得回路４４及び把持力推定回路４６によって実現されるものを想定している。
センシングデータ取得回路４４及び把持力推定回路４６のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、又は、これらを組み合わせたものが該当する。

把持力推定装置３の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、把持力推定装置３が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合、センシングデータ取得部３４及び把持力推定部３６におけるそれぞれの処理手順をコンピュータに実行させるためのプログラムが図５に示すメモリ５１に格納される。そして、図５に示すプロセッサ５２がメモリ５１に格納されているプログラムを実行する。

また、図１３では、把持力推定装置３の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図５では、把持力推定装置３がソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、把持力推定装置３における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。

次に、図１２に示す把持力推定装置３の動作について説明する。
引っ張り器具が、把持具１における２つの取付部１２を引っ張り上げると、２つの物体把持部１３が互いに近づくようになる。その結果、２つの物体把持部１３は、図２に示すように、物体２を把持することができるようになる。
２つの取付部１２の間の距離が変化すると、図１４に示すように、把持具１のそれぞれの箇所に付されているマーカ４の位置が変化する。また、２つの取付部１２の間の距離が変化すると、把持具１の把持力が変化する。
図１４は、把持具１のそれぞれの箇所に付されているマーカ４の位置の違いを示す説明図である。
図１４Ａは、把持具１が物体２を把持する前の状態のときのマーカ４の位置を示す説明図であり、図１４Ｂは、物体把持部１３が物体２に軽く触れた状態のときのマーカ４の位置を示す説明図であり、図１４Ｃは、把持具１が物体２を把持した状態のときのマーカ４の位置を示す説明図である。
状態の違いによって、マーカ４の位置が相違している。

視覚センサ２５は、引っ張り器具が取付部１２を引っ張り上げることによって変形する把持具１を撮影する。
視覚センサ２５は、把持具１の撮影画像を示すセンシングデータを把持力推定装置３に出力する。
把持力推定装置３のセンシングデータ取得部３４は、視覚センサ２５のセンシングデータを取得する。
センシングデータ取得部３４は、視覚センサ２５のセンシングデータを把持力推定部３６に出力する。

把持力推定部３６は、センシングデータ取得部３４から、視覚センサ２５のセンシングデータを取得する。
把持力推定部３６は、センシングデータが示す撮影画像を第３の学習モデル２７に与える。
そして、把持力推定部３６は、第３の学習モデル２７から、撮影画像に映っている複数のマーカ４の位置に対応する把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３６は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

以上の実施の形態４では、撮影画像に映っている複数のマーカ４の位置を示す位置データと物体２に対する把持具１の把持力を示す教師データとが与えられて、複数のマーカ４の位置に対応する把持力の学習が済んでいる第３の学習モデル２７がある。把持力推定部３６が、視覚センサ２５の撮像結果である撮影画像を第３の学習モデル２７に与えて、第３の学習モデル２７から、撮影画像に映っている複数のマーカ４の位置に対応する把持力を示す情報を取得するように、把持力推定装置３を構成した。したがって、把持力推定装置３は、モータによって駆動されるとは限らない、キリガミ構造を有する把持具１の把持力を推定することができる。

実施の形態５．
実施の形態５では、把持力推定部３８が、圧力センサ２３により観測された内部圧力と視覚センサ２５の撮像結果である撮影画像とに基づいて、物体２に対する把持具１の把持力を推定する把持力推定装置３について説明する。

図１５は、実施の形態５に係る把持力推定装置３を示す構成図である。図１５において、図３、図７、図９及び図１２と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。
図１６は、実施の形態５に係る把持力推定装置３のハードウェアを示すハードウェア構成図である。図１６において、図４、図８、図１０及び図１３と同一符号は、同一又は相当部分を示すので、詳細な説明を省略する。

第４の学習モデル２８は、例えば、ニューラルネットワークによって実現される。
第４の学習モデル２８は、学習時において、中空体２１の内部圧力を示す圧力データと、把持具１の撮影画像と、物体２に対する把持具１の把持力を示す教師データとが与えられると、圧力データが示す内部圧力と把持具１の撮影画像とに対応する把持具１の把持力を学習する。
第４の学習モデル２８は、推論時において、圧力センサ２３のセンシングデータと視覚センサ２５のセンシングデータとが与えられると、センシングデータが示す内部圧力とセンシングデータが示す撮影画像とに対応する把持力を示す情報を出力する。
図１５に示す把持力推定装置３では、第４の学習モデル２８が、把持力推定装置３の外部に設けられている。しかし、これは一例に過ぎず、第４の学習モデル２８は、把持力推定装置３の内部に設けられていてもよい。

図１５に示す把持力推定装置３は、センシングデータ取得部３７及び把持力推定部３８を備えている。
センシングデータ取得部３７は、例えば、図１６に示すセンシングデータ取得回路４７によって実現される。
センシングデータ取得部３７は、圧力センサ２３のセンシングデータと、視覚センサ２５のセンシングデータとを取得する。
センシングデータ取得部３１は、圧力センサ２３のセンシングデータ及び視覚センサ２５のセンシングデータのそれぞれを把持力推定部３８に出力する。

把持力推定部３８は、例えば、図１６に示す把持力推定回路４８によって実現される。
把持力推定部３８は、センシングデータ取得部３１から、圧力センサ２３のセンシングデータ及び視覚センサ２５のセンシングデータのそれぞれを取得する。
把持力推定部３８は、圧力センサ２３のセンシングデータと視覚センサ２５のセンシングデータとに基づいて、物体２に対する把持具１の把持力を推定する。
具体的には、把持力推定部３８は、圧力センサ２３のセンシングデータと視覚センサ２５のセンシングデータとを第４の学習モデル２８に与えて、第４の学習モデル２８から、中空体２１の内部圧力と把持具１の撮影画像とに対応する把持具１の把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３８は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

図１５に示す把持力推定装置３では、把持力推定部３８が、圧力センサ２３のセンシングデータと視覚センサ２５のセンシングデータとを第４の学習モデル２８に与えて、第４の学習モデル２８から、中空体２１の内部圧力と把持具１の撮影画像とに対応する把持具１の把持力を示す情報を取得している。しかし、これは一例に過ぎず、把持力推定部３８は、ルールベースに基づいて、中空体２１の内部圧力と把持具１の撮影画像とに対応する把持力を推定するようにしてもよい。

図１５では、把持力推定装置３の構成要素であるセンシングデータ取得部３７及び把持力推定部３８のそれぞれが、図１６に示すような専用のハードウェアによって実現されるものを想定している。即ち、把持力推定装置３が、センシングデータ取得回路４７及び把持力推定回路４８によって実現されるものを想定している。
センシングデータ取得回路４７及び把持力推定回路４８のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、又は、これらを組み合わせたものが該当する。

把持力推定装置３の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、把持力推定装置３が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
把持力推定装置３が、ソフトウェア又はファームウェア等によって実現される場合、センシングデータ取得部３７及び把持力推定部３８におけるそれぞれの処理手順をコンピュータに実行させるためのプログラムが図５に示すメモリ５１に格納される。そして、図５に示すプロセッサ５２がメモリ５１に格納されているプログラムを実行する。

また、図１６では、把持力推定装置３の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図５では、把持力推定装置３がソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、把持力推定装置３における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。

次に、図１５に示す把持力推定装置３の動作について説明する。
圧力センサ２３は、中空体２１の内部圧力として、チューブ２２の内部圧力を観測する。
圧力センサ２３は、中空体２１の内部圧力を示すセンシングデータを把持力推定装置３に出力する。
視覚センサ２５は、引っ張り器具が取付部１２を引っ張り上げることによって変形する把持具１を撮影する。
視覚センサ２５は、把持具１の撮影画像を示すセンシングデータを把持力推定装置３に出力する。

把持力推定装置３のセンシングデータ取得部３７は、圧力センサ２３のセンシングデータと視覚センサ２５のセンシングデータとを取得する。
センシングデータ取得部３７は、圧力センサ２３のセンシングデータ及び視覚センサ２５のセンシングデータのそれぞれを把持力推定部３８に出力する。

把持力推定部３８は、センシングデータ取得部３７から、圧力センサ２３のセンシングデータ及び視覚センサ２５のセンシングデータのそれぞれを取得する。
把持力推定部３８は、圧力センサ２３のセンシングデータと視覚センサ２５のセンシングデータとを第４の学習モデル２８に与える。
そして、把持力推定部３８は、第４の学習モデル２８から、圧力センサ２３のセンシングデータが示す中空体２１の内部圧力と視覚センサ２５のセンシングデータが示す撮影画像とに対応する把持具１の把持力を示す情報を取得することによって、把持具１の把持力を推定する。
把持力推定部３８は、把持具１の把持力を示す情報を、例えば、ロボットの図示せぬ制御装置に出力する。

以上の実施の形態５では、センシングデータ取得部３７が、圧力センサ２３により観測された内部圧力を示すセンシングデータと、視覚センサ２５の撮像結果である撮影画像を示すセンシングデータとを取得し、把持力推定部３８が、圧力センサ２３により観測された内部圧力と撮影画像とに基づいて、物体２に対する把持具１の把持力を推定するように、図１５に示す把持力推定装置３を構成した。したがって、図１５に示す把持力推定装置３は、モータによって駆動されるとは限らない、キリガミ構造を有する把持具１の把持力を推定することができる。また、図１５に示す把持力推定装置３は、図７に示す把持力推定装置３、又は、図９に示す把持力推定装置３よりも、把持力の推定精度を高めることができる。

なお、本開示は、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

本開示は、把持力推定装置及び把持力推定方法に適している。

１ 把持具、２ 物体、３ 把持力推定装置、４ マーカ、１１ 切り欠き部、１２ 取付部、１３ 物体把持部、２１ 中空体、２２ チューブ、２３ 圧力センサ、２４ 第１の学習モデル、２５ 視覚センサ、２６ 第２の学習モデル、２７ 第３の学習モデル、２８ 第４の学習モデル、３１ センシングデータ取得部、３２，３３ 把持力推定部、３４ センシングデータ取得部、３５，３６ 把持力推定部、３７ センシングデータ取得部、３８ 把持力推定部、４１ センシングデータ取得回路、４２，４３ 把持力推定回路、４４ センシングデータ取得回路、４５，４６ 把持力推定回路、４７ センシングデータ取得回路、４８ 把持力推定回路、５１ メモリ、５２ プロセッサ。

Claims (11)

1. 引っ張り器具が取り付けられる取付部と、物体を把持する部位である２つの物体把持部とを備え、前記引っ張り器具によって前記取付部が引っ張り上げられることによって、前記２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定する把持力推定装置であって、
   前記把持具の変形によって変化する、前記物体把持部に取り付けられた中空体の内部圧力を検出するセンサにより検出された、前記内部圧力の情報を含むセンシングデータを取得するセンシングデータ取得部と、
   前記センシングデータ取得部により取得された前記センシングデータに含まれる前記内部圧力の情報に基づいて、前記物体に対する前記把持具の前記把持力を推定する把持力推定部とを備えた
   ことを特徴とする。
2. 前記把持力推定部は、前記中空体の前記内部圧力と前記物体に対する前記把持具の前記把持力との対応関係を示すテーブルから、前記センシングデータに含まれる前記内部圧力の情報に対応する前記把持具の前記把持力を示す情報を取得する
   ことを特徴とする請求項１記載の把持力推定装置。
3. 前記把持力推定部は、前記中空体の前記内部圧力を示す圧力データと、前記物体に対する前記把持具の前記把持力を示すデータとが与えられて、前記中空体の前記内部圧力に対応する前記把持力の学習が行われた第１の学習モデルに前記センシングデータを与え、前記センシングデータに含まれる前記内部圧力の情報に対応する前記把持力の情報を、前記第１の学習モデルから取得する
   ことを特徴とする請求項１記載の把持力推定装置。
4. 前記センサは、圧力センサと、前記把持具を撮影する視覚センサとを含み、
   前記センシングデータ取得部は、前記圧力センサにより検出された前記内部圧力の情報と、前記視覚センサにより撮像された撮影画像とを含む前記センシングデータを取得し、
   前記把持力推定部は、前記内部圧力の情報と、前記撮影画像とに基づいて、前記物体に対する前記把持具の把持力を推定する
   ことを特徴とする請求項１記載の把持力推定装置。
5. 引っ張り器具が取り付けられる取付部と、物体を把持する部位である２つの物体把持部とを備え、前記引っ張り器具によって前記取付部が引っ張り上げられることによって、前記２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定する把持力推定装置であって、
   前記把持具を撮影する視覚センサにより撮影された撮影画像を含むセンシングデータを取得するセンシングデータ取得部と、
   前記センシングデータ取得部により取得された前記センシングデータに含まれる前記撮影画像に基づいて、前記物体に対する前記把持具の前記把持力を推定する把持力推定部とを備えた
   ことを特徴とする。
6. 前記把持力推定部は、前記視覚センサにより撮影された前記撮影画像と、前記物体に対する前記把持具の前記把持力を示すデータとが与えられて、前記撮影画像に対応する前記把持力の学習が行われた第２の学習モデルに前記センシングデータを与え、前記センシングデータに含まれる前記撮影画像に対応する前記把持力の情報を、前記第２の学習モデルから取得する
   ことを特徴とする請求項４記載の把持力推定装置。
7. 前記把持力推定部は、前記撮影画像に含まれる、前記把持具に付けられた複数マーカの位置を示す位置データと、前記物体に対する前記把持具の前記把持力を示すデータとが与えられて、前記複数マーカの位置に対応する前記把持力の学習が行われた第３の学習モデルに前記センシングデータを与え、前記撮影画像に含まれた前記複数マーカの位置に対応する前記把持力の情報を、前記第３の学習モデルから取得する
   ことを特徴とする請求項４記載の把持力推定装置。
8. 引っ張り器具が取り付けられた取付部と、物体を把持する部位である２つの物体把持部とを備え、前記引っ張り器具によって前記取付部が引っ張り上げられることによって、前記２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定する把持力推定装置による方法であって、
   前記把持具の変形によって変化する、前記物体把持部に取り付けられた中空体の内部圧力を検出するセンサにより検出された、前記内部圧力の情報を含むセンシングデータをセンシングデータ取得部によって取得するステップと、
   前記センシングデータ取得部により取得された前記センシングデータに含まれる前記内部圧力の情報に基づいて、前記物体に対する前記把持具の前記把持力を把持力推定部によって推定するステップとを備える
   ことを特徴とする。
9. 引っ張り器具が取り付けられる取付部と、物体を把持する部位である２つの物体把持部とを備え、前記引っ張り器具によって前記取付部が引っ張り上げられることによって、前記２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定する把持力推定装置のコンピュータに実行されるプログラムであって、
   前記コンピュータに、
   前記把持具の変形によって変化する、前記物体把持部に取り付けられた中空体の内部圧力を検出するセンサにより検出された、前記内部圧力の情報を含むセンシングデータを取得する処理と、
   前記センシングデータに含まれる前記内部圧力の情報に基づいて、前記物体に対する前記把持具の把持力を推定する処理とを実行させる
   ことを特徴とする。
10. 引っ張り器具が取り付けられる取付部と、物体を把持する部位である２つの物体把持部とを備え、前記引っ張り器具によって前記取付部が引っ張り上げられることによって、前記２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定する把持力推定装置の方法であって、
    前記把持具を撮影する視覚センサにより撮影された撮影画像を含むセンシングデータをセンシングデータ取得部によって取得するステップと、
    前記センシングデータ取得部により取得された前記センシングデータに含まれる前記撮影画像に基づいて、前記物体に対する前記把持具の把持力を把持力推定部によって推定するステップとを備えた
    ことを特徴とする。
11. 引っ張り器具が取り付けられる取付部と、物体を把持する部位である２つの物体把持部とを備え、前記引っ張り器具によって前記取付部が引っ張り上げられることによって、前記２つの物体把持部が互いに近づくように変形する、キリガミ構造を有する把持具の把持力を推定する把持力推定装置のコンピュータに実行させるためのプログラムであって、
    前記把持具を撮影する視覚センサにより撮影された撮影画像を含むセンシングデータを取得する処理と、
    前記センシングデータに含まれる前記撮影画像に基づいて、前記物体に対する前記把持具の把持力を推定する処理とを実行させる
    ことを特徴とする。

Images