JP2020082314A - Learning device, robot control method, and robot control system - Google Patents
Learning device, robot control method, and robot control system Download PDFInfo
- Publication number
- JP2020082314A JP2020082314A JP2018224020A JP2018224020A JP2020082314A JP 2020082314 A JP2020082314 A JP 2020082314A JP 2018224020 A JP2018224020 A JP 2018224020A JP 2018224020 A JP2018224020 A JP 2018224020A JP 2020082314 A JP2020082314 A JP 2020082314A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- robot arm
- reward
- state
- robot
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000009471 action Effects 0.000 claims abstract description 72
- 230000006870 function Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 15
- 230000007423 decrease Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000010391 action planning Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 210000000078 claw Anatomy 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000008672 reprogramming Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
Description
本発明は、ロボットの行動を学習する学習装置、ロボット制御装置、及びロボット制御システムに関する。 The present invention relates to a learning device, a robot control device, and a robot control system for learning the behavior of a robot.
ロボットアームを構成する各関節の駆動を制御するロボット制御装置は、ロボットアームの先端部の現在位置と、目標到達位置(例えば、ロボットアームの作業対象となるワークの存在位置)とからロボットアームの目標軌跡を生成し、当該目標軌跡に基づいて、各時刻における各関節の回転角を計算し、計算した結果に従って、各関節を駆動する駆動モーターを制御するのが一般的である。 A robot control device that controls the drive of each joint that constitutes the robot arm uses the robot arm based on the current position of the tip of the robot arm and the target arrival position (for example, the position of the work to be worked by the robot arm). Generally, a target locus is generated, a rotation angle of each joint is calculated based on the target locus, and a drive motor that drives each joint is controlled according to the calculated result.
ロボットアームの目標軌跡は、ロボットアームの先端部の現在位置と、目標到達位置とから、コンピューターが計算することによって生成することができるが、効率のよい目標軌跡が生成されるとは限らない。 The target trajectory of the robot arm can be calculated by a computer from the current position of the tip of the robot arm and the target reaching position, but an efficient target trajectory is not always generated.
また、ロボットは人間がプログラミングしたプログラムに従って、その通りに行動するが、人間が行うのと同じ作業手順となるように、ロボットの行動をプログラミングしてしまうと、効率が悪い場合がある。それは、ロボットにはロボットアームの可動域などの制約事項があるからである。 Further, the robot behaves according to a program programmed by a human, but if the behavior of the robot is programmed so that the work procedure is the same as that performed by a human, it may be inefficient. This is because the robot has restrictions such as the range of motion of the robot arm.
また、効率のよいプログラミングができたとしても、目標到達位置が変更されるなど、何かしらの変更があれば、プログラミングし直さなければならず、ユーザーの作業負担が大きくなる。また、ロボットの機種が変わり、機械の仕様が変わった場合にも、やはり再プログラミングが必要になる。 Further, even if efficient programming can be performed, if there is any change such as a change in the target reaching position, the programming must be performed again, which increases the work load on the user. Also, if the robot model changes and the machine specifications change, reprogramming is still necessary.
ところで、目標到達位置へ到達するまでのロボットアームにおける効率のよい行動(例えば、移動距離が短い、電力消費量が少ない)を計画するには、ロボットの動作を学習させるという方法が考えられる。 By the way, in order to plan an efficient action (for example, a short moving distance and a small power consumption amount) in the robot arm until reaching the target reaching position, a method of learning the action of the robot can be considered.
上記特許文献1に、ロボットと人が協働するが、人の行動パターンが多いのでそれに最適なロボットの制御方法の設定が難しいという課題から、ロボットの行動時間と人の負担(ロボットの加速度)を基に、予め定められた移動点におけるロボットの行動価値を更新する強化学習方法により最適な制御方法を設定するという内容が記載されている。 In Patent Document 1 described above, a robot and a person collaborate with each other, but since there are many human behavior patterns and it is difficult to set an optimal robot control method, the robot's action time and human burden (robot acceleration) Based on the above, the content of setting an optimal control method by a reinforcement learning method for updating the action value of the robot at a predetermined moving point is described.
上記特許文献2に、ロボットなどの制御に採用されている、現状の強化学習では、教示された内容を試行錯誤しながら、自己の状況に合わせて効率的に学習することができないという課題から、一連の状態・行動の集合であるイベントリストをデータベース管理し、効率的に行動価値を探索するという内容が記載されている。 In the above-mentioned Patent Document 2, in the current reinforcement learning adopted for the control of a robot or the like, it is impossible to efficiently learn according to one's own situation while trial and error of the taught contents. It describes that an event list, which is a set of a series of states/actions, is managed in a database and the action value is efficiently searched.
上記特許文献1,2のいずれにも、ロボットの動作を学習することについての記載はあるが、目標到達位置へ到達するまでのロボットアームにおける効率のよい行動を計画することについての記載はない。 Although neither of the above-mentioned Patent Documents 1 and 2 describes learning the operation of the robot, there is no description about planning an efficient action in the robot arm until reaching the target reaching position.
本発明は、上記の事情に鑑みなされたものであり、ユーザーの作業負担を大きくすることなく、ロボットアームにおける効率のよい行動を計画できるようにすることを目的とする。 The present invention has been made in view of the above circumstances, and an object of the present invention is to enable efficient planning of actions in a robot arm without increasing the work burden on the user.
本発明の一局面に係る学習装置は、複数の関節を有し、三次元空間を自在に移動可能なロボットアームと、前記複数の関節それぞれに設けられた、前記関節を駆動する関節駆動部と、前記ロボットアームの位置を含む、当該ロボットアームの状態を検出する状態検出部と、を備えるロボットの行動を学習する学習装置であって、前記状態検出部による検出結果に基づいて、前記ロボットアームの状態を観測する状態観測部と、予め設定された目標到達位置へ到達するまでの前記ロボットアームの行動過程において、前記状態観測部により観測される、ある時刻における前記ロボットアームの状態と、当該状態からの前記ロボットアームの行動と、当該行動後の前記ロボットアームの状態とを関連付けて、前記ロボットアームの行動を学習する学習部と、を備え、更に、前記学習部は、前記ロボットアームの動いた軌跡、及び前記関節駆動部の駆動に応じて報酬を計算する報酬計算部と、前記報酬計算部により計算された前記報酬に基づいて、前記ロボットアームのある状態からある行動を選択する価値を示す行動価値関数を更新する関数更新部と、を備える。 A learning device according to one aspect of the present invention includes a robot arm having a plurality of joints and capable of freely moving in a three-dimensional space, and a joint drive unit that is provided in each of the plurality of joints and that drives the joints. A learning device for learning the behavior of a robot, comprising: a state detection unit that detects the state of the robot arm, including the position of the robot arm, wherein the robot arm is based on a detection result of the state detection unit. A state observing section for observing the state of the robot arm, and a state of the robot arm at a certain time, which is observed by the state observing section in the action process of the robot arm until reaching a preset target reaching position, A learning unit that learns the behavior of the robot arm by associating the behavior of the robot arm from the state with the state of the robot arm after the behavior, and the learning unit further includes a learning unit of the robot arm. The value of selecting a certain action from a certain state of the robot arm based on a reward calculation unit that calculates a reward according to the trajectory that has moved and the driving of the joint drive unit, and the reward calculated by the reward calculation unit. And a function updating unit for updating the action value function indicating.
また、本発明の一局面に係るロボット制御装置は、上記学習装置と、前記学習装置による学習結果に基づいて、前記ロボットアームに行わせる行動を選択する意思決定部と、を備え、前記意思決定部による意思決定に基づいて、前記ロボットアームの行動を制御する。 Further, a robot control device according to one aspect of the present invention includes the learning device, and a decision-making unit that selects an action to be performed by the robot arm based on a learning result by the learning device. The behavior of the robot arm is controlled based on the decision made by the department.
また、本発明の一局面に係るロボット制御システムは、上記ロボット制御装置と、前記ロボットと、を備える。 A robot control system according to one aspect of the present invention includes the robot control device and the robot.
本発明によれば、実際の学習結果から、ロボットアームのある状態から価値の高い行動を自動的に選択することができるので、ユーザーの作業負担を大きくすることなく、ロボットアームの先端部が目標到達位置へ到達するまでの効率のよい行動を計画することが可能となる。 According to the present invention, it is possible to automatically select a valuable action from a certain state of the robot arm based on the actual learning result, so that the tip of the robot arm can be targeted without increasing the work burden on the user. It is possible to plan an efficient action until reaching the arrival position.
以下、本発明の一実施形態に係る学習装置、ロボット制御装置、及びロボット制御システムについて図面を参照して説明する。図1は、第1実施形態に係る学習装置を有するロボット制御装置を含んで構成されるロボット制御システムの主要内部構成を概略的に示した機能ブロック図である。図2は、ロボット制御システムを構成する各構成間でのデータ等の流れを説明するための説明図である。図3は、制御の対象となるロボットを模式的に示した外観図である。 Hereinafter, a learning device, a robot control device, and a robot control system according to an embodiment of the present invention will be described with reference to the drawings. FIG. 1 is a functional block diagram schematically showing a main internal configuration of a robot control system including a robot control device having a learning device according to the first embodiment. FIG. 2 is an explanatory diagram for explaining the flow of data and the like between the constituent elements of the robot control system. FIG. 3 is an external view schematically showing a robot to be controlled.
ロボット制御システム1は、ロボット10と、ロボット10の動作を制御するロボット制御装置20と、を含んで構成されている。 The robot control system 1 includes a robot 10 and a robot controller 20 that controls the operation of the robot 10.
ロボット10は、図3に示すように、人間の腕と同様の運動機能を持つマニピュレーターで、三次元空間を自在に移動可能なロボットアーム11を備え、ロボットアーム11の根元は台座14に固定されている。ロボットアーム11は、複数の関節12A乃至12C(以降、まとめて「関節12」とも称す)と、関節12どうしをつなぐリンク13A,13Bとを有する。 As shown in FIG. 3, the robot 10 is a manipulator having a movement function similar to that of a human arm, and is provided with a robot arm 11 that can freely move in a three-dimensional space. The base of the robot arm 11 is fixed to a pedestal 14. ing. The robot arm 11 has a plurality of joints 12A to 12C (hereinafter, also collectively referred to as “joint 12”) and links 13A and 13B connecting the joints 12 to each other.
また、ロボットアーム11は、その先端部15にエンドエフェクターが着脱交換可能に構成されている。図3中では、エンドエフェクターとして、平行に配置された2つの爪部41A,41Bを有するグリッパー41が取り付けられている。グリッパー41は、例えば、箱43に入れられたワーク42を把持して、ワーク42を別の場所へ運ぶことに使用される。また、グリッパー41には、空気圧により爪部41A,41Bを駆動するグリッパー駆動部41C(例えば、シリンダー)が内蔵されている。 Further, the robot arm 11 is configured such that an end effector can be attached to and detached from the tip portion 15 of the robot arm 11. In FIG. 3, a gripper 41 having two claw portions 41A and 41B arranged in parallel is attached as an end effector. The gripper 41 is used, for example, to grip the work 42 contained in the box 43 and carry the work 42 to another place. Further, the gripper 41 has a built-in gripper drive unit 41C (for example, a cylinder) that drives the claws 41A and 41B by air pressure.
ロボット10は、関節12それぞれに設けられた、関節12(すなわち、ロボットアーム11)を駆動するアーム駆動部16A乃至16C(以降、まとめて「アーム駆動部16」とも称す)と、関節12それぞれに設けられた、関節12の回転角を検出する回転角検出部17A乃至17C(以降、まとめて「回転角検出部17」とも称す)と、アーム駆動部16それぞれのトルクを検出するトルクセンサー18A乃至18C(以降、まとめて「トルクセンサー18」とも称す)と、ロボット10の上方に設けられ、当該ロボット10の作業環境を検出する作業環境検出部19と、を備える。なお、アーム駆動部16、回転角検出部17、及び作業環境検出部19としてはそれぞれ、例えば、モーター、エンコーダー、カメラが挙げられる。 The robot 10 includes arm drive units 16A to 16C (hereinafter collectively referred to as “arm drive unit 16”) that are provided in each joint 12 and that drives the joint 12 (that is, the robot arm 11) and each joint 12. Rotation angle detection units 17A to 17C (hereinafter, also collectively referred to as "rotation angle detection unit 17") provided to detect the rotation angle of the joint 12, and torque sensors 18A to 18A to detect the torque of the arm drive unit 16 respectively. 18C (hereinafter, also collectively referred to as “torque sensor 18”), and a work environment detection unit 19 that is provided above the robot 10 and detects the work environment of the robot 10. Each of the arm drive unit 16, the rotation angle detection unit 17, and the work environment detection unit 19 may be, for example, a motor, an encoder, or a camera.
また、アーム駆動部16は、特許請求の範囲における関節駆動部の一例で、回転角検出部17及びトルクセンサー18は、特許請求の範囲における状態検出部の一例である。ロボットアーム11の先端部15の位置は、関節12A乃至12Cそれぞれの角度から割り出すことができる。なお、上記状態検出部としては、作業環境検出部19を利用することも可能である。 The arm drive unit 16 is an example of a joint drive unit in the claims, and the rotation angle detector 17 and the torque sensor 18 are examples of a state detector in the claims. The position of the tip portion 15 of the robot arm 11 can be determined from the angles of the joints 12A to 12C. The work environment detection unit 19 can also be used as the state detection unit.
ロボット制御装置20は、制御ユニット21と、操作部22と、表示部23と、記憶部24と、外部インターフェイス部(外部I/F)25と、通信インターフェイス部(通信I/F)26と、を備える。 The robot controller 20 includes a control unit 21, an operation unit 22, a display unit 23, a storage unit 24, an external interface unit (external I/F) 25, a communication interface unit (communication I/F) 26, Equipped with.
操作部22は、キーボードやマウス等から構成され、制御ユニット21にコマンドや文字を入力したり、表示部23における画面上のポインターを操作したりする。表示部23は、制御ユニット21からの応答やデータ結果を表示する。操作部22は、例えば、ロボットアーム11の先端部15の目標到達位置の指示入力に用いられる。なお、目標到達位置については、ユーザーからの指示ではなく、作業環境検出部19が撮影して得られた画像から読み取ったワーク42の位置から設定することも可能である。 The operation unit 22 includes a keyboard, a mouse, and the like, and inputs commands and characters to the control unit 21 and operates a pointer on the screen of the display unit 23. The display unit 23 displays the response and the data result from the control unit 21. The operation unit 22 is used, for example, for inputting an instruction of the target arrival position of the tip portion 15 of the robot arm 11. It should be noted that the target reaching position can be set from the position of the work 42 read from the image obtained by the working environment detecting unit 19 instead of an instruction from the user.
記憶部24は、HDD(Hard Disk Drive)などの記憶装置であり、ロボット制御装置20の動作に必要なプログラムやデータを記憶し、後述する報酬テーブルを記憶する報酬テーブル記憶部241を含む。 The storage unit 24 is a storage device such as an HDD (Hard Disk Drive), and stores a program and data necessary for the operation of the robot control device 20, and includes a reward table storage unit 241 that stores a reward table described later.
外部インターフェイス部25は、外部装置と接続するためのもので、ロボット制御装置20は、外部インターフェイス部25を介して、ロボット10を構成するアーム駆動部16、回転角検出部17、トルクセンサー18、作業環境検出部19、及びグリッパー駆動部41Cと接続されている。 The external interface unit 25 is for connecting to an external device, and the robot control device 20 allows the arm drive unit 16, the rotation angle detection unit 17, the torque sensor 18, which configure the robot 10, via the external interface unit 25. The work environment detection unit 19 and the gripper drive unit 41C are connected.
通信インターフェイス部26は、不図示のLAN(Local Area Network)チップなどの通信モジュールを備えるインターフェイスで、外部装置30との間で通信を行う。ロボット制御装置20は、通信インターフェイス部26を介して、例えば、他のロボット制御装置との間でデータの送受信を行う。 The communication interface unit 26 is an interface including a communication module such as a LAN (Local Area Network) chip (not shown), and communicates with the external device 30. The robot controller 20 transmits/receives data to/from another robot controller via the communication interface unit 26, for example.
制御ユニット21は、プロセッサー、RAM(Random Access Memory)、ROM(Read Only Memory)、及び専用のハードウェア回路を含んで構成される。プロセッサーは、例えばCPU(Central Processing Unit)、ASIC(Application Specific Integrated Circuit)、又はMPU(Micro Processing Unit)等である。制御ユニット21は、制御部211と、状態観測部212と、学習部213と、意思決定部214と、行動計画部215と、アーム指示部216と、グリッパー指示部217と、を備えている。なお、本発明に係る学習装置は、状態観測部212及び学習部213を含んで構成される。 The control unit 21 includes a processor, a RAM (Random Access Memory), a ROM (Read Only Memory), and a dedicated hardware circuit. The processor is, for example, a CPU (Central Processing Unit), an ASIC (Application Specific Integrated Circuit), an MPU (Micro Processing Unit), or the like. The control unit 21 includes a control unit 211, a state observation unit 212, a learning unit 213, a decision making unit 214, an action planning unit 215, an arm instruction unit 216, and a gripper instruction unit 217. The learning device according to the present invention includes a state observation unit 212 and a learning unit 213.
制御ユニット21は、記憶部24に記憶されている制御プログラムに従った上記プロセッサーによる動作により、制御部211、状態観測部212、学習部213、意思決定部214、行動計画部215、アーム指示部216、及びグリッパー指示部217として機能する。但し、制御ユニット21等の上記の各構成は、制御ユニット21による制御プログラムに基づく動作によらず、それぞれハードウェア回路により構成することも可能である。以下、特に触れない限り、各実施形態について同様である。 The control unit 21 is operated by the processor according to the control program stored in the storage unit 24, so that the control unit 211, the state observation unit 212, the learning unit 213, the decision making unit 214, the action planning unit 215, and the arm instruction unit. 216 and the gripper instruction unit 217. However, each of the above-described components such as the control unit 21 may be configured by a hardware circuit instead of the operation based on the control program by the control unit 21. Hereinafter, the same applies to each embodiment unless otherwise specified.
制御部211は、ロボット制御装置20の全体的な動作制御を司る。制御部211は、操作部22、表示部23、記憶部24、外部インターフェイス部25、及び通信インターフェイス部26と接続されており、接続されている上記各構成の動作制御や、各構成との間での信号またはデータの送受信を行う。 The control unit 211 controls the overall operation of the robot control device 20. The control unit 211 is connected to the operation unit 22, the display unit 23, the storage unit 24, the external interface unit 25, and the communication interface unit 26. Send and receive signals or data in.
状態観測部212は、状態検出部としての回転角検出部17、トルクセンサー18、及び作業環境検出部19による検出結果に基づいて、ロボットアーム11の状態を観測するもので、図2に示すように、物理量処理部212Aと、画像処理部212Bと、を備える。 The state observing unit 212 observes the state of the robot arm 11 based on the detection results of the rotation angle detecting unit 17, the torque sensor 18, and the work environment detecting unit 19 as state detecting units, and as shown in FIG. And a physical quantity processing unit 212A and an image processing unit 212B.
物理量処理部212Aは、回転角検出部17により検出された関節12それぞれの回転角を示す物理量を処理して、関節12の回転角の大きさを算出すると共に、トルクセンサー18により検出されたアーム駆動部16(駆動モーター)それぞれのトルクを示す物理量を処理して、アーム駆動部16のトルクを算出し、算出した結果を学習部213へ出力する。画像処理部212Bは、作業環境検出部19が撮影した画像を処理し、ロボットアーム11の行動に必要な情報を抽出し、抽出した結果を学習部213へ出力する。なお、アーム駆動部16(駆動モーター)のトルクについては、トルクセンサー18ではなく、モーター電流から換算して検出するようにしてもよい。 The physical quantity processing unit 212A processes the physical quantity indicating the rotation angle of each joint 12 detected by the rotation angle detection unit 17 to calculate the size of the rotation angle of the joint 12, and the arm detected by the torque sensor 18. The physical quantity indicating the torque of each drive unit 16 (drive motor) is processed to calculate the torque of the arm drive unit 16, and the calculated result is output to the learning unit 213. The image processing unit 212B processes the image captured by the work environment detection unit 19, extracts information necessary for the action of the robot arm 11, and outputs the extracted result to the learning unit 213. The torque of the arm driving unit 16 (driving motor) may be detected by converting from the motor current instead of the torque sensor 18.
学習部213は、目標到達位置へ到達するまでのロボットアーム11の行動過程において、状態観測部212により観測される、ある時刻におけるロボットアーム11の状態と、当該状態からのロボットアーム11の行動と、当該行動後のロボットアーム11の状態とを関連付けて、ロボットアーム11の行動を学習する。 The learning unit 213 detects the state of the robot arm 11 at a certain time observed by the state observation unit 212 in the action process of the robot arm 11 until reaching the target reaching position, and the action of the robot arm 11 from the state. , And learn the action of the robot arm 11 by associating it with the state of the robot arm 11 after the action.
学習部213が実行する学習アルゴリズムとしては、例えば、強化学習などの機械学習としての公知のアルゴリズムを採用することができ、学習部213は、図2に示すように、報酬計算部213Aと、関数更新部213Bと、を備える。 As the learning algorithm executed by the learning unit 213, for example, a known algorithm as machine learning such as reinforcement learning can be adopted. The learning unit 213, as shown in FIG. And an updating unit 213B.
強化学習のアルゴリズムとしては、例えば、Q学習が挙げられる。Q学習は、ある状態sの下で、行動aを選択した場合の行動の価値を示す関数Q(s,a)を学習する方法である。ある状態sのときに、関数Qが最も高くなる行動aが最適な行動となるが、学習を開始した時点では、状態sと行動aとの相関性が分からないので、試行錯誤で、ある状態sの下で種々の行動aを選択し、その時に与えられる報酬rを使って、関数Qを反復して更新し、関数Qを最適なものに近付ける。 An example of the reinforcement learning algorithm is Q learning. The Q learning is a method of learning a function Q(s, a) indicating the value of the action when the action a is selected under a certain state s. In a certain state s, the action a with the highest function Q is the optimal action. However, at the time when learning is started, the correlation between the state s and the action a is unknown. Various actions a are selected under s, and the reward r given at that time is used to iteratively update the function Q to bring the function Q close to the optimum one.
報酬計算部213Aは、状態sで行動aを選択した結果として環境(つまり、状態s)が変化したときに、その環境の変化によって与えられる報酬rを計算するもので、ロボットアーム11の動いた軌跡、及びアーム駆動部16の駆動に応じて報酬を計算する。 The reward calculation unit 213A calculates the reward r given by the change of the environment when the environment (that is, the state s) changes as a result of selecting the action a in the state s, and the robot arm 11 moves. The reward is calculated according to the trajectory and the driving of the arm driving unit 16.
以下の数式1は報酬を与えるための計算式の一例で、2以上の項の和で表現される。 Formula 1 below is an example of a calculation formula for giving a reward, and is expressed by the sum of two or more terms.
報酬r=w1×r1+w2×r2 … 数式1 Reward r=w1×r1+w2×r2 Equation 1
r1はロボットアーム11が動いた軌跡による報酬を示し、r2はアーム駆動部16(駆動モーター)それぞれの駆動による報酬を示している。w1,w2は各項それぞれの重みを示している。報酬r1,r2は、以下の数式3乃至5が示すように−1〜+1の間で正規化した値で、その計算結果に重みとしてw1、w2を掛け算した値の和が報酬rである。 r1 shows the reward by the locus|trajectory which the robot arm 11 moved, r2 has shown the reward by each drive of the arm drive part 16 (driving motor). w1 and w2 indicate the weights of the respective terms. The rewards r1 and r2 are values normalized between −1 and +1 as shown in the following mathematical formulas 3 to 5, and the sum of the values obtained by multiplying the calculation result by w1 and w2 is the reward r.
r1=(−2×距離d)/k1+1 (0<d≦k1) … 数式2 r1=(−2×distance d)/k1+1 (0<d≦k1) Equation 2
r1=−1 (k1<d) … 数式3 r1=-1 (k1<d) Equation 3
r2=(−2×トルクt)/k2+1 (0<t≦k2) … 数式4 r2=(−2×torque t)/k2+1 (0<t≦k2) Equation 4
r2=−1 (k2<t) … 数式5 r2=-1 (k2<t) Equation 5
k1,k2は定数で、定数k1としては、例えば、ロボットアーム11の行動開始位置から目標到達位置までを直線で結んだ最短経路の距離が挙げられる。 k1 and k2 are constants, and examples of the constant k1 include the distance of the shortest route that connects the action start position of the robot arm 11 to the target arrival position with a straight line.
距離dは、ロボットアーム11の先端部15の位置と目標到達位置との距離を示し、距離dが短くなるにつれて、報酬r1は大きくなる。ロボットアーム11が動いた軌跡については、回転角検出部17で検出される関節12それぞれの回転角から求めてもよいし、作業環境検出部19で検出される画像から求めてもよい。 The distance d indicates the distance between the position of the tip portion 15 of the robot arm 11 and the target reaching position, and the reward r1 increases as the distance d decreases. The trajectory of movement of the robot arm 11 may be obtained from the rotation angle of each joint 12 detected by the rotation angle detection unit 17, or may be obtained from the image detected by the work environment detection unit 19.
トルクtは、アーム駆動部16それぞれのトルクの総和を示し、トルクtが大きくなるにつれて、報酬r2は小さくなる。つまり、報酬r2は、アーム駆動部16の駆動電力に応じて計算される報酬である。 The torque t indicates the sum of the torques of the arm drive units 16, and the reward r2 decreases as the torque t increases. That is, the reward r2 is a reward calculated according to the drive power of the arm drive unit 16.
また、ここではアーム駆動部16の駆動に応じた報酬r2として、アーム駆動部16のトルクを用いて説明しているが、アーム駆動部16の駆動時間をカウントし、駆動時間の長さを用いて、駆動時間が長くなるにつれて、報酬r2が小さくなるように、報酬r2を計算するようにしてもよい。 Although the torque r of the arm driving unit 16 is used as the reward r2 according to the driving of the arm driving unit 16 here, the driving time of the arm driving unit 16 is counted and the length of the driving time is used. Then, the reward r2 may be calculated so that the reward r2 becomes smaller as the driving time becomes longer.
関数更新部213Bは、より高い報酬rが得られる行動aを選択しやすくなるように関数Qを更新するもので、報酬計算部213Aにより計算された報酬rに基づいて、ロボットアーム11のある状態からある行動を選択する価値を示す行動価値関数を更新する。そして、ロボットアーム11の行動を繰り返す中で、行動価値関数を更新していくことで、学習部213は、ある状態に対する最適な行動を学習し、行動価値関数は収束する。 The function updating unit 213B updates the function Q so that it is easier to select the action a for which a higher reward r is obtained. Based on the reward r calculated by the reward calculation unit 213A, the function update unit 213B is in a certain state. An action value function indicating the value of selecting an action from is updated. Then, by repeating the action value function while repeating the action of the robot arm 11, the learning unit 213 learns the optimum action for a certain state, and the action value function converges.
学習部213による学習結果としての行動価値関数については、すべての状態と行動との組に対して、その価値を報酬テーブル(行動価値テーブル)として、保持しておくことが可能で、学習部213は、上記報酬テーブルを報酬テーブル記憶部241に保存する。 Regarding the action value function as the learning result by the learning unit 213, the value can be held as a reward table (action value table) for all the combinations of states and actions, and the learning unit 213 Saves the reward table in the reward table storage unit 241.
ロボット制御装置20の制御ユニット21における処理動作の一例について、図4に示したフローチャートに基づいて説明する。なお、この処理動作は、ロボットアーム11の動作過程においてわれる処理動作である。 An example of the processing operation in the control unit 21 of the robot controller 20 will be described based on the flowchart shown in FIG. It should be noted that this processing operation is a processing operation performed in the operation process of the robot arm 11.
状態観測部212が、回転角検出部17、トルクセンサー18、及び作業環境検出部19による検出結果に基づいて、ロボットアーム11の状態を観測し(S1)、報酬計算部213Aが、状態観測部212により観測される、ロボットアーム11の状態に基づいて、ロボットアーム11の動いた軌跡、及びアーム駆動部16の駆動に応じて報酬を計算する(S2)。 The state observing unit 212 observes the state of the robot arm 11 based on the detection results of the rotation angle detecting unit 17, the torque sensor 18, and the work environment detecting unit 19 (S1), and the reward calculating unit 213A changes the state observing unit. Based on the state of the robot arm 11 observed by 212, the reward is calculated according to the trajectory of the robot arm 11 and the drive of the arm driving unit 16 (S2).
続いて、関数更新部213Bが、報酬計算部213Aにより計算された報酬に基づいて、行動価値関数を更新し(S3)、その後、処理はS1へ戻る。すなわち、S1乃至S3を繰り返すことにより、ロボット制御装置20は、行動価値関数(報酬テーブル)の更新を継続して行う。 Subsequently, the function updating unit 213B updates the action value function based on the reward calculated by the reward calculating unit 213A (S3), and then the process returns to S1. That is, by repeating S1 to S3, the robot controller 20 continuously updates the action value function (reward table).
意思決定部214は、学習部213による学習結果(行動価値関数)に基づいて、ロボットアーム11に行わせる行動を選択する。例えば、意思決定部214は、ある状態から最も価値のある行動を選択し、選択した内容を行動計画部215に出力する。 The decision making unit 214 selects an action to be performed by the robot arm 11 based on the learning result (action value function) by the learning unit 213. For example, the decision making unit 214 selects the most valuable action from a certain state and outputs the selected content to the action planning unit 215.
行動計画部215は、意思決定部214から入力した内容に基づいて、ロボット10の行動計画を生成し、生成した行動計画を示す情報を、その情報の内容に応じて、アーム行動指示部216と、グリッパー行動指示部217とに出力する。例えば、行動計画部215は、ロボットアーム11の先端部15の軌跡を生成する。 The action plan unit 215 generates an action plan of the robot 10 based on the content input from the decision making unit 214, and provides information indicating the generated action plan to the arm action instruction unit 216 according to the content of the information. , To the gripper action instruction unit 217. For example, the action planning unit 215 generates a trajectory of the tip portion 15 of the robot arm 11.
アーム行動指示部216は、行動計画部215から入力した行動計画を示す情報に応じて、ロボットアーム11の関節12を駆動するアーム駆動部16の動作を制御する駆動信号を生成し、アーム駆動部16の駆動を制御する。 The arm action instruction unit 216 generates a drive signal for controlling the operation of the arm drive unit 16 that drives the joint 12 of the robot arm 11 according to the information indicating the action plan input from the action plan unit 215, and the arm drive unit 216. 16 drive is controlled.
グリッパー行動指示部217は、行動計画部215から入力した行動計画を示す情報に応じて、グリッパー駆動部41Cの動作を制御する駆動信号を生成し、グリッパー駆動部41Cの駆動を制御する。 The gripper action instruction unit 217 generates a drive signal for controlling the operation of the gripper drive unit 41C according to the information indicating the action plan input from the action plan unit 215, and controls the drive of the gripper drive unit 41C.
上記実施形態によれば、実際の学習結果から、ロボットアーム11のある状態から価値の高い行動を自動的に選択することができるので、ユーザーの作業負担を大きくすることなく、ロボットアーム11の先端部15が目標到達位置へ到達するまでの効率のよい行動を計画することが可能となる。また、ロボットアーム11の行動を学習するので、機器ごとのバラツキや、機種ごとの構成の違いにも柔軟に対応することが可能となるので、ユーザーの作業負担が大きくなるのを防ぐこともできる。 According to the above-described embodiment, it is possible to automatically select a valuable action from a certain state of the robot arm 11 based on the actual learning result. It is possible to plan an efficient action until the unit 15 reaches the target reaching position. In addition, since the behavior of the robot arm 11 is learned, it is possible to flexibly cope with the variation of each device and the difference of the configuration of each model, so that it is possible to prevent the work load on the user from becoming large. ..
また、報酬テーブル記憶部241で保存されている報酬テーブルを、通信インターフェイス部26を介して、他のロボット制御装置へ送信し、当該他のロボット制御装置での初期テーブルとして用いるようにすれば、学習効率を高めることができる。また、報酬テーブルについては、ネットワーク上で保存して、他のロボット制御装置との間で共有することも可能である。 Further, if the reward table stored in the reward table storage unit 241 is transmitted to another robot control device via the communication interface unit 26 and used as an initial table in the other robot control device, Learning efficiency can be improved. Also, the reward table can be saved on the network and shared with other robot control devices.
図5は、第2実施形態に係る学習装置を有するロボット制御装置を含んで構成されるロボット制御システムの主要内部構成を概略的に示した機能ブロック図である。図1に示したロボット制御装置1とは、制御ユニット21が設定受付部218を備える点で相違する。 FIG. 5 is a functional block diagram schematically showing a main internal configuration of a robot control system including a robot control device having a learning device according to the second embodiment. The robot controller 1 differs from the robot controller 1 shown in FIG. 1 in that the control unit 21 includes a setting reception unit 218.
設定受付部218は、ロボットアームの動いた軌跡及び前記関節駆動部の駆動それぞれに対する上記報酬の重みのユーザー設定を、ユーザーによる操作部22の操作に応じて受け付ける。制御ユニット21は、記憶部24に記憶されている制御プログラムに従った上記プロセッサーによる動作により、更に設定受付部218としても機能する。但し、設定受付部218は、制御ユニット21による制御プログラムに基づく動作によらず、ハードウェア回路により構成することも可能である。 The setting reception unit 218 receives user settings of the weight of the reward for each of the trajectory of the robot arm and the drive of the joint drive unit according to the operation of the operation unit 22 by the user. The control unit 21 further functions as the setting reception unit 218 by the operation of the processor according to the control program stored in the storage unit 24. However, the setting reception unit 218 can be configured by a hardware circuit instead of the operation based on the control program by the control unit 21.
報酬計算部213Aは、設定受付部218が受け付けたユーザー設定の重みに従って、報酬rを計算する。例えば、アーム駆動部16(駆動モーター)による消費電力量の削減よりも、ロボットアーム11の動く距離を短くすること(つまり、作業時間を短くすること)をユーザーが優先したい場合は、重みw1を大きく設定すれば、数式1の1項目の変化量を捉えやすくなり、ユーザーの希望する行動価値関数を得ることが可能となる。 The reward calculation unit 213A calculates the reward r according to the weight of the user setting received by the setting reception unit 218. For example, when the user wants to prioritize shortening the moving distance of the robot arm 11 (that is, shortening the working time) rather than reducing the power consumption by the arm driving unit 16 (driving motor), the weight w1 is set. If it is set to a large value, it becomes easier to capture the amount of change of one item in Expression 1, and it becomes possible to obtain the action value function desired by the user.
従って、上記第2実施形態によれば、個別の重み付け設定により、ユーザー好みの行動価値関数を得て、ロボットアーム11をユーザー好みに行動させることが可能となる。 Therefore, according to the second embodiment, it is possible to obtain the action value function of the user's preference and make the robot arm 11 act in the user's preference by individually setting the weight.
ところで、学習部213による学習を継続すると、最新の行動価値関数(報酬テーブル)よりも、過去の報酬テーブルの方が、より適切なものであったとか、ユーザーの好みに合っていた、といったことが生じることが考えられる。 By the way, when the learning by the learning unit 213 is continued, the past reward table is more appropriate than the latest action value function (reward table), or the user's preference is satisfied. May occur.
そこで、別の実施形態では、複数の報酬テーブルを報酬テーブル記憶部241で保存できるようにし、例えば、学習部213は、操作部22を介して報酬テーブルの保存のユーザー指示を受け付けると、その時に使用している報酬テーブルを、報酬テーブル記憶部241に保存させ、操作部22を介して過去の報酬テーブルの使用のユーザー指示を受け付けると、当該過去の報酬テーブルを使用するようにする。 Therefore, in another embodiment, a plurality of reward tables can be stored in the reward table storage unit 241, and, for example, when the learning unit 213 receives a user instruction to store the reward table via the operation unit 22, at that time, The reward table being used is stored in the reward table storage unit 241, and when a user instruction to use the past reward table is received via the operation unit 22, the past reward table is used.
学習部213によって十分な学習が行われ、行動価値関数(報酬テーブル)が収束していれば、それ以上、学習を行う必要はないが、ロボット10の作業環境が大きく変化した場合には、再学習を行うのが好ましい。例えば、温度や湿度が大きく変化すると、ロボット10を構成するハードウェアの特性が変わる場合があり、それまでの報酬テーブルではロボットアーム11の最適な行動が得られないおそれがある。 If the learning unit 213 has sufficiently learned and the action value function (reward table) has converged, it is not necessary to perform any more learning, but if the work environment of the robot 10 changes significantly, It is preferable to carry out learning. For example, when the temperature or the humidity greatly changes, the characteristics of the hardware configuring the robot 10 may change, and the reward table up to that point may not be able to obtain the optimum behavior of the robot arm 11.
そこで、更なる別の実施形態では、作業環境検出部19として、温度センサーや湿度センサーを設け、ロボット10の電源をオフする時の温度や湿度を測定して保持しておき、ロボット10の電源をオンした時の温度や湿度と比較して、予め定められた閾値以上の差が生じている場合には、学習部213が再学習を行うようにする。 Therefore, in still another embodiment, a temperature sensor and a humidity sensor are provided as the work environment detection unit 19, and the temperature and the humidity when the power of the robot 10 is turned off are measured and held. When the difference between the temperature and the humidity at the time of turning on is greater than or equal to a predetermined threshold value, the learning unit 213 re-learns.
また、作業環境に応じた報酬テーブルを獲得し、作業環境それぞれに応じた報酬テーブルを報酬テーブル241に保存させておき、意思決定部214は、作業環境に応じた報酬テーブルを報酬テーブル記憶部241から読み出して、ロボットアーム11に行わせる行動を選択するようにしてもよい。 Further, the reward table according to the work environment is acquired, and the reward table according to each work environment is stored in the reward table 241, and the decision making unit 214 stores the reward table according to the work environment in the reward table storage unit 241. Alternatively, the action to be performed by the robot arm 11 may be selected.
なお、上記実施形態では、ロボット制御装置20が本発明に係る学習装置を有する場合について説明しているが、学習装置を構成する各機能については、ロボット制御装置20に外付けされていてもよい。その場合には、ロボット制御装置20と学習装置とは、LANチップなどの通信モジュールを備えるインターフェイスを備え、互いにデータの送受信が可能となるように接続されるものとする。 In the above-described embodiment, the case where the robot control device 20 has the learning device according to the present invention has been described, but each function constituting the learning device may be externally attached to the robot control device 20. .. In that case, the robot control device 20 and the learning device are provided with an interface including a communication module such as a LAN chip, and are connected so as to be able to transmit and receive data to and from each other.
本発明は上記実施の形態の構成に限られず種々の変形が可能である。また、上記実施形態では、図1乃至図5を用いて上記実施形態により示した構成及び処理は、本発明の一実施形態に過ぎず、本発明を当該構成及び処理に限定する趣旨ではない。 The present invention is not limited to the configuration of the above-described embodiment, and various modifications can be made. Further, in the above-described embodiment, the configurations and processes shown in the above-described embodiments with reference to FIGS. 1 to 5 are merely embodiments of the present invention, and the present invention is not intended to be limited to the configurations and processes.
1 ロボット制御システム
10 ロボット
11 ロボットアーム
12 関節
15 先端部
16 アーム駆動部
17 回転角検出部
20 ロボット制御装置
41 グリッパー
211 制御部
212 状態観測部
213 学習部
213A 報酬計算部
213B 関数更新部
215 行動計画部
218 設定受付部
1 Robot Control System 10 Robot 11 Robot Arm 12 Joint 15 Tip 16 Arm Drive 17 Rotation Angle Detector 20 Robot Controller 41 Gripper 211 Controller 212 State Observer 213 Learning Part 213A Reward Calculator 213B Function Update 215 Action Plan Part 218 Setting reception part
Claims (7)
前記複数の関節それぞれに設けられた、前記関節を駆動する関節駆動部と、
前記ロボットアームの位置を含む、当該ロボットアームの状態を検出する状態検出部と、を備えるロボットの行動を学習する学習装置であって、
前記状態検出部による検出結果に基づいて、前記ロボットアームの状態を観測する状態観測部と、
予め設定された目標到達位置へ到達するまでの前記ロボットアームの行動過程において、前記状態観測部により観測される、ある時刻における前記ロボットアームの状態と、当該状態からの前記ロボットアームの行動と、当該行動後の前記ロボットアームの状態とを関連付けて、前記ロボットアームの行動を学習する学習部と、を備え、
前記学習部は、
前記ロボットアームの動いた軌跡、及び前記関節駆動部の駆動に応じて報酬を計算する報酬計算部と、
前記報酬計算部により計算された前記報酬に基づいて、前記ロボットアームのある状態からある行動を選択する価値を示す行動価値関数を更新する関数更新部と、を備える学習装置。 A robot arm that has multiple joints and can move freely in three-dimensional space,
A joint drive unit that is provided in each of the plurality of joints and that drives the joints;
A learning device for learning the behavior of a robot, comprising a state detection unit for detecting the state of the robot arm, including the position of the robot arm,
Based on the detection result by the state detection unit, a state observation unit for observing the state of the robot arm,
In the action process of the robot arm until reaching a preset target reaching position, the state of the robot arm at a certain time, which is observed by the state observation unit, and the action of the robot arm from the state, A learning unit that learns the behavior of the robot arm by associating with the state of the robot arm after the behavior,
The learning unit is
A locus of movement of the robot arm, and a reward calculation unit that calculates a reward according to the drive of the joint drive unit,
A function updating unit that updates a behavior value function indicating the value of selecting a certain action from a certain state of the robot arm based on the reward calculated by the reward calculating unit.
前記報酬計算部は、前記ロボットアームの前記先端部と前記目標到達位置との距離が短くなるにつれて、前記報酬を高くして前記計算を行う請求項1に記載の学習装置。 The state observation unit, based on the detection result by the state detection unit, observes the position of the tip of the robot arm,
The learning device according to claim 1, wherein the reward calculation unit performs the calculation by increasing the reward as the distance between the tip end portion of the robot arm and the target arrival position decreases.
前記状態観測部は、前記状態検出部による検出結果に基づいて、前記関節駆動部それぞれのトルクを観測し、
前記報酬計算部は、前記関節駆動部それぞれのトルクの総和が大きくなるにつれて、前記報酬を小さくして前記計算を行う請求項1又は請求項2に記載の学習装置。 The state detection unit detects the torque of each joint drive unit,
The state observing unit observes the torque of each of the joint drive units based on the detection result by the state detecting unit,
The learning device according to claim 1, wherein the reward calculation unit performs the calculation while reducing the reward as the total torque of the joint drive units increases.
前記報酬計算部は、前記設定受付部が受け付けたユーザー設定の重みに従って、前記報酬を計算する請求項1乃至請求項4のいずれかに記載の学習装置。 Further comprising a setting receiving unit that receives a user setting of the weight of the reward for each of the trajectory of the robot arm and the drive of the joint driving unit,
The learning device according to any one of claims 1 to 4, wherein the reward calculation unit calculates the reward according to the weight of the user setting received by the setting reception unit.
前記学習装置による学習結果に基づいて、前記ロボットアームに行わせる行動を選択する意思決定部と、を備え、
前記意思決定部による意思決定に基づいて、前記ロボットアームの行動を制御するロボット制御装置。 A learning device according to any one of claims 1 to 5,
A decision unit that selects an action to be performed by the robot arm based on a learning result by the learning device;
A robot controller that controls the behavior of the robot arm based on the decision made by the decision making unit.
前記ロボットと、を備えるロボット制御システム。
A robot controller according to claim 6;
A robot control system comprising: the robot.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018224020A JP7247552B2 (en) | 2018-11-29 | 2018-11-29 | LEARNING DEVICE, ROBOT CONTROL DEVICE, AND ROBOT CONTROL SYSTEM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018224020A JP7247552B2 (en) | 2018-11-29 | 2018-11-29 | LEARNING DEVICE, ROBOT CONTROL DEVICE, AND ROBOT CONTROL SYSTEM |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020082314A true JP2020082314A (en) | 2020-06-04 |
JP7247552B2 JP7247552B2 (en) | 2023-03-29 |
Family
ID=70905484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018224020A Active JP7247552B2 (en) | 2018-11-29 | 2018-11-29 | LEARNING DEVICE, ROBOT CONTROL DEVICE, AND ROBOT CONTROL SYSTEM |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7247552B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022100363A1 (en) * | 2020-11-13 | 2022-05-19 | 腾讯科技(深圳)有限公司 | Robot control method, apparatus and device, and storage medium and program product |
WO2022241808A1 (en) * | 2021-05-19 | 2022-11-24 | 广州中国科学院先进技术研究所 | Multi-robot trajectory planning method |
WO2023020129A1 (en) * | 2021-08-19 | 2023-02-23 | 上海三一重机股份有限公司 | Control method and apparatus for work machine, and work machine |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1115511A (en) * | 1997-06-20 | 1999-01-22 | Fanuc Ltd | Robot collision detection system |
JP2016120549A (en) * | 2014-12-24 | 2016-07-07 | キヤノン株式会社 | Robot control method and robot control device |
JP2018043338A (en) * | 2016-09-16 | 2018-03-22 | ファナック株式会社 | Machine learning device for learning operation program of robot, robot system, and machine learning method |
JP2018051664A (en) * | 2016-09-27 | 2018-04-05 | ファナック株式会社 | Machine learning device learning optimal object holding path, and machine learning method |
JP2018097810A (en) * | 2016-12-16 | 2018-06-21 | ファナック株式会社 | Machine learning device for learning operations of robot and laser scanner, robot system and machine learning method |
WO2018143003A1 (en) * | 2017-01-31 | 2018-08-09 | 株式会社安川電機 | Robot path-generating device and robot system |
JP2018126798A (en) * | 2017-02-06 | 2018-08-16 | セイコーエプソン株式会社 | Control device, robot, and robot system |
-
2018
- 2018-11-29 JP JP2018224020A patent/JP7247552B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1115511A (en) * | 1997-06-20 | 1999-01-22 | Fanuc Ltd | Robot collision detection system |
JP2016120549A (en) * | 2014-12-24 | 2016-07-07 | キヤノン株式会社 | Robot control method and robot control device |
JP2018043338A (en) * | 2016-09-16 | 2018-03-22 | ファナック株式会社 | Machine learning device for learning operation program of robot, robot system, and machine learning method |
JP2018051664A (en) * | 2016-09-27 | 2018-04-05 | ファナック株式会社 | Machine learning device learning optimal object holding path, and machine learning method |
JP2018097810A (en) * | 2016-12-16 | 2018-06-21 | ファナック株式会社 | Machine learning device for learning operations of robot and laser scanner, robot system and machine learning method |
WO2018143003A1 (en) * | 2017-01-31 | 2018-08-09 | 株式会社安川電機 | Robot path-generating device and robot system |
JP2018126798A (en) * | 2017-02-06 | 2018-08-16 | セイコーエプソン株式会社 | Control device, robot, and robot system |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022100363A1 (en) * | 2020-11-13 | 2022-05-19 | 腾讯科技(深圳)有限公司 | Robot control method, apparatus and device, and storage medium and program product |
WO2022241808A1 (en) * | 2021-05-19 | 2022-11-24 | 广州中国科学院先进技术研究所 | Multi-robot trajectory planning method |
WO2023020129A1 (en) * | 2021-08-19 | 2023-02-23 | 上海三一重机股份有限公司 | Control method and apparatus for work machine, and work machine |
Also Published As
Publication number | Publication date |
---|---|
JP7247552B2 (en) | 2023-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6816364B2 (en) | Controls, robots, and robot systems | |
TW201905729A (en) | Motion prediction system and motion prediction method | |
US10166673B2 (en) | Portable apparatus for controlling robot and method thereof | |
US11413748B2 (en) | System and method of direct teaching a robot | |
JP2020082314A (en) | Learning device, robot control method, and robot control system | |
JP2019166626A (en) | Control device and machine learning device | |
JP6811465B2 (en) | Learning device, learning method, learning program, automatic control device, automatic control method and automatic control program | |
EP4082726A1 (en) | Training data selection device, robot system, and training data selection method | |
JP7281349B2 (en) | remote control system | |
CN110662634A (en) | System and method for controlling actuator of articulated robot | |
US11919164B2 (en) | Robot system and robot control method | |
US11285602B2 (en) | Adjustment support device | |
US20180085920A1 (en) | Robot control device, robot, and robot system | |
CN113950393A (en) | Parameter calculation device, robot control system, and robot system | |
JP6490132B2 (en) | Robot control device, machine learning device, and machine learning method | |
WO2020032211A1 (en) | Data generating device, data generating method, data generating program, and remote operation system | |
JP2018122376A (en) | Image processing device, robot control device, and robot | |
JP2017213631A (en) | Robot arm control device, robot arm control method, and program | |
US20230241770A1 (en) | Control device, control method and storage medium | |
JP7159525B2 (en) | ROBOT CONTROL DEVICE, LEARNING DEVICE, AND ROBOT CONTROL SYSTEM | |
JP2020097072A (en) | Control device and learning device | |
JP2019136807A (en) | Control device and machine learning device | |
WO2022244385A1 (en) | Robot control system, robot control method, and program | |
JP2014184531A (en) | Robot control method, robot control device, robot, robot control program | |
WO2022080006A1 (en) | Robot system, control method for same, program, and system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211029 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220906 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20220928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221028 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7247552 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |