KR20180099790A - 로봇 및 로봇 운영 방법 - Google Patents

로봇 및 로봇 운영 방법 Download PDF

Info

Publication number
KR20180099790A
KR20180099790A KR1020187021705A KR20187021705A KR20180099790A KR 20180099790 A KR20180099790 A KR 20180099790A KR 1020187021705 A KR1020187021705 A KR 1020187021705A KR 20187021705 A KR20187021705 A KR 20187021705A KR 20180099790 A KR20180099790 A KR 20180099790A
Authority
KR
South Korea
Prior art keywords
robot
movable member
ele
rti
signal
Prior art date
Application number
KR1020187021705A
Other languages
English (en)
Other versions
KR102113544B1 (ko
Inventor
사미 하다딘
Original Assignee
프랜카 에미카 게엠바하
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=57582694&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=KR20180099790(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 프랜카 에미카 게엠바하 filed Critical 프랜카 에미카 게엠바하
Publication of KR20180099790A publication Critical patent/KR20180099790A/ko
Application granted granted Critical
Publication of KR102113544B1 publication Critical patent/KR102113544B1/ko

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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • 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
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37624—Detect collision, blocking by measuring change of velocity or torque
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37626—By measuring changing forces in different position zones
    • 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
    • G05B2219/39082—Collision, real time collision avoidance
    • 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
    • G05B2219/39315—Art ann classifier and input selector, bam ann to retrieve collision free path
    • 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
    • G05B2219/40201—Detect contact, collision with human
    • 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
    • G05B2219/40317—For collision avoidance and detection
    • 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
    • G05B2219/40497—Collision monitor controls planner in real time to replan if collision
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49162—On collision, obstruction reverse drive, accelerate, cancel inertia

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

본 발명은 로봇 및 로봇 운영 방법에 관한 것으로, 로봇은 액추에이터(AKTn)의해 구동될 수 있는 가동 부재(ELEm)를 포함하여 구성되며, 가동 부재(ELEm)에 의해 동작(B)이 수행되도록 설계되며, 로봇은 측정 변수(
Figure pct00146
) 그룹의 신호(
Figure pct00147
)를 결정하는 감지 시스템을 포함하여 구성되며, 가동 부재(ELEm)의 동작(B) 및 가동 부재가 주변 환경과 상호작용하는 점을 특징으로 하며, 제안된 방법은 다음의 단계를 포함하여 구성된다: 참조 신호(
Figure pct00148
)는 참조 동작(B)의 함수이고, 가동 부재(ELEm)의 동작(B)이 최소한 한번 실행되는 동안 측정 변수(
Figure pct00149
)의 참조 신호(
Figure pct00150
)가 감지 시스템에 의해 결정되는 단계(101); 참조 신호(
Figure pct00151
)를 기반으로 하고, 적응형 방법을 사용하여, 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
Figure pct00152
)로 기술하는 수학적 모델(
Figure pct00153
)이 자동으로 결정되는 단계(102); 동작(B)이 정상적으로 실행되는 동안에, 모델(
Figure pct00154
)을 사용하여, 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
Figure pct00155
)로 기술하는 신호(
Figure pct00156
)가 추정되는 단계(103);
Figure pct00157
와
Figure pct00158
간의 편차(
Figure pct00159
)를 결정하기 위해, 동작(B)이 정상적으로 실행되는 동안에 최근에 결정된 신호(
Figure pct00160
)와 추정된 신호(
Figure pct00161
)가 비교되는 단계(104); 액추에이터(AKTk)용으로 사전 정의된 정보 및/또는 자동으로 추정할 수 있는 제어 정보(
Figure pct00162
)가 각각의 오류 범주(
Figure pct00163
)용으로 생성되며, 편차(
Figure pct00164
)가 사전 정의된 조건(
Figure pct00165
)에 도달되지 않는 한, 편차(
Figure pct00166
)에 기반하여, 사전 정의된 오류 범주(
Figure pct00167
, i=1, 2, …, I) 수(I) 중의 하나로, 현재의 편차(
Figure pct00168
)가 분류되는 단계(105); 및 제어 정보(
Figure pct00169
)를 사용하여 액추에이터(AKTk)가 제어되는 단계(106);를 포함하여 구성된다.

Description

로봇 및 로봇 운영 방법
본 발명은 로봇 운영 방법에 관한 것으로, 로봇은 액추에이터에 의해 구동될 수 있는 가동 부재(movable elements)를 포함하여 구성되며, 로봇은 가동 부재에 의해 동작(B)이 수행되도록 설계된다.
주지하는 바와 같이, 로봇은 사전 정의된 작업을 수행함에 있어 로봇 팔과 같은 가동 부재를 통해 동작(B)을 수행하고 작업 중에 로봇의 주변 환경과 기계적으로 상호작용을 하는 분야에서 더욱 많이 사용되고 있다. 주변 환경과의 상호작용으로 인해, 특히 힘 및/또는 토크뿐만 아니라 열, 전기장 또는 자기장과 같은 다른 물리적 변수도 주변 환경을 통해 가동 부재로 전달된다.
주변 환경은 고정 또는 이동 객체를 포함할 수 있다. 특히, 주변 환경은 로봇의 가동 부재와 상호작용을 하는 인간일 수 있다. 작업 공정에서, 로봇은 다양한 작업을 수행하기 위해 액추에이터에 의해 구동될 수 있는 가동 부재를 이용하여 다양한 동작(B)을 수행할 수 있으며, 각각의 동작은 주변 환경과의 상호작용을 포함한다. 본 발명에 있어, "상호작용"이라는 용어는 작업에 적절한 동작(B)이 실행되는 경우에 발생하는 로봇 주변 환경과의 (통상 기계적) 상호작용을 의미한다. 예를 들면, "상호작용"은 사전 정의된 동작(B)을 실행하는 동안 가동 부재로 전달되는 힘 입력, 토크 입력, 열 입력, 펄스 입력, 또는 방사선 입력 등의 사전 정의된 형태에 의해 규정될 수 있다.
본 발명의 목적은 로봇 및 로봇을 운영하는 방법을 제공하려는 것으로, 동작(B)을 실행하는 동안 주변 환경 그리고 인간과의 바람직한 상호작용과 바람직하지 않은 상호작용을 구별할 수 있고, 이에 따라 가동 부재를 구동할 수 있는 로봇 및 로봇 운영 방법을 제공하려는 것이다.
본 발명은 독립항들의 특징으로부터 명백히 개시된다. 본 발명의 유리한 개선 및 실시예들은 종속항의 대상이다. 본 발명에서 다른 특성, 적용 가능성, 및 유리한 점들은 도면에 도시된 발명의 예시적인 실시예 뿐만 아니라, 하기의 상세한 설명으로부터 명확히 추론될 수 있다.
본 발명의 목적에 있어 방법적인 측면은 로봇의 운영 방법에 의해 달성된다. 로봇은 액추에이터(AKTn)에 의해 구동될 수 있는 가동 부재(ELEm)를 포함하여 구성되며, 가동 부재(ELEm)에 의해 동작(B)이 수행되도록 설계되며(여기서 n=1, 2, …, N, m=1, 2, …, M, N=1, 2, …, M=1, 2, …), 로봇은 측정 변수(
Figure pct00001
) 그룹의 신호(
Figure pct00002
)를 결정하는 감지 시스템을 포함하여 구성되며(여기서, k=1, 2, …, K 및 K≥1), 가동 부재(ELEm)의 동작(B) 및 가동 부재가 주변 환경과 상호작용하는 점을 특징으로 한다.
액추에이터(AKTn)의 수(N)와 가동 부재(ELEm)의 수(M)가 동일(N = M)할 필요는 없다. 로봇의 설계에 따라서 N > M 또는 N < M 이 된다. 수많은 적용예에서, 예를 들어 가동 부재(ELEm)가 로봇 팔 형태인 경우, N = M 이 될 수 있다.
액추에이터(AKTn)는, 예를 들면 전기 모터, 리니어 모터, 압전 소자, 공압 모터, 유압 모터, 하이브리드 드라이브 등이다. 가동 부재(ELEm)는, 예를 들면 로봇 팔의 (유리하게는 선택적으로 장착된 엔드 이펙터를 포함하는) 팔 부재이다.
가동 부재(ELEm)의 동작(B)은 (유리하게는 엔드 이펙터를 포함하는) 개개의 가동 부재(ELEm)의 위치상 변화(위치 및/또는 방위)의 시간적 과정을 나타내는 궤적으로 정의된다. 동작(B)은 추가적인 변수에 의해 선택적으로 또는 부가적으로 정의될 수 있는데, 예를 들어, 가동 부재(ELEm)의 속도 및/또는 가속도, 액추에이터(AKTn)에 의해 생성되는 힘 또는 토크, 및/또는 액추에이터(AKTn)를 구동하기 위한 전류 및/또는 전압과 같은 추가적인 변수에 의해 정의될 수 있다. 가동 부재(ELEm)와 주변 환경과의 상호작용은 개별 가동 부재(ELEm)에 작용하는 외부 힘 및/또는 외부 압력 및/또는 외부 토크에 의해 유리하게 획득되거나 정의된다. 가동 부재(ELEm)와 주변 환경과의 상호작용에 대한 설명은 주변 환경과 가동 부재(ELEm) 사이의 각각의 물리적 상호작용에 따라 유리하게 선택된다. 상호작용은, 예를 들어 기계적 상호작용, 방사에너지 상호작용, 열전달, 전류흐름, 전압발생을 동반한 상호작용 등이 될 수 있다.
유리하게, 상호작용 및 동작(B)을 적어도 주요하게 포함하는 변수의 최대 편차가 사전에 선정되며, 이는 (예를 들어, 외부에서 인가된 힘 및/또는 토크 및/또는 압력 및/또는 열전달 및/또는 전류흐름에 의한) 주변 환경과의 상호작용을 포함하는 가동 부재(ELEm)의 동작(B)에 대한 특징을 설명하기 적합하다.
측정 변수(
Figure pct00003
) 그룹의 신호(
Figure pct00004
)(여기서, k=1, 2, …,K 및 K≥1)를 결정하기 위한 감지 시스템은 센서를 포함하여 구성되며, 센서는 유리하게 각각의 가동 부재(ELEm)의 시간상 위치 변화 그리고 속도, 가속도, 힘, 토크, 압력, 온도, 전류, 전압, 위치와 같은 부가적인 변수 및 이런 변수들의 모든 추정(estimators)을 포함하거나 표시할 수 있으며, 이러한 변수들은 (상술한 바와 같이) 주변 환경과의 상호작용을 포함하는 가동 부재(ELEm)의 동작(B)을 특징짓기에 적합하다.
신호(
Figure pct00005
)는 유리하게 감지 시스템의 센서들에 의해 수집되는 원시 데이터(
Figure pct00006
)에 기반하여 결정되거나, 및/또는 신호(
Figure pct00007
)는 추정 신호에 기반하여 결정된다. 이러한 추정 신호는 예를 들면 로봇을 서술하는 동역학 모델 및/또는 적절한 관측기(observer) 또는 추정기(estimation structure)에 의해 결정될 수 있다. 특히, 유리하게 신호(
Figure pct00008
)는 측정된 원시 데이터(
Figure pct00009
) 및 추정 신호의 조합으로 결정될 수 있다. 따라서, 측정된 원시 데이터(
Figure pct00010
)의 잡음 부분이 감소될 수 있으며, 결정된 신호(
Figure pct00011
)의 강인성 및 정확성이 증가될 수 있다.
(물리적) 측정 변수(
Figure pct00012
) 그룹은 여러가지 다른 동작(B)에 대하여 차이가 있을 수 있는 K개의 측정 변수로 구성된다. 예를 들어, 2개의 서로 다른 동작 (B1 및 B2) 및 주변 환경과의 각각 연관된 바람직하거나 또는 허락된 상호작용에 대하여, 측정 변수 자체의 선택 뿐만 아니라 측정 변수의 수(K)가 차이날 수 있다(K1≠K2). 간략함을 위해, 여기서는 작업에 적합한 동작(B)은 또한 주변 환경과 바람직한 또는 허락된 상호작용을 확실하게 가진다고 가정한다.
측정 변수(
Figure pct00013
)는, 예를 들면 개별 또는 모든 가동 부재(ELEm)의 위치 및/또는 속도, 개별 가동 부재(ELEm)에 작용하는 개별 또는 모든 외부 힘 및/또는 외부 토크 및/또는 압력, 액추에이터(AKTn)를 구동하기 위한 (구동 토크에 대응될 수 있는) 개별 또는 모든 전류 및/또는 전압을 포함하여 유리하게 구성된다.
물리적 측정 변수(
Figure pct00014
) 및 수(K)의 선택은 주변 환경과의 상호작용을 고려하여 각각의 동작(B)에 대해 유리하게 별도로 그리고 최적화된 방식으로 사전 정의된다. 측정변수(
Figure pct00015
)의 적절한 선택을 최적화함으로써, 측정 변수(
Figure pct00016
)의 수(K)는 주변 환경과의 연관된 상호작용을 포함하는 동작(B)의 특성에 연관되지 않고 유리하게 최소화될 수 있다.
본 발명의 제안된 방법은 다음의 단계들을 포함한다.
본 단계에서, 가동 부재(ELEm)의 동작(B)이 최소한 한번 이상 실행한 경우에, 감지 시스템을 사용하여, 측정 변수(
Figure pct00017
)의 참조 신호(
Figure pct00018
)가 참조 동작(reference movement)(B)의 함수로 결정되며, 참조 동작(B)은 특히 가동 부재(ELEm)에 작용하는 외부 힘 및/또는 토크와 같은, 가동 부재(ELEm)의 참조 상호작용(reference interaction)을 또한 포함한다.
본 발명에 있어서, "참조 상호작용"이라는 용어는 작업에 적절한 동작(B)을 수행하는 동안에, 필요하고, 소망되고 그리고/또는 허용되는 주변 환경과의 상호작용을 의미한다. 따라서 이 단계에서 측정 변수(
Figure pct00019
)의 참조 신호(
Figure pct00020
)가 생성된다. 감지 시스템은 유리하게 로봇의 일부이다. 센서는 유리하게 가동 부재(ELEm) 및/또는 액추에이터(AKTn)에 연결된다. 외부의 감지 시스템(예를 들어, 외부의 근접 센서)에 의해 결정되는 측정 변수(
Figure pct00021
)도 고려된다. 외부 센서/감지 시스템의 수 및 형태는 작업 계획 및 목적에 따라 유리하게 선택된다.
예를 들어, 인간과 같은 주변 환경과 가동 부재(ELEm)가 상호작용하는 작업을 수행하기 위한 동작(B)이 실행되는 경우, 동작(B)이 실행되는 동안 가동 부재(ELEm)에 작용하고 그리고 인간에 의해 생성되는, 의도되고, 소망되며, 허용된 기계적 상호작용이 동작(B)을 특정하는데 고려된다. 참조 신호(
Figure pct00022
)를 결정하는데 있어서, 주변 환경과 가동 부재(ELEm) 간의 의도되거나 소망되고 허용되는 상호작용을 제외하고는 다른 상호작용이 반드시 없어야 한다.
유리하게, 참조 신호(
Figure pct00023
)는 복수의 동작(B) 실행에 기반하여 결정된다. 유리한 복수의 동작(B)을 실행하기 때문에, 주변 환경과 가동 부재(ELEm) 간의 의도되고, 소망되고 또는 허용되는 상호작용의 범위를 획득하는 것이 가능하며, 작용하는 통계적 효과를 고려하는 것이 가능하며 그리고 동작(B)을 특성화하는 것이 가능하다.
다음 단계에서, 참조 신호(
Figure pct00024
)에 기반하고 적응형 방법(adaptive method)을 사용하여, 참조 상호작용(유리하게는 참조 상호작용의 허용된 범위)을 포함하는 참조 동작(B)을 측정 변수(
Figure pct00025
)로 기술하는 수학적 모델(
Figure pct00026
)이 자동으로 결정된다.
유리하게, 모델링은, 즉 수학적 모델(
Figure pct00027
)을 결정하기 위한 적응형 방법은, 하나 이상의 가우시안(Gaussian) 프로세스에 기반하여 수행된다. 유리하게, 모델(
Figure pct00028
)은 신호()에 기반하여 훈련된 통계적 모델이다. 더 나아가서, 통계적 모델(
Figure pct00030
)은 소위 은닉 마르코프 모델(HMM) 및/또는 소위 서포트 벡터 머신(SVM) 및/또는 신경회로망 및/또는 심층(deep) 신경회로망을 포함하여 구성된다. 사전 정의된 참조 데이터를 기반으로 하는 모델링은 그 자체가 선행 기술에 알려져 있다. 추가 세부 사항은 관련 선행 기술을 참조한다.
다음의 단계에서는, 동작(B)이 정상적(normal)으로 실행되는 동안에, 모델(
Figure pct00031
)을 사용하여, 주변 환경과의 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
Figure pct00032
)로 기술하는 신호(
Figure pct00033
)가 추정된다. 이전 단계들과 후속 단계들은 운영 단계, 즉 제안된 방법의 정상적인 구현과 관련된다. 여기서 결정된 모델(
Figure pct00034
)은 측정 변수(
Figure pct00035
)의 추정된 신호(
Figure pct00036
)를 생성하는데, 특히, 가동 부재(ELEm)와 로봇의 주변 환경 간의 선호되는 상호작용이 표현된다.
다음의 단계에서, 동작(B)이 정상적으로 실행되는 동안에 결정된 신호(
Figure pct00037
)와 추정된 신호(
Figure pct00038
)의 비교가 수행되어,
Figure pct00039
와
Figure pct00040
(여기서, k=1, 2, …,K 및 K≥1) 간의 편차(
Figure pct00041
)가 결정된다.
신호(
Figure pct00042
)는 동작(B)이 현재 정상적인 실행일 때 감지 시스템에 의해 그리고/또는 추정 값(estimation value)에 기반하여 유리하게 결정된다. 상기 비교는, 예를 들면, 결정된 신호(
Figure pct00043
)와 추정된 신호(
Figure pct00044
) 간의 대수적 비교 및/또는 통계적 비교 또는 이들의 조합이 될 수 있다.
다음 단계에서, 편차(
Figure pct00045
)가 사전 정의된 조건(
Figure pct00046
)에 도달되지 않는 한, 편차(
Figure pct00047
)에 기반하여, 사전 정의된 오류 범주(
Figure pct00048
), i=1, 2, …, I) 수(I) 중의 하나로, 현재의 편차(
Figure pct00049
)가 분류된다. 각각의 오류 범주 (
Figure pct00050
)를 위해, 액추에이터(AKTk) 제어를 위해 사전 정의된 제어 정보(
Figure pct00051
)가 제공된다. 조건(
Figure pct00052
)은 또한 시변(
Figure pct00053
)일 수 있다.
여기서, 임의의 편차(
Figure pct00054
)에 대해, 대응하는 제어 정보(
Figure pct00055
)가 제공되어서 항상 분류(classification)가 가능하다고 가정한다. 유리하게, 이러한 점은 실제로 분명한 분류를 허용하지 않는 편차에 대해서는 사전 정의된 해당 제어 정보(
Figure pct00056
)가 포함된 해당 오류 범주(
Figure pct00057
)가 하나 이상 제공됨을 또한 의미한다.
사전 정의된 오류 범주(
Figure pct00058
)는 상호작용의 종류(예를 들면, 의도와 관련하여 또는 상호작용의 곤란함과 관련하여)에 따라 및/또는 주변 환경의 접촉 물체의 종류(예를 들면, 인간, 작업 환경, 기타 환경)에 따라 및/또는 작업 진도 또는 작업 완성과 연관하여, 로봇 주변 환경과의 실제로 발생하는 상호작용의 분류를 가능하게 한다. 이러한 점은, 예를 들어 상호작용의 통계적 모델에 기반한 고유수용감각(propioceptive) 또는 촉각 정보가 사용될 때, 특히 작업을 제어하는 상태에서 인간과 로봇 간의 상호작용을 통합하는데 중요하다.
유리하게, K 측정 변수(
Figure pct00059
) 중 적어도 하나에 대해, 조건(
Figure pct00060
)은
Figure pct00061
와
Figure pct00062
간의 편차(
Figure pct00063
)가 사전 정의된 제한값 보다 작거나 동일(
Figure pct00064
:
Figure pct00065
≤
Figure pct00066
)한 것을 나타낸다. 자연적으로, 작업의 정의 및 수행되어지는 동작(B)에 따라서, 각 경우에 원하는 대로 조건(
Figure pct00067
)이 개별적으로 지정될 수 있다.
유리하게, 액추에이터(AKTn)를 제어하기 위한 제어 정보(
Figure pct00068
)는 액추에이터에 의해 구동되는 가동 부재(ELEm)의 종결된 반응(completed reaction) 동작 및/또는 적어도 하나의 조건(
Figure pct00069
)의 변화 및/또는 모델(
Figure pct00070
)의 변화를 포함한다.
반응 동작으로서, 회피 동작을 고려할 수 있는데, 즉, 이전 동작(B)의 변경, 또는 지금까지 수행한 동작(B)의 정지, 또는 개별 가동 부재(ELEm)의 동작 정지 또는 다른 제어 모드로의 전환 등과 같은 회피 동작을 고려할 수 있다.
제어 정보(
Figure pct00071
) 또한 현재 실행되는 동작(B)과 관련될 수 있다. 예를 들면 현재 동작(B)의 이동 속도가 감소될 수 있다. 후자의 경우에 있어서, 예를 들어 사전 정의된 제어 프로그램의 경우, 제어 정보(
Figure pct00072
)를 고려하는 정상적 작업(nominal task)의 실행을 위해 액추에이터(AKTn)가 제어된다. 제어 정보(
Figure pct00073
)는 또한 액추에이터(AKTn) 제어 정보의 근원(source)만 나타낼 수 있다. 제어 정보(
Figure pct00074
)는 또한 모든 다른 동작(B) 실행의 변화를 생성할 수 있다(예를 들어, 현재 동작(B)의 잔여분 또는 동작(B)의 모든 다른 실행을 위한 액추에이터(AKTn) 구동은 외부 기계적 접촉에 대한 순종성(yieldingness)이 증가하는 방식으로 변경될 수 있다). 작업 계획 및 목표에 따라 제어 정보(
Figure pct00075
)가 선택되거나 자동으로 계획될 수 있다.
다음 단계에서는, 제어 정보(
Figure pct00076
)를 사용하여 액추에이터(AKTk) 제어가 수행된다.
유리하게, 가동 부재(ELEm)는 로봇 팔의 팔 부재이며, 가동 부재(ELEm)의 최소한 일부는 액추에이터(AKTk)에 의해 구동되고, 감지 시스템은 팔 부재의 일부 또는 전체의 각 경우에 대해 측정 변수(
Figure pct00077
)를 획득한다.
제안된 방법은, 특히 동작(B)을 실행하는 경우, 로봇의 주변 환경과의 바람직하지 않은 상호작용과 바람직한 상호작용을 구분할 수 있도록 하고, 이에 따라 실제로 발생하는 상호작용의 특징에 대한 함수로서 구동하는 액추에이터(AKTn)의 제어 또는 가동 부재(ELEm)의 제어가 가능하도록 한다.
나아가서, 제안된 방법을 사용하면 작업에 종속되는 접촉 임계값(thresholds) 및 신호 형상(profile)을 자동으로 나타낼 수 있으며, 가동 부재(ELEm)에 의한 동작(B)이 방해 받지 않고 실행될 뿐만 아니라 로봇의 주변 환경과 가동 부재(ELEm) 간의 상호작용도 고려된다.
유리하게, 제안된 방법은 분석 동적(analytical dynamic) 모델에 기반하며, 통계적 모델(마찰, 잡음, 모델의 부정확도 등) 및 고유수용감각(propioceptive) 감지 시스템에 의한 개선이 가능하며, 그리고 외부 센서의 통합이 가능하다. 제안된 방법은 로봇과 인간 사이의 계획된 기계적 상호작용을 위해 현재 발생하는 기계적 접촉 정보의 통합과 사용 뿐만 아니라 바람직하지 않은/허락된 상호작용의 감지, 격리 및 분류도 가능하며, 그리고 제어 정보(
Figure pct00078
)를 고려하여 액추에이터(AKTk)를 제어함에 따른 대응하는 반응의 생성도 가능하다.
따라서, 동작(B) 실행을 위한 부정확한 구성 및 동작(B)을 현재 실행하는 경우의 오류를 온라인으로 식별되고 분류될 수 있다.
정상적인 동작(B) 실행이 이루어지는 경우, 본 발명의 방법은 관측기(observer)로서 사실상 작동하며, 작업/동작의 과정 및 작업 환경에 개입할 필요 없이 복잡한 조작 작업에 쉽게 통합될 수 있다.
인간과 로봇의 복잡한 상호작용에 대한 분석적 모델링은 대부분 불가능하다. 따라서 작업에 적합한 동작(B)의 정확한 실행을 통해 얻은 검증된 경험적 데이터를 가진 기존 분석적 모델과 연계된 확률론적 모델링이 유리하게 제안된다. 이러한 모델은 예를 들어 신뢰 구간 등과 같은 통계적 표시 수단을 통해 시스템 특성을 획득한다. 유리하게, 제안된 방법에서는 확률론적 접근법에 의한 오류 감지 및 격리가 발생한다. 이것은 의사결정 나무(decision trees) 또는 선형 분류(linear classification) 모델과 같은 통계적 학습 방법을 포함하는 방법을 사용할 수 있도록 한다.
또한 제안된 방법은 사용된 방법이 작업별 방식으로 매개 변수화된 경우에 유사한 동작(B) 간에 이전될 수 있다. 또한 제안된 방법은 사용된 방법이 로봇별 방식으로 매개 변수화된 경우에 로봇 범주(categories) 간에 이전될 수 있다.
본 발명의 목적은 데이터 처리 장치가 구비된 컴퓨터 시스템에 의해서도 달성되며, 데이터 처리 장치는 상술한 바와 같은 방법이 데이터 처리 장치 상에서 수행되도록 설계된다.
또한, 본 발명의 목적은 전자적으로 판독가능한 제어 신호를 갖는 디지털 저장 매체에 의해 달성되며, 제어 신호는 상술한 방법이 실행되는 프로그램 가능한 컴퓨터 시스템과 상호작용할 수 있다.
또한, 본 발명의 목적은 기계-판독가능 매체에 저장된 프로그램 코드를 구비한 컴퓨터 프로그램 제품에 의해 달성되며, 데이터 처리 장치에서 프로그램 코드가 실행될 때 상술한 방법이 수행된다.
마지막으로, 본 발명은 상술한 방법을 수행하기 위한 프로그램 코드를 갖는 컴퓨터 프로그램에 관한 것으로, 프로그램은 데이터 처리 장치에서 실행된다. 이를 위한 데이터 처리 장치는 선행 기술로부터 알려진 소정의 컴퓨터 시스템으로 설계될 수 있다.
아래에는 상기 방법의 일반적인 예가 추가로 설명된다. 원칙적으로, 상기 방법은 다음과 같은 일반 단계들로 구성된다. 첫번째 단계에서, 로봇의 주변 환경과 연관되는 참조 상호작용을 포함하는 참조 동작(B)이 유리하게 다중 실행되어 참조 신호가 발생된다. 이 과정에서, 작업 관련 참조 신호가 실행 중에 기록되고 유리하게는 참조 신호의 예비 처리가 작업에 종속되는 방식으로 이루어진다. 구체적인 경우는 다음과 같이 구성될 수 있다.
- 주변 환경과의 관련 참조 상호작용을 포함하는 참조 동작(B)이 다중 실행되는 동안 가동 부재(ELEm)의 외부 토크 및 속도에 대한 데이터를 기록,
- 부족한 데이터 포인트에 대한 보간,
- 동일한 참조 동작(B)에서 획득한 여러 다른 데이터 세트에 대한 정리 및 데이터 세트에서 정보가 풍부한 부분을 식별.
이후에, 적응형 방법에 의한 모델링이 수행된다. 이것은 모델링 방법의 작업-종속적 및 신호-종속적 선택을 포함하며, 이전에 획득한 참조 신호를 선택된 적응형 방법으로 전송하며, 동작 중에 모델을 사용하는 관점으로부터 신호 평면 상에 모델을 생성한다. 구체적인 경우는 다음과 같이 구성될 수 있다.
- 수집된 참조 신호에 기반한 적응형 모델링 프로세스로서 가우시안 프로세스를 선택,
- 모델링 및 평가 단계에서 연산 작업을 줄이기 위해 희박화(sparsification) 방법을 적용,
- 희박화된 참조 신호에 가우시안 프로세스를 적용하여 모델을 생성.
추가적인 단계에서, 로봇 작동 중에 감지 시스템을 통해 획득한 신호를 확인한다. 이는 유리하게 이른바 '결함 탐지 및 격리(Fault Detection and Isolation)'방식의 실행을 포함한다. 동작(B)을 실행하는 동안, 현재 획득한 신호를 지속적으로 감지 시스템으로 모니터링함으로써, 주변 환경과의 허용된 상호작용이 포함된 동작(B)의 정상적인 과정과 오류 사례를 구별할 수 있다. 구체적인 경우에 다음이 포함될 수 있다.
- 속도와 연관된 외부 토크 신호를 가우시안 프로세스를 통해 모니터링. 예를 들어, 신호는 정상적인 동작(B) 과정으로 판단되기 위해 모델로 예측된 신호 주변에서 99% 신뢰 구간에 있어야 한다. 그렇지 않으면, 상황이 오류 사례로 해석되고 작업 실행이 중단된다.
또 다른 단계에서는, 오류 사례가 분류된다. 구체적인 경우에 이는 다음과 같이 구성될 수 있다: 분류 알고리즘을 사용하여 오류 원인이 더 정확하게 좁혀질 수 있으며, 따라서 작업 맥락에서 신호 편차의 해석 가능성이 생긴다.
본 발명의 목적은 상술한 방법을 수행하기 위해 설계되고 구현된 로봇에 의해서도 달성된다.
본 발명은 가동 부재의 동작을 실행하는 동안 주변 환경 및 인간 간의 바람직한 상호작용과 바람직하지 않은 상호작용을 구별할 수 있도록 하며, 이에 따라서 가동 부재를 효율적으로 구동할 수 있는 로봇 및 로봇 운영 방법을 제공할 수 있다.
도 1은 본 발명에 따른 방법의 절차를 도식적으로 보여주는 도면이다.
부가적인 장점, 특성 및 상세함은 필요한 경우에는 도면을 참고하여 최소한 하나의 실시예를 상세히 서술하는 상세한 설명으로부터 명확해질 것이다. 동일하고 유사하며 기능적으로 동등한 부분은 동일한 참조 번호로 표시한다.
도 1은 본 발명에 따른 로봇 운영 방법을 도식적으로 보여주는 도면으로, 로봇은 액추에이터(AKTn)에 의해 구동될 수 있는 가동 부재(ELEm)로 구성되며, 가동 부재(ELEm)에 의해 동작(B)이 수행되도록 설계되며(여기서 n=1, 2, …, N, m=1, 2, …, M, N=1, 2, …, M=1, 2, …), 로봇은 측정 변수(
Figure pct00079
) 그룹의 신호(
Figure pct00080
)를 결정하는 감지 시스템을 포함하여 구성되며(여기서, k=1, 2, …, K 및 K≥1), 가동 부재(ELEm)의 동작(B) 및 가동 부재가 주변 환경과 상호작용하는 점을 특징으로 한다.
본 발명의 방법은 다음과 같은 단계들을 포함하여 구성된다.
제1 단계(101)에 있어서, 가동 부재(ELEm)의 동작(B)이 최소한 한번 실행되는 동안, 측정 변수(
Figure pct00081
)의 참조 신호(
Figure pct00082
)가 감지 시스템에 의해 결정되며, 참조 신호(
Figure pct00083
)는 참조 동작(B)의 함수이고, 가동 부재(ELEm)가 주변 환경과 상호작용하는, 특히 가동 부재(ELEm)에 작용하는 외부 힘 및/또는 토크와 같은, 참조 상호작용을 포함한다.
제2 단계(102)에 있어서, 참조 신호(
Figure pct00084
)를 기반으로, 적응형(adaptive) 방법을 사용하여, 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
Figure pct00085
)로 기술하는 수학적 모델(
Figure pct00086
)이 자동으로 결정된다.
제3 단계(103)에 있어서, 동작(B)이 정상적으로 실행되는 동안에, 모델(
Figure pct00087
)을 사용하여, 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
Figure pct00088
)로 기술하는 신호(
Figure pct00089
)가 추정된다.
제4 단계(104)에 있어서,
Figure pct00090
와
Figure pct00091
(여기서, k=1, 2, …,K 및 K≥1) 간의 편차(
Figure pct00092
)를 결정하기 위해, 동작(B)이 정상적으로 실행되는 동안에 최근에 결정된 신호(
Figure pct00093
)와 추정된 신호(
Figure pct00094
)가 비교된다.
제5 단계(105)에 있어서, 편차(
Figure pct00095
)가 사전 정의된 조건(
Figure pct00096
)에 도달되지 않는 한, 편차(
Figure pct00097
)에 기반하여, 사전 정의된 오류 범주(
Figure pct00098
, i=1, 2, …, I) 수(I) 중의 하나로, 현재의 편차(
Figure pct00099
)가 분류되며, 각각의 오류 범주(
Figure pct00100
)를 위해, 액추에이터(AKTk)용으로 사전 정의된 제어 정보(
Figure pct00101
)가 제공된다.
제6 단계(106)에 있어서, 제어 정보(
Figure pct00102
)를 사용해서 액추에이터(AKTk)가 제어된다.
비록 발명의 상세 내용이 선호되는 실시예에 의해 도시되고 설명되었지만, 발명은 설명된 예에 국한되지는 않으며, 이로부터 다른 변형예가 발명의 보호범위를 이탈하지 않는 범위에서 본 기술의 당업자에 의해 유도될 수 있다. 따라서 다수의 변형 가능성이 존재하는 것은 명백하다. 이와 마찬가지로, 예를 들어서 명명된 실시예는 실제로 보호 범위, 가능한 적용 또는 발명의 구성을 제한하는 것으로 간주되지 않는 예만으로 구성되어 있는 것도 분명하다. 오히려, 본 기술 분야의 당업자가 모범적인 구현을 구체적으로 할 수 있도록 하는 것이 현재의 상세한 설명과 도면이다. 공개된 발명의 개념을 잘 알고 있는 기술 분야의 당업자는 예를 들어 청구항 및 이들의 법적 균등물에 따라 정의되는 보호 범위를 벗어나지 않고 예시적 실시예로 명명된 개별 요소의 기능이나 구성과 관련하여 수많은 변화를 만들 수 있다.

Claims (10)

  1. 로봇 운영 방법에 있어서,
    로봇은 액추에이터(AKTn)의해 구동될 수 있는 가동 부재(ELEm)를 포함하여 구성되며, 가동 부재(ELEm)에 의해 동작(B)이 수행되도록 설계되며(여기서 n=1, 2, …, N, m=1, 2, …, M, N=1, 2, …, M=1, 2, …),
    로봇은 측정 변수(
    Figure pct00103
    ) 그룹의 신호(
    Figure pct00104
    )를 결정하는 감지 시스템을 포함하여 구성되며(여기서, k=1, 2, …, K 및 K≥1), 가동 부재(ELEm)의 동작(B) 및 가동부재가 주변 환경과 상호작용하는 점을 특징으로 하며, 상기 방법은,
    - 참조 동작(B)의 함수인 참조 신호(
    Figure pct00105
    )는 가동 부재(ELEm)가 주변 환경과 상호작용하는, 특히 가동 부재(ELEm)에 작용하는 외부 힘 및/또는 토크와 같은 참조 상호작용을 포함하며, 가동 부재(ELEm)의 동작(B)이 최소한 한번 실행되는 동안 측정 변수(
    Figure pct00106
    )의 참조 신호(
    Figure pct00107
    )가 감지 시스템에 의해 결정되는 단계(101);
    - 참조 신호(
    Figure pct00108
    )를 기반으로 하고, 적응형 방법을 사용하여, 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
    Figure pct00109
    )로 기술하는 수학적 모델(
    Figure pct00110
    )이 자동으로 결정되는 단계(102);
    - 동작(B)이 정상적으로 실행되는 동안에,
    ⊙ 모델(
    Figure pct00111
    )을 사용하여, 참조 상호작용을 포함하는 참조 동작(B)을 측정 변수(
    Figure pct00112
    )로 기술하는 신호(
    Figure pct00113
    )가 추정되는 단계(103);
    ⊙
    Figure pct00114
    와
    Figure pct00115
    (여기서, k=1, 2, …,K 및 K≥1) 간의 편차(
    Figure pct00116
    )를 결정하기 위해, 동작(B)이 정상적으로 실행되는 동안에 최근에 결정된 신호(
    Figure pct00117
    )와 추정된 신호(
    Figure pct00118
    )가 비교되는 단계(104);
    ⊙ 액추에이터(AKTk)용으로 사전 정의된 정보 및/또는 자동으로 추정할 수 있는 제어 정보(
    Figure pct00119
    )가 각각의 오류 범주(
    Figure pct00120
    )용으로 생성되며, 편차(
    Figure pct00121
    )가 사전 정의된 조건(
    Figure pct00122
    )에 도달되지 않는 한, 편차(
    Figure pct00123
    )에 기반하여, 사전 정의된 오류 범주(
    Figure pct00124
    , i=1, 2, …, I) 수(I) 중의 하나로, 현재의 편차(
    Figure pct00125
    )가 분류되는 단계(105); 및
    ⊙ 제어 정보(
    Figure pct00126
    )를 사용하여 액추에이터(AKTk)가 제어되는 단계(106);를 포함하여 구성되는 점을 특징으로 하는 로봇 운영 방법.
  2. 제1항에 있어서, 측정 변수(
    Figure pct00127
    )의 그룹은, 가동한 로봇 구성품에 작용하는 힘, 토크 및/또는 로봇 구성품의 위치, 속도, 또는 가속도, 및/또는 압력, 온도, 에너지 및/또는 주변 환경과의 접촉점, 및/또는 추정된 점촉점과 같은 변수들 중 하나 또는 그 이상을 포함하는 점을 특징으로 하는 로봇 운영 방법.
  3. 제1항 또는 제2항에 있어서, 가동 부재(ELEm)는 로봇 팔의 팔 부재를 형성하고, 적어도 일부 가동 부재(ELEm)는 액추에이터(AKTn)의해 구동되며, 감지 시스템은 각 경우에서 팔 부재 전부 또는 일부를 위한 측정 변수(
    Figure pct00128
    )를 취득하는 점을 특징으로 하는 로봇 운영 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 수학적 모델(
    Figure pct00129
    )을 결정하기 위한 적응형 방법은, 하나 또는 그 이상의 가우시안(Gaussian) 프로세스에 기반하여 수행되는 점을 특징으로 하는 로봇 운영 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 모델(
    Figure pct00130
    )은 신호(
    Figure pct00131
    )에 기반하여 훈련된 통계적 모델인 점을 특징으로 하는 로봇 운영 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 통계적 모델은 은닉 마르코프 모델(HMM) 및/또는 서포트 벡터 머신(SVM) 및/또는 신경회로망을 포함하여 구성되는 점을 특징으로 하는 로봇 운영 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서, 신호(
    Figure pct00132
    )는 감지 시스템의 센서에 의해 수집되는 원시 데이터(
    Figure pct00133
    )에 기반하여 결정되며, 및/또는 신호(
    Figure pct00134
    )는 추정 신호에 기반하여 결정되는 점을 특징으로 하는 로봇 운영 방법.
  8. 제1항 내지 제7 중 어느 한 항에 있어서, 측정 변수(
    Figure pct00135
    ) 중 적어도 하나에 대해, 조건(
    Figure pct00136
    )은 사전 결정되고,
    Figure pct00137
    와
    Figure pct00138
    간의 편차(
    Figure pct00139
    )가 사전 정의된 제한 값 (
    Figure pct00140
    :
    Figure pct00141
    ≤
    Figure pct00142
    ) 보다 작거나 동일한 점을 특징으로 하는 로봇 운영 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서, 제어 정보(
    Figure pct00143
    )는 로봇 구성품의 종결된 반응 동작 및/또는 적어도 하나의 조건(
    Figure pct00144
    )의 변화 및/또는 모델(
    Figure pct00145
    )의 변화를 포함하는 점을 특징으로 하는 로봇 운영 방법.
  10. 제1항 내지 제9항 중 어느 한 항에 따른 방법을 수행하도록 설계되고 구현된 로봇.
KR1020187021705A 2015-12-30 2016-12-27 로봇 및 로봇 운영 방법 KR102113544B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102015122998.6A DE102015122998B3 (de) 2015-12-30 2015-12-30 Roboter und Verfahren zum Betreiben eines Roboters
DE102015122998.6 2015-12-30
PCT/EP2016/082690 WO2017114818A1 (de) 2015-12-30 2016-12-27 Roboter und verfahren zum betreiben eines roboters

Publications (2)

Publication Number Publication Date
KR20180099790A true KR20180099790A (ko) 2018-09-05
KR102113544B1 KR102113544B1 (ko) 2020-06-02

Family

ID=57582694

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187021705A KR102113544B1 (ko) 2015-12-30 2016-12-27 로봇 및 로봇 운영 방법

Country Status (8)

Country Link
US (1) US20210197375A1 (ko)
EP (1) EP3397431B1 (ko)
JP (1) JP2019500226A (ko)
KR (1) KR102113544B1 (ko)
CN (1) CN108472809B (ko)
DE (1) DE102015122998B3 (ko)
SG (1) SG11201805349YA (ko)
WO (1) WO2017114818A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017106791A1 (de) * 2017-03-29 2018-10-04 Kuka Deutschland Gmbh Überwachungsverfahren und Überwachungssystem
WO2019162109A1 (en) * 2018-02-23 2019-08-29 Abb Schweiz Ag Robot system and operation method
DE102018203234A1 (de) * 2018-03-05 2019-09-05 Kuka Deutschland Gmbh Vorausschauende Beurteilung von Robotern
DE102019003695A1 (de) * 2019-05-24 2020-11-26 abaut GmbH System zur Ermittlung der Aktivitäten wenigstens einer Maschine
DE102019129338B3 (de) * 2019-10-30 2021-02-18 Pilz Gmbh & Co. Kg Modellprädiktive Interaktionsregelung

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150021478A (ko) * 2013-08-20 2015-03-02 쿠카 레보라토리즈 게엠베하 로봇을 제어하기 위한 방법

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2106279A (en) * 1981-09-19 1983-04-07 Prutec Ltd Automated machine safety
US5566092A (en) * 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
DE102004026185A1 (de) * 2004-05-28 2005-12-22 Kuka Roboter Gmbh Verfahren und Vorrichtung zum Betreiben einer Maschine, wie eines Mehrachs- Industrieroboters
US20070142966A1 (en) * 2005-12-20 2007-06-21 Khalid Mirza Process for moving a robot
EP1955830B1 (en) * 2007-02-06 2014-04-09 Abb Research Ltd. A method and a control system for monitoring the condition of an industrial robot
JP5120082B2 (ja) * 2008-06-12 2013-01-16 富士電機株式会社 ロボット暴走判定方法およびロボット制御装置
DE112010000775B4 (de) * 2009-02-12 2016-03-17 Kyoto University Industrierobotersystem
US8369992B2 (en) * 2009-09-22 2013-02-05 GM Global Technology Operations LLC Embedded diagnostic, prognostic, and health management system and method for a humanoid robot
JP6106594B2 (ja) * 2010-11-11 2017-04-05 ザ・ジョンズ・ホプキンス・ユニバーシティ ヒューマン・マシン連携ロボットシステム
KR101901586B1 (ko) * 2011-12-23 2018-10-01 삼성전자주식회사 로봇 위치 추정 장치 및 그 방법
CN205854859U (zh) * 2016-08-03 2017-01-04 江西万里药业有限公司 一种医疗制药用中间体储罐减震及固定装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150021478A (ko) * 2013-08-20 2015-03-02 쿠카 레보라토리즈 게엠베하 로봇을 제어하기 위한 방법

Also Published As

Publication number Publication date
US20210197375A1 (en) 2021-07-01
JP2019500226A (ja) 2019-01-10
DE102015122998B3 (de) 2017-01-05
WO2017114818A1 (de) 2017-07-06
EP3397431B1 (de) 2024-04-17
EP3397431A1 (de) 2018-11-07
KR102113544B1 (ko) 2020-06-02
CN108472809B (zh) 2022-02-25
CN108472809A (zh) 2018-08-31
SG11201805349YA (en) 2018-07-30

Similar Documents

Publication Publication Date Title
KR20180099790A (ko) 로봇 및 로봇 운영 방법
JP7196279B2 (ja) 傾きが未知のペグ・イン・ホール・タスクの実行
JP6445150B2 (ja) ロボット・マニピュレータを制御する方法、コンピュータ・システム、デジタル記録媒体、コンピュータ・プログラム製品、コンピュータ・プログラム、装置およびロボット
JP7015068B2 (ja) ロボットによる衝突処理
US10913152B2 (en) Robot device controller, robot device arrangement and method for controlling a robot device
JP6487067B2 (ja) 環境接触を考慮したロボットのアクチュエータの開ループおよび閉ループ制御の方法及び装置
US11254004B2 (en) System identification of industrial robot dynamics for safety-critical applications
CN110809505A (zh) 用于执行机器人手臂的移动控制的方法和装置
KR102357168B1 (ko) 인공신경망을 이용한 로봇 매니퓰레이터의 충돌을 감지하는 방법 및 시스템
CN110231803B (zh) 碰撞位置推定装置以及机器学习装置
WO2020213062A1 (ja) モータ制御装置
CN104044147A (zh) 机器人系统及被加工物的制造方法
Stefanov et al. Online intention recognition for computer-assisted teleoperation
KR102139229B1 (ko) 인공신경망을 이용한 로봇 매니퓰레이터의 충돌을 감지하는 방법 및 시스템
JP2020506813A (ja) ロボット
CN116569120A (zh) 信息处理装置及信息处理方法
Dimeas et al. Robot collision detection based on fuzzy identification and time series modelling
JP6949284B1 (ja) 数値制御装置
Wu et al. External force detection for physical human-robot interaction using dynamic model identification
Qiu et al. A force-sensorless approach to collision detection based on virtual powers
WO2022054292A1 (ja) ロボット制御装置
Da Silva et al. Joint dynamics modeling and parameter identification for space robot applications
Fathi et al. Human-Robot Contact Detection in Assembly Tasks
Sidek et al. Emotion Embodiment in Robot-Assisted Rehabilitation System Using Hybrid Automata
CN117656073A (zh) 一种基于内反馈超螺旋外力矩观测的机械臂碰撞检测方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right