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方案

本发明专利技术提供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，其包含人协作机器人，且具有检测力的功能，其具备学习部，该学习部将根据用于计算所述力的数据得到的计算数据作为输入，将从外部施加给所述人协作机器人的第一力成分、通过所述人协作机器人的动作产生的第二力成分、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，通过从外部对所述人协作机器人作用力、使所述人协作机器人通过多个路径来进行动作、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。

A human cooperative robot system which improves the detection accuracy of external force through machine learning

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力来求出。然而，在这种情况下，在外力中包含噪声。另外，因为力传感器检测由于机器人自身的动作导致的振动而产生的力，所以在计算出的外力中包含由于机器人的振动而产生的力。在这里，机器人例如在外力超过预定的阈值时停止。然后，如上所述，因为在计算出的外力中包含噪声或由于机器人的振动而产生的力，所以例如有可能产生机器人的误停止。以往例如欧洲专利申请公开第2324967号说明书公开了一种系统，其通过在J1基座(J1轴的基部)设置的力传感器来检测XYZ方向的力和力矩，利用该检测出的XYZ方向的力和力矩来控制机器人(人协作机器人)。另外，以往例如日本专利第5356527号公报提出了一种信号分类装置，其采用声音的基于机器学习的信号分离方法，能够提高对每个场景分类声音信号的分类精度。如上所述，以往提出了一种利用在J1基座上设置的力传感器检测到的XYZ方向的力和力矩来控制机器人的系统以及采用机器学习来提高声音信号的分类精度的信号分类装置。另外，在人协作机器人系统中，因为在计算出的外力中包含噪声或由于机器人的振动而产生的力，所以外力的检测精度降低，例如，有可能导致机器人的误停止。
技术实现思路
本专利技术鉴于上述课题，其目的在于提供一种能够提高外力的检测精度的人协作机器人系统。通过本专利技术的第一实施方式，提供了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，具有检测力的功能，该人协作机器人系统具备学习部，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，通过从外部向所述人协作机器人作用力、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。能够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。能够使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，所述力成分是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。能够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。可以准备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。所述人协作机器人能够具有：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，或者从已记录的力的模型集合中推荐根据应用而使用的力的模型要素的功能。所述学习部能够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。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，所述学习部可以将所述第一力成分的正确标签设定为0来进行在线学习。所述人协作机器人的控制装置具有在分离后的所述第一力成分超过了预定的阈值时，停止所述人协作机器人的功能，能够在所述人协作机器人停止后，在输入了表示所述学习部误检测所述第一力成分从而已停止的第一输入信号时，使所述人协作机器人停止紧前的输入数据与被设为小于所述预定的阈值的预定值的外力的正确标签成为组来进行所述学习部的在线学习。所述人协作机器人的控制装置具有在分离后的所述第一力成分超过了预定的阈值时，停止所述人协作机器人的功能，能够在所述人协作机器人停止后，在输入了表示所述学习部正确地检测所述第一力成分从而已停止的第二输入信号时，将所述人协作机器人停止紧前的向所述学习部的输入信号和输出信号作为有教师数据存储到存储器中，并在之后的在线学习中使用在所述存储器中存储的所述有教师数据。所述第一输入信号以及所述第二输入信号可以兼作所述人协作机器人的动作重新开始信号。可以由所述人生成所述第二输入信号，或者使用能够拍摄所述人协作机器人的照相机的图像识别结果或接近传感器的信号来生成所述第二输入信号。所述人协作机器人系统具有在分离后的所述第一力成分超过了预定的阈值时，停止所述人协作机器人的功能、以及在所述人对所述人协作机器人施加外力而使所述人协作机器人停止时检测紧急度大的力的模式的功能，能够在检测出所述紧急度大的力的模式时，使检测出所述紧急度大的力的模式紧前的输入数据与被设定为大于所述预定的阈值的预定值的外力的正确标签成为组来进行所述学习部的在线学习。能够设置多台所述人协作机器人，多台所述人协作机器人分别单独进行学习，多台所述人协作机器人能够经由网络相互交换或共享通过各个所述人协作机器人单独进行学习而得到的多个学习结果。所述第一力成分是所述人对所述人协作机器人施加的外力，所述第二力成分是由于所述人协作机器人的动作而产生的内力，所述第三力成分是针对所述人协作机器人的噪声，或者，所述人协作机器人能够保存在被示教的动作程序的一个循环的期间所述人协作机器人检测到的力的日志，并且保存对于多次的所述循环检测到的力的日志，对在多次的所述循环中检测到的力的日志进行合成，或者进行信号处理，由此来抽出由于所述人协作机器人的动作而产生的力成分，将抽出的通过所述本文档来自技高网...

【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...

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