CN102248537B - 机器手控制装置及控制方法、机器人 - Google Patents
机器手控制装置及控制方法、机器人 Download PDFInfo
- Publication number
- CN102248537B CN102248537B CN201110159711XA CN201110159711A CN102248537B CN 102248537 B CN102248537 B CN 102248537B CN 201110159711X A CN201110159711X A CN 201110159711XA CN 201110159711 A CN201110159711 A CN 201110159711A CN 102248537 B CN102248537 B CN 102248537B
- Authority
- CN
- China
- Prior art keywords
- robot
- information
- person
- unit
- hand
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 210000002310 elbow joint Anatomy 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 103
- 230000032258 transport Effects 0.000 claims description 31
- 239000013598 vector Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 25
- 210000001562 sternum Anatomy 0.000 description 19
- 238000005259 measurement Methods 0.000 description 17
- 230000005484 gravity Effects 0.000 description 16
- 230000036772 blood pressure Effects 0.000 description 14
- 210000003414 extremity Anatomy 0.000 description 13
- 230000000704 physical effect Effects 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 10
- 230000036760 body temperature Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 210000000707 wrist Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 210000004247 hand Anatomy 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 210000000245 forearm Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 208000021760 high fever Diseases 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- B25J9/0003—Home robots, i.e. small robots for domestic use
-
- 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
- B25J9/1676—Avoiding collision or forbidden 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
- G05B2219/36—Nc in input of data, input key till input tape
- G05B2219/36429—Power assisted positioning
-
- 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
- G05B2219/39478—Control force and posture of hand
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
一种机器手控制装置及控制方法、机器人,该控制装置具备:作业姿势信息获取单元,其获取作业姿势信息,该作业姿势信息是关于人与机器手协作搬运物体时与机器手协作的人的作业姿势的信息;危险程度算出单元,其根据由作业姿势信息获取单元获取的作业姿势信息,算出人在搬运物体时的危险程度;和刚性控制单元,其进行控制以使利用危险程度算出单元算出的危险程度越大越提高机器手的刚性,并且,作业姿势信息包括与机器手协作的人协作一侧的肘关节角度信息,搬运物体时的肘关节角度越大危险程度算出单元算出的危险程度越大,肘关节角度越小危险程度算出单元算出的危险程度越小。
Description
本申请是分案申请,其母案申请的申请号:200880010585.8,申请日:2008.6.24,发明名称:机器手控制装置及控制方法、机器人及程序
技术领域
本发明涉及人与机器人协作进行作业(例如搬运物体作业)之际机器手的控制装置及控制方法、具有机器手控制装置的机器人、机器手控制程序、集成电子电路。
背景技术
近年来,看护机器人或家务辅助机器人等家庭用机器人逐渐开发。家庭机器人与工业用机器人不同,它是在人附近作业,因而,与人的物理接触是不可避免的,从安全性方面而言,机器人在机构上必须灵活(柔软),动作也必须柔和。
作为机器人装置的一例,提出了一种确保控制装置动作精度的技术,其检测施加给机器手的与人类的接触力,当对手臂施加大力时减小复原力而提高安全性、当对手臂施加微小力时增大复原力而确保动作精度(参照专利文献1)。
另外,有一种肢体控制装置的控制装置,其以基于装在肢体上的装置动作而使肢体活动为目的,根据装置上所安装的力传感器或位置与角度传感器的读出信息,通过力控制或位置控制来控制装置的动作,其中,在驱动装置的动作过程中,始终监控对装在装置上的肢体所施加的负载,在对肢体施加的负载到达比设定的对肢体施加的过负载值Flimit小的值Fstart的时刻,使驱动装置动作所具有的所有自由度中某一自由度方向的阻抗常数随着肢体负载值向所述过负载值Flimit靠近而变化,假设其自由度方向的动作是自由的(参照专利文献2)。
再有,还提出一种技术是根据输入的肢体的参数,生成代表性的运动图形,算出肢体驱动装置的目标轨道,只运用肢体的参数信息在肢体驱动装置中切换他动运动和自动运动、抵抗运动(参照专利文献3)。
专利文献1:JP特开平10-329071号公报
专利文献2:JP特开平9-154900号公报
专利文献3:JP特开平10-192350号公报
不过,在专利文献1所述的现有技术中,当对机器手施加大力时要减小复原力,而专利文献2中要增大对肢体施加的负载时,不能施加过大的负载,专利文献3中是按照肢体的动作来切换他动运动、自动运动、抵抗运动,从而存在的课题是如果由于操作者的姿势不好、或操作者的力气不断输入而发生手抖造成误操作,而使机器手抓握的搬运物倾斜、搬运物中的物品脱落,或者如果搬运物为硬的物体或尖角的物体,则有可能由于搬运物活动而对人造成负担。
发明内容
本发明就是鉴于上述课题而做出的,其目的在于提供机器手控制装置及控制方法、机器人、机器手控制程序、集成电子电路,能够实现即使与机器手协作进行搬运物体作业的人的姿势或身体状况不好也不会发生机器手倾斜而使搬运物体脱落的安全的机器人控制。
根据本发明的第1方式,提供一种机器手控制装置,其具备:作业姿势信息获取单元,其获取和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息;危险程度算出单元,其根据由所述作业姿势信息获取单元获取的所述作业姿势信息,算出所述人在搬运物体时的危险程度;刚性控制单元,其进行控制以使利用所述危险程度算出单元算出的所述危险程度越大越提高所述机器手的刚性。
根据本发明的第18方式,提供一种机器手控制装置,其包括:位置信息获取单元,其获取所述机器手位置信息和与所述机器手协作的人的位置信息;危险程度算出单元,其算出所述机器手的位置信息和与所述机器手协作的所述人的位置信息的相对位置,根据算出的相对位置算出危险程度;刚性控制单元,其进行控制以使利用所述危险程度算出部算出的所述危险程度越大越提高所述机器手的刚性。
根据本发明的第24方式,提供一种机器手明的控制方法,其根据和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息,利用危险程度算出单元算出所述人在搬运物体时的危险程度;利用刚性控制单元进行控制以使所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
根据本发明的第26方式,其用来使计算机中执行的机器手控制程序,包括:危险程度算出步骤,其根据和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息算出所述人在搬运物体时的危险程度;刚性控制单元,其进行控制以使所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
根据本发明的第27方式,提供一种控制机器手的集成电子电路,其特征在于,包括:作业姿势信息获取单元,其获取和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息;危险程度算出单元,其根据由所述作业姿势信息,算出所述人在搬运物体时的危险程度;刚性控制单元,其进行控制以使所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
根据本发明的第28方式,提供一种机器手控制方法,其特征在于,利用危险程度算出部算出作为协作搬运信息的所述机器手的位置信息和与所述机器手协作的人的位置的相对位置,按照算出的相对位置在危险程度算出部算出所述危险程度;利用刚性控制单元进行控制以使算出的所述危险程度越大所述机器手越为高刚性。
根据本发明的第30方式,提供一种用来计算机中执行的机器手控制程序,其特征在于,包括:位置信息获取步骤,其获取和所述机器手位置信息、人与所述机器手协作搬运物体时与所述机器手协作的所述人的位置信息有关的信息;危险程度算出步骤,其算出所述机器手的位置信息和与所述机器手协作的所述人的位置信息的相对位置,根据算出的相对位置算出危险程度;刚性控制步骤,其进行控制以使所述危险程度算出部算出的所述危险程度越大所述机器手越为高刚性。
根据本发明的第31方式,提供一种控制机器手的集成电子电路,其特征在于,包括:位置信息获取单元,其获取所述机器手位置信息和与所述机器手协作的人的位置信息;危险程度算出单元,其算出所述机器手的位置信息和与所述机器手协作的所述人的位置信息的相对位置,根据算出的相对位置算出危险程度;刚性控制单元,其进行控制以使利用所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
发明效果
如上所述根据本发明的机器手控制装置及机器人,至少具有危险程度算出单元和刚性控制单元(还例如具有阻抗设定单元、阻抗控制单元),从而对应于与机器手协作的人的作业姿势信息(还有身体状况信息或机器手与人的相对位置等协作搬运信息)进行控制以提高机器手的刚性(例如适当设定机器手的机器阻抗设定值),因此,不会由于操作者的姿势不好、或操作者的力气不断输入而发生手抖造成误操作,使机器手抓握的搬运物倾斜、搬运物体中的物品脱落,或是如果搬运物为硬的物体或尖角的物体,也不会由于搬运物体活动而对人施加负担,能够实现安全的机器人控制。
另外,根据本发明的机器手控制方法及控制程序,根据与所述机器手协作的人作业姿势相关的作业姿势信息控制所述机器手为高刚性(例如设定机器手的机械阻抗设定值,将所述机器手的机器阻抗值控制为所述设定的所述机械阻抗设定值),从而对应于与机器手协作的所述人的作业姿势相关的作业姿势信息(例如所述人的状态等协作搬运信息)进行控制以提高机器手的刚性(例如适当设定并控制机器手的机器阻抗设定值),因此,不会由于操作者的姿势不好、或操作者的力气不断输入而发生手抖造成误操作,使机器手搬运的搬运物倾斜、搬运物体中的物品脱落,或是如果搬运物为硬的物体或尖角的物体,也不会由于搬运物体活动而对人施加负担,能够实现安全的机器人控制。
附图说明
本发明的这些及其他目的特征,可以通过与针对附图的优选实施方式相关联的以下叙述而明白。这些附图是:
图1是表示本发明第1实施方式中机器人控制装置构成概要的图。
图2是表示本发明第1实施方式中构成机器人***的控制装置和作为控制对象的机器手的详细构成的图。
图3是表示本发明第1实施方式中机器人控制装置的操作状态的图。
图4是表示本发明第1实施方式中机器手控制装置的操作状态的图。
图5是表示本发明第1实施方式中控制装置的阻抗控制部构成的框图。
图6是表示本发明第1实施方式中控制装置的阻抗控制部动作步骤的流程图。
图7是表示本发明第1实施方式的控制装置的搬运状态信息收集部构成的框图。
图8是说明本发明第1实施方式中搬运状态数据库的物体特性一览表的图。
图9是说明本发明第1实施方式中搬运状态数据库的作业状态一览表的图。
图10是表示本发明第1实施方式中机器人控制装置的操作状态的图。
图11是表示本发明第1实施方式中机器人控制装置的操作状态的图。
图12是表示本发明第1实施方式中人的重心坐标和支撑基点面的关系的图。
图13是表示本发明第1实施方式中控制装置的搬运状态信息收集部、搬运状态数据库和危险程度算出部、阻抗设定部的动作步骤的流程图。
图14是表示本发明第1实施方式中控制装置整体动作步骤的流程图。
图15是说明本发明第2实施方式中控制装置的搬运状态数据库的抓握规则表的图。
图16是用来说明本发明第1实施方式中重心测量部而使用配置在地板上的负载传感器的xy坐标的说明图。
图17表示本发明第1实施方式中身体状况测量部的频率阈值的图。
图18是表示本发明第1实施方式中身体状况测量部的频率等级的图。
图19A是表示本发明第1实施方式中判断数据库的具体例的图。
图19B是表示本发明第1实施方式中判断数据库的具体例的图。
图20表示本发明第2施方式中构成机器人***的控制装置和作为控制对象的机器手的详细构成的图。
图21A是以表的形式表示用于本发明第1实施方式中物体重量轻时算出的危险度険度低而使用的例子的图。
图21B是以表的形式表示用于本发明第1实施方式中物体重量重时算出的危险度険度高而使用的例子的图。
图22是表示本发明的变形例中温度和危险度关系的图。
具体实施方式
以下,根据附图详细说明本发明的实施方式。
以下,在参照附图详细说明本发明的实施方式之前,关于本发明的各种方式进行说明。
本发明的第1方式,提供一种机器手控制装置,其具备作业姿势信息获取单元,其获取和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息;
危险程度算出单元,其根据由所述作业姿势信息获取单元获取的所述作业姿势信息,算出所述人在搬运物体时的危险程度;
刚性控制单元,其进行控制以使利用所述危险程度算出单元算出的所述危险程度越大越提高所述机器手的刚性。
本发明的第2方式,提供一种机器手控制装置,还具备阻抗设定单元,其进行设定以使利用所述危险程度算出单元算出的所述危险程度越大越增大所述机器手的机械阻抗设定值;
所述刚性控制单元根据所述阻抗设定单元设定的所述机械阻抗设定值控制所述机器手的机械阻抗值。
由于采用这样的构成,能够根据作为协作搬运信息一例的与搬运物体时人的作业姿势有关的作业姿势信息设定、控制机械阻抗设定值。
在此,本发明的第3方式,根据第2方式所述机器手控制装置,所述阻抗设定单元根据所述搬运物体时的所述危险程度,分别独立设定所述机器手手指的平移方向及旋转方向的6维方向的机械阻抗设定值。
由于采用这样的构成,能够根据搬运物体时人的作业姿势在6维方向独立设定、控制机械阻抗设定值。
再有,本发明的第4方式,根据第3方式所述机器手控制装置,所述阻抗设定单元根据所述搬运物体时的所述危险程度,分别设定所述机械阻抗设定值,以使所述旋转方向的刚性高于所述手指的所述平移方向的刚性,由此将所述机器手搬运的所述物体保持水平。
由于采用这样的构成,能够根据搬运物体时人的作业姿势进行设定控制以使所述机器手搬运的物体保持水平。
再有,本发明的第5方式,根据第1方式所述机器手控制装置,所述作业姿势信息包括与所述机器手协作的所述人协作一侧的肘关节角度信息,所述搬运物体时的所述肘关节角度越大,所述危险程度算出单元算出的所述危险程度越大,所述肘关节角度越小算出的所述危险程度越小。
由于采用这样的构成,能够对应于人作业时的肘关节角度设定机械阻抗设定值,人作业时的肘关节角度越大,算出的所述危险程度越大。
再有,本发明的第6方式,根据第1方式所述机器手控制装置,所述作业姿势信息包括与所述机器手协作的所述人协作一侧的手指位置信息和从所述人胸骨到地板的高度即胸骨上缘高的信息,
所述手指位置的高度越大于所述胸骨上缘高的高度,所述危险程度算出单元算出的所述危险程度越大,所述手指位置的高度越小于所述胸骨上缘高的高度,算出的所述危险程度越小。
由于采用这样的构成,能够实现操作机器手的人的所述手指位置高度越大于所述胸骨上缘高的高度,算出的所述危险程度越大。
再有,本发明的第7方式,根据第1方式所述机器手控制装置,所述作业姿势信息包括与所述机器手协作的所述人的重心坐标信息和所述人在地板上的支撑面即支撑基础面的信息,所述危险程度算出单元判定所述人的重心坐标是否在所述人的支撑基础面的范围内,当处于范围外时所述人的重心坐标距所述支撑基础面的距离越大,算出的所述危险程度越大。
由于采用这样的构成,能够判定所述人的心坐标是否在所述人的支撑基础面范围内,当处于范围外时距所述支撑基础面的距离越大,算出的所述危险程度越大。
本发明的第8方式,根据第1方式所述机器手控制装置,所述作业姿势信息包括与所述机器手协作的所述人的好使的手信息,所述危险程度算出单元判定所述人是否用好使的手操作所述机器手,算出所述人用好使的手操作时的所述危险程度小于所述人没有用好使的手操作时的所述危险程度。
由于采用这样的构成,能够判定所述人是否用好使的手操作所述机器手,没有用好使的手时用所述危险程度算出单元算出的所述危险程度大。
本发明的第9方式,根据第1方式所述机器手控制装置,还具备身体状况信息获取单元,其获取和所述人与所述机器手协作搬运物体时与所述机器手协作的所述人的身体状况有关的信息即身体状况信息,
所述危险程度算出单元根据所述作业姿势信息和所述身体状况信息算出所述人搬运物体时的危险程度。
由于采用这样的构成,能够根据搬运物体时人的所述身体状况信息算出危险程度。
再有,本发明的第10方式,根据第9方式所述机器手控制装置,所述危险程度算出单元判定所述身体状况信息是否在正常的身体状况信息范围内,当处在正常的身体状况信息范围外时,所述身体状况信息和所述正常的身体状况信息范围的差异越大,算出的所述危险程度越大。
由于采用这样的构成,能够判定所述身体状况信息是否在正常的身体状况信息范围内,当处在范围外时距所述正常的身体状况信息范围的差异越大,算出的所述的危险程度越大。
再有,本发明的第11方式,根据第9方式所述机器手控制装置,所述身体状况信息包括与所述机器手协作的所述人的与所述机器手协作一侧的手臂振动度信息、与所述机器手协作的所述人的心率信息、与所述机器手协作的所述人的血压信息、与所述机器手协作的所述人的体温信息中的至少1个信息。
根据这样的构成,能够根据所述振动度的信息、所述心率的信息、血压的信息、所述体温的信息算出危险程度。
再有,本发明的第12方式,根据第1或第9方式所述机器手控制装置,所述作业姿势信息获取单元获取与所述机器手搬运的所述物体的物体特性有关的物体特性信息,
所述阻抗设定单元根据所述搬运物体时所述危险程度和所述物体特性信息设定所述机器手的机械阻抗设定值。
由于采用这样的构成,能够根据作业姿势信息获取单元获取的作业姿势信息和与所述机器手搬运的所述物体的物体特性有关的信息,控制机器手的刚性(例如能够设定、控制机械阻抗设定值)。
再有,本发明的第13方式,根据第12方式所述机器手控制装置,所述阻抗设定单元根据所述危险程度和所述物体特性信息,分别独立设定所述机器手的手指平移方向及旋转方向的6维方向的机械阻抗设定值。
由于采用这样的构成,能够根据所述危险程度和所述物体特性信息设定、控制机械阻抗设定值。
再有,本发明的第14方式,根据第12方式所述机器手控制装置,所述阻抗设定单元根据所述危险程度和所述物体特性信息,分别设定所述机械阻抗设定值,以使所述手指的所述旋转方向的刚性高于所述平移方向的刚性,由此将所述机器手搬运的所述物体保持水平。
由于采用这样的构成,能够设定所述机器手搬运的物体保持水平。
再有,本发明的第15方式,根据第12方式所述机器手控制装置,所述危险程度算出单元在所述物体特性信息大于阈值时算出的危险程度大,在所述物体特性信息小于阈值时算出的危险程度小。
由于采用这样的构成,所述危险程度算出单元能够在所述物体特性信息大于阈值时增大危险程度,在所述物体特性信息小于阈值时减小危险程度。
再有,本发明的第16方式,根据第12方式所述机器手控制装置,所述物体特性信息包括所述机器手搬运的所述物体的物理特性信息或所述物体的属性信息的至少1个信息,所述阻抗设定单元根据所述危险程度算出单元算出的所述危险程度和所述物理特性信息或属性信息的至少1个信息,设定所述机器手的机械阻抗设定值。
由于采用这样的构成,所述阻抗设定单元能够根据所述危险程度算出单元算出的所述危险程度和所述物理特性信息或所述物体的属性信息的至少1个信息进行运算。
再有,本发明的第17方式,根据第12方式所述机器手控制装置,作为所述机器手搬运的所述物体的物理特性信息包括所述机器手搬运的所述物体的重量信息和所述物体的尺寸信息、所述物体的硬度信息、所述物体的位置及姿势的约束信息中的至少1个信息,作为所述物体的属性信息包括所述机器手搬运的所述物体的尖锐度信息、所述机器手搬运的所述物体的重要度信息中的至少1个信息。
由于采用这样的构成,所述阻抗设定单元能够根据所述危险程度算出单元算出的所述危险程度和所述重量信息、或所述尺寸信息、或所述物体的硬度信息、或所述物体的位置及姿势的约束条件信息、或尖锐度信息、或重要度信息进行运算。
再有,本发明的第18方式,提供一种机器手控制装置,包括位置信息获取单元,其获取所述机器手位置信息和与所述机器手协作的人的位置信息;
危险程度算出单元,其算出所述机器手的位置信息和与所述机器手协作的所述人的位置信息的相对位置,根据算出的相对位置算出危险程度;
刚性控制单元,其进行控制以使利用所述危险程度算出单元算出的所述危险程度越大越提高所述机器手的刚性。
由于采用这样的构成,能够根据所述相对位置进行控制以提高机器手的刚性(例如设定机器手的机械阻抗设定值)。
再有,本发明的第19方式,根据第18方式所述的机器手控制装置,还具备阻抗设定单元,根据所述危险程度算出部算出的所述危险程度设定所述机器手的机械阻抗设定值;
所述刚性控制单元包括控制所述机器手的机械阻抗值为所述阻抗设定单元设定的所述机械阻抗设定值。
根据该构成,能够设定机器手的机械阻抗设定值,根据所述相对位置进行控制以提高机器手的刚性。即、能够对应于所述机器手的位置信息和与所述机器手协作的所述人的所述位置信息的相对位置的变化来控制机器手。从而,能够对应于所述相对位置的变化重复地适当设定机器手的机械阻抗设定值,即使由于操作者的姿势不好、或操作者的力气不断输入而发生手抖易造成误操作,或者机器手抓握的搬运物开始倾斜而使搬运物体中的物品就要脱落时也能够更安全地控制机器人。
再有,本发明的第20方式,根据第19方式所述的机器手控制装置,所述算出的相对位置越近,所述危险程度算出部算出的所述危险程度越大,所述算出的相对位置越远,算出的危险程度越小;
所述危险程度算出部算出的所述危险程度越大,所述阻抗设定单元设定所述机器手的机械阻抗设定值越大,所述危险程度越小,设定所述机器手的机械阻抗设定值越小。
再有,本发明的第21方式,根据第19方式所述的机器手控制装置,所述阻抗设定单元根据所述危险程度算出部算出的所述危险程度,独立设定所述机器手手指的平移方向及旋转方向的6维方向的机械阻抗设定值。
由于采用这样的构成,所述阻抗设定单元能够根据所述相对位置独立设定所述机器手手指的平移方向及旋转方向的6维方向的机械阻抗设定值。
再有,本发明的第22方式,根据第19方式所述的机器手控制装置,所述机械阻抗设定单元利用机械阻抗控制单元分别控制所述机器手的机械阻抗的值,以使在所述相对位置小、所述危险程度算出部算出的所述危险程度高时,所述机械阻抗的值为低于所述阻抗设定单元设定的所述手指的所述平移方向及所述旋转方向的所述机械阻抗设定值的值,在所述相对位置大、所述危险程度算出部算出的所述危险程度低时,所述机械阻抗的值为所述阻抗设定单元设定的所述机械阻抗设定值。
由于采用这样的构成,能够在所述相对位置小、所述危险程度高时,设定所述手指的平移方向及所述旋转方向为低刚性,而在所述相对位置大、所述危险程度低时,设定所述手指的所述平移方向及所述旋转方向为高刚性。
再有,本发明的第23方式,根据第1或18方式所述的机器手控制装置,还具备向与所述机器手协作的所述人通知所述危险程度的通知单元。
由于采用这样的构成,能够向操作者通行所述危险程度。
本发明的第24方式,提供一种机器手控制方法,根据和人与所述机器手协作手动物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息,利用危险程度算出单元算出所述人在搬运物体时的危险程度;
利用刚性控制单元进行控制以使所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
本发明的第25方式,提供一种机器人,具有所述机器手和控制所述机器手的第1~17方式任意一项所述的机器手控制装置。
本发明的第26方式,提供一种机器手控制程序,是用来在计算机中执行的机器手控制程序,其特征在于,包括危险程度算出步骤,其根据和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息算出所述人在搬运物体时的危险程度;
刚性控制单元,其进行控制以使所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
本发明的第27方式,提供一种控制机器手的集成电子电路,其特征在于,包括作业姿势信息获取单元,其获取和人与所述机器手协作搬运物体时与所述机器手协作的所述人的作业姿势有关的作业姿势信息;
危险程度算出单元,其根据所述作业姿势信息,算出所述人在搬运物体时的危险程度;
刚性控制单元,其进行控制以使所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
本发明的第28方式,提供一种机器手控制方法,利用危险程度算出部算出协作搬运信息即所述机器手的位置信息和与所述机器手协作的人的位置信息的相对位置,按照算出的相对位置在危险程度算出部算出所述危险程度;
利用刚性控制单元进行控制以使算出的所述危险程度越大所述机器手越为高刚性。
本发明的第29方式,提供一种机器人,具有所述机器手和控制所述机器手的第18~22方式任意一项所述的机器手控制装置。
本发明的第30方式,提供一种用来在计算机中执行的机器手控制程序,包括位置信息获取步骤,其获取和所述机器手位置信息、人与所述机器手协作搬运物体时与所述机器手协作的所述人的位置有关的信息;
危险程度算出步骤,其算出所述机器手的位置信息和与所述机器手协作的所述人的位置信息的相对位置,根据算出的相对位置算出危险程度;
刚性控制步骤,其进行控制以使所述危险程度算出部算出的所述危险程度越大所述机器手越为高刚性。
本发明的第31方式,提供一种控制机器手的集成电子电路,包括:位置信息获取单元,其获取所述机器手位置信息和与所述机器手协作的人的位置信息;
危险程度算出单元,其算出所述机器手的位置信息和与所述机器手协作的所述人的所述位置信息的相对位置,根据算出的相对位置算出危险程度;
刚性控制单元,其进行控制以使利用所述危险程度算出单元算出的所述危险程度越大所述机器手越为高刚性。
以下,利用附图对本发明的实施方式进行详细说明。
(第1实施方式)
首先,关于具备本发明第1实施方式的机器手控制装置的机器人***1的构成进行说明。图1是表示本发明第1实施方式中机器人***构成概要的图。
如图1所示,本发明第1实施方式的具备机器手5及其控制装置2的机器人***1的机器手5设置在厨房或工作台等作业台7的壁面9上,机器手5的根端能够移动地由固定在壁面9上的轨道8支撑,机器手5能够在轨道8上沿着轨道8横向(例如水平方向)移动。再有,机器人***1的机器手5前端的手部30可保持(例如抓握)搬运对象的物体3一端,与机器手5协作的人4可抓握物体3的另一端。在机器手5前端抓握物体3一端(例如锅一侧的提手)且人4抓握物体另一端(例如锅另一侧的提手)的状态下,通过人4沿想搬运物体3的方向加力,使机器人***1工作,机器手5沿着轨道8移动,机器手5和人4能够协作搬运物体3。
本发明第1实施方式的物体3的概念也包括放有水或食材的锅或餐具、家具等重量物,是机器手5和人4能够协作搬运的对象物体。
另外,本发明的第1实施方式中,轨道8配置在作业台7的壁面9上,不过,在没有壁面的岛式厨房的情况下,可设置在顶棚面或岛式厨房的作业侧面等适于作业的场所。
图2是构成机器人***1的控制装置2和作为控制对象的机器手5的详细构成的图。
控制装置2及周边装置10有一例是分别由普通的个人计算机构成。
控制装置2的构成包括作为危险程度算出单元(危险程度算出部)一例的危险程度算出部22、作为阻抗设定单元(阻抗设定部)一例的阻抗设定部23、作为刚性控制单元(刚性控制部)或阻抗控制单元(阻抗控制部)一例的阻抗控制部24(图2中以“刚性控制部24”图示)。该控制装置2进行刚性控制,使危险程度算出单元22算出的所述危险程度越大越提高所述机器手的刚性,作为其具体的一例为进行阻抗控制。周边装置10的构成是包括协作搬运信息数据库(或作业姿势信息数据库)及作为物体特性数据库一例的搬运状态数据库21、物体特性收集单元(物体特性收集部)或作为协作搬运信息收集部一例的搬运状态信息收集部25、输入输出IF(接口)26、马达驱动器27、RF标签接收部45和危险度信息输出部60。
输入输出IF26与个人计算机的PCI总线等扩展槽连接,其构成是具备例如D/A板(board)、A/D板、对接板(counter board)等。
控制机器手5动作的控制装置2及周边装置10被执行,从而从机器手5的各关节部的后述编码器44输出的各关节角度信息通过输入输出IF26的对接孔被读取到控制装置2中,根据读取的各关节角度信息,由控制装置2算出各关节部在旋转动作中的控制指令值。算出的各控制指令值通过输入输出IF26的D/A板,被赋予用来驱动控制机器手5各关节部的马达驱动器27,按照从马达驱动器27输送来的各控制指令值,驱动机器手5各关节部的马达43。另外,手部30上还具备由马达驱动器27驱动控制的作为手部驱动装置一例的手部驱动用马达62和检测手部驱动用马达62的旋转轴的旋转相位角的编码器61,根据由编码器61检测的旋转角度,利用来自控制装置2的阻抗控制部24的手控制部54的控制信号经由马达驱动器27驱动控制马达62的旋转,使手部驱动用马达62的旋转轴正反旋转,从而打开或关闭手部30。
机器手5有一例是多关节机器手,是一种6自由度的多连杆机械手,具备所述手部30、前端具有安装手部30的腕部31的前臂连杆32、前端能够旋转地连结在前臂连杆32根端的上臂连杆33和能够旋转地连结支撑上臂连杆33的座部34。座部34与能够移动的轨道8连结,不过,也可以固定在一定位置。腕部31具有第4关节部38、第5关节部39、第6关节部40这3个旋转轴,能够变化手部相对于前臂连杆的相对姿势(朝向)。即图2中,第4关节部38能够变化手部30相对于腕部31的环绕横轴的相对姿势。第5关节部39能够变化手部30相对于腕部31的环绕与第4关节部38横轴正交的纵轴的相对姿势。第6关节部40能够变化手部30相对于腕部31的环绕与第4关节部38的横轴及第5关节部39纵轴分别正交的横轴的相对姿势。前臂连杆32的另一端能够相对于上臂连杆33前端环绕第3关节部37、即环绕与第4关节部38横轴平行的横轴旋转。上臂连杆33的另一端能够相对于座部34环绕第2关节部36、即环绕与第4关节部38横轴平行的横轴旋转,座部34的上侧可动部能够相对于座部34的下侧固定部环绕第1关节部35、即环绕与第5关节部39纵轴平行的纵轴旋转。其结果是,机器手5能够环绕总共6个轴旋转,构成所述6自由度的多连杆机械手。
构成各轴旋转部分的各关节部在构成各关节部的一对构件(例如,转动侧构件和支撑该转动侧构件的支撑侧构件)中的一个构件上,具备利用后述的马达驱动器27驱动控制的作为旋转驱动装置一例的马达43(实际上配置在机器手5的各关节部内部)和检测马达43旋转轴的旋转相位角(即关节角)的编码器44(实际上配置在机器手5的各关节部内部),各关节部的一个构件上所具备的马达43的旋转轴与各关节部的另一个构件相连结,使所述旋转轴正反旋转,从而能够使另一个构件相对于一个构件环绕各轴旋转。
41是与座部34的下侧固定部相对位置关系固定的绝对坐标系,42是与手部30相对位置关系固定的手指坐标系。将从绝对坐标系41看的手指坐标系42的原点位置Oe(x、y、z)作为机器手5的手指位置,用侧倾角、纵摆角和横摆角表示从绝对坐标系41看的手指坐标系42的姿势,将侧倾角、纵摆角和横摆角作为机器手5的手指姿势,定义手指位置及姿势向量为向量从而,作为一例,优选第1关节部35的纵轴位置能够平行于绝对坐标系41的z轴,第2关节部36的横轴位置能够平行于x轴。另外,优选第6关节部40的横轴位置能够平行于手指坐标系42的x轴,第4关节部38的横轴位置能够平行于y轴,第5关节部39纵轴位置能够平行于z轴。还有,将相对于手指坐标系42的x轴的旋转角作为横摆角ψ,相对于y轴的旋转角作为纵摆角θ,相对于z轴的旋转角作为侧倾角当控制机器手5的手指位置及姿势时,使手指位置及姿势向量r追从于由后述目标轨道生成部55生成的手指位置及姿势目标向量rd。
搬运状态信息收集部25作为作业姿势信息获取单元(作业姿势信息获取部)的一例发挥作用,收集与机器手5协作工作的人(例如,为了与机器手5协作作业而操作机器手5的人)4的状态、换言之是收集协作作业状态(例如作业姿势、身体状况信息、机器手5与人4的相对位置等)信息(作业姿势信息为一例)或抓握物体3的特性数据(例如,与搬运状态关连的特性数据)(物体特性信息),向搬运状态数据数据库21输入并进行更新、存储。具体地说,搬运状态信息收集部25如后所述,分别输入、收集以下信息:来自照相机等图像拍摄装置28的图像数据、从RF标签记取部47和RF标签接收部45读取的抓握物体3的RF标签46的信息、后述的测量人4身体状况的身体状况测量部70的身体状况信息、后述的测量人4重心的重心测量部69的重心信息、通过互联网29从外部采集网络服务器的信息数据库63传输来的物体信息等人4与机器手5协作作业搬运物体3时应考虑的信息、换言之是协作搬运信息,将上述输入收集的信息适当输入到搬运状态数据库21中,并进行更新存储。再有,搬运状态信息收集部25还输入从与输入输出IF26的对接板连接的机器手5各关节部的编码器44输出的关节角度信息、或来自阻抗控制部24的与物体重量有关的信息等。
图7表示如图3那样人4与机器手5协调(协作)搬运物体3时的搬运状态信息收集部25的详情。搬运状态信息收集部25的构成是包括物体重量推定部65、数据输入IF(接口)66、搬运状态检测部67、图像识别部68、重心测量部69和身体状况测量部70。
68是图像识别部,在照相机等图像拍摄装置28获得的图像数据和预先记录的抓握物体3的图像之间进行模拟匹配处理,提取抓握物体3的尺寸,向搬运状态数据库21输入。再有,图像识别部68是提取人4的身高、人4抓握抓握物体3一侧臂的肘位置12或人4抓握抓握物体3一侧臂的手指位置13、人4抓握抓握物体3一侧臂的肩位置18、还有从人4的胸骨到地板98的高度即胸骨上缘高15、人4的两脚宽度即脚宽长度14、关于人4用左右哪只手抓握抓握物体3的信息即担当的手信息,向搬运状态数据库21输出,并且向搬运状态检测部67输出肘位置12、手指位置13、肩位置18的信息(位置坐标信息)。具体地说,通过图像的模拟匹配提取人站立时的脸,由脸距地板的距离算出身高。接着,从预先记录的人4的标准身体特性模型(例如、记录每种性别的身高下的肩或臂、肘位置等)中提取人4的肘位置12或人4的手指位置13、人4的肩位置18还有从人4的胸骨到地板98的高度即胸骨上缘高15、人4的两脚宽度即脚宽长度14。再有,从脸模型(例如记录有眼睛或口等位置的信息)中检测人4的脸,当利用所述方法检测的抓握抓握物体3的手指位置13位于所述检测的脸的位置左侧时,记录担当的手信息为「2」,并且作为一例当位置比所述检测的脸的位置靠右侧时记录担当的手信息为「1」,分别向搬运状态数据库21输出。还有,可利用模拟匹配提出身高或担当的手信息,不过,也可以在人4的头或担当的手等上装配RF标签,从RF标签的位置求出身高或担当的手信息。
65是物体重量推定部,进行抓握物体3的重量推定。例如,当机器手5的腕部31配置力传感器时,从机器手5抓握物体3处于静止状态时利用力传感器获得的测量值减去手部30的重量,所得值作为物体重量。另外,利用后述的力推定部53时,物体重量推定部65从力推定部53获得机器手5抓握物体3处于静止状态时各关节部发生的转矩τext,利用机器手5的运动方程式求出机器手5保持其位置及姿势所必需的转矩,将相减后的转矩值换算成作用给手指的力,作为物体重量。
66是数据输入IF(接口),这种接口用于人们使用键盘、鼠标或麦克等输入装置输入如后所述抓握物体3的尖锐程度等信息、即物体的属性数据(属性信息),或者使用按钮66等输入装置,接收来自人4的开始及结束搬运物体的指令。按钮66例如既可以是叉簧开关(toggle switch)的形式,能够用1个按钮分别输入开始搬运物体及结束搬运物体,也可以分别设置开始搬运物体按钮和结束搬运物体按钮。
69是重心测量部,测量操作机器手5的人4的重心坐标19{重心坐标rg(X,Y)},向搬运状态数据库21输出。参考图书(基础人类工学 小川 矿一著 新日本印刷株式会社发行)的记载,如图16所示,重心测量部69在地板98上配置多个(例如S1、S2、S33个)负载传感器,以负载传感器S1的坐标为(x1,y1)、负载传感器S2的坐标为(x2,y2)、负载传感器S3的坐标为(x3,y3)。另外,将负载传感器S1、S2、S3中求得的力分别作为W1、W2、W3,人4的体重为W、负载传感器S1的坐标(x1,y1)作为地板98上的xy坐标原点(0,0)时,地板98上的xy坐标上的人4的重心位置19(其坐标为(X,Y))利用以下的式(1)(2)算出。
【数式1】
【数式2】
70是身体状况测量部,测量操作机器手5的人4的心率、血压、体温,与测量日期一起向搬运状态数据库21输出。具体地说,在机器手5的手指上配置心率仪、体温计、血压计,测量搬运开始时的心率、血压、体温,与测量日期一起向搬运状态数据库21输出。身体状况测量部70还推定人4的手抖动的程度即振动度,向搬运状态数据库21输出。例如在机器手5的腕部31配置力传感器时,对某一定时间(具体地说约10秒左右)由力传感器测得的测量值进行傅里叶转换,当振动度中某一频率以上(具体说是几Hz)的频率成分超过某阈值以上的值在某一定期间存在与图17所示年龄对应的阈值以上时,如图18所示,从频率几Hz的值减去阈值,将所得的值(图18中参照符号18a所示一栏的值)分别预先设定为1~5等级,与测量日期一起向搬运状态数据库21输出。
67是搬运状态检测部,根据由图像识别部68的图像识别结果获得的人4的肘位置12、手指位置13和肩位置18推定肘关节角度11(例如将连结肘位置12和手指位置13的线段与连结肘位置12和肩位置18的线段所成的角度作为肘关节角度11进行推定),向搬运状态数据库21输出。还在同时抓握多个抓握物体时,根据由图像识别部68的图像识别结果获得的多个抓握物体的相对位置关系的信息、或从RF标签接收部45获得的抓握物体的ID号码等ID信息(ID数据)的组合信息推论、检测抓握状态,向搬运状态数据库21输出。
这样,搬运状态信息收集部25包括图像识别部68、物体重量推定部65、数据输入IF(接口)66、搬运状态检测部67、重心测量部69和身体状况测量部70,由各个单元(部)或构件实现各个功能,并由RF标签接收部45读取的物体3的RF标签46的信息向搬运状态数据库21输入,同时还具有的功能是通过互联网29在外部采集网络服务器的物品信息中进行存取,将物体特性数据向搬运状态数据库21输入。
接下来,关于搬运状态数据库21的详情进行说明。搬运状态数据库21的构成是包括图8所示与在设置机器手5的作业环境中存在的各种物体3有关的物体信息、图9所示与操作机器人的人4的作业状态有关的信息等人4与机器手5协作作业搬运物体3时应考虑的信息、换言之是协作搬运信息,也可作为作业姿势信息数据库、身体状况信息数据库、相对位置信息数据库发挥作用。
物体信息(物体特性信息)的构成如图8所示,包括物体3的ID信息、物理特性信息、属性信息和名称。作为ID信息的例子是识别物体3的ID号码。作为与各种ID号码对应的物理特性信息的一例,有物体3的重量信息、尺寸信息、及硬度信息。作为与各种IC号码对应的属性信息的一例,有尖锐度信息和重要度。图8所示的参照符号8a、8b分别表示物体信息的一例,表示在相同IC号码(0002)的情况下,锅里什么也没入的情况(参照符号8a的情况)和锅里放入了水等的情况(参照符号8b的情况)等时时刻刻发生状态变化。预先测定、评价这些重量信息、尺寸信息、硬度信息、尖锐度信息、重要度信息的数据,以数据库的形式存储在搬运状态数据库21中。
关于重量信息,能够利用物体重量推定部65推定物体3的重量,储存在搬运状态数据库21中。另外,例如当往机器手5抓握的作为物体3一例的锅中注入水时,还能够利用物体重量推定部65推定由于注入水而造成的物体3重量的増加,因此还能够对应于随着重量的増減而产生的重量信息的更新。作为一例举出图8的ID号码0002的物体3的一例、即锅,参照符号8a中重量为0.8,与之相对,参照符号8b中重量为1.5,由此能够推定参照符号8b的锅为注入水后的。
关于尺寸信息如果设置图像拍摄28及图像识别部68,就能够根据在该图像拍摄装置28中获得的图像数据利用图像识别部68进行图像识别,从而,也能够推断物体3的尺寸,并将尺寸信息重新储存或更新到搬运状态数据库21中。
关于硬度信息,对应于物体3的硬度进行1~5级的5个等级评价。评价值以物体3的材质为主按照例如由金属形成的物体硬度最高「5级」、由塑料等树脂形成的物体为中度「3级」、由纸或毛巾等柔软的物体形成的物体硬度最低「1级」这样进行评价,作为硬度信息记录。例如图8中,「菜刀」及「锅」硬度最高「5级」,「玻璃杯」为「4级」,「毛巾」为「1级」。另外,硬度也能够用容易坏的程度的观点进行评价。也可考虑设定像玻璃杯或陶瓷器具这样一碰到其他物体就破裂的危险高的物体为「5级」,由塑料等树脂形成的物体由于冲击等而有可能发生形状变化,因而设定为中度「3级」,平底锅等由铁等构成的不容易坏的物体设定为低度「1级」。这些硬度信息由人们预先判断、或者根据物体的RF标签46所记录的ID信息自动判断,进行等级的评价、设定,通过数据输入IF66向搬运状态数据库21输入。
关于尖锐度信息,以例如1~5级的5个等级的评价值记录。作为评价值的具体例,将刀具这样危险性高、在用机器手5处理时最应集中注意的物体3设定为尖锐度最高的「5级」,将书类或毛巾等轻且柔软、认为即使碰到人也完全不会造成危害的物体3设定为尖锐度最低的「1级」。这些尖锐度信息由人们预先判断、或者根据物体的RF标签46所记录的ID信息自动判断,进行等级的评价、设定,通过数据输入IF66向搬运状态数据库21输入。
关于重要度信息,以例如1~5级的5个等级的评价值记录。作为重要度的值的具体例,像高档餐具或贵重的陶器、记念餐具等虽然价格不高但是对于所有者来说具有价值的物品这种重要度高、在机器手5处理时最应集中注意的物体3设定其重要度最高「5级」,锅或毛巾等即使万一破损也能够比较简单地找到替代品的物体、或者在家庭内普遍存在备用替代品的物体、或者认为是像垃圾那样不贵重的物体设定其重要度最低「1级」。这些重要度信息由人们预先判断、或者根据物体的RF标签46所记录的ID信息自动判断,进行等级的评价、设定,通过数据输入IF66向搬运状态数据库21输入。还有,关于对所有者来说有价值的东西,可以设置RF标签,由所有者预先判断、评价。
关于与人4的作业状态有关的信息其构成如图9所示,包括ID信息、测量日期信息、身体特性信息、姿势信息和身体状况信息。作为ID信息的一例,是指识别人4的ID号码、与ID号码对应的与人4年龄或性别、姓名有关的信息。作为与ID号码对应的身体特性信息的一例有人4的身高或体重的信息。作为姿势信息的一例,是指人4的手指位置13、人4の肘位置12、人4的肩位置18、人4的两脚宽度即脚宽长度14、人4的肘关节角度11、人4的从胸骨到地板98的高度即胸骨上缘高15、人4的重心坐标19的信息。此外,作为身体状况信息的一例,由人4手抖动的程度即振动度、心率、体温、血压的信息构成。这些身体特性信息、姿势信息、身体状况信息的数据分别由身体状况测量部70预先测量、评价,以数据库的形式经由搬运状态数据库21存储在与搬运状态数据库21连接的作业信息数据库73中。再有,图9所示参照符号9a、9b表示身体特性信息、姿势信息、身体状况信息的数据的一例,表示在相同ID号码的情况下,人4的作业状态时时刻刻发生变化。
关于身体特性信息,作为一例其构成如图9所示,包括操作机器手的人4的身高或体重、好使的手的信息。关于身高的信息,如果设有图像拍摄装置28及图像识别部68,根据该图像拍摄装置28所获得的图像数据利用图像识别部68进行图像识别,从而也能够推断出身高,在搬运状态数据库21中重新储存或更新。另外,体重的信息可以是人4通过数据输入IF66向搬运状态数据库21中输入,不过,也可以将负载传感器检测的人4的重量作为体重通过重心测量部69向搬运状态数据库21输入。还有,关于身高,也可以是人4通过数据输入IF66向搬运状态数据库21输入。好使的手的信息由人4通过数据输入IF66向搬运状态数据库21输入。那时,作为一例是以右撇子的情况为「1」、以左撇子的情况为「2」进行输入。
关于姿势信息,作为一例其构成如图9所示,包括操作机器手5的人4的手指位置13、人4的肘位置12、人4的肩位置18、人4的两脚宽度即脚宽长度14、从人4的胸骨到地板的高度即胸骨上缘高15、人4的肘关节角度11、人4的重心坐标19的信息、关于人4用左右哪只手抓握抓握物体3的信息即担当的手信息。如果设有图像拍摄装置28及图像识别部68,根据该图像拍摄装置28所获得的图像数据利用图像识别部68进行图像识别,从而也能够推断手指位置13、肘位置12、肩位置18、胸骨上缘高15、脚宽长度14的信息,将这些信息在搬运状态数据库21中重新储存或更新。另外,这些信息也可以通过数据输入IF66向搬运状态数据库21输入。
重心坐标19的信息也可以由重心测量部69测量,并将其结果在搬运状态数据库21中重新储存或更新。
肘关节角度11的信息也可以由搬运状态检测部67测量,并将其结果在搬运状态数据库21中重新储存或更新。
关于身体状况信息,作为一例其构成如图9所示,包括操作机器手5的人4手抖动的程度即振动度、心率、体温、血压的信息。这些身体特性信息也可以由身体状况测量部70测量,并在搬运状态数据库21中重新储存或更新。另外,人4也可以通过数据输入IF66向搬运状态数据库21输入。另外,通过与从计算机中内置(例如身体状况测量部具备)的时钟获得的测量日期一起记录,由此还能够管理履历。
22是危险程度算出部,根据记录在与搬运状态数据库21连接的作业信息数据库73中的人4的作业状态有关的信息、存储用来判断危险度的信息的判断数据库64,算出危险程度。图19A及图19B表示判断数据库64的具体例,根据操作的人4的肘关节角度11或人4的手指位置13、后述的重心稳定程度、担当抓握抓握物体3的手、手指的抖动程度或心率等身体状况的稳定程度等信息,由危险程度算出部22算出危险程度,作为判断数据库64以1~5级5个等级的评价值进行记录。例如图10所示,当人4的肘关节角度11为160度以上时(图19A的参照符号A2所示情况),判断是臂伸展的状态,在与机器手协调(协作)搬运物体3的情况下,危险程度算出部22判断是对手指使不上力的危险姿势,危险程度算出部22判断为「5级」。反之,当人4的肘关节角度11为0~100度的范围内时(图19的参照符号A1所示的情况),臂适度弯曲,能够稳定搬运,从而危险程度算出部22判断为「1级」。
还有一例,如果以图19A或图19B的「1级」作为危险程度小时、即标准状态,则由危险程度算出单元22算出的危险程度越大,控制机器手的刚性越高,此时,按照图19A或图19B的「2级」~「5级」任意一个进行控制即可。
另外,如图11所示,当人4的手指位置13的高度比胸骨上缘高15靠上方(例如0.1cm以上)时(图19A的参照符号A4所示的情况),判断为与机器手协调(协作)搬运中使不上力的危险姿势,危险程度算出部22判断为「5级」。反之,当人4的手指位置13的高度比胸骨上缘高15靠下方(-0.2cm以下)时(图19A的参照符号A3所示的情况),手指位置13比胸骨上缘高15靠下方,能够稳定搬运,从而危险程度算出部22判断为「1级」。
再有,图12是从上方看人4两脚的图。表示斜线区域的参照符号20为支撑基础面,利用脚宽度长14由危险程度算出部22求出。重心的稳定程度,当重心位置19在支撑基础面20内时(图19A的参照符号A5所示情况),姿势稳定,因而,危险程度算出部22判断为「1级」,当处于支撑基础面20外时(图19A的参照符号A5所示情况以外的情况),危险程度算出部22对应于重心位置19距支撑基础面20的距离距離设定等级,例如,距离支撑基础面20有1m时(图19A的参照符号A6所示的情况),危险程度算出部22判断为「5级」。
另外,当与搬运状态数据库21的好使的手有关的信息和与搬运状态数据库21的担当的手有关的信息不同时(例如,右撇子的人用左手抓握时),与机器手协调(协作)搬运时,判断是人往手上使不上力的危险姿势,危险程度算出部22判断为「5级」,与此相反,当好使的手与抓握抓握物体3的手相同时(例如,右撇子的人用右手抓握时),判断是能够与机器手5协调(协作)安全搬运的姿势,危险程度算出部22判断为「1级」。
身体状况的稳定程度例如当表示人4手指抖动的振动度高时、例如振动度为5时,如图19B的A7栏所示为「5级」,当振动度低时、例如振动度为1时,如图19B的A7栏所示为「1级」。再有,心率如图19B的A8栏所示,心率高达120以上的情况为「5级」,70以下的情况为「1级」。体温如图19B的A9所示,高烧40℃以上的情况为「5级」,37.5℃以下正常体温的情况为「1级」。血压如图19B的A10所示,上(高压)为180mmHg以上、下(低压)为110mmHg以上的情况为「5级」,上为140mmHg以下、下为90mmHg以下的情况为「1级」。还有,血压如A10所示,可以根据年龄或操作者的病情改变针对等级的基准值。另外,关于身体状况信息可以对应于与过去记录的数值的偏差来决定。
另外,这些判断数据库64可以通过互联网29向外部专家制定的指标信息等信息数据库63中存取、输入。
再有,由所述危险程度算出部22算出的危险度,在物体3的重量、尺寸、硬度、尖锐度、重要度全部在某一阈值以下时,危险度降低,例如从「5级」降低到「4级」。从而,在搬运例如毛巾这样轻的物体时,即使以姿势不好的状态误操作,危险性也低,因而降低了危险度,从而能够更灵活地操作机器手5。还有,重量、尺寸、硬度、尖锐度、重要度哪个优先由后述阻抗设定部23的式(3)~式(5)的增益值决定。
还有,例如虽然相同重量,但是分别往锅中放入例如热水的情况和放入水的情况有所不同,物理特性含有物体的温度信息(参照图8),温度越高,可以设定重要度(换言之危险度)越高。另外,越是重量大的物体,可以设定重要度(换言之危险度)越高。
另外,搬运状态数据库21的全部信息由搬运状态信息收集部25通过互联网29向外部采集网络服务器的信息数据库63存取,由此获取与搬运状态有关的信息,也能够更新搬运状态数据库21内的各信息。
60是危険度信息输出部,例如是机器手5上所设置的显示装置等显示部,将危险程度算出部22算出的危险度以数值或表、颜色等区别显示不同的危险程度。另外,也可以用警报音鸣响警告,或者在改变机器手5状态之前,事前使用作为危险度信息输出部一例且作为通知单元(通知部)一例的声音输出装置,例如通知「手臂成水平」这样的危险度。从而,机器手5的姿势突然改变,也能够减轻对操作的人4施加负载。
接下来,关于阻抗设定部23的详情进行说明。阻抗设定部23根据危险程度算出部22算出的危险程度和物体3的特征数据,对机器手5的机械阻抗设定值进行设定。作为机器阻抗设定值的设定参数有惯性M、粘性D、刚性K。机械阻抗设定值各参数的设定根据以下的评价式进行。
【数式3】
M=KMa×(危险程度)+KMm×(重量[kg])+KMl×(尺寸[m])+KMk×(硬度)+KMd×(尖锐度)+KMp×(重要度) …式(3)
【数式4】
D=KDa×(危险程度)+KDm×(重量[kg])+KDl×(尺寸[m])+KDk×(硬度)+KDd×(尖锐度)+KDp×(重要度) …式(4)
【数式5】
K=KKa×(危险程度)+KKm×(重量[kg])+KKl×(尺寸[m])+KKk×(硬度)+KKd×(尖锐度)+KKp×(重要度) …式(5)
所述式(3)~式(5)中的KMa、KMm、KMl、KMk、KMd、KMp、KDa、KDm、KDl、KDk、KDd、KDp、KKa、KKm、KKl、KKk、KKd、KKp为增益,分别为某一常数值。
阻抗设定部23将根据所述式(3)~式(5)运算的机械阻抗参数如惯性M、粘性D、刚性K向阻抗控制部24输出。
根据所述式(3)~式(5),例如人4的作业姿势不好因而危险程度高时,设定大惯性M,机器手5具有与危险程度的值成比例的重量感,其结果是需要很大的力来活动机器手5,稍微用手推一下机器手5,机器手5不会活动。相反,当人4以稳定的姿势操作机器手5时,危险度减小,其结果是设定小惯性M,从而,机器手5在弱力作用下就能够容易地活动。再有,当以不好姿势的状态抓握重物体3或长条的大物体3时,根据式(3)设定大的剛性M,因而机器手5具有与危险程度的值和物体3的重量、尺寸成比例的重量感,其结果是需要很大的力来活动机器手5,稍微用手推一下机器手5,机器手5不会活动。相反,对于以不好姿势的状态抓握轻物体3或尺寸小的物体3来说危险度算出部22设定低的危险度,从而,根据式(3)设定小的惯性,即使姿势不好以弱力也容易地使机器手活动。另外,当以姿势不好的状态运算刀具这样尖锐的物体或由金属构成的硬物体、重要度高的物体时,设定时使粘性D及刚性K增大,机器人5的动作中产生抵抗感或僵硬定更靠内,很难活动。相反,当以不好的姿势状态搬运像这样设定尖锐度低、硬度低、重要度低的物体3时,危险程度算出部22降低了危险度,从而,设定小的粘性D及小刚性K,即使不好的姿势,机器手5也容易活动。
当多个人与机器手5协作同时抓握物体3时,使用各个人的危险程度平均值,进行机械阻抗设定值的运算。还有,孩子和大人等在危险度上分配权重,由此,当孩子在稳定的姿势、大人以不稳定的姿势操作时,设定大人的危险度优先于孩子的危险度,由此能够优先大人的操作。
关于以上的搬运状态信息收集部25、搬运状态数据库21、危险程度算出部22、阻抗设定部23的动作步骤,根据图13的流程图进行说明。
作为的动作步骤的前处理,通过按钮等数据输入IF66,收到来自人4的开始搬运物体指令,利用图像拍摄装置28拍摄操作机器手5的人4或物体3,根据获得的图像数据,利用图像识别部68进行图像识别(步骤S20)。利用图像识别部68提取抓握物体3的尺寸、人4的身高、人4的肘位置12、人4的手指位置13、人4的肩位置18、人4的胸骨上缘高15、人4的脚宽长度14,向搬运状态数据库21输出、记录,并且,向搬运状态检测部67输出肘位置12、手指位置13和肩位置18(步骤20~步骤26)。
接着,利用搬运状态检测部67根据由图像识别68的图像识别结果获得的肘位置12、手指位置13、肩位置18推定肘关节角度11、担当的手,向搬运状态数据库21输出(步骤S21、步骤S26)。
接着,利用重心测量部69测量操作机器手5的人4的重心坐标19,向搬运状态数据库21输出(步骤S22、步骤S26)。
接着,利用身体状况测量部70测量操作机器手5的人4的心率、血压、体温,与测量日期一起向搬运状态数据库21输出。再推定人4的手抖动的程度即振动度,向搬运状态数据库21输出(步骤S23、步骤S26)。
接着,利用物体重量推定部65推定物体3的重量,向搬运状态数据库21输出(步骤S24、步骤S26)。
接着,利用数据输入IF66,人4使用键盘、鼠标或麦克等数据输入IF66输入属性数据(属性信息),向搬运状态数据库21输出。(步骤S25、步骤S26)。
接着,作为所述动作步骤的后处理,利用危险程度算出部22根据记录在搬运状态数据库21中与人4的姿势或身体状况等作业状态有关的信息算出危险程度(步骤S27)。
接下来,阻抗设定部23根据人4的危险程度、物体3的重量、物体3的尺寸、物体3的硬度、物体3的尖锐度、物体3的重要度的至少1个以上的信息,用所述式(3)~式(5)算出阻抗参数,向阻抗控制部24输出(步骤S27)。
还有,步骤S20、步骤S22、步骤S23、步骤S24各步骤顺序不动。还有,在开始搬运物体或结束搬运物体时,很多时候人4的姿势变化剧烈,很危险,因而可以提高利用步骤S20、步骤S22、步骤S23、步骤S24处理的频率(几秒一次的比例),而在水平平行移动时可以降低处理频率。这样一来,能够精度良好地检测开始搬运时和结束搬运时的姿势变化。列举一例,检测到开始搬运时和结束搬运时,进行控制以提高处理频率,例如若数据输入IF66接收到开始搬运或结束搬运的输入,则为了提高处理频率,优选对图像识别部68、搬运状态检测部67、重心测量部69、身体状况测量部70、物体重量推定部65分别输出指令。
图5表示阻抗控制部24的框图。阻抗控制部24根据阻抗设定部23设定的惯性M、粘性D、刚性K的设定值将机器手5的机械阻抗值控制为设定的机器手5的机械阻抗设定值。
接下来,关于阻抗控制部24的详情利用图5进行说明。从机器手5输出由各个关节轴的编码器44测量的关节角的当前值(关节角度向量)向量q=[q1,q2,q3,q4,q5,q6]T,从输入输出IF26的对接板写入阻抗控制部24。其中,q1,q2,q3,q4,q5,q6分别是第1关节部35、第2关节部36、第3关节部37、第4关节部38、第5关节部39、第6关节部40的关节角度。
55是目标轨道生成部,输出手指位置及姿势目标向量rd和握手部30的打开闭合信息h,以实现作为目标的机器手5动作。作为目标的机器手5的动作,按照目的作业事前赋予各个时间(t=0、t=t1、t=t2···)下的每个点的位置(rd0、rd1、rd2···)及手部30的打开闭合信息(h0、h1、h2、···),目标轨道生成部55使用多项式插补,补充各点间的轨道,生成手指位置及姿势目标向量rd。手部30的打开闭合信息h为「1」或「0」的数值,用「1」表示手部30打开的状态,用「0」表示手部30闭合的状态,向以下所述的手控制部54传送。
54是手控制部,接收来自目标轨道生成部55的手部30打开闭合信息,经由马达驱动器27驱动控制马达62的旋转,使手部驱动用马达62的旋转轴正反旋转从而将手部30打开闭合。
53是力推定部,推定随着人们等与机器手5接触而对机器手5施加的外力。力推定部53经由输入输出IF26的A/D板写入利用马达驱动器27的电流传感器进行测量的在驱动机器手5各关节部的马达43中流动的电流值i=[i1,i2,i3,i4,i5,i6]T,另外,关节角的当前值q经由输入输出IF26的对接板写入力推定部53,同时从后述的近似反运动学运算部57输出的关节角度误差补偿输出uqe写入力推定部53。力推定部53发挥观测(observer)功能,根据以上的电流值i、关节角的当前值q、关节角度误差补偿输出uqe,算出由于机器手5施加的外力而在各关节部发生的转矩τext=[τ1ext、τ2ext、τ3ext、τ4ext、τ5ext、τ6ext]T。然后,按照Fext=Jv(q)-Tτext-[0,0,mg]T换算成机器手5手指上的等价手指外力Fext输出。在此,Jv(q)是满足
【数式6】
的雅可比矩阵。其中,v=[vx、vy、vz、ωx、ωy、ωz]T,(vx、vy、vz)是手指坐标系42中机器手5的手指平移速度,(ωx、ωy、ωz)是手指坐标系42中机器手5的手指的角速度。另外,m是抓握的物体3的重量,g是抓握的物体3的重力加速度。抓握物体3的重量m的值能够在抓握前人4使用数据输入IF66输入,或是经由阻抗设定部23从搬运状态数据库21获取。另外,利用机器手5实际进行抓握物体3的抓握,根据那时力推定部53的等价手指外力Fext的推定结果也可以算出抓握物体3的重量m值。
阻抗运算部51是执行以下功能的部分,即对机器手5进行控制使所述机器手的机械阻抗值成为机器阻抗设定值,利用由阻抗设定部23设定的阻抗参数即惯性M、粘性D、刚性K和关节角的当前值q、力推定部53推定的外力Fext,根据以下式(6)运算用来实现所述机器手的机械阻抗值成为机器阻抗设定值这种控制的手指位置及姿势目标修正输出rdΔ,并进行输出。手指位置及姿势目标修正输出rdΔ被加在目标轨道生成部55输出的手指位置及姿势目标向量rd上,生成手指位置及姿势修正目标向量rdm。
【数式7】
【数式8】
【数式9】
【数式10】
其中,
S是拉普拉斯算符。
58是(正)运动学运算部,其经由输入输出IF26的对接板输入利用机器手5各个关节轴的编码器44测量的关节角的当前值q即节角度向量q,进行由机器手5的关节角度向量q向手指位置及姿势向量r转换的几何科学运算。
56是位置误差补偿部,其输入由运动运算部58根据机器手5上测量的关节角度向量q运算出的手指位置及姿势向量r和手指位置及姿势修正目标向量rdm的误差re,位置误差补偿输出ure向近似反运动学运算部57输出。
近似反运动学运算部57根据近似式uout=Jr(q)-1uin,进行反运动学的近似运算。其中,Jr(q)是满足
【数式11】
的关系的雅可比矩阵,uin是向近似反运动学运算部57的输入,uout是来自近似反运动学运算部57的输出,如果以输入uin为关节角度误差qe,则成为像qe=Jr(q)-1re这样从手指位置及姿势误差re向关节角度误差qe的转换式。从而,若位置误差补偿输出ure向近似反运动学运算部57输入,则作为其输出,从近似反运动学运算部57输出用来补偿关节角度误差qe的关节角度误差补偿输出uqe。
关节角度误差补偿输出uqe经由输入输出IF26的D/A板以电压指令值形式赋予马达驱动器27,基于各马达43使各关节轴正反旋转驱动,机器手5工作。
关于如以上构成的阻抗控制部24,对机器手5的阻抗控制动作的原理进行说明。
阻抗控制动作的基本原理是利用位置误差补偿部56进行的手指位置及姿势误差re的反馈控制(位置控制),图5的虚线圈起来的部分为位置控制系59。作为位置误差补偿部56如果例如使用PID补偿器,则按照手指位置及姿势误差re趋向于0这样执行控制,能够实现作为目标的机器手5的阻抗控制动作。
根据图6的流程图关于根据以上原理进行的控制程序的实际动作步骤进行说明。该控制程序可在计算机中执行。
首先,控制装置2读取由关节部各个编码器44测量的关节角度数据(关节变量向量或关节角度向量q)(步骤S1)。
接着,在近似反运动学运算部57进行机器手5运动学运算所必需的雅可比矩阵Jr等的运算(步骤S2)。
接着,在运动学运算部58由机器手5传来的关节角度数据(关节角度向量q)运算机器手5的当前手指位置及姿势向量r(步骤S3)。
接着,根据预先存储在控制装置2存储器(没有图示)中的机器手5的动作程序,利用目标轨道运算部55运算机器手5的手指位置及姿势目标向量rd(步骤S4)。
接着,力推定部53由马达43的驱动电流值i、关节角度数据(关节角度向量q)、关节角度误差补偿输出uqe运算机器手5手指上的等价手指外力Fext(步骤S5)。
在阻抗运算部51,根据阻抗设定部23设定的机械阻抗参数即惯性M、粘性D、刚性K和关节角度数据(关节角度向量q)、由力推定部53运算的施加给机器手5的等价手指外力Fext,运算手指位置及姿势目标修正输出rdΔ(步骤S6)。其后,进入步骤S7。
接着,在位置误差补偿部56运算手指位置及姿势目标向量rd和手指位置及姿势目标修正输出rdΔ之和、即手指位置及姿势修正目标向量rdm、当前手指位置及姿势向量r之差即手指位置及姿势误差re(步骤S7)。作为位置误差补偿部56的具体例考虑PID补偿器。通过适当调整常数的对角矩阵即比例、微分、积分这3个增益,从而执行控制使位置误差趋于0。
接着,在近似反运动学运算部57将步骤S2运算的雅可比矩阵Jr的反矩阵进行乘法运算,从而利用近似反运动学运算部57将位置误差补偿输出ure从与手指位置及姿势误差有关的值转换成与关节角度误差有关的值即关节角度误差补偿输出uqe(步骤S8)。
接着,关节角度误差补偿输出uqe从近似反运动学运算部57通过输入输出IF26的D/A板赋予马达驱动器27,改变流经各马达43的电流量,从而发生机器手5各个关节轴的旋转运动(步骤S9)。
以上的步骤S1~步骤S9作为控制的运算循环反复执行,从而能够实现机器手的动作控制、即将机器手5的机械阻抗值控制为所述适当设定的设定值的动作。
接下来,关于本发明第1实施方式中控制装置2的整体动作,根据图14的流程图进行说明,以控制装置2通过按钮等数据输入IF66收到来自人4的开始搬运物体的指令后,人4操作机器手5一面抓握物体3一面搬运的作业为一具体例。
首先,步骤30中,目标轨道生成部55生成用于机器手5的手部30抓握物体3的目标轨道,利用图6所示步骤S8的控制流程执行机器手5的手指位置及姿势的控制,并且,利用控制装置2驱动控制手部驱动用马达43,从而使手部30以打开状态靠近物体3,使手部30到达可抓握物体3的位置,闭合手部30抓握物体3,从而能够实现物体3的抓握动作。还有,生成所述目标轨道时必需的抓握物体3的位置信息能够预先储存在没有图示的环境地图数据库中,或者利用图像拍摄装置26和图像识别部68获取。从而,当机器手5固定时,在目标轨道生成部55由固定机器手5的位置信息、所述抓握物体3的位置信息能够生成用来抓握物体3的目标轨道。另外,当机器手5例如固定座部34的轨道8的可动部相对于固定部移动、或是利用具有座部34上设置的车轮沿着固定轨道行驶的结构的移动装置5A移动时,能够利用图像拍摄装置28和图像识别部68适当获取机器手5相对于基准位置的当前位置信息,在目标轨道生成部55由获取的当前位置信息和所述抓握物体3的位置信息生成用来抓握物体3的目标轨道。还有,也可以在物体上装备RF标签等来提取物体3的位置信息。关于机器手5利用移动装置5A移动时的移动控制,机器手5的手指坐标r如上所述,以从绝对坐标系41看的手指坐标系42的向量表示。移动装置5A,例如通过固定机器手5的轨道移动,从而每当轨道8移动,绝对坐标系41的坐标平行移动。其中,手指位置是距绝对坐标系41的相对位置,因而即使轨道8移动也没有变化。
还有,所述环境地图数据库存储的是依赖于机器手周边环境而决定的墙壁或家具等配置信息的地图,能够在预先获取利用机器手进行搬运物体时有无障碍物等,进行避开该障碍物移动机器手5等回避动作时使用。
接下来,步骤S31,利用手部30上配置的RF标签接收部45读取配置在物体3上的RF标签46的信息,用RF标签接收部45特定物体3的ID号码等ID信息。
接着,由RF标签接收部45读取的ID号码等ID信息经由搬运状态信息收集部25向搬运状态数据库21输入,根据输入的ID信息,在搬运状态数据库21中读出物体3的重量、尺寸等特性数据,读出的特性数据从搬运状态数据库21向阻抗设定部23传送。
接着,步骤S32,利用搬运状态信息收集部25检测、测量操作机器手5的人4的身体特性信息、姿势信息和身体状况信息,并与识别人4的IC号码一起向搬运状态数据库21输出。再利用步骤S27的危险度算出程序在危险程度算出部22算出危险程度,存储在搬运状态数据库21中,并且传送到阻抗设定部23。人4的识别可以是在人4上装配RF标签,利用RF接收部45提取识别号码,也可以是人4在作业前用数据输入IF66输入IC号码。
接着,步骤S33,在阻抗设定部23,根据从搬运状态数据库21传送来的物体信息及危险程度,按照所述式(3)~式(5)运算机械阻抗设定值。
步骤S34,利用阻抗控制部23,进行控制所述机器手5的机械阻抗值的阻抗控制动作(阻抗控制部24的动作)以使机器手5的机械阻抗值成为阻抗设定部23中运算的机械阻抗设定值,人4操作机器手5期间持续阻抗控制动作。
步骤S35,若物体3搬运结束,由按钮等构成的数据输入IF66收到搬运结束信号,则通过控制装置2的控制,使机器手5的手部30打开,物体3从抓握状态被释放。
接着,步骤S36,由按钮等构成的数据输入IF66收到动作结束告知信号,则从其按钮进行的输入通过搬运状态数据库21、危险程度算出部22和阻抗设定部23向阻抗控制部24输入,经由阻抗控制部24的目标轨道生成部55,将动作结束告知信号输出到阻抗运算部51,设定的机械阻抗设定值由阻抗运算部51归零。
通过以上的动作步骤S30~步骤S36,根据对人4的作业姿势或身体状况、物体3的特性,在阻抗设定部23设定阻抗参数,通过阻抗设定部24进行控制,对应于参数实现利用机器手5进行的物体3搬运作业。
如上所述,由于具备搬运状态信息收集部25、搬运状态数据库21、阻抗设定部23、危险程度算出部22、阻抗控制部24,从而,在人4操作机器手5时,对应于由搬运状态信息收集部25收集的人4的姿势或身体状况、物体3特性的信息,机器手5从刚性高的阻抗控制状态迅速地转移到刚性低的阻抗控制状态,能够确保安全性。换言之,机器手5在能够充分发挥灵活性(柔软性)的状态下移动,以使危险状态中机器手5也能够灵活动作从而能够发挥安全性。具体地说,如图10或图11那样在人4的姿势不好的状态或血压或心率高于正常的状态、或是人4的手抖动的状态下搬运物体3时,存在人4跌倒或误操作的可能性。再有,即使在人4的姿势良好的状态、血压或心率正常的状态、或是人4的手不抖动的状态下搬运物体3,从这种情况变成如图10或图11那样在人4的姿势不好的状态或血压或心率高于正常的状态、或是人4的手抖动的状态下搬运物体3的情况时,同样存在人4跌倒或误操作的可能性。这种情况下或当时,用搬运状态信息收集部25收集该状态的信息,根据收集的信息及存储在搬运状态数据库21中的信息,利用危险程度算出部22设定危险程度为「5级」,利用阻抗设定部23使机器手5的机械阻抗设定值与危险程度「5级」呈比例地将刚性K设定得高,控制维持机器手5的手指姿势,因此,即使人4跌倒或误操作,也能够安全地搬送抓握物体3。另外,从所述状态变成人4的姿势良好的状态、血压或心率正常的状态、或是人4的手不抖动的状态搬运物体3时,用搬运状态信息收集部25收集该状态的信息,根据收集的信息及存储在搬运状态数据库21中的信息,利用危险程度算出部22将危险程度从「5级」设定为「4级」或其以下等级,利用阻抗设定部23使机器手5的机械阻抗设定值与危险程度「4级」或其以下等级呈比例地将刚性K设定得低,能够更灵活地操作机器手5。
另外,根据搬运状态信息收集部25收集的信息或存储在搬运状态数据库21中的信息,除了人4的姿势、身体状况信息以外,还考虑物体3的物体信息,由此能够与抓握物体3的物体特性对应进行阻抗控制。例如,当物体3重量轻时,不好的姿势下也不太危险,因而,危险程度算出部22算出的危险程度低,在阻抗设定部23使用式(5),与低危险度对应地较低设定机器手5的机械阻抗设定值,机器手5的弹力变弱,抵抗变小,即使是人4的姿势不好的姿势状态,也能够灵活的操作机器手5。相反,搬运重的物体3时,危险程度算出部22算出的危险程度高,在阻抗设定部23使用式(5)还有图21A及图21B,与高危险度对应地设定机器手5的机械阻抗设定值为高,机器手5的弹力变强,抵抗变大,能够防止机器手5过度活动,从而能够降低由于物体3落下带来的危险性。还有,图21A是以表的形式表示物体3重量轻时算出低危险度而使用的例子,图21B是以表的形式表示物体3重量重时算出高危险度而使用的例子,
如上所述,根据本发明第1实施方式的控制装置2,提供一种能够实现安全的机器人控制的控制装置,其按照人4的姿势或身体状况差的情况或物体3特性,适当控制机器手5,从而不会发生物体落下、或者与其他人或其他物体接触而增加人负担。
(第2实施方式)
本发明第2实施方式的机器手控制装置2A的基本构成与第1实施方式的情况相同,因此省略其共通部分说明,主要对不同部分进行以下详细说明。
图15是说明搬运状态数据库21的抓握规则表的图。搬运状态数据库21除了图8的物体3的物体信息、或者图9的表示人4的姿势、身体状况等的信息以外,还可以具有图15所示存储物体3位置及姿势约束条件信息的抓握规则表71。抓握规则表71包括位置维持、姿势维持、高度维持的项目,对于各个项目预先记录1或0的数值。例如,图15第1行的抓握规则是位置维持为0、姿势维持为1、高度维持为0。图15第2行的抓握规则是位置维持为1、姿势维持为1、高度维持为0。图15第3行的抓握规则是位置维持为0、姿势维持为1、高度维持为1。
图20是表示具备第2实施方式的机器手控制装置2A的机器人***1构成中的控制装置2A和作为控制对象的机器手5的详细构成的图。
切换部74配置在搬运状态数据库21和阻抗设定部23之间,根据抓握规则表71切换规则。具体说,抓握规则表71表示有一种姿势约束条件的信息是姿势维持项目为1时、保持物体3姿势固定不动这种姿势的约束条件的信息,切换部74向阻抗设定部23发生指令,由阻抗设定部23较大设定机器手5的手部30在手指旋转的旋转方向的机械阻抗设定值,以控制手指即手部30的姿势不易变动。
例如,图10所示,当人4以姿势不好的状态操作机器手5时,由于人4跌倒等而存在误操作的危险性,从而,设定抓握规则表71的姿势维持项目为1,以维持手指即手部30的姿势,保持物体3水平。
抓握规则表71的项目设定由切换部74根据搬运状态检测部67的检测结果或危险程度算出部22进行。例如,当人4以姿势不好的状态搬运物体3时,为了防止物体3倾斜、防止物体3中的物品落下,在危险程度算出部22算出的危险程度为「5级」时,根据来自危险程度算出部22的信息,由切换部74设定切换部74的抓握规则表71的姿势维持项目为1。
另外,位置维持项目为1时(图15的第2行的抓握规则的情况),切换部74向阻抗设定部23发出指令,由阻抗设定部23设定机器手5手指即手部30的平移(x、y、z)方向的机械阻抗设定值为大,以控制手指即手部30的姿势不易变动。例如,在人4身体状况比正常差的状态,机器手5误操作的危险性高从而危险程度算出部22设定危险程度为高时,根据来自危险程度算出部22的信息,切换部74将切换部74的抓握规则表71的位置维持项目设定为1。
另外,当高度维持项目为1时(图15第3行的抓握规则的情况),由阻抗设定部23设定机器手5手指即手部30的z方向的机械阻抗设定值为大,维持手指即手部30的位置高度。
例如图11所示,根据搬运状态信息收集部25收集的信息,人4为了避开脚下的障碍物72,由切换部74根据由胸骨上缘高和手指位置的差算出的信息判断在高于自己胸的位置操作机器手5时,为了避免人4错误地降低人4的手指进行操作而与脚下的障碍物72接触,利用切换部74设定高度维持项目为1。即、利用搬运状态信息收集部25收集胸骨上缘高和手指位置的信息,预先存储在搬运状态数据库21中,另一方面,当切换部74输入搬运状态数据库21的胸骨上缘高和手指位置的信息,判断在高于人4胸的位置进行操作时,设定高度维持项目为1。此时,切换部74向阻抗设定部23发出指令,由阻抗设定部23设定机器手5手指即手部30的-z方向即竖直方向向下的机械阻抗设定值为大,以控制手指即手部30的位置不易降低。
接着,以姿势维持的情况(图15第3行的抓握规则的情况)为例,关于将所述机器手5的机械阻抗值控制为机械阻抗设定值的实现方法进行说明。
手指位置及姿势目标修正输出rdΔ在阻抗控制部24的阻抗运算部51按照下式(10)运算。
【数式12】
其中,
【数式13】
当人4操作机器手5时,阻抗控制系数的一部分成分由阻抗运算部51变更。
例如,以人4的姿势不好的状态搬运物体3时(例如、按照图19A及图19B算出危险度,例如当危险度为4以上时,切换部74判断在姿势不好的状态搬运物体3的情况),参照切换部74的抓握规则表71,抓握规则表71的姿势维持项目为1时,利用阻抗设定部23,与位置对应的成分(αx、αy、αz)被切换成1,与姿势对应的成分维持0。从而,利用阻抗控制部24对手指的位置(x、y、z)进行控制,以使为刚性K,利用阻抗控制部24进行位置控制以维持手指的姿势从而,如果利用阻抗设定部23将机械阻抗设定为例如惯性M=0、D=0且刚性K能够充分发挥灵活性这样的设定值,那么即使在4的姿势不好时,也由于手指即手部30的位置活动灵活,从而发挥安全性,另一方面,由于维持着手指即手部30的姿势,因此例如搬运放有水的锅时,即使人4失误致使锅要倾斜时,锅也维持水平,锅中的水不会落下。
像这样,利用阻抗控制系数能够将所述机器手5的机器阻抗的值在手指即手部30的每个方向上都控制为机械阻抗设定值,由此能够实现可确保对人4的安全性,且同时满足对物体3的安全性的控制。
还有,本第2实施方式中,抓握规则表71如图15所示,不过,并不限定于此,位置维持成分、姿势维持成分、还有在每个±方向上指定机械阻抗设定值的切换动作方式的形式都能够发挥同样的效果,更精细地指定机械阻抗设定值切换动作。
(第3实施方式)
本发明第3实施方式中机器手控制装置的基本构成与第1实施方式及第2实施方式的情况相同,因此省略其共通部分说明,主要对不同部分进行以下详细说明。
图4是表示机器手5和人4相对位置关系的图。
图7中68是图像识别部,根据照相机等图像拍摄装置28的图像数据进行图像识别,分别提取机器手5的座部34位置及人4的位置及机器手5的手指位置,向搬运状态数据库21输出。危险程度算出部22算出搬运状态数据库21的人4的位置信息和机器手5的座部34位置的相对位置17及人4的位置信息和机器手5的手指位置的相对位置16,对应于相对位置关系算出危险程度。具体地说,例如人4的位置从机器手5的座部34位置或机器手5的手指位置接近机器手5的情况为「5级」,人4的位置远离机器手的情况为「1级」。与第1实施方式同样,根据所述式(3)~式(5),运算阻抗参数,向阻抗控制部24输出。即,如果利用阻抗设定部与危险程度呈反比例地设定刚性K,则人4接近机器手5时,刚性降低,从而,机器手5动作灵活,能够降低由于与14碰撞带来的危险性。
如上所述,根据人4与机器手5接近程度设定机械阻抗,由此能够降低人4与机器手碰撞时的危险性,提供一种实现安全机器人控制的控制装置。
还有,所述第1实施方式中,用机器手控制装置调整位置误差补偿部56的增益,从而可以实现在每个手指的方向模拟将所述机器手5的机械阻抗值控制为机械阻抗设定值。
还有,所述第1实施方式中,物理特性信息采用了抓握物体的重量信息、尺寸信息、硬度信息,不过并不限定于此,也可以是湿度等其他物理特性。
列举一例,可以在一面抓握放有热水的锅一面搬运时,提高危险度,另一方面,在一面抓握放有水的锅一面搬运时降低危险度。具体地说,例如,在机器手5的手部附近配置红外线传感器(没有图示),利用所述红外线传感器检知手部30抓握的物体、例如锅本身或锅中液体的温度,将检知的温度从搬运状态信息收集部25存储到搬运状态数据库21中。危险程度算出部22根据搬运状态数据库21的物体(例如锅本身或锅中的液体)温度,并按照存储在搬运状态数据库21中或危险程度算出部22中的温度和危险度的关系信息(参照图22),算出危险度等级。即,危险度算出部22算出在一面抓握放有热水的锅一面搬运时要提高危险度的等级,另一方面,在一面抓握放有水的锅一面搬运时要降低危险度的等级。然后,在阻抗设定部23,取代所述式(3)~(5)而使用下式(3a)~(5a)设定机械阻抗设定值的各参数即可。
【数式14】
M=KMa×(危险程度)+KMm×(重量[kg])+KMl×(尺寸[m])+KMk×(硬度)+KMt×(温度)+KMd×(尖锐度)+KMp×(重要度) …式(3a)
【数式15】
D=KDa×(危险程度)+KDm×(重量[kg])+KDl×(尺寸[m])+KDk×(硬度)+KDt×(温度)+KDd×(尖锐度)+KDp×(重要度) …式(4a)
【数式16】
K=KKa×(危险程度)+KKm×(重量[kg])+KKl×(尺寸[m])+KKk×(硬度)+KKt×(温度)+KKd×(尖锐度)+KKp×(重要度)
…式(5a)
还有,KMt、KDt、KKt为增益,分别为某一常数值。
还有,所述第1实施方式中,姿势信息采用了肘关节角度11和人4手指位置,不过并不限定于此,可以采用膝关节角度等等其他姿势信息。例如,通常情况是使用手指搬运物体,因此,作为姿势信息之一是使用肘的关节角度,不过,例如不是用手指而是用脚搬运物体时,能够使用脚的膝关节角度等作为姿势信息。另外,当扛在肩上搬运物体时,能够使用颈和肩的角度等作为姿势信息。
还有,所述各种实施方式中,利用危险程度算出部22根据所述协作搬运信息数据库21的所述协作搬运信息算出所述人4在搬运物体时的危险程度时,所述协作搬运信息(作业姿势信息、身体状况信息、物体特性信息、机器手5和人4的相对位置等信息)以数值形式表现的情况,优选是相对于预定的危险度判定用阈值来说,当所述协作搬运信息处于协作搬运作业的危险范围或异常范围侧时算出的危险程度高,而另一方面,相对于所述阈值来说,当所述协作搬运信息处于协作搬运作业的非危险范围或正常范围侧时算出的危险程度低。
另外,所述各种实施方式中,阻抗设定部23根据所述危险程度算出部22算出的所述危险程度、所述搬运状态数据库21的所述物理选特信息或属性的至少1个信息设定所述机器手5的机械阻抗设定值时,该1个信息以数值形式表现的情况,优选是相对于预定的危险度判定用阈值来说,当所述协作搬运信息处于协作搬运作业的危险范围或异常范围侧时算出的危险程度高,另一方面,相对于所述阈值来说,当所述协作搬运信息处于协作搬运作业的非危险范围或正常范围侧时算出的危险程度低。
还有,所述各种实施方式中以机器手为例进行了说明,不过,本发明并不限定于机器手,也能够适用于利用车轮活动的移动机器人、或两脚步行机器人、或多脚步行机器人等,对于移动机器人等与人类的接触可发挥同样的效果。
还有,通过将所述各种实施方式中任意实施方式适当组合,从而能够实现各自具有的效果。
【工业上的可利用性】
本发明可有效作为执行家庭用机器人等具有与人接触可能性的机器人的机器手动作控制的机器手控制装置及控制方法、具有机器手控制装置的机器人、及机器手的控制程度、集成电子电路。另外,并不限定于家庭用机器人,也可适用于工业用机器人、或生产设备等上可动机构的机器手的控制装置及控制方法、具有机器手控制装置的机器人、及机器手的控制程度、集成电子电路。
本发明参照附图联系优选实施方式进行充分地叙述,不过,对于熟悉该技术的人们来说可进行各种变形和修改,这是不言而喻的。那些变形或修改只要没有脱离由本发明要求保护的范围,就应该理解为包含在其中。
Claims (3)
1.一种机器手控制装置,其特征在于,
具备:作业姿势信息获取单元,其获取作业姿势信息,该作业姿势信息是关于人与机器手协作搬运物体时与所述机器手协作的所述人的作业姿势的信息;
危险程度算出单元,其根据由所述作业姿势信息获取单元获取的所述作业姿势信息,算出所述人在搬运物体时的危险程度;和
刚性控制单元,其进行控制以使利用所述危险程度算出单元算出的所述危险程度越大越提高所述机器手的刚性,
并且,所述作业姿势信息包括与所述机器手协作的所述人协作一侧的肘关节角度信息,所述搬运物体时的所述肘关节角度越大所述危险程度算出单元算出的所述危险程度越大,所述肘关节角度越小所述危险程度算出单元算出的所述危险程度越小。
2.一种机器人,其特征在于,
具有:机器手,和控制所述机器手的权利要求1所述的机器手控制装置。
3.一种机器手控制方法,其特征在于,
利用作业姿势信息获取单元获取作业姿势信息,该作业姿势信息是关于人与机器手协作搬运物体时与所述机器手协作的所述人的作业姿势的信息;
利用危险程度算出单元,根据由所述作业姿势信息获取单元获取的所述作业姿势信息,算出所述人在搬运物体时的危险程度;
利用刚性控制单元进行控制,以使利用所述危险程度算出单元算出的所述危险程度越大越提高所述机器手的刚性,
并且,所述作业姿势信息包括与所述机器手协作的所述人协作一侧的肘关节角度信息,
在利用所述危险程度算出单元算出所述危险程度时,所述搬运物体时的所述肘关节角度越大所述危险程度算出单元算出的所述危险程度越大,所述肘关节角度越小所述危险程度算出单元算出的所述危险程度越小。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007169115 | 2007-06-27 | ||
JP2007-169115 | 2007-06-27 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008800105858A Division CN101646534B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102248537A CN102248537A (zh) | 2011-11-23 |
CN102248537B true CN102248537B (zh) | 2013-12-04 |
Family
ID=40185375
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101597069A Active CN102229148B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
CN201110159711XA Active CN102248537B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
CN201110159684.6A Active CN102229147B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
CN2008800105858A Active CN101646534B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101597069A Active CN102229148B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110159684.6A Active CN102229147B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
CN2008800105858A Active CN101646534B (zh) | 2007-06-27 | 2008-06-24 | 机器手控制装置及控制方法、机器人 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7747351B2 (zh) |
JP (1) | JP4243326B2 (zh) |
CN (4) | CN102229148B (zh) |
WO (1) | WO2009001550A1 (zh) |
Families Citing this family (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4445038B2 (ja) * | 2008-02-06 | 2010-04-07 | パナソニック株式会社 | ロボット、ロボットの制御装置及び制御方法、並びに、ロボットの制御装置の制御プログラム |
CN101737603B (zh) * | 2008-11-10 | 2011-11-30 | 鸿富锦精密工业(深圳)有限公司 | 万向关节 |
CN101859096A (zh) * | 2009-04-10 | 2010-10-13 | 鸿富锦精密工业(深圳)有限公司 | 采用pid控制器的控制方法及控制装置与机器人 |
US8364314B2 (en) * | 2009-04-30 | 2013-01-29 | GM Global Technology Operations LLC | Method and apparatus for automatic control of a humanoid robot |
CN102470531B (zh) * | 2010-01-04 | 2016-01-20 | 松下知识产权经营株式会社 | 机器人、机器人的控制装置及控制方法 |
JP5059978B2 (ja) * | 2010-01-25 | 2012-10-31 | パナソニック株式会社 | 危険提示装置、危険提示システム、危険提示方法およびプログラム |
CN101870110B (zh) * | 2010-07-01 | 2012-01-04 | 三一重工股份有限公司 | 一种机械铰接臂的控制方法及控制装置 |
US9665767B2 (en) * | 2011-02-28 | 2017-05-30 | Aic Innovations Group, Inc. | Method and apparatus for pattern tracking |
CN103118842A (zh) * | 2011-03-17 | 2013-05-22 | 松下电器产业株式会社 | 机器人、机器人的控制装置、控制方法以及控制程序 |
US9965850B2 (en) * | 2012-07-05 | 2018-05-08 | Bernard Fryshman | Object image recognition and instant active response with enhanced application and utility |
JP2013111737A (ja) * | 2011-12-01 | 2013-06-10 | Sony Corp | ロボット装置及びその制御方法、並びにコンピューター・プログラム |
FR2983762B1 (fr) * | 2011-12-09 | 2014-01-10 | Commissariat Energie Atomique | Procede de pilotage d'un robot et systeme de pilotage mettant en oeuvre un tel procede |
KR101305819B1 (ko) * | 2012-01-04 | 2013-09-06 | 현대자동차주식회사 | 착용식 로봇의 사용자 조작 의도 토크 추출방법 |
WO2013175777A1 (ja) | 2012-05-23 | 2013-11-28 | パナソニック株式会社 | ロボット、ロボットの制御装置、制御方法、及び制御プログラム |
US10521896B2 (en) * | 2012-07-05 | 2019-12-31 | Bernard Fryshman | Object image recognition and instant active response with enhanced application and utility |
JP6312264B2 (ja) | 2012-09-17 | 2018-04-18 | リシンク ロボティクス インコーポレイテッド | 冗長自由度を伴うロボットマニピュレータの制約 |
CN103894807A (zh) * | 2012-12-28 | 2014-07-02 | Abb技术有限公司 | 降低操作员潜在伤害的方法和装置 |
JP5942311B2 (ja) * | 2013-02-25 | 2016-06-29 | パナソニックIpマネジメント株式会社 | ロボット、ロボットの制御装置及び制御方法、並びに、ロボット用制御プログラム |
CN103170973B (zh) * | 2013-03-28 | 2015-03-11 | 上海理工大学 | 人机协作装置及实现人机协作的方法 |
JP6007873B2 (ja) * | 2013-08-30 | 2016-10-12 | トヨタ自動車株式会社 | ロボット及びその制御方法 |
CN103600354B (zh) * | 2013-11-08 | 2016-10-05 | 北京卫星环境工程研究所 | 航天器机械臂柔性随动控制重力补偿方法 |
US10255492B2 (en) * | 2014-03-05 | 2019-04-09 | Konica Minolta, Inc. | Image processing method providing information for identifying a function of an object, the function being identified based on a pose of a person with respect to the object |
JP6380828B2 (ja) * | 2014-03-07 | 2018-08-29 | セイコーエプソン株式会社 | ロボット、ロボットシステム、制御装置、及び制御方法 |
DE102014005355A1 (de) * | 2014-04-11 | 2015-10-15 | Herbert Kannegiesser Gmbh | Verfahren zum Erfassen eines Wäschestücks |
JP5820013B1 (ja) * | 2014-04-30 | 2015-11-24 | ファナック株式会社 | ワークを把持して搬送するロボットの安全監視装置 |
DE102014210362A1 (de) * | 2014-06-02 | 2015-12-03 | Kuka Systems Gmbh | MRK-Arbeitsplatz mit einer Aufspannvorrichtung |
US9804593B1 (en) * | 2014-12-12 | 2017-10-31 | X Development Llc | Methods and systems for teaching positions to components of devices |
JP5927284B1 (ja) * | 2014-12-22 | 2016-06-01 | ファナック株式会社 | 人との接触力を検出してロボットを停止させるロボット制御装置 |
JP6582483B2 (ja) * | 2015-03-26 | 2019-10-02 | セイコーエプソン株式会社 | ロボット制御装置およびロボットシステム |
JP6426547B2 (ja) * | 2015-07-21 | 2018-11-21 | ファナック株式会社 | 人間協調型ロボットシステムのロボットシミュレーション装置 |
JP6591818B2 (ja) * | 2015-07-30 | 2019-10-16 | ファナック株式会社 | 産業用ロボットシステムおよびその制御方法 |
DE102016009030B4 (de) | 2015-07-31 | 2019-05-09 | Fanuc Corporation | Vorrichtung für maschinelles Lernen, Robotersystem und maschinelles Lernsystem zum Lernen eines Werkstückaufnahmevorgangs |
JP6240689B2 (ja) * | 2015-07-31 | 2017-11-29 | ファナック株式会社 | 人の行動パターンを学習する機械学習装置、ロボット制御装置、ロボットシステム、および機械学習方法 |
JP2017196705A (ja) * | 2016-04-28 | 2017-11-02 | セイコーエプソン株式会社 | ロボット、及びロボットシステム |
CN109153134B (zh) * | 2016-05-26 | 2021-08-13 | 三菱电机株式会社 | 机器人控制装置 |
DE102016007519A1 (de) * | 2016-06-20 | 2017-12-21 | Kuka Roboter Gmbh | Überwachung einer Anlage mit wenigstens einem Roboter |
US10427305B2 (en) * | 2016-07-21 | 2019-10-01 | Autodesk, Inc. | Robotic camera control via motion capture |
JP6517762B2 (ja) * | 2016-08-23 | 2019-05-22 | ファナック株式会社 | 人とロボットが協働して作業を行うロボットの動作を学習するロボットシステム |
JP6226049B1 (ja) * | 2016-09-07 | 2017-11-08 | オムロン株式会社 | 制御装置、システム、制御方法およびプログラム |
KR102286006B1 (ko) * | 2016-11-23 | 2021-08-04 | 한화디펜스 주식회사 | 추종 장치 및 추종 시스템 |
CN106737747B (zh) * | 2017-01-10 | 2020-04-28 | 广东工业大学 | 一种机器人双臂自平衡方法及机器人 |
JP6496335B2 (ja) * | 2017-03-03 | 2019-04-03 | ファナック株式会社 | ロボットシステム |
WO2018212226A1 (ja) | 2017-05-17 | 2018-11-22 | Telexistence株式会社 | 制御装置、ロボット制御方法及びロボット制御システム |
US11694254B2 (en) * | 2017-06-15 | 2023-07-04 | Microsoft Technology Licensing, Llc | Interactive physical product browsing experience |
CN108038410B (zh) * | 2017-10-31 | 2020-04-17 | 珠海格力电器股份有限公司 | 洗衣机震动处理方法及装置 |
CN108175397B (zh) * | 2017-11-30 | 2023-12-15 | 深圳市富惠阳电子科技有限公司 | 一种人体测压用自动手爪装置 |
CN108175639B (zh) * | 2017-12-29 | 2019-08-30 | 国家康复辅具研究中心 | 一种可穿戴式单源仿生动力膝关节***及其控制方法 |
US10589423B2 (en) * | 2018-06-18 | 2020-03-17 | Shambhu Nath Roy | Robot vision super visor for hybrid homing, positioning and workspace UFO detection enabling industrial robot use for consumer applications |
JP7392650B2 (ja) * | 2018-10-09 | 2023-12-06 | ソニーグループ株式会社 | 情報処理装置、情報処理方法及びプログラム |
USD926507S1 (en) | 2018-10-16 | 2021-08-03 | Sony Corporation | Kitchen with robot manipulator |
WO2020100223A1 (ja) * | 2018-11-14 | 2020-05-22 | 三菱電機株式会社 | リスク値算出システム、リスク要素パラメータ補正システム、情報処理装置、リスク値算出方法、リスク要素パラメータ補正方法、及びプログラム |
JP7094210B2 (ja) | 2018-11-29 | 2022-07-01 | 株式会社安川電機 | 特性推定システム、特性推定方法、及びプログラム |
CN113316501B (zh) * | 2019-05-31 | 2022-02-18 | 乐恩吉室株式会社 | 以危险度判断为基础的机器人移动控制方法及利用其的移动机器人装置 |
EP4009129A1 (en) * | 2019-08-14 | 2022-06-08 | Sony Group Corporation | Robot control device, method, and program |
JP2021030359A (ja) * | 2019-08-22 | 2021-03-01 | オムロン株式会社 | 制御装置、制御方法、及び制御プログラム |
JP7086906B2 (ja) * | 2019-09-13 | 2022-06-20 | 株式会社東芝 | 作業支援装置、作業支援方法、および作業支援プログラム |
KR102356660B1 (ko) * | 2019-11-01 | 2022-02-07 | 주식회사 뉴로메카 | 다자유도 협동 로봇의 마찰 보상 방법 |
US20210209352A1 (en) * | 2019-12-26 | 2021-07-08 | Bernard Fryshman | Insect and other small object image recognition and instant active response with enhanced application and utility |
CN113771039B (zh) * | 2020-05-07 | 2022-08-02 | 牧今科技 | 用于估计机器人操作参数的方法和计算*** |
US11691285B2 (en) * | 2020-05-07 | 2023-07-04 | Mujin, Inc. | Method and computing system for estimating parameter for robot operation |
CN113821006B (zh) * | 2020-05-07 | 2022-10-14 | 牧今科技 | 用于确定指示机器人校准质量的误差参数的值的方法和计算*** |
CN112809686B (zh) * | 2021-02-02 | 2022-08-16 | 杭州柳叶刀机器人有限公司 | 一种机器人体态随动控制方法及装置 |
US20220379477A1 (en) * | 2021-05-28 | 2022-12-01 | Illinois Tool Works Inc. | Systems and methods to configure a robotic welding system |
CN113282110B (zh) * | 2021-07-23 | 2021-10-22 | 季华实验室 | 飞行机器人与人的协同作业方法及其装置、飞行机器人 |
CN113778020B (zh) * | 2021-08-24 | 2023-05-26 | 哈尔滨岛田大鹏工业股份有限公司 | 一种基于向量法的毛刷补偿方法 |
US20220105635A1 (en) * | 2021-12-17 | 2022-04-07 | Intel Corporation | Repetitive task and contextual risk analytics for human-robot collaboration |
EP4252970A1 (en) * | 2022-03-31 | 2023-10-04 | Honda Research Institute Europe GmbH | Controlling a robot based on an optimized cooperation with other agents |
DE102022114494A1 (de) | 2022-06-09 | 2023-12-14 | Schaeffler Technologies AG & Co. KG | Kollaborative Robotervorrichtung mit Sensorik zur Berücksichtigung des menschlichen Wohlbefindens in einer geteilten Arbeitsumgebung |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1488474A (zh) * | 2003-09-09 | 2004-04-14 | 北京航空航天大学 | 一种面向人机交互的带有力反馈的外骨架式可佩戴数据臂 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997010081A1 (fr) * | 1995-09-11 | 1997-03-20 | Kabushiki Kaisha Yaskawa Denki | Circuit de commande de robots |
JP3638048B2 (ja) | 1995-12-11 | 2005-04-13 | 株式会社安川電機 | 肢体駆動装置の制御装置 |
JP4075020B2 (ja) | 1997-01-10 | 2008-04-16 | 株式会社安川電機 | 肢体駆動装置の制御装置および肢体駆動システム |
JP3865158B2 (ja) | 1997-05-30 | 2007-01-10 | 株式会社安川電機 | ロボットアームのインピーダンス制御装置 |
JP3504507B2 (ja) | 1998-09-17 | 2004-03-08 | トヨタ自動車株式会社 | 適切反力付与型作業補助装置 |
JP2000202790A (ja) | 1999-01-14 | 2000-07-25 | Sharp Corp | ロボット装置 |
US6522952B1 (en) * | 1999-06-01 | 2003-02-18 | Japan As Represented By Secretary Of Agency Of Industrial Science And Technology | Method and system for controlling cooperative object-transporting robot |
US6204619B1 (en) * | 1999-10-04 | 2001-03-20 | Daimlerchrysler Corporation | Dynamic control algorithm and program for power-assisted lift device |
JP3188953B2 (ja) | 1999-10-13 | 2001-07-16 | 経済産業省産業技術総合研究所長 | パワーアシスト装置およびその制御方法 |
JP3577028B2 (ja) * | 2001-11-07 | 2004-10-13 | 川崎重工業株式会社 | ロボットの協調制御システム |
EP1499129B1 (en) * | 2002-04-25 | 2011-12-28 | Panasonic Corporation | Object detection device, object detection server, and object detection method |
JP3833567B2 (ja) * | 2002-05-01 | 2006-10-11 | 本田技研工業株式会社 | 移動ロボットの姿勢制御装置 |
JP3996015B2 (ja) * | 2002-08-09 | 2007-10-24 | 本田技研工業株式会社 | 姿勢認識装置及び自律ロボット |
US7443115B2 (en) * | 2002-10-29 | 2008-10-28 | Matsushita Electric Industrial Co., Ltd. | Apparatus and method for robot handling control |
JP2004148466A (ja) * | 2002-10-31 | 2004-05-27 | Yaskawa Electric Corp | ロボット制御装置 |
JP4305323B2 (ja) * | 2004-08-11 | 2009-07-29 | ソニー株式会社 | ロボット装置の動作制御装置及び動作制御方法 |
JP3927994B2 (ja) * | 2004-10-19 | 2007-06-13 | 松下電器産業株式会社 | ロボット装置 |
JP4578365B2 (ja) * | 2005-09-16 | 2010-11-10 | 学校法人同志社 | インピーダンス制御によって制御されるロボット |
JP4456560B2 (ja) * | 2005-12-12 | 2010-04-28 | 本田技研工業株式会社 | 脚式移動ロボット制御装置および脚式移動ロボット、並びに、脚式移動ロボット制御方法 |
JP4056080B2 (ja) * | 2006-01-13 | 2008-03-05 | 松下電器産業株式会社 | ロボットアームの制御装置 |
-
2008
- 2008-06-24 CN CN2011101597069A patent/CN102229148B/zh active Active
- 2008-06-24 JP JP2008536873A patent/JP4243326B2/ja active Active
- 2008-06-24 WO PCT/JP2008/001632 patent/WO2009001550A1/ja active Application Filing
- 2008-06-24 CN CN201110159711XA patent/CN102248537B/zh active Active
- 2008-06-24 CN CN201110159684.6A patent/CN102229147B/zh active Active
- 2008-06-24 CN CN2008800105858A patent/CN101646534B/zh active Active
- 2008-06-24 US US12/594,696 patent/US7747351B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1488474A (zh) * | 2003-09-09 | 2004-04-14 | 北京航空航天大学 | 一种面向人机交互的带有力反馈的外骨架式可佩戴数据臂 |
Non-Patent Citations (3)
Title |
---|
JP特开2000-202790A 2000.07.25 |
JP特开2004-148466A 2004.05.27 |
JP特开2007-75974A 2007.03.29 |
Also Published As
Publication number | Publication date |
---|---|
CN102229148B (zh) | 2013-10-16 |
WO2009001550A1 (ja) | 2008-12-31 |
CN102229147B (zh) | 2014-01-29 |
CN101646534B (zh) | 2012-03-21 |
US20100087955A1 (en) | 2010-04-08 |
CN102248537A (zh) | 2011-11-23 |
CN102229148A (zh) | 2011-11-02 |
CN102229147A (zh) | 2011-11-02 |
US7747351B2 (en) | 2010-06-29 |
JPWO2009001550A1 (ja) | 2010-08-26 |
CN101646534A (zh) | 2010-02-10 |
JP4243326B2 (ja) | 2009-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102248537B (zh) | 机器手控制装置及控制方法、机器人 | |
JP4568795B2 (ja) | ロボットアームの制御装置及び制御方法、ロボット、ロボットアームの制御プログラム、並びに、集積電子回路 | |
JP4056080B2 (ja) | ロボットアームの制御装置 | |
JP4584354B2 (ja) | ロボットアームの制御装置及び制御方法、ロボット、ロボットアームの制御プログラム、並びに、集積電子回路 | |
JP4361132B2 (ja) | ロボットアームの制御装置及び制御方法、ロボット、及び制御プログラム | |
JP5512048B2 (ja) | ロボットアームの制御装置及び制御方法、ロボット、制御プログラム、並びに、集積電子回路 | |
WO2011021375A1 (ja) | ロボットアームの制御装置及び制御方法、組立ロボット、ロボットアームの制御プログラム、及び、ロボットアームの制御用集積電子回路 | |
CN102300679B (zh) | 机器人手臂的控制装置及控制方法、机器人及机器人手臂控制用集成电路 | |
US11850014B2 (en) | Control system, control method, and surgical arm system | |
US8024071B2 (en) | Robot, controlling device and controlling method for robot, and controlling program for robot-controlling device | |
EP2406041B1 (en) | Robot apparatus and control method therefor | |
US20100256812A1 (en) | Control device and control method for cleaner, cleaner, control program for cleaner, and integrated electronic circuit | |
Wu et al. | Decoupled motion control of wearable robot for rejecting human induced disturbances | |
Kiyokawa et al. | Generation of a tactile-based pouring motion using fingertip force sensors | |
US20230234231A1 (en) | Teleoperation assist device, teleoperation assist method, and storage medium | |
Dotterweich | Control improvement of an above elbow prosthetic limb utilizing torque compensation and reaching test analysis | |
REGELUNGSTECHNIK | Autonomous robot manipulation in uncertain human environments using purely haptic feedback |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |