机器学习装置、机械系统、制造系统以及机器学习方法制造方法及图纸

本发明专利技术提供一种机器学习装置、机械系统、制造系统以及机器学习方法。机器学习装置(20)通过机器学习来学习针对机械(14)的控制指令，其具备：机器学习器(21)，其进行所述机器学习来输出所述控制指令；模拟器(22)，其基于所述控制指令来执行所述机械的作业动作的模拟；以及第一判定器(23)，其基于所述模拟器的所述模拟的执行结果来判定所述控制指令。

Machine learning devices, mechanical systems, manufacturing systems, and machine learning methods

The present invention provides a machine learning device, a mechanical system, a manufacturing system, and a machine learning method. Machine learning device (20) to study the mechanical through machine learning (14) of the control instruction, the machine learning device (21), which was the machine learning to output the control instruction simulator; (22), which is based on the simulation of operation the control instruction execution of the machine. The first judging device; and (23), wherein the simulator based on the results of the execution of the simulation to determine the control instruction.

【技术实现步骤摘要】
机器学习装置、机械系统、制造系统以及机器学习方法
本专利技术涉及一种利用模拟结果进行学习的机器学习装置、机械系统、制造系统以及机器学习方法。
技术介绍
近年来，例如针对机器人等机械应用机器学习的情况受到关注，并进行了用于实用化的研究和开发。例如，在学习机械的控制指令的系统中，需要保证控制该机械的控制指令没有问题。目前公开了通过神经网络推定位置误差，并修正动作程序的数据来进行动作的组装机器人(例如，日本特开平09-319420号公报，专利文献1)。另外，目前还公开了针对虚拟的系统模型，通过重复输入作业指令候补进行学习，由此来得到不发生干扰的最佳作业动作的装置(例如，专利第5137537号公报，专利文献2)。如上所述，作为针对机械使用了机器学习的情况，提出了各种方案，例如，在专利文献1中，根据得到的学习结果，机械的控制指令可能会对机械或周围环境造成干扰等。即，在机器学习中，由于未保证学习结果的安全性，因此例如难以防止干扰等，成为对生产线导入机器学习时的障碍。另外，例如在专利文献2中，因为使用系统模型的评价结果来进行学习，因此需要系统模型准确，通过设置用于改善该系统模型的精度的模型再构成部本文档来自技高网...

【技术保护点】
一种机器学习装置，其通过机器学习来学习针对机械的控制指令，其特征在于，具备：机器学习器，其进行所述机器学习来输出所述控制指令；模拟器，其基于所述控制指令来执行所述机械的作业动作的模拟；第一判定器，其基于所述模拟器的所述模拟的执行结果来判定所述控制指令。

【技术特征摘要】
2016.04.04 JP 2016-0754761.一种机器学习装置，其通过机器学习来学习针对机械的控制指令，其特征在于，具备：机器学习器，其进行所述机器学习来输出所述控制指令；模拟器，其基于所述控制指令来执行所述机械的作业动作的模拟；第一判定器，其基于所述模拟器的所述模拟的执行结果来判定所述控制指令。2.根据权利要求1所述的机器学习装置，其特征在于，如果在所述模拟的执行结果中没有问题，则所述第一判定器将所述控制指令判定为良好，并执行针对所述机械的所述控制指令的输入，如果在所述模拟的执行结果中有问题，则所述第一判定器将所述控制指令判定为不良，并停止针对所述机械的所述控制指令的输入。3.根据权利要求2所述的机器学习装置，其特征在于，在所述第一判定器的判定结果为不良时，停止针对所述机械的所述控制指令的输入，并且通过将所述第一判定器得到的第一结果标签作为训练数据赋予给所述机器学习器来进行学习。4.根据权利要求3所述的机器学习装置，其特征在于，在所述第一判定器的判定结果为不良时，将包含从所述模拟器得到的计算结果数据的一部分或全部的第一状态量与所述第一结果标签一起赋予给所述机器学习器，由此来进行学习。5.根据权利要求2至4中的任意一项所述的机器学习装置，其特征在于，还具备第二判定器，该第二判定器判定基于所述控制指令的所述机械的作业结果，在所述第一判定器的判定结果为良好时，执行针对所述机械的所述控制指令的输入，并且通过将所述第二判定器得到的第二结果标签作为训练数据赋予给所述机器学习器来进行学习。6.根据权利要求5所述的机器学习装置，其特征在于，在所述第一判定器的判定结果为良好时，通过将第二状态量与所述第二结果标签一起赋予给所述机器学习器来进行学习，该第二状态量包含检测所述机械或周围环境的状态的传感器的输出数据、控制所述机械的控制软件的内部数据、以及基于所述传感器的输出数据或所述控制软件的内部数据得到的计算数据中的至少一个。7.根据权利要求2至6中的任意一项所述的机器学习装置，其特征在于，将所述机器学习器的状态定期地或者在预先指定...

【专利技术属性】
技术研发人员：中川浩，梶山贵史，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP