JP7094210B2 - 特性推定システム、特性推定方法、及びプログラム - Google Patents

Description

本発明は、特性推定システム、特性推定方法、及びプログラムに関する。

特許文献１には、対象物を把持するロボットハンド等の産業機器の物理量のトレースデータをクラウドサーバにアップロードし、クラウドサーバにアップロードされたトレースデータを解析者に解析させるシステムが記載されている。

国際公開第２０１５－０６８２１０号公報

本発明が解決しようとする課題は、例えば、対象物の特性を推定することである。

本発明の一側面に係る特性推定システムは、対象物を把持するロボットハンドと、前記ロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンドを動作させる動作制御部と、前記ロボットハンドが前記対象物を把持する場合の物理量を取得する物理量取得部と、前記物理量に基づいて、前記対象物の特性を推定する推定部と、を有する。

本発明の一側面に係る特性推定方法は、対象物を把持するロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンドを動作させ、前記ロボットハンドが前記対象物を把持する場合の物理量を取得し、前記物理量に基づいて、前記対象物の特性を推定する。

本発明の一側面に係るプログラムは、対象物を把持するロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンドを動作させる動作制御部、前記ロボットハンドが前記対象物を把持する場合の物理量を取得する物理量取得部、前記物理量に基づいて、前記対象物の特性を推定する推定部、としてコンピュータを機能させる。

また、本発明の一側面によれば、前記推定部により推定された特性に基づいて、前記物理量を解析するコンピュータに対し、前記物理量が格納されたデータを送信する送信部、を有する。

また、本発明の一側面によれば、前記推定部により推定された特性に基づいて、前記ロボットハンドが前記対象物を把持する工程よりも前の工程を変更する工程変更部、を有する。

また、本発明の一側面によれば、前記推定部により推定された特性に基づいて、前記動作情報を変更する動作情報変更部、を有する。

また、本発明の一側面によれば、前記物理量は、トルク信号であり、前記対象物の製造周期ごとに取得された前記トルク信号の変化に基づいて、前記対象物の特性を推定する第１推定部、を有する。

また、本発明の一側面によれば、前記物理量は、トルク信号であり、前記トルク信号の立ち上がりタイミングに基づいて、前記対象物の特性を推定する第２推定部、を有する。

また、本発明の一側面によれば、前記物理量は、トルク信号であり、前記トルク信号の収束タイミングに基づいて、前記対象物の特性を推定する第３推定部、を有する。

また、本発明の一側面によれば、前記物理量は、トルク信号であり、前記トルク信号のピーク値に基づいて、前記対象物の特性を推定する第４推定部、を有する。

また、本発明の一側面によれば、前記物理量は、トルク信号であり、前記トルク信号が収束した場合の収束値に基づいて、前記対象物の特性を推定する第５推定部、を有する。

上記発明によれば、例えば、対象物の特性を推定することができる。

実施形態に係る特性推定システムの全体構成を示す図である。 特性推定システムが利用される様子を示す図である。 特性推定システムで実現される機能を示す機能ブロック図である。 データベースのデータ格納例を示す図である。 物理量取得部により取得された物理量の一例を示す図である。 対象物の特性を推定する処理を説明するための図である。 対象物の特性を推定する処理を説明するための図である。 対象物の特性を推定する処理を説明するための図である。 特性推定システムで実行される処理を示すフロー図である。 変形例の機能ブロック図である。

［１．特性推定システムの全体構成］
本発明の発明者の見地によれば、例えば、工場等で製品を製造する場合に製品の検査に手間がかかることがあり、ロボットハンドで対象物を把持した場合に、サイズ、形状、又は固さ等の特性を推定することができれば、検査の手間を軽減したり、品質を向上させたりすることができる。そこで、本発明の発明者は、対象物の特性を推定するために鋭意研究開発を行った結果、新規かつ独創的な特性推定システム等に想到した。以降、本実施形態に係る特性推定システム等を詳細に説明する。

図１は、実施形態に係る特性推定システムの全体構成を示す図である。図１に示すように、特性推定システム１は、ユーザ端末１０、ロボットコントローラ２０、及びロボット３０を含む。ユーザ端末１０とロボットコントローラ２０との各々は、インターネットやローカルエリアネットワーク等のネットワークＮに接続される。なお、図１では、ユーザ端末１０、ロボットコントローラ２０、及びロボット３０を１つずつ示しているが、これらは複数台あってもよい。

ユーザ端末１０は、ユーザが操作するコンピュータである。例えば、ユーザ端末１０は、パーソナルコンピュータ、携帯電話（スマートフォンを含む）、又は携帯端末（タブレット型端末を含む）である。ユーザ端末１０は、ＣＰＵ１１、記憶部１２、通信部１３、操作部１４、及び表示部１５を含む。

ＣＰＵ１１は、少なくとも１つのプロセッサを含む。記憶部１２は、ＲＡＭ等の揮発性メモリとハードディスク等の不揮発性メモリを含み、各種プログラムやデータを記憶する。ＣＰＵ１１は、これらプログラムやデータに基づいて各種処理を実行する。通信部１３は、ネットワークカードや各種通信コネクタ等の通信インタフェースを含み、他の装置との通信を行う。操作部１４は、マウスやキーボード等の入力デバイスである。表示部１５は、液晶ディスプレイ又は有機ＥＬディスプレイ等であり、ＣＰＵ１１の指示により各種画面を表示する。

ロボットコントローラ２０は、ロボット３０を制御するコンピュータである。ロボットコントローラ２０は、特定のロボット３０に特化した専用機器であってもよいが、本実施形態では、汎用コンピュータであるものとする。ロボットコントローラ２０は、ＣＰＵ２１、記憶部２２、及び通信部２３を含む。ＣＰＵ２１、記憶部２２、及び通信部２３は、それぞれＣＰＵ１１、記憶部１２、及び通信部１３と同様の構成である。ロボットコントローラ２０は、ロボット３０に動作指示を送る。ロボットコントローラ２０は、複数台のロボット３０を制御してもよい。

ロボット３０は、例えば、産業用ロボットである。ロボット３０は、汎用の多関節ロボットであってよく、例えば、垂直多関節型、水平多関節型、又はガントリ型といった種々の形式のロボットを適用可能である。ロボット３０のアーム数は、任意であってよく、１本のみのアームであってもよいし、複数本のアームであってもよい。ロボット３０は、ロボットハンド３１及びセンサ部３２を含む。

ロボットハンド３１は、作業用ハンド又はエンドエフェクタとも呼ばれる。ロボットハンド３１は、ロボット３０のロボットアームの先端に取り付けられ、対象物を把持して所定の位置まで運ぶ。ロボットハンド３１の動作に必要な動力は、ロボット３０の内部を通る電力線により供給される。電力線から供給される電力によってロボットハンド３１内部のモータが回転し、ロボットハンド３１の開閉が制御される。モータが所定方向に回転すると、ロボットハンド３１の指先が閉じる方向に移動し、モータが逆方向に回転すると、ロボットハンド３１の指先が閉じる方向に移動する。なお、モータは、回転式に限られず、リニア式であってもよい。

センサ部３２は、ロボット３０の動作を検出するセンサを含む。本実施形態では、センサ部３２がロボットハンド３１の動作を検出する場合を説明するが、センサ部３２は、ロボット３０のロボットアームの動作を検出してもよい。例えば、センサ部３２は、トルクセンサ、力センサ、及びモータエンコーダの少なくとも１つを含む。トルクセンサは、ロボットハンド３１内部のモータが回転する際のトルクを検出するセンサである。トルクセンサは、静電容量式又は光学式といった任意の方式を適用可能である。力センサは、ロボットハンド３１の先端に加わる力を検出するセンサである。力センサは、力覚センサ又は触覚センサとも呼ばれ、ひずみゲージ式又は静電容量式といった任意の方式を適用可能である。モータエンコーダは、ロボットハンド３１内部のモータの位置を検出するセンサであり、例えば、回転式のモータであれば回転量（回転位置・回転角度）を検出し、リニア式のモータであれば直線上の移動量（現在位置）を検出する。モータエンコーダは、光学式又は磁気式といった任意の方式を適用可能である。

なお、記憶部１２，２２に記憶されるものとして説明するプログラム及びデータは、ネットワークＮを介してユーザ端末１０又はロボットコントローラ２０に供給されるようにしてもよい。また、各装置のハードウェア構成は、上記の例に限られず、種々のハードウェアを適用可能である。例えば、ユーザ端末１０及びロボットコントローラ２０の各々は、コンピュータ読み取り可能な情報記憶媒体を読み取る読取部（例えば、光ディスクドライブやメモリカードスロット）や外部機器と直接的に接続するための入出力部（例えば、ＵＳＢ端子）を含んでもよい。この場合、情報記憶媒体に記憶されたプログラムやデータが読取部又は入出力部を介して、ユーザ端末１０又はロボットコントローラ２０に供給されるようにしてもよい。

［２．特性推定システムの概要］
図２は、特性推定システム１が利用される様子を示す図である。例えば、特性推定システム１は、加工食品を製造する工場等の施設で用いられ、図２に示すように、ロボットハンド３１は、対象物Ｏを把持する。

対象物Ｏは、ロボットハンド３１が把持する物体であり、ワークとも呼ばれる。最終的な製品が対象物Ｏに相当してもよいし、製品の製造過程で生成される中間生成物が対象物Ｏに相当してもよい。例えば、対象物Ｏは、ベルトコンベア等によってロボット３０の作業範囲内に移動し、ロボットコントローラ２０の制御によって動作するロボットハンド３１によって把持される。

特性推定システム１は、任意の製品が製造される場面で用いられてよいが、本実施形態では、加工食品が製造される場面を例に挙げて、特性推定システム１の動作を説明する。加工食品の製造工程自体は、一般的な製造工程であってよく、例えば、原料生成工程、成形工程、及び加熱工程といった工程を含む。

原料生成工程は、加工食品の原料を生成する工程である。例えば、原料生成工程では、原材料に調味料などが加えられて撹拌される。成形工程は、原料生成工程で生成された原料を成形する工程である。例えば、成形工程では、口金などから原料を押し出したり、型枠に原料を流し込んだりすることによって、原料が成形される。加熱工程は、成形された原料を加熱する工程である。例えば、加熱工程では、成形された原料がオーブンや蒸し器などを通過することによって、原料の過熱が行われる。

本実施形態では、成形工程を終えた成形済みの原料が対象物Ｏに相当する場合を説明する。ロボットハンド３１は、成形工程を終えた対象物Ｏを把持し、センサ部３２のトルクセンサ等によって検出された物理量に基づいて、当該対象物Ｏのサイズ、形状、又は固さといった種々の特性を推定するようになっている。以降、特性推定システム１が有する構成の詳細を説明する。

［３．特性推定システムで実現される機能］
図３は、特性推定システム１で実現される機能を示す機能ブロック図である。ここでは、ユーザ端末１０及びロボットコントローラ２０の各々で実現される機能について説明する。

［３－１．ロボットコントローラで実現される機能］
図３に示すように、ロボットコントローラ２０では、動作制御部２００が実現される。動作制御部２００は、ＣＰＵ２１を主として実現される。動作制御部２００は、ロボットハンド３１の動作を定義した動作情報に基づいて、ロボットハンド３１を動作させる。動作情報には、ロボットハンド３１を開閉させるタイミング及びその強さ（速さ）が定義されている。動作制御部２００は、動作情報が示すタイミング及び強さに基づいて、ロボットハンド３１を開閉させる。

本実施形態では、ロボットハンド３１は、第１の位置に配置された対象物Ｏを把持し、第２の位置に移動させるので、動作情報には、ロボットハンド３１を第１の位置に移動させ、所定のタイミング及び強さで手を閉じ、一定の把持強度を維持しながらロボットハンド３１を第２の位置に移動する旨の命令及びパラメータが示されている。動作制御部２００は、動作情報が示す命令及びパラメータに基づいて、ロボットハンド３１を第１の位置に移動させ、所定のタイミング及び強さで手を閉じさせた後に、一定の把持強度を維持しながらロボットハンド３１を第２の位置に移動させて手を開かせる。

本実施形態では、対象物Ｏが周期的に製造されるので、動作情報には、各周期におけるロボットハンド３１の動作が示されている。例えば、動作制御部２００は、周期の開始時点が訪れた場合に、動作情報に基づいて、ロボットハンド３１を動作させる。動作制御部２００は、計時処理を実行して周期の開始時点が訪れたか否かを判定してもよいし、対象物Ｏが所定の位置に移動したことを検出するセンサを用意しておき、当該センサからの信号に基づいて、周期の開始時点が訪れたか否かを判定してもよい。

例えば、ロボットハンド３１内のモータが回転式であれば、動作情報には、モータを回転させるタイミングや回転量が定義されている。動作制御部２００は、動作情報が示すタイミング及び回転量でモータが回転するように、モータに対する出力電圧を制御する。また例えば、ロボットハンド３１内のモータがリニア式であれば、動作情報には、モータを移動させるタイミングや移動量が定義されている。動作制御部２００は、動作情報が示すタイミング及び移動量でモータが移動するように、モータに対する出力電圧を制御する。

なお、動作情報には、ロボットハンド３１の動作だけでなく、ロボット３０のロボットアームの動作が定義されていてもよい。動作制御部２００は、動作情報に基づいて、対象物Ｏの位置にロボットハンド３１が移動するように、ロボット３０のロボットアームを動作させてもよい。

［３－２．ユーザ端末で実現される機能］
図３に示すように、ユーザ端末１０では、データ記憶部１００、物理量取得部１０１、及び推定部１０２が実現される。

［データ記憶部］
データ記憶部１００は、記憶部１２を主として実現される。データ記憶部１００は、対象物Ｏの特性を推定するために必要なデータを記憶する。例えば、データ記憶部１００は、物理量取得部１０１により取得された物理量を格納するためのデータベースＤＢを記憶する。

図４は、データベースＤＢのデータ格納例を示す図である。図４に示すように、データベースＤＢには、物理量取得部１０１により取得された物理量が時系列的に格納され、例えば、物理量が取得日時に関連付けられて格納される。複数種類の物理量が取得される場合には、物理量の種類（センサの種類）や物理量が検出された軸の名前といった情報がデータベースＤＢに格納されてもよい。

物理量は、センサ部３２により検出されたロボットハンド３１の動作を示す情報である。物理量は、任意の種類の情報であってよく、例えば、センサ部３２のトルクセンサによって検出されたトルク信号（トルク値）、センサ部３２の力センサによって検出された力信号（圧力値）、又はセンサ部３２のモータエンコーダによって検出されたエンコーダ信号（回転量又は移動量）である。

本実施形態では、製品が周期的に製造されるので、データベースＤＢには、周期ごとに、当該周期で検出された物理量が格納される。別の言い方をすれば、データベースＤＢには、対象物Ｏごとに、当該対象物Ｏをロボットハンド３１が把持した場合に検出された物理量が格納される。

なお、データ記憶部１００が記憶するデータは、上記の例に限られない。例えば、データ記憶部１００は、後述する閾値や基準値を記憶してもよいし、物理量を収集したり解析したりするためのアプリケーションを記憶してもよい。

［物理量取得部］
物理量取得部１０１は、ＣＰＵ１１を主として実現される。物理量取得部１０１は、ロボットハンド３１が対象物Ｏを把持する場合の物理量を取得する。物理量取得部１０１は、センサ部３２の検出信号に基づいて、物理量を取得する。本実施形態では、物理量取得部１０１がセンサ部３２の検出信号をそのまま物理量として取得する場合を説明するが、物理量取得部１０１は、センサ部３２の検出信号が示す値の倍率等を加工したうえで、物理量として取得してもよい。

物理量取得部１０１は、物理量を取得すると、取得時間と関連付けてデータベースＤＢに格納する。例えば、物理量取得部１０１は、センサ部３２のトルクセンサにより検出されたトルク信号を物理量として取得してデータベースＤＢに格納する。また例えば、物理量取得部１０１は、センサ部３２の力センサにより検出された力信号を物理量として取得してデータベースＤＢに格納する。また例えば、物理量取得部１０１は、センサ部３２のモータエンコーダにより検出されたエンコーダ信号を物理量として取得してデータベースＤＢに格納する。

物理量取得部１０１は、予め定められた期間（以降、取得対象期間という）において検出された物理量を取得する。取得対象期間は、ロボットハンド３１が対象物Ｏに触れている期間の全部を含んでいてもよいし、一部の期間だけを含んでいてもよい。即ち、取得対象期間は、ロボットハンド３１が対象物Ｏを把持するために対象物Ｏに触れる時点から、ロボットハンド３１が対象物Ｏを移動させて対象物Ｏから離すまでの全ての期間を含んでいてもよいし、一部の期間だけを含んでいてもよい。別の言い方をすれば、取得対象期間は、ロボットハンド３１が対象物Ｏを把持するために手を閉じる動作を開始してから、ロボットハンド３１の手が開いて対象物Ｏを離し終わるまでの期間の全部を含んでいてもよいし、一部の期間だけを含んでいてもよい。本実施形態のように周期的に製品が製造される場合には、対象期間は、周期の全てを含んでいてもよいし、一部だけを含んでいてもよい。

図５は、物理量取得部１０１により取得された物理量の一例を示す図である。ここでは、物理量の一例としてトルク信号を説明する。なお、図５の横軸（ｔ軸）は時間軸であり、縦軸（Ｔ軸）はトルク信号の値を示す軸である。図５では、トルク信号の波形をＴＳ１の符号で示す。ロボットハンド３１が閉じる動作を開始してから、対象物Ｏの把持が完了するまでのトルク信号ＴＳ１が示されている。図５に示すように、ロボットハンド３１が閉じる動作を開始してから、ロボットハンド３１が対象物Ｏに触れるまでは、トルク信号ＴＳ１は一定値となる（図５のｔ＝ｔ_１０～ｔ_１１）。

ロボットハンド３１が対象物Ｏに触れると、ロボットハンド３１は対象物Ｏに触れた部分から反発力を受けながら閉じる動作を継続するので、トルク信号ＴＳ１が立ち上がる（図５のｔ＝ｔ_１１）。ロボットハンド３１は、そのまま閉じる動作を継続し、最もトルクが発生してピーク値Ｔ_１１になった（図５のｔ＝ｔ_１２）後に、対象物Ｏが安定して把持された状態になり、トルク信号ＴＳ１は収束して収束値Ｔ_１２になる（図５のｔ＝ｔ_１３）。なお、以降では、特に図面を参照する必要のないときは、トルク信号の符号を省略する。

本実施形態では、対象物Ｏが周期的に製造されるので、トルク信号は、図５のＴＳ１に示すようなサイクルで変化する。もし仮に、対象物Ｏが倒れていてロボットハンド３１がつかめない場合には、ロボットハンド３１が対象物Ｏに触れないので、トルク信号は、ピークがなく一定値となる。他にも例えば、ロボットハンド３１が対象物Ｏを途中で落としたり、対象物Ｏを握りつぶして破壊したりした場合には、トルク信号は、収束した状態から急激に変化する。

［推定部］
推定部１０２は、ＣＰＵ１１を主として実現される。推定部１０２は、物理量に基づいて、対象物Ｏの特性を推定する。対象物Ｏの特性とは、対象物Ｏの状態、特徴、又は品質であり、例えば、対象物Ｏのサイズ、形状、又は固さ（硬さ）であってもよいし、異常発生の有無であってもよい。推定とは、物理量から対象物Ｏの特性を判定することである。

物理量と対象物Ｏの特性との関係は、プログラムコードの一部として記述されており、本実施形態では、物理量に関する複数の条件が用意されている。各条件には、対象物Ｏの特性が関連付けられており、推定部１０２は、物理量が満たす条件に関連付けられた特性を、対象物Ｏの特性として推定する。なお、推定対象となる対象物Ｏは、物理量の取得時に把持されていた対象物Ｏである。

以降、対象物Ｏの特性を推定するための条件の一例について説明する。本実施形態では、推定部１０２は、第１推定部１０２Ａ、第２推定部１０２Ｂ、第３推定部１０２Ｃ、第４推定部１０２Ｄ、及び第５推定部１０２Ｅを含み、複数の条件を総合的に考慮して対象物Ｏの特性を推定する。なお、以降の説明は、特性を推定する方法の一例であり、第１推定部１０２Ａ～第５推定部１０２Ｅの全てが実現されなければなわないわけではない。例えば、第１推定部１０２Ａ～第５推定部１０２Ｅの一部（何れか１つ、２つ、３つ、又は４つ）だけが実現されてもよい。図５の例と同様に、ここでは、物理量がトルク信号である場合を例に挙げて説明する。

［第１推定部］
本実施形態では、対象物Ｏが周期的に製造され、ある周期での対象物Ｏに異常が発生した場合には、ロボットハンド３１による把持のしかたが他の周期とは異なることがある。このため、第１推定部１０２Ａは、対象物の製造周期ごとに取得されたトルク信号の変化に基づいて、対象物Ｏの特性を推定する。

図６は、対象物Ｏの特性を推定する処理を説明するための図である。例えば、第１推定部１０２Ａは、推定対象となる対象物Ｏが製造された周期（以降、推定対象周期と記載する）におけるトルク信号と、比較対象となる他の周期（以降、比較対象周期と記載する）において製造された対象物Ｏが把持されたときのトルク信号と、の差異が閾値以上であるか否かを判定し、当該判定結果に基づいて、対象物Ｏの特性を推定する。

比較対象周期は、推定対象周期とは異なる周期であればよく、推定対象周期よりも前であってもよいし、推定対象周期よりも後であってもよい。少なくとも１つの周期が比較対象周期となればよく、１つの周期だけを比較対象周期としてもよいし、複数の周期を比較対象周期としてもよい。複数の周期が比較対象周期となる場合には、第１推定部１０２Ａは、全ての比較対象周期のトルク信号と推定対象周期のトルク信号とを個別に比較してもよいし、複数の比較対象周期の各々のトルク信号の平均値を算出したうえで、当該平均値と推定対象周期のトルク信号とを比較してもよい。

例えば、第１推定部１０２Ａは、推定対象周期におけるトルク信号ＴＳ２と、比較対象周期におけるトルク信号ＴＳ１と、の差異が閾値以上である場合に、推定対象周期における対象物Ｏに異常が発生したと推定し、当該差異が閾値未満である場合に、推定対象周期における対象物Ｏが正常であると推定する。

差異は、トルク信号の値の差やトルク信号が変化したタイミングの差である。トルク信号は、時間経過に応じて変化するので、第１推定部１０２Ａは、トルク信号の差の積分値を差異として取得してもよいし、トルク信号の差の平均値を差異として取得してもよい。他にも例えば、第１推定部１０２Ａは、トルク信号の差が最も大きかった時点の当該差の値を、差異として取得してもよい。図６の例では、トルク信号ＴＳ１，ＴＳ２は、信号が立ち上がるタイミングｔ_１１，ｔ_２１は同じであるが、その後のピーク値Ｔ_１１，Ｔ_２１及びそのタイミングｔ_１２，ｔ_２２も異なる。また、収束値Ｔ_１２，Ｔ_２２及びそのタイミングｔ_１３，ｔ_２３も異なる。これら信号値及びタイミングが差異として用いられる。

閾値は、予め定められた値であればよく、データ記憶部１００に記憶されているものとする。閾値は、固定値であってもよいし、可変値であってもよい。例えば、閾値は、ユーザが指定してもよいし、対象物Ｏの種類やロボット３０の種類に応じた値が設定されてもよい。

異常とは、標準的な対象物Ｏの特性になっていないことである。別の言い方をすれば、異常とは、標準的な対象物Ｏとの特性の誤差が許容範囲以上になることである。例えば、対象物Ｏのサイズ、形状、及び固さの少なくとも１つの誤差が許容範囲以上である場合には、異常となる。なお、標準的な対象物Ｏの特性とは、理想的な対象物Ｏの特性であり、ユーザが想定する対象物Ｏの特性である。本実施形態のように、加工食品の成形工程では、所定の形状となるように成形が行われるので、想定通りのサイズ、形状、及び固さを有することは、標準的な対象物Ｏの特性を有することに相当する。対象物Ｏが想定外の特性になることは、異常が発生することに相当する。

正常とは、異常の逆の意味であり、標準的な対象物Ｏの特性になることである。別の言い方をすれば、正常とは、標準的な対象物Ｏとの特性の誤差が許容範囲未満になることである。例えば、対象物Ｏのサイズ、形状、及び固さの少なくとも１つの誤差が許容範囲未満である場合には、正常となる。対象物Ｏが想定内の特性になることは、正常であることに相当する。

［第２推定部］
第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングに基づいて、対象物Ｏの特性を推定する。立ち上がりタイミングとは、ロボットハンド３１が対象物Ｏに触れる前においてトルク信号の変化が閾値未満である状態から、ロボットハンド３１が対象物Ｏに触れてトルク信号の変化が閾値以上の状態になるタイミングである。別の言い方をすれば、立ち上がりタイミングは、ロボットハンド３１が対象物Ｏに触れる前においてトルク信号の単位時間あたりの増加量が閾値未満である状態から、ロボットハンド３１が対象物Ｏに触れてトルク信号の単位時間あたりの増加量が閾値以上の状態になるタイミングである。なお、この閾値は、任意の値を設定可能であり、固定値であってもよいし、可変値であってもよい。

例えば、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏの特性を推定する。基準値は、予め定められたタイミングであればよく、例えば、ロボットハンド３１が標準的な対象物Ｏを把持する場合のトルク信号の立ち上がりタイミングである。基準値は、ユーザが手動で設定してもよいし、正常と判定された対象物Ｏのトルク信号の立ち上がりタイミングの平均値としてもよい。第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングが、標準的なタイミングに比べて早いか否かを判定することになる。

図７及び図８は、対象物Ｏの特性を推定する処理を説明するための図である。図７及び図８のトルク信号ＴＳ１は、標準的な対象物Ｏのトルク信号である。このため、基準値は、トルク信号ＴＳ１の立ち上がりタイミングｔ_１１である。例えば、対象物Ｏが標準的なサイズよりも大きい場合、ロボットハンド３１は、想定よりも早く対象物Ｏに触れるため、図７のトルク信号ＴＳ３に示すように、立ち上がりタイミングｔ_３１はトルク信号ＴＳ１よりも早くなる。一方、対象物Ｏが標準的なサイズよりも小さい場合、ロボットハンド３１は、想定よりも遅く対象物Ｏに触れるため、図８のトルク信号ＴＳ４に示すように、立ち上がりタイミングｔ_４１はトルク信号ＴＳ１よりも遅くなる。

このため、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングが基準値よりも早い場合に、対象物Ｏが標準よりも大きいと判定し、トルク信号の立ち上がりタイミングが基準値よりも遅い場合に、対象物Ｏが標準よりも小さいと判定してもよい。

また例えば、対象物Ｏの形状が標準的な形状よりも出っ張っている場合、ロボットハンド３１は、想定よりも早く対象物Ｏに触れるので、トルク信号ＴＳ３に示すように、立ち上がりタイミングｔ_３１はトルク信号ＴＳ１よりも早くなる。一方、対象物Ｏが標準的なサイズよりも凹んでいる場合、ロボットハンド３１は、想定よりも遅く対象物Ｏに触れるので、トルク信号ＴＳ４に示すように、立ち上がりタイミングｔ_４１はトルク信号ＴＳ１よりも遅くなる。

このため、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏの形状（凹凸の具合）を推定してもよい。即ち、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングが基準値よりも早い場合に、対象物Ｏが標準的な形状よりも出っ張っていると判定し、トルク信号の立ち上がりタイミングが基準値よりも遅い場合に、対象物Ｏが標準的な形状よりも凹んでいると判定してもよい。

また例えば、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングと基準値との差に基づいて、対象物Ｏの特性を推定してもよい。例えば、サイズの差が大きいほど立ち上がりタイミングの差が大きくなるので、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングと基準値との差に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第２推定部１０２Ｂは、これらの差が大きいほど標準的なサイズとの違いが大きく、これらの差が小さいほど標準的なサイズとの違いが小さいと推定してもよい。例えば、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングと基準値との差が閾値以上の場合には、対象物Ｏのサイズに異常が発生したと推定してもよい。

また例えば、形状の違いが大きいほど立ち上がりタイミングの差が大きくなるので、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングと基準値との差に基づいて、対象物Ｏの形状を推定してもよい。即ち、第２推定部１０２Ｂは、これらの差が大きいほど標準的な形状との違いが大きく、これらの差が小さいほど標準的な形状との違いが小さいと推定してもよい。例えば、第２推定部１０２Ｂは、トルク信号の立ち上がりタイミングと基準値との差が閾値以上の場合には、対象物Ｏの形状に異常が発生したと推定してもよい。

［第３推定部］
第３推定部１０２Ｃは、トルク信号の収束タイミングに基づいて、対象物の特性を推定する。収束タイミングとは、立ち上がりタイミングの後（又は、ピーク後）において、トルク信号の変化が閾値以上である状態から、トルク信号の変化が閾値未満の状態になるタイミングである。別の言い方をすれば、収束タイミングは、立ち上がりタイミングの後（又は、ピーク後）において、トルク信号の単位時間あたりの減少量が閾値以上である状態から、トルク信号の単位時間あたりの減少量が閾値未満の状態になるタイミングである。この閾値は、任意の値を設定可能であり、固定値であってもよいし、可変値であってもよい。

例えば、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏの特性を推定する。基準値は、予め定められたタイミングであればよく、例えば、ロボットハンド３１が標準的な対象物Ｏを把持する場合のトルク信号の収束タイミングである。基準値は、ユーザが手動で設定してもよいし、正常と判定された対象物Ｏのトルク信号の収束タイミングの平均値としてもよい。図７及び図８の例であれば、基準値は、トルク信号ＴＳ１の収束タイミングｔ_１３である。第３推定部１０２Ｃは、トルク信号の収束タイミングが、標準的なタイミングに比べて早いか否かを判定することになる。

例えば、対象物Ｏが標準的なサイズよりも大きい場合、ロボットハンド３１は、想定よりも早く対象物Ｏに触れて把持の完了も早くなるので、図７のトルク信号ＴＳ３に示すように、収束タイミングｔ_３３はトルク信号ＴＳ１よりも早くなる。一方、対象物Ｏが標準的なサイズよりも小さい場合、ロボットハンド３１は、想定よりも遅く対象物Ｏに触れて把持の完了も遅れるので、トルク信号ＴＳ４に示すように、収束タイミングｔ_４３はトルク信号ＴＳ１よりも遅くなる。

このため、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早い場合に、対象物Ｏが標準よりも大きいと判定し、トルク信号の収束タイミングが基準値よりも遅い場合に、対象物Ｏが標準よりも小さいと判定してもよい。

また例えば、対象物Ｏの形状が標準的な形状よりも出っ張っている場合、ロボットハンド３１は、想定よりも早く対象物Ｏに触れて把持の完了も早くなるので、トルク信号ＴＳ３に示すように、収束タイミングｔ_３３はトルク信号ＴＳ１よりも早くなる。一方、対象物Ｏが標準的なサイズよりも凹んでいる場合、ロボットハンド３１は、想定よりも遅く対象物Ｏに触れて把持の完了も遅れるので、トルク信号ＴＳ４に示すように、収束タイミングｔ_４３はトルク信号ＴＳ１よりも遅くなる。

このため、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏの形状を推定してもよい。即ち、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早い場合に、対象物Ｏが標準的な形状よりも出っ張っていると判定し、トルク信号の収束タイミングが基準値よりも遅い場合に、対象物Ｏが標準的な形状よりも凹んでいると判定してもよい。

また例えば、対象物Ｏの固さが標準的な固さよりも固い場合、ロボットハンド３１は、想定よりも早く対象物Ｏの把持を完了するので、トルク信号ＴＳ３に示すように、収束タイミングｔ_３３はトルク信号ＴＳ１よりも早くなる。一方、対象物Ｏの固さが標準的な固さよりも柔らかい場合、ロボットハンド３１は、想定よりも遅く対象物Ｏの把持を完了するので、トルク信号ＴＳ４に示すように、収束タイミングｔ_４３はトルク信号ＴＳ１よりも遅くなる。

このため、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早いか否かを判定し、当該判定結果に基づいて、対象物Ｏの固さを推定してもよい。即ち、第３推定部１０２Ｃは、トルク信号の収束タイミングが基準値よりも早い場合に、対象物Ｏが標準的な固さよりも固いと判定し、トルク信号の収束タイミングが基準値よりも遅い場合に、対象物Ｏが標準的な固さよりも柔らかいと判定してもよい。

また例えば、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差に基づいて、対象物Ｏの特性を推定してもよい。例えば、サイズの差が大きいほど収束タイミングの差が大きくなるので、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第３推定部１０２Ｃは、これらの差が大きいほど標準的なサイズとの違いが大きく、これらの差が小さいほど標準的なサイズとの違いが小さいと推定してもよい。例えば、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差が閾値以上の場合には、対象物Ｏのサイズに異常が発生したと推定してもよい。

また、形状の違いが大きいほど収束タイミングの差が大きくなるので、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差に基づいて、対象物Ｏの形状を推定してもよい。即ち、第３推定部１０２Ｃは、これらの差が大きいほど標準的な形状との違いが大きく、これらの差が小さいほど標準的な形状との違いが小さいと推定してもよい。例えば、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差が閾値以上の場合には、対象物Ｏの形状に異常が発生したと推定してもよい。

また、固さの違いが大きいほど収束タイミングの差が大きくなるので、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差に基づいて、対象物Ｏの固さを推定してもよい。即ち、第３推定部１０２Ｃは、これらの差が大きいほど標準的な固さとの違いが大きく、これらの差が小さいほど標準的な固さとの違いが小さいと推定してもよい。例えば、第３推定部１０２Ｃは、トルク信号の収束タイミングと基準値との差が閾値以上の場合には、対象物Ｏの固さに異常が発生したと推定してもよい。

［第４推定部］
第４推定部１０２Ｄは、トルク信号のピーク値に基づいて、対象物の特性を推定する。ピーク値は、取得対象期間におけるトルク信号の最大値である。即ち、ピーク値は、ロボットハンド３１が対象物Ｏに触れてから離すまでの間におけるトルク信号の最大値である。第４推定部１０２Ｄは、時間経過に応じて変化するトルク信号の最も高い値をピーク値とする。

例えば、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏの特性を推定する。基準値は、予め定められた値であればよく、例えば、ロボットハンド３１が標準的な対象物Ｏを把持する場合のピーク値である。基準値は、ユーザが手動で設定してもよいし、正常と判定された対象物Ｏのトルク信号のピーク値の平均値としてもよい。図７及び図８の例であれば、基準値は、トルク信号ＴＳ１のピーク値Ｔ_１１である。第４推定部１０２Ｄは、トルク信号のピーク値が、標準的なピーク値に比べて高いか低いかを判定することになる。

例えば、対象物Ｏが標準的なサイズよりも大きい場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が強くなるので、トルク信号ＴＳ３に示すように、ピーク値Ｔ_３１はトルク信号ＴＳ１よりも高くなる。一方、対象物Ｏが標準的なサイズよりも小さい場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が弱くなるので、トルク信号ＴＳ４に示すように、ピーク値Ｔ_４１はトルク信号ＴＳ１よりも低くなる。

このため、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高い場合に、対象物Ｏが標準よりも大きいと判定し、トルク信号のピーク値が基準値よりも低い場合に、対象物Ｏが標準よりも小さいと判定してもよい。

また例えば、対象物Ｏの形状が標準的な形状よりも出っ張っている場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が強くなるので、トルク信号ＴＳ３に示すように、ピーク値Ｔ_３１はトルク信号ＴＳ１よりも高くなる。一方、対象物Ｏが標準的なサイズよりも凹んでいる場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が弱くなるので、トルク信号ＴＳ４に示すように、ピーク値Ｔ_４１はトルク信号ＴＳ１よりも低くなる。

このため、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏの形状を推定してもよい。即ち、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高い場合に、対象物Ｏが標準的な形状よりも出っ張っていると判定し、トルク信号のピーク値が基準値よりも低い場合に、対象物Ｏが標準的な形状よりも凹んでいると判定してもよい。

また例えば、対象物Ｏの固さが標準的な固さよりも固い場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が強くなるので、トルク信号ＴＳ３に示すように、ピーク値Ｔ_３１はトルク信号ＴＳ１よりも高くなる。一方、対象物Ｏの固さが標準的な固さよりも柔らかい場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が弱くなるので、トルク信号ＴＳ４に示すように、ピーク値Ｔ_４１はトルク信号ＴＳ１よりも低くなる。

このため、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏの固さを推定してもよい。即ち、第４推定部１０２Ｄは、トルク信号のピーク値が基準値よりも高い場合に、対象物Ｏが標準的な固さよりも固いと判定し、トルク信号のピーク値が基準値よりも低い場合に、対象物Ｏが標準的な固さよりも柔らかいと判定してもよい。

また例えば、第４推定部１０２Ｄは、トルク信号のピーク値と基準値との差に基づいて、対象物Ｏの特性を推定してもよい。例えば、サイズの差が大きいほどピーク値の差が大きくなるので、第４推定部１０２Ｄは、トルク信号のピーク値と基準値との差に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第４推定部１０２Ｄは、これらの差が大きいほど標準的なサイズとの違いが大きく、これらの差が小さいほど標準的なサイズとの違いが小さいと推定してもよい。

また例えば、形状の違いが大きいほどピーク値の差が大きくなるので、第４推定部１０２Ｄは、トルク信号のピーク値と基準値との差に基づいて、対象物Ｏの形状を推定してもよい。即ち、第４推定部１０２Ｄは、これらの差が大きいほど標準的な形状との違いが大きく、これらの差が小さいほど標準的な形状との違いが小さいと推定してもよい。

また例えば、固さの違いが大きいほどピーク値の差が大きくなるので、第４推定部１０２Ｄは、トルク信号のピーク値と基準値との差に基づいて、対象物Ｏの固さを推定してもよい。即ち、第４推定部１０２Ｄは、これらの差が大きいほど標準的な固さとの違いが大きく、これらの差が小さいほど標準的な固さとの違いが小さいと推定してもよい。

［第５推定部］
第５推定部１０２Ｅは、トルク信号が収束した場合の収束値に基づいて、対象物の特性を推定する。収束値は、収束タイミングが訪れたときのトルク信号の値である。別の言い方をすれば、収束値は、立ち上がりタイミング後（ピーク後）において、トルク信号の変化量が閾値未満となったときの値である。この閾値は、任意の値を設定可能であり、固定値であってもよいし、可変値であってもよい。

例えば、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏの特性を推定する。基準値は、予め定められた値であればよく、例えば、ロボットハンド３１が標準的な対象物Ｏを把持する場合の収束値である。基準値は、ユーザが手動で設定してもよいし、過去のトルク信号の収束値の平均値としてもよい。図７及び図８の例であれば、基準値は、トルク信号ＴＳ１の収束値Ｔ_１２である。第５推定部１０２Ｅは、トルク信号の収束値が、標準的な収束値に比べて高いか低いかを判定することになる。

例えば、対象物Ｏが標準的なサイズよりも大きい場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が強くなるので、トルク信号ＴＳ３に示すように、収束値Ｔ_３２はトルク信号ＴＳ１よりも高くなる。一方、対象物Ｏが標準的なサイズよりも小さい場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が弱くなるので、トルク信号ＴＳ４に示すように、収束値Ｔ_４２はトルク信号ＴＳ１よりも低くなる。

このため、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高い場合に、対象物Ｏが標準よりも大きいと判定し、トルク信号の収束値が基準値よりも低い場合に、対象物Ｏが標準よりも小さいと判定してもよい。

また例えば、対象物Ｏの形状が標準的な形状よりも出っ張っている場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が強くなるので、トルク信号ＴＳ３に示すように、収束値Ｔ_３２はトルク信号ＴＳ１よりも高くなる。一方、対象物Ｏが標準的なサイズよりも凹んでいる場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が弱くなるので、トルク信号ＴＳ４に示すように、収束値Ｔ_４２はトルク信号ＴＳ１よりも低くなる。

このため、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏの形状を推定してもよい。即ち、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高い場合に、対象物Ｏが標準的な形状よりも出っ張っていると判定し、トルク信号の収束値が基準値よりも低い場合に、対象物Ｏが標準的な形状よりも凹んでいると判定してもよい。

また例えば、対象物Ｏの固さが標準的な固さよりも固い場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が強くなるので、トルク信号ＴＳ３に示すように、収束値Ｔ_３２はトルク信号ＴＳ１よりも高くなる。一方、対象物Ｏの固さが標準的な固さよりも柔らかい場合、ロボットハンド３１は、所定の位置まで手を閉じようとしたときに対象物Ｏからの反発力が弱くなるので、トルク信号ＴＳ４に示すように、収束値Ｔ_４２はトルク信号ＴＳ１よりも低くなる。

このため、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高いか否かを判定し、当該判定結果に基づいて、対象物Ｏの固さを推定してもよい。即ち、第５推定部１０２Ｅは、トルク信号の収束値が基準値よりも高い場合に、対象物Ｏが標準的な固さよりも固いと判定し、トルク信号の収束値が基準値よりも低い場合に、対象物Ｏが標準的な固さよりも柔らかいと判定してもよい。

また例えば、第５推定部１０２Ｅは、トルク信号の収束値と基準値との差に基づいて、対象物Ｏの特性を推定してもよい。例えば、サイズの差が大きいほど収束値の差が大きくなるので、第５推定部１０２Ｅは、トルク信号の収束値と基準値との差に基づいて、対象物Ｏのサイズを推定してもよい。即ち、第５推定部１０２Ｅは、これらの差が大きいほど標準的なサイズとの違いが大きく、これらの差が小さいほど標準的なサイズとの違いが小さいと推定してもよい。

また例えば、形状の違いが大きいほど収束値の差が大きくなるので、第５推定部１０２Ｅは、トルク信号の収束値と基準値との差に基づいて、対象物Ｏの形状を推定してもよい。即ち、第５推定部１０２Ｅは、これらの差が大きいほど標準的な形状との違いが大きく、これらの差が小さいほど標準的な形状との違いが小さいと推定してもよい。

また例えば、固さの違いが大きいほど収束値の差が大きくなるので、第５推定部１０２Ｅは、トルク信号の収束値と基準値との差に基づいて、対象物Ｏの固さを推定してもよい。即ち、第５推定部１０２Ｅは、これらの差が大きいほど標準的な固さとの違いが大きく、これらの差が小さいほど標準的な固さとの違いが小さいと推定してもよい。

なお、上記では、対象物Ｏの特性として、サイズ、形状、及び固さの少なくとも１つが推定される場合を説明したが、他の特性が推定されてもよい。例えば、トルク信号に基づいて、対象物Ｏの強度（脆さ）が推定されてもよい。対象物Ｏの強度が標準的な強度よりも脆いと、ロボットハンド３１が対象物Ｏを把持したときに壊れる場合がある。この場合、トルク信号が急変するので、トルク信号が急変した場合に、対象物Ｏの強度が不足している（対象物Ｏが標準的なものより脆い）と推定されてもよい。

また、トルク信号に基づいて対象物Ｏの特性が推定される場合を説明したが、他の物理量に基づいて対象物Ｏの特性が推定されてもよい。例えば、推定部１０２は、センサ部３２の力センサにより検出された力信号に基づいて、対象物Ｏの特性を推定してもよい。例えば、対象物Ｏが標準的なサイズよりも大きい場合、トルクセンサの立ち上がりタイミングと同様に、ロボットハンド３１は、想定よりも早く対象物Ｏに触れるため、力信号の立ち上がりタイミングは、標準よりも早くなる。このため、推定部１０２は、力信号の立ち上がりタイミングに基づいて、対象物Ｏの特性を推定してもよい。同様に、推定部１０２は、力信号の収束タイミング、ピーク値、及び収束値の少なくとも１つに基づいて、対象物Ｏの特性を推定してもよい。

また例えば、推定部１０２は、センサ部３２のモータエンコーダにより検出されたエンコーダ信号に基づいて、対象物Ｏの特性を推定してもよい。例えば、対象物Ｏが標準的なサイズよりも大きい場合、ロボットハンド３１は、想定よりも早く対象物Ｏに触れるため、モータの回転量又は移動量が落ちるタイミングは、標準よりも早くなる。このため、推定部１０２は、モータの回転量又は移動量が落ちるタイミングに基づいて、対象物Ｏの特性を推定してもよい。同様に、推定部１０２は、モータの回転又は移動が停止したタイミング等に基づいて、対象物Ｏの特性を推定してもよい。

［４．特性推定システムで実行される処理］
図９は、特性推定システム１で実行される処理を示すフロー図である。図９に示す処理は、ユーザ端末１０において、ＣＰＵ１１が記憶部１２に記憶されたプログラムに従って動作することによって実行され、ロボットコントローラ２０において、ＣＰＵ２１が記憶部２２に記憶されたプログラムに従って動作することによって実行される。図９に示す処理は、図３に示す機能ブロックにより実行される処理の一例であり、例えば、対象物Ｏが製造される周期が訪れるたびに実行される。

図９に示すように、まず、ロボットコントローラ２０において、ＣＰＵ２１は、記憶部２２に記憶された動作情報に基づいて、ロボットハンド３１を動作させる（Ｓ１）。Ｓ１においては、ＣＰＵ２１は、動作情報が示すタイミング及び強さでロボットハンド３１が開閉するように、ロボットハンド３１内のモータに対する出力電圧を制御する。

ＣＰＵ２１は、センサ部３２により検出された物理量を取得する（Ｓ２）。Ｓ２においては、ＣＰＵ２１は、センサ部３２のトルクセンサからトルク信号を取得する。他にも例えば、ＣＰＵ２１は、センサ部３２の力センサから力信号を取得してもよいし、センサ部３２のモータエンコーダからエンコーダ信号を取得してもよい。

ＣＰＵ２１は、ユーザ端末１０に対し、Ｓ２で取得した物理量を送信する（Ｓ３）。Ｓ３においては、ＣＰＵ２１は、周期内において繰り返し取得した物理量に基づいて、ユーザ端末１０に対し、物理量の時間変化を送信する。

ユーザ端末１０においては、ＣＰＵ１１は、ロボットコントローラ２０から、センサ部３２により検出された物理量を取得する（Ｓ４）。Ｓ４においては、ＣＰＵ１１は、取得した物理量を現在日時と関連付けてデータベースＤＢに記録する。

ＣＰＵ１１は、Ｓ４で取得した物理量に基づいて、対象物Ｏの特性を推定する（Ｓ５）。先述したように、トルク信号が物理量である場合には、Ｓ５においては、ＣＰＵ１１は、過去の周期におけるトルク信号、立ち上がりタイミング、収束タイミング、ピーク値、及び収束値の少なくとも１つに基づいて、対象物Ｏのサイズ、形状、及び固さの少なくとも１つを推定する。

ＣＰＵ１１は、Ｓ５で推定された対象物Ｏの特性を表示部１５に表示させる（Ｓ６）。Ｓ６においては、ＣＰＵ１１は、対象物Ｏの異常発生の有無を表示部１５に表示させてもよいし、推定した対象物Ｏのサイズ、形状、及び固さの少なくとも１つに関する情報を表示部１５に表示させてもよい。なお、ここでは、特性の推定結果を表示部１５に表示させることとしたが、ＣＰＵ１１は、製品の検査を担当する担当者などのコンピュータに推定結果を送信してもよいし、推定結果を特に表示せずに記憶部１２に記録してもよい。他にも例えば、ＣＰＵ１１は、対象物Ｏに異常が発生した場合に音声や光等を利用してアラームを出力してもよい。

以上説明した特性推定システム１によれば、対象物Ｏを把持するロボットハンド３１が動作情報に基づいて動作し、ロボットハンド３１が対象物Ｏを把持する場合の物理量に基づいて、対象物Ｏの特性を推定することができる。例えば、対象物Ｏが所望の固さになっていない場合には、ロボットハンド３１が対象物Ｏを把持する場合の物理量が所定の波形を示さないので、対象物Ｏの固さを推定できる。また例えば、対象物Ｏが所望のサイズ又は形状になっていない場合には、ロボットハンド３１が対象物Ｏを把持する場合の物理量が所定の波形を示さないので、対象物Ｏのサイズ又は形状を推定できる。これにより、検査の手間を軽減したり、製品の品質を向上させたりすることができる。

また、対象物Ｏの製造周期ごとに取得されたトルク信号の変化に基づいて、対象物Ｏの特性が推定され、例えば、正常な状態から逸脱したトルク信号となっているか等を推定し、対象物Ｏの特性をより正確に推定することができる。

また、トルク信号の立ち上がりタイミングに基づいて対象物Ｏの特性を推定することで、対象物Ｏの特性をより正確に推定することができる。

また、トルク信号の収束タイミングに基づいて対象物Ｏの特性を推定することで、対象物Ｏの特性をより正確に推定することができる。

また、トルク信号のピーク値に基づいて対象物Ｏの特性を推定することで、対象物Ｏの特性をより正確に推定することができる。

また、トルク信号の収束値に基づいて対象物Ｏの特性を推定することで、対象物Ｏの特性をより正確に推定することができる。

［５．変形例］
なお、本発明は、以上に説明した実施の形態に限定されるものではない。本発明の趣旨を逸脱しない範囲で、適宜変更可能である。

図１０は、変形例の機能ブロック図である。図１０に示すように、以降説明する変形例では、送信部１０３、工程変更部１０４、及び動作情報変更部１０５が実現される。これら各機能は、ＣＰＵ１１を主として実現される。

（１）例えば、特性推定システム１は、ネットワークＮに接続された外部システムに対し、センサ部３２が検出した物理量の管理や解析を依頼してもよい。この場合、特性推定システム１は、物理量を取得するたびに、外部システムに対して物理量が格納されたデータを送信してもよいが、特定のときだけデータを送信することで、外部システムが管理又は解析するデータ量を減らすようにしてもよい。

本変形例の特性推定システム１では、送信部１０３が実現される。送信部１０３は、推定部１０２により推定された特性に基づいて、物理量を解析するコンピュータに対し、物理量が格納されたデータを送信する。

本変形例では、物理量を解析するコンピュータが外部システムに含まれている場合を説明するが、当該コンピュータは、特性推定システム１に含まれていてもよい。当該コンピュータは、例えば、サーバコンピュータ、パーソナルコンピュータ、携帯電話、又は携帯端末である。当該コンピュータには、物理量が格納されたデータを収集して蓄積するためのアプリケーションや物理量を解析するためのアプリケーションが記憶されており、これらのアプリケーションに基づいて各種処理を実行する。

物理量が格納されたデータは、任意のデータ形式であってよく、例えば、データベースＤＢの個々のレコードであってもよいし、複数のレコードがまとめて送信されてもよい。

送信部１０３は、推定部１０２により推定された特性が所定の特性であるか否かを判定する。送信部１０３は、所定の特性であった場合に、コンピュータに対し、物理量が格納されたデータを送信し、所定の特定ではなかった場合に、コンピュータに対し、物理量が格納されたデータを送信しない。所定の特性は、物理量が格納されたデータを送信するか否かを決定するための条件であり、任意の条件を適用可能である。例えば、対象物Ｏに異常発生が推定されること、又は、対象物Ｏのサイズ、形状、及び固さの少なくとも１つが標準的なものとは異なることが、所定の特性に相当してもよい。

変形例（１）によれば、推定した対象物Ｏの特性に基づいて、物理量を解析するコンピュータに対し、物理量が格納されたデータを送信することで、解析に必要なデータだけをコンピュータに送信することができる。このため、不必要なデータが送信されることを防止し、コンピュータのメモリ消費量を削減したり、ネットワークの通信量を削減したりすることができる。また、特性推定システム１は、常にデータを送信するわけではないので、特性推定システムの処理負荷を軽減することもできる。

（２）また例えば、実施形態では、推定部１０２の推定結果を表示部１５に表示させたり、検査担当者に通知したりする場合を説明したが、推定部１０２の推定結果の活用方法は、実施形態の例に限られない。例えば、ロボットハンド３１が対象物Ｏを把持したときに異常が推定される場合には、それよりも前の工程に問題がある可能性がある。このため、推定部１０２の推定結果を前の工程に活用してもよい。

本変形例の特性推定システム１では、工程変更部１０４が実現される。工程変更部１０４は、推定部１０２により推定された特性に基づいて、ロボットハンド３１が対象物Ｏを把持する工程よりも前の工程を変更する。実施形態では、原料生成工程及び成形工程後に、ロボットハンド３１が対象物Ｏを把持する工程が実施されるので、工程変更部１０４は、原料生成工程及び成形工程の少なくとも一方の工程を変更する。

例えば、工程変更部１０４は、推定部１０２により推定された特性が所定の特性であるか否かを判定する。工程変更部１０４は、所定の特性であった場合に、前の工程を変更し、所定の特性ではなかった場合に、前の工程は変更しない。所定の特性は、前の工程を変更するか否かを決定するための条件であり、任意の条件を適用可能である。例えば、対象物Ｏに異常発生が推定されること、又は、対象物Ｏのサイズ、形状、及び固さの少なくとも１つが標準的なものとは異なることが、所定の特性に相当してもよい。

例えば、工程変更部１０４は、原料生成工程における原料の調合の割合、装置の回転量・振動量、熱風の温度、又は乾燥時間といったパラメータを変更する。また例えば、工程変更部１０４は、成形工程における成形方法を変更したり、成形時の圧力又は押圧時間といったパラメータを変更したりする。なお、工程変更部１０４の処理は、これらに限られず、対象物Ｏに応じた工程を変更すればよい。

変形例（２）によれば、推定した対象物Ｏの特性に基づいて、ロボットハンド３１が対象物Ｏを把持する工程よりも前の工程を変更することで、対象物Ｏの特性を変更することができる。即ち、推定した対象物Ｏの特性を前の工程にフィードバックさせることができる。例えば、前の工程において、原料の調合や対象物Ｏの成形が行われている場合には、これらの工程を変更して対象物Ｏの特性を変更することができる。

（３）また例えば、変形例（２）では、推定部１０２の推定結果の活用方法として、ロボットハンド３１が対象物Ｏを把持する工程の前の工程を変更する場合を説明したが、前の工程ではなく、ロボットハンド３１が対象物Ｏを把持する工程に問題がある可能性もある。このため、推定部１０２の推定結果をロボットハンド３１が対象物Ｏを把持する工程に活用してもよい。

動作情報変更部１０５は、推定部１０２により推定された特性に基づいて、動作情報を変更する。例えば、動作情報変更部１０５は、推定部１０２により推定された特性が所定の特性であるか否かを判定する。動作情報変更部１０５は、所定の特性であった場合に、動作情報を変更し、所定の特性ではなかった場合に、動作情報は変更しない。所定の特性は、動作情報を変更するか否かを決定するための条件であり、任意の条件を適用可能である。例えば、対象物Ｏに異常発生が推定されること、又は、対象物Ｏのサイズ、形状、及び固さの少なくとも１つが標準的なものとは異なることが、所定の特性に相当してもよい。

例えば、動作情報変更部１０５は、所定の特性であった場合に、ロボットハンド３１の位置を変更する。また例えば、動作情報変更部１０５は、所定の特性であった場合に、ロボットハンド３１を開閉するタイミングを変更する。例えば、動作情報変更部１０５は、対象物Ｏのサイズが大きいと推定された場合、対象物Ｏの形状が出っ張っていると推定された場合、又は、対象物Ｏが固いと推定された場合、ロボットハンド３１が早く閉じすぎた可能性があるので、ロボットハンド３１を閉じるタイミングを遅らせる。

また例えば、動作情報変更部１０５は、所定の特性であった場合に、ロボットハンド３１を開閉する強さを変更する。例えば、動作情報変更部１０５は、対象物Ｏのサイズが大きいと推定された場合、対象物Ｏの形状が出っ張っていると推定された場合、又は、対象物Ｏが固いと推定された場合、ロボットハンド３１を強く閉じすぎた可能性があるので、ロボットハンド３１を閉じる強さを弱くする。

変形例（３）によれば、推定した対象物Ｏの特性に基づいて、ロボットハンド３１が対象物Ｏを把持する際の動作情報を変更することで、ロボットハンド３１が対象物Ｏを把持する工程を変更することができる。対象物Ｏの特性に応じた安定する状態で、ロボットハンド３１に対象物Ｏを把持させることができる。

（４）また例えば、上記説明した変形例を組み合わせてもよい。

また例えば、センサ部３２に含まれるセンサは、トルクセンサ、力センサ、及びモータエンコーダに限られず、任意のセンサであってよい。例えば、センサ部３２に温度センサを含めておき、温度センサが検出した温度が物理量に相当し、温度によって対象物Ｏの特性が推定されてもよい。他にも例えば、センサ部３２に磁気センサを含めておき、磁気センサが検出した磁気が物理量に相当し、磁気によって対象物Ｏの特性が推定されてもよい。

また例えば、製品の一例として加工食品を例に挙げて説明したが、特性推定システム１は、任意の製品に適用可能である。例えば、特性推定システム１は、材料の製造工程や加工工程における対象物Ｏの特性を推定してもよい。この場合の対象物Ｏは、最終的な製品である材料であってもよいし、食品を作るために加工した材料であってもよい。また例えば、特性推定システム１は、車やバイク等の乗物の製造工程における対象物Ｏの特性を推定してもよい。この場合の対象物Ｏは、乗物を構成する個々の部品である。他にも例えば、家具や建築部材の製造や半導体基板の製造といった任意の場面に特性推定システム１を適用可能である。

また例えば、ロボット３０の一例として産業用ロボットを説明したが、サービスロボット、家庭用ロボット、又は医療用ロボットといった種々のロボットを適用可能である。例えば、サービスロボットが把持した商品等の特性が、センサ部３２により検出された物理量に基づいて推定されてもよい。また例えば、家庭用ロボットが把持した食器等の特性が、センサ部３２により検出された物理量に基づいて推定されてもよい。また例えば、医療用ロボットが把持した医療器具等の特性が、センサ部３２により検出された物理量に基づいて推定されてもよい。

また例えば、各機能がユーザ端末１０で実現される場合を説明したが、複数のコンピュータで各機能が分担されてもよい。他にも例えば、各機能は、サーバコンピュータによって実現されてもよい。

また例えば、特性推定システム１は、対象物Ｏの特性を推定する際に、機械学習（例えば、ベイジアンネットワーク、サポートベクトルマシン、又はディープラーニング等）を利用してもよい。例えば、特性推定システム１は、対象物Ｏに異常が発生しているか否かを判定する際に、機械学習を利用してもよい。この場合、特性推定システム１は、対象物Ｏに異常が発生した場合に計測された物理量と、対象物Ｏに異常が発生しなかった場合（正常だった場合）に計測された物理量と、が格納された教師データに基づいて、学習器を学習させる。特性推定システム１は、学習済みの学習器に、ロボットハンド３１が対象物Ｏを把持したときに計測された物理量を入力すると、学習器は、入力された物理量が異常又は正常の何れに分類されるかを判定し（即ち、入力された物理量に対し、異常であるか正常であるかを示すラベルを付与し）、分析結果を出力する。この判定自体は、種々の分類学習器の手法を適用可能であり、例えば、畳み込みニューラルネットワークを利用する場合には、入力された物理量を特徴量化し、当該特徴量に基づいて分類が行われる。また例えば、異常の種類には、固さの異常やサイズの異常といった複数の種類が存在するので、異常の種類ごとの物理量を教師データに格納しておき、学習器が、入力された物理量に基づいて、どの種類の異常が発生したかを分類してもよい。他にも例えば、リカレントニューラルネットワークを利用する場合には、ロボットハンド３１が対象物Ｏを把持したときに一定期間にわたって計測された物理量を、複数の期間に分割して個々の期間の物理量を時系列的に考慮することで、どの種類の異常が発生したかを分類してもよい。

また、以上説明した実施形態は具体例として示したものであり、本明細書にて開示される発明をこれら具体例の構成やデータ格納例そのものに限定するものではない。当業者はこれら開示された実施形態に種々の変形、例えば、物理的構成の形状や数、データ構造、処理の実行順を変更したりしてもよい。本明細書にて開示される発明の技術的範囲は、そのようになされた変形をも含むものと理解すべきである。

１ 特性推定システム、Ｎ ネットワーク、Ｏ 対象物、１０ ユーザ端末、１１，２１ ＣＰＵ、１２，２２ 記憶部、１３，２３ 通信部、１４ 操作部、１５ 表示部、２０ ロボットコントローラ、３０ ロボット、３１ ロボットハンド、３２ センサ部、ＤＢ データベース、１００ データ記憶部、１０１ 物理量取得部、１０２ 推定部、１０３ 送信部、１０４ 工程変更部、１０５ 動作情報変更部、２００ 動作制御部、Ｔ_１１，Ｔ_３１，Ｔ_４１ ピーク値、Ｔ_１２，Ｔ_３２，Ｔ_４２ 収束値、ＴＳ１，ＴＳ２，ＴＳ３，ＴＳ４ トルク信号、ｔ_１１，ｔ_２１，ｔ_３１，ｔ_４１ 立ち上がりタイミング、ｔ_１３，ｔ_２３，ｔ_３３，ｔ_４３ 収束タイミング。

Claims (11)

1. 対象物を把持するロボットハンドと、
   前記ロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させる動作制御部と、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得するトルク信号取得部と、
   前記トルク信号の立ち上がりタイミングに基づいて、前記対象物における異常発生の有無を推定する推定部と、
   を有する特性推定システム。
2. 対象物を把持するロボットハンドと、
   前記ロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させる動作制御部と、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得するトルク信号取得部と、
   前記トルク信号の収束タイミングに基づいて、前記対象物における異常発生の有無を推定する推定部と、
   を有する特性推定システム。
3. 対象物を把持するロボットハンドと、
   前記ロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させる動作制御部と、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得するトルク信号取得部と、
   前記トルク信号のピーク値に基づいて、前記対象物における異常発生の有無を推定する推定部と、
   を有する特性推定システム。
4. 対象物を把持するロボットハンドと、
   前記ロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させる動作制御部と、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得するトルク信号取得部と、
   前記トルク信号が収束した場合の収束値に基づいて、前記対象物における異常発生の有無を推定する推定部と、
   を有する特性推定システム。
5. 前記推定部により推定された異常発生の有無に基づいて、前記トルク信号を解析するコンピュータに対し、前記トルク信号が格納されたデータを送信する送信部、
   を有する請求項１～４の何れかに記載の特性推定システム。
6. 前記推定部により推定された異常発生の有無に基づいて、前記ロボットハンドが前記対象物を把持する工程よりも前の工程を変更する工程変更部、
   を有する請求項１～５の何れかに記載の特性推定システム。
7. 対象物を把持するロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させ、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得し、
   前記トルク信号の立ち上がりタイミングに基づいて、前記対象物における異常発生の有無を推定する、
   特性推定方法。
8. 対象物を把持するロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させ、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得し、
   前記トルク信号の収束タイミングに基づいて、前記対象物における異常発生の有無を推定する、
   特性推定方法。
9. 対象物を把持するロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させ、
   前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得し、
   前記トルク信号のピーク値に基づいて、前記対象物における異常発生の有無を推定する、
   特性推定方法。
10. 対象物を把持するロボットハンドの動作を定義した動作情報に基づいて、前記ロボットハンド内部のモータにより前記ロボットハンドを開閉させ、
    前記ロボットハンドが前記対象物を把持するために閉じる動作を開始してから前記対象物の把持が完了するまでの期間において、前記モータのトルク信号を取得し、
    前記トルク信号が収束した場合の収束値に基づいて、前記対象物における異常発生の有無を推定する、
    特性推定方法。
11. 請求項１～６の何れかに記載の特性推定システムとしてコンピュータを機能させるためのプログラム。

Images