学习最优物品把持路径的机器学习装置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学习最优物品把持路径的机器学习装置以及机器学习方法。本发明专利技术的机器学习装置学习用于使用把持多个物品的机械手将配置在输送装置上的多个物品收纳在容器中的机器人的运转条件，具备：状态观测部，其在机器人的动作中观测多个物品的位置姿势、以及包括将多个物品收纳在容器中为止的周期时间和机器人把持物品时产生的转矩以及振动中的至少一个的状态变量；判定数据取得部，其取得判定周期时间、转矩以及振动各自相对于容许值的余量的判定数据；以及学习部，其按照通过状态变量以及判定数据的组合而构成的训练数据集来学习机器人的运转条件。

A machine learning device and a machine learning method for learning the best thing to hold the path

The present invention provides a machine learning device and a machine learning method for learning the path of the optimal item holding. The invention of machine learning device for learning using manipulator control a plurality of articles are arranged in the conveying device on a plurality of items contained in the container in the robot operating conditions, with state observation, the observation of multiple items in the robot moves in position and posture, including at least one state variables have multiple items contained in the container until the cycle time and robot control items when torque and vibration; determine the data acquisition unit, the decision cycle time, torque and vibration compared to their decision data of the allowable value of the allowance; and learning department, in accordance with the state variables and determine the data through the combination of a set of training data to learn the robot operating conditions.

【技术实现步骤摘要】
学习最优物品把持路径的机器学习装置以及机器学习方法
本专利技术涉及一种机器学习装置以及机器学习方法，特别涉及学习在通过机器人把持配置在输送装置上的物品时的最优物品把持路径的机器学习装置以及机器学习方法。
技术介绍
已知一种物品输送系统，其通过能够把持多个物品的机械手(多指机械手)一个一个连续地取出在作为输送装置的传送带上流动来的物品，并且收纳在同样在其他传送带上流动来的容器中。目前，在把持物品并取出时，基本从位于传送带下游侧的物品开始按顺序分配要把持的物品。例如，提出一种方法，即沿着物品流动方向将传送带分为2部分，从其中位于下游侧的物品按顺序地把持并收纳在容器中(例如，日本特开2014-104524号公报。以下称为“专利文献1”)。图1说明现有技术中，通过设置在机器人20上的机械手(未图示)来把持配置在传送带10上的多个物品(a1～a3、b1～b3)，并且收纳在容器(未图示)中的方法。在传送带10的平面上配置物品，并且物品(a1～a3、b1～b3)具有如自身所示的箭头那样面向随机方向的(姿势)。这里，机械手具有把持3个物品并收纳在容器中的功能。此时，如果传送带10从图1的左侧流向右侧本文档来自技高网...

【技术保护点】
一种机器学习装置，学习用于使用把持多个物品的机械手将配置在输送装置上的多个物品收纳到容器中的机器人的运转条件，其特征在于，该机器学习装置具备：状态观测部，其在上述机器人的动作中观测上述多个物品的位置姿势、以及包括将上述多个物品收纳到容器中为止的周期时间、上述机器人把持物品时产生的转矩以及振动中的至少一个的状态变量；判定数据取得部，其取得判定上述周期时间、转矩以及振动相对于各自的容许值的余量的判定数据；以及学习部，其按照通过上述状态变量以及上述判定数据的组合而构成的训练数据集来学习上述机器人的运转条件。

【技术特征摘要】
2016.09.27 JP 2016-1888571.一种机器学习装置，学习用于使用把持多个物品的机械手将配置在输送装置上的多个物品收纳到容器中的机器人的运转条件，其特征在于，该机器学习装置具备：状态观测部，其在上述机器人的动作中观测上述多个物品的位置姿势、以及包括将上述多个物品收纳到容器中为止的周期时间、上述机器人把持物品时产生的转矩以及振动中的至少一个的状态变量；判定数据取得部，其取得判定上述周期时间、转矩以及振动相对于各自的容许值的余量的判定数据；以及学习部，其按照通过上述状态变量以及上述判定数据的组合而构成的训练数据集来学习上述机器人的运转条件。2.根据权利要求1所述的机器学习装置，其特征在于，上述周期时间是从上述机器人开始将上述多个物品收纳到容器中起直到将预定数量的物品收纳到容器中为止的时间。3.根据权利要求1或2所述的机器学习装置，其特征在于，根据流过驱动上述机器人的电动机的电流来计算上述转矩。4.根据权利要求1～3中的任意一项所述的机器学习装置，其特征在于，根据通过上述机械手所具备的加速度传感器检测出的加速度来计算上述振动。5.根据权利要求1～4中的任意一项所述的机器学习装置，其特征在于，上述学习部具备：回报计算部，其根据上述判定数据来计算回报；以及价值函数更新部，其根据上述回报来更新用于推测把持物品的顺序的价值函数，该价值函数降低上述周期时间、转矩以及振动中的至少一个。6.根据权利要求5所述的机器学习装置，其特征在于，上述学习部根据上述周期时间、转...

【专利技术属性】
技术研发人员：大场雅文，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP