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 ...
【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;...
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。