特開 2024-146638 近接覚センサ及びそれを用いたロボットシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024146638

(43)【公開日】2024-10-15

(54)【発明の名称】近接覚センサ及びそれを用いたロボットシステム

(51)【国際特許分類】

   G01B 21/00 20060101AFI20241004BHJP

   B25J 13/08 20060101ALI20241004BHJP

   G01B 21/22 20060101ALI20241004BHJP

   G01C 3/06 20060101ALI20241004BHJP

   G01N 21/3554 20140101ALI20241004BHJP

【ＦＩ】

G01B21/00 E

B25J13/08 A

G01B21/22

G01C3/06 120R

G01N21/3554

【審査請求】未請求

【請求項の数】22

【出願形態】ＯＬ

(21)【出願番号】P 2023059663

(22)【出願日】2023-03-31

(71)【出願人】

【識別番号】522324004

【氏名又は名称】株式会社Ｔｈｉｎｋｅｒ

(74)【代理人】

【識別番号】100147647

【弁理士】

【氏名又は名称】岡本 直樹

(72)【発明者】

【氏名】藤本 弘道

(72)【発明者】

【氏名】中野 基輝

【テーマコード（参考）】

2F069

2F112

2G059

3C707

【Ｆターム（参考）】

2F069AA04

2F069AA72

2F069BB04

2F069DD15

2F069EE02

2F069GG04

2F069GG06

2F069GG07

2F069GG08

2F069GG66

2F112AD01

2F112AD03

2F112BA06

2F112BA07

2F112CA04

2F112DA21

2F112FA45

2F112FA50

2G059AA05

2G059BB08

2G059CC09

2G059EE02

2G059EE11

2G059GG01

2G059HH01

2G059KK03

2G059KK10

2G059MM01

2G059MM10

3C707BS10

3C707KS36

3C707KT03

3C707KT06

3C707KV18

3C707KX08

3C707LW12

3C707MT04

(57)【要約】

【課題】 対象物の特性や対象物との位置関係から受ける影響を低減することにより、高精度な測定を行うことが可能な近接覚センサを提供する。
【解決手段】 本発明の近接覚センサ４Ａは、対象物Ｏｂに関する情報を取得可能な情報取得装置群９と、情報取得装置群９を構成する各情報取得装置８が当該情報取得装置８に起因して発生させる電気物理量の主値と、当該情報取得装置８以外の他の情報取得装置８に起因して発生させる電気物理量のクロストーク値とがそれぞれ入力されて、所定の物理量を出力する学習済みモデル２０と、を備え、情報取得装置群９が、取得する情報の内容または情報の取得方法が相異なる複数種類の情報取得装置８を含んでいる。
【選択図】 図３

【特許請求の範囲】

【請求項1】

対象物に関する情報を取得可能な情報取得装置群と、
前記情報取得装置群を構成する各情報取得装置が当該情報取得装置に起因して発生させる電気物理量の主値と、当該情報取得装置以外の他の情報取得装置に起因して発生させる電気物理量のクロストーク値とがそれぞれ入力されて、所定の物理量を出力する学習済みモデルと、
を備える近接覚センサであって、
前記情報取得装置群が、取得する情報の内容または情報の取得方法が相異なる複数種類の情報取得装置を含むことを特徴とする近接覚センサ。

【請求項2】

前記電気物理量のクロストーク値が、取得する情報の内容または情報の取得方法が相異なる前記他の情報取得装置に起因して発生したものを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項3】

前記情報取得装置群が、前記対象物に対して相異なる周波数の光を照射する複数種類の光センサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項4】

前記学習済みモデルは、出力する物理量として、前記対象物の水分含有量を含んでいることを特徴とする請求項３に記載の近接覚センサ。

【請求項5】

前記情報取得装置群が、超音波センサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項6】

前記学習済みモデルは、出力する物理量として、前記対象物の硬度及び材質の少なくとも何れか一方を含んでいることを特徴とする請求項５に記載の近接覚センサ。

【請求項7】

前記情報取得装置群が、ＴｏＦ式レーザーセンサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項8】

前記学習済みモデルは、出力する物理量として、前記対象物までの絶対距離を含んでいることを特徴とする請求項７に記載の近接覚センサ。

【請求項9】

前記情報取得装置群が、静電容量センサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項10】

前記学習済みモデルは、出力する物理量として、前記対象物の有無を含んでいることを特徴とする請求項９に記載の近接覚センサ。

【請求項11】

前記情報取得装置群が、磁気センサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項12】

前記学習済みモデルは、出力する物理量として、前記対象物から基準面までの３次元距離及び前記対象物の基準面に対する３次元角度の少なくとも何れか一方を含んでいることを特徴とする請求項１１に記載の近接覚センサ。

【請求項13】

前記学習済みモデルは、出力する物理量として、前記対象物から基準面までの所定の閾値以上の距離及び当該対象物の基準面に対する角度の少なくとも何れか一方を含んでいることを特徴とする請求項５又は７に記載の近接覚センサ。

【請求項14】

前記情報取得装置群が、温度センサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項15】

前記学習済みモデルは、出力する物理量として、生体である前記対象物の生体情報を含んでいることを特徴とする請求項１４に記載の近接覚センサ。

【請求項16】

前記情報取得装置群が、力センサを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項17】

前記学習済みモデルは、出力する物理量として、前記対象物に印加された力の角度を考慮した力の大きさを含んでいることを特徴とする請求項１６に記載の近接覚センサ。

【請求項18】

前記情報取得装置群が、慣性計測装置を含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項19】

前記対象物を把持可能なロボットハンドを有するロボットと、
前記ロボットハンドに把持された前記対象物の周辺を撮像するカメラと、
少なくとも前記カメラの死角領域において前記対象物に関する情報を取得する請求項１から１２及び１４から１８の何れか一項に記載の近接覚センサと、
を備えることを特徴とするロボットシステム。

【請求項20】

前記情報取得装置群が、前記対象物の周辺を撮像するカメラを含むことを特徴とする請求項１に記載の近接覚センサ。

【請求項21】

前記学習済みモデルは、出力する物理量として、前記対象物の柔らかさ及び前記対象物のサイズの少なくとも何れか一方を含んでいることを特徴とする請求項２０に記載の近接覚センサ。

【請求項22】

前記対象物を把持可能なロボットハンドを有するロボットと、
少なくとも前記カメラの死角領域において前記対象物に関する情報を取得する請求項２０又は２１に記載の近接覚センサと、
を備えることを特徴とするロボットシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、対象物に関する種々の情報を取得可能な近接覚センサ及びそれを用いたロボットシステムに関する。

【背景技術】

【0002】

近年、ロボットハンドの指先等に装備されるセンサとして、近距離にある対象物との距離や角度を非接触で検出可能な、いわゆる近接覚センサ（近接センサとも呼ばれる）が広く用いられている。この近接覚センサにおいては、複数の非線形なセンサを組み合わせることにより、線形な出力を得ることが可能となる。例えば、特許文献１では、発光素子と受光素子とで構成される光センサが、基材の上に複数設けられている（図１及び図２を参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１９０５５２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかし、従来の近接覚センサは、それを構成する複数のセンサが、一種類のセンサ例えば光センサのみで構成されている。このような構成によれば、対象物の特性や対象物との位置関係によっては、測定精度が低下する可能性があるという問題があった。

【0005】

そこで本発明は、かかる事情に鑑みて創案され、その目的は、対象物の特性や対象物との位置関係から受ける影響を低減することにより、高精度な測定を行うことが可能な近接覚センサ、及びそれを用いたロボットシステムを提供することにある。

【課題を解決するための手段】

【0006】

本発明の一の態様に係る近接覚センサは、対象物に関する情報を取得可能な情報取得装置群と、前記情報取得装置群を構成する各情報取得装置が当該情報取得装置に起因して発生させる電気物理量の主値と、当該情報取得装置以外の他の情報取得装置に起因して発生させる電気物理量のクロストーク値とがそれぞれ入力されて、所定の物理量を出力する学習済みモデルと、を備える近接覚センサであって、前記情報取得装置群が、取得する情報の内容または情報の取得方法が相異なる複数種類の情報取得装置を含んでいる。

【0007】

なお、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、前記対象物に対して相異なる周波数の光を照射する複数種類の光センサを含んでもよい。

【0008】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物の水分含有量を含んでもよい。

【0009】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、超音波センサを含んでもよい。

【0010】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物の硬度及び材質の少なくとも何れか一方を含んでもよい。

【0011】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、ＴｏＦ式レーザーセンサを含んでもよい。

【0012】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物までの絶対距離を含んでもよい。

【0013】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、静電容量センサを含んでもよい。

【0014】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物の密度を含んでもよい。

【0015】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、磁気センサを含んでもよい。

【0016】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物から基準面までの３次元距離及び前記対象物の基準面に対する３次元角度の少なくとも何れか一方を含んでもよい。

【0017】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物から基準面までの所定の閾値以上の距離及び当該対象物の基準面に対する角度の少なくとも何れか一方を含んでもよい。

【0018】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、温度センサを含んでもよい。

【0019】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、生体である前記対象物の生体情報を含んでもよい。

【0020】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、力センサを含んでもよい。

【0021】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物に印加された力の角度を考慮した力の大きさを含んでもよい。

【0022】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、慣性計測装置を含んでもよい。

【0023】

本発明の一の態様に係るロボットシステムは、前記対象物を把持可能なロボットハンドを有するロボットと、前記ロボットハンドに把持された前記対象物の周辺を撮像するカメラと、少なくとも前記カメラの死角領域において前記対象物に関する情報を取得する近接覚センサと、を備えている。

【0024】

また、本発明の一の態様に係る近接覚センサにおいては、前記情報取得装置群が、前記対象物の周辺を撮像するカメラを含んでもよい。

【0025】

また、本発明の一の態様に係る近接覚センサにおいては、前記学習済みモデルは、出力する物理量として、前記対象物の柔らかさ及び前記対象物のサイズの少なくとも何れか一方を含んでもよい。

【0026】

本発明の一の態様に係るロボットシステムは、前記対象物を把持可能なロボットハンドを有するロボットと、少なくとも前記カメラの死角領域において前記対象物に関する情報を取得する近接覚センサと、を備えている。

【発明の効果】

【0027】

本発明の一の態様に係る近接覚センサ及びそれを用いたロボットシステムによれば、対象物の特性や対象物との位置関係から受ける影響を低減することにより、高精度な測定を行うことができる。

【図面の簡単な説明】

【0028】

【図1】本発明の実施形態に係る近接覚センサ４Ａを備えたロボットシステム１の概略構成を示す模式図である。

【図2】本発明の第一実施形態に係る近接覚センサ４Ａの概略構成を示す模式図である。

【図3】近接覚センサ４Ａの機能的な構成を示すブロック図である。

【図4】近接覚センサ４Ａによる対象物Ｏｂの測定手順の流れを示すフローチャートである。

【図5】第一実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図6】第二実施形態に係る近接覚センサ４Ｂ及び第三実施形態に係る近接覚センサ４Ｃの機能的な構成を示すブロック図である。

【図7】第二実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図8】第四実施形態に係る近接覚センサ４Ｄ、第五実施形態に係る近接覚センサ４Ｅ、及び第八実施形態に係る近接覚センサ４Ｈの機能的な構成を示すブロック図である。

【図9】第四実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図10】第六実施形態に係る近接覚センサ４Ｆの機能的な構成を示すブロック図である。

【図11】第六実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図12】第七実施形態に係る近接覚センサ４Ｇの機能的な構成を示すブロック図である。

【図13】第七実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図14】第九実施形態に係る近接覚センサ４Ｉの機能的な構成を示すブロック図である。

【図15】第九実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図16】第十実施形態に係る近接覚センサ４Ｊの機能的な構成を示すブロック図である。

【図17】第十実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図18】第十一実施形態に係る近接覚センサ４Ｋの機能的な構成を示すブロック図である。

【図19】第十一実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【図20】第十二実施形態に係る近接覚センサ４Ｌの機能的な構成を示すブロック図である。

【図21】第十二実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。

【発明を実施するための形態】

【0029】

以下、本発明の実施の形態に係る近接覚センサについて、図面を参照しつつ説明する。

【0030】

（ロボットシステムの構成）
まず、本発明の実施形態に係る近接覚センサを備えたロボットシステムの構成について説明する。図１は、本発明の実施形態に係るロボットシステム１の構成を模式的に示す模式図である。ロボットシステム１は、ロボット２と、カメラ３と、近接覚センサ４と、を備えている。

【0031】

ロボット２は、対象物Ｏｂを操作するものであり、複数の関節を有して多軸方向に移動可能なロボットアーム５と、このロボットアーム５の先端部に設けられて対象物Ｏｂを把持可能なロボットハンド６を有している。

【0032】

カメラ３は、ロボットハンド６の周辺を撮像するものであり、ロボット２の上方であってロボットハンド６を俯瞰可能な位置に設置されている。このカメラ３としては、いわゆる二次元カメラ、三次元カメラ、ＴｏＦカメラ等、従来公知の撮像装置を用いることができる。なお、カメラ３の設置位置は、本実施形態に限られず任意に変更が可能である。また、このカメラ３が撮像した画像から所定の特徴量を抽出し、当該特徴量に基づいて、後述する各学習済みモデル２０に対して入力される入力パラメータや、後述する各センサの制御パラメータを調整することも可能である。この特徴量としては、対象物Ｏｂの透明度に関する特徴量、対象物Ｏｂの柔らかさに関する特徴量、対象物Ｏｂの重心位置に関する特徴量、対象物Ｏｂの大きさに関する特徴量等が挙げられる。

【0033】

（第一実施形態に係る近接覚センサの構成）
次に、本発明の第一実施形態に係る近接覚センサ４Ａの構成について説明する。本実施形態の近接覚センサ４Ａは、水分を多く含む対象物Ｏｂを高精度に測定することを目的とするものである。図２は、第一実施形態に係る近接覚センサ４Ａの概略構成を示す模式図である。近接覚センサ４Ａは、少なくともカメラ３の死角領域、本実施形態ではロボットハンド６の下部において対象物Ｏｂに関する情報を取得する役割を果たす。この近接覚センサ４Ａは、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群９と、を備えている。なお、基板７の形状は、本実施形態に限定されず任意に設計変更が可能である。このように構成される近接覚センサ４Ａは、図１に示すように、ロボットハンド６の先端部に装着されている。

【0034】

図３は、第一実施形態に係る近接覚センサ４Ａの機能的な構成を示すブロック図である。近接覚センサ４Ａは、情報取得装置群９と、取得部１０と、変換部１１と、入力処理部１２と、記憶部１３と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。

【0035】

情報取得装置群９は、図３に示すように、第一赤外線センサ１８（本発明に係る「光センサ」に相当）と、第二赤外線センサ１９（「光センサ」に相当）と、を有している。第一赤外線センサ１８は、図に詳細は示さないが、第一の周波数の赤外線を対象物Ｏｂに対して照射し、受光した反射波の強度に応じた光電流（本発明に係る「電気物理量」に相当）を発生させる。一方、第二赤外線センサ１９は、第一の周波数とは異なる第二の周波数の赤外線を対象物Ｏｂに対して照射し、受光した反射波の強度に応じた光電流を発生させる。第一赤外線センサ１８及び第二赤外線センサ１９は、何れか一方が例えば遠赤外線センサであるのが好ましい。

【0036】

なお、基板７上における情報取得装置８の個数や設置位置は、本実施形態に限定されず任意に設計変更が可能である。また、第一赤外線センサ１８及び第二赤外線センサ１９だけに限られず、第三の周波数の赤外線を照射する第三赤外線センサ（不図示）等、相異なる周波数の光を照射可能な複数種類の赤外線センサを情報取得装置群９に含めることが可能である。更に、赤外線センサだけに限らず、他の種類の情報取得装置８を情報取得装置群９に含めることも可能である。また、本発明に係る光センサとしては、赤外線センサに限定されず、可視光やレーザー光を対象物Ｏｂに照射可能な公知のセンサを用いることができる。なお、以上のことは、後述する他の実施形態においても同様である。

【0037】

取得部１０は、情報取得装置群９が発生させる電気物理量を取得する。本実施形態では、この取得部１０は、第一赤外線センサ１８が発生させる電気物理量としての光電流と、第二赤外線センサ１９が発生させる電気物理量としての光電流とをそれぞれ取得する。

【0038】

変換部１１は、取得部１０が取得した電気物理量に対して、予め定められた演算を施すことにより、所定の演算値へと変換する。入力処理部１２は、変換部１１が変換した演算値を、後述する学習済みモデル２０に対し入力パラメータとして入力する。

【0039】

記憶部１３は、図３に示すように、各種プログラムや一時的な情報と共に、学習済みモデル２０を記憶する。この学習済みモデル２０は、いわゆるニューラルネットワークとして構成され、情報取得装置８が発生させる電気物理量と、対象物Ｏｂに関する物理量との関係を予め機械学習させたモデルである。本実施形態では、情報取得装置８が発生させる電気物理量として、第一赤外線センサ１８及び第二赤外線センサ１９が発生させる光電流の値またはその演算値が用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、基準面に対して対象物Ｏｂが成す角度、及び対象物Ｏｂの水分含有量が用いられる。なお、対象物Ｏｂに関する物理量は、少なくとも対象物Ｏｂの水分含有量を含んでいれば足りる。

【0040】

出力部１４は、各種の情報と共に、学習済みモデル２０による算出結果を出力する。本実施形態では、基準面から対象物Ｏｂまでの距離、基準面に対して対象物Ｏｂが成す角度、及び対象物Ｏｂの水分含有量がそれぞれ出力される。

【0041】

通信部１５は、有線接続や無線接続によりインターネットやＬＡＮ等のネットワークに接続する。これにより、近接覚センサ４Ａは、各種情報を外部から受信し又は外部へ送信することができる。なお、近接覚センサ４Ａを構成する各部は、その全てが基板７上に設けられた形態でもよいし、或いはその一部がネットワークを介した遠隔地に設けられて、通信部１５を介して互いに接続された形態であってもよい。

【0042】

通信バス１６は、近接覚センサ４Ａを構成する各部を互いに電気的に接続する。制御部１７は、通信バス１６を介して各部の動作を制御する。

【0043】

（第一実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第一実施形態に係る近接覚センサ４Ａによる対象物Ｏｂの測定手順について説明する。図４は、近接覚センサ４Ａによる対象物Ｏｂの測定手順の流れを示すフローチャートである。対象物Ｏｂの測定が開始されると、まず、図３に示す制御部１７は、情報取得装置群９及び取得部１０を制御することにより、電気物理量取得処理（Ｓ１）を実行する。

【0044】

ここで、図５は、第一実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、まず第一赤外線センサ１８の１つが、第一の周波数の赤外線を対象物Ｏｂに対して照射する（Ｓ５）。そして、当該第一赤外線センサ１８自身が、その反射光を対象物Ｏｂから受光し、その強度に応じた光電流を発生させる。取得部１０は、この光電流を、電気物理量の主値として取得する（Ｓ６）。またこの時、当該第一赤外線センサ１８以外の他の第一赤外線センサ１８や第二赤外線センサ１９も、反射光を対象物Ｏｂから受光し、その強度に応じた光電流をそれぞれ発生させる。取得部１０は、これら光電流を、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ７）。なお、主値及びクロストーク値の取得ステップは、本実施形態とは逆の順序で、すなわちクロストーク値の取得ステップが先に実行されてもよい。そして、図５に詳細は示さないが、全ての第一赤外線センサ１８について、このようなステップが順次行われる。

【0045】

次に、第二赤外線センサ１９の１つが、第二の周波数の赤外線を対象物Ｏｂに照射する（Ｓ８）。そして、当該第二赤外線センサ１９自身が、その反射光を対象物Ｏｂから受光し、その強度に応じた光電流を発生させる。取得部１０は、この光電流を、電気物理量の主値として取得する（Ｓ９）。またこの時、当該第二赤外線センサ１９以外の他の第二赤外線センサ１９や第一赤外線センサ１８も、反射光を対象物Ｏｂから受光し、その強度に応じた光電流をそれぞれ発生させる。取得部１０は、これら光電流を、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ１０）。そして、図５に詳細は示さないが、全ての第二赤外線センサ１９について、このようなステップが順次行われる。

【0046】

なお、第一赤外線センサ１８の光照射による電気物理量の取得ステップ（Ｓ５からＳ７）と、第二赤外線センサ１９の光照射による電気物理量の取得ステップ（Ｓ８からＳ１０）とは、本実施形態とは逆の順序で、すなわち第二赤外線センサ１９の光照射による電気物理量の取得ステップが先に行われてもよい。

【0047】

次に、図４に示すように、制御部１７は、変換部１１を制御することにより、変換処理（Ｓ２）を実行する。すなわち、変換部１１が、取得部１０によって取得された電気物理量に対し、予め定められた演算を施すことにより、所定の演算値へと変換する。次に、制御部１７は、入力処理部１２（図３を参照）を制御することにより、入力処理（Ｓ３）を実行する。すなわち、入力処理部１２が、変換部１１によって変換された演算値を、学習済みモデル２０に対して入力パラメータとして入力する。これにより、学習済みモデル２０が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度と、対象物Ｏｂの水分含有量とがそれぞれ算出される。

【0048】

最後に、制御部１７は、出力部１４を制御することにより、出力処理（Ｓ４）を実行する。すなわち、出力部１４が、学習済みモデル２０によって算出された対象物Ｏｂに関する各物理量を、任意の出力装置（不図示）にそれぞれ出力する。これにより、近接覚センサ４Ａによる対象物Ｏｂの測定が終了する。

【0049】

このように、本実施形態に係る近接覚センサ４Ａによれば、出力部１４が出力する物理量として、対象物Ｏｂの水分含有量が含まれているので、対象物Ｏｂが多くの水分を含みその蒸発によって収縮しやすい特性を有する場合でも、対象物Ｏｂの収縮分を考慮したロボットハンド６及びロボットアーム５の制御が可能となる。従って、対象物Ｏｂの水分含有量の影響を低減することにより、もしくは対象物Ｏｂとの距離や角度の影響を低減することにより、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0050】

（第二実施形態に係る近接覚センサの構成）
次に、本発明の第二実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、光を吸収しやすい特性を有する対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｂも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群２１と、を備えている。

【0051】

図６は、第二実施形態に係る近接覚センサ４Ｂの機能的な構成を示すブロック図である。近接覚センサ４Ｂは、情報取得装置群２１と、取得部１０と、変換部１１と、入力処理部１２と、記憶部２２と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群２１と記憶部２２とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0052】

情報取得装置群２１は、図６に示すように、赤外線センサ２３と、超音波センサ２４と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、超音波センサ２４は、図に詳細は示さないが、対象物Ｏｂに対して超音波を発信し、受信した反射波の強度に応じた電圧（本発明に係る「電気物理量」に相当）を発生させる。

【0053】

記憶部２２は、図６に示すように、各種プログラムや一時的な情報と共に、学習済みモデル２５を記憶する。この学習済みモデル２５は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、超音波センサ２４が発生させる電圧値またはその演算値が用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、及び基準面に対して対象物Ｏｂが成す角度が用いられる。

【0054】

（第二実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第二実施形態に係る近接覚センサ４Ｂによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0055】

図７は、第二実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射し（Ｓ１１）、取得部１０が、電気物理量の主値を取得する（Ｓ１２）と共に、電気物理量のクロストーク値を取得する（Ｓ１３）。そして、図７に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0056】

次に、超音波センサ２４の１つが、対象物Ｏｂに対して超音波を発信する（Ｓ１４）。そして、当該超音波センサ２４自身が、その反射波を対象物Ｏｂから受信し、その強度に応じた電圧を発生させる。取得部１０は、この電圧を、電気物理量の主値として取得する（Ｓ１５）。また、当該超音波センサ２４以外の他の超音波センサ２４も、反射波を対象物Ｏｂから受信し、その強度に応じた電圧を発生させる。取得部１０は、これら電圧を、電気物理量のクロストーク値として取得する（Ｓ１６）。更にこの時、赤外線センサ２３も、超音波を受けて振動している状態の対象物Ｏｂに対して、赤外線をそれぞれ照射する。そして、当該赤外線センサ２３自身がその反射光を対象物Ｏｂからそれぞれ受光し、その強度に応じた光電流をそれぞれ発生させる。取得部１０は、これら光電流を、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ１７）。そして、図７に詳細は示さないが、全ての超音波センサ２４について、このようなステップが順次行われる。

【0057】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル２５に対して入力パラメータとして入力される。これにより、学習済みモデル２０が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とがそれぞれ算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル２０によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｂによる対象物Ｏｂの測定が終了する。

【0058】

このように、本実施形態に係る近接覚センサ４Ｂによれば、情報取得装置群２１の中に超音波センサ２４が含まれているので、対象物Ｏｂが光を吸収しやすい特性を有し、赤外線センサ２３では対象物Ｏｂの測定が難しい場合でも、その特性の影響を受けにくい超音波センサ２４により、対象物Ｏｂを高精度に測定することができる。これにより、対象物Ｏｂまでの距離や対象物Ｏｂの角度が正確に算出されるので、光を吸収しやすい特性を有する対象物Ｏｂであっても、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0059】

（第三実施形態に係る近接覚センサの構成）
次に、本発明の第三実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、柔らかい対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｃも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群２１と、を備えている。

【0060】

本実施形態の近接覚センサ４Ｃは、図６に示すように、機能的な構成として、情報取得装置群２１と、取得部１０と、変換部１１と、入力処理部１２と、記憶部２６と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、記憶部２６を除く他の構成については、第二実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0061】

記憶部２６は、図６に示すように、各種プログラムや一時的な情報と共に、学習済みモデル２７を記憶する。この学習済みモデル２７は、第二実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、超音波センサ２４が発生させる電圧値またはその演算値が用いられる点は、学習済みモデル２０と同様である。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、及び基準面に対して対象物Ｏｂが成す角度に加えて、対象物Ｏｂの硬度及び材質を含んでいる点で学習済みモデル２０と異なっている。なお、対象物Ｏｂに関する物理量は、対象物Ｏｂの硬度及び材質の少なくとも何れか一方を含んでいれば足りる。

【0062】

（第三実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第三実施形態に係る近接覚センサ４Ｃによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0063】

電気物理量取得処理（Ｓ１）は、第二実施形態と同様であるため（図７を参照）、ここでは説明を省略する。電気物理量取得処理（Ｓ１）の終了後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル２７に対して入力パラメータとして入力される。これにより、学習済みモデル２７が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度と、対象物Ｏｂの硬度及び材質とがそれぞれ算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル２７によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｃによる対象物Ｏｂの測定が終了する。

【0064】

このように、本実施形態に係る近接覚センサ４Ｃによれば、出力部１４が出力する物理量として対象物Ｏｂの硬度及び材質の少なくとも何れか一方が含まれているので、対象物Ｏｂが柔らかく強い握力で把持すると破損しやすい特性を有する場合でも、対象物Ｏｂの柔らかさに応じたロボットハンド６の握力制御が可能となる。従って、対象物Ｏｂの柔らかさの影響を低減することにより、もしくは対象物Ｏｂとの距離や角度の影響を低減することにより、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0065】

（第四実施形態に係る近接覚センサ４Ａの構成）
次に、本発明の第四実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、光を反射しにくい特性を有する対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｄも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群２８と、を備えている。

【0066】

図８は、第四実施形態に係る近接覚センサ４Ｄの機能的な構成を示すブロック図である。近接覚センサ４Ｄは、情報取得装置群２８と、取得部１０と、変換部１１と、入力処理部１２と、記憶部２９と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群２８と記憶部２９とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0067】

情報取得装置群２８は、図８に示すように、赤外線センサ２３と、ＴｏＦ（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）式レーザーセンサ３０と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、ＴｏＦ式レーザーセンサ３０は、対象物Ｏｂに対して光を照射し、その反射光が戻ってくるまでの時間を計測することにより、対象物Ｏｂまでの距離を測定するセンサである。このＴｏＦ式レーザーセンサ３０は、反射光が戻ってくるまでの時間の長さに応じた電気信号を発生させる。なお、本実施形態のＴｏＦ式レーザーセンサに代えて、超音波センサを用いることも可能である。

【0068】

記憶部２９は、図８に示すように、各種プログラムや一時的な情報と共に、学習済みモデル３１を記憶する。この学習済みモデル３１は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、ＴｏＦ式レーザーセンサ３０が発生させる電気信号の値またはその演算値とが用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、及び基準面に対して対象物Ｏｂが成す角度が用いられる。

【0069】

（第四実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第四実施形態に係る近接覚センサ４Ｄによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0070】

図９は、第四実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射し（Ｓ１８）、取得部１０が、電気物理量の主値を取得する（Ｓ１９）と共に、電気物理量のクロストーク値を取得する（Ｓ２０）。更にこの時、ＴｏＦ式レーザーセンサ３０も、反射光を対象物Ｏｂから受光し、赤外線センサ２３による照射から反射光を受光するまでの時間の長さに応じた電気信号をそれぞれ発生させる。取得部１０は、これら電気信号も、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ２１）。そして、図９に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0071】

次に、ＴｏＦ式レーザーセンサ３０の１つが、対象物Ｏｂに対して光を照射する（Ｓ２２）。そして、当該ＴｏＦ式レーザーセンサ３０自身が、その反射光を対象物Ｏｂから受光し、反射光を受光するまでの時間の長さに応じた電気信号をそれぞれ発生させる。取得部１０は、この電気信号を、電気物理量の主値として取得する（Ｓ２３）。また、当該ＴｏＦ式レーザーセンサ３０以外の他のＴｏＦ式レーザーセンサ３０も、反射光を受光するまでの時間の長さに応じた電気信号をそれぞれ発生させる。取得部１０は、これら電気信号を、電気物理量のクロストーク値として取得する（Ｓ２４）。更にこの時、赤外線センサ２３も、対象物Ｏｂから反射光を受光し、その強度に応じた光電流をそれぞれ発生させる。取得部１０は、これら光電流も、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ２５）。そして、図９に詳細は示さないが、全てのＴｏＦ式レーザーセンサ３０について、このようなステップが順次行われる。

【0072】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル３１に対して入力パラメータとして入力される。これにより、学習済みモデル３１が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とがそれぞれ算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル３１によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｄによる対象物Ｏｂの測定が終了する。

【0073】

このように、本実施形態に係る近接覚センサ４Ｄによれば、情報取得装置群２８の中にＴｏＦ式レーザーセンサ３０が含まれているので、対象物Ｏｂが光を反射しにくい特性を有し、赤外線センサ２３では対象物Ｏｂの測定が難しい場合でも、僅かな受光量でも測定が可能なＴｏＦ式レーザーセンサ３０により、対象物Ｏｂを高精度に測定することができる。これにより、対象物Ｏｂまでの距離や対象物Ｏｂの角度が正確に算出されるので、光を反射しにくい特性を有する対象物Ｏｂであっても、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0074】

（第五実施形態に係る近接覚センサの構成）
次に、本発明の第五実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、対象物Ｏｂの形状や素材に起因して基準面のオフセット調整が必要な対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｅも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群２８と、を備えている。

【0075】

本実施形態の近接覚センサ４Ｅは、図８に示すように、機能的な構成として、情報取得装置群２８と、取得部１０と、変換部１１と、入力処理部１２と、記憶部３２と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、記憶部３２を除く他の構成については、第四実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0076】

記憶部３２は、図８に示すように、各種プログラムや一時的な情報と共に、学習済みモデル３３を記憶する。この学習済みモデル３３は、第四実施形態の学習済みモデル３１と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、ＴｏＦ式レーザーセンサ３０が発生させる電気信号の値またはその演算値が用いられる点は、学習済みモデル３１と同様である。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、及び基準面に対して対象物Ｏｂが成す角度に加えて、ＴｏＦ式レーザーセンサ３０から対象物Ｏｂまでの絶対距離を含んでいる点で学習済みモデル３１と異なっている。

【0077】

（第五実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第五実施形態に係る近接覚センサ４Ｅによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0078】

電気物理量取得処理（Ｓ１）は、第四実施形態と同様であるため（図８を参照）、ここでは説明を省略する。電気物理量取得処理（Ｓ１）の終了後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル３３に対して入力パラメータとして入力される。これにより、学習済みモデル３３が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度と、ＴｏＦ式レーザーセンサ３０から対象物Ｏｂまでの絶対距離とがそれぞれ算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル３３によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｅによる対象物Ｏｂの測定が終了する。

【0079】

このように、本実施形態に係る近接覚センサ４Ｅによれば、出力部１４が出力する物理量としてＴｏＦ式レーザーセンサ３０から対象物Ｏｂまでの絶対距離が含まれているので、対象物Ｏｂの形状や素材に起因して基準面のオフセット調整が必要な場合に、自動的にオフセット調整を行うことが可能となる。従って、対象物Ｏｂの形状や素材の影響を低減することにより、もしくは対象物Ｏｂとの距離や角度の影響を低減することにより、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0080】

（第六実施形態に係る近接覚センサの構成）
次に、本発明の第六実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、小さい対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｆも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群３４と、を備えている。

【0081】

図１０は、第六実施形態に係る近接覚センサ４Ｆの機能的な構成を示すブロック図である。近接覚センサ４Ｆは、情報取得装置群３４と、取得部１０と、変換部１１と、入力処理部１２と、記憶部３５と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群３４と記憶部３５とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0082】

情報取得装置群３４は、図１０に示すように、赤外線センサ２３と、静電容量センサ３６と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、静電容量センサ３６は、電界を発生可能な発振回路を有し、電界内に対象物Ｏｂが進入して発振回路の発振周波数が変化したことを検知することにより、対象物Ｏｂの有無を検知するセンサである。この静電容量センサ３６は、電界内における対象物Ｏｂの有無に応じて、ＯＮまたはＯＦＦの電気信号を発生させる。

【0083】

記憶部３５は、図１０に示すように、各種プログラムや一時的な情報と共に、学習済みモデル３７を記憶する。この学習済みモデル３７は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、静電容量センサ３６が発生させる電気信号の値またはその演算値とが用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、及び基準面に対して対象物Ｏｂが成す角度、及び対象物Ｏｂの有無に関する情報が用いられる。

【0084】

（第六実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第六実施形態に係る近接覚センサ４Ｆによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0085】

図１１は、第六実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射し（Ｓ２６）、取得部１０が、電気物理量の主値を取得する（Ｓ２７）と共に、電気物理量のクロストーク値を取得する（Ｓ２８）。そして、図１１に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0086】

次に、静電容量センサ３６の１つが、発振回路を発信させて電界を発生させる（Ｓ２９）。そして、当該静電容量センサ３６自身が、発振回路の発振周波数が変化したことを検知すると、電界内における対象物Ｏｂの存在を示す電気信号を発生させる。取得部１０は、この電気信号を、電気物理量の主値として取得する（Ｓ３０）。またこの時、当該静電容量センサ３６以外の他の静電容量センサ３６も、発振回路の発振周波数が変化したことを検知すると、電界内における対象物Ｏｂの存在を示す電気信号を発生させる。取得部１０は、これら電圧を、電気物理量のクロストーク値として取得する（Ｓ３１）。そして、図１１に詳細は示さないが、全ての静電容量センサ３６について、このようなステップが順次行われる。

【0087】

その後、図１１に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル３７に対して入力パラメータとして入力される。これにより、学習済みモデル３７が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度と、電界内における対象物Ｏｂの有無がそれぞれ算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル３７によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｆによる対象物Ｏｂの測定が終了する。

【0088】

このように、本実施形態に係る近接覚センサ４Ｆによれば、情報取得装置群３４の中に静電容量センサ３６が含まれているので、対象物Ｏｂが小さく、赤外線センサ２３では対象物Ｏｂの測定が難しい場合でも、静電容量センサ３６で対象物Ｏｂの有無を確実に検知することにより、対象物Ｏｂを高精度に測定することができる。これにより、対象物Ｏｂまでの距離や対象物Ｏｂの角度が正確に算出されるので、小さい対象物Ｏｂであっても、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0089】

（第七実施形態に係る近接覚センサの構成）
次に、本発明の第七実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、磁力を持った小さい対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｇも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群３８と、を備えている。

【0090】

図１２は、第七実施形態に係る近接覚センサ４Ｇの機能的な構成を示すブロック図である。近接覚センサ４Ｇは、情報取得装置群３８と、取得部１０と、変換部１１と、入力処理部１２と、記憶部３９と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群３８と記憶部３９とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0091】

情報取得装置群３８は、図１２に示すように、赤外線センサ２３と、ホールセンサ（本発明に係る「磁気センサ」に相当）４０と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、ホールセンサ４０は、ホール素子と垂直磁束との間に生じるいわゆるホール効果を利用して磁界を検出するセンサである。このホールセンサ４０は、磁界の大きさや変化量に応じた電気信号（本発明に係る「電気物理量」に相当）を発生させる。なお、本発明に係る磁気センサとしては、ホールセンサ４０に限定されず、磁気抵抗素子を用いたＭＲセンサ等公知のセンサを用いることができる。

【0092】

記憶部３９は、図１２に示すように、各種プログラムや一時的な情報と共に、学習済みモデル４１を記憶する。この学習済みモデル４１は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、ホールセンサ４０が発生させる電気信号の値またはその演算値とが用いられる。一方、対象物Ｏｂに関する物理量として、対象物Ｏｂから基準面までの３次元距離及び対象物Ｏｂの基準面に対する３次元角度が用いられる。なお、対象物Ｏｂに関する物理量は、３次元距離及び３次元角度の少なくとも何れか一方を含んでいれば足りる。

【0093】

（第七実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第七実施形態に係る近接覚センサ４Ｇによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0094】

図１３は、第七実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射し（Ｓ３２）、取得部１０が、電気物理量の主値を取得する（Ｓ３３）と共に、電気物理量のクロストーク値を取得する（Ｓ３４）。そして、図１３に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0095】

次に、ホールセンサ４０の１つが通電され、検出した磁界の大きさに応じた電気信号を発生させる（Ｓ３５）。取得部１０は、この電気信号を、電気物理量の主値として取得する（Ｓ３６）。そして、図１３に詳細は示さないが、全てのホールセンサ４０について、このようなステップが順次行われる。

【0096】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル４１に対して入力パラメータとして入力される。これにより、学習済みモデル４１が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、対象物Ｏｂから基準面までの３次元距離及び対象物Ｏｂの基準面に対する３次元角度の少なくとも何れか一方が出力される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル４１によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｇによる対象物Ｏｂの測定が終了する。

【0097】

このように、本実施形態に係る近接覚センサ４Ｇによれば、情報取得装置群３８の中にホールセンサ４０が含まれているので、磁力を持った対象物Ｏｂが小さく、赤外線センサ２３では対象物Ｏｂの測定が難しい場合でも、ホールセンサ４０で対象物Ｏｂの３次元位置及び３次元角度の少なくとも何れか一方を確実に検知することにより、対象物Ｏｂを高精度に測定することができる。これにより、磁力を持った小さい対象物Ｏｂであっても、ロボット２による対象物Ｏｂの正確な操作が可能となる。なお、対象物Ｏｂ自体が磁力を持たない場合には、対象物Ｏｂに予めマグネットを取り付けておく、若しくはロボットハンド６にマグネットが仕込まれた手袋等を装着させておくことにより、ホールセンサ４０による検知が可能となる。

【0098】

（第八実施形態に係る近接覚センサの構成）
次に、本発明の第八実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、遠距離に位置する対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｈも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群２８と、を備えている。

【0099】

本実施形態の近接覚センサ４Ｈは、図８に示すように、機能的な構成として、情報取得装置群２８と、取得部１０と、変換部１１と、入力処理部１２と、記憶部４２と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、記憶部４２を除く他の構成については、第四実施形態と同様の機能を果たすため、ここでは説明を省略する。なお、情報取得装置群２８は、図８に示すＴｏＦ式レーザーセンサ３０に代えて、或いはＴｏＦ式レーザーセンサ３０と共に、超音波センサを含んでもよい。

【0100】

記憶部４２は、図８に示すように、各種プログラムや一時的な情報と共に、学習済みモデル４３を記憶する。この学習済みモデル４３は、第四実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、ＴｏＦ式レーザーセンサ３０が発生させる電気信号の値またはその演算値が用いられる点は、第四実施形態と同様である。一方、対象物Ｏｂに関する物理量として、近距離に位置する対象物Ｏｂの姿勢だけでなく、遠距離に位置する対象物Ｏｂの姿勢に関するデータも含まれる点で、第四実施形態とは異なっている。詳細には、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離（近距離のデータ）、及び基準面に対して対象物Ｏｂが成す角度（近距離のデータ）に加えて、基準面から対象物Ｏｂまでの所定の閾値以上の距離（遠距離のデータ）、及び基準面に対して対象物Ｏｂが成す角度（遠距離のデータ）が用いられる。なお、対象物Ｏｂに関する物理量は、距離（遠距離のもの）及び角度（遠距離のもの）の少なくとも何れか一方を含んでいれば足りる。

【0101】

（第八実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第八実施形態に係る近接覚センサ４Ｈによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0102】

本実施形態では、図９に示す第四実施形態と同様の手順で電気物理量取得処理（ステップＳ１）が実行されるが、ＴｏＦ式レーザーセンサ３０が、所定の閾値以上の遠距離に位置する対象物Ｏｂの測定を行う点で、第四実施形態とは異なっている。

【0103】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル４３に対して入力パラメータとして入力される。これにより、学習済みモデル４３が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離（近距離に位置する対象物Ｏｂ）と、基準面に対して対象物Ｏｂが成す角度（近距離に位置する対象物Ｏｂ）と、基準面から対象物Ｏｂまでの所定の閾値以上の距離（遠距離に位置する対象物Ｏｂ）と、基準面に対して対象物Ｏｂが成す角度（遠距離に位置する対象物Ｏｂ）とがそれぞれ算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル４３によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｈによる対象物Ｏｂの測定が終了する。

【0104】

このように、本実施形態に係る近接覚センサ４Ｈによれば、情報取得装置群２８の中に、遠距離に位置する対象物Ｏｂの測定を行うＴｏＦ式レーザーセンサ３０が含まれているので、測定範囲の狭い赤外線センサ２３では測定が難しい対象物Ｏｂも、僅かな受光量で測定が可能なＴｏＦ式レーザーセンサ３０により高精度に測定することができる。これにより、遠距離に位置する対象物Ｏｂに対してロボット２を近付けてから操作する必要がある場合でも、遠距離測定用のセンサを別途設けることなく、近接覚センサ４Ｈのみでロボット２による対象物Ｏｂの正確な操作が可能となる。

【0105】

（第九実施形態に係る近接覚センサの構成）
次に、本発明の第九実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、情報取得装置群にカメラを含めることで対象物Ｏｂを高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｉは、図１及び図２に示すように、円形の基板７と、複数の情報取得装置８から成る情報取得装置群４４と、を備えている。

【0106】

図１４は、第九実施形態に係る近接覚センサ４Ｉの機能的な構成を示すブロック図である。近接覚センサ４Ｉは、情報取得装置群４４と、取得部１０と、特徴量抽出部４５と、変換部１１と、入力処理部１２と、記憶部４６と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群４４と特徴量抽出部４５と記憶部４６とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0107】

情報取得装置群４４は、図１４に示すように、赤外線センサ２３と、赤外線カメラ４７と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、赤外線カメラ４７は、対象物Ｏｂに対して赤外線を照射し、その反射光を受光することにより対象物Ｏｂの画像を生成する。なお、本発明に係るカメラとしては、赤外線カメラ４７に限定されず、いわゆる２次元カメラ、３次元カメラ、ＴｏＦカメラ等、従来公知の撮像装置を用いることができる。また、この赤外線カメラ４７を、図１に示すカメラ３と兼用することも可能である。また、情報取得装置群４４には、カメラ以外にも、超音波センサやＴｏＦ式レーザーセンサ等、他の種類の情報取得装置８を含めることが可能である。

【0108】

特徴量抽出部４５は、赤外線センサ２３が生成した対象物Ｏｂの画像から、所定の特徴量を抽出し、その大きさに応じた電気信号を発生させる。本実施形態では、対象物Ｏｂの画像から、対象物Ｏｂの柔らかさ（例えばヤング率等）、及び対象物Ｏｂのサイズが、特徴量としてそれぞれ抽出される。なお、特徴量としては、これらに限られず、対象物Ｏｂの特性に応じて適宜選択することが可能である。

【0109】

記憶部４６は、図１４に示すように、各種プログラムや一時的な情報と共に、学習済みモデル４８を記憶する。この学習済みモデル４８は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、赤外線カメラ４７が発生させる電気信号の値またはその演算値が用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、基準面に対して対象物Ｏｂが成す角度に加えて、対象物Ｏｂの柔らかさ及び対象物Ｏｂのサイズが用いられる。なお、対象物Ｏｂに関する物理量は、対象物Ｏｂの柔らかさ及び対象物Ｏｂのサイズの少なくとも何れか一方を含んでいれば足りる。

【0110】

（第九実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第九実施形態に係る近接覚センサ４Ｉによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0111】

図１５は、第九実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射する（Ｓ３７）。そして、取得部１０が、当該赤外線センサ２３自身から電気物理量の主値を取得する（Ｓ３８）と共に、他の赤外線センサ２３から電気物理量のクロストーク値を取得する（Ｓ３９）。そして、図１５に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0112】

次に、赤外線カメラ４７の１つが、対象物Ｏｂに対して赤外線を照射し（Ｓ４０）、その反射光を受光することにより、対象物Ｏｂの画像を生成する（Ｓ４１）。そして、特徴量抽出部４５が、この画像から対象物Ｏｂの柔らかさと対象物Ｏｂのサイズとを特徴量としてそれぞれ抽出し（Ｓ４２）、特徴量それぞれの大きさに応じた電気信号をそれぞれ発生させる。取得部１０は、これら電気信号を、電気物理量の主値としてそれぞれ取得する（Ｓ４３）。またこの時、他の赤外線カメラ４７も、対象物Ｏｂから反射光をそれぞれ受光し、その強度に応じた光電流をそれぞれ発生させる。取得部１０は、これら光電流を、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ４４）。そして、図１５に詳細は示さないが、全ての赤外線カメラ４７について、このようなステップが順次行われる。

【0113】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル４８に対して入力パラメータとして入力される。これにより、学習済みモデル４８が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とに加えて、対象物Ｏｂの柔らかさ及び対象物Ｏｂのサイズの少なくとも何れか一方が算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル４８によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｉによる対象物Ｏｂの測定が終了する。

【0114】

このように、本実施形態に係る近接覚センサ４Ｉによれば、情報取得装置群４４の中に赤外線カメラ４７が含まれているので、赤外線センサ２３だけでは測定が難しい対象物Ｏｂの特性を、例えば対象物Ｏｂの柔らかさや対象物Ｏｂのサイズを、赤外線カメラ４７を組み合わせることにより、高精度に測定することができる。これにより、対象物Ｏｂの特性の影響を低減することにより、もしくは対象物Ｏｂの距離や角度の影響を低減することにより、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0115】

（第十実施形態に係る近接覚センサの構成）
次に、本発明の第十実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、対象物Ｏｂである生物の生体情報を高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｊも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群４９と、を備えている。

【0116】

図１６は、第十実施形態に係る近接覚センサ４Ｊの機能的な構成を示すブロック図である。近接覚センサ４Ｊは、情報取得装置群４９と、取得部１０と、変換部１１と、入力処理部１２と、記憶部５１と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群４９と特徴量抽出部５０と記憶部５１とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0117】

情報取得装置群４９は、図１６に示すように、赤外線センサ２３と、温度センサ５２と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、温度センサ５２は、対象物Ｏｂである生物から放出される赤外線エネルギーを検出することにより、当該生物の体温を測定し、その値に応じた電気信号を発生させる。

【0118】

記憶部５１は、図１６に示すように、各種プログラムや一時的な情報と共に、学習済みモデル５３を記憶する。この学習済みモデル５３は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、温度センサ５２が発生させる電気信号の値またはその演算値が用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、基準面に対して対象物Ｏｂが成す角度に加えて、対象物Ｏｂが行っている運動の運動強度、及び対象物Ｏｂの脱水具合が用いられる。なお、対象物Ｏｂに関する物理量は、運動強度及び脱水具合の少なくとも何れか一方を含んでいれば足りる。

【0119】

（第十実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第十実施形態に係る近接覚センサ４Ｊによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0120】

図１７は、第十実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射する（Ｓ４５）。そして、取得部１０が、当該赤外線センサ２３自身から電気物理量の主値を取得する（Ｓ４６）と共に、他の赤外線センサ２３から電気物理量のクロストーク値を取得する（Ｓ４７）。またこの時、温度センサ５２も対象物Ｏｂから反射光を受光し、その体温に応じた電気信号をそれぞれ発生させる。取得部１０は、これら電気信号を、電気物理量のクロストーク値としてそれぞれ取得する（Ｓ４８）。そして、図１７に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0121】

次に、温度センサ５２の１つが、対象物Ｏｂの所定部位の体温を測定し（Ｓ４９）、その値に応じた電気信号を発生させる。取得部１０は、この電気信号を、電気物理量の主値として取得する（Ｓ５０）。そして、図１７に詳細は示さないが、全ての温度センサ５２について、このようなステップが順次行われる。

【0122】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル５３に対して入力パラメータとして入力される。これにより、学習済みモデル５３が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とに加えて、対象物Ｏｂが行っている運動強度及び対象物Ｏｂの脱水具合の少なくとも何れか一方が算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル５３によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｊによる対象物Ｏｂの測定が終了する。

【0123】

このように、本実施形態に係る近接覚センサ４Ｊによれば、情報取得装置群４９の中に温度センサ５２が含まれているので、赤外線センサ２３だけでは測定が難しい生物の生体情報、例えば運動強度や脱水具合を、温度センサ５２を組み合わせることにより、高精度に測定することができる。もしくは、運動強度や脱水具合から受ける影響を低減することにより、基準面から対象物Ｏｂまでの距離や基準面に対して対象物Ｏｂが成す角度を、高精度に測定することができる。

【0124】

（第十一実施形態に係る近接覚センサの構成）
次に、本発明の第十一実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、対象物Ｏｂに対する高速な接近と角度によらない優しい接触を目的とするものである。本実施形態の近接覚センサ４Ｋも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群５４と、を備えている。

【0125】

図１８は、第十一実施形態に係る近接覚センサ４Ｋの機能的な構成を示すブロック図である。近接覚センサ４Ｋは、情報取得装置群５４と、取得部１０と、変換部１１と、入力処理部１２と、記憶部５５と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群５４と記憶部５５とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0126】

情報取得装置群５４は、図１８に示すように、赤外線センサ２３と、力センサ５６と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、力センサ５６は、一方向の力の大きさを測定可能なロードセルであって、力の大きさに応じた電気信号を発生させる。

【0127】

記憶部５５は、図１８に示すように、各種プログラムや一時的な情報と共に、学習済みモデル５７を記憶する。この学習済みモデル５７は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、力センサ５６が発生させる電気信号の値またはその演算値が用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離、基準面に対して対象物Ｏｂが成す角度に加えて、対象物Ｏｂに印加された力の角度を考慮した力の大きさが用いられる。

【0128】

（第十一実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第十一実施形態に係る近接覚センサ４Ｋによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0129】

図１９は、第十一実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射する（Ｓ５１）。そして、取得部１０が、当該赤外線センサ２３自身から電気物理量の主値を取得する（Ｓ５２）と共に、他の赤外線センサ２３から電気物理量のクロストーク値を取得する（Ｓ５３）。そして、図１９に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0130】

次に、力センサ５６の１つが、対象物Ｏｂの所定部位に印加された力の大きさを測定し（Ｓ５４）、その値に応じた電気信号を発生させる。そして、取得部１０が、この電気信号を、電気物理量の主値として取得する（Ｓ５５）。そして、図１９に詳細は示さないが、全ての力センサ５６について、このようなステップが順次行われる。

【0131】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル５７に対して入力パラメータとして入力される。これにより、学習済みモデル５７が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とに加えて、対象物Ｏｂに印加された力の角度を考慮した力の大きさが算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル５７によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｋによる対象物Ｏｂの測定が終了する。

【0132】

このように、本実施形態に係る近接覚センサ４Ｋによれば、情報取得装置群５４の中に力センサ５６が含まれているので、赤外線センサ２３によって対象物Ｏｂが検出されるまでは対象物Ｏｂに対して高速に接近させることができ、対象物Ｏｂに接触した後は、力センサ５６によって対象物Ｏｂに印加される力を測定することができる。またこの時、近接覚センサ４Ｋは対象物Ｏｂに印加された力の角度を考慮した力の大きさを出力するので、力が印加された方向が対象物Ｏｂに対して垂直方向でなくても、その大きさを高精度に測定することができる。これにより、ロボット２による対象物Ｏｂの正確な操作が可能となる。

【0133】

（第十二実施形態に係る近接覚センサの構成）
次に、本発明の第十二実施形態に係る近接覚センサの構成について説明する。本実施形態の近接覚センサは、光センサでは測定が難しいガラスや鏡を高精度に測定することを目的とするものである。本実施形態の近接覚センサ４Ｌも、図２に示すように、円形の基板７と、基板７上に設けられた複数の情報取得装置８から成る情報取得装置群５８と、を備えている。

【0134】

図２０は、第十二実施形態に係る近接覚センサ４Ｌの機能的な構成を示すブロック図である。近接覚センサ４Ｌは、情報取得装置群５８と、取得部１０と、変換部１１と、入力処理部１２と、記憶部５９と、出力部１４と、通信部１５と、通信バス１６と、制御部１７と、を備えている。このうち、情報取得装置群５８と記憶部５９とを除く他の構成については、第一実施形態と同様の機能を果たすため、ここでは説明を省略する。

【0135】

情報取得装置群５８は、図２０に示すように、赤外線センサ２３と、慣性計測装置（ＩＭＵ：Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ）６０と、を有している。赤外線センサ２３は、図に詳細は示さないが、対象物Ｏｂに対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。一方、慣性計測装置６０は、直交３軸方向の並進運動及び回転運動をそれぞれ検出し、検出結果に応じた電気信号をそれぞれ発生させる。

【0136】

記憶部５９は、図２０に示すように、各種プログラムや一時的な情報と共に、学習済みモデル６１を記憶する。この学習済みモデル６１は、第一実施形態の学習済みモデル２０と比較して、機械学習に用いられる教師データが異なっている。すなわち、本実施形態では、情報取得装置８が発生させる電気物理量として、赤外線センサ２３が発生させる光電流の値またはその演算値と、慣性計測装置６０が発生させる電気信号の値またはその演算値が用いられる。一方、対象物Ｏｂに関する物理量として、基板７上の所定の基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とが用いられる。

【0137】

（第十二実施形態に係る近接覚センサによる対象物の測定手順）
次に、本発明の第十二実施形態に係る近接覚センサ４Ｌによる対象物Ｏｂの測定手順について説明する。本実施形態の測定手順では、図４に示すように、電気物理量取得処理（Ｓ１）と、変換処理（Ｓ２）と、入力処理（Ｓ３）と、出力処理（Ｓ４）とが実行される。

【0138】

図２１は、第十二実施形態に係る電気物理量取得処理（Ｓ１）の詳細な流れを示すフローチャートである。電気物理量取得処理（Ｓ１）が開始されると、第一実施形態と同様に、まず赤外線センサ２３の１つが、対象物Ｏｂに対して赤外線を照射する（Ｓ５６）。そして、取得部１０が、当該赤外線センサ２３自身から電気物理量の主値を取得する（Ｓ５７）と共に、他の赤外線センサ２３から電気物理量のクロストーク値を取得する（Ｓ５８）。そして、図２１に詳細は示さないが、全ての赤外線センサ２３について、このようなステップが順次行われる。

【0139】

次に、慣性計測装置６０の１つが、対象物Ｏｂの所定部位について直交３軸方向の並進運動及び回転運動をそれぞれ測定し（Ｓ５９）、その値に応じた電気信号をそれぞれ発生させる。そして、取得部１０が、この電気信号を、電気物理量の主値としてそれぞれ取得する（Ｓ６０）。またこの時、赤外線センサ２３が、対象物Ｏｂの当該部位に対して赤外線を照射し、受光した反射光の強度に応じた光電流を発生させる。取得部１０は、この光電流を、電気物理量のクロストーク値として取得する（Ｓ６１）。そして、図２１に詳細は示さないが、全ての慣性計測装置６０について、このようなステップが順次行われる。

【0140】

その後、図４に示すように、変換処理（Ｓ２）が実行されることにより、取得部１０によって取得された電気物理量が、変換部１１によって所定の演算値へと変換される。次に、入力処理（Ｓ３）が実行されることにより、変換部１１によって変換された演算値が、学習済みモデル６１に対して入力パラメータとして入力される。これにより、学習済みモデル６１が、対象物Ｏｂに関する物理量を算出する。本実施形態では、対象物Ｏｂに関する物理量として、基準面から対象物Ｏｂまでの距離と、基準面に対して対象物Ｏｂが成す角度とが算出される。最後に、出力処理（Ｓ４）が実行されることにより、学習済みモデル６１によって算出された対象物Ｏｂに関する物理量が、出力部１４によって出力される。これにより、近接覚センサ４Ｌによる対象物Ｏｂの測定が終了する。

【0141】

このように、本実施形態に係る近接覚センサ４Ｌによれば、情報取得装置群５８の中に慣性計測装置６０が含まれているので、光センサでは測定が難しいガラスや鏡を高精度に測定することができる。

【産業上の利用可能性】

【0142】

本発明に係る近接覚センサは、ロボットハンド以外の産業機械に対しても装備が可能である。

【符号の説明】

【0143】

１ ロボットシステム
２ ロボット
３ カメラ
６ ロボットハンド
８ 情報取得装置
１８ 第一赤外線センサ
１９ 第二赤外線センサ
２４ 超音波センサ
３０ ＴｏＦ式レーザーセンサ
３６ 静電容量センサ
４０ ホールセンサ
５２ 温度センサ
５６ 力センサ
６０ 慣性計測装置
４Ａ，４Ｂ，４Ｃ，４Ｄ，４Ｅ，４Ｆ，４Ｇ，４Ｈ，４Ｉ，４Ｊ，４Ｋ，４Ｌ 近接覚センサ
９，２１，２８，３４，３８，４４，４９，５４，５８ 情報取得装置群
２０，２５，２７，３１，３３，３７，４１，４３，４８，５３，５７，６１ 学習済みモデル
Ｏｂ 対象物

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】