WO2022176762A1 - 制御装置、ロボットシステム、学習装置、制御方法、およびプログラム - Google Patents

Abstract

制御装置（１）は、駆動条件と基準中間点を対応付けて記憶している駆動条件記憶部（１１）と、基準中間点を通る基準軌跡を決定する基準軌跡決定部（１２）と、ロボット（１０）の軌跡を測定する実軌跡取得部（１３）と、を備える。制御装置（１）はさらに、実軌跡の理想軌跡からのずれを示す加工時軌跡誤差を基準中間点について求め、基準中間点と加工時軌跡誤差との対応を学習して、加工時軌跡誤差を最小化する目標中間点を求め、駆動条件に応じて目標中間点を示す軌跡モデルを生成する学習部（１４）と、軌跡モデルから得られる目標中間点を通る目標軌跡を決定する目標軌跡決定部（１６）と、基準軌跡または目標軌跡に応じてロボット（１０）を制御する制御部（１７）と、を備える。

Description

制御装置、ロボットシステム、学習装置、制御方法、およびプログラム

　本開示は、制御装置、ロボットシステム、学習装置、制御方法、およびプログラムに関する。

　産業用のロボットは、種々の動きを可能にするため、複数のリンクと、複数のリンクを接続する複数の関節と、を備える。制御装置が、ロボットが有する複数の関節を駆動する複数のサーボモータを制御することで、ロボットが目的の動作を行うことが可能となる。例えば、各サーボモータの遅れに差が生じると、複数のリンクの内、先端に位置するリンクである先端リンクの実際の軌跡は、目標とする軌跡からずれることがある。ロボットの実際の軌跡と目標とする軌跡との誤差を最小化するための技術の一例が特許文献１に開示されている。

　特許文献１に開示されるロボット位置教示装置は、ロボットの実際の軌跡を測定し、実際の軌跡と目標とする軌跡との距離である軌跡誤差に基づいて、誤差を最小化するための見込み教示点を算出する。見込み教示点に基づいてロボットを制御することで、軌跡誤差が減少する。

特開平１１－０４８１７６号公報

　上述のようにロボットの先端の実際の軌跡を目標とする軌跡に近づける制御を行っても、先端リンクに加工工具を取り付けて加工対象物を加工する際に先端リンクが力を受けるため、先端リンクの軌跡が目標とする軌跡からずれる。この結果、加工時のロボットの制御精度が低下する。

　本開示は上述の事情に鑑みてなされたものであり、加工時のロボットの制御精度が高い制御装置、ロボットシステム、学習装置、制御方法、およびプログラムを提供することを目的とする。

　上記目的を達成するため、本開示に係る制御装置は、加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御する制御装置であって、駆動条件記憶部と、基準軌跡決定部と、実軌跡取得部と、学習部と、目標軌跡決定部と、制御部と、を備える。駆動条件記憶部は、ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に、動作開始点から動作終了点に至るまでにロボットが通る位置を示す基準中間点を対応付けて記憶している。基準軌跡決定部は、駆動条件記憶部から基準中間点を取得し、取得した基準中間点について、駆動条件に基づき、該基準中間点を通る基準軌跡を決定する。実軌跡取得部は、ロボットの実際の軌跡を取得する。学習部は、基準軌跡に応じてロボットを制御することで加工対象物の加工を行う場合に実軌跡取得部で取得された加工時実軌跡の駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を取得された基準中間点について求め、基準中間点と加工時軌跡誤差との対応を学習して、加工時軌跡誤差を最小化する目標中間点を駆動条件に応じて示す軌跡モデルを生成する。目標軌跡決定部は、軌跡モデルから得られる目標中間点を通る目標軌跡を決定する。制御部は、基準軌跡または目標軌跡に応じてロボットを制御する。

　本開示に係る制御装置は、基準中間点と加工時軌跡誤差との対応を学習して、加工時軌跡誤差を最小化する目標中間点を駆動条件に応じて示す軌跡モデルを生成し、目標中間点を通る目標軌跡に応じてロボットを制御する。このため、本開示に係る制御装置による加工時のロボットの制御精度は高い。

実施の形態１に係るロボットの斜視図 実施の形態１に係るロボットの側面図 実施の形態１に係るロボットシステムのブロック図 実施の形態１に係る制御装置のハードウェア構成を示すブロック図 実施の形態１に係る制御装置が行う学習処理の一例を示すフローチャート 実施の形態１に係る駆動条件記憶部が保持する駆動条件テーブルの例を示す図 実施の形態１における基準軌跡および実軌跡の例を示す図 実施の形態１に係る学習済みデータ記憶部が保持する誤差テーブルの例を示す図 実施の形態１に係る学習済みデータ記憶部が保持する目標中間点テーブルの例を示す図 実施の形態１に係る制御装置が行う運用処理の一例を示すフローチャート 実施の形態１における目標軌跡および実軌跡の例を示す図 実施の形態２に係るロボットシステムのブロック図 実施の形態２に係る制御装置が行う学習処理の一例を示すフローチャート 実施の形態２に係る学習済みデータ記憶部が保持する誤差テーブルの例を示す図 実施の形態２に係る制御装置が行う運用処理の一例を示すフローチャート 実施の形態３に係るロボットシステムのブロック図 実施の形態３に係る制御装置が行う学習処理の一例を示すフローチャート 実施の形態３に係る学習済みデータ記憶部が保持する誤差テーブルの例を示す図 実施の形態４に係るロボットシステムのブロック図 実施の形態に係る学習済みデータ記憶部が保持する目標中間点テーブルの変形例を示す図 実施の形態に係る学習済みデータ記憶部が保持する誤差テーブルの第１変形例を示す図 実施の形態に係る学習済みデータ記憶部が保持する誤差テーブルの第２変形例を示す図 実施の形態に係る学習済みデータ記憶部が保持する誤差テーブルの第３変形例を示す図 実施の形態に係るロボットシステムの変形例のブロック図 実施の形態に係るロボットの第１変形例の斜視図 実施の形態に係るロボットの第２変形例の斜視図

　以下、本開示の実施の形態に係る制御装置、ロボットシステム、学習装置、制御方法、およびプログラムについて図面を参照して詳細に説明する。なお図中、同一または同等の部分には同一の符号を付す。

　（実施の形態１）
　複数のリンクと複数の関節とを備えるロボットを例にして、ロボットとロボットを制御する制御装置とを備えるロボットシステムについて実施の形態１で説明する。ロボットは、複数のリンクと、複数のリンクを互いに接続する複数の関節と、複数の関節に対応付けられて、対応する関節を駆動する複数のモータと、を有する。

　図１および図２に示すように、ロボット１０は垂直多関節型のロボットである。詳細には、ロボット１０は、複数のリンクとして、第１アーム１１０と、第２アーム１２０と、第３アーム１３０と、第４アーム１４０と、第５アーム１５０と、フランジ１６０と、ベース１７０と、を備える。フランジ１６０は、複数のリンクの内、先端に位置するリンクである先端リンクに相当する。

　ロボット１０はさらに、平面に固定されてベース１７０を支持する固定部１８０と、フランジ１６０に取り付けられる加工工具２００による加工対象物３００の加工時にフランジ１６０が受ける力である反力を測定する力覚センサ１９０と、を備える。実施の形態１では、固定部１８０は、主面の形状が正方形である板状部材である。

　図１および図２において、固定部１８０の主面に平行な面に含まれ、互いに直交する軸として、Ｘ軸およびＹ軸を設定し、Ｘ軸およびＹ軸のそれぞれに直交する軸としてＺ軸を設定する。Ｘ軸およびＹ軸はそれぞれ、固定部１８０の端面に沿って延伸する。固定部１８０が水平面に固定されていれば、Ｚ軸は鉛直方向に延伸する。実施の形態１において、先端リンクの軌跡、具体的には、フランジ１６０の先端面１６０ａの重心の軌跡は、ＸＹＺ直交座標系で表される。ＸＹＺ直交座標系の原点は、例えば、ロボット１０が初期位置にあるときの先端面１６０ａの重心の位置である。ロボット１０が初期位置にあるときとは、後述のモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６のそれぞれの回転位置が初期位置にあるときを示す。

　第１アーム１１０は、Ｚ軸に平行な回転軸ＡＸ１周りに回転可能な状態でベース１７０に取り付けられる。第２アーム１２０は、第１アーム１１０に連結され、回転軸ＡＸ２周りに回転可能である。第３アーム１３０は、第２アーム１２０に連結され、回転軸ＡＸ３周りに回転可能である。第４アーム１４０は、第３アーム１３０に連結され、回転軸ＡＸ４周りに回転可能である。第５アーム１５０は、第４アーム１４０に連結され、回転軸ＡＸ５周りに回転可能である。フランジ１６０は、第５アーム１５０に連結され、回転軸ＡＸ６周りに回転可能である。換言すれば、ロボット１０は、回転軸ＡＸ１，ＡＸ２，ＡＸ３，ＡＸ４，ＡＸ５，ＡＸ６に対応する６つの関節を有する。

　制御装置１が、加工対象物３００の加工を行うための加工工具２００が取り付けられたロボット１０を制御することで、加工工具２００による加工対象物３００の加工が可能となる。例えば、図２に示すように、制御装置１はロボット１０を制御して、フランジ１６０の先端面が、ロボット１０が固定されている平面に平行な状態で、フランジ１６０をＸ軸正方向に移動させる。この結果、フランジ１６０に取り付けられている加工工具２００が加工対象物３００のＸ軸方向と交差する側面に当接して、さらにＸ軸正方向に移動することで、バリ３１０を加工対象物３００から取り除くことができる。バリ３１０は、加工対象物３００の成形時にできる突起であり、加工対象物３００の目標の外形から突出している部分である。

　図３に示すように、ロボット１０は、回転軸ＡＸ１，ＡＸ２，ＡＸ３，ＡＸ４，ＡＸ５，ＡＸ６に対応するモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を備える。モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６は、サーボモータである。制御装置１が駆動条件に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御することで、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６が回転し、第１アーム１１０、第２アーム１２０、第３アーム１３０、第４アーム１４０、第５アーム１５０、およびフランジ１６０が回転する。この結果、ロボット１０の先端リンクであるフランジ１６０の軌跡が駆動条件に応じた軌跡となる。ロボット１０はさらに、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置を検出するエンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６を備える。

　ロボットシステム１００は、上記構成を有するロボット１０と、ロボット１０を制御する制御装置１と、を備える。制御装置１は、ロボット１０の動作開始点および動作終了点を少なくとも指定する駆動条件に応じて、ロボット１０の軌跡、具体的には、フランジ１６０の軌跡を理想軌跡に近づける制御を行う。ロボット１０の動作開始点は、ロボット１０の可動部分の動作開始点、具体的には、ロボット１０が備えるフランジ１６０の動作開始点を意味する。ロボット１０の動作終了点は、ロボット１０の可動部分の動作終了点、具体的には、ロボット１０が備えるフランジ１６０の動作終了点を意味する。

　実施の形態１では、制御装置１は、ロボット１０が備えるフランジ１６０の動作開始点および動作終了点を少なくとも指定する駆動条件に応じて、ロボット１０が備えるモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御する。制御装置１が上述のように加工工具２００が取り付けられたロボット１０を制御することで、図２に示す加工対象物３００のバリ３１０を除去するバリ取り、加工対象物３００への部品の取付等の加工が可能となる。

　駆動条件に応じてロボット１０を制御して加工対象物３００の加工を行う際に、先端リンクの実際の軌跡は、駆動条件に基づく理想軌跡からずれる。実施の形態１では、理想軌跡は、駆動条件が示す動作開始点から駆動条件が示す動作終了点までの最短の軌跡である。

　理想軌跡からのずれは、機械的要因に起因するずれと、外部要因に起因するずれと、を含む。機械的要因に起因するずれは、例えば、加工対象物３００の加工が行われない場合にモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６のそれぞれの動作の遅れの差に起因するずれである。外部要因に起因するずれは、例えば、重力、遠心力、加工反力等の影響を受けて、第１アーム１１０、第２アーム１２０、第３アーム１３０、第４アーム１４０、第５アーム１５０、およびフランジ１６０の少なくともいずれかに機械的なたわみが生じることに起因するずれである。

　機械的要因に起因するずれを最小化するため、制御装置１は、非加工時実軌跡の理想軌跡からのずれを示す非加工時軌跡誤差を最小化するための基準中間点を駆動条件に対応付けて記憶している。非加工時実軌跡は、加工対象物３００の加工が行われない場合に駆動条件に応じて制御されたロボット１０の先端リンクの軌跡を示す。基準中間点は、駆動条件が示す動作開始点から動作終了点に至るまでに先端リンクが通る位置を示す。

　外部要因の一例である加工反力に起因するずれを最小化するため、制御装置１は、加工時実軌跡の理想軌跡からのずれを示す加工時軌跡誤差を求め、基準中間点と加工時軌跡誤差との対応付けを学習する。加工反力は、加工対象物３００の加工時にフランジ１６０が受ける力である。加工時実軌跡は、基準中間点を通る基準軌跡に応じてロボット１０を制御することで加工対象物３００の加工を行う場合の先端リンクの軌跡を示す。上述のように基準中間点と加工時軌跡誤差の対応を学習した後、制御装置１は、加工時軌跡誤差を最小化する目標中間点を駆動条件に応じて示す軌跡モデルを生成し、目標中間点を通る目標軌跡に応じてロボット１０を制御する。目標軌跡に応じてロボット１０を制御することで、加工時のロボット１０の制御精度を向上させることが可能となる。

　制御装置１の各部について以下に説明する。
　制御装置１は、駆動条件と基準中間点とを対応付けて記憶している駆動条件記憶部１１と、基準中間点を通る基準軌跡を決定する基準軌跡決定部１２と、ロボット１０の実際の軌跡、具体的には、先端リンクであるフランジ１６０の実際の移動軌跡を取得する実軌跡取得部１３と、を備える。制御装置１はさらに、基準軌跡に応じてロボット１０を制御することで加工対象物３００の加工を行う場合に実軌跡取得部１３で取得された実際の軌跡を示す加工時実軌跡の理想軌跡からのずれを示す加工時軌跡誤差を基準中間点のそれぞれについて求める。制御装置１は、基準中間点と加工時軌跡誤差との対応を学習し、加工時軌跡誤差を最小化する目標中間点を駆動条件に応じて示す軌跡モデルを生成する学習部１４を備える。

　制御装置１はさらに、学習部１４の学習結果を記憶する学習済みデータ記憶部１５と、軌跡モデルおよび駆動条件を含む駆動指令に基づき、駆動条件に応じた目標中間点を通る目標軌跡を決定する目標軌跡決定部１６と、を備える。制御装置１は、基準軌跡または目標軌跡に応じてロボット１０、具体的には、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御する制御部１７と、ロボット１０が備える力覚センサ１９０からセンサ信号を取得して、センサ信号から加工時にロボット１０が受ける力である反力を算出する反力取得部１８と、を備える。

　図４に示すように、制御装置１は、ハードウェア構成として、プロセッサ３１と、メモリ３２と、インターフェース３３と、を備える。プロセッサ３１、メモリ３２およびインターフェース３３は互いにバス３４で接続されている。制御装置１の各機能は、プロセッサ３１がメモリ３２に記憶されたプログラムを実行することにより実現される。インターフェース３３は制御装置１と外部装置を接続し、外部装置との通信を可能とする。詳細には、制御装置１は、インターフェース３３を介して、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６、エンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６、および力覚センサ１９０に接続される。インターフェース３３は、必要に応じて複数の種類のインターフェースモジュールを有する。

　図４に示す制御装置１は、プロセッサ３１およびメモリ３２をそれぞれ１つずつ有するが、制御装置１は、複数のプロセッサ３１および複数のメモリ３２を有してもよい。この場合、複数のプロセッサ３１および複数のメモリ３２が連携することで、制御装置１の各機能が実現されればよい。

　上記構成を有する制御装置１は、基準中間点を通る基準軌跡に応じてロボット１０を制御することを駆動条件ごとに行って、加工時軌跡誤差を最小化する目標中間点を駆動条件に応じて示す軌跡モデルを生成する学習処理と目標中間点を通る目標軌跡に応じてロボット１０を制御する運用処理とを行う。軌跡誤差の最小化とは、軌跡誤差を最小値または最小値の近傍値、あるいは、極小値または極小値の近傍値に近づけることを意味する。

　制御装置１が行う学習処理の動作の概要について、図５を用いて説明する。例えば、ロボット１０の設置後に、制御装置１が初めて動作を開始する際または新たな駆動条件が追加された際に、制御装置１は図５の学習処理を開始する。図５の学習処理は、加工工具２００がフランジ１６０に取り付けられ、加工対象物３００に加工をしながら行われる。換言すれば、制御装置１が駆動条件ごとの加工時軌跡誤差を得るために、加工対象物３００の加工が行われる。

　基準軌跡決定部１２は、駆動条件と基準中間点とを対応付けて記憶している駆動条件記憶部１１から、駆動条件と基準中間点を取得する（ステップＳ１１）。そして、基準軌跡決定部１２は、ステップＳ１１で取得した駆動条件および基準中間点に基づき、基準中間点を通る基準軌跡を決定する（ステップＳ１２）。制御部１７は、ステップＳ１２で決定された基準軌跡に応じてロボット１０のモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御し、実軌跡取得部１３は、ロボット１０の実際の軌跡を取得し、反力を算出する（ステップＳ１３）。

　詳細には、制御部１７は、基準軌跡に従ってフランジ１６０を移動させるためモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の目標位置を決定し、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を目標位置まで動かす制御を行う。実軌跡取得部１３は、エンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６から取得したモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置に基づいて、ロボット１０の実際の軌跡を取得する。反力取得部１８は、力覚センサ１９０から取得したセンサ信号に基づいて反力を算出する。学習部１４は、ステップＳ１３で取得された軌跡のステップＳ１１で取得された駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を算出して、加工時軌跡誤差とステップＳ１４で算出された反力とを対応付ける（ステップＳ１４）。駆動条件記憶部１１に記憶されている全ての駆動条件について加工時軌跡誤差と反力の対応付けが完了していない間は（ステップＳ１５；Ｎｏ）、上述のステップＳ１１からＳ１４の処理が繰り返される。

　駆動条件記憶部１１に記憶されている全ての駆動条件について加工時軌跡誤差と反力の対応付けが完了すると（ステップＳ１５；Ｙｅｓ）、学習部１４は、加工時軌跡誤差を最小化する目標中間点を求め、駆動条件に応じて目標中間点を示す軌跡モデルを生成する（ステップＳ１６）。ステップＳ１６の処理が完了すると、制御装置１は学習処理を終了する。

　制御装置１が行う学習処理の詳細について以下に説明する。
　駆動条件記憶部１１は、図６に示すように、駆動条件と基準中間点とを対応付けた駆動条件テーブルを保持している。駆動条件は、先端リンクであるフランジ１６０の動作開始点および動作終了点を少なくとも指定する。実施の形態１では、駆動条件は、先端リンクの動作開始点、動作終了点、速度および姿勢を含む。動作開始点および動作終了点は、図１および図２に示すＸＹＺ直交座標系での位置を示す。速度は、先端リンクの動作時の目標速度を示す。姿勢は、先端リンクの向き、具体的には、フランジ１６０の先端面１６０ａとロボット１０が固定されている平面がなす角度を示す。

　例えば、図６に示す駆動条件テーブルの一行目のレコードが含む駆動条件は、フランジ１６０の先端面が、ロボット１０が固定されている平面に平行な状態で、フランジ１６０を動作開始点（０，０，０）から動作終了点（１００，０，０）まで目標速度Ｖ１で移動させることを示す。この場合、理想軌跡は、動作開始点ＳＰ１（０，０，０）から動作終了点ＥＰ１（１００，０，０）まで延び、Ｘ軸上に位置する線分で示される。

　実施の形態１では、各駆動条件に対し、基準中間点が定められている。上述したように、基準中間点は、加工対象物３００の加工が行われない場合にモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６のそれぞれの動作の遅れの差に起因するずれを最小化するために、駆動条件が示す動作開始点から動作終了点に至るまでに先端リンクが通る位置を示す。例えば、動作開始点から動作終了点までの間に位置する複数の初期中間点のそれぞれについて、加工対象物３００の加工は行わずに、初期中間点を通る軌跡に応じてロボット１０を制御した際の実際の先端リンクの軌跡の理想軌跡からのずれを算出し、ずれを最小化する初期中間点を基準中間点として用いればよい。

　基準軌跡決定部１２は、図６に示す駆動条件テーブルから対応付けられた駆動条件と基準中間点を取得する。そして、基準軌跡決定部１２は、駆動条件に基づき、取得した基準中間点を通る基準軌跡を決定する。詳細には、基準軌跡決定部１２は、駆動条件が示す動作開始点、基準中間点、および駆動条件が示す動作終了点に基づくスプライン補間を行って、駆動条件が示す動作開始点から、基準中間点を通って、駆動条件が示す動作終了点に至る基準軌跡を算出する。基準軌跡は、例えば、制御周期ごとのＸＹＺ直交座標系における先端リンクの位置を示す。制御周期は、例えば、制御装置１の演算処理能力に応じて定められる。

　例えば、基準軌跡決定部１２は、図６に示す駆動条件テーブルの一行目のレコードが示す駆動条件と基準中間点を取得する。この駆動条件に含まれる動作開始点（０，０，０）および動作終了点（１００，０，０）をそれぞれ、図７に動作開始点ＳＰ１および動作終了点ＥＰ１として示し、基準中間点（５０，－２．５，０）を図７に基準中間点ＲＰ１として示す。基準軌跡決定部１２は、動作開始点ＳＰ１（０，０，０）から動作終了点ＥＰ１（１００，０，０）までの動作を指示する駆動条件に基づき、基準中間点ＲＰ１（５０，－２．５，０）を通る基準軌跡ＲＴ１を決定する。図７において点線で示す基準軌跡ＲＴ１は、動作開始点ＳＰ１から基準中間点ＲＰ１を通って動作終了点ＥＰ１に至る滑らかな曲線であって、ＸＹ平面においてＹ軸負方向に突出する曲線で示される。上述のように基準軌跡を算出すると、基準軌跡決定部１２は、駆動条件および決定した基準軌跡を、学習部１４および制御部１７に送る。

　図３に示す制御部１７は、基準軌跡決定部１２から取得した駆動条件および基準軌跡に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６への制御指令を生成し、制御指令をモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６に送信する。詳細には、制御部１７は、基準軌跡が示す先端リンクの位置を示す基準位置に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６への制御指令を生成し、制御指令をモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６に送信することを制御周期ごとに行う。この結果、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６が制御指令に従って回転し、第１アーム１１０、第２アーム１２０、第３アーム１３０、第４アーム１４０、第５アーム１５０、およびフランジ１６０が回転する。これにより、先端リンクであるフランジ１６０が移動する。

　制御部１７は、エンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６からモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置を取得し、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６をフィードバック制御することが好ましい。

　上述のように制御部１７によって、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６が駆動されている間、力覚センサ１９０は、フランジ１６０が受ける力である反力を測定し、測定値に応じたセンサ信号を出力する。

　反力取得部１８は、ロボット１０が備える力覚センサ１９０から取得したセンサ信号を制御周期ごとに検出し、制御周期ごとに検出した値から、加工時にロボット１０が受ける力である反力を算出し、算出した反力を制御部１７に送る。

　実軌跡取得部１３は、エンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６からモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置を取得し、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置から先端リンクの実際の位置を取得する。実軌跡取得部１３は、上述の処理を制御周期ごとに行って、制御周期ごとのＸＹＺ直交座標系における先端リンクの実際の位置である実位置を示す実軌跡を決定する。

　一例として、図６に示す駆動条件テーブルの一行目のレコードが示す駆動条件と基準中間点ＲＰ１に基づく基準軌跡ＲＴ１に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６が制御された際に、実軌跡取得部１３が取得した加工時実軌跡ＡＴ１を図７に実線で示す。実軌跡取得部１３は、上述のように取得した実軌跡を学習部１４に送る。加工対象物３００の加工を行わない場合、基準軌跡ＲＴ１に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６が制御されると、先端リンクは図７に破線で示す実軌跡ＡＴ０のように、理想軌跡に近い軌跡を通る。しかしながら、加工対象物３００の加工時に受ける反力によって、加工時実軌跡ＡＴ１は、理想軌跡からずれる。

　学習部１４は、実軌跡取得部１３から実軌跡を取得すると、ロボット１０が基準軌跡に応じて制御されることで加工対象物３００の加工が行われた際に実軌跡取得部１３で取得された軌跡を示す加工時実軌跡の理想軌跡からのずれを示す加工時軌跡誤差を算出する。詳細には、学習部１４は、駆動条件に基づき、動作開始点から動作終了点までの最短の軌跡を示す理想軌跡を決定し、理想軌跡上の制御周期ごとの先端リンクの位置を決定する。そして、学習部１４は、理想軌跡が示す制御周期ごとのロボット１０の位置、具体的には、ロボット１０の先端リンクの位置である理想位置と加工時実軌跡が示す制御周期ごとのロボット１０の位置、具体的には、先端リンクの位置である実位置との距離を算出する。学習部１４は、距離が最大値となるときの、実位置の理想位置からのずれを加工時軌跡誤差として用いる。

　例えば、学習部１４は、基準軌跡決定部１２から図６に示す駆動条件テーブルの一行目のレコードが示す駆動条件と基準軌跡を取得すると、動作開始点ＳＰ１（０，０，０）から動作終了点ＥＰ１（１００，０，０）までの最短の軌跡である理想軌跡を算出する。この場合、理想軌跡は、図７に示す動作開始点ＳＰ１（０，０，０）から動作終了点ＥＰ１（１００，０，０）まで延び、Ｘ軸上に位置する線分である。そして、学習部１４は、理想軌跡が示す制御周期ごとの先端リンクの理想位置と加工時実軌跡ＡＴ１が示す制御周期ごとの先端リンクの実際の位置との距離を算出する。学習部１４は、図７に矢印ＥＲ１で示すように、この距離が最大値となるときの、実位置の理想位置からのずれを加工時軌跡誤差として用いる。図７の例では、実位置はＸＹ平面上で理想位置からＹ軸正方向にずれている。

　学習部１４はさらに、加工時軌跡誤差に反力を対応付ける。詳細には、学習部１４は、理想位置と実位置との距離が最大値となるときの加工時軌跡誤差と反力とを対応付ける。

　学習部１４は、上述の処理を図６に示す駆動条件テーブルに記憶されている全ての駆動条件について行う。学習部１４は、各駆動条件について加工時軌跡誤差の算出を行って、駆動条件、基準中間点、加工時軌跡誤差、および反力の対応を学習する。そして、学習部１４は、図８に示す誤差テーブルを生成し、学習済みデータ記憶部１５に記憶させる。図８の例では、加工時軌跡誤差は、ベクトルの成分として記憶されている。具体的には、加工時軌跡誤差は、理想位置を始点とし、実位置のずれを示すベクトルの成分で表されている。図８の例では、誤差テーブルに（Ｆｘ，Ｆｙ，Ｆｚ）で表される反力が記憶されている。

　全ての駆動条件について加工時軌跡誤差と反力の対応付けが完了すると、学習部１４は、基準中間点、加工時軌跡誤差、および反力の対応から加工時軌跡誤差を最小化する目標中間点を求め、駆動条件に応じて目標中間点を示す軌跡モデルを生成する。詳細には、学習部１４は、駆動条件ごとに、理想軌跡、基準目標点を通る基準軌跡、加工時軌跡誤差、および反力から、加工時軌跡誤差が最小となる目標中間点を求める。例えば、学習部１４は、反力に応じて、基準中間点の位置を調節し、調節した基準中間点を目標中間点とする。図８に示す誤差テーブルの一行目のレコードの例では、反力のＹ軸成分の大きさは、Ｘ軸成分およびＺ軸成分の大きさより大きい。そこで、学習部１４は、Ｙ軸正方向に加わる反力の影響を最小化するために、基準中間点をＹ軸負方向に調節し、調節した基準中間点を目標中間点とする。実施の形態１では、学習部１４は、軌跡モデルとして図９に示す目標中間点テーブルを生成し、学習済みデータ記憶部１５に記憶させる。

　上述の学習処理が終了した後に行われるロボット１０の制御処理である運用処理の動作の概要について、図１０を用いて説明する。例えば、制御装置１は、学習処理が終了した後に、図示しない操作部からの操作によってロボット１０の駆動条件を含む駆動指令が入力されると、図１０の運用処理を開始する。図１０の運用処理は、加工工具２００がフランジ１６０に取り付けられ、加工対象物３００に加工をしながら行われる。

　目標軌跡決定部１６は、駆動条件を含む駆動指令を取得すると、学習済みデータ記憶部１５から駆動指令が示す駆動条件に応じた目標中間点を取得する（ステップＳ２１）。そして、目標軌跡決定部１６は、駆動条件に基づき、ステップＳ２１で取得した目標中間点を通る目標軌跡を決定する（ステップＳ２２）。制御部１７は、ステップＳ２２で決定された目標軌跡に応じてロボット１０のモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御する（ステップＳ２３）。

　制御装置１が行う運用処理の詳細について以下に説明する。
　目標軌跡決定部１６は、駆動指令を取得すると、学習済みデータ記憶部１５に記憶されている目標中間点テーブルから駆動指令が示す駆動条件に応じた目標中間点を取得する。そして、目標軌跡決定部１６は、駆動条件が示す動作開始点から、目標中間点を通って、駆動条件が示す動作終了点に至る軌跡を示す目標軌跡を算出する。詳細には、目標軌跡決定部１６は、駆動条件が示す動作開始点、目標中間点、および駆動条件が示す動作終了点に基づくスプライン補間を行って、駆動条件が示す動作開始点から、目標中間点を通って、駆動条件が示す動作終了点に至る目標軌跡を決定する。目標軌跡は、制御周期ごとの先端リンクの目標位置を示す。

　例えば、目標軌跡決定部１６は、フランジ１６０の先端面１６０ａが、ロボット１０が固定されている平面に平行な状態で、フランジ１６０を動作開始点（０，０，０）から動作終了点（１００，０，０）まで目標速度Ｖ１で移動させる駆動条件を示す駆動指令を取得する。目標軌跡決定部１６は、取得した駆動条件に対応する図９に示す目標中間点テーブルの一行目のレコードが示す目標中間点（５０，－３．５，０）を取得する。この目標中間点（５０，－３．５，０）を図１１に目標中間点ＴＰ１として示す。そして、目標軌跡決定部１６は、動作開始点ＳＰ１（０，０，０）から目標中間点ＴＰ１（５０，－３．５，０）を通って動作終了点ＥＰ１（１００，０，０）に至る目標軌跡ＴＴ１を決定する。図１１に点線で示すように、目標軌跡ＴＴ１は、動作開始点ＳＰ１から目標中間点ＴＰ１を通って動作終了点ＥＰ１に至る滑らかな曲線であって、ＸＹ平面においてＹ軸負方向に突出する曲線で示される。上述のように目標軌跡を決定すると、目標軌跡決定部１６は、駆動条件および算出した目標軌跡を、制御部１７に送る。

　図３に示す制御部１７は、目標軌跡決定部１６から取得した目標軌跡に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６への制御指令を生成し、制御指令をモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６に送信する。この結果、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６が制御指令に従って回転し、第１アーム１１０、第２アーム１２０、第３アーム１３０、第４アーム１４０、第５アーム１５０およびフランジ１６０が回転する。これにより、先端リンクであるフランジ１６０が移動する。加工工具２００が取り付けられたフランジ１６０が移動することで、加工工具２００による加工対象物３００の加工が行われる。加工時軌跡誤差を最小化する目標軌跡に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御することで、図１１に示すように、加工時の先端リンクの実軌跡ＡＴ１’が理想軌跡に近づく。

　以上説明したとおり、実施の形態１に係る制御装置１は、基準中間点と加工時軌跡誤差との対応を学習し、さらに反力に基づいて、加工時軌跡誤差を最小化する目標中間点を駆動条件に応じて示す軌跡モデルを生成する。制御装置１が目標中間点を通る目標軌跡に応じてロボット１０を制御することで、加工対象物３００の加工が行われる。目標軌跡は、反力に応じて調節されるため、加工時の実軌跡が理想軌跡に近づき、加工時の制御装置１によるロボット１０の制御精度は高くなる。

　（実施の形態２）
　ロボット１０の制御方法は、実施の形態１の例に限られず、加工時の反力を考慮する方法であれば任意である。加工時のロボット１０の制御精度を高めるために、反力の変動の原因となる加工対象物３００についての情報に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御する制御装置２について、実施の形態１に係る制御装置１と異なる点を中心に実施の形態２で説明する。加工対象物３００についての情報は、加工対象物３００の重量、形状、材質等を含む。

　図１２に示す実施の形態２に係るロボットシステム１０１は、制御装置２と、ロボット１０と、を備える。制御装置２は、加工対象物３００についての情報を取得する加工対象物特定部１９と、加工対象物特定部１９が取得した加工対象物３００についての情報を学習し、目標中間点を駆動条件および加工対象物３００についての情報に応じて示す軌跡モデルを生成する学習部２０と、駆動条件を含む駆動指令および加工対象物３００についての情報に基づき、目標中間点を通る目標軌跡を決定する目標軌跡決定部２１と、を備える。ロボット１０は、実施の形態１と異なり、力覚センサ１９０を備えない。

　制御装置２がロボット１０の制御を行うことで、実施の形態１と同様に、加工工具２００によって加工対象物３００のバリ３１０を取り除くバリ取りが行われる。加工対象物３００は、例えば、ウレタン発泡断熱材である。加工対象物３００の成形時に、バリ３１０が生じる。ウレタン発泡断熱材で加工対象物３００が形成されていると、バリ３１０の厚み、長さ等の形状が変動する。バリ３１０の厚みは、図２の例に示す棒状の加工工具２００の延伸方向、すなわち、Ｚ軸方向のバリ３１０の厚みである。バリ３１０の長さは、図２の例に示す加工工具２００の移動方向、すなわち、Ｘ軸方向のバリ３１０の長さである。バリ３１０の形状が変動することで、加工時にフランジ１６０が受ける力である反力が変動し、加工時軌跡誤差が変動する。そこで、制御装置２は、駆動条件およびバリ３１０の形状に応じた目標中間点を通る目標軌跡に応じてロボット１０を制御する。この結果、バリ３１０の形状が変動しても、加工時のロボット１０の制御精度を向上させることができる。

　図１２に示す加工対象物特定部１９は、加工対象物３００の画像データを生成する撮影装置１９１と、撮影装置１９１が生成した画像データから加工対象物３００の形状を決定する形状決定部１９２と、を有する。

　実施の形態２では、加工対象物特定部１９は、加工対象物３００のバリ３１０の形状を取得し、取得したバリ３１０の形状を学習部２０に送る。バリ３１０の形状は、加工工具２００の延伸方向、すなわち、Ｚ軸方向のバリ３１０の厚みの最小値、最大値、および平均値の少なくともいずれかを含む。以下の説明では、加工対象物特定部１９は、Ｚ軸方向のバリ３１０の厚みの最大値を取得するものとする。

　学習部２０は、加工対象物特定部１９からバリ３１０の形状を取得すると、加工時軌跡誤差と対応付ける。そして、学習部２０は、加工時軌跡誤差およびＺ軸方向のバリ３１０の厚みの最大値を対応付け、駆動条件およびバリ３１０の厚みに応じて加工時軌跡誤差を最小化する目標中間点を求める。

　目標軌跡決定部２１は、駆動条件を含む駆動指令を取得すると、加工対象物特定部１９からバリ３１０の形状を取得する。そして、目標軌跡決定部２１は、学習済みデータ記憶部１５から駆動指令が示す駆動条件およびバリ３１０の形状に応じた目標中間点を取得する。目標中間点を取得すると、駆動条件に基づき、目標軌跡決定部２１は目標中間点を通る目標軌跡を算出する。

　制御装置２のハードウェア構成は、図４に示す制御装置１のハードウェア構成と同様である。制御装置２は、インターフェース３３を介して、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６およびエンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６に接続される。

　上記構成を有する制御装置２が行う学習処理について図１３を用いて説明する。制御装置１と同様に、例えば、ロボット１０の設置後に、制御装置２が初めて動作を開始する際に、制御装置２は図１３の学習処理を開始する。図１３の学習処理は、加工工具２００がフランジ１６０に取り付けられ、加工対象物３００に加工をしながら行われる。換言すれば、制御装置２が駆動条件ごとの加工時軌跡誤差を得るために、加工対象物３００の加工が行われる。

　加工対象物特定部１９は、加工対象物３００についての情報を取得する（ステップＳ３１）。例えば、加工対象物特定部１９は、加工対象物３００のバリ３１０の形状を取得する。詳細には、撮影装置１９１は、加工対象物３００の周囲に設けられる複数のカメラを有し、複数のカメラで加工対象物３００を撮影することで、加工対象物３００の画像データを生成する。形状決定部１９２は、画像データから加工対象物３００のバリ３１０の形状を決定する。例えば、外面の位置が急激に変化している部分をバリ３１０とみなすことができる。形状決定部１９２で算出された加工対象物３００のバリ３１０の形状は、学習部２０に送られる。後続のステップＳ１１からＳ１２までの処理は、図５に示す制御装置１が行う処理と同様である。

　制御部１７は、ステップＳ１２で決定された基準軌跡に応じてロボット１０のモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御し、実軌跡取得部１３は、エンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６から取得したモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置に基づいて、基準軌跡に応じて制御されたロボット１０の軌跡を取得する（ステップＳ３２）。学習部２０は、ステップＳ３２で取得された軌跡のステップＳ１１で取得された駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を算出し、加工時軌跡誤差とステップＳ３１で取得された加工対象物３００についての情報を対応付ける（ステップＳ３３）。学習部２０は、図１４に示す誤差テーブルを生成し、学習済みデータ記憶部１５に記憶させる。図１４の例では、バリ３１０の厚みの最大値が、記憶されている。

　駆動条件記憶部１１に記憶されている各駆動条件について所定回数の対応付けが完了していない間は（ステップＳ３４；Ｎｏ）、上述の処理が繰り返される。所定回数とは、軌跡モデルを生成するためのデータを取得することが可能となる回数である。加工対象物３００のバリ３１０の形状は、変動するため、各駆動条件について上述の処理を繰り返すことで、図１４に示すようにバリ３１０の変動に応じて変動する加工時軌跡誤差のデータを取得することができる。例えば、上述の処理を行った結果、図１４に示すように、各駆動条件について、バリ３１０の厚みごとの加工時軌跡誤差を示す誤差テーブルが得られる。

　駆動条件記憶部１１に記憶されている各駆動条件について所定回数の対応付けが完了すると（ステップＳ３４；Ｙｅｓ）、学習部２０は、加工時軌跡誤差を最小化する目標中間点を求め、駆動条件および加工対象物３００についての情報に応じて目標中間点を示す軌跡モデルを生成する（ステップＳ３５）。

　詳細には、学習部２０は、バリ３１０の厚みに応じて加工時目標中間点を示す軌跡モデルを生成し、学習済みデータ記憶部１５に記憶させる。例えば、学習部２０は、多次元関数フィッティングまたはニューラルネットワークモデルに従って、教師あり学習を行って、軌跡モデルを生成する。教師あり学習とは、入力と結果のデータセットを大量に学習装置に与えることで、学習装置が大量のデータセットにある特徴を学習し、入力から結果を推定するモデルを生成することを意味する。例えば、学習部２０は、駆動条件、基準中間点、およびバリ３１０の厚みを入力データとし、加工時軌跡誤差を結果データとして学習を行い、軌跡モデルを生成する。生成された軌跡モデルを利用して、加工時軌跡誤差を最小化する目標中間点を得ることが可能となる。

　機械学習においては、過学習により推定精度が低下することが知られているため、いずれの学習モデルを使用する場合でも、過学習を抑制することが好ましい。過学習を抑制する方法としては、例えば、学習するデータを正規化する方法、学習モデル内のパラメータ数を少なくする方法等がある。一例として、多次元関数フィッティングを行う際には、関数の次元数を制限、例えば、５次以下に制限することが好ましい。他の一例として、ニューラルネットワークモデルにおいて、中間層の数を制限、例えば、１０層以下に制限することが好ましい。また、ニューラルネットワークモデルにおいては、学習モデルの特定のレイヤーの出力を学習時にランダムに０としてもよい。さらに、上述の方式を組み合わせることで、過学習を抑制してもよい。

　ステップＳ３５の処理が完了すると、制御装置２は学習処理を終了する。上述の学習処理が終了した後に行われる運用処理の動作について、図１５を用いて説明する。例えば、制御装置２は、学習処理が終了した後に、図示しない操作部からの操作によってロボット１０の駆動条件を含む駆動指令が入力されると、図１５の運用処理を開始する。

　目標軌跡決定部１６は、駆動条件を含む駆動指令を取得すると、加工対象物特定部１９から加工対象物３００についての情報、例えば、加工対象物３００のバリ３１０の厚みを取得する（ステップＳ２４）。目標軌跡決定部１６は、学習済みデータ記憶部１５から、ステップＳ２４で取得した駆動指令が示す駆動条件およびステップＳ２４で取得したバリ３１０の厚みに応じた目標中間点を取得する（ステップＳ２５）。バリ３１０の厚みが一致するものがなければ、バリ３１０の厚みの値が近いデータに基づいて補間処理を行って、目標中間点を取得すればよい。

　ステップＳ２２，Ｓ２３の処理は、図１０に示す実施の形態１に係る制御装置１が行う処理と同様である。

　以上説明したとおり、実施の形態２に係る制御装置２は、基準中間点、加工時軌跡誤差および加工対象物３００についての情報の対応を学習して、加工時軌跡誤差を最小化する目標中間点を求め、駆動条件および加工対象物３００についての情報に応じて目標中間点を示す軌跡モデルを生成する。制御装置２が目標中間点を通る目標軌跡に応じてロボット１０を制御することで、加工対象物３００の加工が行われる。目標軌跡は、加工対象物３００についての情報、例えば、加工対象物３００のバリ３１０の厚みに応じて調節されるため、加工時の実軌跡が理想軌跡に近づき、加工時の制御装置２によるロボット１０の制御精度は高くなる。

　（実施の形態３）
　加工時の反力を考慮したロボット１０の制御は、上述の実施の形態に限られず、上述の実施の形態を組み合わせた方法でロボット１０を制御してもよい。加工時の反力および加工対象物３００についての情報に応じてロボット１０を制御する制御装置３について、実施の形態１，２と異なる点を中心に、実施の形態３で説明する。

　図１６に示す実施の形態３に係るロボットシステム１０２は、制御装置３と、ロボット１０と、を備える。制御装置３は、実施の形態１に係る制御装置１の構成に加えて、加工対象物３００についての情報を取得する加工対象物特定部１９を備える。制御装置３は、加工時軌跡誤差、反力、および加工対象物特定部１９が取得した加工対象物３００についての情報の対応を学習して、加工時軌跡誤差を最小化する目標中間点を求め、駆動条件および加工対象物３００についての情報に応じて目標中間点を示す軌跡モデルを生成する学習部２２を備える。制御装置３では、制御部１７は、反力取得部１８から反力を取得する。

　制御装置３のハードウェア構成は、図４に示す制御装置１のハードウェア構成と同様である。制御装置３は、インターフェース３３を介して、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６、エンコーダＥ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６、および力覚センサ１９０に接続される。

　上記構成を有する制御装置３が行う学習処理について図１７を用いて説明する。制御装置１と同様に、例えば、ロボット１０の設置後に、制御装置３が初めて動作を開始する際に、制御装置３は図１７の学習処理を開始する。ステップＳ３１の処理は、図１３に示す制御装置２が行う処理と同様である。ステップＳ１１からＳ１３の処理は、図５に示す制御装置１が行う処理と同様である。

　ただし、ステップＳ１３において、制御部１７は、反力が増大すると、基準軌跡が示す位置を加工対象物３００から遠い位置に調節して、調節した基準軌跡に応じてモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を制御する。これにより、大きな反力によって先端リンクの軌跡が理想軌跡から大きくずれることが抑制される。

　学習部２２は、実施の形態１と同様に、ステップＳ１１で取得された駆動条件に基づく理想軌跡とステップＳ１４で測定された実軌跡との差分を示す加工時軌跡誤差を算出し、加工時軌跡誤差とステップＳ１４で算出された反力とステップＳ３１で取得された加工対象物３００についての情報を対応付ける（ステップＳ３６）。詳細には、学習部２２は、理想軌跡上の制御周期ごとの先端リンクの理想位置と加工時実軌跡が示す制御周期ごとの先端リンクの実際の位置との距離が最大値となるときの加工時軌跡誤差と反力とを対応付ける。学習部２２は、図１８に示す誤差テーブルを生成し、学習済みデータ記憶部１５に記憶させる。図１８の例では、誤差テーブルに（Ｆｘ，Ｆｙ，Ｆｚ）で表される反力が記憶されている。図１８の例では、バリ３１０の厚みの最大値が、記憶されている。

　図１７に示すように、駆動条件記憶部１１に記憶されている各駆動条件について所定回数の対応付けが完了していない間は（ステップＳ３４；Ｎｏ）、上述の処理が繰り返される。所定回数とは、軌跡モデルを生成するためのデータを取得することが可能となる回数である。

　駆動条件記憶部１１に記憶されている各駆動条件について所定回数の対応付けが完了すると（ステップＳ３４；Ｙｅｓ）、学習部２０は、加工時軌跡誤差を最小化する目標中間点を駆動条件および加工対象物３００についての情報に応じて示す軌跡モデルを生成する（ステップＳ３７）。

　詳細には、学習部２２は、バリ３１０の厚みに応じて加工時目標中間点を示す軌跡モデルを生成し、学習済みデータ記憶部１５に記憶させる。例えば、学習部２２は、ニューラルネットワークモデルに従って、教師あり学習を行って、軌跡モデルを生成する。詳細には、学習部２２は、駆動条件、基準中間点、反力およびバリ３１０の厚みを入力データとし、加工時軌跡誤差を結果データとして学習を行い、軌跡モデルを生成する。生成された軌跡モデルを利用して、加工時軌跡誤差を最小化する目標中間点を決定することが可能となる。過学習を抑制するため、軌跡モデルは、１０個未満の中間層を有することが好ましい。

　ステップＳ３７の処理が完了すると、制御装置３は学習処理を終了する。上述の学習処理が終了した後に行われる運用処理は、図１５に示す制御装置２が行う処理と同様である。

　以上説明したとおり、実施の形態３に係る制御装置３は、基準中間点、加工時軌跡誤差、反力および加工対象物３００についての情報の対応を学習し、加工時軌跡誤差を最小化する目標中間点を求めて、加工時軌跡誤差を最小化する目標中間点を駆動条件および加工対象物３００についての情報に応じて示す軌跡モデルを生成する。制御装置３が目標中間点を通る目標軌跡に応じてロボット１０を制御することで、加工対象物３００の加工が行われる。目標軌跡は、加工対象物３００についての情報、例えば、加工対象物３００のバリ３１０の厚みに応じて調節されるため、加工時の実軌跡が理想軌跡に近づき、加工時の制御装置３によるロボット１０の制御精度は高くなる。

　加工対象物３００についての情報は、上述の例に限られず、反力の変動の要因となる加工対象物３００についての情報であれば任意である。一例として、加工対象物特定部１９は、加工工具２００の移動方向、上述の例ではＸ軸方向のバリ３１０の長さの最小値、最大値、または平均値でもよい。

　（実施の形態４）
　ロボット１０の軌跡を取得する方法は、上述の例に限られない。ロボット１０と、実施の形態１とは異なる方法でロボット１０の軌跡を取得する制御装置４と、を備えるロボットシステム１０３について、実施の形態１に係るロボットシステム１００と異なる点を中心に説明する。

　図１９に示す制御装置４は、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置によらずロボット１０の軌跡を取得する実軌跡取得部２３を備える。実軌跡取得部２３は、ロボット１０の軌跡を測定する測定器、例えば、三次元測定器を有し、測定器の測定値に応じてロボット１０の軌跡を取得する。三次元測定器は、ロボット１０の先端リンクの移動範囲にレーザー光を照射し、ロボット１０の先端リンクで反射されたレーザー光を受信することで、ロボット１０の先端リンクの位置を取得する。

　実施の形態４では、実軌跡取得部２３は、上述の処理を制御周期ごとに行って、制御周期ごとのＸＹＺ直交座標系における先端リンクの実際の位置である実位置を示す実軌跡を算出する。そして、実軌跡取得部２３は、実軌跡を学習部１４に送る。

　制御装置４のハードウェア構成は、図４に示す制御装置１と同様である。
　上記構成を有する制御装置４が行う学習処理は、先端リンクの軌跡の取得方法を除いて、制御装置１と同様である。制御装置４が行う運用処理は、制御装置１と同様である。

　以上説明した通り、実施の形態４に係る制御装置４は、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６の回転位置によらずロボット１０の軌跡を取得するため、取得した実軌跡にロボット１０の機械的剛性に起因する誤差が含まれず、実軌跡の精度が向上する。

　本開示は、上述の実施の形態に限られない。
　駆動条件は、上述の例に限られない。一例として、駆動条件は、加工対象物３００についての情報をさらに含むものでもよい。具体的には、駆動条件は、先端リンクの動作開始点、動作終了点、速度、および姿勢、ならびに加工対象物３００の重量を含むものでもよい。学習部１４は、外部装置、例えば加工対象物３００の重量を測定する重量センサから測定値を取得すればよい。詳細には、制御装置１－４は、重量センサから測定値を取得し、駆動条件記憶部１１に記憶されている駆動条件に従ってロボット１０を制御し、駆動条件および重量センサの測定値に対応する加工時軌跡誤差を算出して、基準中間点と重量センサの測定値と加工時軌跡誤差の対応を学習して、加工時軌跡誤差を最小化する目標中間点を求め、駆動条件および加工対象物３００の重量に応じて目標中間点を示す軌跡モデルを生成する。この結果、学習部１４は、図２０に示すように、先端リンクの動作開始点、動作終了点、速度、および姿勢、ならびに加工対象物３００の重量を含む駆動条件と目標中間点とを対応付ける目標中間点テーブルを生成する。

　運用時において、目標軌跡決定部１６は、駆動指令を取得すると、学習済みデータ記憶部１５から、駆動指令が示す先端リンクの動作開始点、動作終了点、速度、および姿勢と重量センサの測定値に応じた目標中間点を取得する。そして、目標軌跡決定部１６は、駆動指令が示す先端リンクの動作開始点、動作終了点、速度、および姿勢に基づき、目標中間点を通る目標軌跡を決定する。加工対象物３００の重量に応じた目標軌跡に基づいてロボット１０が制御されることで、ロボット１０の制御精度が向上する。

　他の一例として、駆動条件は、先端リンクの動作開始点、動作終了点、動作開始点から動作終了点に至るまでに要する時間および姿勢を含むものでもよい。
　上述の実施の形態では、駆動条件は平面での直線的な移動を指示しているが、駆動条件は、三次元での移動、曲線的な移動等を指示してもよい。

　上述の実施の形態では、駆動条件記憶部１１に記憶されている駆動条件テーブルの１つのレコードには、１つの基準中間点が記憶されているが、駆動条件テーブルの１つのレコードに複数の基準中間点が記憶されてもよい。この場合、基準軌跡決定部１２は、同じレコードに記憶されている複数の基準中間点を通る基準軌跡を決定すればよい。

　駆動条件記憶部１１および学習済みデータ記憶部１５は、制御装置１－４の外部に設けられてもよい。一例として、駆動条件記憶部１１および学習済みデータ記憶部１５は、ネットワーク上の記憶装置の機能として実現されてもよい。

　基準軌跡、理想軌跡、および目標軌跡の決定方法は、上述の例に限られない。詳細には、実施の形態１において基準軌跡決定部１２が決定する基準軌跡ＲＴ１は、動作開始点ＳＰ１から基準中間点ＲＰ１を通って動作終了点ＥＰ１に至る滑らかな曲線であって、ＸＹ平面においてＹ軸負方向に突出する曲線で示されるが、基準軌跡ＲＴ１はこのような曲線に限られず、複数の方向に突出する曲線で示されてもよい。一例として、基準軌跡ＲＴ１は、動作開始点ＳＰ１から動作終了点ＥＰ１に至るまでにＹ軸負方向に突出し、かつ、動作開始点ＳＰ１および動作終了点ＥＰ１の付近でＸＹ平面においてＹ軸正方向に突出する曲線でも示されてもよい。

　他の一例として、基準軌跡決定部１２は、駆動条件が示す動作開始点と基準中間点を線形補間し、基準中間点と駆動条件が示す動作終了点を線形補間することで、基準軌跡を算出してもよい。基準軌跡が線形補間により算出されても、制御部１７がモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を滑らかに回転させる制御を行うことで、先端リンクは滑らかに移動し、実軌跡は滑らかな曲線となる。

　他の一例として、基準軌跡決定部１２は、動作開始点、基準中間点、および動作終了点と制御周期ごとの先端リンクの基準位置とが対応付けられている図示しないテーブルを用いて、基準軌跡を決定してもよい。

　理想軌跡および目標軌跡についても、上述の基準軌跡の決定方法と同様の方法によって、決定することが可能である。

　実施の形態１では、ロボット１０を直線的に動かすため、理想軌跡が直線であるが、理想軌跡はロボット１０の動かし方に応じて定められればよく、直線に限られない。具体的には、理想軌跡は、円弧、曲線、または直線、円弧、および曲線の組合せでもよい。

　実施の形態１において目標軌跡決定部１６が決定する目標軌跡ＴＴ１は、動作開始点ＳＰ１から目標中間点ＴＰ１を通って動作終了点ＥＰ１に至る滑らかな曲線であって、ＸＹ平面においてＹ軸負方向に突出する曲線で示されるが、目標軌跡ＴＴ１はこのような曲線に限られない。一例として、目標軌跡ＴＴ１は、動作開始点ＳＰ１から動作終了点ＥＰ１に至るまでにＹ軸負方向に突出し、かつ、動作開始点ＳＰ１および動作終了点ＥＰ１の付近でＸＹ平面においてＹ軸正方向に突出する曲線で示されてもよい。

　他の一例として、目標軌跡決定部１６は、駆動条件が示す動作開始点と目標中間点を線形補間し、目標中間点と駆動条件が示す動作終了点を線形補間することで、目標軌跡を決定してもよい。目標軌跡が線形補間により決定されても、制御部１７がモータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６を滑らかに回転させる制御を行うことで、先端リンクは滑らかに移動し、実軌跡は滑らかな曲線となる。

　目標中間点の決定方法は、上述の例に限られない。一例として、学習部１４は、線形回帰、曲線回帰、多項式回帰、多次元関数フィッティング等を用いて、目標中間点を決定してもよい。例えば、学習部１４は、基準中間点のＸＹＺ各座標成分を独立変数し、加工時軌跡誤差を目的関数として多次元関数フィッティングを行って、目標中間点を決定してもよい。

　学習部１４は、理想軌跡が示す制御周期ごとの先端リンクの位置である理想位置と実軌跡が示す制御周期ごとの先端リンクの位置である実位置との距離を算出し、距離が極大値となるときの実位置の理想位置からのずれを軌跡誤差として用いてもよい。この場合、学習部１４は、図２１に示すように、複数の加工時軌跡誤差を誤差テーブルに記憶してもよい。そして、学習部１４は、加工時軌跡誤差として記憶されている極大値に基づいて、目標中間点を算出すればよい。学習部２０，２２についても同様である。

　学習部１４は、軌跡誤差に対応する先端リンクの実際の位置を誤差テーブルに記憶してもよい。例えば、学習部１４は、制御周期ごとの先端リンクの理想位置と実軌跡が示す制御周期ごとの先端リンクの実際の位置との距離の極大値を加工時軌跡誤差として用いる際には、図２２に示すように、距離が極大値となるときの先端リンクの実際の位置である実位置を誤差テーブルに記憶してもよい。そして、学習部１４は、加工時軌跡誤差として記憶されている極大値および極大値に対応する先端リンクの実際の位置に基づいて、目標中間点を算出すればよい。学習部２０，２２についても同様である。

　学習部１４は、図２３に示すように、距離が極大値となるときの反力を誤差テーブルに記憶してもよい。そして、学習部１４は、加工時軌跡誤差として記憶されている極大値および極大値に対応する反力に基づいて、目標中間点を算出すればよい。

　学習部１４，２０，２２は、学習処理が完了した後に行う運用処理に並行して学習処理を再度行ってもよい。詳細には、学習部１４，２０，２２は、運用処理の際に、目標軌跡決定部１６が取得した駆動指令が示す駆動条件に応じた理想軌跡と実軌跡取得部１３が取得した実軌跡との差分を示す軌跡誤差を算出し、加工時軌跡誤差を得る。運用処理時と並行して学習処理を行うことで、軌跡誤差を最小化する目標中間点の精度が向上し、結果としてロボット１０の制御精度が向上する。

　学習部１４，２０，２２は、軌跡誤差として、先端リンクの実位置の理想位置からのずれの絶対値、平均値、中央値を用いて、目標中間点を決定してもよい。

　加工対象物特定部１９は、加工対象物３００についての情報を取得するものであれば、任意である。一例として、撮影装置１９１は、三次元カメラでもよいし、二次元カメラでもよい。他の一例として、加工対象物特定部１９は、ロボット１０に取り付けられて、加工対象物３００の形状を測定するレーザースキャナを有してもよい。

　加工対象物特定部１９によるバリ３１０の形状の決定方法は上述の例に限られない。一例として、加工対象物特定部１９が有する形状決定部１９２は、撮影装置１９１が生成した画像データと設計データとを比較して、画像データと設計データとが一致しない部分をバリ３１０と判定してもよい。

　制御装置１－４が行う学習処理を、他の装置の機能としてもよい。一例として、実施の形態１に係る制御装置１の機能を、ロボット１０の制御を行う制御装置５と軌跡モデルを生成する学習装置６によって実現する例を図２４に示す。図２４に示すロボットシステム１０４は、ロボット１０と、ロボット１０を制御する制御装置５と、ロボット１０を制御するための軌跡モデルを生成する学習装置６と、を備える。

　学習装置６は、駆動条件記憶部１１と、基準軌跡決定部１２と、実軌跡取得部１３と、学習部１４と、学習済みデータ記憶部１５と、反力取得部１８と、を備える。学習装置６の各部の機能は制御装置１の対応する各部の機能と同様である。制御装置５は、目標軌跡決定部１６と、制御部１７と、を備える。制御装置５の各部の機能は制御装置１の対応する各部の機能と同様である。制御装置５が備える目標軌跡決定部１６は、学習装置６が備える学習済みデータ記憶部１５から軌跡モデルを取得すればよい。制御装置５が備える制御部１７は、学習装置６が備える基準軌跡決定部１２から取得した基準軌跡または目標軌跡決定部１６で算出した目標軌跡に応じてロボット１０を制御する。学習済みデータ記憶部１５は、制御装置５および学習装置６からアクセス可能な独立した記憶装置としてもよい。同様に、制御装置２，３の機能を、制御装置５と学習装置６によって実現することができる。

　他の一例として、図２４に示すロボットシステム１０４において、学習装置６が備える学習部１４の機能の内、軌跡モデルを生成する処理を制御装置５にもたせてもよい。この場合、学習装置６は、駆動条件に応じた基準中間点ごとに加工時軌跡誤差を算出して、加工時軌跡誤差を学習済みデータ記憶部１５に記憶すればよい。制御装置５は、学習装置６が予め学習したデータ、具体的には、学習済みデータ記憶部１５に記憶されている加工時軌跡誤差を取得し、保持すればよい。そして、制御装置５は、加工時軌跡誤差を最小化する目標中間点を駆動条件ごとに示す軌跡モデルを生成すればよい。

　制御装置１－５の制御対象であるロボット１０の軌跡は、先端リンクの軌跡に限られず、ロボット１０またはロボット１０に取り付けられる加工工具２００の内、任意の部位の軌跡である。

　実軌跡取得部２３による先端リンクの軌跡の取得方法は、上述の例に限られない。一例として、実軌跡取得部２３は、測定器として複数のカメラを有する。実軌跡取得部２３は、複数のカメラによって、ロボット１０の先端リンクの移動範囲を撮影し、複数のカメラで撮影された画像からロボット１０の先端リンクの位置を決定してもよい。

　他の一例として、実軌跡取得部２３は、測定器としてロボット１０の先端リンクに取り付けられた加速度センサを有する。実軌跡取得部２３は、加速度センサの測定値に基づいてロボット１０の先端リンクの位置を決定してもよい。

　実軌跡取得部２３は、制御周期とは独立した取得周期ごとに、ロボット１０の先端リンクの位置を測定してもよい。この場合、学習部１４は、取得周期ごとロボット１０の先端リンクの位置を補間して、制御周期ごとのロボット１０の先端リンクの位置を決定し、理想位置と比較すればよい。詳細には、学習部１４は、線形補間、多項式補間等を用いて補間処理を行う。

　制御部１７は、上述の実軌跡取得部２３で取得されたロボット１０の先端リンクの位置に応じて、モータＭ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６をフィードバック制御してもよい。

　その他、上述のハードウェア構成およびフローチャートは一例であり、任意に変更および修正が可能である。一例として、制御装置１－４および学習装置６は、図示しない操作部の操作に応じて、学習処理を開始してもよい。

　上述の実施の形態では、実際にロボット１０を動作させて軌跡誤差を求めるが、学習処理をシミュレーションによって行ってもよい。

　上述の動作を実行するためのコンピュータプログラムを、フレキシブルディスク、ＣＤ－ＲＯＭ（Compact Disc - Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc - Read Only Memory）などのコンピュータが読み取り可能な記録媒体に格納して配布し、当該コンピュータプログラムをコンピュータにインストールすることにより、上述の動作を実行する制御装置１－５および学習装置６を実現してもよい。あるいは、専用のシステムによって、上述の動作を実行する制御装置１－５および学習装置６を実現してもよい。上記コンピュータプログラムは、搬送波に重畳されて通信ネットワークを介して提供されてもよい。

　ロボット１０は、上述の例に限られず、任意である。一例として、制御装置１－５は、図２５に示す水平多関節ロボットであるロボット４０を制御してもよい。ロボット４０は、第１アーム４１０と、第２アーム４２０と、第３アーム４３０と、ベース４４０と、を備える。第１アーム４１０は、Ｚ軸に平行な回転軸ＡＸ１周りに回転可能な状態でベース４４０に取り付けられる。第２アーム４２０は、第１アーム４１０に連結され、Ｚ軸に平行な回転軸ＡＸ２周りに回転可能である。第３アーム４３０は、第２アーム４２０に連結され、Ｚ軸に平行な回転軸ＡＸ３周りに回転可能である。さらに第３アーム４３０は、回転軸ＡＸ３に沿う方向に伸縮可能である。ベース４４０は、平面に固定されて、第１アーム４１０を支持する。第３アーム４３０に加工工具２００を取り付けることが可能である。制御装置１－５は、ロボット４０が備える図示しないモータを制御することで、第３アーム４３０の先端である先端リンクの位置を制御すればよい。

　他の一例として、制御装置１－５は、図２６に示す複数の軸を有するロボットであるロボット５０を制御してもよい。ロボット５０は、第１アーム５１０と、第２アーム５２０と、ベース５３０と、を備える。第１アーム５１０は、Ｘ軸方向に移動可能な状態でベース５３０に取り付けられる。第２アーム５２０は、第１アーム５１０に連結され、Ｙ軸方向に移動可能である。ベース５３０は、平面に固定されて、第１アーム５１０を支持する。第２アーム５２０には、加工工具２００が取り付けられている。図２６の例では、第２アーム５２０は印刷ヘッドであって、液体吐出部および吐出ノズルを有する加工工具２００によって、ベース５３０上に設置されたステージ５４０上の基板に電極を形成する。詳細には、加工工具２００の先端は、ステージ５４０上をＸ軸方向およびＹ軸方向に移動可能である。制御装置１－５は、ロボット５０が備える図示しないモータを制御することで、第２アーム５２０の先端である先端リンクの位置を制御すればよい。

　上述の例では、ロボット１０，４０，５０の先端リンクの位置は、ＸＹＺ直交座標系で定義されたが、円筒座標系で定義されてもよい。

　本開示は、本開示の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この開示を説明するためのものであり、本開示の範囲を限定するものではない。すなわち、本開示の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の開示の意義の範囲内で施される様々な変形が、この開示の範囲内とみなされる。

　本出願は、２０２１年２月１８日に出願された、日本国特許出願特願２０２１－２３８４８号に基づく。本明細書中に日本国特許出願特願２０２１－２３８４８号の明細書、特許請求の範囲、図面全体を参照として取り込むものとする。

　１，２，３，４，５　制御装置、６　学習装置、１０，４０，５０　ロボット、１１　駆動条件記憶部、１２　基準軌跡決定部、１３，２３　実軌跡取得部、１４，２０，２２　学習部、１５　学習済みデータ記憶部、１６，２１　目標軌跡決定部、１７　制御部、１８　反力取得部、１９　加工対象物特定部、３１　プロセッサ、３２　メモリ、３３　インターフェース、３４　バス、１００，１０１，１０２，１０３，１０４　ロボットシステム、１１０，４１０，５１０　第１アーム、１２０，４２０，５２０　第２アーム、１３０，４３０　第３アーム、１４０　第４アーム、１５０　第５アーム、１６０　フランジ、１６０ａ　先端面、１７０，４４０，５３０　ベース、１８０　固定部、１９０　力覚センサ、１９１　撮影装置、１９２　形状決定部、２００　加工工具、３００　加工対象物、３１０　バリ、５４０　ステージ、ＡＴ０，ＡＴ１，ＡＴ１’　実軌跡、ＡＸ１，ＡＸ２，ＡＸ３，ＡＸ４，ＡＸ５，ＡＸ６　回転軸、Ｅ１，Ｅ２，Ｅ３，Ｅ４，Ｅ５，Ｅ６　エンコーダ、ＥＰ１　動作終了点、ＥＲ１，ＥＲ２　軌跡誤差、Ｍ１，Ｍ２，Ｍ３，Ｍ４，Ｍ５，Ｍ６　モータ、ＲＰ１　基準中間点、ＲＴ１　基準軌跡、ＳＰ１　動作開始点、ＴＰ１　目標中間点、ＴＴ１　目標軌跡。

Claims (19)

1. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御する制御装置であって、
   　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に、前記動作開始点から前記動作終了点に至るまでに前記ロボットが通る位置を示す基準中間点を対応付けて記憶している駆動条件記憶部と、
   　前記駆動条件記憶部から前記基準中間点を取得し、取得した前記基準中間点について、前記駆動条件に基づき、該基準中間点を通る基準軌跡を決定する基準軌跡決定部と、
   　前記ロボットの実際の軌跡を取得する実軌跡取得部と、
   　前記基準軌跡に応じて前記ロボットを制御することで前記加工対象物の加工を行う場合に前記実軌跡取得部で取得された加工時実軌跡の前記駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を取得された前記基準中間点について求め、前記基準中間点と前記加工時軌跡誤差との対応を学習して、前記加工時軌跡誤差を最小化する目標中間点を前記駆動条件に応じて示す軌跡モデルを生成する学習部と、
   　前記軌跡モデルから得られる前記目標中間点を通る目標軌跡を決定する目標軌跡決定部と、
   　前記基準軌跡または前記目標軌跡に応じて前記ロボットを制御する制御部と、
   　を備える制御装置。
2. 　前記実軌跡取得部は、前記ロボットの軌跡を測定する測定器を有し、前記測定器の測定値に応じて前記ロボットの前記軌跡を取得する、
   　請求項１に記載の制御装置。
3. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御する制御装置であって、
   　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に対応づけられていて、前記動作開始点から前記動作終了点に至るまでに前記ロボットが通る位置を示す基準中間点を用いて、前記加工対象物の加工が行われる場合の前記基準中間点を通る基準軌跡に応じて制御された前記ロボットの実際の軌跡を示す加工時実軌跡の前記駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を求め、前記基準中間点と前記加工時軌跡誤差との対応を学習して、前記加工時軌跡誤差を最小化する目標中間点を前記駆動条件に応じて示す軌跡モデルを生成する学習部と、
   　前記軌跡モデルから得られる前記目標中間点を通る目標軌跡を決定する目標軌跡決定部と、
   　前記目標軌跡に応じて前記ロボットを制御する制御部と、
   　を備える制御装置。
4. 　前記加工工具による加工の際に前記加工対象物から前記ロボットが受ける力である反力を取得する反力取得部をさらに備え、
   　前記学習部は、前記基準中間点、前記加工時軌跡誤差、および前記加工時軌跡誤差が生じる場合の前記反力の対応を学習して、前記軌跡モデルを生成する、
   　請求項１から３のいずれか１項に記載の制御装置。
5. 　前記制御部は、前記基準軌跡または前記目標軌跡、および前記反力取得部が取得した前記反力に応じて前記ロボットを制御する、
   　請求項４に記載の制御装置。
6. 　前記制御部は、前記反力の増大に従って、前記基準軌跡または前記目標軌跡が示す前記ロボットの位置を前記加工対象物から遠い位置に調節して、調節した前記ロボットの位置に応じて前記ロボットを制御する、
   　請求項５に記載の制御装置。
7. 　前記加工対象物についての情報を取得する加工対象物特定部をさらに備え、
   　前記学習部は、前記基準中間点、前記加工時軌跡誤差、および前記加工対象物についての情報の対応を学習して、前記駆動条件および前記加工対象物についての情報に応じて前記目標中間点を示す前記軌跡モデルを生成する、
   　請求項１から６のいずれか１項に記載の制御装置。
8. 　前記加工対象物特定部は、
   　前記加工対象物の画像データを生成する撮影装置と、
   　前記撮影装置が生成した前記画像データから前記加工対象物の形状を決定する形状決定部と、を有し、
   　前記加工対象物についての情報として、前記加工対象物の形状を取得する、
   　請求項７に記載の制御装置。
9. 　前記加工対象物特定部は、前記ロボットに取り付けられて、前記加工対象物の形状を測定するレーザースキャナを有し、
   　前記加工対象物についての情報として、前記加工対象物の形状を取得する、
   　請求項７に記載の制御装置。
10. 　前記加工工具による加工は、前記加工対象物のバリ取りであって、
    　前記加工対象物特定部は、前記加工対象物に含まれるバリの形状を取得する、
    　請求項７から９のいずれか１項に記載の制御装置。
11. 　棒状の形状を有する前記加工工具が前記ロボットに取り付けられ、
    　前記バリの形状は、前記加工工具の延伸方向における前記バリの厚みの最小値、最大値、および平均値の少なくともいずれかを含む、
    　請求項１０に記載の制御装置。
12. 　前記バリの形状は、前記加工工具の移動方向における前記バリの長さの最小値、最大値、および平均値の少なくともいずれかを含む、
    　請求項１０に記載の制御装置。
13. 　前記加工時軌跡誤差は、前記理想軌跡が示す前記ロボットの位置である理想位置と前記実軌跡が示す前記ロボットの位置である実位置との距離が極大値となるときの前記実位置の前記理想位置からのずれを示す、
    　請求項１から１２のいずれか１項に記載の制御装置。
14. 　前記極大値は、前記理想位置と前記実位置との距離の最大値である、
    　請求項１３に記載の制御装置。
15. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御する制御装置であって、
    　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に応じて、前記ロボットを制御することで前記加工対象物の加工を行う場合の前記ロボットの実軌跡の前記駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を最小化する目標中間点を示す軌跡モデルを取得し、前記軌跡モデルから得られる前記目標中間点を通る目標軌跡を決定する目標軌跡決定部と、
    　前記目標軌跡に応じて前記ロボットを制御する制御部と、
    　を備える制御装置。
16. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットと、
    　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に応じて前記ロボットを制御する請求項１から１５のいずれか１項に記載の制御装置と、
    　を備えるロボットシステム。
17. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御するための軌跡モデルを学習する学習装置であって、
    　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に、前記動作開始点から前記動作終了点に至るまでに前記ロボットが通る位置を示す基準中間点を対応付けて記憶している駆動条件記憶部と、
    　前記駆動条件記憶部から前記基準中間点を取得し、取得した前記基準中間点について、前記駆動条件に基づき、該基準中間点を通る基準軌跡を決定する基準軌跡決定部と、
    　前記ロボットの実際の軌跡を取得する実軌跡取得部と、
    　前記基準軌跡に応じて前記ロボットを制御することで前記加工対象物の加工を行う場合に前記実軌跡取得部で取得された加工時実軌跡の前記駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を取得された前記基準中間点について求め、前記基準中間点と前記加工時軌跡誤差との対応を学習して、前記加工時軌跡誤差を最小化する目標中間点を前記駆動条件に応じて示す軌跡モデルを生成する学習部と、
    　を備える学習装置。
18. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御する制御方法であって、
    　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に基づき、前記駆動条件に対応付けられていて、前記動作開始点から前記動作終了点に至るまでに前記ロボットが通る位置を示す基準中間点を通る基準軌跡を決定し、
    　前記基準軌跡に応じて前記ロボットを制御することで前記加工対象物の加工を行う場合の前記ロボットの加工時実軌跡の前記駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を前記基準中間点のそれぞれについて求め、前記基準中間点と前記加工時軌跡誤差との対応を学習して、前記加工時軌跡誤差を最小化する目標中間点を前記駆動条件に応じて示す軌跡モデルを生成し、
    　前記軌跡モデルから得られる前記目標中間点を通る目標軌跡を決定し、
    　前記基準軌跡または前記目標軌跡に応じて前記ロボットを制御する、
    　制御方法。
19. 　加工対象物の加工を行うための加工工具が取り付け可能なロボットを制御するコンピュータを、
    　前記ロボットの動作開始点および動作終了点を少なくとも指定する駆動条件に、前記動作開始点から前記動作終了点に至るまでに前記ロボットが通る位置を示す基準中間点を対応付けて記憶している駆動条件記憶部、
    　前記駆動条件記憶部から前記基準中間点を取得し、取得した前記基準中間点について、前記駆動条件に基づき、該基準中間点を通る基準軌跡を決定する基準軌跡決定部、
    　前記ロボットの実際の軌跡を取得する実軌跡取得部、
    　前記基準軌跡に応じて前記ロボットを制御することで前記加工対象物の加工を行う場合に前記実軌跡取得部で取得された加工時実軌跡の前記駆動条件に基づく理想軌跡からのずれを示す加工時軌跡誤差を取得された前記基準中間点について求め、前記基準中間点と前記加工時軌跡誤差との対応を学習して、前記加工時軌跡誤差を最小化する目標中間点を前記駆動条件に応じて示す軌跡モデルを生成する学習部、
    　前記軌跡モデルから得られる前記目標中間点を通る目標軌跡を決定する目標軌跡決定部、および
    　前記基準軌跡または前記目標軌跡に応じて前記ロボットを制御する制御部、
    　として機能させるためのプログラム。

Images