The invention provides a human cooperative robot system that improves the detection precision of external force by machine learning. It includes a human cooperative robot with a function of detection force. It has the learning department. The learning department will apply the calculated data obtained from the data used to calculate the force as input, and will be applied from the outside to the people. The first force component of a cooperative robot, the second force component produced by the action of the cooperative robot, and the third force classified as noise as the output, use the teacher data that makes the pre obtained input and the correct label a group of teachers to learn, and through the external cooperative robot to the people. The action is made by the human cooperative robot to act through a plurality of paths, and to make the noise act on the human cooperative robot to obtain the correct label of the teacher data, and control the action of the cooperative robot based on the first force component output by the learning department.
【技术实现步骤摘要】
通过机器学习提高了外力的检测精度的人协作机器人系统
本专利技术涉及一种通过机器学习提高了外力的检测精度的人协作机器人系统。
技术介绍
以前,在机器人系统中,在机器人动作的期间为了确保人的安全,采取了不让人进入机器人的作业区域这样的安全对策。例如,在机器人的周边设置安全栏,在机器人的动作期间中禁止人进入安全栏的内部。近年来,研究以及开发人与机器人协同(协作)进行作业的机器人(人协作机器人),并到达实用化。在这样的人协作机器人(人协作机器人系统)中,例如,在机器人的周边不设置安全栏的状态下,机器人与人(作业者、用户)协作来进行一个作业。可是,在人协作机器人中重要的是当机器人与人(人)发生了接触时,不对人给与预先决定的力以上的力,并停止或回避以及进行后退。另外,在与人进行协作(协同动作)作业时,还能够通过正确地了解由人作用的力来进行更高精度的作业。即,外力检测精度(检测能力)的提高关系到人协作机器人的能力的提高。另一方面,在将外力以外的力误识别为外力时,例如,在将外来噪声或周围的振动等误识别为外力时,有可能产生机器人的误停止或误动作。因此,从内力或噪声正确地分离外力,可以提高外力的检测精度从而提高机器人的能力。在这里,作为进行检测的力,主要能够分为外力、内力以及噪声这三个成分。首先,外力是从外部对机器人赋予的力,主要是人对机器人作用的力。另外,内力是由机器人的动作产生的力,也包含自身动作导致的振动成分。然后,噪声是由于电气噪声或周围的振动而产生的不需要检测的外力成分。作为外力的计算方法,例如,能够从力传感器检测到的力减去根据机器人的动作指令值等计算出的理论上的内 ...
【技术保护点】
一种人协作机器人系统,其包含人与机器人协作来进行作业的人协作机器人,且具有检测力的功能,其特征在于,具备学习部,该学习部把用于计算所述力的传感数据、控制所述人协作机器人的控制软件的内部数据、以及基于所述传感数据和所述内部数据中的一方的数据得到的计算数据作为输入,把从外部对所述人协作机器人施加的第一力成分、通过所述人协作机器人的动作而产生的第二力成分、以及被分类为噪声的第三力成分作为输出,使用使预先取得的所述输入和正确标签成为组的有教师数据来进行学习,通过使力从外部作用于所述人协作机器人、使所述人协作机器人在多个路径进行动作、以及使噪声作用于所述人协作机器人来取得所述有教师数据的正确标签,基于所述学习部输出的所述第一力成分来控制所述人协作机器人的动作。
【技术特征摘要】
2016.10.19 JP 2016-2054811.一种人协作机器人系统,其包含人与机器人协作来进行作业的人协作机器人,且具有检测力的功能,其特征在于,具备学习部,该学习部把用于计算所述力的传感数据、控制所述人协作机器人的控制软件的内部数据、以及基于所述传感数据和所述内部数据中的一方的数据得到的计算数据作为输入,把从外部对所述人协作机器人施加的第一力成分、通过所述人协作机器人的动作而产生的第二力成分、以及被分类为噪声的第三力成分作为输出,使用使预先取得的所述输入和正确标签成为组的有教师数据来进行学习,通过使力从外部作用于所述人协作机器人、使所述人协作机器人在多个路径进行动作、以及使噪声作用于所述人协作机器人来取得所述有教师数据的正确标签,基于所述学习部输出的所述第一力成分来控制所述人协作机器人的动作。2.根据权利要求1所述的人协作机器人系统,其特征在于,针对在多个姿势下停止的所述人协作机器人,使多个大小和多个方向的力作用于所述人协作机器人的多个部位,使所述作用的力和向所述学习部的输入成为组来收集所述第一力成分的有教师数据。3.根据权利要求1或2所述的人协作机器人系统,其特征在于,使通过使所述人协作机器人抓持多个种类的工件,并且使所述人协作机器人进行多个路径的动作而产生的力成分与向所述学习部的输入成为组来收集所述第二力成分的有教师数据。4.根据权利要求1至3中的任意一项所述的人协作机器人系统,其特征在于,使噪声源作用于在多个姿势下停止的所述人协作机器人,使通过该噪声源产生的第四力成分与向所述学习部的输入成为组来收集所述第三力成分的有教师数据。5.根据权利要求2至4中的任意一项所述的人协作机器人系统,其特征在于,准备了能够示教所述第一力成分以及所述第二力成分中的至少一方的模式。6.根据权利要求2至5中的任意一项所述的人协作机器人系统,其特征在于,所述人协作机器人具有从收集到的所述有教师数据的模型集合中选择使所述学习部学习的模型要素的功能,或者从所记录的力的模型集合中根据应用推荐使用的力的模型要素的功能。7.根据权利要求1至6中的任意一项所述的人协作机器人系统,其特征在于,所述学习部为了抽出所述检测出的力的特征量而进行在线学习,基于抽出的所述特征量,分离为所述第一力成分、所述第二力成分以及所述第三力成分。8.根据权利要求1至7中的任意一项所述的人协作机器人系统,其特征在于,所述人协作机器人能够设定为不与所述人共有作业区域的非协作动作模式,在所述非协作动作模式下,所述学习部将所述第一力成分的正确标签设定为0来进行在线学习。9.根据权利要求1至8中的任意一项所述的人协作机器人系统,其特征在于,所述人协作机器人的控制装置具有在分离后的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。