物品堆放装置以及机器学习装置制造方法及图纸

本发明专利技术提供一种物品堆放装置以及机器学习装置，物品堆放装置具有的机器学习装置观测表示物品配置场所的配置状态的配置状态数据和表示堆放对象物品的信息的物品信息数据作为表示环境当前状态的状态变量，还取得表示物品在配置场所中的配置的物品配置数据作为标签数据。然后，使用这些状态变量和标签数据，将配置状态数据和物品信息数据与物品配置数据关联起来进行学习。

Item Stacking Device and Machine Learning Device

The invention provides an article stacking device and a machine learning device. The machine learning device of the article stacking device observes the configuration state data representing the configuration state of the place where the article is allocated and the item information data representing the information of the object being stacked as the state variable representing the current state of the environment, and also obtains the configuration number of the articles representing the configuration of the article in the place where the article is allocated. According to the label data. Then, using these state variables and label data, the configuration state data and the item information data are associated with the item configuration data for learning.

【技术实现步骤摘要】
物品堆放装置以及机器学习装置
本专利技术涉及物品堆放装置以及机器学习装置，特别是涉及使用机器人来堆放物品的装置以及机器学习装置。
技术介绍
使用机器人来把持输送物品，进行平放或层叠的系统正被广泛利用。在这样的系统中，预先使配置要输送的物品的场所模式化，机器人按照该模式来配置物品。作为堆放物品有关的现有技术，例如在日本特开平06-114770号公报中公开了如下技术：预先使配置要输送的工件的场所模式化，从输送中的工件的外形选择适合的模式，进行与工件堆积位置对应的工件堆积。但是，有时需要根据物品的特性(大小、形状、重量等)而改变要堆放的场所，例如在想要将大工件或重工件堆放于下层时，或想要将稳定性差的形状的工件堆放于上层时等时候，无法简单地按照模式来堆放工件。此外，在以没有预先装入到系统的模式进行堆放而存在堆积效果好等优点时，简单的模式化也是困难的。例如，在物品是固定大小的长方体时预先定义堆放模式是简单的，而在物品的大小不同或其形状不是长方体时，预先定义模式则是困难的。并且，在无法预先掌握需要堆放的所有物品的信息时，需要预测未来的可能性来进行动作。这是因为有时即使可以立即配置某个物品也不希望将该物品配置于那里。例如，在轮到比较小尺寸的物品时，若先堆放该物品则无法在其上方装载大尺寸的物品。此时，不得不采取在堆放至最终堆放部位之前进行临时放置等方式来进行对应。
技术实现思路
因此，本专利技术的目的在于提供一种物品堆放装置以及机器学习装置，能够根据物品特性和现场状况来堆放合适的物品。为了解决上述课题，在本专利技术的物品堆放装置中准备了学习与包含堆放对象物品的特性等的物品信息相符的最佳堆放方式的机器学习装置，使该机器学习装置使用在已经堆放了该物品的现场取得的学习数据来进行学习，由此，使其学习因物品特性或现场状况而可能变化的物品堆放方式。然后，本专利技术的物品堆放装置能够按照机器学习装置输出的物品堆放方式来进行物品的输送和堆放。本专利技术的一个方式的物品堆放装置，其控制机器人将设置于设置场所的多个物品堆放到配置场所。该物品堆放装置具有：机器学习装置，其学习针对所述配置场所的配置状态和堆放对象物品的信息来推定该物品在所述配置场所中的配置。并且，所述机器学习装置具有：状态观测部，其观测表示所述配置场所的配置状态的配置状态数据、以及表示堆放对象物品的信息的物品信息数据作为表示环境当前状态的状态变量；标签数据取得部，其取得表示所述物品在所述配置场所中的配置的物品配置数据作为标签数据；以及学习部，其使用所述状态变量和所述标签数据，将所述配置状态数据和所述物品信息数据与所述物品配置数据关联起来进行学习。可以是，所述物品信息数据至少包含多个物品的信息。可以是，所述物品配置数据还包含所述物品的临时放置有关的信息。可以是，所述学习部具有：误差计算部，其使用所述状态变量和所述标签数据，计算从所述配置状态数据和所述物品信息数据导出所述物品配置数据的相关性模型的输出与从预先准备的训练数据识别的相关性特征之间的误差；以及模型更新部，其更新所述相关性模型使得缩小所述误差。可以是，所述学习部通过多层结构来运算所述状态变量和所述标签数据。可以是，所述机器学习装置还具有：推定结果输出部，其根据所述学习部的学习结果，输出所述物品在所述配置场所中的配置的推定结果。可以是，所述机器学习装置存在于云服务器上。可以是，所述机器学习装置使用多个物品堆放装置取得到的所述状态变量和所述标签数据来进行学习。本专利技术的一个方式的机器学习装置，其学习在将设置于设置场所的多个物品堆放到配置场所的作业中针对所述配置场所的配置状态和堆放对象物品的信息来推定该物品在所述配置场所中的配置，其中，所述机器学习装置具有：状态观测部，其观测表示所述配置场所的配置状态的配置状态数据、以及表示堆放对象物品的信息的物品信息数据作为表示环境当前状态的状态变量；标签数据取得部，其取得表示所述物品在所述配置场所中的配置的物品配置数据作为标签数据；以及学习部，其使用所述状态变量和所述标签数据，将所述配置状态数据和所述物品信息数据与所述物品配置数据关联起来进行学习。通过本专利技术，可以根据物品特性和现场状况来决定在堆放对象物品的配置场所内的合适配置。附图说明图1是一实施方式涉及的物品堆放装置的概略硬件结构图。图2是一实施方式涉及的物品堆放装置的概略功能框图。图3是表示物品有关的信息的示例图。图4是对一实施方式涉及的物品堆放装置学习时的动作进行说明的图。图5是对一实施方式涉及的物品堆放装置控制机器人时的动作进行说明的图。图6是表示物品堆放装置的一方式的概略功能框图。图7A是说明神经元的图。图7B是说明神经网络的图。图8是表示以整合了配置于配置场所的物品而得的形状进行学习的示例图。图9是表示装入了物品堆放装置的系统的一个方式的概略功能框图。具体实施方式图1是表示第一实施方式涉及的物品堆放装置的主要部分的概略硬件结构图。物品堆放装置1例如可以安装为控制机器人70的机器人控制器。本实施方式涉及的物品堆放装置1具有的CPU11是对物品堆放装置1进行整体控制的处理器。CPU11经由总线20读出存储于ROM12的系统程序，按照该系统程序来对物品堆放装置1整体进行控制。将临时的计算数据、操作员经由未图示的输入部输入的各种数据等暂时存储于RAM13中。非易失性存储器14构成为如下存储器：例如通过未图示的电池而被备份等，即使断开物品堆放装置1的电源也可以保持存储状态。在该非易失性存储器14中存储有操作员经由未图示的输入部输入的各种数据(例如，作为堆放对象的物品有关的数据、用于控制机器人的物品堆放动作的设定值等)、经由未图示的接口输入的控制用程序等。存储于非易失性存储器14的程序或各种数据可以在执行时/利用时在RAM13中展开。此外，在ROM12中预先写入系统程序，所述系统程序包含：根据视觉传感器60检测出的检测值(拍摄数据)来解析堆放对象的物品、物品向配置场所的配置状态的公知的解析程序，用于控制与后述的机器学习装置100的交换的系统程序等。视觉传感器60用于例如在机器学习的学习阶段检测配置于配置场所的物品的状态，还用于在物品堆放装置1进行物品堆放的阶段检测作为堆放对象的物品。该视觉传感器60例如可以是固定地安装于作业场所的拍摄装置，也可以是安装于机器人70的机器人手臂上的拍摄装置。视觉传感器60经由接口18将检测出的检测值(拍摄数据)转发给CPU11。控制电路19接收来自CPU11的指令对机器人70的堆放动作进行控制。该控制电路19例如进行如下控制：控制机器人手的物品把持动作或控制用于驱动机器人70的各关节的电动机，使所把持的物品移动至配置场所内所指定的配置。由于机器人70的物品堆放动作有关的控制技术的详细情况已经是公知的，因此本说明书省略说明。接口21是用于将物品堆放装置1与机器学习装置100连接的接口。机器学习装置100具有：统制机器学习装置100整体的处理器101、存储系统程序等的ROM102、用于进行机器学习的各处理中的临时存储的RAM103、用于存储学习模型等的非易失性存储器104。机器学习装置100可以经由接口21观测物品堆放装置1能够取得的各信息(由视觉传感器60检测出的物品信息、物品相对配置场所的配置状态等)。此外，物品堆放本文档来自技高网...

【技术保护点】
1.一种物品堆放装置，其控制机器人将设置于设置场所的多个物品堆放到配置场所，其特征在于，所述物品堆放装置具有：机器学习装置，其学习针对所述配置场所的配置状态和堆放对象物品的信息来推定该物品在所述配置场所中的配置，所述机器学习装置具有：状态观测部，其观测表示所述配置场所的配置状态的配置状态数据、以及表示堆放对象物品的信息的物品信息数据作为表示环境当前状态的状态变量；标签数据取得部，其取得表示所述物品在所述配置场所中的配置的物品配置数据作为标签数据；以及学习部，其使用所述状态变量和所述标签数据，将所述配置状态数据和所述物品信息数据与所述物品配置数据关联起来进行学习。

【技术特征摘要】
2017.08.23 JP 2017-1605401.一种物品堆放装置，其控制机器人将设置于设置场所的多个物品堆放到配置场所，其特征在于，所述物品堆放装置具有：机器学习装置，其学习针对所述配置场所的配置状态和堆放对象物品的信息来推定该物品在所述配置场所中的配置，所述机器学习装置具有：状态观测部，其观测表示所述配置场所的配置状态的配置状态数据、以及表示堆放对象物品的信息的物品信息数据作为表示环境当前状态的状态变量；标签数据取得部，其取得表示所述物品在所述配置场所中的配置的物品配置数据作为标签数据；以及学习部，其使用所述状态变量和所述标签数据，将所述配置状态数据和所述物品信息数据与所述物品配置数据关联起来进行学习。2.根据权利要求1所述的物品堆放装置，其特征在于，所述物品信息数据至少包含多个物品的信息。3.根据权利要求1或2所述的物品堆放装置，其特征在于，所述物品配置数据还包含所述物品的临时放置有关的信息。4.根据权利要求1～3中任一项所述的物品堆放装置，其特征在于，所述学习部具有：误差计算部，其使用所述状态变量和所述标签数据，计算从所述配置状态数据和所述物品信息数据导出所述物品配置数据的相关性模型的输出与从预先准备的训练数据识别的相关性特征之间的误差；...

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