JP7497731B2 - 情報処理装置、情報処理方法、プログラム、およびロボット - Google Patents

情報処理装置、情報処理方法、プログラム、およびロボット Download PDF

Info

Publication number
JP7497731B2
JP7497731B2 JP2021539191A JP2021539191A JP7497731B2 JP 7497731 B2 JP7497731 B2 JP 7497731B2 JP 2021539191 A JP2021539191 A JP 2021539191A JP 2021539191 A JP2021539191 A JP 2021539191A JP 7497731 B2 JP7497731 B2 JP 7497731B2
Authority
JP
Japan
Prior art keywords
sensor
pressure distribution
detectable range
distribution sensor
detection
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
Application number
JP2021539191A
Other languages
English (en)
Other versions
JPWO2021029205A1 (ja
Inventor
ウィリアム アレクサンドル コヌス
康宏 松田
憲明 高杉
康範 川浪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Sony Group Corp
Original Assignee
Sony Corp
Sony Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp, Sony Group Corp filed Critical Sony Corp
Publication of JPWO2021029205A1 publication Critical patent/JPWO2021029205A1/ja
Application granted granted Critical
Publication of JP7497731B2 publication Critical patent/JP7497731B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/081—Touching devices, e.g. pressure-sensitive
    • B25J13/082—Grasping-force detectors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/085—Force or torque sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • 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
    • 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
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0061—Force sensors associated with industrial machines or actuators
    • G01L5/0076—Force sensors associated with manufacturing machines
    • G01L5/009—Force sensors associated with material gripping devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/22—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring the force applied to control members, e.g. control members of vehicles, triggers
    • G01L5/226—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring the force applied to control members, e.g. control members of vehicles, triggers to manipulators, e.g. the force due to gripping
    • G01L5/228—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring the force applied to control members, e.g. control members of vehicles, triggers to manipulators, e.g. the force due to gripping using tactile array force sensors
    • 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
    • G05B2219/39531—Several different sensors integrated into hand
    • 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
    • G05B2219/39532—Gripping force sensor build into finger
    • 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
    • G05B2219/39533—Measure grasping posture and pressure distribution
    • 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
    • G05B2219/40627—Tactile image sensor, matrix, array of tactile elements, tixels

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manipulator (AREA)
  • Force Measurement Appropriate To Specific Purposes (AREA)

Description

本技術は、情報処理装置、情報処理方法、プログラム、およびロボットに関し、特に、センサの検出可能レンジ外の値を推定することができるようにした情報処理装置、情報処理方法、プログラム、およびロボットに関する。
軽くて壊れやすい物や重くて壊れにくい物といったように、重量や耐久性などの性質が異なる各種の物体を安定的に把持できるロボットハンドが求められる。幅広い性質に対応するためには、広い検出可能レンジを有するセンサを用いて、ロボットハンドと物体の接触面に加えられた圧力を精度よく検出する必要がある。
例えば特許文献１には、タッチスクリーンの下に歪ゲージ（力センサ）と圧力センサを積層し、動作させるセンサを切り替える技術が開示されている。
米国特許出願公開第２０１８／０３６４８５０号明細書
しかし、センサの切り替えを行わずに、検出可能レンジ外の値を精度よく検出することは困難であった。
本技術はこのような状況に鑑みてなされたものであり、センサの検出可能レンジ外の値を推定することができるようにするものである。
本技術の第１の側面の制御装置は、所定の検出可能レンジを有する圧力分布センサと、前記圧力分布センサが検出できないレンジを検出可能レンジに含む力覚センサとを含む複数のセンサで構成されるセンサ部による検出結果を取得する取得部と、前記所定の検出可能レンジ外の前記圧力分布センサの検出値を、前記力覚センサによる検出結果に基づいて推定する推定部とを備える。
本技術の第２の側面のロボットは、物体を把持可能なハンド部と、所定の検出可能レンジを有する圧力分布センサと、前記圧力分布センサが検出できないレンジを検出可能レンジに含む力覚センサとを含む複数のセンサで構成され、前記ハンド部に設けられるセンサ部と、前記所定の検出可能レンジ外の前記圧力分布センサの検出値を、前記力覚センサによる検出結果に基づいて推定する推定部とを備える。
本技術においては、前記所定の検出可能レンジ外の前記圧力分布センサの検出値が、前記圧力分布センサが検出できないレンジを検出可能レンジに含む前記力覚センサによる検出結果に基づいて推定される。
本技術の一実施の形態に係るロボットの外観の構成例を示す図である。 ハンド部を拡大して示す図である。 圧力分布センサにより検出された圧力分布の例を示す図である。 指部の先端の一部を拡大して示す断面図である。 圧力分布センサにより検出された圧力分布の例を示す図である。 時刻ｔ＝ｎ－１における力の分布の例を示す図である。 時刻ｔ＝ｎにおける力の分布の推定結果の例を示す図である。 ロボットのハードウェア構成例を示すブロック図である。 制御システムの構成例を示す図である。 制御装置の機能構成例を示すブロック図である。 制御装置の圧力推定処理について説明するフローチャートである。 圧力分布センサに加えられた力の分布の例を示す図である。 圧力分布センサの検出値の例を示す図である。 圧力分布センサに加えられた力の分布の他の例を示す図である。 内挿推定の例を示す図である。 予測モデルの機械学習に用いる構成の例を示す図である。 予測モデルの入出力を示す図である。 学習器を含む制御装置の構成例を示すブロック図である。 センサ部の構成例を示す図である。 検出可能レンジの例を示す図である。 コンピュータのハードウェアの構成例を示すブロック図である。
以下、本技術を実施するための形態について説明する。説明は以下の順序で行う。
１．ロボットの把持機能
２．検出値の推定について
３．ロボットの構成
４．制御装置の動作
５．予測モデルを用いた例
６．変形例
＜１．ロボットの把持機能＞
図１は、本技術の一実施の形態に係るロボットの外観の構成例を示す図である。
図１に示すように、ロボット１は、上半身が人型であり、車輪を用いた移動機構を有するロボットである。胴体部１１の上には、扁平球体状の頭部１２が設けられる。頭部１２の正面には、人間の目を真似た形で２つのカメラ１２Ａが設けられる。
胴体部１１の上端には、多自由度のマニピュレータにより構成されるアーム部１３－１，１３－２が設けられる。アーム部１３－１，１３－２のそれぞれの先端には、ハンド部１４－１，１４－２が設けられる。ロボット１は、ハンド部１４－１，１４－２によって物体を把持する機能を有する。
以下、適宜、アーム部１３－１，１３－２を区別する必要がない場合、まとめてアーム部１３という。また、ハンド部１４－１，１４－２を区別する必要がない場合、まとめてハンド部１４という。対になって設けられる他の構成についても、適宜、まとめて説明する。
胴体部１１の下端には、台車状の移動体部１５が設けられる。移動体部１５の左右に設けられた車輪を回転させたり、車輪の向きを変えたりすることにより、ロボット１は移動することができる。
このように、ロボット１は、ハンド部１４により物体を把持した状態で３次元空間において物体を自由に持ち上げたり、運搬したりするなどの、全身を協調させた動作が可能なロボットである。
図１に示すように双腕のロボットではなく、単腕（ハンド部１４が１本）のロボットとしてロボット１が構成されるようにしてもよい。また、台車（移動体部１５）に代えて、脚部の上に胴体部１１が設けられるようにしてもよい。
図２は、ハンド部１４－１を拡大して示す図である。
図２に示すように、ハンド部１４－１は、２本指のグリッパタイプの把持部である。ベース部２１には、外側と内側の２本の指部２２を構成する指部２２－１，２２－２が取り付けられる。
指部２２－１は、関節部３１－１を介してベース部２１に接続される。関節部３１－１には所定の幅の板状部３２－１が設けられ、板状部３２－１の先には関節部３３－１が設けられる。関節部３３－１の先には板状部３４－１が設けられる。円筒状の関節部３１－１と関節部３３－１は所定の可動域を有している。
指部２２－２も、指部２２－１と同様の構成を有している。すなわち、関節部３１－２には所定の幅の板状部３２－２が設けられ、板状部３２－２の先には関節部３３－２が設けられる。関節部３３－２の先には板状部３４－２が設けられる。円筒状の関節部３１－２と関節部３３－２は所定の可動域を有している。
それぞれの関節部を動かすことにより、指部２２－１，２２－２が開閉する。指部２２－１の先端に設けられた板状部３４－１の内側と、指部２２－２の先端に設けられた板状部３４－２の内側で挟むようにして、物体が把持される。
図２の例においては、球体の物体Ｏが把持されている。
図２に示すように、指部２２－１の板状部３４－１の内側には薄板状の圧力分布センサ３５－１が設けられる。また、指部２２－２の板状部３４－２の内側には薄板状の圧力分布センサ３５－２が設けられる。
物体Ｏを把持している場合、圧力分布センサ３５（圧力分布センサ３５－１，３５－２）により、ハンド部１４と物体Ｏとの接触面における圧力の分布が検出される。
図３は、圧力分布センサ３５により検出された圧力分布の例を示す図である。
図３の上部に示すように、略正方形状の圧力分布センサ３５の表面は、複数の矩形状のセルに分けられる。ハンド部１４により物体Ｏが把持されている場合、例えばセル毎の圧力が検出され、各セルの圧力の検出値に基づいて、圧力分布センサ３５の表面全体の圧力分布が検出される。
図３の矢印の先に示すように、圧力分布センサ３５の表面全体に加えられた圧力の分布は、例えば３次元空間上の点で表される。図３の例においては、黒塗りのそれぞれの点が、圧力分布センサ３５の表面の各セルで検出された圧力の検出値を表す。
球形の物体Ｏをハンド部１４が把持している場合、図３の矢印の先に示すように、圧力分布センサ３５の中央部に加えられた圧力が最も高く、圧力分布センサ３５の端に近づくに従って圧力が山なりに低くなるような圧力分布が検出される。
図２の説明に戻り、板状部３４－１と圧力分布センサ３５－１の間には、薄板状の中間取り付け板３６－１が設けられる。また、指部２２－２の板状部３４－２と圧力分布センサ３５－２の間には、薄板状の中間取り付け板３６－２が設けられる。
板状部３４（板状部３４－１，３４－２）の内部には力覚センサが設けられる。力覚センサと圧力分布センサ３５の間に挟まれる中間取り付け板３６（中間取り付け板３６－１，３６－２）は、センサ同士を結合させる取り付け部として機能する。板状部３４の内部の構成については、図４を参照して後述する。
以上のようなハンド部１４－１の構成と同じ構成が、ハンド部１４－２にも設けられる。
ハンド部１４が２本指タイプの把持部であるものとしたが、３指タイプ、５指タイプなど、指部の本数が異なる多指タイプの把持部が設けられるようにしてもよい。
図４は、指部２２－１の先端の一部を拡大して示す断面図である。
図４に示すように、断面形状が凸形状の力覚センサ３７が、圧力分布センサ３５－１の背面側に、中間取り付け板３６－１を挟んで設けられる。力覚センサ３７の隆起部３７Ａは、中間取り付け板３６－１の背面に結合される。中間取り付け板３６－１は、センサ同士を結合しやすくするために取り付けられるものである。なお、圧力分布センサ３５－１と力覚センサ３７が直接結合されるようにしてもよい。
力覚センサ３７は、圧力分布センサ３５－１の背面側に、圧力分布センサ３５－１と積層して設けられることになる。
したがって、物体Ｏを把持している場合、圧力分布センサ３５－１により圧力分布が検出されるだけでなく、力覚センサ３７により、ハンド部１４と物体Ｏの接触面全体に加えられた力が検出されることになる。力覚センサ３７は、圧力分布センサ３５－１の各セルが検出できない力のレンジを検出可能レンジに含むセンサである。
このように、積層した状態で設けられる圧力分布センサ３５－１と力覚センサ３７により、ハンド部１４と物体Ｏの接触面に加えられた力を検出するセンサ部が構成される。複数の圧力分布センサと複数の力覚センサとを積層して、センサ部が構成されるようにしてもよい。力を検出することができるものであれば、センサ部を構成するセンサの種類は任意である。
なお、１軸、３軸、または６軸の力覚センサによってハンド部１４と物体Ｏの接触面全体に加えられた力が検出されるようにしてもよい。１軸の力覚センサは、Ｚ方向の力を検出する力覚センサであり、３軸の力覚センサは、ＸＹＺ方向の力を検出する力覚センサである。６軸の力覚センサは、ＸＹＺ方向の力とＭｘＭｙＭｚ方向のモーメントとを検出する力覚センサである。
図４に示すように、力覚センサ３７の表面側（図４の右側）には、隆起部３７Ａ以外の部分を覆うように、断面形状が鉤形状の補強材であるリブ３８が設けられる。リブ３８の表面と中間取り付け板３６－１の間には所定の隙間が形成される。
ハンド部１４に所定のモーメントが加えられた場合、中間取り付け板３６－１が撓むことによって変形し、力覚センサ３７に加えられるモーメントが容量モーメントに達する前にリブ３８に当たる。
力覚センサ３７には、限界値である容量モーメントが仕様により決められている。中間取り付け板３６－１とリブ３８の間に形成された隙間と、リブ３８自身とにより、力覚センサ３７に加えられるモーメントを緩衝し、力覚センサ３７の故障を防ぐことが可能となる。
ロボット１は、このように指部２２の先端に設けられた圧力分布センサ３５と力覚センサ３７の検出結果に基づいてハンド部１４を制御することにより、適切な力加減で物体Ｏを把持することが可能となる。
以上のような指部２２－１の構成と同じ構成が、例えば指部２２－２にも設けられる。指部２２－１に設けられる圧力分布センサ３５や力覚センサ３７の検出可能レンジと異なる検出可能レンジを有する圧力分布センサや力覚センサが、指部２２－２に設けられるようにしてもよい。ここで、検出可能レンジとは、ある特定の種類の値を検出できるセンサにおいて検出可能な値の範囲を示し、検出可能レンジ外とは、その特定の種類の値の中で検出不可能な範囲を示す。
圧力分布センサ３５や力覚センサ３７が指部２２－１側にだけ設けられ、指部２２－１と対になる指部２２－２側に設けられないようにしてもよい。
＜２．検出値の推定について＞
圧力分布センサ３５（圧力分布センサ３５の各セル）と力覚センサ３７は、それぞれ異なる検出可能レンジを有する。例えば、力覚センサ３７は、圧力分布センサ３５の検出可能レンジより広いレンジを検出可能レンジとして有する。力覚センサ３７の検出可能レンジには、圧力分布センサ３５の検出可能レンジ外のレンジが少なくとも含まれる。
検出可能レンジの上限または下限の検出値が圧力分布センサ３５により検出された場合、ロボット１においては、検出可能レンジ外の圧力分布センサ３５の検出値が、力覚センサ３７の検出結果に基づいて推定される。
図５は、圧力分布センサ３５により検出された圧力分布の例を示す図である。
図５の例においては、圧力分布センサ３５により検出された圧力分布が２次元のグラフで表されている。以下、圧力分布センサ３５により検出される圧力分布を２次元のグラフを用いて説明する。
図５の縦軸は力（Ｎ）を表す。各セルの検出値として示されている力の値は、圧力分布センサ３５の各セルの検出値に基づいて求められた値である。一方、図５の横軸はセルを表す。図５には、セル１乃至１０の検出値が示されている。
図５のグラフは、圧力分布センサ３５の検出可能レンジの上限の検出値が検出された時刻ｔ＝ｎにおける圧力分布を表す。楕円で囲んで示すように、上限である１０Ｎを超える力が加えられることにより、セル６乃至８の検出値ａ，ｂ，ｃが１０Ｎとして検出されている。実際には、１０Ｎ以上の力がセル６乃至８に加えられていると考えられる。
セル１乃至５、セル９、セル１０においては、それぞれ、検出可能レンジの上限である１０Ｎ未満の値が検出されている。検出可能レンジの上限未満の検出値の合計は、例えば４７．５Ｎである。
このように検出可能レンジ外の上限を超える力がセル６乃至８に加えられた場合、セル６乃至８の実際の検出値が、力覚センサ３７の検出結果と、圧力分布センサ３５の各セルの検出値の時系列データに基づいて推定される。
例えば、閾値よりも高い検出値が圧力分布センサ３５の１つ以上のセルにより検出された場合、圧力分布センサ３５の各セルの各時刻の検出値が時系列データとして保存される。時系列データの保存を開始するための第１の閾値となる検出値が、圧力分布センサ３５の検出可能レンジの上限より低い値としてあらかじめ設定されている。
閾値には、検出可能レンジの上限から所定の値を減算した値が設定される。また、上限の９９％の値といったように、検出可能レンジの上限に比例する値が設定されるようにしてもよい。圧力分布センサ３５の検出可能レンジの上限は、圧力分布センサ３５の仕様に基づいて設定される。仕様の範囲内の所定の値が、圧力分布センサ３５の検出可能レンジの上限として設定されるようにしてもよい。
仕様や誤差によって圧力分布センサ３５の各セルで理想的な検出可能レンジの上限が異なる場合、検出可能レンジの上限または閾値が、セル毎に異なる値として設定されるようにしてもよい。
このようにして保存された時系列データが、検出可能レンジの上限に達したセル６乃至８に加えられた実際の力の推定に用いられる。
図６は、時刻ｔ＝ｎ－１における力の分布の例を示す図である。
図６のグラフは、図５を参照して説明した圧力分布が検出された時刻ｔ＝ｎの１時刻前の時刻における圧力分布を表す。
図６の例においては、圧力分布センサ３５の検出可能レンジの上限である１０Ｎの９９％の検出値である９.９Ｎが閾値として設定されているものとする。セル１乃至１０のうち、セル８の検出値が閾値以上となっている。セル１乃至７、セル９、およびセル１０の検出値は、閾値未満である。
セル８の検出値が閾値以上となった時刻ｔ＝ｎ－１において、圧力分布センサ３５の各セルの検出値の保存が開始される。保存された検出値からなる時系列データが、時刻ｔ＝ｎにおいて上限を超えたセル６乃至８（図５）に加えられた力の推定に用いられる。
具体的には、ロボット１は、閾値を最初に超えたセル８の検出値を基準値（１．０）として、基準値に対する、セル６の検出値とセル７の検出値との比を、時刻ｔ＝ｎ－１における検出値に基づいてそれぞれ計算する。
セル６の検出値をａ、セル７の検出値をｂ、セル８の検出値をｃとすると、図６の例においては、ａ＝０．９６ｃ，ｂ＝０．９１ｃが求められる。
また、ロボット１は、時刻ｔ＝ｎにおける力覚センサ３７の検出結果と、上述したようにセル８を基準として表されるセル６乃至８の検出値に基づいて、時刻ｔ＝ｎにおける、セル６乃至８の検出値を推定する。
ここでは、時刻ｔ＝ｎにおける力覚センサ３７の検出結果が、９０Ｎであるものとする。
この場合、ロボット１は、圧力分布センサ３５の検出可能レンジの上限未満の検出値の合計である４７．５Ｎを、力覚センサ３７の検出結果である９０Ｎから減算する。減算して求められた値は、上限を超えたセル６乃至８に加えられた力の合計となる。ここでは、セル６乃至８に加えられた力の合計は、４２.５Ｎとなる。
ロボット１は、セル６の検出値ａ、セル７の検出値ｂ、およびセル８の検出値ｃの合計が４２．５Ｎとなることから、各セルの検出値の比に応じて、時刻ｔ＝ｎにおけるセル６乃至８に加えられた力を推定する。ロボット１は、下の３つの式に基づいて、時刻ｔ＝ｎにおけるセル６乃至８に加えられた力を推定することになる。
ａ＝０．９６ｃ
ｂ＝０．９１ｃ
ａ＋ｂ＋ｃ＝４２．５
図７は、時刻ｔ＝ｎにおける力の分布の推定結果の例を示す図である。
図７に示すように、セル６の検出値ａ、セル７の検出値ｂ、およびセル８の検出値は、それぞれ、約１４．２Ｎ，１３．５Ｎ，１４．８Ｎとして推定される。時刻ｔ＝ｎにおけるセル６乃至８の検出値の比は、時刻ｔ＝ｎ－１におけるセル６乃至８の検出値の比と同じ比を用いて推定される。
検出可能レンジの上限に達していないセル１乃至５、セル９、およびセル１０の検出値は、圧力分布センサ３５により実際に検出された値がそのまま用いられる。
以上のように、圧力分布センサ３５の検出可能レンジ外の検出値が、圧力分布センサ３５の検出値の時系列データと、力覚センサ３７の検出結果とに基づいて推定される。
力覚センサ３７は、一般的に、圧力分布センサと比べて、検出周期が短く、データ処理量も少ないセンサである。このため、異なる圧力分布センサを用いる場合より、計算量を抑えることができるとともに、高周期のデータを用いて遅延を抑えることが可能となる。
ロボット１は、圧力分布センサ３５の検出レンジ外の検出値の推定結果に基づいてハンド部１４を制御することにより、重量や耐久性などの性質が異なる各種の物体を、安定的に把持することが可能となる。
圧力分布センサ３５の検出レンジ外の強い外力が急に加えられるなどの、通常の使用状況では起きないと考えられる事態が生じた場合においても、ロボット１は、圧力分布センサ３５の検出値の推定結果に基づいてハンド部１４を制御することにより、物体を安全に把持することが可能となる。
＜３．ロボットの構成＞
・ハードウェアの構成
図８は、ロボット１のハードウェア構成例を示すブロック図である。
図８に示すように、ロボット１は、制御装置５１に対して、胴体部１１、頭部１２、アーム部１３、ハンド部１４、および移動体部１５に設けられる各構成が接続されることによって構成される。
制御装置５１は、CPU(Central Processing Unit)，ROM(Read Only Memory)，RAM(Random Access Memory)、フラッシュメモリなどを有するコンピュータにより構成される。制御装置５１は、例えば胴体部１１内に収納される。制御装置５１は、CPUにより所定のプログラムを実行し、ロボット１の全体の動作を制御する。
制御装置５１は、センサによる検出結果やカメラにより撮影された画像などに基づいてロボット１の周りの環境を認識し、認識結果に応じて行動計画を行う。胴体部１１、頭部１２、アーム部１３、ハンド部１４、および移動体部１５の各部には、各種のセンサやカメラが設けられている。また、ハンド部１４には、圧力分布センサ３５と力覚センサ３７が設けられる。
制御装置５１は、所定の行動を実現するためのタスクを生成し、生成したタスクに基づいて全身動作を行う。例えば、物体を把持した状態でアーム部１３を動作させることによって物体を動かしたり、物体を把持した状態で移動体部１５を動作させることによって物体を運搬したりするなどの動作が行われる。
また、制御装置５１は、圧力分布センサ３５の検出可能レンジの上限または下限の検出値が圧力分布センサ３５により検出された場合、圧力分布センサ３５が有する検出可能レンジ外の検出値を上述したようにして推定する。
制御装置５１は、例えば、推定した検出値を含むハンド部１４と物体Ｏの接触面に加えられた力の分布に基づいてハンド部１４を制御し、適切な力加減で物体Ｏを把持させる。
図９は、制御システムの構成例を示す図である。
図９に示す制御システムは、制御装置５１がロボット１の外部の装置として設けられることによって構成される。このように、制御装置５１が、ロボット１の筐体の外部に設けられるようにしてもよい。
図９のロボット１と制御装置５１の間では、無線LAN、LTE(Long Term Evolution)などの所定の規格の無線通信が行われる。
ロボット１から制御装置５１に対しては、ロボット１の状態を表す情報やセンサの検出結果を表す情報などの各種の情報が送信される。制御装置５１からロボット１に対しては、ロボット１の動作を制御するための情報などが送信される。
ロボット１と制御装置５１が、図９のＡに示すように直接接続されるようにしてもよいし、図９のＢに示すように、インターネットなどのネットワーク６１を介して接続されるようにしてもよい。複数台のロボット１の動作が１台の制御装置５１により制御されるようにしてもよい。
・機能構成
図１０は、制御装置５１の機能構成例を示すブロック図である。
図１０に示す機能部のうちの少なくとも一部は、制御装置５１のCPUにより所定のプログラムが実行されることによって実現される。
図１０に示すように、制御装置５１においては、センシング部７１、データ保存部７２、および推定部７３が実現される。
センシング部７１は、圧力分布センサ３５の検出結果と力覚センサ３７の検出結果とを取得する。センシング部７１が、センサ部から検出結果を取得する取得部として機能する。センシング部７１により取得された検出結果に基づいて、ハンド部１４の動作が制御される。
センシング部７１は、閾値より高い値が圧力分布センサ３５により検出された場合、圧力分布センサ３５の検出結果をデータ保存部７２に出力する。データ保存部７２には、センシング部７１から供給された圧力分布センサ３５の検出結果が時系列データとして保存される。
圧力分布センサ３５の検出結果とともに、力覚センサ３７の検出結果がセンシング部７１からデータ保存部７２に出力され、保存されるようにしてもよい。この場合、時系列データとして保存された力覚センサ３７の検出結果は、検出可能レンジ外の圧力分布センサ３５の検出値の推定に用いられる。
センシング部７１は、検出可能レンジの上限または下限となる検出値が圧力分布センサ３５により検出された場合、圧力分布センサ３５の検出結果と力覚センサ３７の検出結果とを推定部７３に出力する。
なお、検出可能レンジの上限または下限となる検出値が圧力分布センサ３５により検出されない限り、センシング部７１は、力覚センサ３７の動作を停止させる。センシング部７１は、力覚センサ３７の動作を制御する機能をも有する。力覚センサ３７の動作を停止させることにより、消費電力を削減することができる。
検出可能レンジの上限または下限となる検出値が検出されるまで力覚センサ３７の動作を停止させるのではなく、検出可能レンジの上限より低い値として設定された閾値より高い検出値が検出されるまで、または、検出可能レンジの下限より高い値として設定された閾値より低い検出値が検出されるまで、力覚センサ３７の動作を停止させるようにしてもよい。
推定部７３は、検出可能レンジの上限または下限となる検出値が圧力分布センサ３５により検出された場合、圧力分布センサ３５の検出値の時系列データをデータ保存部７２から取得する。
推定部７３は、センシング部７１から供給された圧力分布センサ３５の検出結果、力覚センサ３７の検出結果、およびデータ保存部７２から取得した時系列データに基づいて、検出可能レンジ外の圧力分布センサ３５の検出値を推定する。推定部７３により推定された検出値に基づいて、ハンド部１４の動作が制御される。
＜４．制御装置の動作＞
以上のような構成を有する制御装置５１の動作について説明する。
図１１のフローチャートを参照して、制御装置５１の圧力推定処理について説明する。ここでは、検出可能レンジの上限より高い圧力分布センサ３５の検出値を推定する処理について説明する。
ステップＳ１において、センシング部７１は、圧力分布センサ３５の検出結果である圧力分布を取得する。
ステップＳ２において、センシング部７１は、閾値より高い値が圧力分布センサ３５により検出されたか否かを判定する。
閾値より高い値が圧力分布センサ３５により検出されたとステップＳ２において判定された場合、処理はステップＳ３に進む。
ステップＳ３において、センシング部７１は、検出可能レンジの上限となる値が検出されたか否かを判定する。
検出可能レンジの上限となる値が検出されていないとステップＳ３において判定された場合、処理はステップＳ４に進む。
ステップＳ４において、センシング部７１は、圧力分布センサ３５の検出結果を時系列データとしてデータ保存部７２に出力し、保存させる。
一方、検出可能レンジの上限となる値が検出されたとステップＳ３において判定された場合、処理はステップＳ５に進む。
ステップＳ５において、センシング部７１は、圧力分布センサ３５の検出結果と力覚センサ３７の検出結果とを推定部７３に出力する。
ステップＳ６において、推定部７３は、圧力分布センサ３５の検出値の時系列データを取得する。また、推定部７３は、センシング部７１から供給された圧力分布センサ３５の検出結果、力覚センサ３７の検出結果、およびデータ保存部７２から取得した時系列データに基づいて、検出可能レンジ外の圧力分布センサ３５の検出値を推定する。
検出可能レンジ外の圧力分布センサ３５の検出値がステップＳ６において推定された場合、または、時系列データがステップＳ４において保存された場合、処理はステップＳ７に進む。閾値より高い値が圧力分布センサ３５により検出されていないとステップＳ２において判定された場合も同様に、処理はステップＳ７に進む。
ステップＳ７において、センシング部７１は、処理を終了させるか否かを判定する。
処理を終了させないとステップＳ７において判定された場合、ステップＳ１に戻り、それ以降の処理が行われる。
一方、処理を終了させるとステップＳ７において判定された場合、処理は終了する。
以上のように、圧力分布センサ３５の一部のセルにおいて値を検出できない場合においても、そのセルの検出値を推定することが可能となる。このため、希望するレンジのセンサを使用するより、検出可能レンジが狭く、安価なセンサをロボット１の構成に用いることが可能となる。
図１２は、圧力分布センサ３５に加えられた力の分布の例を示す図である。
図１２においては、横軸が圧力（力）を表し、縦軸がセルを表す。図１３、図１４、図１５においても同様である。
図１２の上段に示すグラフにおいては、圧力分布センサ３５の全てのセルに対して、検出可能レンジ内の力が加えられている。すなわち、圧力分布センサ３５は、全てのセルにおいて、力の検出が可能となる。図１２の例においては、検出可能レンジの上限が値ｂとされ、下限が値ａとされている。
一方、図１２の下段に示すグラフにおいては、楕円で囲んで示すように、検出可能レンジの上限である値ｂより高い（強い）力が３つのセルに加えられている。すなわち、圧力分布センサ３５を構成するセルのうち、３つのセルにおいては、力を正しく検出できないことになる。
図１３は、圧力分布センサ３５の検出値の例を示す図である。
図１３の上段に示すグラフは、圧力分布センサ３５の検出結果を表すグラフである。図１２の下段に示すようにして検出可能レンジの上限である値ｂより高い力が加えられたセルの検出値は、上限の値ｂとなる。
図１３の中段に示すグラフは、力覚センサ３７の検出結果を用いずに、圧力分布センサ３５の検出結果のみに基づく内挿によって、検出可能レンジ外の値の推定を行った場合の結果を表すグラフである。例えば、周囲のセルの検出結果に基づいて、図１３の中段に示すように値ｂより高い所定の値が推定される。
図１３の下段に示すグラフは、圧力分布センサ３５に実際に加えられた力の例を表すグラフである。検出値の推定が行われた３つのセルに実際に加えられた力は、中段に示す、圧力分布センサ３５の検出結果のみに基づく内挿によって推定された力より大きい。
圧力分布センサ３５の検出結果のみに基づく内挿によって検出可能レンジ外の値の推定が行われるとした場合、このような、周囲のセルの検出結果からは推定できないような非線形な力が加えられた時には対応することができない。すなわち、圧力分布センサ３５の検出結果のみに基づく内挿による推定結果は、不確実な推定結果となる可能性がある。
上述したように力覚センサ３７の検出結果を推定に用いることによって、制御装置５１は、精度の高い推定が可能となる。
また、制御装置５１は、検出可能レンジ外の圧力分布センサ３５のセルの数に関係なく、１つ以上のセルの検出値の推定が可能となる。
圧力分布センサ３５と制御装置５１の間の通信エラーなどの一時的な原因により、圧力分布の検出ができない場合においても、制御装置５１は、力覚センサの検出結果と時系列データに基づいて、圧力分布センサ３５の検出値を推定することができる。
また、制御装置５１は、検出可能レンジの下限より低い力が加えられた場合にも、そのような検出可能レンジ外の検出値を推定することが可能である。
圧力分布センサ３５の一部のセルにおいて値を検出できない状態として、圧力分布センサ３５のセルに加えられた力が、圧力分布センサ３５の検出可能レンジの上限より高い状態と、圧力分布センサ３５の検出可能レンジの下限より低い状態とがある。
図１４は、圧力分布センサ３５に加えられた力の分布の他の例を示す図である。
図１４に示すグラフにおいては、円で囲んで示すように、検出可能レンジの下限である値ａより低い（弱い）力が２つのセルに加えられている。すなわち、圧力分布センサ３５を構成するセルのうち、２つのセルにおいては、力を正しく検出できないことになる。
この場合、値ａより低い力は、圧力分布センサ３５によって、値ａとして、または０から値ａまでの不正確な値として検出される。
下限である値ａより低い検出値の推定も、上限より高い検出値の推定と同様にして行われる。例えば、閾値より低い値が圧力分布センサ３５の１つ以上のセルにより検出された場合、制御装置５１は、圧力分布センサ３５の各セルの各時刻の検出値を時系列データとして保存する。時系列データの保存を開始するための第２の閾値となる検出値が、圧力分布センサ３５の検出可能レンジの下限より高い値としてあらかじめ設定されている。
制御装置５１は、圧力分布センサ３５において検出可能レンジの下限の値が検出された時刻における力覚センサ３７の検出結果と、時系列データとに基づいて、上述したように閾値を最初に超えたセルの検出値を基準値とした比率計算によって、検出可能レンジの下限より低い検出値を推定する。
このように、制御装置５１は、検出可能レンジの上限より高い検出値だけでなく、検出可能レンジの下限より低い検出値をも推定することができる。
なお、力覚センサ３７の検出結果と圧力分布センサ３５の検出結果とに基づく内挿によって、圧力分布センサ３５の検出可能レンジ外の検出値が推定されるようにしてもよい。
図１５は、内挿推定の例を示す図である。
図１５の上段のグラフは、図１３の上段のグラフと同じである。図１５の上段のグラフのおいては、検出可能レンジの上限より高い力が加えられているセルの検出値は値ｂとなる。このように上限である値ｂが検出されたセルの検出値が内挿によって推定される。
例えば、検出値の内挿は、圧力分布センサ３５の各セルの検出値の合計の力と、力覚センサ３７の検出値が一致するように、例えばスプライン補間によって行われる。
図１５の下段のグラフは、内挿により推定された圧力分布センサ３５の検出値を表すグラフである。円で囲んで示す、検出可能レンジの上限より高い値が、内挿によって推定された検出値を表す。
以上のように、時系列データを用いずに、力覚センサ３７のあるタイミングにおける検出結果に基づいて、検出可能レンジ外の圧力分布センサ３５の値を推定することが可能となる。
＜５．予測モデルを用いた例＞
検出可能レンジ外の圧力分布センサ３５の検出値の推定が、予測モデルを用いて行われるようにしてもよい。
予測モデルは、圧力分布センサの検出結果、圧力分布センサの検出結果に所定の学習前処理を施したデータ、および力覚センサの検出結果を用いた機械学習によってあらかじめ生成される。ここで、予測モデルの機械学習について説明する。
図１６は、予測モデルの機械学習に用いる構成の例を示す図である。
図１６に示すように、予測モデルの機械学習は、力覚センサ３７、教師データ用圧力分布センサ８１、データ処理部１０２、および予測モデル生成部１０３を用いて行われる。例えば、教師データ用圧力分布センサ８１の検出結果を教師データとした教師あり学習によって予測モデルの機械学習が行われる。
教師データ用圧力分布センサ８１は、複数の圧力分布センサにより構成される。教師データ用圧力分布センサ８１を構成する圧力分布センサは、それぞれ、予測対象の圧力分布センサである圧力分布センサ３５の検出可能レンジの一部のレンジを検出可能レンジに含むセンサである。ここでは、圧力分布センサ３５の検出可能レンジが、１０kPa～１００kPaであるものとする。
図１６の例においては、教師データ用圧力分布センサ８１として、検出可能レンジが０．１kPa～２０kPaの低圧力分布センサと、検出可能レンジが５０kPa～２００kPaの高圧力分布センサとが用いられる。低圧力分布センサの検出可能レンジと高圧力分布センサの検出可能レンジには、それぞれ、圧力分布センサ３５の検出可能レンジである１０kPa～１００kPaの一部のレンジが含まれる。教師データ用圧力分布センサ８１として用いられる圧力分布センサの数は、１つ以上の任意の数である。
低圧力分布センサと高圧力分布センサは、図２を参照して説明したハンド部１４の圧力分布センサ３５の代わりに、ハンド部１４に設けられる。センサ部を構成するセンサとして教師データ用圧力分布センサ８１が追加されるようにしてもよい。
ロボット１は、教師データ用圧力分布センサ８１が設けられたハンド部を用いたターゲットタスクを様々なバリエーションで繰り返すことによってデータを収集する。収集されたデータである教師データ用圧力分布センサ８１の検出結果は、データ処理部１０２と予測モデル生成部１０３に供給される。
データ処理部１０２は、教師データ用圧力分布センサ８１の検出結果に対して、予測対象の圧力分布センサ３５の検出可能レンジに応じた学習前処理を行う。学習前処理により、予測モデルの学習に用いる学習用データが生成される。
図１６の例においては、低圧力分布センサの検出結果の一部が、圧力分布センサ３５の検出可能レンジに合わせてカットされ、レンジが１０kPa～２０kPaのデータが生成される。また、高圧力分布センサの検出結果の一部が、圧力分布センサ３５の検出可能レンジに合わせてカットされ、レンジが５０kPa～１００kPaのデータが生成される。
学習前処理によって生成されたデータは予測モデル生成部１０３に供給される。予測モデル生成部１０３には、教師データ用圧力分布センサ８１の検出結果が検出された時刻と同じ時刻に検出された力覚センサ３７の検出結果も供給される。
予測モデル生成部１０３は、学習前処理後のデータと力覚センサの検出結果とを学習用データとし、教師データ用圧力分布センサ８１の検出結果を教師データとして、予測モデルを構成するパラメータを学習する。学習によって得られたパラメータにより構成される予測モデルが、検出可能レンジ外の圧力分布センサ３５の検出値の推定に用いられる。
図１７は、予測モデルの入出力を示す図である。
図１７の左側が、図１６を参照して説明した予測モデルの学習時の入出力を表し、図１７の右側が、予測モデルを用いた推定時の入出力を表す。
図１７の左側に示すように、予測モデル生成部１０３において行われる機械学習は、教師データ用圧力分布センサ８１の圧力分布値（y1,y2,・・・,yn）を教師データとし、学習前処理後のデータ（x1,x2,・・・,xn）、教師データ用圧力分布センサ８１の検出値の時系列データ（xn+1,xn+2,・・・,xm）、および力覚センサの検出結果（xm+1）を学習用データとする機械学習アルゴリズムに従って行われる。
教師データ用圧力分布センサ８１の検出値の時系列データ（xn+1,xn+2,・・・,xm）は、例えば、予測対象の圧力分布センサ３５の第１の閾値より高い値、または第２の閾値より低い値が検出された時刻における、教師データ用圧力分布センサ８１の検出結果である。
教師データ用圧力分布センサ８１の検出が開始された時刻から、予測対象の圧力分布センサ３５の検出可能レンジを超える値が検出される時刻までの各時刻における教師データ用圧力分布センサ８１の検出結果が、教師データ用圧力分布センサ８１の検出値の時系列データとして用いられるようにしてもよい。
予測モデル生成部１０３は、機械学習アルゴリズムに従って、これらの学習用データを入力とし、教師データに相当する圧力分布値を出力とする予測モデルを生成する。
一方、図１７の右側に示すように、圧力分布センサ３５の検出結果である圧力分布値（x1,x2,・・・,xn）、圧力分布センサ３５の検出値の時系列データ（xn+1,xn+2,・・・,xm）、および力覚センサ３７の検出結果（xm+1）が入力された場合、予測モデルからは、検出可能レンジ外の圧力分布センサ３５の検出値を含む、圧力分布の予測値が出力される。
図１８は、学習器を含む制御装置５１の構成例を示すブロック図である。
図１８に示す制御装置５１の構成は、予測モデルの学習時に用いられる構成である。図１８に示す制御装置５１には、上述したセンシング部７１、データ保存部７２、および推定部７３に加えて、機械学習部９１が設けられる。
センシング部７１は、予測対象の圧力分布センサである圧力分布センサ３５の検出可能レンジ外の値が教師データ用圧力分布センサ８１により検出された場合、力覚センサ３７の検出結果を機械学習部９１に出力する。
閾値を超えた値が教師データ用圧力分布センサ８１により検出された場合、力覚センサ３７の検出結果がセンシング部７１からデータ保存部７２に出力され、保存されるようにしてもよい。この場合、時系列データとして保存された力覚センサ３７の検出結果は、予測モデルの学習時において学習用データとして用いられる。
データ保存部７２には、機械学習部９１の教師データ用センシング部１０１から供給された教師データ用圧力分布センサ８１の検出結果が時系列データとして保存される。
推定部７３に対しては、教師データ用圧力分布センサ８１の検出結果を用いて学習されたパラメータにより構成される予測モデルが機械学習部９１から供給される。圧力分布センサ３５の検出値の推定時、推定部７３は、予測モデルを用いてその推定を行う。
機械学習部９１は、教師データ用センシング部１０１、データ処理部１０２、および予測モデル生成部１０３により構成される。
教師データ用センシング部１０１は、図示せぬ教師データ用圧力分布センサ８１の検出結果を取得する。
教師データ用センシング部１０１は、閾値を超える値が教師データ用圧力分布センサ８１により検出された場合、教師データ用圧力分布センサ８１の検出結果をデータ保存部７２に出力する。
教師データ用センシング部１０１は、予測対象の圧力分布センサの検出可能レンジ外の値が教師データ用圧力分布センサ８１により検出された場合、教師データ用圧力分布センサ８１の検出結果を、データ処理部１０２と予測モデル生成部１０３に出力する。
データ処理部１０２は、教師データ用センシング部１０１から供給された教師データ用圧力分布センサ８１の検出結果に対して学習前処理を施す。データ処理部１０２は、学習前処理後のデータを予測モデル生成部１０３に出力する。
予測モデル生成部１０３は、圧力分布センサ３５の検出可能レンジ外の値が教師データ用圧力分布センサ８１により検出された場合、教師データ用圧力分布センサ８１の検出値の時系列データをデータ保存部７２から取得する。
予測モデル生成部１０３は、教師データ用センシング部１０１から供給された教師データ用圧力分布センサ８１の検出結果を教師データとし、データ処理部１０２から供給された学習前処理後のデータ、データ保存部７２から取得した教師データ用圧力分布センサ８１の時系列データ、およびセンシング部７１から供給された力覚センサ３７の検出結果を学習用データとする機械学習を行う。
予測モデル生成部１０３は、機械学習の結果に基づいて予測モデルを生成し、推定部７３に出力する。
以上のようにして生成された予測モデルを用いることにより、制御装置５１は、正確で、かつ、レンジが広い圧力分布を推定することが可能となる。
以上においては、圧力分布センサ３５の検出結果、圧力分布センサ３５の検出値の時系列データ、および力覚センサ３７の検出結果を入力とし、圧力分布の予測値を出力とする予測モデルの学習が行われ、圧力分布の推定に用いられるものとしたが、圧力分布センサ３５の検出結果、圧力分布センサ３５の検出値の時系列データを入力とし、圧力分布の予測値を出力とする予測モデルが用いられるようにしてもよい。
この予測モデルの学習は、例えば、学習前処理後のデータ、教師データ用圧力分布センサ８１の検出値の時系列データを学習用データとして用いて、予測モデル生成部１０３により行われる。
＜６．変形例＞
・力覚センサについて
複数の力覚センサを圧力分布センサ３５と積層することによって、センサ部が構成されるようにしてもよい。この場合、複数の力覚センサは、同一平面に、並列に配置される。
図１９は、センサ部の構成例を示す図である。
図１９の例においては、略正方形状の力覚センサ３７－１乃至３７－４が２×２（縦×横）のタイル状になるように、同一平面に並列に配置されている。
力覚センサ３７－１乃至３７－４が、破線で示す略正方形状の圧力分布センサ３５に対して結合されることによって、センサ部が構成される。
この場合、力覚センサ３７－１乃至３７－４のそれぞれに加えられた力に基づいて、対応する圧力分布センサ３５の区画に含まれる各セルの検出値を推定することができるため、より精度の高い推定を行うことが可能となる。
また、６軸力覚センサのモーメントの検出値が、検出可能レンジ外の圧力分布センサ３５の検出値の推定に用いられるようにしてもよい。この場合、より精度の高い推定を行うことが可能となる。
・適用可能なセンサについて
以上のような構成を有するセンサ部と制御装置５１は、圧力分布の検出を行う全ての装置に適用可能である。センサ部と制御装置５１は、例えば、医療用検査機器や歩行時の脚測定機器に適用できる。
圧力以外の別の物理現象を検出するセンサによってセンサ部が構成されるようにしてもよい。例えば、センサ部を構成するセンサとして、温度分布センサと温度センサを用いることが可能である。また、気圧分布センサと気圧センサを用いることが可能である。
・圧力分布センサのゲインの調整について
力覚センサの検出結果が、圧力分布センサのゲインの調整に用いられるようにしてもよい。この場合、制御装置５１は、力覚センサの検出結果に基づいて、圧力分布センサのゲインを設定する。圧力分布センサ全体のゲインが設定されるようにしてもよいし、圧力分布センサのセル毎にゲインが設定されるようにしてもよい。
力覚センサの検出周期は、圧力分布センサの検出周期より短い。また、力覚センサの検出結果の取得にかかるデータ処理量は、圧力分布センサの検出結果の取得にかかるデータ処理量より少ない。このため、圧力分布センサのデータ取得サイクルに影響することなく、圧力分布センサのゲインを調整することが可能となる。
圧力分布センサのゲインの調整において、力覚センサの代わりに、大きい外力を検出可能なセンサの検出結果が用いられるようにしてもよい。例えば、加速度センサ、近接センサ、カメラ、および温度センサのいずれかの検出結果を用いることが可能である。
・検出可能レンジの例
力覚センサの検出可能レンジとして、圧力分布センサの検出可能レンジ外のレンジを含む各種のレンジを設定可能である。
図２０は、検出可能レンジの例を示す図である。
図２０のＡは、圧力分布センサの検出可能レンジの上限と下限の両方を超えるレンジが力覚センサの検出可能レンジに含まれる場合の例を示す。
図２０のＡにおいては、圧力分布センサの検出可能レンジの下限は値Ｎ１で表され、上限は値Ｎ２で表される。一方、力覚センサの検出可能レンジの下限は、値Ｎ１より低い値Ｎ１１で表され、上限は、値Ｎ２より高い値Ｎ１２で表される。
これにより、圧力分布センサの検出可能レンジの上限と下限の両方を超える検出値を力覚センサの検出結果に基づいて推定することが可能となる。
図２０のＢは、圧力分布センサの検出可能レンジの上限を超えるレンジが力覚センサの検出可能レンジに含まれる場合の例を示す。力覚センサの検出可能レンジには、圧力分布センサ検出可能レンジの一部のレンジも含まれる。
図２０のＢにおいては、圧力分布センサの検出可能レンジの下限は値Ｎ１で表され、上限は値Ｎ２で表される。一方、力覚センサの検出可能レンジの下限は、値Ｎ１より高く、値Ｎ２より低い値Ｎ２１で表され、上限は、値Ｎ２より高い値Ｎ２２で表される。
これにより、圧力分布センサの検出可能レンジの上限を超える検出値については、力覚センサの検出結果に基づいて推定することが可能となる。
圧力分布センサの検出可能レンジの下限を超える検出値を力覚センサの検出結果に基づいて推定することができるように、力覚センサの検出可能レンジが設定されるようにしてもよい。
このように、圧力分布センサの検出可能レンジの上限と下限のうちの一方を超える検出値が、力覚センサの検出結果に基づいて推定されるようにしてもよい。この場合、上述した圧力分布センサの検出値の時系列データの保存は、検出可能レンジの上限より低い値として設定された第１の閾値より高い値が検出された場合、または、下限より高い値として設定された第２の閾値より低い検出値が検出された場合に行われる。
図２０のＣは、圧力分布センサの検出可能レンジの上限を超えるレンジだけが力覚センサの検出可能レンジに含まれる場合の例を示す。力覚センサの検出可能レンジには、圧力分布センサの検出可能レンジが含まれない。
図２０のＣにおいては、圧力分布センサの検出可能レンジの下限は値Ｎ１で表され、上限は値Ｎ２で表される。一方、力覚センサの検出可能レンジの下限は、値Ｎ２より高い値Ｎ３１で表され、上限は値Ｎ３２で表される。
これによっても、圧力分布センサの検出可能レンジの上限を超える検出値については、力覚センサの検出結果に基づいて推定することが可能となる。
このように、力覚センサの検出可能レンジとして、圧力分布センサの検出可能レンジ外のレンジだけを含むレンジが設定されるようにしてもよい。
・コンピュータの例
上述した一連の処理は、ハードウェアにより実行することもできるし、ソフトウェアにより実行することもできる。一連の処理をソフトウェアにより実行する場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。
図２１は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。
CPU(Central Processing Unit)１００１、ROM(Read Only Memory)１００２、RAM(Random Access Memory)１００３は、バス１００４により相互に接続されている。
バス１００４には、さらに、入出力インタフェース１００５が接続されている。入出力インタフェース１００５には、キーボード、マウスなどよりなる入力部１００６、ディスプレイ、スピーカなどよりなる出力部１００７が接続される。また、入出力インタフェース１００５には、ハードディスクや不揮発性のメモリなどよりなる記憶部１００８、ネットワークインタフェースなどよりなる通信部１００９、リムーバブルメディア１０１１を駆動するドライブ１０１０が接続される。
以上のように構成されるコンピュータでは、CPU１００１が、例えば、記憶部１００８に記憶されているプログラムを入出力インタフェース１００５及びバス１００４を介してRAM１００３にロードして実行することにより、上述した一連の処理が行われる。
CPU１００１が実行するプログラムは、例えばリムーバブルメディア１０１１に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル放送といった、有線または無線の伝送媒体を介して提供され、記憶部１００８にインストールされる。
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
本明細書に記載された効果はあくまで例示であって限定されるものでは無く、また他の効果があってもよい。
本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
＜構成の組み合わせ例＞
本技術は、以下のような構成をとることもできる。
（１）
所定の検出可能レンジを有する第１のセンサと、前記第１のセンサが検出できないレンジを検出可能レンジに含む第２のセンサとを含む複数のセンサで構成されるセンサ部による検出結果を取得する取得部と、
前記所定の検出可能レンジ外の前記第１のセンサの検出値を、前記第２のセンサによる検出結果に基づいて推定する推定部と
を備える情報処理装置。
（２）
前記第２のセンサは、前記第１のセンサが有する前記所定の検出可能レンジよりも広い検出可能レンジを有するセンサである
前記（１）に記載の情報処理装置。
（３）
前記第１のセンサは、圧力分布センサであり、
前記第２のセンサは、力覚センサである
前記（１）または（２）に記載の情報処理装置。
（４）
前記推定部は、前記第１のセンサの検出値の時系列データに基づいて、前記所定の検出可能レンジ外の前記第１のセンサの検出値を推定する
前記（１）乃至（３）のいずれかに記載の情報処理装置。
（５）
前記推定部は、前記所定の検出可能レンジ外となる前の前記第１のセンサの各位置の検出値の比に応じて、前記所定の検出可能レンジ外となった前記第１のセンサの各位置の検出値を推定する
前記（４）に記載の情報処理装置。
（６）
前記所定の検出可能レンジの上限より低い値として設定された第１の閾値より高い検出値が前記第１のセンサにより検出された場合、前記第１のセンサの検出値を保存する保存部をさらに備え、
前記推定部は、前記保存部に保存された検出値の時系列である前記時系列データに基づいて、前記上限より高い前記第１のセンサの検出値を推定する
前記（４）または（５）に記載の情報処理装置。
（７）
前記保存部は、前記所定の検出可能レンジの下限より高い値として設定された第２の閾値より低い検出値が前記第１のセンサにより検出された場合、前記第１のセンサの検出値を保存し、
前記推定部は、前記時系列データに基づいて、前記下限より低い前記第１のセンサの検出値を推定する
前記（６）に記載の情報処理装置。
（８）
前記保存部は、前記第１の閾値より高い検出値が前記第１のセンサにより検出された場合と、前記第２の閾値より低い検出値が前記第１のセンサにより検出された場合との少なくともいずれかにおいて、前記第２のセンサの検出値を保存する
前記（７）に記載の情報処理装置。
（９）
前記推定部は、前記第２のセンサによる検出結果に応じた内挿によって、前記所定の検出可能レンジ外の前記第１のセンサの検出値を推定する
前記（１）乃至（３）のいずれかに記載の情報処理装置。
（１０）
前記センサ部は、前記複数のセンサが積層して構成される
前記（１）乃至（９）のいずれかに記載の情報処理装置。
（１１）
前記第１のセンサは、前記第２のセンサより前記センサ部の表面に近い位置に、取り付け部を挟んで、または、挟まないで設けられる
前記（１０）に記載の情報処理装置。
（１２）
前記取得部は、前記第１の閾値より高い検出値が前記第１のセンサにより検出されるか、前記第２の閾値より低い検出値が前記第１のセンサにより検出されるまで、前記第２のセンサの動作を停止させる
前記（７）または（８）に記載の情報処理装置。
（１３）
前記推定部は、前記第１のセンサによる検出値と、前記第２のセンサによる検出値とを入力とし、前記所定の検出可能レンジ外の前記第１のセンサの検出値を出力する予測モデルを用いて、前記所定の検出可能レンジ外の前記第１のセンサの検出値を推定する
前記（１）乃至（１２）のいずれかに記載の情報処理装置。
（１４）
前記予測モデルを構成するパラメータを学習する予測モデル生成部をさらに備える
前記（１３）に記載の情報処理装置。
（１５）
前記予測モデル生成部は、前記第１のセンサが検出できないレンジを検出可能レンジに含むセンサによる検出結果を用いた学習によって、前記パラメータを学習する
前記（１４）に記載の情報処理装置。
（１６）
前記推定部は、前記第１のセンサによる検出値を入力とし、前記所定の検出可能レンジ外の前記第１のセンサの検出値を出力する予測モデルを用いて、前記所定の検出可能レンジ外の前記第１のセンサの検出値を推定する
前記（１）乃至（１２）のいずれかに記載の情報処理装置。
（１７）
情報処理装置が、
所定の検出可能レンジを有する第１のセンサと、前記第１のセンサが検出できないレンジを検出可能レンジに含む第２のセンサとを含む複数のセンサで構成されるセンサ部による検出結果を取得し、
前記所定の検出可能レンジ外の前記第１のセンサの検出値を、前記第２のセンサによる検出結果に基づいて推定する
情報処理方法。
（１８）
コンピュータに、
所定の検出可能レンジを有する第１のセンサと、前記第１のセンサが検出できないレンジを検出可能レンジに含む第２のセンサとを含む複数のセンサで構成されるセンサ部による検出結果を取得し、
前記所定の検出可能レンジ外の前記第１のセンサの検出値を、前記第２のセンサによる検出結果に基づいて推定する
処理を実行させるためのプログラム。
（１９）
物体を把持可能なハンド部と、
所定の検出可能レンジを有する第１のセンサと、前記第１のセンサが検出できないレンジを検出可能レンジに含む第２のセンサとを含む複数のセンサで構成され、前記ハンド部に設けられるセンサ部と、
前記所定の検出可能レンジ外の前記第１のセンサの検出値を、前記第２のセンサによる検出結果に基づいて推定する推定部と
を備えるロボット。
１ ロボット， １１ 胴体部， １２ 頭部， １３－１，１３－２ アーム部， １４－１，１４－２ ハンド部， １５ 移動体部， ３５－１，３５－２ 圧力分布センサ， ３６－１，３６－２ 中間取り付け板， ３７ 力覚センサ， ５１ 制御装置， ７１ センシング部， ７２ データ保存部，７３ 推定部， ８１ 教師データ用圧力分布センサ， ９１ 機械学習部， １０１ 教師データ用センシング部， １０２ データ処理部， １０３ 予測モデル生成部

Claims (16)

  1. 所定の検出可能レンジを有する圧力分布センサと、前記圧力分布センサが検出できないレンジを検出可能レンジに含む力覚センサとを含む複数のセンサで構成されるセンサ部による検出結果を取得する取得部と、
    前記所定の検出可能レンジ外の前記圧力分布センサの検出値を、前記力覚センサによる検出結果に基づいて推定する推定部と
    を備える情報処理装置。
  2. 前記力覚センサは、前記圧力分布センサが有する前記所定の検出可能レンジよりも広い検出可能レンジを有するセンサである
    請求項１に記載の情報処理装置。
  3. 前記推定部は、前記圧力分布センサの検出値の時系列データに基づいて、前記所定の検出可能レンジ外の前記圧力分布センサの検出値を推定する
    請求項１または２に記載の情報処理装置。
  4. 前記推定部は、前記所定の検出可能レンジ外となる前の前記圧力分布センサの各位置の検出値の比に応じて、前記所定の検出可能レンジ外となった前記圧力分布センサの各位置の検出値を推定する
    請求項３に記載の情報処理装置。
  5. 前記所定の検出可能レンジの上限より低い値として設定された第１の閾値より高い検出値が前記圧力分布センサにより検出された場合、前記圧力分布センサの検出値を保存する保存部をさらに備え、
    前記推定部は、前記保存部に保存された検出値の時系列である前記時系列データに基づいて、前記上限より高い前記圧力分布センサの検出値を推定する
    請求項３または４に記載の情報処理装置。
  6. 前記保存部は、前記所定の検出可能レンジの下限より高い値として設定された第２の閾値より低い検出値が前記圧力分布センサにより検出された場合、前記圧力分布センサの検出値を保存し、
    前記推定部は、前記時系列データに基づいて、前記下限より低い前記圧力分布センサの検出値を推定する
    請求項５に記載の情報処理装置。
  7. 前記保存部は、前記第１の閾値より高い検出値が前記圧力分布センサにより検出された場合と、前記第２の閾値より低い検出値が前記圧力分布センサにより検出された場合との少なくともいずれかにおいて、前記力覚センサの検出値を保存する
    請求項６に記載の情報処理装置。
  8. 前記センサ部は、前記複数のセンサが積層して構成される
    請求項１から７のいずれかに記載の情報処理装置。
  9. 前記圧力分布センサは、前記力覚センサより前記センサ部の表面に近い位置に、取り付け部を挟んで、または、挟まないで設けられる
    請求項８に記載の情報処理装置。
  10. 前記取得部は、前記第１の閾値より高い検出値が前記圧力分布センサにより検出されるか、前記第２の閾値より低い検出値が前記圧力分布センサにより検出されるまで、前記力覚センサの動作を停止させる
    請求項６または７に記載の情報処理装置。
  11. 前記推定部は、前記圧力分布センサによる検出値と、前記力覚センサによる検出値とを入力とし、前記所定の検出可能レンジ外の前記圧力分布センサの検出値を出力する予測モデルを用いて、前記所定の検出可能レンジ外の前記圧力分布センサの検出値を推定する
    請求項１から１０のいずれかに記載の情報処理装置。
  12. 前記予測モデルを構成するパラメータを学習する予測モデル生成部をさらに備える
    請求項１１に記載の情報処理装置。
  13. 前記予測モデル生成部は、前記圧力分布センサが検出できないレンジを検出可能レンジに含むセンサによる検出結果を用いた学習によって、前記パラメータを学習する
    請求項１２に記載の情報処理装置。
  14. 情報処理装置が、
    所定の検出可能レンジを有する圧力分布センサと、前記圧力分布センサが検出できないレンジを検出可能レンジに含む力覚センサとを含む複数のセンサで構成されるセンサ部による検出結果を取得し、
    前記所定の検出可能レンジ外の前記圧力分布センサの検出値を、前記力覚センサによる検出結果に基づいて推定する
    情報処理方法。
  15. コンピュータに、
    所定の検出可能レンジを有する圧力分布センサと、前記圧力分布センサが検出できないレンジを検出可能レンジに含む力覚センサとを含む複数のセンサで構成されるセンサ部による検出結果を取得し、
    前記所定の検出可能レンジ外の前記圧力分布センサの検出値を、前記力覚センサによる検出結果に基づいて推定する
    処理を実行させるためのプログラム。
  16. 物体を把持可能なハンド部と、
    所定の検出可能レンジを有する圧力分布センサと、前記圧力分布センサが検出できないレンジを検出可能レンジに含む力覚センサとを含む複数のセンサで構成され、前記ハンド部に設けられるセンサ部と、
    前記所定の検出可能レンジ外の前記圧力分布センサの検出値を、前記力覚センサによる検出結果に基づいて推定する推定部と
    を備えるロボット。
JP2021539191A 2019-08-09 2020-07-27 情報処理装置、情報処理方法、プログラム、およびロボット Active JP7497731B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019147025 2019-08-09
JP2019147025 2019-08-09
PCT/JP2020/028617 WO2021029205A1 (ja) 2019-08-09 2020-07-27 情報処理装置、情報処理方法、プログラム、およびロボット

Publications (2)

Publication Number Publication Date
JPWO2021029205A1 JPWO2021029205A1 (ja) 2021-02-18
JP7497731B2 true JP7497731B2 (ja) 2024-06-11

Family

ID=74570579

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021539191A Active JP7497731B2 (ja) 2019-08-09 2020-07-27 情報処理装置、情報処理方法、プログラム、およびロボット

Country Status (6)

Country Link
US (1) US20220274261A1 (ja)
EP (1) EP4011569B1 (ja)
JP (1) JP7497731B2 (ja)
KR (1) KR20220041834A (ja)
CN (1) CN114269521A (ja)
WO (1) WO2021029205A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023100666A1 (ja) * 2021-12-01 2023-06-08 ソニーグループ株式会社 移動体及び位置決め制御方法
WO2024111279A1 (ja) * 2022-11-25 2024-05-30 富士フイルム株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018017705A (ja) 2016-07-29 2018-02-01 株式会社ジャパンディスプレイ 力検出装置
US20180364850A1 (en) 2017-06-16 2018-12-20 Apple Inc. Dual Resistive Strain and Pressure Sensor for Force Touch
JP2019066325A (ja) 2017-09-29 2019-04-25 キヤノン株式会社 触覚センサ
JP2019517076A (ja) 2016-05-18 2019-06-20 センセル インコーポレイテッドＳｅｎｓｅｌ，Ｉｎｃ． タッチ入力を検出して確認する方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH049632A (ja) * 1990-04-26 1992-01-14 Fuji Electric Co Ltd ニューロセンサ
JP5003336B2 (ja) * 2007-07-31 2012-08-15 ソニー株式会社 検出装置、ロボット装置、および入力装置
JP5187552B2 (ja) * 2007-09-13 2013-04-24 ソニー株式会社 制御装置および方法、プログラム並びに記録媒体
JP5505138B2 (ja) * 2010-07-05 2014-05-28 株式会社安川電機 ロボット装置およびロボット装置による把持方法
EP3342561B1 (en) * 2015-08-25 2022-08-10 Kawasaki Jukogyo Kabushiki Kaisha Remote control robot system
US10625953B2 (en) * 2015-11-16 2020-04-21 Kawasaki Jukogyo Kabushiki Kaisha Robot
JP6577527B2 (ja) * 2017-06-15 2019-09-18 ファナック株式会社 学習装置、制御装置及び制御システム
US10792809B2 (en) * 2017-12-12 2020-10-06 X Development Llc Robot grip detection using non-contact sensors

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019517076A (ja) 2016-05-18 2019-06-20 センセル インコーポレイテッドＳｅｎｓｅｌ，Ｉｎｃ． タッチ入力を検出して確認する方法
JP2018017705A (ja) 2016-07-29 2018-02-01 株式会社ジャパンディスプレイ 力検出装置
US20180364850A1 (en) 2017-06-16 2018-12-20 Apple Inc. Dual Resistive Strain and Pressure Sensor for Force Touch
JP2019066325A (ja) 2017-09-29 2019-04-25 キヤノン株式会社 触覚センサ

Also Published As

Publication number Publication date
EP4011569B1 (en) 2023-09-20
KR20220041834A (ko) 2022-04-01
EP4011569A4 (en) 2022-09-21
WO2021029205A1 (ja) 2021-02-18
EP4011569A1 (en) 2022-06-15
JPWO2021029205A1 (ja) 2021-02-18
US20220274261A1 (en) 2022-09-01
CN114269521A (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
Satheeshbabu et al. Continuous control of a soft continuum arm using deep reinforcement learning
Bicchi et al. Robotic grasping and contact: A review
Sigaud et al. On-line regression algorithms for learning mechanical models of robots: a survey
JP5592703B2 (ja) 粒子フィルタを使用した多指ロボットハンドのための接触状態推定
JP7497731B2 (ja) 情報処理装置、情報処理方法、プログラム、およびロボット
Schill et al. Learning continuous grasp stability for a humanoid robot hand based on tactile sensing
Yuan et al. Design and control of roller grasper v2 for in-hand manipulation
Krug et al. Analytic grasp success prediction with tactile feedback
Su et al. Robust grasping for an under-actuated anthropomorphic hand under object position uncertainty
US8706299B2 (en) Method and system for controlling a dexterous robot execution sequence using state classification
Funabashi et al. Stable in-grasp manipulation with a low-cost robot hand by using 3-axis tactile sensors with a CNN
Turco et al. Grasp planning with a soft reconfigurable gripper exploiting embedded and environmental constraints
Wang et al. Parameter estimation and object gripping based on fingertip force/torque sensors
Bicchi et al. Robotic grasping and manipulation
Psomopoulou et al. A robust controller for stable 3D pinching using tactile sensing
Azulay et al. Learning haptic-based object pose estimation for in-hand manipulation control with underactuated robotic hands
Jandaghi et al. Motion dynamics modeling and fault detection of a soft trunk robot
Gabler et al. A force-sensitive grasping controller using tactile gripper fingers and an industrial position-controlled robot
Kojima et al. Sensor prediction and grasp stability evaluation for in-hand manipulation
Girgin et al. Associative skill memory models
Platt Learning grasp strategies composed of contact relative motions
Koenig et al. The role of tactile sensing in learning and deploying grasp refinement algorithms
JP2021035714A (ja) 制御装置、制御方法、及び制御プログラム
Yuan et al. Multi-step recurrent q-learning for robotic velcro peeling
Laaksonen et al. Embodiment independent manipulation through action abstraction

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230607

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240227

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240419

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: 20240430

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240513

R150 Certificate of patent or registration of utility model

Ref document number: 7497731

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150