特許ウォッチ

公開番号2024086832
公報種別公開特許公報(A)
公開日2024-06-28
出願番号2024062554,2019209482
出願日2024-04-09,2019-11-20
発明の名称ロボットシステム、および、ロボット装置
出願人株式会社日立製作所
代理人ポレール弁理士法人
主分類G06N 20/00 20190101AFI20240621BHJP(計算;計数)
要約【課題】既存の複数のセンサデータから疑似的なセンサデータを生成する技術を提供する。
【解決手段】計測部は、ロボット装置の状態を計測する第1センサおよび周囲の状況を計測する第2センサを含み、情報処理装置は、速度の変更値等の拡張データ生成規則を記憶するメモリと、拡張データ生成規則の変更値を用いて第1センサ及び第2センサから取得した時系列のオリジナルデータをデータ拡張することにより、第1センサに関する時系列の拡張データと第2センサに関する時系列の拡張データを生成し、該時系列の拡張データと時系列のオリジナルデータを含む第1センサに関する時系列データおよび第2センサに関する時系列データを組み合わせた、時系列の学習データを出力し、学習データを用いて機械学習モデルを機械学習し、学習した機械学習モデルを用いて動作指令値を生成するプロセッサと、を備え、駆動部は、動作指令値に基づいて制御される。
【選択図】図1
特許請求の範囲【請求項１】
複数の計測部と複数の駆動部とを備えるロボット装置と、
前記計測部からセンサデータを取得し、前記ロボット装置に動作指令値を出力する情報処理装置と、を備えるロボットシステムであって、
前記計測部は、ロボット装置の状態を計測する第１センサおよび周囲の状況を計測する第２センサを含み、
前記情報処理装置は、
少なくとも１つの速度の変更値、少なくとも１つの位相の変更値、少なくとも１つの位置の変更値、または、少なくとも１つの大きさの変更値の、少なくとも１つの拡張データ生成規則を記憶するメモリと、
前記拡張データ生成規則の少なくとも１つの変更値を用いて前記第１センサ及び前記第２センサから取得した時系列のオリジナルデータをデータ拡張することにより、前記第１センサに関する時系列の拡張データと前記第２センサに関する時系列の拡張データを生成し、該時系列の拡張データと前記時系列のオリジナルデータを含む前記第１センサに関する時系列データおよび前記第２センサに関する時系列データを組み合わせた、前記時系列の学習データを出力し、前記学習データを用いて機械学習モデルを機械学習し、学習した前記機械学習モデルを用いて動作指令値を生成するプロセッサと、を備え、
前記駆動部は、前記動作指令値に基づいて制御されることを特徴とするロボットシステム。
続きを表示（約 780 文字）【請求項２】
請求項１に記載のロボットシステムにおいて、
前記ロボット装置は、多関節ロボットであり、
前記駆動部は、前記動作指令値に基づいて、複数の駆動部がロボット装置の各関節の角度を変更させることを特徴とするロボットシステム。
【請求項３】
請求項２に記載のロボットシステムにおいて、
前記ロボット装置は、ロボットハンドを備え、
前記動作指令値は把持動作指令値であり、
前記ロボットハンドは、前記把持動作指令値に従い、対象物を把持することを特徴とするロボットシステム。
【請求項４】
複数の計測部と複数の駆動部とを備えるロボット装置であって、
少なくとも１つの速度の変更値、少なくとも１つの位相の変更値、少なくとも１つの位置の変更値、または、少なくとも１つの大きさの変更値の、少なくとも１つの拡張データ生成規則を記憶するメモリと、
前記拡張データ生成規則の少なくとも１つの変更値を用いて、ロボット装置の状態を計測する第１センサ及び周囲の状況を計測する第２センサから取得した時系列のオリジナルデータをデータ拡張することにより、前記第１センサに関する時系列の拡張データと前記第２センサに関する時系列の拡張データを生成し、該時系列の拡張データと前記時系列のオリジナルデータを含む前記第１センサに関する時系列データおよび前記第２センサに関する時系列データを組み合わせた、前記時系列の学習データを出力し、前記学習データを用いて機械学習モデルを機械学習し、学習した前記機械学習モデルを用いて動作指令値を生成するプロセッサと、を備える情報処理装置から出力される前記動作指令値に基づいて、前記複数の駆動部は、前記ロボット装置の各関節の角度を変更させることを特徴とするロボット装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、少量のオリジナルデータに基づいて、機械学習のための大量の学習データを生成し、その大量の学習データを用いて機械学習を実行するロボットシステム、および、ロボット装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
深層学習をはじめとする機械学習は、これまで難しかった複雑な認識や識別を高精度に実現する学習方法として注目されている。効率的な機械学習には、十分な数の学習データが必要であり、例えば、画像認識分野の深層学習の場合は、数万～数億の画像データを学習データとすることで、従来手法を超える物体認識精度を実現している。
【０００３】
画像認識分野の深層学習を開示する文献としては、例えば、非特許文献１がある。この文献では、画像データにパラメトリックな変形を施し、疑似的な学習データ、つまり疑似的な学習データを複数作成する方法を開示している。この文献で用いられるパラメトリックな変形の例としては、画像に対する輝度調整、反転、歪み、拡大縮小等がある。
【０００４】
また、特許文献１では、時系列データである生体データから疑似的な生体データを生成するデータ生成装置を開示している。このデータ生成装置は、日常的に生じる生体データの変動を反映した疑似的なデータを予め生成することで、装着者や装着状態の認識精度が向上するというものである。
【先行技術文献】
【特許文献】
【０００５】
特開２０１９－２５３１１号公報
【非特許文献】
【０００６】
Ciresanほか著、「Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition」、Computation、2010年12月、Vol.22、No.12
【発明の概要】
【発明が解決しようとする課題】
【０００７】
深層学習を用いたロボット動作の生成方法としては、人の情報処理を模擬したマルチモーダル深層学習が提案されている。マルチモーダル深層学習は、複数のセンサ情報（例えば、画像や音声、テキストなど）を統合的に処理・学習することで、これまで難しかった複雑な形状の物体操作や、複雑な環境変化に対し、柔軟な動作を自律的に実行可能にするものである。しかしながら、ロボット装置に移動対象物の把持を学習させる場合、対象物の移動速度や把持タイミングなどの学習データを大量に用意する必要があり、膨大な計算コストが必要になるという問題があった。
【０００８】
そこで、本発明では、ロボット装置が移動対象物を把持するような複雑な環境下でも容易に深層学習できるようにするため、少量の時系列のオリジナルデータに基づいて、大量の学習データを容易に生成できるロボットシステムを提供することを目的としている。
【課題を解決するための手段】
【０００９】
上記課題を解決するために、本発明に係るロボットシステムは、複数の計測部と複数の駆動部とを備えるロボット装置と、前記計測部からセンサデータを取得し、前記ロボット装置に動作指令値を出力する情報処理装置と、を備えるロボットシステムであって、前記計測部は、ロボット装置の状態を計測する第１センサおよび周囲の状況を計測する第２センサを含み、前記情報処理装置は、少なくとも１つの速度の変更値、少なくとも１つの位相の変更値、少なくとも１つの位置の変更値、または、少なくとも１つの大きさの変更値の、少なくとも１つの拡張データ生成規則を記憶するメモリと、前記拡張データ生成規則の少なくとも１つの変更値を用いて前記第１センサ及び前記第２センサから取得した時系列のオリジナルデータをデータ拡張することにより、前記第１センサに関する時系列の拡張データと前記第２センサに関する時系列の拡張データを生成し、該時系列の拡張データと前記時系列のオリジナルデータを含む前記第１センサに関する時系列データおよび前記第２センサに関する時系列データを組み合わせた、前記時系列の学習データを出力し、前記学習データを用いて機械学習モデルを機械学習し、学習した前記機械学習モデルを用いて動作指令値を生成するプロセッサと、を備え、前記駆動部は、前記動作指令値に基づいて制御されるものとした。
【発明の効果】
【００１０】
本発明のロボットシステムによれば、少量の時系列のオリジナルデータに基づいて、大量の時系列の学習データを容易に生成できるため、ロボット装置のロボットハンドが移動物体を把持するような複雑な環境下でも、大量の学習データに基づいて適切な機械学習を実行することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許