机器人系统、机器人的控制方法、机器学习装置及机器学习方法制造方法及图纸

本发明专利技术提供一种机器人系统、机器人的控制方法、机器学习装置及机器学习方法。机器人系统具备：机器人；观测部，其取得包含与通过测量器测量的物体相关的信息以及对所述信息进行处理后的信息的至少任意一个的数据；决定部，其通过将所述数据输入神经网络，决定用于通过所述机器人把持所述物体的信息；以及控制装置，其根据由所述决定部决定的信息，控制所述机器人。

【技术实现步骤摘要】
机器人系统、机器人的控制方法、机器学习装置及机器学习方法本申请为2016年7月29日递交的、申请号为201610617361.X、专利技术名称为“机器学习装置、机器人系统及机器学习方法”的专利申请的分案申请。
本专利技术涉及学习包含散装状态的杂乱放置的工件的取出动作的机器学习装置、机器人系统以及机器学习方法。
技术介绍
以前已知例如日本专利第5642738号公报和日本专利第5670397号公报所公开那样，通过机器人的机械手部把持散装在筐状的箱中的工件并搬运的机器人系统。在这样的机器人系统中，例如，使用在筐状的箱上方设置的三维测量器来取得多个工件的位置信息，并通过机器人的机械手部根据该位置信息逐个取出工件。然而，在上述以往的机器人系统中，需要事先设定例如如何根据由三维测量器测量出的多个工件的距离图像来提取要取出的工件，以及取出哪个位置的工件。此外，需要事先对取出工件时如何使机器人的机械手部动作进行编程。具体地，例如，人们需要使用示教板来向机器人示教工件的取出动作。因此，当根据多个工件的距离图像提取要取出的工件的设定本文档来自技高网...

【技术保护点】
1.一种机器人系统，其特征在于，具备：/n机器人；/n观测部，其取得包含与通过测量器测量的物体相关的信息以及对所述信息进行处理后的信息的至少任意一个的数据；/n决定部，其通过将所述数据输入神经网络，决定用于通过所述机器人把持所述物体的信息；以及/n控制装置，其根据由所述决定部决定的信息，控制所述机器人。/n

【技术特征摘要】
20150731 JP 2015-152067;20151130 JP 2015-2338571.一种机器人系统，其特征在于，具备：
机器人；
观测部，其取得包含与通过测量器测量的物体相关的信息以及对所述信息进行处理后的信息的至少任意一个的数据；
决定部，其通过将所述数据输入神经网络，决定用于通过所述机器人把持所述物体的信息；以及
控制装置，其根据由所述决定部决定的信息，控制所述机器人。


2.根据权利要求1所述的机器人系统，其特征在于，
所述数据至少包含与所述物体的位置、姿势、距离的任意一个相关的信息。


3.根据权利要求1所述的机器人系统，其特征在于，
所述数据至少包含所述物体的距离图像信息、所述物体的三维位置信息、所述物体的三维位置信息以及姿势信息中的任意一个。


4.根据权利要求1所述的机器人系统，其特征在于，
所述测量器包含三维视觉传感器。


5.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络通过强化学习进行了学习，该强化学习使用了基于物体的把持结果而计算出的回报。


6.根据权利要求5所述的机器人系统，其特征在于，
所述物体的把持结果至少包含：物体把持成功与否、物体把持成功的次数、物体的把持以及搬运所需的时间、作用于所述机器人的手部的力、物体把持后的后工序中的完成度、物体的状态、物体的把持以及搬运所需的能量中的任意一个。


7.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络进行了学习，使得根据与物体的把持结果相关的标签和所述神经网络的输出所计算出的误差最小化。


8.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络输出与所述机器人的手部的操作量相关的信息。


9.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络输出与所述物体的把持的成功概率相关的信息或与所述物体的位置相关的信息。


10.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
由所述决定部决定的信息至少包含用于设定所述机器人的手部的位置、姿势、取出方向的任意一个的信息。


11.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
由所述决定部决定的信息至少包含与提供给所述机器人的驱动轴的转矩、速度、旋转速度的任意一个相关的信息。


12.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
由所述观测部取得的数据包含由所述决定部决定的信息。


13.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述决定部使用所述神经网络，输出用于操作所述测量器的信息。


14.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络根据由其他机器人取得的数据进行了学习。


15.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络根据仿真的结果进行了学习。


16.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述神经网络存在于云服务器上。


17.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
所述测量器被安装在所述机器人的臂部上。


18.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
把持所述物体包括通过所述机器人的手部吸引或吸附所述物体。


19.根据权利要求18所述的机器人系统，其特征在于，
由所述决定部决定的信息包含用于所述机器人的手部吸引或吸附所述物体的信息。


20.根据权利要求18所述的机器人系统，其特征在于，
所述机器人的手部产生磁力或负压。


21.根据权利要求1至4中任一项所述的机器人系统，其特征在于，
处理所述信息之后的信息是使用机器学习取得的信息。


22.一种机器人...

【专利技术属性】
技术研发人员：山崎岳，尾山拓未，陶山峻，中山一隆，组谷英俊，中川浩，冈野原大辅，奥田辽介，松元睿一，河合圭悟，
申请(专利权)人：发那科株式会社，优选网络公司，
类型：发明
国别省市：日本;JP