JP3105694B2 - マニピュレータ制御方法 - Google Patents
マニピュレータ制御方法Info
- Publication number
- JP3105694B2 JP3105694B2 JP05099586A JP9958693A JP3105694B2 JP 3105694 B2 JP3105694 B2 JP 3105694B2 JP 05099586 A JP05099586 A JP 05099586A JP 9958693 A JP9958693 A JP 9958693A JP 3105694 B2 JP3105694 B2 JP 3105694B2
- Authority
- JP
- Japan
- Prior art keywords
- control
- trajectory
- learning
- force
- manipulator
- 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.)
- Expired - Fee Related
Links
Landscapes
- Manipulator (AREA)
- Feedback Control In General (AREA)
- Control Of Position Or Direction (AREA)
Description
【０００１】
【産業上の利用分野】本発明はマニピュレータ制御方
法、特に平衡位置を用いた制御法に関する。
法、特に平衡位置を用いた制御法に関する。
【０００２】
【従来の技術】マニピュレータを制御する場合、手先位
置（または姿勢）をある位置から別の位置に移したり、
ある経路に沿って動かしたりするための位置・軌道制御
と環境に存在する構造物から幾何学的・運動学的な拘束
をうけているときの制御の２種類に大別できる。前者に
は対象物までの到達運動などがある。後者における作業
として組み立て、研磨、ばり取り、ドアの開閉、クラン
クまわしなどがあり、手先効果器の位置だけでなくマニ
ピュレータが対象物に加える力の制御が必要なものが多
い。
置（または姿勢）をある位置から別の位置に移したり、
ある経路に沿って動かしたりするための位置・軌道制御
と環境に存在する構造物から幾何学的・運動学的な拘束
をうけているときの制御の２種類に大別できる。前者に
は対象物までの到達運動などがある。後者における作業
として組み立て、研磨、ばり取り、ドアの開閉、クラン
クまわしなどがあり、手先効果器の位置だけでなくマニ
ピュレータが対象物に加える力の制御が必要なものが多
い。
【０００３】このようなマニピュレータの制御技術は、
医療・福祉ロボットやＨＡロボットが人体や環境に対し
て危害を加えない高い安全性と信頼性を確保するために
必要である。そのための制御法としてインピーダンス制
御法とハイブリッド制御法が考えられてきた。
医療・福祉ロボットやＨＡロボットが人体や環境に対し
て危害を加えない高い安全性と信頼性を確保するために
必要である。そのための制御法としてインピーダンス制
御法とハイブリッド制御法が考えられてきた。
【０００４】インピーダンス制御法とは手先効果器の外
力に対する機械インピーダンス（慣性、粘性、弾性の総
称）を作業遂行に都合のよいように設定することによっ
て、位置および力を制御する方法である。この方法はさ
らに受動インピーダンス法と能動インピーダンス法に分
けられる。受動インピーダンス法とは、ダンパやバネな
どの機械的要素のみによって手先効果器のインピーダン
スを望ましいものに設定する方式である。また能動イン
ピーダンス法とは、手先効果器の位置、速度、加速度、
力などの実測値をフィードバックしてアクチュエータを
駆動することにより、結果として得られる機械インピー
ダンスを望ましいものに設定する方式である。
力に対する機械インピーダンス（慣性、粘性、弾性の総
称）を作業遂行に都合のよいように設定することによっ
て、位置および力を制御する方法である。この方法はさ
らに受動インピーダンス法と能動インピーダンス法に分
けられる。受動インピーダンス法とは、ダンパやバネな
どの機械的要素のみによって手先効果器のインピーダン
スを望ましいものに設定する方式である。また能動イン
ピーダンス法とは、手先効果器の位置、速度、加速度、
力などの実測値をフィードバックしてアクチュエータを
駆動することにより、結果として得られる機械インピー
ダンスを望ましいものに設定する方式である。
【０００５】他方、ハイブリッド制御法とは、位置（軌
道）を制御したい方向および力を制御したい方向を定
め、それぞれの方向の位置や力を測定し、それらをフィ
ードバックして目標値に追従させるための位置（軌道）
制御ループ及び力制御ループを備える方法である。
道）を制御したい方向および力を制御したい方向を定
め、それぞれの方向の位置や力を測定し、それらをフィ
ードバックして目標値に追従させるための位置（軌道）
制御ループ及び力制御ループを備える方法である。
【０００６】ここで、制御対象が機械的に弾性特性を有
している場合（バネや空気圧により駆動されるアクチュ
エータにより構成されたマニピュレータなど）や任意の
制御対象を用いてソフト的なローカルフィードバック制
御（ローカルなスティフネス制御）により弾性特性を実
現している場合、軌道と力を制御する１つの方法とし
て、平衡軌道（平衡位置の時系列）を制御する方式が考
えられる。フィードバック制御でも可能であるが、フィ
ードフォワード制御により行う方が望ましい。
している場合（バネや空気圧により駆動されるアクチュ
エータにより構成されたマニピュレータなど）や任意の
制御対象を用いてソフト的なローカルフィードバック制
御（ローカルなスティフネス制御）により弾性特性を実
現している場合、軌道と力を制御する１つの方法とし
て、平衡軌道（平衡位置の時系列）を制御する方式が考
えられる。フィードバック制御でも可能であるが、フィ
ードフォワード制御により行う方が望ましい。
【０００７】以下、制御対象が機械的に弾性的な性質を
有している場合のもっとも簡単なバネ−マス系（バネの
先端に質量ｍの物体がついている系）を例にして平衡軌
道を用いた制御方法について説明する。図１９に示すよ
うに弾性係数ｋ（スティフネス）のバネの先端が位置ｘ
e （平衡位置）で静止している場合を考える。
有している場合のもっとも簡単なバネ−マス系（バネの
先端に質量ｍの物体がついている系）を例にして平衡軌
道を用いた制御方法について説明する。図１９に示すよ
うに弾性係数ｋ（スティフネス）のバネの先端が位置ｘ
e （平衡位置）で静止している場合を考える。
【０００８】力制御の場合 まず、力を制御する場合について説明する。図２０に示
すようにバネの先端が位置ｘで拘束されて静止している
状態を考え、このときのつり合いの式は以下のようにな
る。
すようにバネの先端が位置ｘで拘束されて静止している
状態を考え、このときのつり合いの式は以下のようにな
る。
【０００９】
【数１】 ｆext は対象物に与える力である。ｆext はスティフネ
スｋ及び平衡位置ｘe を用いて調整することができる。
しかし、目標とするｆext を実現するｋとｘe の組み合
わせは一意に決定されない。これを解決するための１つ
の方法として、スティフネスｋをまず望ましい（または
任意の）値に設定してから残りの平衡軌道ｘe を決定す
る方法が考えられる。つまり、目標とする力ｆext が実
現するように平衡軌道を計画する方法である。
スｋ及び平衡位置ｘe を用いて調整することができる。
しかし、目標とするｆext を実現するｋとｘe の組み合
わせは一意に決定されない。これを解決するための１つ
の方法として、スティフネスｋをまず望ましい（または
任意の）値に設定してから残りの平衡軌道ｘe を決定す
る方法が考えられる。つまり、目標とする力ｆext が実
現するように平衡軌道を計画する方法である。
【００１０】軌道制御の場合 次に軌道制御について説明する。バネ先端が位置ｘ、平
衡位置がｘe であるときを考える。このとき、図２１に
示すようにバネの先端はｘe の方向に力ｆが生成されｘ
e の方向に動く（（１）式参照）。従って、平衡位置ｘ
e を徐々にずらしてゆくことによってバネの先端の運動
を制御することができる。そして、この考え方は制御対
象として弾性的な性質を有する多関節マニピュレータを
用いた制御法に容易に拡張することができ、さらに運動
中に対しても拡張することができる。図２２には多関節
マニピュレータの力制御の場合が示されており、また図
２３には軌道制御の場合が示されている。
衡位置がｘe であるときを考える。このとき、図２１に
示すようにバネの先端はｘe の方向に力ｆが生成されｘ
e の方向に動く（（１）式参照）。従って、平衡位置ｘ
e を徐々にずらしてゆくことによってバネの先端の運動
を制御することができる。そして、この考え方は制御対
象として弾性的な性質を有する多関節マニピュレータを
用いた制御法に容易に拡張することができ、さらに運動
中に対しても拡張することができる。図２２には多関節
マニピュレータの力制御の場合が示されており、また図
２３には軌道制御の場合が示されている。
【００１１】
【発明が解決しようとする課題】上記のように非常に簡
単な制御対象で運動方程式が正確に求められる場合には
簡単な計算で平衡位置ｘe が決定できる。しかし、一般
に制御対象の正確な運動方程式は得られないので、平衡
位置ｘe を決定する問題は簡単ではない。
単な制御対象で運動方程式が正確に求められる場合には
簡単な計算で平衡位置ｘe が決定できる。しかし、一般
に制御対象の正確な運動方程式は得られないので、平衡
位置ｘe を決定する問題は簡単ではない。
【００１２】ここで、仮想軌道を事前に計画することが
できれば、フィードフォワードで制御することが可能と
なる。しかし、一般にこの計画は困難である。その主な
理由は、 （ア）機械的に弾性特性が実現されている場合、マニピ
ュレータの手先効果器のスティフネスが姿勢に依存して
変化する （イ）制御対象の運動学方程式や運動方程式を利用した
インピーダンス制御法では精度良く手先のインピーダン
スを制御することができる。しかしながら制御対象の正
確な運動学方程式や動力学方程式を得ることは一般に困
難である。このため、精度よくインピーダンス制御でき
ない。また、フィードバックループのディレイタイムが
大きい場合にも正確なインピーダンス制御は期待できな
い 等である。このように手先のスティフネスが複雑に変化
する場合、平衡軌道を決定する問題は困難になってしま
う。従来手法では平衡軌道が特に事前に計画されている
場合が多い。例えば、平衡軌道ｘe を力の作用する面に
対して平行に一定の深さで計画するなどである。このよ
うな方策をとった場合、図２４に示すように３つの姿勢
での手先のスティフネスがｋ1 、ｋ2 、ｋ3 とそれぞれ
異なるとき、実現される力も５（Ｎ）、１０（Ｎ）、８
（Ｎ）と異なってしまう。したがって、このような方法
では正確な力制御が期待できない。
できれば、フィードフォワードで制御することが可能と
なる。しかし、一般にこの計画は困難である。その主な
理由は、 （ア）機械的に弾性特性が実現されている場合、マニピ
ュレータの手先効果器のスティフネスが姿勢に依存して
変化する （イ）制御対象の運動学方程式や運動方程式を利用した
インピーダンス制御法では精度良く手先のインピーダン
スを制御することができる。しかしながら制御対象の正
確な運動学方程式や動力学方程式を得ることは一般に困
難である。このため、精度よくインピーダンス制御でき
ない。また、フィードバックループのディレイタイムが
大きい場合にも正確なインピーダンス制御は期待できな
い 等である。このように手先のスティフネスが複雑に変化
する場合、平衡軌道を決定する問題は困難になってしま
う。従来手法では平衡軌道が特に事前に計画されている
場合が多い。例えば、平衡軌道ｘe を力の作用する面に
対して平行に一定の深さで計画するなどである。このよ
うな方策をとった場合、図２４に示すように３つの姿勢
での手先のスティフネスがｋ1 、ｋ2 、ｋ3 とそれぞれ
異なるとき、実現される力も５（Ｎ）、１０（Ｎ）、８
（Ｎ）と異なってしまう。したがって、このような方法
では正確な力制御が期待できない。
【００１３】また、力センサにより測定された実測値を
フィードバックして力を制御する方法もある。しかし、
力センサーにより計測された実測値には多くのノイズ
（センサにより生じるノイズや接触による不安定さから
生じる振動等）が含まれているためにフィードバック制
御だけでは安定な力制御が困難である。
フィードバックして力を制御する方法もある。しかし、
力センサーにより計測された実測値には多くのノイズ
（センサにより生じるノイズや接触による不安定さから
生じる振動等）が含まれているためにフィードバック制
御だけでは安定な力制御が困難である。
【００１４】本発明は上記従来技術の有する課題に鑑み
なされたものであり、その目的は多関節マニピュレータ
の制御に際し、平衡位置を計画してフィードフォワード
制御により精度良く制御することが可能なマニピュレー
タ制御方法を提供することにある。
なされたものであり、その目的は多関節マニピュレータ
の制御に際し、平衡位置を計画してフィードフォワード
制御により精度良く制御することが可能なマニピュレー
タ制御方法を提供することにある。
【００１５】
【課題を解決するための手段】上記目的を達成するため
に、請求項１記載のマニピュレータ制御方法は、制御量
として平衡位置を与えることによりマニピュレータの位
置及び力を所望の値に制御するマニピュレータ制御方法
であって、前記平衡位置の時系列データを学習により平
衡軌道データとして獲得し、この平衡軌道データを制御
量として与えることによりマニピュレータをフィードフ
ォワード制御することを特徴とする。
に、請求項１記載のマニピュレータ制御方法は、制御量
として平衡位置を与えることによりマニピュレータの位
置及び力を所望の値に制御するマニピュレータ制御方法
であって、前記平衡位置の時系列データを学習により平
衡軌道データとして獲得し、この平衡軌道データを制御
量として与えることによりマニピュレータをフィードフ
ォワード制御することを特徴とする。
【００１６】また、上記目的を達成するために、請求項
２記載のマニピュレータ制御方法は、請求項１記載のマ
ニピュレータ制御方法において、前記学習をフィードバ
ック誤差学習法、直接逆モデリング法、順逆モデリング
法のいずれかの方法により行うことを特徴とする。
２記載のマニピュレータ制御方法は、請求項１記載のマ
ニピュレータ制御方法において、前記学習をフィードバ
ック誤差学習法、直接逆モデリング法、順逆モデリング
法のいずれかの方法により行うことを特徴とする。
【００１７】
【作用】本発明のマニピュレータ制御方法は、制御対象
であるマニピュレータが弾性的な性質を有しており、ま
たその姿勢がある状態変数（または制御変数）で制御で
きることが前提である。ここで、制御対象が弾性的な性
質を有しているとは、ある姿勢で静止している状態（平
衡状態）から強制的にその姿勢を変化させたときもとの
姿勢に戻ろうとする力が生成されるものをいう。この性
質は機械的な要素により実現されている場合（受動的イ
ンピーダンス制御法）だけでなく、ネガティブフィード
バックループにより構成された制御系（能動的インピー
ダンス制御法）で実現されていてもよい。
であるマニピュレータが弾性的な性質を有しており、ま
たその姿勢がある状態変数（または制御変数）で制御で
きることが前提である。ここで、制御対象が弾性的な性
質を有しているとは、ある姿勢で静止している状態（平
衡状態）から強制的にその姿勢を変化させたときもとの
姿勢に戻ろうとする力が生成されるものをいう。この性
質は機械的な要素により実現されている場合（受動的イ
ンピーダンス制御法）だけでなく、ネガティブフィード
バックループにより構成された制御系（能動的インピー
ダンス制御法）で実現されていてもよい。
【００１８】本発明のマニピュレータ制御方法の制御ス
キームは、図１に示されるように平衡軌道を計画する平
衡軌道計画器ＥＴＰ１０、及び平衡軌道を制御変数とす
る制御対象１２からなる。フィードバック制御では一般
にループ時間が無視できないため、制御の性能がこのル
ープ時間に大きく左右される。このためフィードフォワ
ード制御が望まれる。そこで、目標とする軌道や力が正
確に実現できる平衡軌道を計画することができるＥＴＰ
１０が使用される。このＥＴＰ１０はフィードフォワー
ド項としての役割を果たす。
キームは、図１に示されるように平衡軌道を計画する平
衡軌道計画器ＥＴＰ１０、及び平衡軌道を制御変数とす
る制御対象１２からなる。フィードバック制御では一般
にループ時間が無視できないため、制御の性能がこのル
ープ時間に大きく左右される。このためフィードフォワ
ード制御が望まれる。そこで、目標とする軌道や力が正
確に実現できる平衡軌道を計画することができるＥＴＰ
１０が使用される。このＥＴＰ１０はフィードフォワー
ド項としての役割を果たす。
【００１９】一方、学習はＥＴＰ１０の内部状態（内部
変数）を修正してゆくことにより行う。ＥＴＰの出力ｘ
e が
変数）を修正してゆくことにより行う。ＥＴＰの出力ｘ
e が
【数２】 として表されるものとする。ｘ，ｄｘ／ｄｔ，ｄ2 ｘ／
ｄｔ2 ，ｆd はＥＴＰへの入力であり、ｗは内部変数で
ある。その内部変数w の修正量Δｗは、直接逆モデリン
グ、順逆モデリング、フィードバック誤差学習等の学習
則を用いることにより計算可能である。ｎ＋１回目の学
習後の内部変数ｗ(n+1) は
ｄｔ2 ，ｆd はＥＴＰへの入力であり、ｗは内部変数で
ある。その内部変数w の修正量Δｗは、直接逆モデリン
グ、順逆モデリング、フィードバック誤差学習等の学習
則を用いることにより計算可能である。ｎ＋１回目の学
習後の内部変数ｗ(n+1) は
【数３】 となる。
【００２０】例えば、２リンクマニピュレータを用いて
拘束面（ｘの位置）に対して１０（Ｎ）の力を作用させ
る場合、まず、上記の学習則を用いてＥＴＰ１０を学習
する。この結果、図２に示すような平衡軌道ｘe が計算
され、面上のどの位置でも目標とする１０（Ｎ）の力が
実現されることになる。図２にはマニピュレータの各姿
勢におけるスティフネスｋも同時に示されており、この
ようにスティフネスが変化しても平衡位置を適宜フィー
ドフォワード制御により変化させ、一定の力を得ること
ができる。
拘束面（ｘの位置）に対して１０（Ｎ）の力を作用させ
る場合、まず、上記の学習則を用いてＥＴＰ１０を学習
する。この結果、図２に示すような平衡軌道ｘe が計算
され、面上のどの位置でも目標とする１０（Ｎ）の力が
実現されることになる。図２にはマニピュレータの各姿
勢におけるスティフネスｋも同時に示されており、この
ようにスティフネスが変化しても平衡位置を適宜フィー
ドフォワード制御により変化させ、一定の力を得ること
ができる。
【００２１】なお、本発明のＥＴＰ１０の学習則にはフ
ィードバック誤差学習法、直接逆モデリング法、順逆モ
デリング法を用いることができる。図３，４，５にはこ
れら学習則の概念図がそれぞれ示されている。フィード
バック誤差学習法はフィードバックコントローラからの
出力を誤差信号として学習が行われるものであり、学習
と制御を同時に行うことができるため、制御対象のダイ
ナミクスの変化に対しても追従することができる。直接
逆モデリング法は適当な制御入力に対する実現軌道を獲
得すべきモデルに入力し、このときの出力と制御入力と
の誤差により学習が進められるものである。また、順逆
モデリング法は、まず制御入力と実現軌道により事前に
順モデルを学習し、目標軌道と実現軌道との誤差を獲得
したこの順モデルを用いて逆伝播させることにより逆モ
デルの出力誤差を与えて逆モデルを学習するものであ
る。
ィードバック誤差学習法、直接逆モデリング法、順逆モ
デリング法を用いることができる。図３，４，５にはこ
れら学習則の概念図がそれぞれ示されている。フィード
バック誤差学習法はフィードバックコントローラからの
出力を誤差信号として学習が行われるものであり、学習
と制御を同時に行うことができるため、制御対象のダイ
ナミクスの変化に対しても追従することができる。直接
逆モデリング法は適当な制御入力に対する実現軌道を獲
得すべきモデルに入力し、このときの出力と制御入力と
の誤差により学習が進められるものである。また、順逆
モデリング法は、まず制御入力と実現軌道により事前に
順モデルを学習し、目標軌道と実現軌道との誤差を獲得
したこの順モデルを用いて逆伝播させることにより逆モ
デルの出力誤差を与えて逆モデルを学習するものであ
る。
【００２２】本発明におけるＥＴＰ１０は、これらの方
法を用いて学習することにより制御変数としての平衡移
動データを獲得し、マニピュレータをフィードフォワー
ド制御する。
法を用いて学習することにより制御変数としての平衡移
動データを獲得し、マニピュレータをフィードフォワー
ド制御する。
【００２３】
【実施例】以下、図面を用いながら本発明のマニピュレ
ータ制御方法の好適な実施例について説明する。なお、
学習則としてはフィードバック誤差学習を例にとり説明
する。
ータ制御方法の好適な実施例について説明する。なお、
学習則としてはフィードバック誤差学習を例にとり説明
する。
【００２４】図６には本実施例の学習スキームが示され
ている。ＥＴＰ１０を省いたスキームは、よく知られて
いるフィードバック制御法であり、フィードバック制御
器ＦＣ１４により制御対象１２をある程度制御できる。
しかしながら、前述したようにフィードバック制御では
一般的にループ時間が無視できないため、制御の性質が
このループ時間に大きく左右される。そこで、目標とす
る軌道や力が正確に実現できる平衡軌道を計画すること
ができるＥＴＰ１０を学習により獲得する。
ている。ＥＴＰ１０を省いたスキームは、よく知られて
いるフィードバック制御法であり、フィードバック制御
器ＦＣ１４により制御対象１２をある程度制御できる。
しかしながら、前述したようにフィードバック制御では
一般的にループ時間が無視できないため、制御の性質が
このループ時間に大きく左右される。そこで、目標とす
る軌道や力が正確に実現できる平衡軌道を計画すること
ができるＥＴＰ１０を学習により獲得する。
【００２５】学習則はフィードバック誤差学習法を適用
する。つまり、ＦＣ１４により計算された値ｘfcをＥＴ
Ｐ１０の出力誤差として用い、 ＥＴＰ１０の内部状態
（内部変数）を修正してゆくことにより学習を行う。Ｅ
ＴＰ１０の出力ｘe は内部変数ｗを用いた（２）式とし
て表され場合、学習により内部変数ｗが修正される。内
部変数ｗの修正量は、次式で与えられる（フィードバッ
ク誤差学習法）。
する。つまり、ＦＣ１４により計算された値ｘfcをＥＴ
Ｐ１０の出力誤差として用い、 ＥＴＰ１０の内部状態
（内部変数）を修正してゆくことにより学習を行う。Ｅ
ＴＰ１０の出力ｘe は内部変数ｗを用いた（２）式とし
て表され場合、学習により内部変数ｗが修正される。内
部変数ｗの修正量は、次式で与えられる（フィードバッ
ク誤差学習法）。
【００２６】
【数４】 そして、ｎ＋１回目の学習後の内部変数ｗ(n+1) は
（３）式により更新される。なお、フィードバック誤差
学習法の詳細な説明は、例えばKawato,M.,Furukawa,K.,
Suzuki,R.(1987) A hierarchical neural-network mode
l for control and lea-rning of voluntary movement.
Biological Cybernetics 57:169-185 に示されている。
（３）式により更新される。なお、フィードバック誤差
学習法の詳細な説明は、例えばKawato,M.,Furukawa,K.,
Suzuki,R.(1987) A hierarchical neural-network mode
l for control and lea-rning of voluntary movement.
Biological Cybernetics 57:169-185 に示されている。
【００２７】学習後、理想的には目標軌道・力と実現さ
れた軌道・力が一致し、フィードフォワード制御に完全
に移行する。すなわち、ＥＴＰ１０からの平衡軌道デー
タｘe により制御対象１２（マニピュレータ）が制御さ
れる。しかし、学習後でも予期できない外乱などが生じ
たとき、フィードバック制御器１４により安定な応答が
保償される。このとき、ＥＴＰ１０はフィードフォワー
ド項としての役割をはたし、ＦＣ１４は安定な制御を行
う働きとＥＴＰ１０を学習させるための評価器としての
役割を果たす。
れた軌道・力が一致し、フィードフォワード制御に完全
に移行する。すなわち、ＥＴＰ１０からの平衡軌道デー
タｘe により制御対象１２（マニピュレータ）が制御さ
れる。しかし、学習後でも予期できない外乱などが生じ
たとき、フィードバック制御器１４により安定な応答が
保償される。このとき、ＥＴＰ１０はフィードフォワー
ド項としての役割をはたし、ＦＣ１４は安定な制御を行
う働きとＥＴＰ１０を学習させるための評価器としての
役割を果たす。
【００２８】図７には本実施例の学習スキームのフロー
チャートが示されている。まず、目標軌道ｘd と力ｆd
を計画し（Ｓ１０１）、これらｘd ，ｆd をＥＴＰ１０
に入力してＥＴＰ１０の出力を計算する（Ｓ１０２）。
計算は（２）式に従って行われる。
チャートが示されている。まず、目標軌道ｘd と力ｆd
を計画し（Ｓ１０１）、これらｘd ，ｆd をＥＴＰ１０
に入力してＥＴＰ１０の出力を計算する（Ｓ１０２）。
計算は（２）式に従って行われる。
【００２９】そして、軌道及び力の実測値を用いてＦＣ
１４の出力を計算し（Ｓ１０３）、このＦＣ１４の出力
を用いてＥＴＰ１０の内部変数ｗが修正される（Ｓ１０
４）。修正は（３）式及び（４）式に従って行われる。
最後に、ＥＴＰ１０の出力とＦＣ１４の出力とを合計
し、制御対象１２へ入力する（Ｓ１０５）。このような
修正作業を複数回繰り返して目標軌道・力と実現された
軌道・力が一致した場合には学習は終了し（Ｓ１０
６）、前述したようにフィードフォワード制御に移行す
る。
１４の出力を計算し（Ｓ１０３）、このＦＣ１４の出力
を用いてＥＴＰ１０の内部変数ｗが修正される（Ｓ１０
４）。修正は（３）式及び（４）式に従って行われる。
最後に、ＥＴＰ１０の出力とＦＣ１４の出力とを合計
し、制御対象１２へ入力する（Ｓ１０５）。このような
修正作業を複数回繰り返して目標軌道・力と実現された
軌道・力が一致した場合には学習は終了し（Ｓ１０
６）、前述したようにフィードフォワード制御に移行す
る。
【００３０】図８には本発明の制御方法が適用されるマ
ニピュレータ制御システムの一例が示されている。この
制御システムは、ホストコンピュータ１００、画像処理
装置１０２、カメラ１０４，１０６、ソフトアーム１０
８、ロボットコントローラ１１０、及びサーボバルブユ
ニット１１２を含んで構成される。図９にはソフトアー
ム１０８の構成図が示されている。ソフトアーム１０８
は空気圧で圧縮するゴム性のアクチュエータであり、ゴ
ム性のチューブの上に繊維コードを網状に編み上げ、両
端を金具で固定して構成される。空気圧サーボ系が指令
値に従って空気圧を制御することにより動作し、位置制
御と力制御を同時に行うことができる。
ニピュレータ制御システムの一例が示されている。この
制御システムは、ホストコンピュータ１００、画像処理
装置１０２、カメラ１０４，１０６、ソフトアーム１０
８、ロボットコントローラ１１０、及びサーボバルブユ
ニット１１２を含んで構成される。図９にはソフトアー
ム１０８の構成図が示されている。ソフトアーム１０８
は空気圧で圧縮するゴム性のアクチュエータであり、ゴ
ム性のチューブの上に繊維コードを網状に編み上げ、両
端を金具で固定して構成される。空気圧サーボ系が指令
値に従って空気圧を制御することにより動作し、位置制
御と力制御を同時に行うことができる。
【００３１】このようなソフトアームの如く機械的な要
素によりスティフネスが実現されている場合、図６及び
図７に示されたフィードバック誤差学習法は図１０に示
されるスキームで行われる。ここで、ＥＴＰ１０には目
標軌道ｘd と目標力ｆd が入力され、平衡軌道ｘνが計
算される。力制御（拘束運動）を行う場合、ＥＴＰ１０
には拘束される面上での位置、速度、加速度と目標とす
る力などが入力される。一方、軌道制御（自由運動）を
行う場合、ＥＴＰ１０には目標とする軌道の位置、速
度、加速度などが入力される。ここで、ＥＴＰ１０はニ
ューラルネットワークモデル、テーブル、ルール、数式
等で構成される。ＥＴＰ１０に多層神経回路モデルを用
いた場合には、フィードバック誤差学習とバックプロパ
ゲーション学習則との組み合わせにより学習できる。
素によりスティフネスが実現されている場合、図６及び
図７に示されたフィードバック誤差学習法は図１０に示
されるスキームで行われる。ここで、ＥＴＰ１０には目
標軌道ｘd と目標力ｆd が入力され、平衡軌道ｘνが計
算される。力制御（拘束運動）を行う場合、ＥＴＰ１０
には拘束される面上での位置、速度、加速度と目標とす
る力などが入力される。一方、軌道制御（自由運動）を
行う場合、ＥＴＰ１０には目標とする軌道の位置、速
度、加速度などが入力される。ここで、ＥＴＰ１０はニ
ューラルネットワークモデル、テーブル、ルール、数式
等で構成される。ＥＴＰ１０に多層神経回路モデルを用
いた場合には、フィードバック誤差学習とバックプロパ
ゲーション学習則との組み合わせにより学習できる。
【００３２】また、ＦＣ１４は通常よく用いられるフィ
ードバック制御器であり、制御則にはＰＩＤ制御器等が
用いられる。力制御（拘束運動）を行う場合、フィード
バック制御則には、力に関するＰＩ制御則等が用いられ
る。
ードバック制御器であり、制御則にはＰＩＤ制御器等が
用いられる。力制御（拘束運動）を行う場合、フィード
バック制御則には、力に関するＰＩ制御則等が用いられ
る。
【００３３】
【数５】 軌道制御（自由運動）を行う場合、フィードバック制御
則には、位置に関するＰＩＤ制御則等が用いられる。
則には、位置に関するＰＩＤ制御則等が用いられる。
【００３４】
【数６】 また、逆運動学モデル器ＩＫＭ１６は作業座標から関節
角などの座標系に座標変換する。逆静力学モデル器ＩＳ
Ｍ１８は目標とする姿勢を決定するための制御入力を計
算する。ＩＳＭ１８、ＩＫＭ１６もＥＴＰ１０と同様に
ニューラルネットモデル、テーブル、ルール、数式など
で構成される。ＥＴＰ１０と同様に、ＩＳＭ１８やＩＫ
Ｍ１６に多層神経回路モデルを用いた場合、フィードバ
ック誤差学習とバックプロパゲーション学習則との組み
合わせにより学習できる。
角などの座標系に座標変換する。逆静力学モデル器ＩＳ
Ｍ１８は目標とする姿勢を決定するための制御入力を計
算する。ＩＳＭ１８、ＩＫＭ１６もＥＴＰ１０と同様に
ニューラルネットモデル、テーブル、ルール、数式など
で構成される。ＥＴＰ１０と同様に、ＩＳＭ１８やＩＫ
Ｍ１６に多層神経回路モデルを用いた場合、フィードバ
ック誤差学習とバックプロパゲーション学習則との組み
合わせにより学習できる。
【００３５】このように、制御対象が弾性的な性質を有
する場合に本実施例の制御スキームは有効であり、以
下、本実施例の制御スキームを粘弾性特性をもつ２関節
型マニピュレータに適用した結果について示す。
する場合に本実施例の制御スキームは有効であり、以
下、本実施例の制御スキームを粘弾性特性をもつ２関節
型マニピュレータに適用した結果について示す。
【００３６】図１２には人の腕のモデルである２関節６
筋モデル（片山正純、川人光男：“並列階層制御神経回
路モデルにより予測される人腕の仮想軌道と剛楕円
体”、電子情報通信学会、１９９１年）が示されてお
り、単関節筋（肩関節に２筋と肘関節に２筋）と多関節
筋（二頭筋と三頭筋）を用いて２関節アームとしてモデ
ル化したものである。なお、ＥＴＰ１０、ＩＳＭ１８、
ＩＫＭ１６には多層神経回路モデルを用いた。学習は上
記で説明した学習法（フィードバック誤差学習＋バック
プロパゲーション）を用いて行った。
筋モデル（片山正純、川人光男：“並列階層制御神経回
路モデルにより予測される人腕の仮想軌道と剛楕円
体”、電子情報通信学会、１９９１年）が示されてお
り、単関節筋（肩関節に２筋と肘関節に２筋）と多関節
筋（二頭筋と三頭筋）を用いて２関節アームとしてモデ
ル化したものである。なお、ＥＴＰ１０、ＩＳＭ１８、
ＩＫＭ１６には多層神経回路モデルを用いた。学習は上
記で説明した学習法（フィードバック誤差学習＋バック
プロパゲーション）を用いて行った。
【００３７】図１６及び図１７にはこのモデルを用いて
軌道と力の制御実験を計算機シミュレーションにより行
った結果が示されている。シミュレーションに必要な腕
に関するパラメータ、筋に関するパラメータ、及びモー
メントアームはそれぞれ図１３、図１４、図１５に示さ
れており、ｋ0 、ｂ0 は筋のもつ固有の弾性、粘性であ
り、θは関節角、Ｍはリンクの重さ、Ｌはリンクの長
さ、Ｉは慣性モーメントである（前述の“並列階層制御
神経回路モデルにより予測される人腕の仮想軌道と剛楕
円体”参照）。本シミュレーションにおける制御内容
は、図１６に示されるように、まず、手先が壁に向かっ
て軌道制御され、次に、壁に接触してから力制御され、
最後に、壁から離れて軌道制御されるものである。図１
６にはこの時の平衡軌道ｘe 、目標軌道、及び実際の軌
道が示されており、図１７には目標力ｆd と実現された
力ｆext が示されている。図１６と図１７から手先の軌
道と力が精度良く制御されていることが確認できた。
軌道と力の制御実験を計算機シミュレーションにより行
った結果が示されている。シミュレーションに必要な腕
に関するパラメータ、筋に関するパラメータ、及びモー
メントアームはそれぞれ図１３、図１４、図１５に示さ
れており、ｋ0 、ｂ0 は筋のもつ固有の弾性、粘性であ
り、θは関節角、Ｍはリンクの重さ、Ｌはリンクの長
さ、Ｉは慣性モーメントである（前述の“並列階層制御
神経回路モデルにより予測される人腕の仮想軌道と剛楕
円体”参照）。本シミュレーションにおける制御内容
は、図１６に示されるように、まず、手先が壁に向かっ
て軌道制御され、次に、壁に接触してから力制御され、
最後に、壁から離れて軌道制御されるものである。図１
６にはこの時の平衡軌道ｘe 、目標軌道、及び実際の軌
道が示されており、図１７には目標力ｆd と実現された
力ｆext が示されている。図１６と図１７から手先の軌
道と力が精度良く制御されていることが確認できた。
【００３８】さらに、図１２の人腕のモデルを用いて軌
道制御実験を計算機シミュレーションにより行った。こ
の時の平衡軌道、目標軌道、実際の軌道が図１８に示さ
れている。この結果から軌道制御も可能であることが確
認された。
道制御実験を計算機シミュレーションにより行った。こ
の時の平衡軌道、目標軌道、実際の軌道が図１８に示さ
れている。この結果から軌道制御も可能であることが確
認された。
【００３９】一方、このように機械的な要素によりステ
ィフネスが実現されている場合ではなく、手先のインピ
ーダンスが下位フィードバック制御ループにより制御さ
れている場合（インピーダンス制御）にも本発明の手法
は適用できる。図１１には制御対象がスティフネス制御
される場合が示されている。ＥＴＰ１０とＦＣ１４は図
１０と同様である。
ィフネスが実現されている場合ではなく、手先のインピ
ーダンスが下位フィードバック制御ループにより制御さ
れている場合（インピーダンス制御）にも本発明の手法
は適用できる。図１１には制御対象がスティフネス制御
される場合が示されている。ＥＴＰ１０とＦＣ１４は図
１０と同様である。
【００４０】図１１において、τは関節トルク、ＫとＢ
は弾性係数と粘性係数（ダンピング）を表す。ＫとＢは
タスク遂行に適した値に設定され、下位フィードバック
制御ループにより以下のようにインピーダンス制御され
ている。
は弾性係数と粘性係数（ダンピング）を表す。ＫとＢは
タスク遂行に適した値に設定され、下位フィードバック
制御ループにより以下のようにインピーダンス制御され
ている。
【００４１】
【数７】 （７）式の場合はスティフネスと粘性が制御されてい
る。制御対象１２としては、通常ＦＡ等に用いられる多
関節型マニピュレータ等が制御対象として考えられる。
る。制御対象１２としては、通常ＦＡ等に用いられる多
関節型マニピュレータ等が制御対象として考えられる。
【００４２】このように、本実施例では、通常の学習制
御とは違い、トルク、力、モータやバルブへの指令を直
接学習するのではなく、仮想軌道を学習することにより
マニピュレータをフィードフォワード制御するものであ
り、力のみならず軌道をも正確、かつ迅速に制御するこ
とができる。
御とは違い、トルク、力、モータやバルブへの指令を直
接学習するのではなく、仮想軌道を学習することにより
マニピュレータをフィードフォワード制御するものであ
り、力のみならず軌道をも正確、かつ迅速に制御するこ
とができる。
【００４３】なお、本実施例では仮想軌道の学習法とし
てはフイードバック誤差学習法を用いたが、もちろん、
直接逆モデリング、順逆モデリングなどの学習則を用い
ることが可能であることは言うまでもない。
てはフイードバック誤差学習法を用いたが、もちろん、
直接逆モデリング、順逆モデリングなどの学習則を用い
ることが可能であることは言うまでもない。
【００４４】
【発明の効果】以上説明したように、本発明のマニピュ
レータ制御方法によれば、学習により平衡位置（軌道）
が計画されるので制御の性能が向上する効果がある。ま
た、学習により獲得された平衡位置を制御対象に供給す
ることによりフィードフォワード制御が可能となり、力
だけでなく軌道（位置）も同時に制御することができる
効果がある。
レータ制御方法によれば、学習により平衡位置（軌道）
が計画されるので制御の性能が向上する効果がある。ま
た、学習により獲得された平衡位置を制御対象に供給す
ることによりフィードフォワード制御が可能となり、力
だけでなく軌道（位置）も同時に制御することができる
効果がある。
【図１】本発明のマニピュレータ制御方法における制御
スキームを示す説明図である。
スキームを示す説明図である。
【図２】本発明のマニピュレータ制御方法の作用説明図
である。
である。
【図３】フィードバック誤差学習法の概念図である。
【図４】直接逆モデリング学習法の概念図である。
【図５】順逆モデリング学習法の概念図である。
【図６】本発明の一実施例におけるフィードバック誤差
学習法を用いた制御スキームを示す説明図である。
学習法を用いた制御スキームを示す説明図である。
【図７】同実施例における学習フローチャートである。
【図８】同実施例における制御システム構成図である。
【図９】同実施例におけるソフトアームの構成図であ
る。
る。
【図１０】制御対象が機械的に弾性特性を有する場合の
制御スキームを示す説明図である。
制御スキームを示す説明図である。
【図１１】制御対象がスティフネス制御されている場合
の制御スキームを示す説明図である。
の制御スキームを示す説明図である。
【図１２】人の腕のモデルである２関節６筋モデルの説
明図である。
明図である。
【図１３】同モデルにおける筋のパラメータを示す図で
ある。
ある。
【図１４】同モデルにおけるアームのパラメータを示す
図である。
図である。
【図１５】同モデルにおけるモーメントアームを示す図
である。
である。
【図１６】手先軌道と平衡軌道のシミュレーション結果
を示す図である。
を示す図である。
【図１７】目標力と実際の力のシミュレーション結果を
示す図である。
示す図である。
【図１８】軌道制御のシミュレーション結果を示す図で
ある。
ある。
【図１９】制御対象をバネ−マス系とした場合の説明図
である。
である。
【図２０】図１９においてバネの先端が拘束された状態
を示す説明図である。
を示す説明図である。
【図２１】バネーマス系における軌道制御の場合の説明
図である。
図である。
【図２２】多関節マニピュレータの力制御の説明図であ
る。
る。
【図２３】多関節マニピュレータの軌道制御の説明図で
ある。
ある。
【図２４】スティフネスの変化による力の変化を示す図
である。
である。
１０ ＥＴＰ（平衡軌道計画器） １２ 制御対象 １４ フィードバック制御器
───────────────────────────────────────────────────── フロントページの続き (72)発明者 川人 光男 京都府相楽郡精華町大字乾谷小字三平谷 ５番地 株式会社エイ・ティ・アール人 間情報通信研究所内 (56)参考文献 特開 平６−19508（ＪＰ，Ａ) 特開 平６−289918（ＪＰ，Ａ) 特開 平６−79666（ＪＰ，Ａ) 特開 平６−149308（ＪＰ，Ａ) 特開 平４−340601（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) B25J 3/00 - 3/04 B25J 9/10 - 9/22 B25J 13/00 - 13/08 B25J 19/02 - 19/06 G05B 19/18 - 19/46 G05B 11/32,13/02 G05D 3/12
Claims (2)
- 【請求項１】 制御量として平衡位置を与えることによ
りマニピュレータの位置及び力を所望の値に制御するマ
ニピュレータ制御方法であって、 前記平衡位置の時系列データを学習により平衡軌道デー
タとして獲得し、この平衡軌道データを制御量として与
えることによりマニピュレータをフィードフォワード制
御することを特徴とするマニピュレータ制御方法。 - 【請求項２】 請求項１記載のマニピュレータ制御方法
において、 前記学習はフィードバック誤差学習法、直接逆モデリン
グ法、順逆モデリング法のいずれかの方法により行うこ
とを特徴とするマニピュレータ制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05099586A JP3105694B2 (ja) | 1993-04-26 | 1993-04-26 | マニピュレータ制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05099586A JP3105694B2 (ja) | 1993-04-26 | 1993-04-26 | マニピュレータ制御方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06320451A JPH06320451A (ja) | 1994-11-22 |
| JP3105694B2 true JP3105694B2 (ja) | 2000-11-06 |
Family
ID=14251206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP05099586A Expired - Fee Related JP3105694B2 (ja) | 1993-04-26 | 1993-04-26 | マニピュレータ制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3105694B2 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004011236A1 (de) * | 2004-03-04 | 2005-09-29 | Bayerische Motoren Werke Ag | Prozesssteuersystem |
| JP2008121783A (ja) * | 2006-11-13 | 2008-05-29 | Japan Science & Technology Agency | 関節システム |
| JP4685071B2 (ja) * | 2007-08-08 | 2011-05-18 | 住友重機械工業株式会社 | モータ制御装置及びモータ制御方法 |
| US8401702B2 (en) | 2008-06-06 | 2013-03-19 | Panasonic Corporation | Robot, and control apparatus, control method, and control program for robot |
| JP6305673B2 (ja) | 2011-11-07 | 2018-04-04 | セイコーエプソン株式会社 | ロボット制御システム、ロボットシステム及びロボット |
| JP7199178B2 (ja) * | 2018-08-28 | 2023-01-05 | 株式会社東芝 | ロボット制御装置、ロボット装置、ロボット制御のパラメータ調整方法、およびプログラム |
| CN113518958A (zh) | 2019-03-29 | 2021-10-19 | 株式会社小松制作所 | 工业机械、控制装置、控制校正装置、及控制方法 |
| CN111319042B (zh) * | 2020-02-06 | 2023-03-07 | 北京凡川智能机器人科技有限公司 | 一种基于遗忘因子动态参数的机器人柔顺装配控制方法 |
| CN112612203B (zh) * | 2020-12-17 | 2024-07-09 | 上海电气集团股份有限公司 | 康复机器人的控制方法、***、电子设备及存储介质 |
-
1993
- 1993-04-26 JP JP05099586A patent/JP3105694B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06320451A (ja) | 1994-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3436320B2 (ja) | 非線形システムの出力軌道と動特性の制御方法および装置 | |
| Lakhal et al. | Hybrid approach for modeling and solving of kinematics of a compact bionic handling assistant manipulator | |
| Jung et al. | Neural network impedance force control of robot manipulator | |
| Best et al. | Control of a pneumatically actuated, fully inflatable, fabric-based, humanoid robot | |
| CN108555914B (zh) | 一种基于腱驱动灵巧手的dnn神经网络自适应控制方法 | |
| JP3105694B2 (ja) | マニピュレータ制御方法 | |
| Deutschmann et al. | Position control of an underactuated continuum mechanism using a reduced nonlinear model | |
| JP3369351B2 (ja) | 多関節マニピュレータの弾性設定方法および制御装置 | |
| Perrusquía et al. | Task space human-robot interaction using angular velocity Jacobian | |
| Sharkawy | Intelligent control and impedance adjustment for efficient human-robot cooperation | |
| Avizzano et al. | The hand force feedback: analysis and control of a haptic device for the human-hand | |
| JPH07319507A (ja) | ロボット制御装置 | |
| Huang et al. | Motion Regulation Solutions to Holding and Moving an Object for Single-Leader–Dual-Follower Teleoperation | |
| Yıldırım | Adaptive robust neural controller for robots | |
| Best | Position and stiffness control of inflatable robotic links using rotary pneumatic actuation | |
| Desoyer et al. | Flexible robots-A survey | |
| Moya et al. | Delayed teleoperation with force feedback of a humanoid robot | |
| Sado et al. | Adaptive hybrid impedance control for a 3DOF upper limb rehabilitation robot using hybrid automata | |
| Liu et al. | Robot trajectory modification using human-robot force interaction | |
| Adel et al. | Bilateral control of nonlinear teleoperation system using parallel force/position control approach and online environment estimation | |
| Wang et al. | Fuzzy-neuro position/force control for robotic manipulators with uncertainties | |
| Tahara et al. | Sensory-motor control of a muscle redundant arm for reaching movements-convergence analysis and gravity compensation | |
| Kim et al. | Attitude Control of Planar Space Robot based on Self-Organizing Data Mining Algorithm | |
| Chen | Robot manipulators intelligent motion and force control | |
| Cui et al. | Automated Folding of a Deformable Thin Object through Robot Manipulators |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |