JP2021135566A - 推奨動作パラメーター決定方法、およびロボットシステム - Google Patents

Abstract

【課題】作業内容や動作環境に応じた要求性能を満たすような動作パラメーターを容易に得ることが可能な推奨動作パラメーター決定方法およびロボットシステムを提供する。【解決手段】アームを備えたロボットを含むロボットシステムの、アームを動作させる際の推奨動作パラメーターを決定する推奨動作パラメーター決定方法であって、アームの動作に関する第１動作情報の入力を受け付け（ステップＳ１００）、タクトタイム、オーバーシュート量、およびアームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターの入力を受け付け（ステップＳ１３０）、入力された第１動作情報および第１性能パラメーターに基づいて、推奨動作パラメーターを決定する（ステップＳ１６０）。【選択図】図３

Description

本発明は、アームを備えたロボットを含むロボットシステムの推奨動作パラメーター決定方法、およびロボットシステムに関する。

従来、特許文献１に示すように、タクトタイム等の動作目標を満足するために、ユーザープログラム、およびシミュレーターを用いて、ロボットの動作パラメーター、およびロボットプログラムを最適化する方法が知られている。

特開２００６−３０２２８２号公報

しかしながら、同じ動作でも作業内容や動作環境によって、タクトタイム、オーバーシュート量、およびロボットを構成する部品の寿命といった、ユーザーが要求する性能が変わるため、特許文献１に記載の構成では、必ずしもユーザーが要求する性能に沿った動作パラメーターの最適化ができていない場合がある。ユーザーが要求する性能に沿った動作パラメーターを得るには、その度に最適化を実施し直す必要がある。

推奨動作パラメーター決定方法は、アームを備えたロボットを含むロボットシステムの、前記アームを動作させる際の推奨動作パラメーターを決定する推奨動作パラメーター決定方法であって、前記アームの動作に関する第１動作情報と、タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターと、に基づいて、前記推奨動作パラメーターを決定する。

ロボットシステムは、アームを有するロボットと、前記ロボットと接続され、前記ロボットの動作を制御するロボットコントローラーと、前記ロボットコントローラーと接続される推奨動作パラメーター決定装置と、を備えたロボットシステムであって、前記推奨動作パラメーター決定装置は、前記アームの動作に関する第１動作情報の入力を受け付ける第１入力部と、タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターの入力を受け付ける第２入力部と、を有し、入力された前記第１動作情報および前記第１性能パラメーターに基づいて、推奨動作パラメーターを決定する。

実施形態１に係るロボットシステムの概略構成を示すブロック図。 実施形態１に係るロボットシステムの概略構成を示す模式図。 実施形態１において、推奨動作パラメーターを提示する動作を示すフローチャート。 実施形態１において、ユーザーからの入力を受け付けるＧＵＩの例を示す図。 実施形態１において、動作情報の空間で第１動作情報と第２動作情報とをプロットした例を示す図。 実施形態１において、推奨動作パラメーターが表示されるＧＵＩの例を示す図。 実施形態１において、ユーザーからの入力を受け付けるＧＵＩの他の例を示す図。 実施形態２において、推奨動作パラメーターを提示する動作を示すフローチャート。 実施形態２において、複数の事例データがクラスタリングされた例を示す図。 実施形態３において、推奨動作パラメーターを提示する動作を示すフローチャート。 実施形態３において、推奨事例データと非推奨事例データの境界条件を決定する例を示す図。 実施形態３において、決定木の例を示す図。 実施形態３において、推奨動作パラメーターと調整範囲が表示されるＧＵＩの例を示す図。 実施形態４において、推奨動作パラメーターを提示する動作を示すフローチャート。 実施形態４において、ユーザーからの入力を受け付けるＧＵＩの例を示す図。 実施形態４において、推奨動作パラメーターと補間動作パラメーターの例を示す図。

１．実施形態１
１．１．ロボットシステムの構成
実施形態１に係るロボットシステムの概略構成について、図１と図２を用いて説明する。

本実施形態のロボットシステム１は、図１のように、情報処理装置１０と、事例記憶装置２０と、表示装置３０と、ロボット制御装置４０と、ロボット５０と、を備える。情報処理装置１０は、事例記憶装置２０と、表示装置３０と、ロボット制御装置４０と、それぞれ通信可能に接続されている。ロボット５０は、ロボット制御装置４０と通信可能に接続されている。また、図２のロボットシステム１の模式図のように、ロボット５０はアーム５５を有する。

情報処理装置１０は、例えば、コンピューターであり、第１入力部１１と、第２入力部１２と、記憶部１３と、処理部１４と、通信部１５と、出力部１６とを含んで構成される。第１入力部１１は、アーム５５の動作に関する第１動作情報の入力を受け付ける。第１動作情報は、アーム５５の動作の始点および終点、アーム５５の移動量、アーム５５の先端にかかる重量のうち、少なくとも１つを含む。第２入力部１２は、アーム５５の動作時に要求される性能を表す第１性能パラメーターの入力を受け付ける。第１性能パラメーターは、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命のうち少なくとも１つの要求性能を表す。第１入力部１１と第２入力部１２は、例えば、図示しないキーボードやタッチパネル等の入力手段によって実現される。記憶部１３は、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）等によって構成され、第１入力部１１と第２入力部１２とで受け付けた第１動作情報および第１性能パラメーターを記憶する。通信部１５は、外部の装置との通信が可能な通信ポートであり、本実施形態の通信部１５は、事例記憶装置２０と通信し、事例記憶装置２０に記憶されている事例データを取得する。処理部１４は、例えば、ＣＰＵ（Central Processing Unit）によって構成され、入力された第１動作情報および第１性能パラメーターと、取得した事例データとに基づいて、ロボット５０のアーム５５を動作させる際の推奨動作パラメーターを決定する。出力部１６は、外部の装置とのインターフェイスであり、決定した推奨動作パラメーターを表示装置３０やロボット制御装置４０に出力する。情報処理装置１０は、この一例では推奨動作パラメーター決定装置である。

事例記憶装置２０には、ロボット５０のアーム５５を動作させることで収集した複数の事例データが予め記憶されている。各事例データは、アーム５５の動作に関する第２動作情報と、アーム５５の動作の基準となる動作パラメーターと、アーム５５の動作の性能を表す第２性能パラメーターと、を含み、これらは互いに対応付けられている。

第２動作情報は、第１動作情報と同様、アーム５５の動作の始点および終点、アーム５５の移動量、アーム５５の先端にかかる重量のうち、少なくとも１つを含む。

動作パラメーターは、例えば、アーム５５の速度に関するパラメーターとしては、アーム５５の最大速度、または最大速度に関わる補正係数等であり、アーム５５の加速度に関するパラメーターとしては、最大加速度、最大減速度、またはそれらに関わる補正係数等である。ロボット制御装置４０がアーム５５の動作を制御する際には、この動作パラメーターに従って制御を行う。情報処理装置１０が決定する推奨動作パラメーターは、この動作パラメーターの推奨値である。なお、動作パラメーターおよび推奨動作パラメーターは、アーム５５の速度および加速度の少なくとも一方に関するパラメーターであることが望ましいが、アーム５５の速度や加速度に関するパラメーター以外であってもよい。

第２性能パラメーターは、事例データを収集する際に計測されたパラメーターであり、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命の少なくとも１つを含む。第２性能パラメーターは、第２動作情報で規定される動作を、動作パラメーターに従って動作させた場合に計測される。なお、第２性能パラメーターは、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命のうち少なくとも１つを含めばよいが、ユーザーが入力した第１性能パラメーターと比較できない事例データは活用されないため、すべてを含むことが望ましい。

事例データの収集は、ロボット５０と同一の機種であれば必ずしも同一の個体で実施する必要はない。そのため、ロボット５０と同一の機種のロボットを複数台用い、複数の事例データを並行して収集してもよい。

事例記憶装置２０は、例えば情報処理装置１０にＵＳＢ（Universal Serial Bus）ケーブル等で接続される外付けのＨＤＤやＳＳＤ（Solid State Drive）で構成される。なお、事例記憶装置２０は、情報処理装置１０に内蔵される記憶装置であってもよいし、Ｅｔｈｅｒｎｅｔ（登録商標）ケーブルや無線ＬＡＮ（Local Area Network）等で接続される外部のコンピューターに内蔵される記憶装置等であってもよい。

表示装置３０は、処理部１４で決定した推奨動作パラメーターを表示する装置である。表示装置３０は、例えば液晶ディスプレイパネルや、プロジェクターである。

ロボット制御装置４０は、出力部１６から出力される推奨動作パラメーターと、予めロボット制御装置４０内に格納されているロボットプログラムとに基づいて、ロボット５０の動作を制御する。ロボット制御装置４０は、この一例ではロボットコントローラーである。

ロボット５０は、教示を行うことにより各種作業が可能となる汎用ロボットである。本実施形態では、水平多関節ロボットを例にして説明する。図２に示すように、ロボット５０は、作業台６０に設置されており、複数のマニピュレーターを含んで構成されるアーム５５を備えている。アーム５５の先端には、各種作業に用いられるエンドエフェクター５７が取り付けられている。アーム５５がロボット制御装置４０に格納されているロボットプログラムに基づいて動作することで、各種作業が実施される。
なお、ロボット５０のマニピュレーターの数に決まりはなく、例えば６つのマニピュレーターを備える垂直多関節ロボットであってもよい。

１．２．推奨動作パラメーター提示の流れ
以下では、アーム５５を動作させる際の推奨動作パラメーターを決定する推奨動作パラメーター決定方法について説明する。

図３は、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。ユーザーが、情報処理装置１０に対して、推奨動作パラメーターの提示を要求する操作を行うと、情報処理装置１０は、図３に示すフローに従って動作する。
ステップＳ１００において、第１入力部１１は、ユーザーからの第１動作情報の入力を受け付け、処理部１４は、入力された第１動作情報を記憶部１３に記憶する。

図４は、表示装置３０に表示される、ユーザーからの入力を受け付けるＧＵＩ（Graphical User Interface）の例を示した図である。ステップＳ１００において、ユーザーは、動作情報入力部Ｇ１０に第１動作情報を入力し、ボタンＧ２０を押下することで入力を完了する。図４に示したＧＵＩの動作情報入力部Ｇ１０には、第１動作情報として、アーム５５の動作の始点および終点と、アーム５５の先端にかかる重量である手先負荷が入力可能になっている。
なお、第１動作情報の入力は、図４のようなＧＵＩ以外の方法で受け付けてもよい。例えば、記憶部１３等に記憶させたデータファイルを読み込んで受け付けてもよいし、外部の情報処理装置からの通信データとして受け付けてもよい。

ステップＳ１１０において、処理部１４は、入力された第１動作情報と、事例記憶装置２０から通信部１５を介して受け取った複数の事例データの第２動作情報との類似度を算出し、第１動作情報との類似度が所定値以上である第２動作情報を有する事例データを、候補事例データとして抽出する。
類似度は、直感的にはアーム５５の２つの動作が似ているほど高い値をとる指標であり、例えばアーム５５の動作の始点および終点と、アーム５５の先端にかかる重量とを並べたベクトル同士の差分のノルムの逆数を用いることができる。

図５は、動作情報の空間でユーザーが入力した第１動作情報と、事例記憶装置２０に格納されている第２動作情報とをプロットした例である。ただし、動作情報の空間は一般に始点のＸＹＺ座標と終点のＸＹＺ座標だけでも６次元になり、アーム５５の先端にかかる重量も加えれば７次元になるが、図５では簡単のためそのうちの２次元（動作情報Ａ、動作情報Ｂ）だけを表示している。図中、白い丸のマークは、ユーザーが入力した第１動作情報を表し、黒い三角のマークは、第１動作情報と類似している候補事例データの第２動作情報を表し、白い三角のマークは、候補事例データ以外の事例データの第２動作情報を表している。
図５において、第２動作情報と第１動作情報との類似度が所定値以上であるということは、この動作情報の空間内での距離が所定値以下ということ、例えば、第１動作情報を中心として所定の半径を有する円Ｃ０内に含まれるということを意味し、そのような第２動作情報を有する事例データが候補事例データとなる。

ステップＳ１２０において、処理部１４は、抽出された候補事例データの数が所定数以上であるか判定し、所定数以上であればその後の処理に問題ないと判定してステップＳ１３０へ進む。

抽出された候補事例データの数が所定数未満であれば、処理部１４は、ステップＳ１２２で出力部１６を介して表示装置３０に、十分な数の事例データがないことを報知する警告メッセージを表示する。警告メッセージは、例えば図４のＧＵＩ内に設けられたメッセージ表示部Ｇ３０に表示される。

ステップＳ１２４で、処理部１４は、警告メッセージを確認したユーザーから、処理を続行するか否かの指示を受け付ける。処理を続行する指示を受け付けた場合にはステップＳ１３０へ進み、続行しない指示を受け付けた場合には終了する。

このように、ユーザーが警告メッセージを元に処理の続行可否を判断することで、予め収集された事例データ数が不十分な場合に不適切な動作パラメーターを出力することを防ぐことができる。なお、このユーザーによる判断は必須ではなく、抽出された候補事例データの数に応じて自動的に処理の続行可否を判定するようにしてもよい。

ステップＳ１３０において、第２入力部１２は、ユーザーからの第１性能パラメーターの入力を受け付け、処理部１４は、入力された第１性能パラメーターを記憶部１３に記憶する。第１性能パラメーターは、タクトタイム、オーバーシュート量、アーム５５を構成する部品の寿命のうち少なくとも１つの要求性能を含むものであればよく、例えば「タクトタイムが１．０秒未満」、「オーバーシュート量が０．１ｍｍ未満、かつ、アームを構成する部品の寿命が１００カ月以上」などである。

例えば、ユーザーは、図４のＧＵＩ内に設けられた性能パラメーター入力部Ｇ４０に第１性能パラメーターを入力し、ボタンＧ６０を押下することで入力を完了する。なお、第１性能パラメーターの入力は、図４のようなＧＵＩ以外の方法で受け付けてもよい。例えば、記憶部１３等に記憶させたデータファイルを読み込んで受け付けてもよいし、外部の情報処理装置からの通信データとして受け付けてもよい。

ステップＳ１４０において、処理部１４は、入力された第１性能パラメーターを満たす第２性能パラメーターを有する事例データを、候補事例データの中から類似事例データとして抽出する。上述したように、候補事例データは、第２動作情報と、入力された第１動作情報との類似度に基づいて抽出されるため、類似事例データは、複数の事例データの中から、第２動作情報および第２性能パラメーターと、入力された第１動作情報および第１性能パラメーターとに基づいて決定されることになる。
先の例で第１性能パラメーターが「タクトタイムが１．０秒未満」であった場合、候補事例データの中にあるタクトタイムが１．０秒未満の第２性能パラメーターを有する事例データが類似事例データとして抽出される。この例では、オーバーシュート量やアーム５５を構成する部品の寿命については不問である。

ステップＳ１５０において、処理部１４は、類似事例データがｋ個以上抽出されたか判定し、ｋ個以上であればステップＳ１６０へ進む。ここで、ｋは予めユーザーが設定した、推奨動作パラメーターの出力数であり、例えば図４のＧＵＩ内に設けられた出力数設定部Ｇ５０を用いて設定できる。
類似事例データがｋ個未満の場合、処理部１４は、ステップＳ１５２において出力部１６を介して表示装置３０にメッセージを表示して、類似事例データが不足している旨をユーザーに通知し、ステップＳ１３０に戻る。ユーザーは、第１性能パラメーターを再検討した上で、第１性能パラメーターの入力を行う。

ステップＳ１６０において、処理部１４は、類似事例データの動作パラメーターに基づいて、ｋ個の推奨動作パラメーターを決定する。例えば、ユーザーが入力した第１動作情報との類似度が高い順にｋ個の事例データを類似事例データから抽出し、それらの動作パラメーターを推奨動作パラメーターとすればよい。また、別の方法として、タクトタイムが短い順にｋ個の事例データを類似事例データから抽出し、それらの動作パラメーターを推奨動作パラメーターとしてもよい。

なお、ｋ個の推奨動作パラメーターは、類似事例データに対して何らかの統計的処理を施すことで算出してもよい。例えば、ｋ＝１の場合には、類似事例データの動作パラメーターを平均化処理したものを推奨動作パラメーターとすることができる。

ステップＳ１７０において、処理部１４は、出力部１６を介して表示装置３０にｋ個の推奨動作パラメーターを出力する。ユーザーは、表示装置３０に表示された推奨動作パラメーターを１つ選択し、ロボット制御装置４０に入力することで、推奨動作パラメーターでロボット５０を動作させることができる。ｋ＝１の場合には、処理部１４は、出力部１６を介してロボット制御装置４０に１つの推奨動作パラメーターを直接出力してもよく、この場合にはユーザーが推奨動作パラメーターを入力する手間を省くことができる。

図６は、表示装置３０に推奨動作パラメーターが表示されるＧＵＩの例を示した図であり、ｋ＝３とした場合の例を示している。表示装置３０の画面には、パラメーターリストＧ１００が表示され、このパラメーターリストＧ１００には、処理部１４で決定された推奨動作パラメーターが表示される。ユーザーは、パラメーターリストＧ１００内のチェック欄Ｇ１１０をチェックすることによって推奨動作パラメーターの中から１つを選択し、ボタンＧ１２０を押下することで、選択した推奨動作パラメーターをロボット制御装置４０に送信することができる。

以上の構成により、ユーザーは、作業内容や動作環境に応じた要求性能を満たすような動作パラメーターを、最適化の手間なしに容易に得ることができる。

なお、ステップＳ１００において、ユーザーからの第１動作情報の入力と第１性能パラメーターの入力を同時に受け付けてもよい。

図７は、ユーザーからの第１動作情報の入力と第１性能パラメーターの入力を同時に受け付けるＧＵＩの例を示した図である。図４のＧＵＩと異なるのは、ボタンＧ２０が廃された点である。
このようなＧＵＩを用いれば、ユーザーは、第１動作情報と第１性能パラメーターを同時に入力でき、より簡便に推奨動作パラメーターを得ることができる。

２．実施形態２
本実施形態のロボットシステム１は、事例記憶装置２０に格納されている複数の事例データが予めクラスタリングされて推奨動作パラメーターの決定に用いられる点で、実施形態１と異なっている。それ以外の構成は実施形態１と同様であるため、詳しい説明を省略する。

図８は、実施形態２において、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。
図８に示すように、ステップＳ２００において、処理部１４は、事例記憶装置２０に格納されている複数の事例データを、第２動作情報および第２性能パラメーターの相互の類似度である相互類似度に基づいて、予めクラスタリングし、複数のクラスに分類しておく。ここで、クラスタリングには、ｋ−ｍｅａｎｓ法やｘ−ｍｅａｎｓ法、ＥＭアルゴリズムを初めとする各種教師なし機械学習手法を用いることができる。また、事例記憶装置２０がＥｔｈｅｒｎｅｔケーブルや無線ＬＡＮ等で接続される外部コンピューターに接続されている場合、その外部コンピューターが、処理部１４に代わってクラスタリングしておいてもよい。

図９は、事例記憶装置２０に格納されている複数の事例データがクラスタリングされた例を示す図である。図９では、簡単のため動作情報と性能パラメーターの２次元で表示しているが、実際にはより高次元の空間である。図９では、三角のマークで表される事例データが、破線の円で囲まれた３つのクラスＣ１〜Ｃ３に分類されている。

ステップＳ２１０では、実施形態１のステップＳ１００と同様に、第１入力部１１が、ユーザーからの第１動作情報の入力を受け付け、処理部１４が、入力された第１動作情報を記憶部１３に記憶する。
ステップＳ２２０では、実施形態１のステップＳ１３０と同様に、第２入力部１２が、ユーザーからの第１性能パラメーターの入力を受け付け、処理部１４が、入力された第１性能パラメーターを記憶部１３に記憶する。

ステップＳ２３０では、処理部１４は、ユーザーが入力した第１動作情報および第１性能パラメーターとの類似度が最も高いクラスを決定し、そのクラスを類似クラスとする。類似度には、例えば第１動作情報および第１性能パラメーターと、クラスに属する事例データの第２動作情報および第２性能パラメーターの重心と、のユークリッド距離の逆数を用いることができる。このような方法は、重心法と呼ばれる。
図９の例では、ユーザーが入力した第１動作情報および第１性能パラメーターは、丸のマークで表されており、類似度が最も高いクラスＣ３に分類される。

ステップＳ２４０では、処理部１４は、ユーザーが入力した第１動作情報および第１性能パラメーターと類似クラスとの類似度が所定値以上であるか判定し、所定値以上であればステップＳ２５０へ進む。つまり、ステップＳ２３０とステップＳ２４０とにおいて、処理部１４は、類似度が所定値以上の類似クラスを選択する。
類似度が所定値未満であった場合、処理部１４は、ステップＳ２４２において出力部１６を介して表示装置３０に警告メッセージを表示し、十分類似するクラスが存在しない旨をユーザーに通知し、ステップＳ２２０に戻る。ユーザーは、第１性能パラメーターを再検討した上で、第１性能パラメーターの入力を行う。

ステップＳ２５０において、処理部１４は、類似クラスに属する事例データを類似事例データとして、実施形態１のステップＳ１６０と同様に推奨動作パラメーターを決定する。
その後、ステップＳ２６０において、実施形態１のステップＳ１７０と同様、処理部１４は、出力部１６を介して表示装置３０やロボット制御装置４０に推奨動作パラメーターを出力する。

本実施形態によれば、ユーザーが入力した第１動作情報と第１性能パラメーターに類似する事例データを高速に検索できる効果がある。また、同一クラスに属する類似した事例データだけを利用するため、適切な推奨動作パラメーターを決定できる。

また、情報処理装置１０は、推奨動作パラメーターを出力するだけでなく、その推奨の程度を信頼度として算出し、表示装置３０に出力してもよい。信頼度は、推奨動作パラメーターによるアーム５５の動作が、ユーザーが入力した第１性能パラメーターを満たす確率が高いと推定されるほど高くなる指標である。信頼度としては、例えばステップＳ２３０で算出される類似度を用いることができる。つまり、信頼度は、選択した類似クラスに属する事例データの第２動作情報および第２性能パラメーターと、第１動作情報および第１性能パラメーターとに基づいて算出され得る。
ユーザーは、表示される信頼度を、推奨動作パラメーターをそのまま採用するか更に微調整するかといった判断に用いることができる。

３．実施形態３
本実施形態のロボットシステム１は、決定した推奨動作パラメーターとともに、推奨動作パラメーターの調整範囲を出力する。それ以外の構成は実施形態１と同様であるため、詳しい説明を省略する。

図１０は、実施形態３において、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。
図１０に示すように、処理部１４は、実施形態１と同様のステップＳ１００〜Ｓ１６０を行って推奨動作パラメーターを決定する。その後、ステップＳ３００において、処理部１４は、第１性能パラメーターを満たすことが可能な、推奨動作パラメーターの調整範囲を推定する。具体的には、処理部１４は、ステップＳ１４０で抽出した類似事例データ、すなわち第１性能パラメーターに関する条件を満たす事例データの少なくとも１つを推奨事例データとして選び、その他の候補事例データ、すなわち第１性能パラメーターに関する条件を満たさない事例データの少なくとも１つを非推奨事例データとして選ぶ。そして、処理部１４は、推奨事例データと非推奨事例データを分割するような動作パラメーターの境界条件を決定し、この境界条件に基づいて、推奨動作パラメーターの調整範囲を推定する。このとき、推奨事例データと非推奨事例データはそれぞれ少なくとも１つの事例データを含めばよいが、実用的な境界条件を決定するためにはより多くの事例データを含むことが望ましい。境界条件の決定には、例えば機械学習手法のひとつである決定木を用いることができる。

図１１は、決定木を用いて推奨事例データと非推奨事例データの境界条件を決定する例を示した図である。図１１において、丸のマークは推奨事例データの動作パラメーターを表し、三角のマークは非推奨事例データの動作パラメーターを表す。また、図１１における第１性能パラメーターに関する条件は、最大加速度が１０を超えること、および最大減速度が５を超えることである。なお、図１１では簡単のため動作パラメーターが最大加速度と最大減速度の２次元のみの場合を示しているが、より高次元の場合でも同様に扱える。推奨事例データの動作パラメーターと非推奨事例データの動作パラメーターの境界条件を決定木で学習させることで、例えば図１２のような決定木が得られる。図１２の決定木では、各動作パラメーターは、最大加速度に関する条件を満たさないものは非推奨とされる。一方、最大加速度に関する条件を満たすもののうち、最大減速度に関する条件を満たすものが推奨とされ、満たさないものは非推奨とされる。図１１の破線は、図１２のノードの条件を動作パラメーター空間で表現したものであり、決定木によって境界条件を決定できていることがわかる。
境界条件を決定することで、実際にロボット５０で動作させずとも、ユーザーが入力した第１性能パラメーターを満たす調整範囲を推定することができる。図１１の例では、調整範囲は四角で表される範囲である。

図１０のステップＳ３１０において、処理部１４は、ｋ個の推奨動作パラメーターと、ステップＳ３００で推定した調整範囲を、出力部１６を介して表示装置３０に出力する。

図１３は、表示装置３０に推奨動作パラメーターと調整範囲が表示されるＧＵＩの例を示した図である。図１３が図６と異なるのは、ステップＳ３００で推定した調整範囲が、ＧＵＩ内に設けられた調整範囲表示部Ｇ１３０に表示されている点である。なお、調整範囲は、図１３のように条件式を列挙する代わりに、図１１のように図示してもよい。あるいは、図１２の決定木のように、動作パラメーターを入力として受け付け、推奨か非推奨かを判定する機械学習モデルとして出力してもよい。

以上のように実施することで、ユーザーは、出力された調整範囲を参考に更に良い動作パラメーターを効率良く探索することができる。

なお、ステップＳ３００において、推奨事例データと非推奨事例データを分割する境界条件や調整範囲を算出する際には、決定木の代わりに、ランダムフォレストやサポートベクターマシン等の各種機械学習手法を用いてもよい。
また、実施形態２のステップＳ２５０で推奨動作パラメーターを決定した後で、ステップＳ３００以降を実施してもよい。

４．実施形態４
本実施形態のロボットシステム１は、第１動作情報の入力を複数受け付けて、複数の推奨動作パラメーターとそれらを補間する補間動作パラメーターも提示する点で、実施形態１と異なっている。それ以外の構成は実施形態１と同様であるため、詳しい説明を省略する。

図１４は、実施形態４において、ユーザーに推奨動作パラメーターを提示する動作を示すフローチャートである。
図１４に示すように、第１入力部１１は、ステップＳ４００において、アーム５５の動作に関する第１動作情報の入力を複数受け付ける。複数の第１動作情報を入力すべきケースは、ユーザーが所望するアーム５５の動作に中間地点が存在するような場合にしばしば現われる。動作パラメーターの変更にはＲＯＭの更新等の時間を要する処理が必要であるため、それぞれの第１動作情報に合わせて都度動作パラメーターを変更するのではなく、それらの要求性能を同時に満たすような動作パラメーターを利用することが望ましい。

図１５は、ステップＳ４００において表示装置３０に表示される、ユーザーからの入力を受け付けるＧＵＩの例を示した図である。ただし、図７の例と同様の要素には同じ符号を付し、説明を省略する。図１５の例が図７と異なるのは、動作情報入力部Ｇ２１０および性能パラメーター入力部Ｇ２４０において、第１動作情報および第１性能パラメーターをそれぞれ複数入力できる点である。

その後、処理部１４は、１つの第１動作情報について、実施形態１と同様に、ステップＳ１１０〜ステップＳ１６０を実行し、この第１動作情報に対応する推奨動作パラメーターを決定する。ここでは、簡単のためｋ＝１とし、ある第１動作情報に対して１つの推奨動作パラメーターを決定するものとする。

ステップＳ４１０において、処理部１４は、ステップＳ４００で受け付けたすべての第１動作情報に対応する推奨動作パラメーターの決定が終了したか判定し、終了した場合にはステップＳ４２０へ進む。終了していない場合には、ステップＳ１１０へ戻り、他の第１動作情報についても推奨動作パラメーターを決定する。

ステップＳ４２０において、処理部１４は、各第１動作情報に対応する推奨動作パラメーター間を補間するように、補間動作パラメーターをｍ個算出する。ここで、ｍは予めユーザーが任意に決定できる正の整数である。第１動作情報の入力を２つ受け付けた場合の、推奨動作パラメーターと補間動作パラメーターの例を図１６に示す。図１６の丸のマークが推奨動作パラメーターを表し、三角のマークが補間動作パラメーターを表し、ｍ＝３としている。補間動作パラメーターは、図１６のように、各推奨動作パラメーターの重み付き平均として算出できる。
なお、第１動作情報の入力が３つ以上の場合にも、同様に重み付き平均で補間動作パラメーターを算出可能である。

ステップＳ４３０において、処理部１４は、各第１動作情報に対応する推奨動作パラメーターと、ｍ個の補間動作パラメーターとを、出力部１６を介して表示装置３０に出力する。

以上のように実施することで、ユーザーは、アーム５５の複数の動作に対する要求性能を同時に満たすような動作パラメーターを、容易に得ることができる。

なお、先述の例ではステップＳ１１０〜ステップＳ１６０においてｋ＝１としたが、ｋを２以上としてもよい。その場合、ステップＳ１６０において、１つの第１動作情報に対してｋ個の推奨動作パラメーターが決定される。その後、ステップＳ４２０において、処理部１４が、各第１動作情報に対応する推奨動作パラメーターを１つずつ選択し、組み合わさった推奨動作パラメーターを用いて、先の実施例と同様に補間動作パラメーターを算出する。
推奨動作パラメーターの選択の組み合わせは、ユーザーから受け付けた第１動作情報および第１性能パラメーターの数をｎとすると、ｋのｎ乗通りとなり、ｋやｎが大きいと膨大になり得る。この中から、補間動作パラメーターを算出する組み合わせを決定する方法としては、乱数を用いてランダムに決定する方法を用いることができる。あるいは、動作パラメーター空間での分散や凸包が最小になる組み合わせを試行錯誤的に探索して決定してもよい。この探索には、遺伝的アルゴリズム等の各種組み合わせ最適化手法を用いることができる。

５．実施形態５
アーム５５の動作に関する動作情報と動作パラメーターを入力とし、その際の性能パラメーターを推定する回帰モデルを構築することで、推奨動作パラメーターを算出してもよい。この回帰モデルは、事例記憶装置２０に格納された複数の事例データを用いて学習させることができる。学習済みの回帰モデルに対して、ユーザーが入力した第１動作情報と、乱数で生成する様々な動作パラメーターとを試行錯誤的に入力することで、ユーザーが入力した第１性能パラメーターを満たす動作パラメーターを探索することができる。
回帰モデルとしては、ガウス過程回帰やニューラルネットワーク等の各種機械学習モデルを用いることができる。
この実施方法によれば、ユーザーの要求性能を満たすような動作パラメーターを、実際のロボット５０を動作させることなく容易に得ることができる。

１…ロボットシステム、１０…情報処理装置、１１…第１入力部、１２…第２入力部、１３…記憶部、１４…処理部、１５…通信部、１６…出力部、２０…事例記憶装置、３０…表示装置、４０…ロボット制御装置、５０…ロボット、５５…アーム、５７…エンドエフェクター、６０…作業台、Ｃ１〜Ｃ３…クラス、Ｇ１０…動作情報入力部、Ｇ２０，Ｇ６０，Ｇ１２０…ボタン、Ｇ３０…メッセージ表示部、Ｇ４０…性能パラメーター入力部、Ｇ５０…出力数設定部、Ｇ１００…パラメーターリスト、Ｇ１１０…チェック欄、Ｇ１３０…調整範囲表示部、Ｇ２１０…動作情報入力部、Ｇ２４０…性能パラメーター入力部。

Claims (9)

1. アームを備えたロボットを含むロボットシステムの、前記アームを動作させる際の推奨動作パラメーターを決定する推奨動作パラメーター決定方法であって、
   前記アームの動作に関する第１動作情報と、タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターと、に基づいて、前記推奨動作パラメーターを決定することを特徴とする推奨動作パラメーター決定方法。
2. 前記推奨動作パラメーターは、前記アームの速度または加速度に関するパラメーターである、
   請求項１に記載の推奨動作パラメーター決定方法。
3. 前記第１動作情報は、前記アームの動作の始点および終点、前記アームの移動量、前記アームの先端にかかる重量のうちのいずれかを含む、
   請求項１又は２に記載の推奨動作パラメーター決定方法。
4. 前記アームの動作に関する第２動作情報と、前記タクトタイム、前記オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第２性能パラメーターと、前記アームの動作の基準となる動作パラメーターとが対応付けられた複数の事例データが予め記憶されており、
   記憶されている前記第２動作情報および前記第２性能パラメーターと、入力された前記第１動作情報および前記第１性能パラメーターとに基づいて、前記複数の事例データの中から類似事例データを抽出し、
   抽出した前記類似事例データの動作パラメーターに基づいて前記推奨動作パラメーターを決定する、
   請求項１〜３のいずれか一項に記載の推奨動作パラメーター決定方法。
5. 記憶されている前記複数の事例データのうち、前記第１動作情報との類似度が所定値以上である前記第２動作情報を有する事例データの数が所定数未満の場合に報知する、
   請求項４に記載の推奨動作パラメーター決定方法。
6. 記憶されている前記複数の事例データを、前記第２動作情報および前記第２性能パラメーターの相互の類似度である相互類似度に基づいて、複数のクラスに分類し、
   前記複数のクラスの中から、入力された前記第１動作情報および前記第１性能パラメーターとの類似度が所定値以上であるクラスを選択し、
   前記選択したクラスに属する事例データの動作パラメーターに基づいて、前記推奨動作パラメーターを決定する、
   請求項４又は５に記載の推奨動作パラメーター決定方法。
7. 前記選択したクラスに属する事例データの前記第２動作情報および前記第２性能パラメーターと、入力された前記第１動作情報および前記第１性能パラメーターとに基づいて、前記推奨動作パラメーターの信頼度を算出する、
   請求項６に記載の推奨動作パラメーター決定方法。
8. 記憶されている前記複数の事例データの中から、入力された前記第１性能パラメーターに関する条件を満たす少なくとも１つの推奨事例データと、入力された前記第１性能パラメーターに関する条件を満たさない少なくとも１つの非推奨事例データとを選び、
   前記推奨事例データと、前記非推奨事例データとに基づいて、前記推奨動作パラメーターの調整範囲を推定して表示する、
   請求項４〜７のいずれか一項に記載の推奨動作パラメーター決定方法。
9. アームを有するロボットと、
   前記ロボットと接続され、前記ロボットの動作を制御するロボットコントローラーと、
   前記ロボットコントローラーと接続される推奨動作パラメーター決定装置と、を備えたロボットシステムであって、
   前記推奨動作パラメーター決定装置は、
   前記アームの動作に関する第１動作情報の入力を受け付ける第１入力部と、
   タクトタイム、オーバーシュート量、および前記アームを構成する部品の寿命のうちのいずれかを含む第１性能パラメーターの入力を受け付ける第２入力部と、を有し、
   入力された前記第１動作情報および前記第１性能パラメーターに基づいて、推奨動作パラメーターを決定することを特徴とするロボットシステム。

Images