机器人系统
阅读：658发布：2023-02-27
专利汇可以提供机器人系统专利检索，专利查询，专利分析的服务。并且本 发明 提供一种 机器人 系统，降低计算学习校正量的学习次数，其中，该学习校正量用于校正机器人机构部的 位置 控制。机器人系统(1)包含：至少一个未学习机器人(102)，其未学习基于动作指令的位置控制的学习校正量；至少一个已学习机器人(101、103、104)，其已学习基于动作指令的位置控制的学习校正量；存储装置(210)，其保存已学习机器人的动作指令(1、3、4)和学习校正量，未学习机器人具有：校正量推定部，其根据保存于存储装置的已学习机器人(103)的动作指令(3)与本机器人的动作指令(2)的差异，校正保存于存储装置的已学习机器人的学习校正量，将校正后的学习校正量推定为本机器人的学习校正量。，下面是机器人系统专利的具体信息内容。
1.一种机器人系统，其特征在于，所述机器人系统包含：
至少一个未学习机器人，其未学习基于动作指令的位置控制的学习校正量；
至少一个已学习机器人，其已学习基于动作指令的位置控制的学习校正量；以及存储装置，其保存所述已学习机器人的动作指令和学习校正量，
所述未学习机器人具有：校正量推定部，其根据保存于所述存储装置的所述已学习机器人的动作指令与本机器人的动作指令的差异，校正保存于所述存储装置的所述已学习机器人的学习校正量，将校正后的学习校正量推定为本机器人的学习校正量。
2.根据权利要求1所述的机器人系统，其特征在于，
所述校正量推定部根据所述已学习机器人的动作指令与本机器人的动作指令的大小之比和时间长度之比，校正所述已学习机器人的学习校正量。
3.根据权利要求2所述的机器人系统，其特征在于，
所述校正量推定部将所述已学习机器人的动作指令和学习校正量与本机器人的动作指令缩放到同一时间长度，
所述校正量推定部根据缩放后的所述已学习机器人的动作指令与缩放后的本机器人的动作指令的大小之比，来校正缩放后的所述已学习机器人的学习校正量的大小，所述校正量推定部通过将校正后的所述已学习机器人的学习校正量缩放到本机器人的动作指令的时间长度，校正所述已学习机器人的学习校正量。
4.根据权利要求1所述的机器人系统，其特征在于，
所述校正量推定部根据从所述已学习机器人的动作指令向本机器人的动作指令的函数，校正所述已学习机器人的学习校正量。
5.根据权利要求4所述的机器人系统，其特征在于，
所述校正量推定部求出从所述已学习机器人的动作指令向本机器人的动作指令的传递函数，
所述校正量推定部将求出的传递函数应用于所述已学习机器人的学习校正量，校正所述已学习机器人的学习校正量。
6.根据权利要求1～5中任一项所述的机器人系统，其特征在于，
所述未学习机器人还具有：比较部，其将保存于所述存储装置的所述已学习机器人的动作指令与本机器人的动作指令进行比较，
在所述比较部的比较结果是所述已学习机器人的动作指令与本机器人的动作指令之间的相关性为阈值以上时，所述校正量推定部校正所述已学习机器人的学习校正量，将校正后的学习校正量推定为本机器人的学习校正量。
7.根据权利要求6所述的机器人系统，其特征在于，
所述比较部将所述已学习机器人的动作指令和本机器人的动作指令缩放到同一时间长度，
所述比较部将缩放后的所述已学习机器人的动作指令与缩放后的本机器人的动作指令进行比较。
8.根据权利要求6或7所述的机器人系统，其特征在于，
在所述比较部的比较结果是所述已学习机器人的动作指令与本机器人的动作指令相同时，所述校正量推定部将所述已学习机器人的学习校正量直接推定为本机器人的学习校正量。
9.根据权利要求1～8中任一项所述的机器人系统，其特征在于，
所述机器人系统还包含：服务器装置，其经由网络与所述未学习机器人和所述已学习机器人连接，并具有所述存储装置。
机器人系统
技术领域
背景技术
[0002] 例如已知有如下工业用机器人：通过控制机器人机构部的手臂末端部(位置控制的对象部位)的位置，来进行激光加工、密封、电弧焊等。在这样的机器人中，通过使动作高速化，可以缩短周期时间，可以提高生产效率。但是，若使机器人的动作高速化，有时因减速机、机器人机构部的手臂的刚性不足等原因，机器人机构部的手臂末端部会产生振动，由此，存在加工对象物的品质恶化这样的情况。
[0003] 在专利文献1和2中记载了解决上述问题的机器人。这些机器人在机器人机构部的手臂末端部具有传感器，通过传感器来计测基于动作程序的机器人机构部的动作过程中机器人机构部的手臂末端部的振动。机器人重复进行计算学习校正量的学习控制，该学习校正量用于降低计测出的振动。
[0004] 机器人使用学习校正量来校正机器人机构部的手臂末端部(位置控制的对象部位)的位置控制，降低机器人机构部的手臂末端部的振动。
[0005] 现有技术文献
[0006] 专利文献1：日本特开2011-167817号公报
[0007] 专利文献2：日本特开2012-240142号公报
[0008] 机器人机构部的手臂末端部的振动特性因机器人机构部的姿势不同而变化很大。因此，在进行学习控制时需要将鲁棒性设定得大，学习的重复次数变多。此外，在修正了动作程序时，还存在不得不从头开始重新学习，非常花费工夫这样的问题。
发明内容
[0009] 本发明的目的在于提供一种机器人系统，降低计算用于校正机器人机构部的位置控制的学习校正量的学习次数。
[0010] (1)本发明涉及的机器人系统(例如，后述的机器人系统1)，包含：至少一个未学习机器人(例如，后述的机器人102)，其未学习基于动作指令的位置控制的学习校正量；至少一个已学习机器人(例如，后述的机器人103)，其已学习基于动作指令的位置控制的学习校正量；以及存储装置(例如，后述的存储装置210)，其保存所述已学习机器人的动作指令和学习校正量，所述未学习机器人具有：校正量推定部(例如，后述的校正量推定部33)，其根据保存于所述存储装置的所述已学习机器人的动作指令与本机器人的动作指令的差异，校正保存于所述存储装置的所述已学习机器人的学习校正量，将校正后的学习校正量推定为本机器人的学习校正量。
[0011] (2)在(1)所记载的机器人系统中可以是，所述校正量推定部根据所述已学习机器人的动作指令与本机器人的动作指令的大小之比和时间长度之比，校正所述已学习机器人的学习校正量。
[0012] (3)在(2)所记载的机器人系统中可以是，所述校正量推定部将所述已学习机器人的动作指令和学习校正量与本机器人的动作指令缩放到同一时间长度，所述校正量推定部根据缩放后的所述已学习机器人的动作指令与缩放后的本机器人的动作指令的大小之比，来校正缩放后的所述已学习机器人的学习校正量的大小，所述校正量推定部通过将校正后的所述已学习机器人的学习校正量缩放到本机器人的动作指令的时间长度，校正所述已学习机器人的学习校正量。
[0013] (4)在(1)所记载的机器人系统中可以是，所述校正量推定部根据从所述已学习机器人的动作指令向本机器人的动作指令的函数，校正所述已学习机器人的学习校正量。
[0014] (5)在(4)所记载的机器人系统中可以是，所述校正量推定部求出从所述已学习机器人的动作指令向本机器人的动作指令的传递函数，所述校正量推定部将求出的传递函数应用于所述已学习机器人的学习校正量，校正所述已学习机器人的学习校正量。
[0015] (6)在(1)～(5)中任一项所记载的机器人系统中可以是，所述未学习机器人还具有：比较部，其将保存于所述存储装置的所述已学习机器人的动作指令与本机器人的动作指令进行比较，在所述比较部的比较结果是所述已学习机器人的动作指令与本机器人的动作指令之间的相关性为阈值以上时，所述校正量推定部校正所述已学习机器人的学习校正量，将校正后的学习校正量推定为本机器人的学习校正量。
[0016] (7)在(6)所记载的机器人系统中可以是，所述比较部将所述已学习机器人的动作指令和本机器人的动作指令缩放到同一时间长度，所述比较部将缩放后的所述已学习机器人的动作指令与缩放后的本机器人的动作指令进行比较。
[0017] (8)在(6)或(7)所记载的机器人系统中可以是，在所述比较部的比较结果是所述已学习机器人的动作指令与本机器人的动作指令相同时，所述校正量推定部将所述已学习机器人的学习校正量直接推定为本机器人的学习校正量。
[0018] (9)在(1)～(8)中任一项所记载的机器人系统中可以是，所述机器人系统还包含：服务器装置(例如，后述的服务器装置200)，其经由网络与所述未学习机器人和所述已学习机器人连接，并具有所述存储装置。
[0019] 发明效果
[0021] 图1是表示本实施方式涉及的机器人系统的结构的图。
[0022] 图2是表示图1的机器人系统中的机器人的结构的图。
[0023] 图3是表示第一实施方式的机器人系统中未学习机器人的机器人控制部的学习校正量的推定动作的流程图。
[0024] 图4是用于说明图2的机器人的机器人控制部中比较部的动作指令的时间长度的缩放的图。
[0025] 图5A是用于说明图2的机器人的机器人控制部中校正量推定部推定学习校正量的一例的图。
[0026] 图5B是用于说明图2的机器人的机器人控制部中校正量推定部的动作指令的大小之比的一例的图。
[0027] 图6是表示第二实施方式的机器人系统中的未学习机器人的机器人控制部的学习校正量的推定动作的流程图。
[0028] 图7A是用于说明图2的机器人的机器人控制部中校正量推定部的动作指令的传递函数的求出方法的一例的图。
[0029] 图7B是用于说明图2的机器人的机器人控制部中校正量推定部推定学习校正量的其他一例的图。
[0030] 符号说明
[0031] 1 机器人系统
[0032] 5 网络
[0033] 10 机器人机构部
[0034] 12 工具
[0035] 20 传感器
[0036] 30 机器人控制部
[0037] 31 动作控制部
[0038] 32 位置偏差推定部
[0039] 33 校正量推定部(学习控制部)
[0040] 34 取得部
[0041] 35 比较部
[0042] 36 存储部
[0043] 101、102、103、104 机器人
[0044] 200 服务器装置(云)
[0045] 210 存储装置
具体实施方式
[0046] 以下，参照附图对本发明的实施方式的一例进行说明。另外，在各附图中对相同或者相当的部分标注相同的符号。
[0047] (第一实施方式)
[0048] 图1是表示本实施方式涉及的机器人系统的结构的图。图1所示的机器人系统1具有：4个机器人101、102、103、104、经由网络5与这些机器人101、102、103、104连接的服务器装置200。
[0049] 机器人101、102、103、104是进行激光加工、密封、或者电弧焊等的例如工业用机器人。以下，代表机器人101、102、103、104对机器人102进行说明，机器人101、103、104与机器人102一样。
[0050] 机器人102根据动作指令(动作程序)进行机器人机构部的工具末端部(位置控制的对象部位)的位置控制。此外，机器人102例如在初始设定中，进行机器人机构部的工具末端部的位置控制的校正。作为生成用于该校正的校正量的功能，机器人102具有以往的学习控制功能和新的学习控制功能这两个功能。
[0051] 在以往的学习控制功能中，机器人102单独应用前次生成的学习校正量来进行重复基于动作指令的机器人机构部动作的学习控制，由此，学习计算用于降低工具末端部振动的学习校正量(例如，专利文献1和2)。
[0052] 在新的学习控制的功能中，机器人102利用保存于服务器装置200的已学习机器人的学习数据(动作指令和学习校正量)，推定用于降低工具末端部的振动的学习校正量。机器人102的详细情况在后面描述。
[0053] 在本实施方式中，机器人102未学习用于基于动作指令的位置控制校正的学习校正量。而机器人101、103、104已学习用于基于动作指令的位置控制校正的学习校正量。机器人101、103、104将学习到的学习校正量与动作指令关联起来作为学习数据，经由网络5发送给服务器装置200。
[0054] 服务器装置200例如是云服务器，具有存储装置210。存储装置210保存从已学习机器人101接收到的学习数据1(动作指令1和学习校正量1)、从已学习机器人103接收到的学习数据3(动作指令3和学习校正量3)、以及从已学习机器人104接收到的学习数据4(动作指令4和学习校正量4)。存储装置210例如是HDD(Hard Disk Drive)、SDD(Solid State Drive)等能够改写的存储器。
[0055] 接下来，对机器人102的结构进行详细说明。图2是表示机器人102的结构的图。机器人102具有：机器人机构部10、传感器20、机器人控制部30。
[0056] 作为机器人机构部10可以使用公知的机器人手。在图2中，作为机器人机构部10例示出具有6个关节轴的机械手。在机器人机构部10的末端部设置有工具12。在该机器人机构部10中工具12的末端部是位置控制的对象部位。
[0057] 传感器20设置于机器人机构部10的工具12的末端部。传感器20将机器人机构部10的工具12的末端部的位置相关的位置信息提供给机器人控制部30。作为传感器20列举出视觉传感器、加速度传感器、陀螺仪传感器、惯性传感器、应变仪。
[0058] 机器人控制部30控制机器人机构部10的动作。机器人控制部30具有：动作控制部31、位置偏差推定部32、校正量推定部33、取得部34、比较部35、存储部36。
[0059] 动作控制部31、位置偏差推定部32以及校正量推定部33根据来自传感器20的机器人机构部10的工具12的末端部的位置信息，单独提供计算学习校正量的以往的学习控制，该学习校正量用于降低工具12的末端部的振动。
[0060] 此外，取得部34、比较部35以及校正量推定部33利用保存于服务器装置200的存储装置210的已学习机器人的学习数据(动作指令和学习校正量)，提供推定学习校正量的新的学习控制，该学习校正量用于降低工具12的末端部的振动。
[0061] 动作控制部31例如从数值控制装置(未图示)取得机器人机构部10的工具12的末端部(位置控制的对象部位)的目标位置相关的位置指令，该位置指令是基于机器人机构部10的动作指令2的机器人机构部10的电动机(未图示)的位置指令。此外，动作控制部31从安装于机器人机构部10的电动机的编码器(未图示)取得与电动机的位置(旋转位置)对应的位置反馈(位置FB)。此外，动作控制部31从校正量推定部33取得机器人机构部10的工具12的末端部的学习校正量2。动作控制部31根据基于所取得的动作指令2的位置指令与位置反馈的位置偏差以及学习校正量2，生成机器人机构部10的电动机的驱动电流，进行机器人机构部10的工具12的末端部的位置控制。
[0062] 位置偏差推定部32在基于动作指令2的机器人机构部10的动作过程中，按控制周期取得基于动作指令2的位置指令，临时存储于存储部36。此外，位置偏差推定部32在基于动作指令2的机器人机构部10的动作过程中，从传感器20取得机器人机构部10的工具12的末端部的位置信息，临时存储于存储部36。位置偏差推定部32按控制周期推定工具12的末端部的位置相对于位置指令(即，机器人机构部10的工具12的末端部的目标位置)的位置偏差。该位置偏差包含机器人机构部10的工具12的末端部的振动造成的位置偏移。
[0063] 校正量推定部33作为典型的学习控制部而发挥功能，根据由位置偏差推定部32推定出的位置偏差，按控制周期生成学习校正量，存储于存储部36。此外，在将前次生成的学习校正量应用于动作控制部31，进行重复基于动作指令2的机器人机构部10的动作的学习控制时，校正量推定部33根据本次生成的学习校正量和前次生成的学习校正量，学习计算用于进一步降低由位置偏差推定部32推定出的位置偏差的学习校正量，对存储于存储部36的学习校正量2进行更新。
[0064] 取得部34由通信接口电路构成。取得部34从服务器装置200的存储装置210经由网络5取得已学习机器人101、103、104的学习数据1(动作指令1和学习校正量1)、学习数据3(动作指令3和学习校正量3)、学习数据4(动作指令4和学习校正量4)。
[0065] 比较部35将本机器人的动作指令2与取得部34取得的已学习机器人101、103、104的动作指令1、动作指令3以及动作指令4的各指令进行比较。
[0066] 在该比较中，比较部35判定在动作指令1、动作指令2以及动作指令3中是否存在与本机器人的动作指令2相同的动作指令。
[0067] 此外，在动作指令1、动作指令2以及动作指令3都不同于本机器人的动作指令2时，比较部35判定本机器人的动作指令2与动作指令1、动作指令2以及动作指令3的各指令的相关性是否为阈值以上。
[0068] 例如，比较部35将本机器人的动作指令2与动作指令1、动作指令3和动作指令4缩放(缩小或者放大)到同一时间长度，判定缩放后的本机器人的动作指令2与缩放后的动作指令1、动作指令3以及动作指令3的各指令的相关性是否为阈值以上。比较部35的详细情况在后面描述。
[0069] 所谓相关性是表示类似度的值，例如用0～1的任意值来表示，越是近似1类似度越高。通过动作指令的开始点以何种程度不同、以及缩放到同一时间长度的动作指令的相关性等来判定动作指令的类似性。
[0070] 校正量推定部33根据比较部35的比较的结果、针对本机器人的动作指令2相关性(类似度)最高的动作指令、以及与该动作指令对应的学习校正量，来推定本机器人的学习校正量2。
[0071] 以下，将针对本机器人的动作指令2相关性(类似度)最高的动作指令以及与该动作指令对应的学习校正量假设为动作指令3和学习校正量3来进行说明。
[0072] (1)动作指令2与动作指令3相同时(相关性是1时)
[0073] 在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3相同时，校正量推定部33将与动作指令3对应的学习校正量3直接推定为本机器人的学习校正量2，存储于存储部36。
[0074] (2)动作指令2与动作指令3的相关性是阈值以上时(相关性近似1时)[0075] 在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足1且是阈值以上时，校正量推定部33根据动作指令2与动作指令3的差异(大小之比和时间长度之比)，来校正学习校正量3，将校正后的学习校正量3推定为本机器人的学习校正量2，存储于存储部36。
[0076] 例如，校正量推定部33将动作指令2与动作指令3和学习校正量3缩放到同一时间长度，根据缩放后的动作指令2与缩放后的动作指令3的大小之比，来校正缩放后的学习校正量3的大小，将校正后的学习校正量3缩放到动作指令2的时间长度。校正量推定部33的详细情况在后面描述。
[0077] 机器人102可以将校正量推定部33推定出的学习校正量2直接作为学习校正量，并且，还可以将该学习校正量2作为初始值来应用，如上所述通过动作控制部31、位置偏差推定部32、校正量推定部33来进行计算用于进一步减低机器人机构部10的工具12的末端部振动的学习校正量的以往的学习控制。
[0078] 另外，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足阈值时，如上所述，校正量推定部33根据位置偏差推定部32推定出的位置偏差来进行以往的学习控制。
[0079] 校正量推定部33在进行基于实际的动作指令2的动作时，将存储于存储部36的学习校正量供给到动作控制部31。
[0080] 存储部36存储校正量推定部33推定出的学习校正量。存储部36例如是EEPROM等能够改写的存储器。
[0081] 上述的机器人控制部30中的动作控制部31、位置偏差推定部32、校正量推定部33、比较部35例如由DSP(Digital Signal Processor，数字信号处理器)、FPGA(Field-Programmable Gate Array：现场可编程门阵列)等运算处理器构成。机器人控制部30的各种功能例如执通过行存储于存储部的规定软件(程序、应用)来实现。机器人控制部30的各种功能可以通过硬件与软件的协作来实现，也可以只通过硬件(电子电路)来实现。
[0082] 接下来，参照图3～图5B，对第一实施方式的机器人系统1中的未学习机器人102的机器人控制部30进行的学习校正量的推定动作进行说明。图3是表示第一实施方式的机器人系统1中的未学习机器人102的机器人控制部30进行的学习校正量的推定动作的流程图。图4是用于对机器人102的机器人控制部30中的比较部35的动作指令2和动作指令3的时间长度的缩放进行说明的图。图5A是用于对机器人102的机器人控制部30中的校正量推定部
33的学习校正量的推定的一例进行说明的图。图5B是用于对机器人102的机器人控制部30中的校正量推定部33的动作指令2和动作指令3的大小之比的一例进行说明的图。
33的学习校正量的推定的一例进行说明的图。图5B是用于对机器人102的机器人控制部30中的校正量推定部33的动作指令2和动作指令3的大小之比的一例进行说明的图。
[0083] 首先，机器人101、103、104已学习用于基于动作指令的位置控制校正的学习校正量，这些学习数据(动作指令和学习校正量)保存于服务器装置200的存储装置210。
[0084] 例如，机器人101通过动作控制部31、位置偏差推定部32、校正量推定部33，根据来自传感器20的机器人机构部10的工具12的末端部的位置信息，单独进行计算用于降低工具12的末端部振动的学习校正量1的以往的学习控制。具体来说，机器人101应用前次生成的学习校正量，进行重复基于动作指令1的机器人机构部10的动作的学习控制，由此，学习计算用于降低工具12的末端部振动的学习校正量1。机器人101将学习到的学习校正量1与动作指令1关联起来作为学习数据1，经由网络5发送给服务器装置200。
[0085] 同样地，机器人103将通过动作控制部31、位置偏差推定部32、校正量推定部33的以往的学习控制而学习到的学习校正量3与动作指令3关联起来作为学习数据3，经由网络5发送给服务器装置200。
[0086] 同样地，机器人104将通过动作控制部31、位置偏差推定部32、校正量推定部33的以往的学习控制而学习到的学习校正量4与动作指令4关联起来作为学习数据4，经由网络5发送给服务器装置200。
[0087] 服务器装置200将从已学习机器人101接收到的学习数据1(动作指令1和学习校正量1)、从已学习机器人103接收到的学习数据3(动作指令3和学习校正量3)、以及从已学习机器人104接收到的学习数据4(动作指令4和学习校正量4)保存于存储装置210。
[0088] 接下来，在未学习机器人102中，取得部34从服务器装置200的存储装置210经由网络5取得已学习机器人101、103、104的学习数据1(动作指令1和学习校正量1)、学习数据3(动作指令3和学习校正量3)、以及学习数据4(动作指令4和学习校正量4)(S11)。
[0089] 接下来，比较部35将本机器人的动作指令2与取得部34取得到的已学习机器人101、103、104的动作指令1、动作指令2和动作指令3的各指令进行比较。在该比较中，比较部
35判定在动作指令1、动作指令2和动作指令3中是否存在与本机器人的动作指令2相同的动作指令(S12)。当动作指令1、动作指令2和动作指令3中存在与本机器人的动作指令2相同的动作指令3时，向后述的步骤S14前进。
35判定在动作指令1、动作指令2和动作指令3中是否存在与本机器人的动作指令2相同的动作指令(S12)。当动作指令1、动作指令2和动作指令3中存在与本机器人的动作指令2相同的动作指令3时，向后述的步骤S14前进。
[0090] 另一方面，当动作指令1、动作指令2和动作指令3都不同于本机器人的动作指令2时，比较部35判定本机器人的动作指令2与动作指令1、动作指令2和动作指令3的各指令的相关性(类似度)是否为阈值以上(S13)。
[0091] 例如图4所示，比较部35将时间长度T1的动作指令3缩放到时间长度1(t＝t/T1)，还将时间长度T2的动作指令2缩放到时间长度1(t＝t/T2)。比较部35求出缩放后的动作指令3与缩放后的动作指令2的相关性(类似度)。
[0092] 在求出的相关性不足1且是阈值以上时，向后述的步骤S15前进。另一方面，在求出的相关性不足阈值时，向后述的步骤S16前进。
[0093] (1)动作指令2与动作指令3相同时(相关性是1时)
[0094] 在步骤S12中，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3相同时，校正量推定部33将与动作指令3对应的学习校正量3直接推定为本机器人的学习校正量2，存储于存储部36(S14)。
[0095] 由此，在进行实际的动作指令2的动作时，动作控制部31直接应用校正量推定部33推定出的学习校正量2，可以降低机器人机构部10的工具12的末端部的振动。
[0096] (2)动作指令2与动作指令3的相关性是阈值以上时(相关性近似1时)[0097] 例如，已学习机器人103的动作指令3是1秒加速到最高速度，以最高速移动3秒之后用1秒来减速并停止的动作指令，未学习机器人102的动作指令2是1秒加速到最高速度，以最高速移动1秒之后用1秒来减速并停止的动作指令。该情况下，由于动作指令3与动作指令2的动作时间不同，因此无法将已学习机器人103的学习校正量3直接用作未学习机器人102的学习校正量2。但是，由于动作指令3与动作指令2类似，因此认为针对各动作的学习校正量也类似。
[0098] 因此，在步骤S13中，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足1且是阈值以上时，校正量推定部33根据动作指令2与动作指令3的差异(大小之比和时间长度之比)，来校正学习校正量3，将校正后的学习校正量3推定为本机器人的学习校正量2，存储于存储部36(S15)。
[0099] 例如，如图5A所示，校正量推定部33将时间长度T1的学习校正量3缩放到时间长度1(t＝t/T1)。此外，如图4所示，校正量推定部33将时间长度T1的动作指令3缩放到时间长度
1(t＝t/T1)，将时间长度T2的动作指令2缩放到时间长度1(t＝t/T2)。
1(t＝t/T1)，将时间长度T2的动作指令2缩放到时间长度1(t＝t/T2)。
[0100] 接下来，如图5B所示，校正量推定部33以规定时间间隔求出缩放后的动作指令2与缩放后的动作指令3的大小之比。接下来，如图5A所示，校正量推定部33以规定时间间隔根据缩放后的动作指令2与缩放后的动作指令3的大小之比，来校正缩放后的学习校正量3的大小。
[0101] 接下来，校正量推定部33将校正后的学习校正量3缩放到本机器人的动作指令2的时间长度T2(t＝T2t)，推定为本机器人的学习校正量2。
[0102] 另外，校正量推定部33通过2次时间长度的缩放来进行t＝t/T1×T2t＝T2/T1的缩放，因此，根据动作指令2与动作指令3的时间长度之比来校正学习校正量3。
[0103] 由此，在进行实际的动作指令2的动作时，动作控制部31直接应用校正量推定部33推定出的学习校正量2，可以降低机器人机构部10的工具12的末端部的振动。
[0104] 或者，可以将校正量推定部33推定出的学习校正量2用作初始值，通过动作控制部31、位置偏差推定部32、校正量推定部33，来进行重复基于动作指令2的机器人机构部10的动作的学习控制，学习计算用于进一步降低工具12的末端部振动的学习校正量。由此，在进行实际的动作指令2的动作时，动作控制部31应用由校正量推定部33学习到的学习校正量
2，可以进一步降低机器人机构部10的工具12的末端部的振动。
2，可以进一步降低机器人机构部10的工具12的末端部的振动。
[0105] (3)动作指令2与动作指令3的相关性不足阈值时
[0106] 另一方面，在步骤S13中，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足阈值时，不利用已学习机器人103的学习校正量3，而是单独通过动作控制部31、位置偏差推定部32、校正量推定部33，根据来自传感器20的机器人机构部10的工具12的末端部的位置信息，来进行计算用于降低工具12的末端部振动的学习校正量2的以往的学习控制。具体来说，机器人102应用前次生成的学习校正量，进行重复基于动作指令2的机器人机构部10的动作的学习控制，由此，学习计算用于降低工具12的末端部振动的学习校正量2(S16)。
[0107] 由此，在进行实际的动作指令2的动作时，动作控制部31应用由校正量推定部33学习到的学习校正量2，可以降低机器人机构部10的工具12的末端部的振动。
[0108] 如上所述，根据本实施方式的机器人系统1，已学习机器人101、103、104将学习数据1(动作指令1和学习校正量1)、学习数据3(动作指令3和学习校正量3)、学习数据4(动作指令4和学习校正量4)保存于服务器装置200的存储装置210，这些已学习机器人101、103、104和未学习机器人102共享保存于服务器装置200的存储装置210的这些学习数据(动作指令和学习校正量)。
[0109] 未学习机器人102中的校正量推定部33例如根据保存于存储装置210的动作指令1、3、4中与本机器人的动作指令2相关性(近似度)最高的动作指令3与本机器人的动作指令
2的差异(大小之比和时间长度之比)，来校正与动作指令3对应的学习校正量3，将学习到的学习校正量3推定为本机器人的学习校正量2。
2的差异(大小之比和时间长度之比)，来校正与动作指令3对应的学习校正量3，将学习到的学习校正量3推定为本机器人的学习校正量2。
[0110] 由此，可以削减未学习机器人102的学习次数。此外，还可以削减机器人系统1中的机器人101、102、103、104的总学习次数。
[0111] 此外，当存在多台进行相同动作的机器人时，只要仅在其中一台进行学习则其他机器人不需要进行学习。因此，可以大幅降低总学习次数。
[0112] (第二实施方式)
[0113] 在第一实施方式的机器人系统1中，未学习机器人102根据本机器人的动作指令2与已学习机器人103的动作指令3的差异(大小之比和时间长度之比)来校正已学习机器人103的学习校正量3，推定为本机器人的学习校正量2。
[0114] 在第二实施方式涉及的机器人系统1中，未学习机器人102根据从已学习机器人103的动作指令3向本机器人的动作指令2的传递函数来校正已学习机器人103的学习校正量3，推定为本机器人的学习校正量2。
[0115] 第二实施方式涉及的机器人系统1的结构与图1所示的第一实施方式的机器人系统1的结构一样，第二实施方式涉及的机器人102(以及101、103、104)的结构与图2所示的第一实施方式的机器人102(以及101、103、104)的结构一样。另外，在第二实施方式涉及的机器人102(以及101、103、104)中，校正量推定部33的功能和动作与第一实施方式的机器人102(以及101、103、104)不同。
[0116] (1)动作指令2与动作指令3相同时(相关性是1时)
[0117] 在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3相同时，如上所述，校正量推定部33将与动作指令3对应的学习校正量3直接推定为本机器人的学习校正量2，存储于存储部36。
[0118] (2)动作指令2与动作指令3的相关性是阈值以上时(相关性近似1时)[0119] 在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足1且是阈值以上时，校正量推定部33根据从动作指令3向动作指令2的传递函数，来校正学习校正量3，将校正后的学习校正量3推定为本机器人的学习校正量2，存储于存储部36。
[0120] 例如，校正量推定部33求出从动作指令3向动作指令2的传递函数，将求出的传递函数应用于学习校正量3，对学习校正量3进行校正。
[0121] 接下来，参照图6～图7B，对第二实施方式的机器人系统1中的未学习机器人102进行的学习校正量的推定动作进行说明。图6是表示第二实施方式的机器人系统1中的未学习机器人102进行的学习校正量的推定动作的流程图。图7A是用于对机器人102的机器人控制部30中的校正量推定部33的从动作指令3向动作指令2的传递函数的求出方法的一例进行说明的图。图7B是用于对机器人102的机器人控制部30中的校正量推定部33的学习校正量的推定的一例进行说明的图。
[0122] 如图6所示，进行上述步骤S11～S13的动作，比较部35将本机器人的动作指令2与保存于服务器装置200的存储装置210的已学习机器人101、103、104的动作指令1、动作指令2以及动作指令3的各指令进行比较。
[0123] (1)动作指令2与动作指令3相同时(相关性是1时)
[0124] 在步骤S12中，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3相同时，进行上述的步骤S14的动作，校正量推定部33将与动作指令3对应的学习校正量3直接推定为本机器人的学习校正量2，存储于存储部36(S14)。
[0125] (2)动作指令2与动作指令3的相关性是阈值以上时(相关性近似1时)[0126] 在步骤S13中，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足1且是阈值以上时，校正量推定部33根据从动作指令3到动作指令2的传递函数来校正学习校正量3，将校正后的学习校正量3推定为本机器人的学习校正量2，存储于存储部36(S25)。
[0127] 例如，如图7A所示，校正量推定部33求出从动作指令3到动作指令2的传递函数G。接下来，如图7B所示，校正量推定部33将求出的传递函数G应用于学习校正量3，对学习校正量3进行校正，推定为本机器人的学习校正量2。
[0128] (3)动作指令2与动作指令3的相关性不足阈值时
[0129] 另一方面，在步骤S13中，在比较部35的比较结果是本机器人的动作指令2与已学习机器人103的动作指令3的相关性不足阈值时，进行上述步骤S16的动作，通过动作控制部31、位置偏差推定部32以及校正量推定部33来进行以往的学习控制(S16)。
[0130] 该第二实施方式的机器人系统1也可以获得与第一实施方式的机器人系统1相同的优点。
[0131] 以上，对本发明的实施方式进行了说明，但是本发明并不局限于上述实施方式。此外，本实施方式所记载的效果不过是举例从本发明衍生的最佳效果，本发明的效果并不局限于本实施方式所记载的效果。
[0132] 例如，上述实施方式可以适当变更，也可以组合起来实施。例如，将第一实施方式与第二实施方式组合，在本机器人的动作指令与已学习机器人的动作指令的相关性(近似度)是第一阈值以上时，像第一实施方式那样，根据本机器人的动作指令与已学习机器人的动作指令的差异(大小之比和时间长度之比)来校正已学习机器人的学习校正量，推定本机器人的学习校正量，在是不足第一阈值且是第二阈值以上(第一阈值＞第二阈值)时，像第二实施方式那样，根据从已学习机器人的动作指令向本机器人的动作指令的传递函数来校正已学习机器人的学习校正量，推定本机器人的学习校正量。
[0133] 此外，在上述第二实施方式中，例示了从已学习机器人的动作指令向本机器人的动作指令的传递函数，但是并不局限于传递函数，可以应用各种函数。
[0134] 此外，在上述实施方式中，已学习机器人经由网络将学习数据(动作指令和学习校正量)存储于服务器装置的存储装置，在多个机器人间共享，但是并不局限于此。例如，已学习机器人可以将学习数据(动作指令和学习校正量)存储于本机器人的存储部，在经由网络连接的多个机器人间共享。或者，还可以存储于多个机器人中的主机器人的存储部，在多个机器人间共享。
[0135] 此外，在上述实施方式中，例示了具有四个机器人的机器人系统，但是也可以应用于具有至少一个未学习机器人和至少一个已学习机器人的机器人系统。
[0136] 此外，在上述实施方式中，作为机器人例示了工业用机器人，但是并不局限于此。本发明的特征能够应用于降低进行学习控制的各种机器人的学习次数。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈