【技术实现步骤摘要】
【国外来华专利技术】学习装置、学习方法、学习模型、推算装置以及夹持系统
本专利技术涉及学习装置、学习方法、学习模型、推算装置以及夹持系统。
技术介绍
目前，对于各种各样的用途进行使用机器人的自动化，根据各个用途广泛地进行研究开发。使用附属于机器人的臂来夹持物体的研究也在广泛进行。为了用机器人的夹持器(gripper)部分夹持物体，需要根据使用物体的检测装置例如RGB-D相机检测的物体的位置来确定机器人的夹持器的位置及朝向。作为推算该夹持器的位置及朝向的方法，开发了利用在其他领域中也广泛使用的神经网络、深度学习的方法(参照日本特开2016-132086号公报)。然而，通过以往的方法，难以求得高维度的夹持姿势，特别是难以预测在计算机上的图像中难以注释的信息。虽然也有使用CAD识别3维物体的方法，但是需要CAD模型而且必须在识别物体之后确定夹持姿势，经济上和时间上的成本高。此外，在以往的方法中，未能发现除了学习夹持器从正上方夹持物体以外的夹持方法的例子。
技术实现思路
因此，本专利技术提供进行用于根据计算机上的图像适当地确...
【技术保护点】
1.一种学习装置，其中，具备：/n检测单元，检测物体的存在的位置和夹持该物体的教学工具的信息；/n训练数据生成单元，将由所述检测单元检测出的所述教学工具的信息变换为所述教学工具的位置及姿势的信息，生成将所述物体的存在的位置信息与夹持该物体的所述教学工具的位置及姿势的信息相关联的数据即训练数据；以及/n学习部，使用所述训练数据学习由具备多个层的神经网络模型表示的学习模型，该学习模型是当经由所述检测单元被输入目标物体的存在的位置信息时输出能够夹持所述目标物体的夹持单元的位置及姿势的信息的学习模型。/n
【技术特征摘要】
【国外来华专利技术】20170531 JP 2017-1085501.一种学习装置，其中，具备：
检测单元，检测物体的存在的位置和夹持该物体的教学工具的信息；
训练数据生成单元，将由所述检测单元检测出的所述教学工具的信息变换为所述教学工具的位置及姿势的信息，生成将所述物体的存在的位置信息与夹持该物体的所述教学工具的位置及姿势的信息相关联的数据即训练数据；以及
学习部，使用所述训练数据学习由具备多个层的神经网络模型表示的学习模型，该学习模型是当经由所述检测单元被输入目标物体的存在的位置信息时输出能够夹持所述目标物体的夹持单元的位置及姿势的信息的学习模型。
2.根据权利要求1所述的学习装置，其中，
所述检测单元至少将物体的存在的位置以及所述教学工具的位置检测为3维数据，
所述训练数据是具备至少包括所述教学工具的3维位置信息的6维以上的自由度的数据的数据。
3.根据权利要求2所述的学习装置，其中，所述学习模型是卷积神经网络模型。
4.根据权利要求3所述的学习装置，其中，所述学习模型是在各层间不存在全连接层且所有层间通过卷积运算被连接的卷积神经网络模型。
5.根据权利要求2至4中的任意一项所述的学习装置，其中，
所述检测单元将物体的存在的位置以及所述教学工具的位置检测为3维数据；
所述训练数据中包括的所述教学工具的位置是用所述教学工具相对预定的基准点的垂直位置以及用2维表示的水平位置这3维表示的位置；
所述训练数据中包括的所述教学工具的姿势是用所述教学工具相对预定的基准姿势的滚转角、俯仰角及偏摆角这3维表示的姿势；
所述训练数据具备物体的存在的位置和6维数据，该6维数据是教学工具能够夹持该物体的用所述3维表示的位置以及用所述3维表示的姿势的数据，
所述学习模型输出的所述夹持单元的位置及姿势的数据是所述夹持单元的用所述3维表示的位置以及用所述3维表示的姿势。
6.根据权利要求5所述的学习装置，还具备训练数据生成部，该训练数据生成部根据所述检测单元检测出的设置于所述教学工具的标记器的信息，取得为所述训练数据中的所述6维数据。
7.根据权利要求5所述的学习装置，其中，所述学习部将所述教学工具能够夹持物体的多个位置及姿势的信息中的对基于所述检测单元检测出的距该物体的深度信息以及所述教学工具的姿势信息的多个信息进行聚类而得到的信息用作训练数据。
8.一种推算装置，其中，具备：
检测...
【专利技术属性】
技术研发人员：草野仁志，久米绚佳，松元叡一，
申请(专利权)人：首选网络株式会社，
类型：发明
国别省市：日本;JP
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。