JP2013144355A - ロボットが用いる把持パターンを生成する方法及び計算機プログラム製品 - Google Patents

Abstract

【課題】ロボット把持パターンを生成する方法及び計算機プログラム製品を提供すること。
【解決手段】本発明の一実施例による方法は，対象物体に関係する複数の接近光線を生成するステップを含み，複数の接近光線はそれぞれ対象物体の表面から垂直に伸びる。この方法は更に，複数の接近光線に関係する対象物体の把持パターンを生成するために，複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成するステップと，把持パターン集合の個別把持パターンごとに把持品質評点を計算するステップと，個別把持パターンそれぞれの把持品質評点と，把持品質しきい値とを比較するステップと，を含む。この方法は更に，把持品質しきい値より高い把持品質評点を有する把持パターン集合の個別把持パターンを選択するステップと，選択された把持パターンを，対象物体のオンライン操作用にロボットに供給するステップと，を含む。
【選択図】図４

Description

本発明は，概略，ロボット応用における把持パターンに関し，より詳細には，対象物体に関係する複数の接近光線（ａｐｐｒｏａｃｈ ｒａｙ）を用いて，ロボットの把持パターンを生成する方法及び計算機プログラム製品に関する。

ロボットは特定のタスクを実行する空間内で動作することができる。例えば，使用人（ｓｅｒｖａｎｔ）ロボットは，動作空間内を移動（ｎａｖｉｇａｔｅ）し，物体を配置し，物体を操作するように課題を与えられる。ロボットは，動作空間内の物体を見付け，物体を拾い上げ，該物体を動作空間内の別の場所に移動させるように指示される。ロボットは，しばしば，素早く，かつ可能な限り最も効率的な方法で物体を操作するようにプログラムされる。

しかし，適切な把持姿勢を自律的に計算することは困難であり，計算的負荷が大きい。把持候補ごとに，把持が対象物体をどれだけしっかりと保持できるかを判定するために，把持品質を試験しなければならない。すべての把持パターンが対象物体をうまく把持できる訳ではない。例えば，把持パターンは，ロボットの末端効果器の関節が対象物体と衝突したり，把持パターンが提供する把持が対象物体を保持できなかったりする原因となる。さらに，有効アーム軌跡は，軌跡計画内で同時に実行できなければならない。このような計算はロボットのオンライン処理の速度を低下させる。また，いくつかの場合には，対象物体と関係する把持パターンはロボットの退屈な手動プログラム又は遠隔操作によって教示してもよい。この処理は遅く，人的エラーを生じやすい。

さらに，対象物体をロボットが操作する際の不確定性がある。例えば，ロボットの物体配置システムから生じる対象物体の初期姿勢に関する不確定性がある。このような不確定性は把持失敗につながることがある。また，ロボットの末端効果器によって対象物体を把持し，持ち上げる際の力学から生じる，物体の変位及び姿勢に関しても不確定性がある。

したがって，ロボット処理に関してオフラインで開発され，対象物体の姿勢及び変位に関する不確定性を考慮に入れた，ロボットの上首尾な把持パターンを生成する代替方法及び計算機プログラム製品に対する要望がある。

一つの実施例においては，ロボットが用いる把持パターンを生成する方法は，対象物体に関係する複数の接近光線を生成するステップを含み，複数の接近光線はそれぞれ対象物体の表面から垂直に伸びる。この方法は更に，複数の接近光線に関係する対象物体の把持パターンを生成するために，複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成するステップと，把持パターン集合の個別把持パターンごとに把持品質評点を計算するステップと，各個別把持パターンの把持品質評点と，把持品質しきい値とを比較するステップと，を含む。この方法は更に，把持品質しきい値より高い把持品質評点を有する把持パターン集合の個別把持パターンを選択するステップと，選択された把持パターンを，対象物体のオンライン操作用にロボットに供給するステップと，を含む。

別の実施例においては，ロボットが用いる把持パターンを生成するために計算装置と共に用いる計算機プログラム製品は，対象物体に関係する複数の接近光線を生成する計算機実行可能命令を記憶する計算機可読媒体を含む。計算装置によって実行したとき，計算機実行可能命令は計算装置が，計算機シミュレーションによって，対象物体に関係する複数の接近光線を生成し，複数の接近光線はそれぞれ対象物体の表面から垂直に伸び，複数の接近光線に関係する対象物体の把持パターンを生成するために，複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成し，把持パターン集合の個別把持パターンごとに把持品質評点を計算させるようにする。計算機実行可能命令は更に，計算装置に，各個別把持パターンの把持品質評点と，把持品質しきい値とを比較し，把持品質しきい値より高い把持品質評点を有する把持パターン集合の個別把持パターンを選択し，選択された把持パターンを，対象物体のオンライン操作用にロボットに供給させるようにする。

また別の実施例においては，ロボットが用いる把持パターンを生成する方法は，対象物体に関係する複数の接近光線を生成するステップと，複数の接近光線と関係する対象物体の把持パターン集合を生成するために，複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成するステップとを含む。複数の接近光線はそれぞれ対象物体の表面から垂直に伸びる。個別把持パターンはそれぞれ，少なくとも部分的に，姿勢確率分布モデルから，対象物体の複数の物体姿勢を選択することによって生成される。この方法は，選択された物体姿勢ごとに，計算機シミュレーションによってロボットハンドの指関節によって対象物体を把持するステップと，ロボットハンドで対象物体を持ち上げるステップと，ロボットハンドで対象物体を持ち上げた後の，対象物体と接触しているいくつかの指関節を判定するステップと，ロボットハンドで対象物体を持ち上げた後の，ロボットハンドに対する対象物体の変位を判定するステップと，ロボットハンドの指関節と対象物体との接触応力を判定するステップと，を含む。この方法は更に，複数の物体姿勢の個別物体姿勢ごとに予備把持品質評点を計算するステップを含み，予備把持品質評点は，ロボットハンドで対象物体を持ち上げた後の，ロボットハンドに対する対象物体の変位と，ロボットハンドの指関節と対象物体との接触応力とに少なくとも部分的に基づく。把持パターン集合の個別把持パターンごとの把持品質評点は，個別把持パターンと関係する複数の物体姿勢の予備把持品質評点を平均することによって計算される。この方法は更に，個別把持パターンそれぞれの把持品質評点と，把持品質しきい値とを比較するステップと，把持品質しきい値より高い把持品質評点を有する把持パターン集合の個別把持パターンを選択するステップと，選択された把持パターンを，対象物体のオンライン操作用にロボットに供給するステップと，を含む。

ここで説明した各実施形態によって提供されるこれら及び追加の特徴は，以降の詳細な説明及び図面を参照することによってより十分に理解されるであろう。

図面に示された実施例は本質的に説明的，例示的なものであり，本願の請求項によって規定される発明主体を制限するものではない。以降の例示実施例の詳細な説明は，添付の図面と共に読むことによって理解できるものであり，類似の構造は類似の参照符号によって示されている。

対象物体を操作する例示ロボットの概略図である。 本願に示され，説明される１又は複数の実施例による例示ロボットの追加例示構成要素の概略図である。 対象物体と，本願に示され，説明される１又は複数の実施例による接近光線密度の，対象物体と関係する複数の接近光線との概略図である。 図３Ａに示された対象物体と，本願に示され，説明される１又は複数の実施例による別の接近光線密度の，対象物体と関係する複数の接近光線との概略図である。 図３Ａに示された対象物体と，本願に示され，説明される１又は複数の実施例による別の接近光線密度の，対象物体と関係する複数の接近光線との概略図である。 対象物体と，本願に示され，説明される１又は複数の実施例による図３Ａに示された対象物体の上面と関係する複数の接近光線との概略図である。 本願に示され，説明される１又は複数の実施例による把持パターンに従うロボットハンド及び対象物体の概略図である。 本願に示され，説明される１又は複数の実施例による把持パターンの初期位置にあるロボットハンド及び対象物体の概略図である。 本願に示され，説明される１又は複数の実施例による把持パターンに従って対象物体に接近するロボットハンドの概略図である。 本願に示され，説明される１又は複数の実施例による把持パターンに従って対象物体を把持するロボットハンドの概略図である。 本願に示され，説明される１又は複数の実施例による不首尾の把持パターンの概略図である。 本願に示され，説明される１又は複数の実施例による不首尾の把持パターンの概略図である。 本願に示され，説明される１又は複数の実施例による，携帯電話機を把持しようとするロボットハンドの不首尾の把持パターンの概略図である。 本願に示され，説明される１又は複数の実施例による，操作計画モジュールの概略図である。 本願に示され，説明される１又は複数の実施例による，対象物体を把持し，持ち上げるロボットハンドの概略図である。 本願に示され，説明される１又は複数の実施例による，対象物体を把持し，持ち上げるロボットハンドの概略図である。 本願に示され，説明される１又は複数の実施例による，対象物体を把持し，持ち上げるロボットハンドの概略図である。 本願に示され，説明される１又は複数の実施例による，対象物体を把持し，持ち上げるロボットハンドの概略図である。 本願に示され，説明される１又は複数の実施例による，対象物体を把持し，持ち上げるロボットハンドの概略図である。

本発明の実施例は，ロボットによるオンライン検討及び使用のための上首尾の個別把持パターンを開発するために，把持パターン集合を生成し，フィルタする方法及び計算機プログラム製品に向けられている。より詳細に言えば，本願に記載されている実施例は，種々の物体と関係する複数の把持パターンを評価し，次にオンライン動作の際のロボットの検討のために，特定範疇を満足する把持パターンだけをロボットに提供することによって，対象物体を操作する際のロボットによるオンライン計算を減少させる。実施例は，マニピュレータが対象物体に接近し，把持することができる複数の選択可能な方向に対応する，対象物体の複数の接近光線を生成する。実施例はまた，物体姿勢の不確定性及び物体操作の際の物体変位の不確定性のような，把持パターン集合の個別把持パターンを評価する際の不確定性を考慮に入れてもよい。以降，ロボットの把持パターンをオフライン生成し，評価する方法及び計算機プログラム製品の種々の実施例を説明する。

初めに図１を参照すると，一つの例示実施例によるロボット１００が示されている。図１に示されたロボット１００は説明のためだけのものであり，実施例は如何なる特定のロボット構成にも限定されないことを理解されたい。ロボット１００はヒト型の外観を有し，使役ロボットとして動作するように構成されている。例えばロボット１００は，家庭，看護ケア施設，ヘルスケア施設，等において利用者を補助するように動作することができる。一般に，ロボット１００は，目のように見えるように構成された二つのカメラ１０４と，動作空間内を動き回るための移動台座部１０６と，第１マニピュレータ１１０と，第２マニピュレータ１２０とを備える。第１及び第２のマニピュレータ１１０，１２０はそれぞれ，上部アーム構成要素１１２，１２２と，前部アーム（ｆｏｒｅａｒｍ）構成要素１１４，１２４と，ロボットハンド１１８，１２８（すなわち，末端効果器）とを備える。ロボットハンド１１８，１２８は，ハンド部１１６，１２６と，複数の指関節１１９，１２９と，ビン１３０のような対象物体を操作するために開閉できる親指関節１１９’，１２９’とを備えるロボットハンドであってもよい。上部アーム構成要素１１２，１２２と，前部アーム構成要素１１４，１２４と，ロボットハンド１１８，１２８とはそれぞれ，第１及び第２のマニピュレータの特定の構成要素種別である。

ロボット１００は，家庭のような動作空間内で自律的又は半自律的に動作するようにプログラムされる。一つの実施例においては，ロボット１００は，家庭内で１日を通じて利用者から可聴の（又は電子的な）命令を受信してタスクを自律的に完了するようにプログラムされる。例えば利用者は，「テーブルの上のビンを持って来て下さい」のような命令をロボット１００に向かってしゃべってもよい。そしてロボット１００はビン１３０の所へ行き，タスクを完了させる。別の実施例においては，ロボット１００は計算機のような人間・機械インタフェースによって，利用者によって直接制御される。利用者は遠隔制御によって特定のタスクを達成するようにロボット１００に指示することができる。例えば，利用者はロボット１００にテーブル１３２の上にあるビン１３０に接近するようにロボット１００を制御してもよい。次に利用者はロボット１００にビン１３０を拾い上げるように指示する。次にロボット１００は，自分の第１及び第２のマニピュレータがタスクを完了する軌跡計画を開発する。以降，より詳細に説明するとおり，実施例は，ロボットにより人間らしい動きを提供するように最適化された起動計画を生成することに向けられている。

ここで図２を参照すると，例示ロボット１００の追加構成要素が示されている。より詳細に言えば，図３は，ロボット１００と，本願に示され，説明される実施例による，ハードウェア，ソフトウェア及び／又はファームウェアとして実現される，ロボット１００が使用するための把持パターンを生成し，評価するための操作計画モジュール１５０（別個の計算装置，ロボット１００の内部構成要素，及び／又は非一時的計算機可読媒体を含む計算機プログラム製品として実現される）を示している。把持パターン集合の個別把持パターンを生成し，評価する計算機プログラム製品及び方法は，いくつかの実施例においてはロボット１００の外部にある計算装置によって実行してもよい。例えば，はん用計算機（図示していない）が，個別把持パターンを評価するための計算機実行可能命令を有してもよい。把持パターン評価の要求条件を満たす把持パターンは，次にロボット１００へ送信してもよい。

図３に示したロボット１００は，プロセッサ１４０と，入出力ハードウェア１４２と，非一時的（ｎｏｎ‐ｔｒａｎｓｉｔｏｒｙ）計算機可読媒体１４３（例えば，ロボットのデータ／論理１４４及び軌道論理１４５を記憶してもよい）と，ネットワークインタフェースハードウェア１４６と，ロボットのマニピュレータ（例えば，サーボ駆動ハードウェア）を作動させるアクチュエータ駆動ハードウェア１４７とを備える。アクチュエータ駆動ハードウェア１４７はまた，ロボットの種々のアクチュエータを制御するための関連ソフトウェアを含んでもよい。

メモリ構成要素１４３は揮発性及び／又は不揮発性計算機可読媒体として構成してもよく，したがって，ランダムアクセスメモリ（ＳＲＡＭ，ＤＲＡＭ及び／又はほかの種類のランダムアクセスメモリを含む），フラッシュメモリ，レジスタ，コンパクトディスク（ＣＤ），デジタルはん用ディスク（ＤＶＤ），磁気ディスク，及び／又はほかの種類の記憶構成要素を含んでもよい。さらに，メモリ構成要素１４３は中でも，ロボットのデータ／論理１４４及び軌道論理１４５（例えば，逆運動学モジュール，ピック・アンド・プレースプランナ，衝突チェッカ，等）を記憶するように構成してもよい。局所インタフェース１４１もまた図３に含まれ，ロボット１００又は計算装置の構成要素間の通信を容易にするためのバス又はほかのインタフェースとして実現してもよい。

プロセッサ１４０は，（例えばメモリ構成要素１４３からの）命令を受信し，実行するように構成された任意の処理構成要素を含んでもよい。入出力ハードウェア１４２は，制限するものではないが，キーボード，マウス，カメラ，マイクロホン，スピーカ，タッチスクリーン，及び／又はデータを受信，送信及び／又は提示するほかの装置のような，ロボット１００（例えば又は計算装置）へ入力を供給する任意のハードウェア及び／又はソフトウェアを含んでもよい。ネットワークインタフェースハードウェア１４６は，モデム，ＬＡＮポート，無線ＬＡＮ（Ｗｉ−Ｆｉ）カード，ＷｉＭａｘカード，移動体通信ハードウェア，及び／又はほかのネットワーク及び／又は装置と通信するためのほかのハードウェアのような，任意の有線又は無線ネットワークハードウェアを含んでもよい。

メモリ構成要素１４３は，ロボット１００内にあってもよいし，及び／又はロボットから遠隔にあってもよく，ロボット１００及び／又はほかの構成要素が利用するための１又は複数のデータを記憶するように構成されることを理解されたい。また，図３に示した構成要素は単に例示であって，本発明の範囲を制限するものではないことも理解されたい。より詳細に言えば，図３内の構成要素はロボット１００内にあるように示されているが，これは非制限的な例である。いくつかの実施例においては，構成要素の１又は複数は，１又は複数のロボットと通信で結合された計算装置内のような，ロボット１００の外部にあってもよい。

図２はまた，把持パターンを生成し，把持パターン集合から不首尾の把持パターンを除去し，いくつかの実施例においては，把持パターン集合のうち所望の把持パターンに従ってロボットを動かすマニピュレータ及び末端効果器の運動セグメントを開発するように構成された操作計画モジュール１５０を示している。操作計画モジュール１５０は，図２のロボット１００の外部にあるように示されており，はん用計算機又は特定用途計算機のような外部計算装置内にあってもよい。しかし，操作計画モジュール１５０の，ソフトウェア又はハードウェアいずれかの構成要素のすべて又はいくつかは，ロボット１００の内部に提供してもよいし，ロボット内には何も提供しなくてもよいことを理解されたい。一つの実施例においては，把持パターンの生成，評価及びフィルタは，ここで説明した把持パターンフィルタの要求条件を満足する把持パターンだけが操作計画において使用するためにロボットに供給されるように，計算装置によってオフラインかつロボット１００から遠隔で実行してもよい。さらに，操作計画モジュール内の運動計画もまた，外部計算装置によってオフラインで実行し，ロボット１００に供給してもよい。代替として，ロボット１００は外部計算装置によって提供されたフィルタされた上首尾（ｓｕｃｃｅｓｓｆｕｌ）の把持パターンを用いて運動計画を決定してもよい。操作計画モジュールの構成要素及び方法論は，以降詳細に説明する。

ここで図３Ａ〜３Ｄを参照すると，関係する複数の接近光線を有する対象物体１３０が描かれている。特に図３Ａを参照すると，対象物体１３０は５個の壁２３２ａ〜２３２ｅ及び開口部２３３を有する箱として構成されている。対象物体は任意の構成であってよく，これらの図を通して示されている対象物体に限定されないことを理解されたい。図３Ａに描かれているように，複数の接近光線ＡＲは，所定の密度に従って対象物体１３０と関係している。接近光線ＡＲはそれぞれ，対象物体１３０の表面から垂直に伸びている。図面を簡単にするため，図３Ａ〜３Ｄにおいてはいくつかの選択された接近光線ＡＲだけにラベルが付けられていることに注意されたい。

接近光線ＡＲは，ロボットが対象物体に接近するとき通過する移動経路に対応する。以降より詳細に説明するとおり，単一接近光線ＡＲは，それに関係するいくつかの把持パターンを有してもよい。利用者（例えば，ロボットプログラマ，ロボット設計者，ロボット操作者，等）は，操作計画モジュールと対話するために用いられる利用者インタフェースで，１又は複数の設定を変更することによって接近光線ＡＲの密度及び位置を変更してもよい。このようにして，利用者は対象物体に関する複数の接近光線ＡＲの密度を変更してもよい。図３Ｂは，図３Ａに描かれたものと同じ対象物体１３０であるが，高密度の接近光線ＡＲを有する対象物体を描いたものである。非制限的な例として，利用者は，複数の接近光線ＡＲによって規定される格子が対象物体の狭い物体表面に入射するように，密度設定を非常に小さく選択したいことがある。しかし，稠密すぎる密度を有する複数の接近光線ＡＲに基づいて設定された把持パターンを生成することは，軌道計画の際に分析された類似の上首尾の把持パターンがあり得るため，非常に時間が掛かり，非効率的なことがある。

図３Ｃは，図３Ａ及び３Ｂに描かれた対象物体の接近光線密度より少ない接近光線密度を描いたものである。一つの実施例においては，利用者は，例えばしきい距離以内に隣り合うものがある接近光線を除去するという，一定の基準に従って接近光線ＡＲを除去してもよい。さらに，利用者は，対象物体の特定の領域又は面から接近光線を除去してもよい。図３Ｄは，接近光線が壁１３２ａ〜１３２ｄの上面からだけ伸びている対象物体１３０を描いたものである。したがって，把持パターンを評価するとき，ロボットマニピュレータが対象物体１３０の上から対象物体１３０に接近することを要求する把持パターンだけが考慮される。自動接近光線生成を用いることによって，迅速かつ効率的に複数の方向から，多くの把持パターンを評価できるようになる。

ここで図４を参照すると，例示把持パターンに従って特定接近光線ＡＲの密度に沿って例示対象物体２３０に接近するロボットハンド１１８として構成されたロボットの末端効果器の概略図が提供されている。ロボットハンド１１８は，ハンド部１１６の手掌面１１６ｐから伸びる二つの指関節１１９及び親指関節１１９’を備える。例示対象物体は，ハンドル部２３１及び台座部２３９を含む。図示した接近光線ＡＲは，図示した把持パターンが，ロボットが対象物体のハンドル部２３１を把持しようとすることを要求していることを示している。図面を簡単にするため，図４には唯一つの接近光線ＡＲだけが描かれているが，対象物体２３０は関係する複数の接近光線を有してもよいことを理解されたい。

把持パターン集合の個別把持パターンはそれぞれ，把持パラメータの集合を有し，該把持パラメータは対象物体を把持する前の末端効果器（すなわち，ロボットハンド）の予整形（ｐｒｅ−ｓｈａｐｅ）設定と，複数の接近光線の接近光線ＡＲと，スタンドオフ距離ｄ_ｓと，末端効果器のロール角と，を含んでもよいが，これらに限定されない。

ロボットハンド１１８の予整形設定は，対象物体を把持する前の指／親指関節１１９／１１９’の初期位置である。例えば，特定の把持パターンの予整形設定は，指関節１１９と親指関節１１９’とが完全に開いた位置にあることであってよい。多くの予整形設定が可能である。把持パターンはそれぞれ，関連する一つの予整形設定を有する。

上述のとおり，把持パターンはそれぞれ一つの接近光線ＡＲを有する。しかし，一つの接近光線は，関係する複数の把持パターンを有してもよい。ロボットハンド１１８（又はほかの種類の末端効果器）は，普通，手掌面１１６ｐの中央部が接近光線ＡＲと一致するように，接近光線ＡＲとによって指示される経路を通過することによって対象物体２３０に接近する。

スタンドオフ距離ｄ_ｓは，ロボットハンド１１８（又はほかの種類の末端効果器）が対象物体２３０に接近することを止める，対象物体２３０の面２３２からのオフセット距離である。いくつかの把持パターンにおいては，スタンドオフ距離ｄ_ｓは，手掌面１１６ｐが対象物体２３０と接触するようにゼロであってよい。別の実施例においては，スタンドオフ距離ｄ_ｓは，図４に描かれたように，ロボットハンド１１８が対象物体に接触する前に止まる値であってよい。

ロール角は，ロボットハンド１１８が対象物体にとどく前の，接触光線ＡＲの周りのロボットハンド１１８の予回転角である。ロボットハンド１１８は，接近光線ＡＲの周りを任意の角度で回転してもよい。

指関節１１９及び親指関節１１９’の摩擦係数，又は指関節１１９及び親指関節１１９’によって対象物体上に加えられた応力の量のようなほかのパラメータも考慮してよい。

上記パラメータの１又は複数の組合せを（例えば，操作計画モジュール１５０内の）把持パターン集合生成モジュールに送信して，複数の個別把持パターンを有する把持パターン集合を生成してもよい。接近光線ＡＲはそれぞれ，複数の関係する把持パターンを有してもよい。非制限的な例として，接近光線ＡＲは，予整形設定と，スタンドオフ距離と，ロール角パラメータとの第１の組合せから得られる第１把持パターン，及び予整形設定と，スタンドオフ距離と，ロール角パラメータとの第２の組合せから得られる第２把持パターンに関係してもよい。一つの実施例においては，把持パターン集合内の把持パターンの数は，（予整形設定の数）×（スタンドオフ距離の数）×（ロール角の数）×（接近光線の数）に等しい。

以降に説明するとおり，把持パターン集合の個別把持パターンはそれぞれ，１又は複数の把持計量（ｍｅｔｒｉｃｓ）に比べて不首尾である個別把持パターン集合を除去するために，計算機シミュレーションによって評価される。種々の利用可能な把持パターンの把持品質の評価はどれもオンライン処理中は必要ないため，把持パターン評価は，より効率的なオンライン操作（特に物体の把持）に対して，自律的にオフラインで行うことができる。

個別把持パターンはそれぞれ，個別把持パターンの把持が十分かどうかを判定する計算機シミュレーション／計算によって，運動学的に生成される。図５を参照すると，一つの実施例においては，ロボットハンド座標系の初期位置及び方向並びに初期指関節角は計算機シミュレーションの前に設定され，予整形設定及びロール角パラメータ（並びに任意のほかの適切な入力又はパラメータ）によって判定してもよい。図５Ａに示すとおり，図示した把持パターンの接近光線ＡＲは，ロボットハンド１１８が対象物体のハンドル部２３１の上面２３４に接近するように指示する。

次に，ロボットハンド１１８は計算機シミュレーションによって，接近光線ＡＲによって指示される方向に沿って，対象物体に接触するか，スタンドオフ距離ｄ_ｓに達するまで移動する。多くの場合，ロボットハンド１１８は，図５Ｂ内の矢印Ｂで示すように動きが手掌面１１６ｐに対して垂直であるように，対象物体に接近する。ロボットハンド１１８が所望の位置に達すると，図５Ｃに示すように指関節１１９及び親指関節１１９’が対象物体２３０に接触するまで，指関節１１９及び親指関節１１９’を一つずつ又は同時に閉じる。

次に，指関節１１９及び親指関節１１９’と対象物体との接触が抽出され，把持の品質を測定するために用いられる。一つの実施例においては，把持品質評点が生成され，その把持品質評点は，個別把持パターンと関係する把持がどれだけしっかりと対象物体を把持できるかを示すスカラ値である。把持品質評点を生成するために，どのような把持評価計算又は方法論を用いてもよい。一つの特定の実施例においては，把持品質を評価するための把持品質評点として，力拘束（ｆｏｒｃｅ ｃｌｏｓｕｒｅ）ベースの測定が用いられる。対象物体を落とすことなく，試験応力及びトルクに抵抗できるとき，把持は力拘束と考えてよい。把持が力拘束かどうか判定するために加えられる試験応力及びトルクは，対象物体に依存する。

次に，把持品質評点が，特定の対象物体と関係する把持品質しきい値と比較される。一つの実施例においては，力拘束把持だけが把持品質しきい値を満足する。非制限的な例として，指関節が対象物体と接触しないか，又は対象物体と部分的にだけ接触する個別把持パターンは，低品質尺度の把持となる。図６Ａ，６Ｂ及び６Ｃは不首尾の把持になる把持パターンを描いたものである。図６Ａにおいて，指関節１１９及び親指関節１１９’は対象物体２３０のハンドル部２３１の側面２３７に当たり，ロボットハンド１１８は対象物体２３０を把持できない。類似して図６Ｂに示すように，指関節１１９の一つ及び親指関節１１９’は，対象物体２３０のハンドル部２３１の上面に当たる。図７は，携帯電話機３３０として構成された対象物体を把持しようとしているロボットハンド１１８を描いたものであり，携帯電話機３３０のアンテナ部３３１に親指関節１１９’は接触せずに指関節１１９の一つが接触している。これらの場合はいずれも，把持と関係する把持パターンが把持パターン集合から除去される。いくつかの実施例によれば，力拘束把持になる把持パターンだけが，オンライン物体操作用にロボットに供給される。

把持品質しきい値より高い把持品質評点を有する個別把持パターンがそれぞれ，当該個別把持パターンに関する情報と共にファイルに保存される。一つの実施例においては，個別の上首尾の把持パターンがそれぞれ終了処理（ｆｉｎａｌｉｚｅ）されてファイルに保存される。把持パターンの終了処理は，把持前の初期ロボットハンド設定（すなわち，予整形設定）と，変形情報と，把持品質評点とを含んでもよいが，それらに限定されるものではない。変形情報は，物体の座標系に対するハンド座標系の相対位置及び方向を含んでもよい。終了処理された個別把持パターンは次に，対象物体操作のためにロボットに提供される（例えば，操作計画モジュール１５０が，マニピュレータ及び末端効果器を制御する運動セグメントの生成のために，終了処理された個別把持パターンを軌道論理１４５に供給してもよい）。例えば，ロボットは，対象物体と遭遇したとき，どのように物体を操作するかを決定するときに供給された把持パターンを評価してもよい。非制限的な例として，ロボットは，末端効果器の現在位置と最も近く整列しており，対象物体の操作に関して最高の把持品質評点を有する個別把持パターンを選択してもよい。

このようにして本発明の実施例は好ましくない把持（例えば，ロボットハンドと対象物体との衝突，非力拘束把持，等）を除去し，重複する把持を無くすことができる。

本発明のいくつかの実施例は，ロボットが物体を把持しようとしたときに存在する不確定性を説明することができる。例えば，ロボットの視覚システム（例えば，センサベースの物体定位システム）を用いたロボットの観点からの対象物体の真の姿勢に関しては，一定レベルの不確定性がある。物体の真の姿勢と，ロボットが検出した姿勢との間には視差があり得る。さらに，ロボットに把持されたとき，物体の力学から生じる不確定性も存在する。例えば，把持過程において，対象物体の姿勢及び変位に変動があり得る。

図８は，把持成功率を推定する際のデータ不確定性の包含，及び把持過程における物体の力学の組込みを提供する，一つの実施例による操作計画モジュール１５０の追加構成要素を示している。ブロック１５２において，把持パターン集合の複数の把持品質評点が上述のとおり生成される。ブロック１５４において，把持品質評点が計算される。上述の力拘束判定に加えて，把持品質評点もまた，下記のとおりのブロック１５５の確率分布モデルによって，把持過程における対象物体の姿勢及び力学の不確定性を考慮する。ブロック１５６において上首尾の個別把持パターンが終了処理され，ロボットに提供される。一方，ブロック１５７に示すとおり，不首尾の個別把持パターン（例えば，非力拘束把持，対象物体の大きなすべり又は変位につながる把持，等）は，把持パターン集合から除去される。一般に，実施例は，１）対象物体の初期姿勢に関する不確定性（例えば，姿勢確率分布モデル）と，２）ロボットが把持した後の物体の姿勢に関する不確定性（例えば，基準姿勢確率分布モデル）と，３）ロボットが持ち上げた後の物体の姿勢及び変位に関する不確定性（例えば，変位確率分布モデル）と，に関する不確定性を説明するために，確率分布モデルを用いることができる。

ここで図９Ａ〜９Ｅを参照すると，対象物体が変位している，ロボットハンド１１８による対象物体４００の把持及び持ち上げが概略示されている。初めに図９Ａを参照すると，対象物体４００の実際の姿勢に関する不確定性が示されている。図９Ａは，物体の軸ＯＡによって規定される対象物体４００の実際の姿勢を示している。しかし，ロボットによって検出される対象物体４００の初期姿勢は，図９Ａに示されているものとはわずかに異なる。この不確定性を説明するために，操作計画モジュール１５０は，複数の物体姿勢を選択するために（例えば，ブロック１５５に示すような）姿勢確率分布モデルを利用してもよい。ここで説明する確率分布モデルは，操作計画モジュール１５０が複数の類似物体姿勢又は運動から，いくつかの物体姿勢又は運動を選択できる，任意の適切な確率分布モデルをして構成してもよい。例えば，一つの実施例においては，姿勢確率分布モデルはガウス確率分布モジュールとして構成され，最大確率を有する物体姿勢は，ガウス確率分布モデルのピークにある。例えばベイズ分布のようなほかの分布を用いてもよい。

上述のとおり，ロボットハンド１１８は，計算機シミュレーションによって対象物体４００（図９Ｂ参照）に向かう接近光線に沿って移動する。図９Ｃにおいて，指関節１１９及び親指関節１１９’は対象物体４００をつかむ。把持過程において，対象物体４００の初期物体姿勢は矢印Ｃによって示されるように変化し，新しい物体軸ＯＡ’に沿った新しい物体姿勢となる。図９Ｄは，元の物体軸ＯＡと新しい物体軸ＯＡ’との間には変位角θがあることを示している。対象物体４００の実際の新しい物体姿勢は不確定である。操作計画モジュール１５０は，対象物体４００の運動方程式によって，対象物体の動的運動を計算することができる。一つの実施例においては，対象物体４００を把持することによって生じる物体姿勢の計算もまた，対象物体４００の運動に関する不確定性を組み込んだ確率分布モデル（例えば，基準姿勢確率分布モデル）に基づく。

次に，ロボットハンド１１８は矢印Ｄで示されるとおり，計算機シミュレーションによって対象物体４００を持ち上げ，操作計画モジュール１５０は，ロボットハンド１１８が対象物体４００を持ち上げる力学から生じる対象物体４００の相対物体姿勢を計算する。操作計画モジュール１５０もまた，ロボットハンド１１８の持ち上げ動作から生じる対象物体４００の変位を計算することができる。例えば，矢印Ｅによって示されるとおり，対象物体４００は，持ち上げられたとき，ロボットハンド１１８に対してすべることがある。

把持パターン集合の把持パターンそれぞれの把持品質評点は，１又は複数の確率分布モデルの試行（ｓａｍｐｌｉｎｇ）から得られるいくつかの計算に基づいてもよい。実施例はまた，ロボットハンド１１８が把持した後の対象物体４００の姿勢（すなわち，図９Ｄに示した基準物体姿勢）と，ロボットハンド１１８が持ち上げた後の対象物体４００の姿勢（すなわち，図９Ｅに示した相対物体姿勢）とを比較することによって，把持品質評点を計算してもよい。

より詳細に言えば，一つの個別把持パターンから得られる一つの把持の品質を評価するために，１又は複数の確率分布モデルから試行して得られるわずかに異なる物体姿勢及び／又は変位を有する複数の計算が実行され，それによって物体の姿勢及び変位の不確定性が考慮できる。一つの実施例においては，複数の予備把持品質評点が，対象物体の初期姿勢，又は把持又は持ち上げの際の対象物体４００の変位のいずれかに対応する１又は複数の確率モデルの試行（又は試行の組合せ）ごとに計算される。同一の確率分布モデルをこれら目的ごとに用いてもよいし，目的ごとの確率分布モデルを用いてもよい。対象物体の操作の計算ごとに，予備把持評点が生成され，すべての計算の予備把持評点を平均して，特定把持パターン用の最終把持品質評点が決定される。

例えば，予備把持評点は，姿勢確率分布モデルから選択された初期物体姿勢ごとに生成してもよい。初期物体姿勢のうちいくつかは，力拘束把持につながることがあるが，いくつかはそうならない。さらに，予備把持評点はまた，ロボットハンド１１８によって把持された後の，対象物体４００の基準物体姿勢ごとに計算してもよいし，及び／又はロボットハンド１１８が持ち上げた後の，対象物体４００の相対物体姿勢ごとに計算してもよい。

一つの実施例によれば，把持パターンが上首尾か不首尾かを判定するために，次の条件論理を適用してもよい。上述の１又は複数の確率分布モデルからの試行に基づく計算ごとに，試験下の対象物体４００がロボットハンド１１８の外にある（すなわち，ロボットハンド１１８が物体を落とした）とき，又はロボットハンド１１８が持ち上げ段階の結果，２未満の関節で対象物体４００と接触するとき（図９Ｅ参照），最少把持品質評点（例えばゼロ（０））が把持パターンと関係する特定の計算の予備把持評点に指定される。反対に，持ち上げ段階の後のロボットハンド１１８に対する対象物体４００の変位が約０であり，ロボットハンド１１８で対象物体４００を持ち上げた後，対象物体４００と接触している関節１１９の数が，所定の接触しきい値（例えば，３関節）より大きいか，等しいとき，最大評点（例えば，１．０）を，把持パターンと関係する特定の計算の予備把持評点に指定してもよい。ロボットハンド１１８で対象物体４００を持ち上げた後，対象物体４００と接触している関節１１９の数が，所定の接触しきい値（例えば，３関節）より大きいか，等しいとき，かつ，ロボットハンド１１８で対象物体４００を持ち上げた後，ロボットハンド１１８に対する対象物体４００の変位がゼロを超え，所定の変位しきい値未満であるときは，中央評点（例えば０．５）を把持パターンと関係する特定計算の予備把持評点に適用してもよい。次に，特定把持パターンの予備把持品質評点が平均され，把持品質評点として用いられる。

上述の条件付き論理に加えて，実施例はまた，持ち上げ段階において，対象物体が持ち上げられたとき，試験下の対象物体の変位又は運動を考慮してもよい。例えば，対象物体４００の基準物体姿勢は，ロボットハンド１１８によって対象物体４００が把持された後，かつ持ち上げられる前（図９Ｄ参照）に決定してもよい。対象物体４００の相対物体姿勢もまた，ロボットハンドによって対象物体４００が持ち上げられた後に決定してよい（図９Ｅ参照）。

持ち上げ段階から生じる対象物体の動きは計算されるか，そうでなければ，相対物体姿勢と基準物体姿勢とを比較して決定される。例えば，持ち上げ段階における，基準物体姿勢からの相対物体姿勢の最大偏差が決定される。一つの実施例においては，試験下の対象物体４００が持ち上げ段階において大きく移動したとき，把持は不安定であると考えることができ，低い把持品質評点が与えられる。逆に，持ち上げ段階において対象物体４００の動きが非常に小さいときは，把持は安定であると考えることができ，利用可能な最高の把持品質評点（例えば評点１．０）が指定される。

一つの実施例においては，対象物体の質点の相対中心によって決定される物***置における偏差（すなわち，物体変位）は，物体姿勢のような対象物体の方向とは別個に考慮される。物***置（δ_Ｐ）及び物体方向（δ_Ｒ）の偏差は次の式によって計算される。

ここで，Ｐ_ｃｏｍ及びＲはそれぞれ，ロボットハンド１１８に対する対象物体４００の質点の相対中心及び方向を表す。これらパラメータの上のバーは，基準値を表す。

把持品質評点ｑは，これらの計算の最大偏差δ^ＭＡＸ及び許容限度Ｌから得られる。

物体の位置又は方向の最大偏差が許容限度を超えるとき，把持品質評点０が与えられる。品質計量は，物体の位置と方向とで別個に計算し，そのまま使用してもよいし，これらの計量を（例えば平均することによって）結合してもよい。

ここで説明した把持品質評点はそれぞれ別個に用いてもよいし，最終把持品質評点を決定するために結合してもよい。上述のとおり，把持品質しきい値未満の把持パターン集合の個別把持パターンは把持パターン集合から除去され，ロボットに供給されない。このようにして，ロボットはオンライン過程において，上首尾で安定な把持パターンだけを利用する。

ここで説明した実施例は，ロボットが把持すべき対象物体に関係する複数の接近光線を生成することによって，ロボットが用いる把持パターンを生成することを理解されたい。対象物体に関係する接近光線の密度は調整してもよい。さらに，所望であれば，対象物体の特定の面から接近光線を除去してもよい。そして，１又は複数の把持パターンが各接近光線と関係し，把持品質評点を決定することによって評価される。いくつかの実施例においては，把持品質評点を決定するために力拘束法が用いられる。いくつかの実施例においては，対象物体の把持及び持ち上げの際の物体の姿勢及び対象物体の力学による不確定性を説明するために，確率分布モデルが試行される。このようにして，実施例は，把持パターン集合が生成され，オフラインで自律的に評価される，操作プランナを提供する。把持パターン出力は，操作タスク用の軌道計画においてロボットが用いるために保存される。したがって，複雑な把持計画問題が静的な範囲探索問題，すなわち，複数の上首尾の把持パターンから適切な把持パターンを見付ける問題，に変換される。

ここでは特定の実施例を示し，説明したが，本願請求項に記載された発明主体の精神及び範囲から逸脱することなく，種々のほかの変更および修正を行ってもよいことを理解されたい。さらに，ここで本願請求項に記載された発明主体の種々の態様を説明したが，このような態様は組み合わせて利用する必要はない。したがって，本願の請求項は，記載された発明主体の範囲内にあるすべての変更及び修正を含むものとする。

Claims (20)

1. ロボットが用いる把持パターンを生成する方法であって，
   対象物体と関係する複数の接近光線を生成するステップであって，該複数の接近光線の接近光線はそれぞれ，前記対象物体の表面から垂直に伸びる，ステップと，
   前記複数の接近光線と関係する前記対象物体の把持パターン集合を生成するために，前記複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成するステップと，
   前記把持パターン集合の個別把持パターンごとに把持品質評点を計算するステップと，
   前記個別把持パターンごとの把持品質評点と，把持品質しきい値とを比較するステップと，
   前記把持品質しきい値より高い把持品質評点を有する，前記把持パターン集合の個別把持パターンを選択するステップと，
   前記の選択した個別把持パターンを，前記対象物体のオンライン操作用に前記ロボットへ供給するステップと，
   を有する方法。
2. 個別接近光線はそれぞれ，１より多い把持パターンと関係する，請求項１に記載の方法。
3. 前記複数の接近光線は，密度設定に従って生成される，請求項１に記載の方法。
4. 前記把持パターン集合の個別把持パターンは，計算機シミュレーションによって生成される，請求項１に記載の方法。
5. 個別把持パターンはそれぞれ，前記ロボットのロボットハンドの予整形設定と，前記対象物体に対する前記ロボットハンドの変形とを有する，請求項１に記載の方法。
6. 個別把持パターンはそれぞれ，把持動作に先立つロボットハンドの予整形設定と，前記個別把持パターンと関係する個別接近光線と，前記対象物体に向かう前記ロボットハンドのスタンドオフ距離と，前記把持動作に先立つ前記ロボットハンドのロール角と，に少なくとも部分的に基づく，請求項１に記載の方法。
7. 前記把持パターン集合の個別把持パターンはそれぞれ，
   計算機シミュレーションによって，前記予整形設定に従う，前記スタンドオフ距離及び前記ロール角に従って前記ロボットハンドと関係するロボットハンド座標系の初期位置及び方向を決定するステップと，
   前記ロボットハンドの指関節を開くステップと，
   前記ロボットハンドを前記複数の接近光線の選択された接近光線に沿って，前記ロボットハンドが前記対象物体から所定の距離に位置するまで移動させるステップであって，前記選択された接近光線は前記個別把持パターンと関係する，ステップと，
   前記ロボットハンドの前記指関節で前記対象物体をつかむステップと，
   前記ロボットハンドの前記指関節と前記対象物体との間の接触応力を決定するステップと，
   によって生成される，請求項６に記載の方法。
8. 個別把持パターンがそれぞれ，前記ロボットハンドの前記指関節と前記対象物体との間の前記接触応力に基づく力拘束把持であるかどうかを判定するステップを更に有し，前記把持品質評点は前記接触応力に少なくとも部分的に基づく，請求項７に記載の方法。
9. 個別把持パターンごとに，
   姿勢確率分布モデルから前記対象物体の複数の物体姿勢を選択するステップと，
   前記複数の物体姿勢の選択された物体姿勢ごとに，
   計算機シミュレーションによって，前記ロボットハンドの前記指関節で前記対象物体を把持するステップと，
   前記ロボットハンドで前記対象物体を持ち上げるステップと，
   前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体と接触している指関節の数を決定するステップと，
   前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の変位を決定するステップと，
   前記複数の物体姿勢の個別物体姿勢ごとに予備把持品質評点を計算するステップであって，前記予備把持品質評点は更に，前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の前記変位に少なくとも部分的に基づく，ステップと，を有するステップと，
   前記予備把持品質評点を平均して前記把持品質評点を決定するステップと，
   を更に有する，請求項７に記載の方法。
10. 前記予備把持品質評点は，
    前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体と接触している指関節の前記数が所定の接触しきい値より小さいとき，個別予備把持品質評点に最小評点を指定するステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体と接触している指関節の前記数が前記所定の接触しきい値より大きいか等しく，かつ，前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の前記変位が０より大きく，かつ，所定の変位しきい値より小さいとき，前記個別予備把持品質評点に中央評点を指定するステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体と接触している指関節の前記数が前記所定の接触しきい値より大きいか等しく，かつ，前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の前記変位が０にほぼ等しいとき，前記個別予備把持品質評点に最大評点を指定するステップと，
    によって少なくとも部分的に決定される，請求項９に記載の方法。
11. 前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の前記変位は，変位確率分布モデルに基づく，請求項９に記載の方法。
12. 選択された物体姿勢ごとに，
    前記姿勢確率分布モデルを試行することによって，前記ロボットハンドの前記指関節で前記対象物体を把持するステップの後の，前記対象物体の基準物体姿勢を決定するステップと，
    前記姿勢確率分布モデルを試行することによって，前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体の相対物体姿勢を決定するステップと，
    前記相対物体姿勢及び前記基準物体姿勢に少なくとも部分的に基づいて，前記対象物体の動きを計算するステップであって，前記予備把持品質評点は，前記対象物体の前記動きに少なくとも部分的に基づく，ステップと，
    を更に有する，請求項９に記載の方法。
13. 前記基準物体姿勢及び前記相対物体姿勢は，前記対象物体の質点の相対中心と，前記対象物体の方向とに少なくとも部分的に基づく，請求項１２に記載の方法。
14. 個別把持パターンごとに，
    複数の計算機シミュレーションのための確率分布モジュールを試行することによって，複数の予備把持品質評点を計算するステップと，
    前記予備把持品質評点を平均することによって，前記把持品質評点を決定するステップと，
    を更に有する，請求項１に記載の方法。
15. 前記把持品質評点は少なくとも，
    計算機シミュレーションによって，前記対象物体を前記ロボットのロボットハンドの指関節でつかむステップと，
    姿勢確率分布モデルを試行することによって，前記ロボットハンドの前記指関節で前記対象物体を把持するステップの後の，前記対象物体の基準物体姿勢を決定するステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体の相対物体姿勢を決定するステップと，
    前記相対物体姿勢及び前記基準物体姿勢に少なくとも部分的に基づいて，前記対象物体の動きを計算するステップであって，前記把持品質評点は，前記対象物体の前記動きに少なくとも部分的に基づく，ステップと，
    によって計算される，請求項１に記載の方法。
16. ロボットの把持パターンを生成するために計算装置と共に用いる計算機プログラム製品であって，
    前記計算装置によって実行したとき，把持パターンを生成するための計算機実行可能命令を記憶する計算機可読媒体が前記計算装置に，
    計算機シミュレーションによって，
    対象物体と関係する複数の接近光線を生成し，該複数の接近光線の接近光線はそれぞれ，前記対象物体の表面から垂直に伸び，
    前記複数の接近光線と関係する前記対象物体の把持パターン集合を生成するために，前記複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成し，
    前記把持パターン集合の個別把持パターンごとに把持品質評点を計算し，
    前記個別把持パターンごとの把持品質評点と，把持品質しきい値とを比較し，
    前記把持品質しきい値より高い把持品質評点を有する，前記把持パターン集合の個別把持パターンを選択し，
    前記の選択した個別把持パターンを，前記対象物体のオンライン操作用に前記ロボットへ供給する，
    ようにさせる計算機プログラム製品。
17. 前記複数の接近光線は密度設定に従って生成され，個別接近光線はそれぞれ，１より多い把持パターンと関係する，請求項１６に記載の計算機プログラム製品。
18. 個別把持パターンはそれぞれ，把持動作に先立つロボットハンドの予整形設定と，前記個別把持パターンと関係する個別接近光線と，前記対象物体に向かう前記ロボットハンドのスタンドオフ距離と，前記把持動作に先立つ前記ロボットハンドのロール角と，に少なくとも部分的に基づき，前記ロボットハンドは指関節を備え，
    前記計算機実行可能命令は前記計算装置に更に，前記把持パターン集合の個別把持パターンごとに，
    前記スタンドオフ距離及び前記ロール角に従って前記ロボットハンドと関係するロボットハンド座標系の初期位置及び方向を決定し，
    前記予整形設定に従って前記ロボットハンドの前記指関節を開き，
    前記ロボットハンドを前記複数の接近光線の選択された接近光線に沿って，前記ロボットハンドが前記対象物体から所定の距離に位置するまで移動させ，前記選択された接近光線は前記個別把持パターンと関係し，
    前記ロボットハンドの前記指関節で前記対象物体をつかみ，
    前記ロボットハンドの前記指関節と前記対象物体との間の接触応力を決定する，
    ようにさせる，請求項１６に記載の計算機プログラム製品。
19. 前記計算機実行可能命令は前記計算装置に更に，前記把持パターン集合の個別把持パターンごとに，
    姿勢確率分布モデルから前記対象物体の複数の物体姿勢を選択し，
    選択された物体姿勢ごとに，
    前記ロボットハンドの前記指関節によって前記対象物体を把持し，
    前記ロボットハンドで前記対象物体を持ち上げ，
    前記ロボットハンドで前記対象物体を持ち上げた後の，前記対象物体と接触している指関節の数を決定し，
    前記ロボットハンドで前記対象物体を持ち上げた後の，前記ロボットハンドに対する前記対象物体の変位を決定し，
    前記複数の物体姿勢の個別物体姿勢ごとに予備把持品質評点を計算し，前記予備把持品質評点は，前記ロボットハンドで前記対象物体を持ち上げた後の，前記ロボットハンドに対する前記対象物体の前記変位に少なくとも部分的に基づくようにし，
    前記予備把持品質評点を平均して前記把持品質評点を決定する，
    ようにさせる，請求項１８に記載の計算機プログラム製品。
20. 指関節を有するロボットハンドを備えるロボットが用いる把持パターンを生成する方法であって，
    対象物体と関係する複数の接近光線を生成するステップであって，該複数の接近光線の接近光線はそれぞれ，前記対象物体の表面から垂直に伸びる，ステップと，
    前記複数の接近光線と関係する前記対象物体の把持パターン集合を生成するために，前記複数の接近光線の接近光線ごとに少なくとも一つの把持パターンを生成するステップであって，個別把持パターンはそれぞれ，
    姿勢確率分布モデルから前記対象物体の複数の物体姿勢を選択するステップと，
    選択された物体姿勢ごとに，
    計算機シミュレーションによって，前記ロボットハンドの前記指関節で前記対象物体を把持するステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記対象物体と接触している指関節の数を決定するステップと，
    前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の変位を決定するステップと，
    前記ロボットハンドの前記指関節と前記対象物体との間の接触応力を決定するステップと，
    前記複数の物体姿勢の個別物体姿勢ごとに予備把持品質評点を計算するステップであって，前記予備把持品質評点は，前記ロボットハンドで前記対象物体を持ち上げるステップの後の，前記ロボットハンドに対する前記対象物体の前記変位に少なくとも部分的に基づく，ステップとによって少なくとも部分的に生成される，ステップと，
    前記予備把持品質評点を平均して前記把持パターンの個別把持パターンごとに把持品質評点を計算するステップと，
    前記個別把持パターンごとの把持品質評点と，把持品質しきい値とを比較するステップと，
    前記把持品質しきい値より高い把持品質評点を有する，前記把持パターン集合の個別把持パターンを選択するステップと，
    前記の選択した個別把持パターンを，前記対象物体のオンライン操作用に前記ロボットへ供給するステップと，
    を有する方法。

Images