JP7416070B2 - ロボット制御装置、方法およびプログラム - Google Patents

Description

本開示は、ロボット制御装置、方法およびプログラムに関する。

ロボットが周囲の対象者へ危害を与えうる場合に、周囲の対象者へロボットが備えるディスプレイを介して、周知させる技術がある。かかるロボットは、危害を回避すべく動作パターンを補正するとともに、補正量に応じてロボットが備えるディスプレイの表示態様を変更する。

特開２００７－１９６２９８号公報

しかしながら、従来技術では、ロボットから対象者へ適切な通知を行ううえで改善の余地があった。例えば、同じ通知内容であっても、対象者毎に捉え方が異なるので、対象者によっては過度な通知となる場合や、通知が不十分となる場合がある。

本願は、上記に鑑みてなされたものであって、適切な通知を行うことができるロボット制御装置、方法およびプログラムを提供することを目的とする。

上記の課題を解決するために、本開示に係る一態様のロボット制御装置は、属性判定部と、決定部とを備える。前記属性判定部は、ロボット周囲の対象者の属性を判定する。前記決定部は、前記属性判定部によって判定された前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する。

実施形態の一態様によれば、適切な通知を行うことができる。なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載されたいずれかの効果であってもよい。

実施形態に係るロボット制御装置の概要を示す図である。 実施形態に係るロボット制御装置の構成例を示すブロック図である。 実施形態に係る対象者情報の一例を示す図である。 実施形態に係る身体特性テーブルの一例を示す図である。 実施形態に係る容易度テーブルの一例を示す図である。 実施形態に係る理解度テーブルの一例を示す図である。 実施形態に係るリスクテーブルの一例を示す図である。 実施形態に係る介入度テーブルの一例を示す図である。 実施形態に係るロボット制御装置が実行する処理手順を示すフローチャートである。 ロボット制御装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本開示の実施形態について図面に基づいて詳細に説明する。なお、以下の各実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。

（実施形態）
［実施形態に係るシステムの構成］
まず、本開示の一実施形態の概要について説明する。上述したように、ロボットが周囲の対象者へ危害を与えうる場合に、周囲の対象者へロボットが備えるディスプレイを介して、周知させる技術がある。しかしながら、かかる技術では、対象者に対する通知内容を最適化するうえで、改善の余地があった。例えば、同一の通知内容であっても対象者によって捉え方が異なる場合がある。

具体的には、例えば、ロボットと日頃から接している対象者は、ロボットの行動パターンを熟知している一方で、ロボットと初めて接する対象者には、ロボットの行動パターンが分からない。このため、例えば、双方の対象者に対する通知内容が同一である場合には、過度な通知になる場合や、通知内容が不足する場合が考えられる。

本技術思想は、上記の点に着目して発想されたものであり、対象者毎に通知内容を設定することで、適切な通知を行うことが可能である。また、本技術思想は、ロボットが対象者に危害を与えるリスク（以下、危害リスクと記載する）を考慮して通知を行う。

まず、図１を用いて、本実施形態に係るロボット制御装置の概要について説明する。図１は、本実施形態に係るロボット制御装置の概要を示す図である。図１に示すように、ロボット制御装置１０は、ロボット１内に内蔵され、ロボット１を制御する制御装置である。

例えば、ロボット１は、移動型ロボットであり、図１に示す例では、ロボット１が車輪で走行するロボットである場合を示す。ここで、ロボットとは、脚式型であってもよく、飛行型の移動体であってもよい。また、少なくとも１以上のアームを備えていてもよいし、アームを備えていない移動体であってもよい。

ロボット制御装置１０は、例えば、ロボット１周囲をセンシングするセンサＳのセンシング結果に基づいて、ロボット１周囲の対象者Ｔを検出し、対象者Ｔの属性と、ロボット１が対象者Ｔに対して危害を与えるリスクである危害リスクとに基づいて、対象者Ｔに対するロボット１の通知アクションを決定する。

なお、図１に示す例では、センサＳがロボット１と別に設けられる場合について示しているが、センサＳをロボット１内に設けることにしてもよいし、あるいは、対象者Ｔが装着するウェアラブルデバイスをセンサＳとして用いることにしてもよい。

例えば、ロボット制御装置１０は、対象者Ｔの属性として、対象者Ｔが普段からロボット１と接しているユーザか否かを判定し、ロボット１の現在の状態や、対象者Ｔとロボット１との距離などに基づいて、危害リスクを決定する。

そして、ロボット制御装置１０は、上記の属性と、危害リスクとに基づいて、ロボット１が対象者Ｔに介入すべき介入度を算出する。ここで、介入度とは、ロボット１の存在を対象者Ｔに対して通知すべき度合である。

ロボット制御装置１０は、介入度が高いほど、対象者Ｔが気づきやすい通知アクションに決定し、介入度が低いほど、最小限の通知アクションに決定する。

このように、実施形態に係るロボット制御装置１０は、介入度に応じて、通知アクションを決定することで、対象者Ｔの属性および上記の危害リスクに応じて、適切に通知アクションを決定することが可能となる。

［実施形態に係るロボット制御装置の構成］
次に、図２を用いて、実施形態に係るロボット制御装置１０の構成例について説明する。図２は、実施形態に係るロボット制御装置１０の構成例を示すブロック図である。

図２に示すように、ロボット制御装置１０は、遠隔操作受付部２と、入力部３と、出力部４と、駆動部５と、記憶部６と、制御部７とを備える。遠隔操作受付部２は、ロボット１に対する遠隔操作を受け付ける通信ユニットである。

入力部３は、ロボット１周囲の環境センシングのセンシング結果を制御部７へ入力する。図２に示す例において、入力部３は、レーザ測距装置３１と、ＲＧＢカメラ３２と、ステレオカメラ３３と、慣性計測装置３４とを備える。

レーザ測距装置３１は、障害物までの距離を測距する装置であり、赤外線測距装置、超音波測距装置、ＬｉＤＡＲ（Laser Imaging Detection and Ranging）などによって構成される。

ＲＧＢカメラ３２は、画像（静止画像又は動画像）を撮像する撮像装置である。ステレオカメラ３３は、対象物を複数の方向から撮像することで、対象者までの距離を測定する撮像装置である。慣性計測装置３４は、例えば、３軸の角度と、加速度を検出する装置である。

出力部４は、例えば、ロボット１に設けられ、表示装置やスピーカによって構成される。出力部４は、制御部７から入力される画像や音声を出力する。駆動部５は、アクチュエータによって構成され、制御部７の制御に基づいて、ロボット１を駆動させる。

記憶部６は、対象者情報６１と、モデル情報６２と、身体特性テーブル６３と、容易度テーブル６４と、理解度テーブル６５と、リスクテーブル６６と、介入度テーブル６７と、アクションテーブル６８とを記憶する。

対象者情報６１は、対象者Ｔに関する情報である。本実施形態において、対象者情報６１は、対象者Ｔがロボット１と接した回数や接する頻度に関する情報である。図３は、実施形態に係る対象者情報６１の一例を示す図である。

図３に示すように、対象者情報６１は、「対象者ＩＤ」と、「特徴量」と、「接触履歴」と、「認知度」などが互いに関連付けられた情報である。「対象者ＩＤ」は、対象者Ｔを識別する識別子である。「特徴量」は、対応する対象者Ｔの特徴量を示す。例えば、特徴量は、対象者Ｔの顔の特徴量に関する情報である。

「接触履歴」は、対応する対象者Ｔがロボット１と接した履歴に関する情報である。言い換えれば、ここでの接触履歴は、ロボット１が対象者Ｔを認識した履歴である。例えば、接触履歴には、ロボット１が対象者Ｔを認識した日時、頻度などに関する情報が登録される。

「認知度」は、対応する対象者Ｔがロボット１のことをどれだけ認知しているかの度合を示す。本実施形態では、接触履歴に基づき、ロボット１と、接した回数又は接する頻度によって認知度が設定される。

本実施形態においては、認知度は、３段階で表現され、「Ａ」が最も認知度が高いことを示し、「Ｃ」が認知度が最も低いことを示すものとする。例えば、認知度「Ａ」は、定常的にロボット１と接していることを示し、認知度「Ｃ」である対象者Ｔは、初めてロボットと接することを示す。つまり、対象者Ｔのロボット１と接する回数によって、認知度が高く設定されることになる。

図２の説明に戻り、モデル情報６２について説明する。モデル情報６２は、画像データから対象者Ｔの身体的特性を特定するモデルに関する情報である。例えば、モデルには、対象者Ｔの年齢を推定するモデルや、対象者Ｔが杖をついているか否か、車椅子を利用しているか否かなどを判定するためのモデルを含む。

身体特性テーブル６３は、対象者Ｔの身体特性に関するテーブルである。図４は、実施形態に係る身体特性テーブル６３の一例を示す図である。図４に示すように、身体特性テーブル６３は、身体的特性として、「年齢」、「その他」の項目ごとに、ランクを示すテーブルである。

身体的特性は、Ａ、Ｂ、Ｃの３段階でランク付けされ、Ａ、Ｂ、Ｃの順に、身体的特性が低下することを示す。図４の例において、８歳未満が「Ｃ」、８～１５歳、５０歳以上が「Ｂ」、１５～５０歳が「Ａ」である場合を示す。

対象者Ｔが８歳未満の場合や、５０歳以上の場合には、対象者Ｔが遠くまで把握しにくく、また、ロボット１の動作を理解しにくいことが想定される。このため、８～１５歳までの対象者Ｔよりも身体的特性のランクを低くしている。

また、図４の「その他」には、杖をついている対象者Ｔや、車いすまたは歩行補助器を使用している対象者Ｔを健常者に比べて、身体的特性のランクを低くする場合を示す。なお、図４に示す身体特性テーブル６３は、一例であり、これに限定されるものではない。

図２の説明に戻り、容易度テーブル６４について説明する。容易度テーブル６４は、ロボット１が対象者Ｔへ与えうる危害因子について、対象者Ｔの認知の容易さを示すテーブルである。図５は、実施形態に係る容易度テーブル６４の一例を示す図である。

図５に示すように、容易度テーブル６４は、認知容易度と、五感との関係を示すテーブルである。ここで、五感とは、ロボット１の危害因子を対象者Ｔのどの器官を使って認知するかを示す。

例えば、触覚や味覚でしか、ロボット１の危害因子を認知できない場合の認知容易度は、「Ｃ」であり、視覚や嗅覚でしか、危害因子を認知できない場合の認知容易度は、「Ｂ」である。また、聴覚を用いて、危害因子を認知可能な場合の認知容易度は、「Ａ」となる。

例えば、危害因子がロボット１の発熱だった場合、対象者Ｔは触覚でしか危害因子を認知できないので、認知容易度は「Ｃ」となる。また、視覚や嗅覚を用いて、対象者Ｔが危害因子を認知できる場合には、認知が容易になり、認知容易度が「Ｂ」となる。さらに、聴覚で危害因子を認知可能な場合、より遠くから危害因子を認知できるので、認知容易性を「Ａ」としている。

図２の説明に戻り、理解度テーブル６５について説明する。理解度テーブル６５は、対象者Ｔのロボットに対する理解度に関するテーブルである。図６は、実施形態に係る理解度テーブル６５の一例を示す図である。

図６に示すように、理解度テーブル６５は、身体的特性と、認知容易度とから理解度を算出するためのテーブルである。図４の例では、認知容易性および認知度がともに「Ａ」である場合、理解度が「Ａ」となる。また、認知容易性が「Ａ」であり、身体的特性が「Ｂ」である場合、図３に示した認知度のランクによって理解度が決定される。

具体的には、認知度がＣまたはＢの場合、理解度が「Ｂ」となり、認知度が「Ａ」の場合、理解度が「Ａ」となる。その他、図６に示す例において、認知容易性のランクが低くなるにつれて、理解度が低くなり、身体的特性のランクが低くなるにつれて、理解度が低くなる。

図２の説明に戻り、リスクテーブル６６について説明する。リスクテーブル６６は、ロボット１が対象者Ｔに危害を与える危害リスクに関するテーブルである。図７は、実施形態に係るリスクテーブル６６の一例を示す図である。図７に示すように、リスクテーブル６６は、影響度と、接触猶予とに基づいて、危害リスクを決定するためのテーブルである。

ここで、影響度とは、ロボット１が対象者Ｔへ危害を与えたときに、対象者Ｔの被害の大きさを示す。例えば、対象者Ｔが重傷を負う場合の影響度を「Ａ」、対象者Ｔが軽傷を負う場合の影響度を「Ｂ」、対象者Ｔに危害を与えない場合の影響度を「Ｃ」とする。

ここで、予め影響度を下げられる場合には、下げた後の影響度を適用する。例えば、ロボット１が双椀ロボットであり、一方のアームが故障し、鋭利になっている場合、故障しているアームを格納し、故障していない他方のアームに切り替えることで、影響度を低くすることができる。

また、図７に示す「接触猶予」とは、ロボット１と対象者Ｔとが接触するまでの猶予を示す。接触猶予は、ロボット１と対象者Ｔとの距離または双方の移動する速度に基づいて算出される。

例えば、ロボット１と対象者Ｔとの距離または接触するまでの時間が、３ｍまたは３秒以内である場合、接触猶予は「Ｃ」となり、ロボット１と対象者Ｔとの距離または接触するまでの時間が、５ｍまたは５秒以内である場合、接触猶予は、「Ｂ」となる。また、ロボット１と対象者Ｔとの距離または接触するまでの時間が、５ｍ以上また５秒以上である場合、接触猶予は「Ａ」となる。

そして、図７に示す例において、影響度が高いほど、危害リスクが高く、接触猶予が高いほど、危害リスクが高くなることを示す。

図２の説明に戻り、介入度テーブル６７について説明する。介入度テーブル６７は、危害リスクと理解度とから介入度を算出するためのテーブルである。図８は、実施形態に係る介入度テーブル６７の一例を示す図である。

図８に示すように、介入度テーブル６７は、危害リスクと理解度と介入度との関係を示すテーブルである。図８に示す例では、理解度が高いほど、介入度が低くなり、危害リスクが高いほど、介入度は高くなる。

図２の説明に戻り、アクションテーブル６８について説明する。アクションテーブル６８は、介入度に応じた通知アクションを定義したテーブルである。また、本実施形態において、アクションテーブル６８には、危害因子に応じた通知アクションが定義される。

制御部７は、ロボット制御装置１０が備える各構成を制御する機能を有する。また、図２に示すように、制御部７は、属性判定部７１と、状態判定部７２と、算出部７３と、決定部７４と、挙動検出部７５とを備える。

属性判定部７１は、対象者Ｔの属性を判定する。具体的には、属性判定部７１は、例えば、ＲＧＢカメラ３２で撮像された画像データから対象者Ｔの特徴量を抽出し、対象者Ｔの特徴量と、対象者情報６１の特徴量とを比較することで、対象者Ｔが対象者情報６１に登録された人物か否かを判定する。

そして、属性判定部７１は、対象者Ｔが対象者情報６１に登録されていた場合、かかる対象者Ｔの認知度を抽出し、対象者Ｔが対象者情報６１に登録されていなければ、対象者情報６１に新規登録する。

また、属性判定部７１は、ロボット１が走行予定経路を移動する場合に、ロボット１と衝突するおそれのある対象者Ｔを選択し、かかる対象者Ｔについて、画像データから対象者Ｔの身体的特性を判定する。具体的には、上述のように、属性判定部７１は、モデル情報６２に基づいて、対象者Ｔの年齢や、杖、車いす、歩行補助器の有無などを判定する。

そして、属性判定部７１は、身体特性テーブル６３に基づいて、対象者Ｔに対する身体的特性のランクを決定する。また、属性判定部７１は、後述する状態判定部７２から通知される認知容易度に基づいて、理解度テーブル６５を参照し、対象者Ｔのロボット１に対する理解度のランクを決定する。つまり、属性判定部７１は、ロボット１の危害因子をどの器官で認知できるかによって、理解度を決定する。

状態判定部７２は、ロボット１の状態を判定する。具体的には、状態判定部７２は、例えば、ロボット１が撮像された画像データや、ロボット１に設けられた温度センサなどによってロボット１の状態を判定する。

例えば、状態判定部７２は、画像データからロボット１の故障の有無や、搬送物の有無、搬送物の中身などを判定するとともに、温度センサからロボット１の表面温度などを判定する。

そして、状態判定部７２は、判定した状態に応じて、ロボット１の現在の「影響度」（図７参照）を決定する。また、状態判定部７２が判定した搬送物の中身に関する情報については、決定部７４に通知される。

算出部７３は、属性判定部７１によって判定された対象者Ｔの属性と、ロボット１が対象者Ｔへ与える危害のリスクである気概リスクとに基づいて、ロボット１が対象者に介入すべき介入度を算出する。

具体的には、算出部７３は、例えば、ロボット１が現在の走行予定経路を移動した場合に、ロボット１と接触する対象者Ｔを選択する。次いで、算出部７３は、レーザ測距装置３１や、ステレオカメラ３３の計測結果に基づき、対象者Ｔとの距離を算出する。

また、算出部７３は、対象者Ｔをトラッキングすることで、対象者Ｔの移動速度や、移動する向きを算出することができ、慣性計測装置３４の検出結果に基づいて、ロボット１の現在の速度や向きを算出することができる。

そして、算出部７３は、距離や速度に基づいて、上記の接触猶予を算出するとともに、接触猶予のランクを決定する。その後、算出部７３は、決定した「接触猶予」と、状態判定部７２によって決定された「影響度」とに基づき、リスクテーブル６６を参照し、危害リスクを算出することになる。

ここで、上述のように、接触猶予が少ないほど、危害リスクが高くなる。言い換えれば、ロボット１と、対象者Ｔとの距離が近くなるにつれて、危害リスクが高まることになる。このため、算出部７３は、接触猶予を随時算出し、危害リスクを更新する。これにより、危害リスクに応じて、適切な通知を行うことが可能となる。

決定部７４は、属性判定部７１によって判定された属性と、ロボット１が対象者Ｔへ与える危害に関するリスクである危害リスクとに基づいて、ロボット１から対象者Ｔへ存在を通知する通知アクションを決定する。

具体的には、決定部７４は、算出部７３によって算出された介入度に基づいて、通知アクションを決定する。本実施形態において、決定部７４は、介入度に応じて、通知アクションの通知手法を選択する。ここで、以下に示すように、通知手法は、直接的に通知する手法と、間接的に通知する手法がある。

例えば、決定部７４は、介入度が「Ａ」である場合、直接的に通知する手法を選択し、対象者Ｔがロボット１の存在を確実に気づく通知アクションに決定する。

具体的には、出力部４に警告画像を表示したり、警告音を出力したりすることで、ロボット１の存在を対象者Ｔへ直接的にアピールする。なお、この場合、例えば、ライトなどの発光体を点滅させたりすることで、ロボット１の存在を対象者Ｔへアピールすることにしてもよい。

また、決定部７４は、アームが故障している場合や、アームが発熱している場合等において、対象者Ｔがロボット１に触れる場合、対象者Ｔに対してアーム以外の箇所（例えば、胴体）を掴んでもらうよう促すアクションを実行することにしてもよい。

また、決定部７４は、介入度が「Ｂ」である場合、すなわち、介入度が所定範囲内である場合、ロボット１の危害因子を間接的に通知する通知アクションに決定する。例えば、決定部７４は、ロボット１の搬送物の中身を示唆するアクションを通知アクションとして決定する。

ロボット１が重い搬送物を搬送中である場合、ロボット１と対象者Ｔとが接触し、搬送物を対象者Ｔに落とす場合が考えられる。このため、決定部７４は、重たい搬送物を搬送中であることを示唆するアクションを通知アクションとして決定する。

具体的には、決定部７４は、ロボット１が搬送物の重さによってロボット１が振られるようなアクションを通知アクションとして決定する。また、決定部７４は、ロボット１が液体を入れた容器を搬送中である場合、容器を保持するアームとは別のアームを容器に沿えるアクションを通知アクションとして決定する。これにより、搬送物が液体であることを示唆することができる。

また、アームが故障しており、かかるアームが対象者Ｔに触れると対象者Ｔが怪我を負うおそれがある場合、ロボット１の移動する際の揺れに応じて、かかるアームを摺動させるアクションを通知アクションとして決定する。これにより、アームの破損を間接的に対象者Ｔへ通知することができる。なお、介入度が「Ｃ」である場合、通知アクションを行わない。

決定部７４は、決定した通知アクションに応じて、出力部４に警告画像を表示したり、駆動部５を駆動させることで、通知アクションをロボット１に対して実行させることができる。

その後、決定部７４は、後述する挙動検出部７５によって検出された対象者Ｔの挙動に基づいて、通知アクション後の次の通知アクションを決定する。具体的には、決定部７４は、対象者Ｔが通知アクションに対する理解を示す挙動を取った場合、通知アクションを中止し、本来のタスクの実行に移る。

なお、この場合、決定部７４は、介入度を固定した状態で通知アクションを継続しつつ、本来のタスクを行うことにしてもよい。

一方、決定部７４は、対象者Ｔが通知アクションを理解していない場合、現在の介入度に応じた通知アクションを継続して行う。ここで、上述のように、介入度は、ロボット１と対象者Ｔとの距離によって更新されるため、ロボット１と、対象者Ｔとの距離が近づくにつれて、介入度が高くなり、介入度の変化に応じた通知アクションを行うことになる。

また、決定部７４は、上述のように、アームが故障した場合や、アームが発熱した場合に、代替手段によって影響度を下げられる場合は、故障中のアームを格納するなどのアクションを行うことも可能である。

挙動検出部７５は、対象者Ｔの挙動を検出する。挙動検出部７５は、ＲＧＢカメラ３２によって撮像された画像データを解析することで、対象者Ｔの挙動を検出する。

本実施形態において、挙動検出部７５は、対象者Ｔの挙動として、対象者Ｔがロボット１の通知アクションを理解したか否かに関する挙動を検出する。具体的には、例えば、挙動検出部７５は、対象者Ｔの視線がロボット１の通知アクションを向いたか否か、通知アクションの前後で、対象者Ｔの移動速度が変化したかなどの挙動を検出する。

つまり、ロボット制御装置１０は、対象者Ｔが通知アクションを理解した場合と、理解していない場合とで異なる挙動を示す点に着眼し、通知アクション後のアクションを決定することになる。

これにより、過度な通知アクションを行わずに済むので、ロボット１の存在を対象者Ｔに対して、適切に周知させることが可能となる。

次に、図９を用いて、実施形態に係るロボット制御装置１０が実行する処理手順について説明する。図９は、ロボット制御装置１０が実行する処理手順を示すフローチャートである。

図９に示すように、ロボット制御装置１０は、まず、ロボット１の状態を判定し（ステップＳ１０１）、危害因子に基づいて影響度を算出する（ステップＳ１０２）。続いて、ロボット制御装置１０は、ステップＳ１０２にて算出した影響度が「Ｃ」よりも高いか否かを判定し（ステップＳ１０３）、影響度が「Ｃ」よりも高い場合（ステップＳ１０３，Ｙｅｓ）、ロボット１と接触するおそれのある対象者Ｔがいるか否かを判定する（ステップＳ１０４）。

ロボット制御装置１０は、ステップＳ１０４の判定において、対象者Ｔがいた場合（ステップＳ１０４，Ｙｅｓ）、対象者Ｔの属性を判定し（ステップＳ１０５）、介入度を算出する（ステップＳ１０６）。

その後、ロボット制御装置１０は、介入度に基づいて、通知アクションを決定し（ステップＳ１０７）、ロボット１に決定した通知アクションを実行させる（ステップＳ１０８）。

続いて、ロボット制御装置１０は、ロボット１を認識する対象者Ｔの挙動を検出したか否かを判定し（ステップＳ１０９）、かかる挙動を検出した場合（ステップＳ１１０）、本来のタスクを実行して（ステップＳ１１０）、処理を終了する。

一方、ロボット制御装置１０は、ステップＳ１０９の判定において、挙動を検出しなかった場合（ステップＳ１０９，Ｎｏ）、接触猶予を更新し（ステップＳ１１１）、ステップＳ１０６の処理へ移行する。

また、ロボット制御装置１０は、ステップＳ１０３の判定において、影響度が「Ｃ」である場合（ステップＳ１０３，Ｎｏ）、ステップＳ１０４の判定処理において、対象者がいない場合（ステップＳ１０４，Ｎｏ）、ステップＳ１１０の処理へ移行する。

上記各実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた各実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、本明細書に記載された効果はあくまで例示であって限定されるものでは無く、また他の効果があってもよい。

上述してきた各実施形態に係るロボット制御装置、ＨＭＤ、コントローラ等の情報機器は、例えば図１０に示すような構成のコンピュータ１０００によって実現される。以下、実施形態に係るロボット制御装置１０を例に挙げて説明する。図１０は、ロボット制御装置１０の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス１５００、及び入出力インターフェイス１６００を有する。コンピュータ１０００の各部は、バス１０５０によって接続される。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。例えば、ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムをＲＡＭ１２００に展開し、各種プログラムに対応した処理を実行する。

ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるＢＩＯＳ（Basic Input Output System）等のブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を非一時的に記録する、コンピュータが読み取り可能な記録媒体である。具体的には、ＨＤＤ１４００は、プログラムデータ１４５０の一例である本開示に係るプログラムを記録する記録媒体である。

通信インターフェイス１５００は、コンピュータ１０００が外部ネットワーク１５５０（例えばインターネット）と接続するためのインターフェイスである。例えば、ＣＰＵ１１００は、通信インターフェイス１５００を介して、他の機器からデータを受信したり、ＣＰＵ１１００が生成したデータを他の機器へ送信したりする。

入出力インターフェイス１６００は、入出力デバイス１６５０とコンピュータ１０００とを接続するためのインターフェイスである。例えば、ＣＰＵ１１００は、入出力インターフェイス１６００を介して、キーボードやマウス等の入力デバイスからデータを受信する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやスピーカやプリンタ等の出力デバイスにデータを送信する。また、入出力インターフェイス１６００は、所定の記録媒体（メディア）に記録されたプログラム等を読み取るメディアインターフェイスとして機能してもよい。メディアとは、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係るロボット制御装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、属性判定部７１等の機能を実現する。また、ＨＤＤ１４００には、本開示に係るプログラムや、記憶部６内のデータが格納される。なお、ＣＰＵ１１００は、プログラムデータ１４５０をＨＤＤ１４００から読み取って実行するが、他の例として、外部ネットワーク１５５０を介して、他の装置からこれらのプログラムを取得してもよい。

なお、本技術は以下のような構成も取ることができる。
（１）
ロボット周囲の対象者の属性を判定する属性判定部と、
前記属性判定部によって判定された前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する決定部と
を備える、ロボット制御装置。
（２）
前記属性と、前記危害リスクとに基づいて、前記ロボットが前記対象者に介入すべき介入度を算出する算出部を備え、
前記決定部は、
前記算出部によって算出された前記介入度に基づいて、前記通知アクションを決定する、
前記（１）に記載のロボット制御装置。
（３）
前記決定部は、
前記介入度に基づいて、通知アクションの通知手法を変更する、
前記（２）に記載のロボット制御装置。
（４）
前記属性判定部は、
前記対象者の前記ロボットに対する理解度に基づいて、前記属性を判定する、
前記（１）～（３）のいずれかに記載のロボット制御装置。
（５）
前記属性判定部は、
前記対象者の身体的特徴に基づいて、前記属性を判定する、
前記（１）～（３）のいずれかに記載のロボット制御装置。
（６）
前記算出部は、
前記危害リスクが高いほど、前記介入度を高く算出する、
前記（２）～（５）のいずれかに記載のロボット制御装置。
（７）
前記算出部は、
前記ロボットと前記対象者の距離に基づいて、前記危害リスクを算出する、
前記（２）～（６）のいずれかに記載のロボット制御装置。
（８）
前記算出部は、
前記対象者の前記ロボットに近づく速度に基づいて、前記危害リスクを算出する、
前記（２）～（７）のいずれかに記載のロボット制御装置。
（９）
前記ロボットの状態に基づいて、前記対象者へ前記危害を与えうる危害因子を判定する状態判定部
を備え、
前記算出部は、
前記状態判定部によって判定された前記危害因子に基づいて、前記危害リスクを算出する、
前記（２）～（８）のいずれかに記載のロボット制御装置。
（１０）
前記状態判定部は、
前記ロボットの表面温度に基づいて、前記危害因子を判定する、
前記（９）に記載のロボット制御装置。
（１１）
前記状態判定部は、
前記ロボットの有無に基づいて、前記危害因子を判定する、
前記（９）または（１０）に記載のロボット制御装置。
（１２）
前記状態判定部は、
前記ロボットが搬送中の搬送物に基づいて、前記危害因子を判定する、
前記（９）～（１１）のいずれかに記載のロボット制御装置。
（１３）
前記決定部は、
前記搬送物を示唆するアクションを前記通知アクションとして決定する、
前記（１２）に記載のロボット制御装置。
（１４）
前記決定部は、
前記危害因子を前記対象者が認知する認知容易度に基づいて、前記通知アクションを決定する、
前記（９）～（１３）のいずれかに記載のロボット制御装置。
（１５）
前記決定部は、
前記介入度が所定範囲内である場合に、前記危害因子を示唆する動作アクションを前記通知アクションとして決定する、
前記（９）～（１４）のいずれかに記載のロボット制御装置。
（１６）
前記決定部は、
前記介入度が前記所定範囲よりも大きい場合に、画像または音声のうち、少なくとも一方の出力を前記通知アクションとして決定する、
前記（１５）に記載のロボット制御装置。
（１７）
前記決定部は、
前記通知アクション後の前記対象者の挙動に基づいて、次の前記通知アクションを行うか否かを判定する、
前記（１）～（１６）のいずれかに記載のロボット制御装置。
（１８）
コンピュータが、
ロボット周囲の対象者の属性を判定し、
判定した前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する
方法。
（１９）
コンピュータを
ロボット周囲の対象者の属性を判定する属性判定部と、
前記属性判定部によって判定された前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する決定部と
として機能させる、プログラム。

１ ロボット
１０ ロボット制御装置
７１ 属性判定部
７２ 状態判定部
７３ 算出部
７４ 決定部
７５ 挙動検出部

Claims (19)

1. ロボット周囲の対象者の属性を判定する属性判定部と、
   前記属性判定部によって判定された前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する決定部と
   を備える、ロボット制御装置。
2. 前記属性と、前記危害リスクとに基づいて、前記ロボットが前記対象者に介入すべき介入度を算出する算出部を備え、
   前記決定部は、
   前記算出部によって算出された前記介入度に基づいて、前記通知アクションを決定する、
   請求項１に記載のロボット制御装置。
3. 前記決定部は、
   前記介入度に基づいて、通知アクションの通知手法を変更する、
   請求項２に記載のロボット制御装置。
4. 前記属性判定部は、
   前記対象者の前記ロボットに対する理解度に基づいて、前記属性を判定する、
   請求項１に記載のロボット制御装置。
5. 前記属性判定部は、
   前記対象者の身体的特徴に基づいて、前記属性を判定する、
   請求項１に記載のロボット制御装置。
6. 前記算出部は、
   前記危害リスクが高いほど、前記介入度を高く算出する、
   請求項２に記載のロボット制御装置。
7. 前記算出部は、
   前記ロボットと前記対象者の距離に基づいて、前記危害リスクを算出する、
   請求項２に記載のロボット制御装置。
8. 前記算出部は、
   前記対象者の前記ロボットに近づく速度に基づいて、前記危害リスクを算出する、
   請求項２に記載のロボット制御装置。
9. 前記ロボットの状態に基づいて、前記対象者へ前記危害を与えうる危害因子を判定する状態判定部
   を備え、
   前記算出部は、
   前記状態判定部によって判定された前記危害因子に基づいて、前記危害リスクを算出する、
   請求項２に記載のロボット制御装置。
10. 前記状態判定部は、
    前記ロボットの表面温度に基づいて、前記危害因子を判定する、
    請求項９に記載のロボット制御装置。
11. 前記状態判定部は、
    前記ロボットの有無に基づいて、前記危害因子を判定する、
    請求項９に記載のロボット制御装置。
12. 前記状態判定部は、
    前記ロボットが搬送中の搬送物に基づいて、前記危害因子を判定する、
    請求項９に記載のロボット制御装置。
13. 前記決定部は、
    前記搬送物を示唆するアクションを前記通知アクションとして決定する、
    請求項１２に記載のロボット制御装置。
14. 前記決定部は、
    前記危害因子を前記対象者が認知する認知容易度に基づいて、前記通知アクションを決定する、
    請求項９に記載のロボット制御装置。
15. 前記決定部は、
    前記通知アクション後の前記対象者の挙動に基づいて、次の前記通知アクションを行うか否かを判定する、
    請求項１に記載のロボット制御装置。
16. 前記決定部は、
    前記介入度が所定範囲内である場合に、前記危害因子を示唆する動作アクションを前記通知アクションとして決定する、
    請求項９に記載のロボット制御装置。
17. 前記決定部は、
    前記介入度が前記所定範囲よりも大きい場合に、画像または音声のうち、少なくとも一方の出力を前記通知アクションとして決定する、
    請求項１６に記載のロボット制御装置。
18. コンピュータが、
    ロボット周囲の対象者の属性を判定し、
    判定した前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する
    方法。
19. コンピュータを
    ロボット周囲の対象者の属性を判定する属性判定部と、
    前記属性判定部によって判定された前記属性と、前記ロボットが前記対象者へ与える危害に関するリスクである危害リスクとに基づいて、前記ロボットから前記対象者へ存在を通知する通知アクションを決定する決定部と
    として機能させる、プログラム。

Images