JP2019032589A - 遠隔操作システム及び管理サーバ - Google Patents

Abstract

【課題】作業に対する操作者の習熟度を客観的に計算し、種々の作業に操作者を適切に割り当てることができる、遠隔操作システムを提供する。【解決手段】学習データ生成部は教師あり学習アルゴリズムを用いて辞書データ（操作者の推定成功率）を更新する。学習済み推定器は辞書データを参照して、労務カテゴリ毎の推定成功率を計算する。管理サーバ１１２は、算出した推定成功率に基づいて、操作者１０２に対し、適切な労務の割当を行う。労務の割当は、管理サーバからＧＷサーバ１０７に発行される指示に基づいて、ＧＷサーバが労務端末とのＴＣＰ通信路を切り替えることで実現する。【選択図】図１

Description

本発明は、遠隔地に設置されているロボットを操作することで、所定の作業を遂行する、遠隔操作システムと、これに使用される管理サーバに関する。

従来、人（ユーザ）の前腕に複数の電極を装着し、その電極から前腕の筋肉に電気刺激信号を与えることで、外部からの指令で、ユーザの指又は手を動かそうとする試みが行われている。たとえば、手指のリハビリテーション、トレーニング、動きの補助などを、外部からの指令で行うことが考えられている。また、ヘッドマウントディスプレイなどを使用して、ユーザに仮想空間の映像を提示する仮想現実処理（Virtual Reality）や、現実の空間映像に仮想的なオブジェクト画像を重畳する拡張現実処理（Argumented Reality）を実行する際に、外部からの指令で、仮想空間等の映像に合わせて手指を動かすことで、リアリティ性を高めることなども提案されている。

発明者らは、先に特許文献１に記載されるような電気刺激装置を提案した。この特許文献１で提案した電気刺激装置は、ユーザの前腕に装着されるバンドに複数の電極を取り付けて、前腕の筋肉に電気刺激を与える装置である。
更に発明者らは、非特許文献１に記載される、筋肉の***を検出する赤外線センサを複数個装備した新たな電気刺激装置を開発した。

特開２０１４−１０４２４１号公報

「銃を撃った衝撃、指先に「じわっ」筋電刺激コントローラーUnlimited Hand」ASCII.JP×デジタル、２０１６年５月１２日、２０１７年６月２７日閲覧＜http://ascii.jp/elem/000/001/161/1161772/＞

近年、ＡＩ（artificial intelligence：人工知能）やロボットの台頭が話題になっているが、ＡＩを搭載したロボットが自律的に所定の作業を遂行する能力を有するような状況に至るには、技術革新に相当な年数を要すると考えられる。しかし、人間の動作を模倣する機械は、限定的な性能であるものの一部は既に実用化されている。したがって、人間が操作するロボットは、自律型ロボットより早く実現可能となると思われる。ロボットは人間にとって劣悪な環境や危険な環境にも対応して稼働でき、人間にとって重労働になる作業も遂行できる。したがって人間が操作するロボットは、人間の代わりに劣悪な環境での作業や重労働を遂行し、かつ人の雇用を確保するという意味で、産業界におけるニーズも高い。

非特許文献１にて開示される電気刺激装置は、主にコンピュータゲームの入力デバイスとして使用されることを意図して開発された。しかし、この電気刺激装置は、コンピュータゲームに限らず、様々な用途に利用可能である。例えば、ファクトリオートメーション等に使用されるロボットアームの操作端末に応用することができる。つまり、電気刺激装置に装備されている筋肉センサの機能をロボットアームの操作端末として利用することで、ゲームパッドコントローラ等を使用するよりも、ロボットアームに対する直感的な操作が可能になる。
すなわち、電気刺激装置は、人間が操作するロボットの操作端末として有用であると考えられる。

発明者らは、この電気刺激装置を応用した遠隔操作システムを具体的に実現することを企画し、検討を重ねた。すると、この遠隔操作システムを実現するに際し、解決しなければならない課題として、操作者の習熟度を客観的に把握する必要があることが判明した。つまり、操作者の習熟度が分かると、作業の難易度に応じて、その習熟度を考慮して、安全かつ効率のよい作業環境を実現することが可能になる。

本発明は係る課題に鑑みてなされたものであり、作業に対する操作者の習熟度を客観的に計算し、種々の作業に操作者を適切に割り当てることができる、遠隔操作システム及び管理サーバを提供することを目的とする。

上記課題を解決するために、本発明の遠隔操作システムは、入力される操作情報に従って機械的動作を行う複数の労務端末と、労務端末と１対１の対応関係を有し、労務端末の動作状態を画像データとして出力する複数のモニタ用カメラと、操作者の操作あるいは動作に起因して労務端末を動作させるための操作情報を生成する操作情報入力装置と、操作情報入力装置が生成する操作情報を労務端末へ送信する端末装置とを具備する。更に、端末装置とネットワークを通じて接続され、端末装置に対して通信の中継を行うことで、複数の労務端末及びモニタ用カメラとを選択的に接続するゲートウェイサーバと、ゲートウェイサーバに、端末装置に対応する複数の労務端末及びモニタ用カメラとの接続の選択を指示する管理サーバとを具備する。

本発明により、作業に対する操作者の習熟度を客観的に計算し、種々の作業に操作者を適切に割り当てることができる、遠隔操作システム及び管理サーバを提供することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の実施形態に係る遠隔操作システムの全体構成を示す概略図である。 筋肉センサ装置の外観斜視図である。 電極配置面の平面図である。 筋肉センサ装置を前腕に装着する直前の状態と、直後の状態を示す図である。 端末装置のハードウェア構成を示すブロック図である。 筋肉センサ装置のハードウェア構成を示すブロック図である。 ゲートウェイサーバのハードウェア構成を示すブロック図である。 ゲートウェイサーバのソフトウェア機能を示すブロック図である。 遠隔操作システムの通信処理を説明するためのタイムチャートである。 管理サーバのソフトウェア機能の内、学習フェーズにおける機能ブロック図である。 管理サーバのソフトウェア機能の内、推定フェーズにおける機能ブロック図である。 テーブル及びリストのフィールド構成を示す表である。 学習フェーズにおける、学習データ生成部と学習処理部を詳述する機能ブロック図である。 推定フェーズにおける、推定データ生成部と学習済み推定器を詳述する機能ブロック図である。 管理サーバのソフトウェア機能の内、学習フェーズにおける機能ブロック図である。 管理サーバのソフトウェア機能の内、推定フェーズにおける機能ブロック図である。 ある操作者における労務カテゴリ毎の推定成功率の一例を示す棒グラフである。 学習フェーズにおける、学習データ生成部と学習処理部を詳述する機能ブロック図である。 辞書データのフィールド構成を示す表である。 労務試行リストのフィールド構成を示す表と、相関係数行列の一例を示す図と、ある操作者における、カテゴリ毎の成功率の行列Ｓの一例を示す図である。 推定フェーズにおける、推定データ生成部と学習済み推定器を詳述する機能ブロック図である。

これより説明する実施形態に係る遠隔操作システムは、ロボットアーム等の機械を遠隔操作することで、所望の作業を遂行するシステムである。
ロボットアームは工場等の作業場に設置されている。作業者は自宅等の、作業場とは異なる場所か、あるいは作業場内の、ロボットアームの設置場所とは隔離された場所にいる。作業者は筋肉センサ装置を腕に装着して、パソコン等の端末装置のディスプレイに映し出されるモニタカメラの映像を見ながら、筋肉センサ装置を通じてロボットアームを操作する。
端末とロボットアームとの間は、ゲートウェイサーバによって通信が確立される。ゲートウェイサーバによる通信の制御は、管理サーバが実行する。管理サーバは、個々の作業者の習熟度を計算して、作業者に対して最適な作業を提供する。

［遠隔操作システム１０１：全体構成］
図１は、本発明の実施形態に係る遠隔操作システム１０１の全体構成を示す概略図である。
操作者１０２が使用するパソコン等の端末装置１０３は、筋肉センサ装置１０４とＢｌｕｅｔｏｏｔｈ（登録商標）等の近距離無線通信で通信する。この端末装置１０３はインターネット１０５を通じて、作業所１０６のゲートウェイサーバ（以下「ＧＷサーバ１０７」）と接続する。
ＧＷサーバ１０７には、
・ベルトコンベア等の作業場１０８において、所望の物品１０９を掴む等の作業を行うためのロボットアーム１１０、
・ロボットアーム１１０を操作する際に必要になるモニタ用カメラ１１１、
・遠隔操作システム１０１の中核部分になる管理サーバ１１２
が接続されている。
端末装置１０３はＧＷサーバ１０７とインターネット１０５を通じて通信を行うので、必然的に本発明の実施形態に係る遠隔操作システム１０１において使用されるネットワークには、ＴＣＰ／ＩＰが用いられる。
図１では紙面の都合上、ロボットアーム１１０とモニタ用カメラ１１１は１個ずつしか記載されていないが、実際には作業所１０６にはロボットアーム１１０とモニタ用カメラ１１１がそれぞれ複数台設置されることが多い。

管理サーバ１１２には、マシンビジョン用カメラ１１３や、図示しない検査用端末１００１（図１０参照）が接続されている。
マシンビジョン用カメラ１１３は、画像認識技術を用いて、撮影対象である物品１０９の状態が正常であるか異常であるかを判定し、物品１０９の情報と正常または異常の判定結果情報を管理サーバ１１２へ送信する。
検査用端末１００１（図１０参照）は、検査担当者が目視等で対象となる物品１０９の状態が正常であるか異常であるかを判定し、物品１０９の情報と正常または異常の判定結果情報を管理サーバ１１２へ送信する。
すなわち、マシンビジョン用カメラ１１３や検査用端末１００１は、ロボットアーム１１０が実施した作業が正常に完遂されたのか、それとも失敗したのかを検出し、検出した結果を成果情報として管理サーバ１１２に送信するために設けられる。したがって、これらマシンビジョン用カメラ１１３及び検査用端末１００１は、後述する教師信号の基となる情報を出力する、教師信号発生源となる。

操作者１０２が腕を動かすと、腕の筋肉が***したり、逆に***した筋肉が元に戻ることで、筋肉に物理的変動が生じる。筋肉センサ装置１０４は、腕の筋肉の物理的変動を電圧信号として検出し、デジタルの筋肉変位データに変換する。そして、筋肉変位データを近距離無線通信で端末装置１０３に送信する。端末装置１０３はインターネット１０５を通じて、筋肉変位データをＧＷサーバ１０７に送信する。ＧＷサーバ１０７は、受信した筋肉変位データをロボットアーム１１０に転送する。ロボットアーム１１０は筋肉変位データを受信すると、筋肉変位データに応じた動作を遂行する。
すなわち、筋肉センサ装置１０４は、ロボットアーム１１０を操作するための操作情報を入力する、操作情報入力装置としての役割を果たしている。

モニタ用カメラ１１１は、ロボットアーム１１０の作業状況を撮影し、動画データあるいは静止画像データとしてＧＷサーバ１０７へ出力する。ＧＷサーバ１０７は受信した動画データを端末装置１０３へ転送する。操作者１０２は動画データを端末装置１０３のディスプレイで見ることで、ロボットアーム１１０の動作をリアルタイムで把握し、ロボットアーム１１０を適切に制御することが可能になる。
すなわち、ロボットアーム１１０とモニタ用カメラ１１１は１対１の対応関係を有する。例えば、第一のロボットアームの近傍には第一のモニタ用カメラが設置されている。同様に、第二のロボットアームの近傍には第二のモニタ用カメラが設置されている。
このように作業所１０６には、ロボットアーム１１０と対になるモニタ用カメラ１１１が当該ロボットアーム１１０の近傍に設置され、ロボットアーム１１０の作業状況をリアルタイムで確認できるように構成されている。

一方、マシンビジョン用カメラ１１３や検査用端末１００１は、必ずしもロボットアーム１１０との対応関係があるとは限らない。１個のマシンビジョン用カメラ１１３が、複数のロボットアーム１１０の作業結果を出力することがあり得る。特に、作業所１０６が宅配便業者における集配センターである場合は、不特定多数の物品１０９をマシンビジョン用カメラ１１３が検品して、その判定結果情報を管理サーバ１１２へ送信することもできる。

ロボットアーム１１０の作業内容としては、様々なものが想定される。ロボットアーム１１０の作業内容は、図１に示されるような、工場内のベルトコンベアによって運ばれた物品１０９を掴み取り、別の場所へ移動させる作業に限定されない。なお、物品１０９を掴み取る作業はピッキングと呼ばれる。
例えば、物品１０９の組立作業、選別作業、宅配便の集配センターにおいて、物品１０９を適切な配送先のトラックへ運搬する作業等は、作業所１０６における代表的な作業である。
更に、ロボットアーム１１０が適用可能とされる作業内容は、こういった作業所１０６における作業に留まらない。
家庭内の片付け等の家事や介護等の家庭内の作業、医療現場における外科手術、ネイルサロン等におけるネイリストによるネイルアートの施術、美容院における美容師によるヘアメイク、農場における農作業等、様々な作業にロボットを用いた遠隔操作システム１０１が適用可能である。
また、ロボットは作業環境を選ばないので、クリーンルームや汚染環境、極端な高温あるいは低温の環境等でも運用が可能である。

［筋肉センサ装置１０４：外観］
図２は、本発明の実施形態の例である筋肉センサ装置１０４の外観斜視図である。なお、図２から図６に渡って説明する筋肉センサ装置１０４は、非特許文献１に開示されているものであるが、開示される前に、本願の出願人によって特願２０１６−４７５８３（以下「先願」）として出願されている。
筋肉センサ装置１０４はＶ字形状のバンド２０１を備える。このバンド２０１はシリコーンゴム等の柔軟性を有する樹脂シートで構成されている。バンド２０１の両翼部分は、水平線Ｌ２０５から等しい傾斜角度θ１及びθ２だけ傾斜した形状である。傾斜角度θ１及びθ２は例えば３２°である。バンド２０１の表面側の中心部分には直方体形状の回路収納ボックス２０３が設けられている。回路収納ボックス２０３には、後述するワンチップマイコン（図６参照）や二次電池などが内蔵されている。

回路収納ボックス２０３の、一方の短辺側の側面には、第一シリアルインターフェース端子２０４が設けられている。第一シリアルインターフェース端子２０４は例えばｍｉｃｒｏＵＳＢ用の端子である。筋肉センサ装置１０４はこの第一シリアルインターフェース端子２０４を通じて、内蔵する不図示の二次電池を充電する。また、第一シリアルインターフェース端子２０４をパソコン等に接続することで、ワンチップマイコンの構成要素であるファームウェアをアップデートする等の機能拡張が可能になる。

バンド２０１の回路収納ボックス２０３が取り付けられた面とは反対側の裏面（図２の下側の面）は、図３にて後述する電極配置面２００ａである。
筋肉センサ装置１０４は、後述する図４Ａ及び図４Ｂの装着例で説明するように、バンド２０１の裏面である電極配置面２００ａを操作者１０２の前腕に巻き付けることで、操作者１０２に装着される。

図３は、電極配置面２００ａの平面図である。
電極配置面２００ａには、操作者１０２の前腕の筋肉に電気刺激信号を与えるための電極３０１〜３０８と、その電極３０１〜３０８とペアで使用される接地電極である電極３１１〜３１３，３１６，３１７とを備える。但し、接地電極は、対向する複数の電極に対して共通で使用されるため、電極３０１〜３０８と電極３１１〜３１３，３１６，３１７の数は一致しない。
加えて電極配置面２００ａは、操作者１０２の前腕の筋肉の動きを検出する筋変位センサ３２１〜３２８を備える。

電極配置面２００ａの右側（図中の左側）には右側電極配置箇所３３１が設けられており、右側電極配置箇所３３１には４個の電極３０１，３０２，３１１，３１２が配置されている。４個の電極３０１，３０２，３１１，３１２の内で、電極３０１は第一の電極であり、電極３０２は第二の電極である。また、電極３１１は電極３０１に対向する接地電極であり、電極３１２は電極３０２に対向する接地電極である。

電極３０１と電極３１１は前腕の筋肉に刺激を与える電極であり、装着時に腕の長手方向Ｌに隣接して配置される。
電極３０２と電極３１２も前腕の筋肉に刺激を与える電極であり、周方向Ｈに対して傾斜角度θ２で、傾斜した状態で配置されたほぼ長方形の電極である。電極３０２と電極３１２とは、腕の長手方向Ｌに隣接して配置される。

電極配置面２００ａの中央には、中央電極配置箇所３３２が設けられており、中央電極配置箇所３３２には５個の電極３０３，３０４，３０５，３０８，３１３が配置される。５個の電極３０３，３０４，３０５，３０８，３１３の内で、電極３０３は第三の電極であり、電極３０４は第四の電極であり、電極３０５は第五の電極である。これら３個の電極３０３，３０４，３０５は、腕の長手方向に伸びて、腕の周方向にほぼ平行に並んで配置されている。
また、電極３０８は、腕の周方向に長く伸びた第八の電極である。電極３１３は、電極３０３，３０４，３０５，３０８に対向して共通に使用される接地電極である。

電極３０３と電極３０４と電極３０５とは、それぞれのチャンネルごとに前腕のそれぞれ別の筋肉に刺激を与える電極であり、接地電極として電極３１３が共通に使用される。３つの電極３０３，３０４，３０５は、腕の周方向Ｈに並んで配置され、この３つの電極３０３，３０４，３０５と長手方向Ｌに隣接して配置される共通の接地電極である電極３１３は、腕の周方向Ｈに長く伸びた長方形の電極である。
電極３０８は、電極３１３に隣接して、腕の周方向Ｈに長く伸びた長方形の電極である。電極３１３は、電極３０８の接地電位としても使用される。なお、電極３０８は予備に使用される電極であり、この電極３０８は腕の周方向Ｈに長く伸びているため、腕の複数の筋肉に同時に刺激を与えることができる。

電極配置面２００ａの左側部（図３中の右側）には左側電極配置箇所３３３が設けられており、左側電極配置箇所３３３には４個の電極３０６，３０７，３１６，３１７が配置される。４個の電極３０６，３０７，３１６，３１７の内で、電極３０６は第六の電極であり、電極３０７は第七の電極である。また、電極３１６は電極３０６に対向する接地電極であり、電極３１７は電極３０７に対向する接地電極である。

電極３０６と電極３１６は前腕の筋肉に刺激を与える電極であり、周方向Ｈに対して左側部の傾斜角度θ１と同じ角度θ１で、傾斜した状態で配置されたほぼ長方形の電極である。
電極３０７と電極３１７は前腕の筋肉に刺激を与える電極であり、装着時に腕の長手方向Ｌに隣接して配置される。

電極配置面２００ａの右側電極配置箇所３３１の近傍には、２個所に筋変位センサ３２１，３２２が配置されている。電極配置面２００ａの中央電極配置箇所３３２の近傍には、４個所に筋変位センサ３２３，３２４，３２５，３２６が配置されている。電極配置面２００ａの左側電極配置箇所３３３の近傍には、２個所に筋変位センサ３２７，３２８が配置されている。

８個の筋変位センサ３２１〜３２８は周知のフォトリフレクタである。これらの筋変位センサはそれぞれ赤外線発光素子３２１ａ〜３２８ａと赤外線受光素子３２１ｂ〜３２８ｂ（図６参照）とで構成されており、筋変位センサ配置面から腕の筋肉の表面までの距離の変化を検出する。図６に示す赤外線発光素子３２１ａ〜３２８ａは、例えば近赤外線ＬＥＤであり、赤外線受光素子３２１ｂ〜３２８ｂは例えばフォトトランジスタである。
筋肉が収縮すると、筋肉が存在する皮膚の部分に生じる***によって、フォトリフレクタと筋肉の表面部分との距離が変動する。フォトリフレクタはこの距離の変動によって生じる近赤外線反射光の強弱を、フォトトランジスタで検出する。近赤外線は皮膚表面を透過する性質を有するので、筋肉の***状態を検出することに適している。

なお、電極配置面２００ａの右側電極配置箇所３３１、中央電極配置箇所３３２、左側電極配置箇所３３３を除く個所には、粘着性を有する樹脂材（不図示）が配置され、その樹脂材の粘着性で、電極配置面２００ａを前腕に巻き付けた状態にて装着できるように構成されている。

［筋肉センサ装置１０４の装着例］
図４Ａは、筋肉センサ装置１０４を前腕に装着する直前の状態を示す図である。
図４Ｂは、筋肉センサ装置１０４を前腕に装着した直後の状態を示す図である。
図４Ａに示すように、操作者１０２の右腕の前腕ＲＡの手首寄りの個所に、バンド２０１の電極配置面２００ａ（図３）の中央部分が触れた状態とする。このときには、図４Ａに示すように手のひらが上側となった位置とする。また、ほぼＶ字形状をしたバンド２０１の中央にある回路収納ボックス２０３が、手のひら側を向くように配置する。

そして操作者１０２は、バンド２０１の両翼を、矢印Ｆ１と矢印Ｆ２で示すように手首に巻き付ける。
このようにして、図４Ｂに示すように、筋肉センサ装置１０４が前腕ＲＡに巻き付いた状態で装着される。このときには、電極配置面２００ａに配置した粘着性を有する樹脂材の粘着性で、前腕ＲＡに巻き付いた状態が維持される。
なお、樹脂材の粘着性だけで前腕ＲＡに巻き付いた状態とするのは一例であり、例えばバンド２０１の両端に面ファスナー等の固定機構を設けて、両端が重なった状態で止まるように構成してもよい。

このように筋肉センサ装置１０４は、バンド２０１を前腕ＲＡに巻き付けて装着するため、簡単に装着することができる。そして、バンド２０１がほぼＶ字形状をしているため、操作者１０２は装着方向が判りやすく、また覚えやすい。したがって、操作者１０２は、図４Ｂに示すように、決められた方向に確実に装着することができる。
なお、図４では操作者１０２の右腕に筋肉センサ装置１０４を装着する例を示したが、左腕に筋肉センサ装置１０４を装着するようにしてもよい。

［筋肉センサ装置１０４の使用形態］
図１を再度参照して、筋肉センサ装置１０４の使用形態を説明する。
筋肉センサ装置１０４は、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の近距離無線通信機能を有する。一方、端末装置１０３は、筋肉センサ装置１０４と同様の近距離無線通信機能を内蔵する端末装置１０３か、近距離無線通信機能を提供する周辺機器を接続することで、筋肉センサ装置１０４との近距離無線通信による双方向通信を確立することができる。図１中、端末装置１０３には近距離無線通信部５０８（図５参照）が内蔵されており、筋肉センサ装置１０４との間で双方向通信を確立する。

端末装置１０３には、所定のアプリケーションプログラムが稼働している。そして、このアプリケーションプログラムに対する操作者１０２の操作に応じて、端末装置１０３は筋肉センサ装置１０４に対し、操作者１０２の所定の筋肉へ電気刺激を与える命令を近距離無線通信にて送信する。筋肉センサ装置１０４は、端末装置１０３から受信した電気刺激の命令に基づき、操作者１０２の所望の筋肉へ電気刺激を与える。
また、筋肉センサ装置１０４は、図６に示した筋変位センサ３２１〜３２８にて操作者１０２の腕の筋肉の変位情報を受信し、これをデジタルデータとして端末装置１０３に送信する。端末装置１０３は、筋肉センサ装置１０４から送信される筋変位データを受信し、すると、ＧＷサーバ１０７へ転送する。

筋肉センサ装置１０４は、端末装置１０３に対して、操作者１０２の腕の筋肉の変位情報を収集する入力装置として、及び腕の筋肉に変位を与える出力装置として機能する。また、筋肉センサ装置１０４は、端末装置１０３または端末装置１０３において稼働するアプリケーションプログラムに対する入出力端末であるということもできる。
但し、本発明の実施形態において、筋肉センサ装置１０４の機能のうち、筋肉に電気刺激を与えるための電極は使用しない。本発明の実施形態に係る遠隔操作システム１０１では、筋肉センサ装置１０４に装備されている筋変位センサの機能のみが使用される。
また、本実施形態の遠隔操作システム１０１では、図６に示した筋肉センサ装置１０４に限定されない。筋肉センサ装置１０４の電極及び電極の駆動回路を除去した新たな筋肉センサ装置を用いることもできる。

［端末装置１０３のハードウェア構成］
図５は、端末装置１０３のハードウェア構成を示すブロック図である。
前述のように一般的なパソコンよりなる端末装置１０３は、バス５０７に接続された、ＣＰＵ５０１、ＲＯＭ５０２、ＲＡＭ５０３、不揮発性ストレージ５０４、表示部５０５、操作部５０６、近距離無線通信部５０８及びＮＩＣ（Network Interface Card）５０８を備える。近距離無線通信部５０８は、筋肉センサ装置１０４と近距離無線通信を行うためのハードウェアである。ＮＩＣ５０９はインターネット１０５に接続され、ＧＷサーバ１０７と通信を行うために設けられる。不揮発性ストレージ５０４には、ＯＳと、パソコンを筋肉センサ装置１０４の端末装置１０３として動作させるためのアプリケーションプログラムが格納されている。
なお、端末装置１０３としては、スマートフォン等の携帯型無線端末も利用可能である。

［筋肉センサ装置１０４のハードウェア構成］
図６は、筋肉センサ装置１０４のハードウェア構成を示すブロック図である。
バス６０１に接続されているＣＰＵ６０２、ＲＯＭ６０３、ＲＡＭ６０４、Ａ／Ｄ変換器６０５、そして第二シリアルインターフェース６０６（図６中「第二シリアルＩ／Ｆ」と略記）は、周知のワンチップマイコン６０７を構成する。
筋変位センサ３２１、３２２…３２８を構成する赤外線ＬＥＤである赤外線発光素子３２１ａ、３２２ａ…３２８ａのアノードは電源電圧ノード＋Ｖｃｃに接続されている。赤外線発光素子３２１ａ、３２２ａ…３２８ａのカソードは第一マルチプレクサ６０８を通じて電流制限抵抗Ｒ６０９の一端に接続されている。電流制限抵抗Ｒ６０９の他端は接地されている。

筋変位センサ３２１、３２２…３２８を構成するフォトトランジスタである赤外線受光素子３２１ｂ、３２２ｂ…３２８ｂのコレクタは電源電圧ノード＋Ｖｃｃに接続されている。赤外線受光素子３２１ｂ、３２２ｂ…３２８ｂのエミッタは第二マルチプレクサ６１０を通じてＡ／Ｄ変換器６０５に接続されていると共に、抵抗Ｒ６１１ａ、Ｒ６１１ｂ、…Ｒ６１１ｈを通じて接地されている。

第一マルチプレクサ６０８及び第二マルチプレクサ６１０が、第二シリアルインターフェース６０６から制御信号を受けて、周期的に切り替え制御されることで、Ａ／Ｄ変換器６０５には時分割で８個の筋変位センサ３２１、３２２…３２８の電圧信号が入力される。
この第一マルチプレクサ６０８及び第二マルチプレクサ６１０は、複数の筋変位センサ３２１、３２２…３２８のうちの１個を選択する。なお、第一マルチプレクサ６０８及び第二マルチプレクサ６１０を総称して、センサ用マルチプレクサと呼ぶことができる。

ワンチップマイコン６０７のバス６０１には周知の６軸センサ６１２と近距離無線通信部６１３も接続されており、６軸センサ６１２が出力する姿勢情報及び加速度情報は、Ａ／Ｄ変換器６０５を通じて得られた８個の筋変位センサ３２１、３２２…３２８の情報と共に、近距離無線通信部６１３を通じて端末装置１０３へ送信される。
ワンチップマイコン６０７のバス６０１には更に、第一シリアルインターフェース６１４（図６中「第一シリアルＩ／Ｆ」と略記）が接続されている。なお、この第一シリアルインターフェース６１４は、不図示の蓄電池に電力を供給するため、及びＲＯＭ６０３に格納されているファームウェアをアップデートする際に用いられる。

第二シリアルインターフェース６０６には更に、周知のチョークコイルとコンデンサとトランジスタスイッチよりなる昇圧回路６１５が接続されている。そして、第二シリアルインターフェース６０６から昇圧回路６１５に、例えば１００ｋＨｚで、ほぼ電源電圧＋Ｖｃｃに等しい電圧の矩形波パルス信号が供給される。この矩形波パルス信号は、昇圧回路６１５内の不図示のトランジスタスイッチをオン・オフ制御する。
そして、昇圧回路６１５によって矩形波パルス信号の電圧は２倍に昇圧される。昇圧回路６１５が出力する電気刺激電圧は、ＰＷＭスイッチ６１６と第三マルチプレクサ６１７を通じて電極３０１、３０２…３０８に供給される。
第三マルチプレクサ６１７は、複数の電極３０１、３０２…３０８のうちの１個を選択する、電極用マルチプレクサということもできる。

ＰＷＭスイッチ６１６は第二シリアルインターフェース６０６によって制御され、昇圧回路６１５によって昇圧された電気刺激電圧にＰＷＭ変調を施す。電気刺激電圧は、ＰＷＭ変調にてデューティ比が変化されるため、筋肉に与える電気刺激電圧が所望の電圧に変更される。第三マルチプレクサ６１７も第二シリアルインターフェース６０６を通じて制御され、端末装置１０３から近距離無線通信部６１３を通じて受信した命令に指定された電極を選択して、その電極にＰＷＭ変調された電気刺激電圧が印加される。

センサ用マルチプレクサを構成する第一マルチプレクサ６０８及び第二マルチプレクサ６１０と、電極用マルチプレクサを構成する第三マルチプレクサ６１７は、端末装置１０３の指示によってオン・オフ制御することができる。本発明の実施形態において、筋肉センサ装置１０４に備わっている機能のうち、筋肉に電気刺激を与える電極の機能は使用しないので、端末装置１０３の制御によって電極用マルチプレクサは常時オフとされる。
なお、筋肉センサ装置１０４を、筋肉に電気刺激を与える電極を持たない筋変位センサと６軸センサのみが装備される装置として構成してもよい。

［ＧＷサーバ１０７及び管理サーバ１１２のハードウェア構成］
図７は、ＧＷサーバ１０７のハードウェア構成を示すブロック図である。
ＧＷサーバ１０７は、バス７０１に接続された、ＣＰＵ７０２、ＲＯＭ７０３、ＲＡＭ７０４、不揮発性ストレージ７０５、現在日時情報を出力するＲＴＣ（RealTime Clock）７０６、第一ＮＩＣ７０７及び第二ＮＩＣ７０８を備える。
不揮発性ストレージ７０５には、ネットワークＯＳの他に、サーバをＧＷサーバ１０７として動作させるためのアプリケーションプログラムが格納されている。
ＧＷサーバ１０７には、表示部７０９と操作部７１０は装備されていないことが多いが、一般的なパソコンをＧＷサーバ１０７に流用する場合もあるので、図７では表示部７０９と操作部７１０は破線で示している。

本発明の実施形態において、ＧＷサーバ１０７はファイアウォールを兼用している。このためＧＷサーバ１０７には、インターネット１０５に接続される第一ＮＩＣ７０７と、作業所１０６内のＬＡＮに接続される第二ＮＩＣ７０８が設けられ、インターネット１０５と作業所１０６内のＬＡＮを物理的に隔離している。
もし、ファイアウォールとＧＷサーバ１０７を別体で構成する場合は、ＧＷサーバ１０７に第二ＮＩＣ７０８は不要になる。
また、管理サーバ１１２のハードウェア構成も、第二ＮＩＣ７０８がない以外は、ＧＷサーバ１０７と同一である。管理サーバ１１２の不揮発性ストレージにはネットワークＯＳと、サーバを管理サーバ１１２として動作させるためのアプリケーションプログラムが格納されている。

［ＧＷサーバ１０７：ソフトウェア機能］
図８は、ＧＷサーバ１０７のソフトウェア機能を示すブロック図である。
外部通信処理部８０１は、ＧＷサーバ１０７と端末装置１０３との間でＴＣＰ通信路（TCP Connection）を確立する機能を有する。この、ＧＷサーバ１０７と操作者１０２のパソコンとの間で使用される通信及び、ＧＷサーバ１０７とロボットアーム１１０との間で使用される通信は、ロボットアーム１１０を制御する筋変位データを送受信することから、パケット再送機能を有するＴＣＰが望ましい。但し、通信の品質が何らかの手段で保持できるのであれば、この通信にＵＤＰを利用することを否定するものではない。
認証処理部８０２は、操作者マスタ８０３（後述）を参照して、操作者１０２の操作者認証を実施する。外部通信処理部８０１は、認証処理部８０２から操作者認証が正常に終了したことを受けて、ＧＷサーバ１０７と端末装置１０３との間でＴＣＰ通信路を確立する。

労務要求処理部８０４は、内部通信処理部８０５を介して管理サーバ１１２へ、操作者１０２を一意に識別する操作者ＩＤと共に当該操作者１０２が作業をしたい旨の情報を送信する。
内部通信処理部８０５は、管理サーバ１１２から送信された指示を受けて、管理サーバ１１２から指示されたロボットアーム１１０及びモニタ用カメラ１１１との間でＴＣＰ通信路を確立する機能を有する。
ＧＷ通信処理部８０６は、外部通信処理部８０１で端末装置１０３との間に確立したＴＣＰ通信路と、内部通信処理部８０５でロボットアーム１１０及びモニタ用カメラ１１１との間に確立したＴＣＰ通信路を接続し、相互のＴＣＰ通信路の間でデータの転送を実現する。

このＧＷサーバ１０７は、公知のＬ７スイッチ（Layer 7）に類似するアプリケーションゲートウェイの機能を有する。
端末装置１０３からＧＷサーバ１０７へ送信されたデータは、ＴＣＰ／ＩＰパケットの状態から一旦元のデータまで復元される。そして、元のデータはＧＷサーバ１０７からロボットアーム１１０に向けて、再度ＴＣＰ／ＩＰパケットに変換されて送信される。逆方向のデータの流れも同様である。すなわち、ＧＷサーバ１０７は、端末装置１０３とロボットアーム１１０との間、及び端末装置１０３とモニタ用カメラ１１１との間の、通信の中継を行う。このため、端末装置１０３とＧＷサーバ１０７との間の通信のプロトコルと、ＧＷサーバ１０７とロボットアーム１１０、ＧＷサーバ１０７とモニタ用カメラ１１１との間の通信のプロトコルが異なっていても、問題なくデータの転送が実現できる。
例えば、端末装置１０３とＧＷサーバ１０７との間の通信がＨＴＴＰＳ(Hyper Text Transfer Protocol Secure)で、ＧＷサーバ１０７とロボットアーム１１０、ＧＷサーバ１０７とモニタ用カメラ１１１との間の通信のプロトコルがＨＴＴＰ(Hyper Text Transfer Protocol)であってもよい。また、端末装置１０３とＧＷサーバ１０７との間の通信がＩＰｖ６で、ＧＷサーバ１０７とロボットアーム１１０、ＧＷサーバ１０７とモニタ用カメラ１１１との間の通信のプロトコルがＩＰｖ４であってもよい。

［遠隔操作システム１０１：タイムチャート］
図９は、遠隔操作システム１０１の通信処理を説明するタイムチャートである。
先ず、端末装置１０３はＧＷサーバ１０７に対し接続を試みる。ＧＷサーバ１０７の認証処理部８０２は端末装置１０３の操作者に対する認証処理（以下「操作者認証」）を行う。認証処理部８０２は、正常に操作者認証が終了したら、外部通信処理部８０１に対し、端末装置１０３とのＴＣＰ通信路を確立させる（Ｓ９０１）。
次に、労務要求処理部８０４は、管理サーバ１１２に対し、端末装置１０３に属する操作者１０２の操作者ＩＤと共に、労務の要求を送信する（Ｓ９０２）。
管理サーバ１１２は、ＧＷサーバ１０７から労務要求を受信すると、当該操作者ＩＤについて、作業あるいは労務カテゴリの成功率を推定する。そして更に、成功率が一定値以上の労務カテゴリを絞り込む等の処理を行い、当該操作者に最適な作業を決定する（Ｓ９０３）。

管理サーバ１１２はＧＷサーバ１０７に対し、操作者ＩＤに最適な作業担当アーム番号を通知する（Ｓ９０４）。
ＧＷサーバ１０７の労務要求処理部８０４は、管理サーバ１１２から操作者ＩＤに最適な作業担当アーム番号を受信すると、内部通信処理部８０５を通じて、当該作業を担当するロボットアームと、これに伴うモニタ用カメラ１１１に対し、ＴＣＰ通信路を確立する（Ｓ９０５）。
また、ＧＷサーバ１０７のＧＷ通信処理部８０６は、外部通信処理部８０１と内部通信処理部８０５とで同一操作者ＩＤの通信が確立したことを検出すると、互いのＴＣＰ接続を接続し、就労作業を実行する（Ｓ９０６）。

ステップＳ９０６の就労作業として、ＧＷ通信処理部８０６は、端末装置１０３から外部通信処理部８０１を通じて受信した筋変位データを、内部通信処理部８０５に引き渡す。内部通信処理部８０５は、当該作業担当のロボットアームへ筋変位データを送信する。また、ＧＷ通信処理部８０６は、モニタ用カメラ１１１から内部通信処理部８０５を通じて受信した動画データを、外部通信処理部８０１に引き渡す。外部通信処理部８０１は、端末装置１０３へ動画データを送信する。
すなわち、このステップＳ９０６の時点でＧＷサーバ１０７は、公知のＬ７スイッチに類似するアプリケーションゲートウェイとして稼働する。

ステップＳ９０６において、操作者１０２が装着する筋肉センサ装置１０４の操作情報は、ＧＷサーバ１０７を介してロボットアーム１１０に送信される。また、モニタ用カメラ１１１の動画ストリームデータは、ＧＷサーバ１０７を介して端末装置１０３に送信される。
作業の終了は、操作者１０２の自己申告か、作業所１０６に設けられた所定のセンサ類で検出される。
作業の終了をＧＷサーバ１０７のＧＷ通信処理部８０６が検出すると、ＧＷ通信処理部８０６は先ず、内部通信処理部８０５で確立していたＴＣＰ通信路を切断する（Ｓ９０７）。次に必要であれば、外部通信処理部８０１で確立していたＴＣＰ通信路を切断する（Ｓ９０８）。しかし、操作者１０２は継続して次の作業を希望することが多いので、その場合は端末装置１０３とのＴＣＰ通信路を切断することなく、ステップＳ９０２に戻って作業の要求から処理を繰り返す。

一方、作業が正常に成功して終了したか、それとも失敗したのかは、マシンビジョン用カメラ１１３や所定のセンサ類、あるいは管理者の肉眼で、成果物の状態を検出することにより行われる（Ｓ９０９）。そして、作業の成功または失敗の情報は、管理サーバ１１２に送信される。管理サーバ１１２は、ステップＳ９０９における成果物に関する報告を受けて、操作者ＩＤが遂行した作業の成功失敗を判定する（Ｓ９１０）。判定した結果はログ記録され、更に判定結果に基づいた学習が実行される（Ｓ９１１）。

つまり、ステップＳ９０１において端末装置１０３とＧＷサーバ１０７の外部通信処理部８０１との間で確立したＴＣＰ通信路は、操作者１０２が作業の遂行を止めることがなければ、つまりステップＳ９０８でＴＣＰ通信路を閉じるまでは、切断されることなく維持される。この間、ステップＳ９０２からＳ９０７の処理が繰り返されることにより、
・ステップＳ９０５においてＧＷサーバ１０７がロボットアーム１１０との間でＴＣＰ通信路を確立し、
・ステップＳ９０６において操作者１０２がロボットアーム１１０を操作して、作業を遂行し、
・ステップＳ９０７においてＧＷサーバ１０７がロボットアーム１１０との間で確立したＴＣＰ通信路を閉じる
ことが繰り返される。
つまり、ＧＷサーバ１０７がロボットアーム１１０との間で確立するＴＣＰ通信路が次々に切り替わる。
操作者１０２には、作業が終了すると次々に作業を遂行すべきロボットアーム１１０が接続されることとなる。

次に、管理サーバ１１２のソフトウェア機能について説明する。
これ以降、管理サーバ１１２のソフトウェア機能は、
・労務カテゴリを区別しない全体の成功率を計算する実施形態を第一の実施形態、
・労務カテゴリを区別して労務カテゴリ毎の成功率を計算する実施形態を第二の実施形態
に分けて説明する。
管理サーバ１１２は、教師あり学習アルゴリズムを利用して、操作者１０２の作業の成功率を学習し、推定する。

［第一の実施形態］
図１０は、管理サーバ１１２のソフトウェア機能の内、学習フェーズにおける機能ブロック図である。
マシンビジョン用カメラ１１３や検査用端末１００１から、労務の成功または失敗の情報が労務結果出力部１００２へ送信される。
労務結果出力部１００２は、労務の成功または失敗の情報と、労務端末マスタ１００３、操作者マスタ８０３及び操作者リスト１００４を参照して、操作者ＩＤと労務の成功または失敗の情報を紐付ける。そして、ＲＴＣ７０６が出力する現在日時情報と共に、ログテーブル１００５に登録する。また、労務結果出力部１００２は、ログテーブル１００５に新規登録したレコードに係る操作者ＩＤを学習データ生成部１００６に与える。

学習データ生成部１００６は、ログテーブル１００５を読み込み、労務試行リスト１００７を生成する。そして、労務試行リスト１００７を参照して、学習データ生成部１００６は、入力データ生成部１００８において入力データを生成し、教師信号生成部１００９において教師信号を生成する。
入力データと教師信号は学習処理部１０１０に入力される。学習処理部１０１０は例えばベイジアンネットワーク等の、教師あり学習アルゴリズムを実行する。
学習処理部１０１０は、学習結果を辞書データ１０１１に反映し、辞書データ１０１１を更新する。

図１１は、管理サーバ１１２のソフトウェア機能の内、推定フェーズにおける機能ブロック図である。
端末装置１０３から送信され、ＧＷサーバ１０７で受信された、労務を要求する操作者１０２の操作者ＩＤは、推定データ生成部１１０１に入力される。
推定データ生成部１１０１は、ログテーブル１００５を読み込み、操作者ＩＤで絞り込み検索を行った上で、労務試行リスト１００７を生成する。そして、労務試行リスト１００７に基づき、入力データ生成部１００８を通じて入力データを生成する。推定データ生成部１１０１は、図１０に示した学習データ生成部１００６のサブセットである。つまり、学習データ生成部１００６から教師信号生成部１００９を取り除いたものが推定データ生成部１１０１である。

推定データ生成部１１０１の入力データ生成部１００８で生成された入力データは、学習済み推定器１１０２に入力される。学習済み推定器１１０２は教師あり学習アルゴリズムを用いて、辞書データ１０１１を参照し、操作者ＩＤに係る操作者１０２の推定成功率を出力する。
推定成功率は、労務割当処理部１１０３に入力される。労務割当処理部１１０３は、先ず、推定成功率を所定の閾値と比較して、労務の成功または失敗を推定する。次に、労務割当処理部１１０３は、労務端末マスタ１００３と、操作者マスタ８０３と、図示しない労務リストを参照して、労務者に労務を割り当て、操作者リスト１００４を更新する。
なお、労務割当処理部１１０３は、操作端末１１０４を通じて管理者によるマニュアル操作によっても、労務割当処理が可能である。

図１２は、図１０及び図１１に示したテーブル及びリストのフィールド構成を示す表である。
操作者マスタ８０３は、操作者ＩＤフィールド、ＰＷハッシュフィールド、操作者個人情報フィールドを有する。
操作者ＩＤフィールドには、操作者１０２を一意に識別する操作者ＩＤが格納される。
ＰＷハッシュフィールドには、操作者１０２のパスワードのハッシュ値が格納される。
操作者個人情報フィールドには、操作者１０２の個人情報として、例えば氏名、性別、年齢、住所等が格納される。

労務端末マスタ１００３は、労務端末番号フィールドと、モニタ用カメラ番号フィールドと、労務カテゴリ番号フィールドを有する。
労務端末番号フィールドには、ロボットアーム１１０等の労務端末を一意に識別する番号である労務端末番号が格納される。
モニタ用カメラ番号フィールドには、ロボットアーム１１０等の労務端末と１対１の関係で対応しているモニタ用カメラ１１１を一意に識別する番号であるモニタ用カメラ番号が格納される。
労務カテゴリ番号フィールドには、当該労務端末の労務カテゴリを示す労務カテゴリ番号が格納される。労務カテゴリとは、労務作業の種別を示す情報である。例えばピッキングの場合、ピッキングの対象となる物品の大きさや形状によって、ピッキングの難易度が変動する。そこで、類似する労務作業を一つの労務カテゴリに集約し、様々な労務作業を複数の労務カテゴリで分類する。多くの場合、労務カテゴリ番号と労務端末番号は、１対多の対応関係を有する。

労務端末とは、必ずしもロボットアーム１１０に限られない。無人フォークリフトや、無人搬送車等も労務端末に含まれる。すなわち労務端末とは、入力される操作情報に従って機械的動作を行う機械である。

ログテーブル１００５は、操作者ＩＤフィールド、労務端末番号フィールド、労務試行日時フィールド、及び労務試行結果フィールドを有する。
操作者ＩＤフィールドは、操作者マスタ８０３の操作者ＩＤフィールドと同じである。
労務端末番号フィールドは、労務端末マスタ１００３の労務端末番号フィールドと同じである。
労務試行日時フィールドには、当該操作者ＩＤの操作者１０２が当該労務端末番号の労務端末にて労務を試行した日時が格納される。
労務試行結果フィールドには、労務試行日時フィールドの日時にて当該操作者ＩＤの操作者１０２が当該労務端末番号の労務端末にて労務を試行した結果、当該労務が成功したかまたは失敗したかを示すフラグ情報が格納される。
すなわちログテーブル１００５は、ある日時に操作者１０２が労務端末を操作して所定の労務を遂行し、その結果成功した、あるいは失敗したことを示す情報が記録されるテーブルである。

操作者リスト１００４は、操作者ＩＤフィールド、労務端末番号フィールド、及び労務試行日時フィールドを有する。
操作者ＩＤフィールドは、操作者マスタ８０３の操作者ＩＤフィールドと同じである。
労務端末番号フィールドは、労務端末マスタ１００３の労務端末番号フィールドと同じである。
労務試行日時フィールドは、ログテーブル１００５の労務試行日時フィールドと同じである。
この操作者リスト１００４は、現在作業中の操作者１０２の操作者ＩＤと、当該操作者１０２が使用している労務端末を示すリストである。つまり、この操作者リスト１００４に登録されている労務端末は、現在使用中であることを示す。

労務試行リスト１００７は、操作者ＩＤフィールド、現時点の労務総試行回数フィールド、現時点の労務総成功回数フィールド、過去の労務総成功回数フィールド、及び労務総試行カテゴリ数フィールドを有する。
操作者ＩＤフィールドは、操作者マスタ８０３の操作者ＩＤフィールドと同じである。
現時点の労務総試行回数フィールドには、現時点（ｔ−１）における、当該操作者ＩＤの操作者１０２が今まで施行した労務の総数が格納される。
現時点の労務総成功回数フィールドには、現時点（ｔ−１）における、当該操作者ＩＤの操作者１０２が今まで施行した労務の総成功回数が格納される。

過去の労務総成功回数フィールドには、過去（ｔ−２）における、当該操作者ＩＤの操作者１０２が今まで施行した労務の総成功回数が格納される。
労務総試行カテゴリ数フィールドには、現時点（ｔ−１）における、当該操作者ＩＤの操作者１０２が今まで施行した労務の総カテゴリ数が格納される。
これらフィールドの値は、ログテーブル１００５を読み込み、当該操作者ＩＤで絞り込み、総レコード数、総成功レコード数を計数することで得られる。
なお、これ以降、現時点をｔ−１、過去をｔ−２、未来をｔと定義する。このｔ，ｔ−１，ｔ−２は、後述する学習データ生成部１００６及び学習済み推定器１１０２における入力データと教師信号において、必要な情報である。

辞書データ１０１１は、操作者ＩＤフィールド及び推定成功率フィールドを有する。
操作者ＩＤフィールドは、操作者マスタ８０３の操作者ＩＤフィールドと同じである。
推定成功率フィールドには、当該操作者１０２の推定成功率が格納される。
辞書データ１０１１は、学習データ生成部１００６によって更新され、学習済み推定器１１０２によって使用される。

図１３は、学習フェーズにおける、学習データ生成部１００６と学習処理部１０１０を詳述する機能ブロック図である。図１０の一部を拡大して、入力データ及び教師信号の詳細な内訳を明示したものである。
学習データ生成部１００６は労務結果出力部１００２から操作者ＩＤを受け取る。そして、ログテーブル１００５を読み込んで、操作者ＩＤで絞り込み検索を行い、一旦、労務試行リスト１００７を生成する。
教師信号生成部１００９は、労務試行リスト１００７を読み込み、現時点の労務総成功回数を現時点の労務総試行回数で除算して、現時点の労務総試行成功率（ｔ−１）Ｄ１３０１を算出する。

次に、入力データ生成部１００８は、労務試行リスト１００７を読み込み、先ず、現時点の労務総試行回数（ｔ−１）Ｄ１３０２を得る。
また、入力データ生成部１００８は、過去の労務総成功回数を過去の労務総試行回数で除算して、過去の労務総試行成功率（ｔ−２）Ｄ１３０３を算出する。なお、過去の労務総試行回数は、現時点の労務総試行回数から１を減算すればよい。
次に入力データ生成部１００８は、現時点の労務総試行カテゴリ数（ｔ−１）Ｄ１３０４を得る。

入力データ生成部１００８は、入力データとして、現時点の労務総試行回数（ｔ−１）Ｄ１３０２、過去の労務総試行成功率（ｔ−２）Ｄ１３０３、現時点の労務総試行カテゴリ数（ｔ−１）Ｄ１３０４を学習処理部１０１０に与える。
教師信号生成部１００９は、教師信号として、現時点の労務総成功回数を現時点の労務総試行回数で除算して、現時点の労務総試行成功率（ｔ−１）Ｄ１３０１を学習処理部１０１０に与える。
学習処理部１０１０はこれら入力データと教師信号を基に学習処理を実行して、辞書データ１０１１を更新する。

図１４は、推定フェーズにおける、推定データ生成部１１０１と学習済み推定器１１０２を詳述する機能ブロック図である。図１１の一部を拡大して、入力データの詳細な内訳を明示したものである。
推定データ生成部１１０１はログテーブル１００５を読み込み、ログテーブル１０５の操作者ＩＤで絞り込み検索を行った上で、一旦、労務試行リスト１００７を生成する。
入力データ生成部１００８は、労務試行リスト１００７を読み込み、先ず、当該操作者ＩＤで特定される操作者１０２の、未来の労務総試行回数（ｔ）Ｄ１４０２を得る。未来の労務総試行回数（ｔ）Ｄ１４０２とは、現時点の労務総試行回数（ｔ−１）Ｄ１３０２に１を加算した値である。

次に入力データ生成部１００８は、当該操作者１０２の現時点の労務総成功回数を現時点の労務総試行回数で除算して、現時点の労務総試行成功率（ｔ−１）Ｄ１３０１を算出する。
次に入力データ生成部１００８は、当該操作者１０２の未来の労務総試行カテゴリ数（ｔ）Ｄ１４０４を得る。未来の労務総試行カテゴリ数（ｔ）Ｄ１４０４とは、未来の労務カテゴリが当該操作者１０２にとって初めての労務カテゴリであれば、現時点の労務総試行回数（ｔ−１）Ｄ１３０２に「１」を加算した値である。未来の労務カテゴリが当該操作者１０２にとって初めての労務カテゴリでないならば、現時点の労務総試行回数（ｔ−１）Ｄ１３０２と等しい値になる。
入力データ生成部１００８は、入力データとして、未来の労務総試行回数（ｔ）Ｄ１４０２、現時点の労務総試行成功率（ｔ−１）Ｄ１３０１、未来の労務総試行カテゴリ数（ｔ）Ｄ１４０４を学習済み推定器１１０２に与える。
学習済み推定器１１０２は、入力データを読み込み、推定演算を実行して、入力データに対応する推定成功率を出力する。

［第二の実施形態］
図１５は、本発明の第二の実施形態を表す遠隔操作システムを示し、特に管理サーバ１１２のソフトウェア機能の内、学習フェーズにおける機能ブロック図である。
図１５の機能ブロック図と図１０の機能ブロック図（第一の実施形態）の異なる点は、
・労務結果出力部１５０１は、学習データ生成部１５０２に対し、操作者ＩＤに加え、当該操作者１０２が遂行した労務の労務カテゴリを出力すること、
・学習データ生成部１５０２に相関係数行列１５０３が入力されること、
・ログテーブル１００５を読み込み、相関係数行列１５０３を更新する相関係数更新処理部１５０４が設けられていること、
・学習データ生成部１５０２、労務試行リスト１５０５、入力データ生成部１５０６、教師信号生成部１５０７、学習処理部１５０８及び辞書データ１５０９は、労務カテゴリを考慮した処理が行われること
である。
その他の機能ブロック及び大まかな処理の流れは図１０と同じなので説明を省略し、入力データや教師信号等のデータの内訳や処理の詳細は、図１８にて後述する。

図１６は、管理サーバ１１２のソフトウェア機能の内、推定フェーズにおける機能ブロック図である。
図１６の機能ブロック図と図１１の機能ブロック図（第一の実施形態）の異なる点は、
・推定データ生成部１６０１に相関係数行列１５０３が入力されること、
・学習済み推定器１６０２は、図１１の学習済み推定器１１０２とは異なり、ある操作者１０２について全ての労務カテゴリにおける推定成功率を出力すること、
・労務割当処理部１６０３は、図１１の労務割当処理部１１０３とは異なり、ある操作者１０２について全ての労務カテゴリにおける推定成功率に対する、成功率閾値との比較結果を得ること、
・更に労務割当処理部１６０３は、図１１の労務割当処理部１１０３とは異なり、ある操作者１０２について成功率閾値以上を満たす労務カテゴリにおける推定成功率を考慮して、労務割当を決定すること、
である。
その他の機能ブロック及び大まかな処理の流れは図１１と同じなので説明を省略し、入力データ等のデータの内訳や処理の詳細は、図２１にて後述する。

図１７は、ある操作者１０２における労務カテゴリ毎の推定成功率の一例を示す棒グラフである。
学習済み推定器１６０２は、ある操作者１０２について、この図１７に示すように、労務カテゴリ毎に異なる推定成功率を算出する。
図１７に示すある操作者１０２の推定成功率は、労務カテゴリ＃１、労務カテゴリ＃２及び労務カテゴリ＃３において、成功率閾値Ｖ１７０１を越えている。そして、労務カテゴリ＃４及び労務カテゴリ＃５において、成功率閾値Ｖ１７０１を下回っている。
労務割当処理部１６０３は、これら推定成功率に対し、成功率閾値Ｖ１７０１と比較して、成功率閾値Ｖ１７０１に満たない労務カテゴリを、当該操作者１０２に対する労務割当対象から外す。図１７では、労務カテゴリ＃４及び労務カテゴリ＃５が成功率閾値Ｖ１７０１に満たないので、これらを当該操作者１０２に割り当てる労務カテゴリから除外する。

次に労務割当処理部１６０３は、幾つかのルールに基づいて、当該操作者１０２に労務を割り当てる。
（１）先ず、推定成功率が成功率閾値Ｖ１７０１以上の労務カテゴリが複数個ある場合、最も推定成功率が低い労務カテゴリを優先する。
図１７の場合、労務カテゴリ＃１、労務カテゴリ＃２及び労務カテゴリ＃３のうち、労務カテゴリ＃３の推定成功率が最も低い。そこで、このルールでは労務カテゴリ＃３を選択する。
すなわち、例えば、第一の労務カテゴリの推定成功率が成功率閾値Ｖ１７０１以上であり、第二の労務カテゴリの推定成功率が成功率閾値Ｖ１７０１に満たない場合、第二の労務カテゴリは労務割当処理部１６０３によって選択から外され、第一の労務カテゴリが選択される。

（２）次に、優先したい労務カテゴリに作業待ち労務がない場合、次に推定成功率が低い労務カテゴリを優先する。上述（１）の場合において、労務カテゴリ＃１、労務カテゴリ＃２及び労務カテゴリ＃３のうち、労務カテゴリ＃３の次に労務カテゴリ＃２の推定成功率が低い。そこで、仮に、労務カテゴリ＃３に作業待ち労務がない場合には、このルールでは労務カテゴリ＃２を選択する。
（３）しかし、作業待ち労務が多く滞留している労務が存在する場合、他の操作者１０２の作業状況を考慮して、作業待ち労務の滞留を解消するために、当該労務カテゴリを割り当てる場合がある。
特に（３）の判断は、操作端末１１０４を通じて管理者がその都度判定して、労務を操作者１０２に割り当てることがある。
図１７の場合、もし、労務カテゴリ＃１の労務が多く滞留している場合、管理者は、労務カテゴリ＃２及び労務カテゴリ＃３より優先して労務カテゴリ＃１の労務を多くの人員（操作者１０２）を割いて遂行するようにする。そして、操作端末１１０４を通じて労務カテゴリ＃１を優先的に操作者１０２に割り当てる。

図１８は、学習フェーズにおける、学習データ生成部１５０２と学習処理部１０１０を詳述する機能ブロック図である。図１５の一部を拡大したものである。
図１８の機能ブロック図と図１３の機能ブロック図（第一の実施形態）の異なる点は、
・教師信号が、現時点の労務総試行成功率（ｔ−１）Ｄ１３０１から、目的労務カテゴリにおける現時点の労務総試行成功率（ｔ−１）Ｄ１８０１に代わっていること、
・入力データ生成部１５０６に、相関係数行列１５０３が読み込まれること、
・入力データの、現時点の労務総試行回数（ｔ−１）Ｄ１３０２から、目的労務カテゴリにおける現時点の労務総試行回数（ｔ−１）Ｄ１８０２に代わっていること、
・入力データの、過去の労務総試行成功率（ｔ−２）Ｄ１３０３から、目的労務カテゴリにおける過去の労務総試行成功率（ｔ−２）Ｄ１８０３に代わっていること、
・入力データに、現時点のΣＫｉ＊Ｓｉ（ｔ−１）Ｄ１８０４という、相関係数Ｋと他の目的労務カテゴリの成功率Ｓとの乗算総和が追加されていること
である。
各機能ブロックの動作の詳細は、次の図１９の説明の後に記す。

図１９は、辞書データ１５０９のフィールド構成を示す表である。
図１９に示す辞書データ１５０９の、第一実施形態における図１２に示す辞書データ１０１１との相違点は、労務カテゴリ＃１の推定成功率フィールド、労務カテゴリ＃２の推定成功率フィールド、労務カテゴリ＃３の推定成功率フィールド、…労務カテゴリ＃ｎの推定成功率フィールドというように、当該操作者１０２の、労務カテゴリ毎の推定成功率が格納されるフィールドが設けられている点である。

図２０Ａは、労務試行リスト１５０５のフィールド構成を示す表である。
図１２に示した労務試行リスト１００７と異なる点は、
・労務カテゴリ毎に、
（１）現時点における当該労務カテゴリの労務総試行回数フィールド、
（２）現時点における当該労務カテゴリの労務総成功回数フィールド、
（３）過去における当該労務カテゴリの労務総成功回数フィールド
が設けられていること
である。
これらのフィールドに含まれる情報は、ログテーブル１００５を読み込み、労務カテゴリ毎に当該操作者ＩＤで絞り込み検索を行い、検索にヒットした全てのレコード数、全ての成功レコード数を計数することで得られる。

図２０Ｂは、相関係数行列１５０３の一例を示す図である。相関係数行列１５０３の縦と横は労務カテゴリで構成される。したがって、相関係数行列１５０３は労務カテゴリ数ｎのｎ次正方行列である。
本発明の第二の実施形態において、成功率の相関係数は、異なる労務カテゴリ間における成功率の推定に役立つ。未経験の労務カテゴリであっても、熟練者で、類似した労務カテゴリを高い確率で成功していれば、当該未経験の労務カテゴリを成功させることが期待できる。

図２０Ｃは、ある操作者１０２の、カテゴリ毎の成功率の行列Ｓの一例を示す図である。行列Ｓの要素数は労務カテゴリ数ｎと等しい。

改めて図１８に記す、学習フェーズにおける、学習データ生成部１５０２と学習処理部１５０８の動作の流れを説明する。
学習データ生成部１５０２は労務結果出力部１５０１から操作者ＩＤを受け取り、ログテーブル１００５を読み込み、操作者ＩＤで絞り込み検索を行った上で、当該操作者１０２が実施した作業の労務カテゴリを特定すると共に、一旦、労務試行リスト１５０５を生成する。学習データ生成部１５０２が特定した労務カテゴリが、目的労務カテゴリになる。
教師信号生成部１５０７は、労務試行リスト１５０５を読み込み、目的労務カテゴリにおける現時点の労務総成功回数を現時点の労務総試行回数で除算して、目的労務カテゴリにおける現時点の労務総試行成功率（ｔ−１）Ｄ１８０１を算出する。
入力データ生成部１５０６は、労務試行リスト１５０５を読み込み、先ず、目的労務カテゴリにおける現時点の労務総試行回数（ｔ−１）Ｄ１８０２を得る。

次に入力データ生成部１５０６は、目的労務カテゴリにおける過去の労務総成功回数を過去の労務総試行回数で除算して、目的労務カテゴリにおける過去の労務総試行成功率（ｔ−２）Ｄ１８０３を算出する。
次に入力データ生成部１５０６は、現時点の労務総試行カテゴリ数（ｔ−１）Ｄ１３０４を得る。
更に入力データ生成部１５０６は、相関係数行列１５０３とログテーブル１００５を読み込み、相関係数と他の目的労務カテゴリの成功率との乗算総和（現時点のΣＫｉ＊Ｓｉ（ｔ−１）Ｄ１８０４）を計算する。この、現時点のΣＫｉ＊Ｓｉ（ｔ−１）Ｄ１８０４は、相関係数行列１５０３（図２０Ｂ参照）と目的労務カテゴリの成功率行列（図２０Ｃ参照）の内積である。

入力データ生成部１５０６は、学習処理部１５０８に対し、入力データとして、目的労務カテゴリにおける現時点の労務総試行回数（ｔ−１）Ｄ１８０２、目的労務カテゴリにおける過去の労務総試行成功率（ｔ−２）Ｄ１８０３、現時点の労務総試行カテゴリ数（ｔ−１）Ｄ１３０４、相関係数と他の目的労務カテゴリの成功率との乗算総和（現時点のΣＫｉ＊Ｓｉ（ｔ−１）Ｄ１８０４）を与える。
教師信号生成部１５０７は、学習処理部１５０８に対し、教師信号として、目的労務カテゴリにおける現時点の労務試行成功率（ｔ−１）を与える。
学習処理部１５０８はこれら入力データと教師信号を基に学習処理を実行して、辞書データ１５０９を更新する。

図２１は、推定フェーズにおける、推定データ生成部１６０１と学習済み推定器１６０２を詳述する機能ブロック図である。図１６の一部を拡大したものである。
図２１の、図１４との相違点は、
・入力データ生成部１５０６に、相関係数行列１５０３が読み込まれること、
・入力データの、未来の労務総試行回数から、目的労務カテゴリにおける未来の労務総試行回数Ｄ２１０１に代わっていること、
・入力データの、現時点の労務総試行成功率（ｔ−１）Ｄ１３０１から、目的労務カテゴリにおける現時点の労務総試行成功率（ｔ−１）Ｄ１８０１に代わっていること、
・入力データに、未来のΣＫｉ＊Ｓｉ（ｔ）Ｄ２１０２という、相関係数と他の目的労務カテゴリの成功率との乗算総和が追加されていること、
・推定データ生成部１６０１は、目的労務カテゴリを＃１から＃ｎまで順に切り替えて学習済み推定器１６０２に与え、推定対象となる操作者１０２について全ての労務カテゴリにおける推定成功率を算出すること
である。

推定データ生成部１６０１は、ログテーブル１００５を読み込み、操作者ＩＤと目的労務カテゴリで絞り込み検索を行った上で、一旦、労務試行リスト１５０５を生成する。
入力データ生成部１５０６は、労務試行リスト１５０５を読み込み、先ず、当該操作者ＩＤで特定される操作者１０２の、ある目的労務カテゴリにおける未来の労務総試行回数Ｄ２１０１を得る。
次に入力データ生成部１５０６は、当該操作者１０２の目的労務カテゴリにおける現時点の労務総成功回数を現時点の労務総試行回数で除算して、目的労務カテゴリにおける現時点の労務総試行成功率（ｔ−１）Ｄ１８０１を算出する。

次に入力データ生成部１５０６は、当該操作者１０２の未来の労務総試行カテゴリ数（ｔ）Ｄ１４０４を得る。
更に入力データ生成部１５０６は、相関係数行列１５０３とログテーブル１００５を読み込み、相関係数と他の目的労務カテゴリの成功率との乗算総和（未来のΣＫｉ＊Ｓｉ（ｔ）Ｄ２１０２）を計算する。
入力データ生成部１５０６は、学習済み推定器１６０２に対し、入力データとして、目的労務カテゴリにおける未来の労務総試行回数Ｄ２１０１、目的労務カテゴリにおける現時点の労務総試行成功率（ｔ−１）Ｄ１８０１、未来の労務総試行カテゴリ数（ｔ）Ｄ１４０４、相関係数と他の目的労務カテゴリの成功率との乗算総和（未来のΣＫｉ＊Ｓｉ（ｔ）Ｄ２１０２）を与える。

学習済み推定器１６０２は、入力データに対応する推定成功率を出力する。
図２１に示す推定データ生成部１６０１と学習済み推定器１６０２は、当該操作者１０２について、全ての労務カテゴリについて推定成功率を算出し、出力する。すなわち、推定データ生成部１６０１は、目的労務カテゴリを＃１から＃ｎまで順に切り替えて入力データを学習済み推定器１６０２に与え、学習済み推定器１６０２は推定対象となる操作者１０２について全ての労務カテゴリにおける推定成功率を算出する。

以上に説明した本発明の実施形態（第一及び第二の実施形態）は、更に、以下の様な変形例が可能である。
（１）上述の実施形態に係る遠隔操作システム１０１では、筋肉センサ装置１０４を使用したが、操作情報入力装置は筋肉センサ装置１０４に限定されない。コンピュータゲームに使用されるゲームパッドやステアリングコントローラ、あるいはパソコン等で一般的なＡＳＣＩＩ配列キーボードやテンキー等も、ロボットアーム１１０や無人フォークリフト、無人搬送車等の労務端末を遠隔操作するための操作情報を入力する、操作情報入力装置として利用可能である。

（２）上述の実施形態に係る遠隔操作システム１０１では、管理サーバ１１２の労務割当処理部１６０３は、管理者の操作端末１１０４から発される指示のみを受け付けていた。しかし、労務の滞留状態が低く、かつ、操作者１０２の能力に余裕がある場合等の状況によっては、操作者１０２の端末に成功率閾値Ｖ１７０１を超えた複数の労務カテゴリを一覧表示させて、操作者１０２に対して労務の選択を自由に行うことができるように構成してもよい。この時、ＧＷサーバ１０７は管理サーバ１１２との接続を操作者１０２の端末装置１０３と接続する。そして、管理サーバ１１２は端末装置１０３に対して労務選択メニュー画面を表示させる。

（３）図１７に示した成功率閾値Ｖ１７０１は、労務カテゴリ毎に異なる値を設定することが考えられる。例えば、物流センター等のピッキングにおいて、扱う物品が高価なものである場合は、失敗によって生じる損害賠償額を考慮して、成功率閾値Ｖ１７０１を他の労務カテゴリよりも高い値を設定することが好ましい。

本実施形態においては、遠隔操作システム１０１を開示した。
学習データ生成部１５０２は、教師あり学習アルゴリズムを用いて辞書データ１５０９（操作者１０２の推定成功率）を更新する。学習済み推定器１６０２は、辞書データ１５０９を参照して、労務カテゴリ毎の推定成功率を計算する。
管理サーバ１１２は、算出した推定成功率に基づいて、操作者１０２に対し、適切な労務の割当を行う。労務の割当は、管理サーバ１１２からＧＷサーバ１０７に発行される指示に基づいて、ＧＷサーバ１０７が労務端末とのＴＣＰ通信路を切り替えることで実現する。

本実施形態に係る遠隔操作システム１０１は、これまで重労働とされていた作業や、作業拠点が遠隔地になることが多い農業等の在宅勤務を可能にする。特に、本実施形態に係る遠隔操作システム１０１にて筋肉センサ装置１０４を利用することにより、障害者の就労機会を大きく拡大することが可能になる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、他の変形例、応用例を含む。

１０１…遠隔操作システム、１０２…操作者、１０３…端末装置、１０４…筋肉センサ装置、１０５…インターネット、１０６…作業所、１０７…ＧＷサーバ、１０８…作業場、１０９…物品、１１０…ロボットアーム、１１１…モニタ用カメラ、１１２…管理サーバ、１１３…マシンビジョン用カメラ、２０１…バンド、２０３…回路収納ボックス、２０４…第一シリアルインターフェース端子、３０１、３０２、３０３、３０４、３０５、３０６、３０７、３０８、３１１、３１２、３１３、３１６、３１７…電極、３２１…筋変位センサ、３２１ａ、３２１ｂ…赤外線受光素子、３２３…筋変位センサ、３２７…筋変位センサ、３３１…右側電極配置箇所、３３２…中央電極配置箇所、３３３…左側電極配置箇所、５０１…ＣＰＵ、５０２…ＲＯＭ、５０３…ＲＡＭ、５０４…不揮発性ストレージ、５０５…表示部、５０６…操作部、５０７…バス、５０８…近距離無線通信部、５０９…ＮＩＣ、６０１…バス、６０２…ＣＰＵ、６０３…ＲＯＭ、６０４…ＲＡＭ、６０５…Ａ／Ｄ変換器、６０６…第二シリアルインターフェース、６０７…ワンチップマイコン、６０８…第一マルチプレクサ、６１０…第二マルチプレクサ、６１２…６軸センサ、６１３…近距離無線通信部、６１４…第一シリアルインターフェース、６１５…昇圧回路、６１６…ＰＷＭスイッチ、６１７…第三マルチプレクサ、７０１…バス、７０２…ＣＰＵ、７０３…ＲＯＭ、７０４…ＲＡＭ、７０５…不揮発性ストレージ、７０６…ＲＴＣ、７０７…第一ＮＩＣ、７０８…第二ＮＩＣ、７０９…表示部、７１０…操作部、８０１…外部通信処理部、８０２…認証処理部、８０３…操作者マスタ、８０４…労務要求処理部、８０５…内部通信処理部、８０６…ＧＷ通信処理部、１００１…検査用端末、１００２…労務結果出力部、１００３…労務端末マスタ、１００４…操作者リスト、１００５…ログテーブル、１００６…学習データ生成部、１００７…労務試行リスト、１００８…入力データ生成部、１００９…教師信号生成部、１０１０…学習処理部、１０１１…辞書データ、１１０１…推定データ生成部、１１０２…学習済み推定器、１１０３…労務割当処理部、１１０４…操作端末、１５０１…労務結果出力部、１５０２…学習データ生成部、１５０３…相関係数行列、１５０４…相関係数更新処理部、１５０５…労務試行リスト、１５０６…入力データ生成部、１５０７…教師信号生成部、１５０８…学習処理部、１５０９…辞書データ、１６０１…推定データ生成部、１６０２…学習済み推定器、１６０３…労務割当処理部

Claims (12)

1. 入力される操作情報に従って機械的動作を行う複数の労務端末と、
   前記労務端末と１対１の対応関係を有し、前記労務端末の動作状態を画像データとして出力する複数のモニタ用カメラと、
   操作者の操作あるいは動作に起因して前記労務端末を動作させるための前記操作情報を生成する操作情報入力装置と、
   前記操作情報入力装置が生成する前記操作情報を前記労務端末へ送信する端末装置と、
   前記端末装置とネットワークを通じて接続され、前記端末装置に対して通信の中継を行うことで、複数の前記労務端末及び前記モニタ用カメラとを選択的に接続するゲートウェイサーバと、
   前記ゲートウェイサーバに、前記端末装置に対応する複数の前記労務端末及び前記モニタ用カメラとの接続の選択を指示する管理サーバと
   を具備する、遠隔操作システム。
2. 更に、
   前記操作者が前記労務端末を遠隔操作して所定の作業を遂行した結果、前記作業が成功したかあるいは失敗したかを示す成果情報を生成して、前記管理サーバに送信する、教師信号発生源と、を具備し、
   前記管理サーバは、前記成果情報に基づいて前記操作者の推定成功率を計算し、前記推定成功率を所定の成功率閾値と比較して、前記推定成功率が前記成功率閾値以上である場合に、前記操作者に作業を割り当てるように、前記ゲートウェイサーバに対し、前記端末装置と、前記労務端末及び前記モニタ用カメラとの通信の中継を行う指示を行う、
   請求項１に記載の遠隔操作システム。
3. 前記管理サーバは、
   教師あり学習アルゴリズムを用いて操作者の推定成功率を計算して辞書データを更新する学習処理部と、
   前記操作者が労務を遂行した情報が記録されているログテーブルに基づいて、前記学習処理部に供給するための入力データを生成する入力データ生成部と、
   前記ログテーブルに基づいて、前記学習処理部に供給するための教師信号を生成する教師信号生成部と、
   前記入力データ生成部から、前記入力データの供給を受けて、前記辞書データを参照して、前記操作者の推定成功率を計算して出力する学習済み推定器と、
   前記推定成功率に基づいて前記操作者に適切な労務を割り当てる労務割当処理部と
   を具備する、請求項１または２に記載の遠隔操作システム。
4. 前記ログテーブルは、
   操作者を一意に識別する操作者ＩＤが格納される操作者ＩＤフィールドと、
   入力される操作情報に従って機械的動作を行う複数の労務端末を一意に識別する労務端末番号が格納される労務端末番号フィールドと、
   前記操作者が労務を試行した日時が格納される労務試行日時フィールドと、
   前記操作者が労務を試行した結果が格納される労務試行結果フィールドと
   を有する、
   請求項３に記載の遠隔操作システム。
5. 前記入力データ生成部は、前記ログテーブルに基づいて、前記操作者の現時点の労務総試行回数と、過去の労務総試行成功率と、現時点の労務総試行カテゴリ数とを計算して、前記学習処理部に供給し、
   前記教師信号生成部は、前記操作者の現時点の労務総試行成功率を計算して、前記学習処理部に供給し、
   前記学習済み推定器は、前記入力データ生成部から、前記操作者の未来の労務総試行回数と、現時点の労務総試行成功率と、未来の労務総試行カテゴリ数の供給を受けて、前記辞書データを参照して、前記操作者の推定成功率を計算して出力する、
   請求項４に記載の遠隔操作システム。
6. 複数の前記労務端末は、労務作業の種別を示す情報である労務カテゴリ毎に分類されており、
   前記管理サーバは、前記成果情報に基づいて前記操作者の前記労務カテゴリ毎の推定成功率を計算し、前記労務カテゴリ毎の推定成功率を所定の成功率閾値と比較して、第一の労務カテゴリの推定成功率が成功率閾値以上であり、第二の労務カテゴリの推定成功率が成功率閾値に満たない場合、前記操作者に第二の労務カテゴリを選択せず、第一の労務カテゴリの作業を割り当てるべく、前記ゲートウェイサーバに対し、前記端末装置と、前記労務端末及び前記モニタ用カメラとの通信の中継を行う指示を行う、
   請求項２に記載の遠隔操作システム。
7. 前記管理サーバは、
   教師あり学習アルゴリズムを用いて操作者の推定成功率を計算して辞書データを更新する学習処理部と、
   前記操作者が労務を遂行した情報が記録されているログテーブルに基づいて、前記学習処理部に供給するための入力データを生成する入力データ生成部と、
   前記ログテーブルに基づいて、前記学習処理部に供給するための教師信号を生成する教師信号生成部と、
   前記入力データ生成部から、前記入力データの供給を受けて、前記辞書データを参照して、前記操作者の推定成功率を計算して出力する学習済み推定器と、
   前記推定成功率に基づいて前記操作者に適切な労務を割り当てる労務割当処理部と
   を具備する、請求項６に記載の遠隔操作システム。
8. 前記ログテーブルは、
   操作者を一意に識別する操作者ＩＤが格納される操作者ＩＤフィールドと、
   入力される操作情報に従って機械的動作を行う複数の労務端末を一意に識別する労務端末番号が格納される労務端末番号フィールドと、
   前記操作者が労務を試行した日時が格納される労務試行日時フィールドと、
   前記操作者が労務を試行した結果が格納される労務試行結果フィールドと
   を有する、請求項７に記載の遠隔操作システム。
9. 前記入力データ生成部は、前記ログテーブルと前記労務カテゴリ同士の相関係数よりなる相関係数行列とに基づいて、前記操作者の目的労務カテゴリにおける現時点の労務総試行回数と、目的労務カテゴリにおける過去の労務総試行成功率と、現時点の労務総試行カテゴリ数と、現時点の相関係数と他の目的労務カテゴリの成功率との乗算総和を計算して、前記学習処理部に供給し、
   前記教師信号生成部は、前記ログテーブルに基づいて、前記操作者の目的労務カテゴリにおける現時点の労務総試行成功率を計算して、前記学習処理部に供給し、
   前記学習済み推定器は、前記入力データ生成部から、前記操作者の目的労務カテゴリにおける未来の労務総試行回数と、目的労務カテゴリにおける現時点の労務総試行成功率と、未来の労務総試行カテゴリ数の供給を受けて、前記辞書データを参照して、前記操作者の全ての労務カテゴリにおける推定成功率を計算して出力する、
   請求項８に記載の遠隔操作システム。
10. 教師あり学習アルゴリズムを用いて操作者の推定成功率を計算して辞書データを更新する学習処理部と、
    操作者を一意に識別する操作者ＩＤが格納される操作者ＩＤフィールドと、入力される操作情報に従って機械的動作を行う複数の労務端末を一意に識別する労務端末番号が格納される労務端末番号フィールドと、前記操作者が労務を試行した日時が格納される労務試行日時フィールドと、前記操作者が労務を試行した結果が格納される労務試行結果フィールドとを有するログテーブルに基づいて、前記学習処理部に供給するための入力データを生成する入力データ生成部と、
    前記ログテーブルに基づいて、前記学習処理部に供給するための教師信号を生成する教師信号生成部と、
    前記入力データ生成部から、前記入力データの供給を受けて、前記辞書データを参照して、前記操作者の推定成功率を計算して出力する学習済み推定器と、
    前記推定成功率に基づいて前記操作者に適切な労務を割り当てる労務割当処理部と
    を具備する、管理サーバ。
11. 前記入力データ生成部は、前記ログテーブルに基づいて、前記操作者の現時点の労務総試行回数と、過去の労務総試行成功率と、現時点の労務総試行カテゴリ数とを計算して、前記学習処理部に供給し、
    前記教師信号生成部は、前記操作者の現時点の労務総試行成功率を計算して、前記学習処理部に供給する、
    請求項１０に記載の管理サーバ。
12. 複数の前記労務端末は、労務作業の種別を示す情報である労務カテゴリ毎に分類されており、
    前記入力データ生成部は、前記ログテーブルと前記労務カテゴリ同士の相関係数よりなる相関係数行列とに基づいて、前記操作者の目的労務カテゴリにおける現時点の労務総試行回数と、目的労務カテゴリにおける過去の労務総試行成功率と、現時点の労務総試行カテゴリ数と、現時点の相関係数と他の目的労務カテゴリの成功率との乗算総和を計算して、前記学習処理部に供給し、
    前記教師信号生成部は、前記ログテーブルに基づいて、前記操作者の目的労務カテゴリにおける現時点の労務総試行成功率を計算して、前記学習処理部に供給し、
    前記学習済み推定器は、前記入力データ生成部から、前記操作者の目的労務カテゴリにおける未来の労務総試行回数と、目的労務カテゴリにおける現時点の労務総試行成功率と、未来の労務総試行カテゴリ数の供給を受けて、前記辞書データを参照して、前記操作者の全ての労務カテゴリにおける推定成功率を計算して出力する、
    請求項１０に記載の管理サーバ。

Images