特許 7575007 手先負荷推定装置、ロボット制御システムおよびロボットシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-10-21

(45)【発行日】2024-10-29

(54)【発明の名称】手先負荷推定装置、ロボット制御システムおよびロボットシステム

(51)【国際特許分類】

   B25J 13/08 20060101AFI20241022BHJP

   G05B 11/36 20060101ALI20241022BHJP

   B25J 9/16 20060101ALI20241022BHJP

【ＦＩ】

B25J13/08 Z

G05B11/36 501F

B25J9/16

【請求項の数】 20

(21)【出願番号】P 2021064141

(22)【出願日】2021-04-05

(65)【公開番号】P2022159755

(43)【公開日】2022-10-18

【審査請求日】2024-02-19

(73)【特許権者】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(73)【特許権者】

【識別番号】301021533

【氏名又は名称】国立研究開発法人産業技術総合研究所

(74)【代理人】

【識別番号】100118762

【弁理士】

【氏名又は名称】高村 順

(72)【発明者】

【氏名】松岡 諒

(72)【発明者】

【氏名】前川 清石

(72)【発明者】

【氏名】梶田 秀司

(72)【発明者】

【氏名】藤井 夏樹

(72)【発明者】

【氏名】麻生 英樹

(72)【発明者】

【氏名】赤穂 昭太郎

【審査官】國武 史帆

(56)【参考文献】

【文献】特開２０２０－９７０７２（ＪＰ，Ａ）

【文献】国際公開第２０２０／０１７３７０（ＷＯ，Ａ１）

【文献】特開２０１６－２１５３５７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ２５Ｊ １／００ － ２１／０２

Ｇ０５Ｂ １１／３６

(57)【特許請求の範囲】

【請求項1】

ロボットの手先に加えられる負荷についてのパラメータである手先負荷パラメータを推定する手先負荷推定装置であって、
前記ロボットの関節の位置、速度および加速度のうち少なくとも１つのデータである動きデータが逆動力学モデルに入力されることによって、前記逆動力学モデルを基に計算されるトルクである公称トルクの値を出力する逆動力学モデル部と、
前記動きデータと、前記関節の実トルクおよび前記公称トルクの差分とを含む学習用データに基づいて、前記逆動力学モデルのモデル化誤差の影響と、前記ロボットの特性のうち前記逆動力学モデルに含まれていない特性の影響とが除かれた前記手先負荷パラメータを学習する学習部と、
前記動きデータと、前記実トルクおよび前記公称トルクの前記差分とを含む推論用データが入力され、前記学習部による学習結果を基に前記手先負荷パラメータを推論する推論部と、
を備えることを特徴とする手先負荷推定装置。

【請求項2】

前記手先負荷推定装置には、前記関節の位置を表す位置データが入力され、
前記逆動力学モデル部、前記学習部および前記推論部には、前記位置データから求まる前記動きデータが入力されることを特徴とする請求項１に記載の手先負荷推定装置。

【請求項3】

前記位置データは、前記関節を制御するための指令値または前記関節の位置のフィードバック値であることを特徴とする請求項２に記載の手先負荷推定装置。

【請求項4】

前記差分を計算するための前記実トルクの値は、前記関節の電流データにトルク定数を乗じた値であることを特徴とする請求項１から３のいずれか１つに記載の手先負荷推定装置。

【請求項5】

前記差分を計算するための前記実トルクの値は、前記ロボットに備えられたトルクセンサによって検出されたトルクの値であることを特徴とする請求項１から３のいずれか１つに記載の手先負荷推定装置。

【請求項6】

前記手先に負荷が加えられているときにおける前記動きデータと、前記手先に負荷が加えられているときにおける前記実トルクおよび前記公称トルクを基に計算された前記差分と、前記手先負荷パラメータの正解ラベルとが前記学習部に入力されることを特徴とする請求項１から５のいずれか１つに記載の手先負荷推定装置。

【請求項7】

前記手先に負荷が加えられていないときにおける前記動きデータと、前記手先に負荷が加えられていないときにおける前記実トルクおよび前記公称トルクを基に計算された前記差分とが前記学習部に入力され、
前記推論部は、前記実トルクと、前記手先に負荷が追加されていないときにおける前記公称トルクである推定トルクとの差分に基づいて前記手先負荷パラメータを推論することを特徴とする請求項１から５のいずれか１つに記載の手先負荷推定装置。

【請求項8】

前記手先負荷パラメータが既知である負荷が前記手先に加えられているときにおける前記動きデータと、前記手先負荷パラメータが既知である負荷が前記手先に加えられているときにおける前記実トルクおよび前記公称トルクを基に計算された前記差分とが前記学習部に入力され、
前記推論部は、前記実トルクと、前記手先負荷パラメータが既知である負荷が前記手先に加えられているときにおける前記公称トルクである推定トルクとの差分に基づいて前記手先負荷パラメータを推論することを特徴とする請求項１から５のいずれか１つに記載の手先負荷推定装置。

【請求項9】

前記学習部には、前記関節の位置、速度および加速度の少なくとも１つに関係する摩擦特性の情報が入力されることを特徴とする請求項１から８のいずれか１つに記載の手先負荷推定装置。

【請求項10】

前記関節の温度を示す温度データが前記学習部に入力されることによって、前記学習部は、前記関節における摩擦特性の温度依存性による誤差を含まない前記手先負荷パラメータを学習することを特徴とする請求項１から５のいずれか１つに記載の手先負荷推定装置。

【請求項11】

前記学習部には、前記関節の位置、速度、加速度および温度の少なくとも１つに関係する摩擦特性の情報が入力されることを特徴とする請求項１０に記載の手先負荷推定装置。

【請求項12】

前記動きデータを、前記手先負荷パラメータに関して線形化されたトルクの式を設定するための変数に変換する変数変換部をさらに備え、
前記学習部および前記推論部の各々には、前記変数が入力されることを特徴とする請求項１から１１のいずれか１つに記載の手先負荷推定装置。

【請求項13】

前記学習部は、前記手先負荷パラメータの信頼度を示す指標を計算し、
前記推論部は、前記手先負荷パラメータの推論結果とともに前記指標を出力することを特徴とする請求項１から１２のいずれか１つに記載の手先負荷推定装置。

【請求項14】

前記推論部によって求まる前記手先負荷パラメータの推定値は、前記動きデータおよび前記差分からの逐次同定によって更新される確率分布の平均値であって、
前記推定値の信頼度を示す前記指標は、前記確率分布の分散値であることを特徴とする請求項１３に記載の手先負荷推定装置。

【請求項15】

請求項１から１４のいずれか１つに記載の手先負荷推定装置と、
前記手先負荷推定装置から出力される手先負荷パラメータを基に、ロボットへ送る指令を生成するロボット制御装置と、
を備えることを特徴とするロボット制御システム。

【請求項16】

前記ロボット制御装置は、前記ロボットの動作中において、前記手先負荷パラメータを基に、前記ロボットの加減速度を調整することを特徴とする請求項１５に記載のロボット制御システム。

【請求項17】

前記ロボット制御装置は、前記ロボットの動作中において、前記手先負荷パラメータを基に、前記ロボットの衝突を検知するためのパラメータを調整することを特徴とする請求項１５または１６に記載のロボット制御システム。

【請求項18】

前記手先負荷推定装置が前記ロボット制御装置の内部に備えられることを特徴とする請求項１５から１７のいずれか１つに記載のロボット制御システム。

【請求項19】

前記手先負荷推定装置のうち前記手先負荷パラメータを推論する推論部が前記ロボット制御装置の内部に備えられていることを特徴とする請求項１５から１７のいずれか１つに記載のロボット制御システム。

【請求項20】

請求項１５から１９のいずれか１つに記載のロボット制御システムと、
前記ロボット制御システムからの指令に従って動作するロボットと、
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】

本開示は、ロボットの手先に加えられる負荷についてのパラメータを推定する手先負荷推定装置、ロボット制御システムおよびロボットシステムに関する。

【背景技術】

【0002】

産業用ロボット等のロボットの制御では、高速な動作および高精度な位置決めといった性能をロボットが発揮できるように、操作対象である手先に加えられる負荷についての質量または重心位置等のパラメータを適切に設定することが求められる。以下、ロボットの手先に加えられる負荷についてのパラメータを、手先負荷パラメータと称する。

【0003】

特許文献１には、多関節のロボットについて、ロボットを動作させたときにおける各関節の状態量を基に手先負荷パラメータを同定する方法が開示されている。特許文献１の方法では、手先負荷パラメータについて線形化された式と、ロボットモデルに示される駆動トルクとに基づいて、ロボットの各関節の位置、速度、加速度、および、動作に要する電流といった状態量から手先負荷パラメータが同定される。特許文献１の方法によると、負荷の種類またはロボットの動作パターンを限定せずに、手先負荷パラメータを推定することができる。

【先行技術文献】

【特許文献】

【0004】

【文献】特許第４１３７６７３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

特許文献１の方法では、手先負荷パラメータは、負荷の推定のために取得されたデータのみに基づいて推定される。このため、特許文献１の方法の場合、ロボットモデルのモデル化誤差の影響、または、ロボットモデルに含まれていない特性の影響によって、手先負荷パラメータの推定結果には、実際の手先負荷パラメータからの誤差が生じる場合がある。このため、特許文献１にかかる従来の技術によると、手先負荷パラメータの高精度な推定結果を得ることが困難であるという問題があった。

【0006】

本開示は、上記に鑑みてなされたものであって、手先負荷パラメータの高精度な推定結果を得ることができる手先負荷推定装置を得ることを目的とする。

【課題を解決するための手段】

【0007】

上述した課題を解決し、目的を達成するために、本開示にかかる手先負荷推定装置は、ロボットの手先に加えられる負荷についてのパラメータである手先負荷パラメータを推定する手先負荷推定装置である。本開示にかかる手先負荷推定装置は、ロボットの関節の位置、速度および加速度のうち少なくとも１つのデータである動きデータが逆動力学モデルに入力されることによって、逆動力学モデルを基に計算されるトルクである公称トルクの値を出力する逆動力学モデル部と、動きデータと、関節の実トルクおよび公称トルクの差分とを含む学習用データに基づいて、逆動力学モデルのモデル化誤差の影響と、ロボットの特性のうち逆動力学モデルに含まれていない特性の影響とが除かれた手先負荷パラメータを学習する学習部と、動きデータと、実トルクおよび公称トルクの差分とを含む推論用データが入力され、学習部による学習結果を基に手先負荷パラメータを推論する推論部と、を備える。

【発明の効果】

【0008】

本開示にかかる手先負荷推定装置は、手先負荷パラメータの高精度な推定結果を得ることができるという効果を奏する。

【図面の簡単な説明】

【0009】

【図1】実施の形態１にかかる手先負荷推定装置の構成を示す図

【図2】実施の形態１にかかる手先負荷推定装置がＲＮＮを用いて手先負荷パラメータの教師あり学習を行う場合における手先負荷推定装置の構成を示す図

【図3】実施の形態１における学習に使用されるニューラルネットワークの構成を示す概念図

【図4】図３に示すニューラルネットワークを構成するＬＳＴＭユニットの例を示す図

【図5】実施の形態１にかかる手先負荷推定装置がトルクセンサによって検出されたトルクの値を実トルクの値として用いる場合における手先負荷推定装置の構成を示す図

【図6】実施の形態２にかかる手先負荷推定装置の構成を示す図

【図7】実施の形態２における学習に使用されるＧＰＲについて説明するための図

【図8】実施の形態２における推論に使用されるヒストグラムフィルタについて説明するための図

【図9】実施の形態３にかかる手先負荷推定装置の構成を示す図

【図10】実施の形態４にかかる手先負荷推定装置の構成を示す図

【図11】実施の形態５にかかる手先負荷推定装置の構成を示す図

【図12】実施の形態６にかかる手先負荷推定装置の構成を示す図

【図13】実施の形態７にかかる手先負荷推定装置の構成を示す図

【図14】実施の形態７におけるベイズ線形回帰による確率分布の更新について説明するための概念図

【図15】実施の形態８にかかるロボットシステムの構成を示す図

【図16】実施の形態１から７にかかる手先負荷推定装置を実現するハードウェアの第１の構成例を示す図

【図17】実施の形態１から７にかかる手先負荷推定装置を実現するハードウェアの第２の構成例を示す図

【発明を実施するための形態】

【0010】

以下に、実施の形態にかかる手先負荷推定装置、ロボット制御システムおよびロボットシステムを図面に基づいて詳細に説明する。

【0011】

実施の形態１．
図１は、実施の形態１にかかる手先負荷推定装置１の構成を示す図である。手先負荷推定装置１は、ロボットの手先に加えられる負荷についてのパラメータである手先負荷パラメータを推定する。実施の形態１において、ロボットは、産業用ロボットである。ロボットは、ロボットの可動部を動作させる複数の関節を有する。手先は、可動部の先端部分である。手先には、負荷が取り付けられる。負荷の例は、ハンドまたは工具といった着脱可能な部品である。

【0012】

手先負荷推定装置１は、入力部１１、逆動力学モデル部１２、学習部１３、学習結果記憶部１４および推論部１５を有する。入力部１１には、ロボットの内部の状態量のデータが、ロボットの制御周期ごとに入力される。これにより、手先負荷推定装置１は、ロボットの内部の状態量の時系列データを取得する。状態量のデータは、制御周期の整数倍ごとに入力されても良い。

【0013】

状態量のデータは、位置データと電流データとを含む。位置データは、関節の位置を表すデータである。ここでは、位置データは、関節の位置のフィードバック値とする。関節の位置とは、関節の回転方向における位置であって、例えば回転角により表される。電流データは、関節を回転させるモータに流れる電流を表すデータである。ここでは、電流データは、モータに流れる電流のフィードバック値とする。入力部１１には、各関節の位置フィードバック（ＦＢ）値である位置データと、各関節の電流フィードバック（ＦＢ）値である電流データが入力される。

【0014】

学習部１３による学習の際に、入力部１１は、学習時の入力データとして、位置ＦＢ値の時系列データと電流ＦＢ値の時系列データとを取得する。推論部１５による推論の際に、入力部１１は、推論時の入力データとして、位置ＦＢ値の時系列データと電流ＦＢ値の時系列データとを取得する。図１では、学習時における入力部１１の入力データのイメージと、推論時における入力部１１の入力データのイメージとを示す。

【0015】

各関節の位置θ、速度θ′および加速度θ′′は、入力部１１へ入力された位置データから計算される。位置データから位置θ、速度θ′および加速度θ′′を計算する手段の図示は省略する。逆動力学モデル部１２には、各関節の位置データから求まる各関節の位置θ、速度θ′および加速度θ′′のデータである動きデータが入力される。逆動力学モデルは、運動方程式を解くことによってトルクを求めるモデルである。逆動力学モデル部１２は、各関節の位置θ、速度θ′および加速度θ′′が逆動力学モデルに入力されることによって、各関節の公称トルクτ_ｍｄｌを出力する。公称トルクτ_ｍｄｌは、関節についての運動方程式から求まるトルクである。逆動力学モデルは、事前に手先負荷推定装置１に内蔵される。

【0016】

逆動力学モデル部１２は、運動方程式を計算する際に、事前に設定された公称パラメータを参照する。公称パラメータとしては、ロボットの各リンクの質量、重心位置または慣性テンソルといったパラメータが設定される。公称パラメータには、ロボットの設計時の値を使用できる。または、公称パラメータには、位置データおよび電流データが取得されるロボットにより事前に同定された値を使用しても良い。

【0017】

学習部１３による学習の際に、逆動力学モデル部１２は、学習時の入力データから得られた位置θ、速度θ′および加速度θ′′を基に公称トルクτ_ｍｄｌを計算する。推論部１５による推論の際に、逆動力学モデル部１２は、推論時の入力データから得られた位置θ、速度θ′および加速度θ′′を基に公称トルクτ_ｍｄｌを計算する。なお、図１では、学習時のデータフローと推論時のデータフローとを分けて示す都合上、逆動力学モデル部１２を２つに分けて示す。

【0018】

実トルクτ_ｒｅａｌは、入力部１１へ入力された電流データにトルク定数を乗じることによって求まる。すなわち、手先負荷推定装置１は、電流データにトルク定数を乗じた値を実トルクのτ_ｒｅａｌ値として用いる。手先負荷推定装置１は、実トルクτ_ｒｅａｌと、逆動力学モデル部１２から出力された公称トルクτ_ｍｄｌとの差分τ_ｒｅａｌ－τ_ｍｄｌを計算する。

【0019】

学習部１３には、学習用データとして、学習時の入力データから得られた動きデータである各関節の位置θ、速度θ′および加速度θ′′と、学習時の入力データに基づく各関節の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。学習部１３には、各関節についての学習用データが入力される。学習部１３は、逆動力学モデルのモデル化誤差の影響と、ロボットの特性のうち逆動力学モデルに含まれていない特性の影響とが除かれた手先負荷パラメータを、学習用データを用いて学習する。以下、ロボットの特性のうち逆動力学モデルに含まれていない特性を、モデル外特性と称する。学習部１３は、学習結果を学習結果記憶部１４に保存する。

【0020】

推論部１５には、推論用データとして、推論時の入力データから得られた動きデータである各関節の位置θ、速度θ′および加速度θ′′と、推論時の入力データに基づく各関節の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。推論部１５には、各関節についての推論用データが入力される。また、推論部１５は、学習部１３による学習結果を学習結果記憶部１４から読み出す。推論部１５は、学習部１３による学習結果を基に、手先負荷パラメータを推定する。図１に示す構成において、手先負荷推定装置１は、学習部１３における学習方法として任意の方法を適用することができる。手先負荷パラメータは、負荷の質量、負荷の重心位置、および負荷の慣性テンソルの各パラメータのうち少なくとも１つである。なお、逆動力学モデル部１２、学習部１３および推論部１５の各々へ入力される動きデータは、位置θ、速度θ′および加速度θ′′の全てについてのデータに限られず、位置θ、速度θ′および加速度θ′′のうち少なくとも１つのデータであれば良い。

【0021】

推論部１５は、推論用データとして、ロボットの動作開始直後における位置ＦＢ値に基づいた動きデータと、ロボットの動作開始直後における電流ＦＢ値に基づいた差分τ_ｒｅａｌ－τ_ｍｄｌとを使用する。これにより、手先負荷推定装置１は、ロボットが動作を開始したときから早い時点において手先負荷パラメータを推定することができる。また、ロボットが動作を開始したときから早い時点において、各関節を制御するための指令値に手先負荷パラメータの推定結果を反映させることが可能となる。

【0022】

次に、学習方法の具体的な例について説明する。ここでは、ＲＮＮ(Recurrent Neural Network)を用いて手先負荷パラメータの教師あり学習を行う場合について説明する。図２は、実施の形態１にかかる手先負荷推定装置１がＲＮＮを用いて手先負荷パラメータの教師あり学習を行う場合における手先負荷推定装置１の構成を示す図である。

【0023】

図２に示す手先負荷推定装置１の学習部１３ａには、学習用データとして、各関節の位置θ、速度θ′および加速度θ′′と、学習時の入力データに基づく各関節の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。また、学習部１３ａには、教師信号が入力される。教師信号は、手先負荷パラメータの正解ラベルである。正解ラベルは、逆動力学モデルのモデル化誤差とモデル外特性とによる誤差を含まない手先負荷パラメータである。学習部１３ａは、位置θ、速度θ′および加速度θ′′と差分τ_ｒｅａｌ－τ_ｍｄｌとの入力に対する出力が正解ラベルに一致するようなニューラルネットワークを構築し、学習結果記憶部１４ａに学習結果を保存する。

【0024】

ＲＮＮの例としては、Ｅｌｍａｎ／Ｊｏｒｄａｎ ｎｅｔ、ＬＳＴＭ（Long Short Term Memory）、ＧＲＵ（Gated Recurrent Unit）などがあり、いずれを用いても良い。実施の形態１では、ＬＳＴＭを用いる場合を例に挙げて説明する。

【0025】

図３は、実施の形態１における学習に使用されるニューラルネットワークの構成を示す概念図である。ニューラルネットワークは、入力層２１、中間層２２および出力層２３を備える。入力層２１は、入力されるデータの要素の数、すなわち入力数に応じた数のニューロン２４を備える。図３では入力層２１における一番上のニューロン２４にのみ符号を付しているが、入力層２１において符号を省略した丸もニューロン２４である。図３ではニューロン２４の数を３としているが、ニューロン２４の数は３に限定されない。

【0026】

中間層２２は、複数のニューロン２５を備える。各ニューロン２５は、ＬＳＴＭユニットである。図３では中間層２２における一番上のニューロン２５にのみ符号を付しているが、中間層２２において符号を省略した二重丸もニューロン２５である。また、図３では中間層を１層としているが、中間層は２層以上でも良い。図３ではニューロン２５の数を５としているが、ニューロン２５の数は５に限定されない。

【0027】

出力層２３は、出力されるデータの要素の数、すなわち出力数に応じた数のニューロン２６を備える。図３では出力層２３における一番上のニューロン２６にのみ符号を付しているが、出力層２３において符号を省略した丸もニューロン２６である。図３ではニューロン２６の数を３としているが、ニューロン２６の数は３に限定されない。

【0028】

入力層２１は、入力されたデータを中間層２２へ出力する。詳細には、各ニューロン２４は、入力されたデータを中間層２２の各ニューロン２５へ出力する。各ニューロン２４は、入力された値に重みを乗算してから中間層２２の各ニューロン２５へ出力する。中間層２２の各ニューロン２５は、ＬＳＴＭの処理を行い、処理結果を出力層２３の各ニューロン２６へ出力する。出力層２３の各ニューロン２６は、中間層２２の各ニューロン２５から出力されたデータを加算し、加算結果を出力する。出力層２３の各ニューロン２６は、中間層２２の各ニューロン２５から出力されたデータに重みを乗算し、重みを乗算した結果を加算する。

【0029】

ＲＮＮにおいて、入力値を要素とするベクトルをｘ_ｔ、中間層２２の出力値を要素とするベクトルをｈ_ｔとした場合に、ベクトルｈ_ｔは、次の式（１）で表すことができる。ｔは、制御周期を単位として離散化された時刻であって、何番目の制御周期であるかを示す整数である。ベクトルｘ_ｔの次元をＭ、ベクトルｈ_ｔの次元をＮとするとき、Ｗは、Ｎ×Ｍの次元の線形変換行列であり、Ｒは、Ｎ×Ｎの次元の線形変換行列であり、ｂは、バイアスベクトルである。ｇ（・）は、活性化関数を示す。

【0030】

【数1】

【0031】

ｘ_ｔ ^１，ｘ_ｔ ^２，ｘ_ｔ ^３は、ベクトルｘ_ｔの要素である入力値とする。ｈ_ｔ ^１，ｈ_ｔ ^２，ｈ_ｔ ^３，ｈ_ｔ ^４，ｈ_ｔ ^５は、ベクトルｈ_ｔの要素である出力値とする。ｙ_ｔ ^１，ｙ_ｔ ^２，ｙ_ｔ ^３は、ベクトルｙ_ｔの要素である出力値とする。ベクトルｙ_ｔは、出力層２３の出力値を要素とするベクトルとする。

【0032】

図４は、図３に示すニューラルネットワークを構成するＬＳＴＭユニットの例を示す図である。図４に示す構成例では、ＬＳＴＭユニットでは、以下の式（２）－（７）に示す計算が行われる。

【0033】

【数2】

【0034】

Ｗ_ｆ，Ｗ_ｉ，Ｗ_ｚ，Ｗ_ｏは、Ｎ×Ｍの次元の線形変換行列であり、Ｒ_ｆ，Ｒ_ｉ，Ｒ_ｚ，Ｒ_ｏは、Ｎ×Ｎの次元の線形変換行列であり、ｂ_ｆ，ｂ_ｉ，ｂ_ｚ，ｂ_ｏは、バイアスベクトルである。これらは、学習部１３ａによる学習により決定される。σ（・）は、活性化関数として使用されるシグモイド関数である。tanh（・）は、活性化関数として使用されるハイパボリックタンジェント関数を示す。

【0035】

実施の形態１において、入力層２１には、位置θ、速度θ′、加速度θ′′および差分τ_ｒｅａｌ－τ_ｍｄｌの各データが入力される。ベクトルｘ_ｔは、位置θ、速度θ′、加速度θ′′および差分τ_ｒｅａｌ－τ_ｍｄｌの各値を要素とするベクトルである。６軸の垂直多関節ロボットの場合、ベクトルｘ_ｔの次元は２４である。入力されるデータは、ロボットの全ての関節のデータに限られず、一部の関節のデータであっても良い。入力されるデータは、ロボットの全ての関節のうち動作中の関節のデータのみなどとしても良い。学習部１３ａは、入力されるデータを一部の関節のデータのみとすることによって、ベクトルｘ_ｔの次元を減少させても良い。

【0036】

実施の形態１において、出力層２３は、位置θ、速度θ′、加速度θ′′および差分τ_ｒｅａｌ－τ_ｍｄｌのデータから推定された手先負荷パラメータの値を出力する。ベクトルｙ_ｔは、時刻ｔにおけるデータから推定された手先負荷パラメータの各値を要素とするベクトルである。手先負荷パラメータは、負荷の質量、負荷の重心を示すＸＹＺ座標、慣性テンソルの対角成分Ｉ_ｘｘ，Ｉ_ｙｙ，Ｉ_ｚｚ、および慣性テンソルの非対角成分Ｉ_ｘｙ，Ｉ_ｙｚ，Ｉ_ｚｘといったパラメータである。これらのパラメータの全てを推定する場合、ベクトルｙ_ｔの次元は１０である。学習部１３ａは、出力されるデータをこれらのパラメータのうちの一部のパラメータのデータのみとすることによって、ベクトルｙ_ｔの次元を減少させても良い。

【0037】

学習部１３ａは、中間層２２にＬＳＴＭユニットを適用することによって、時系列データの過去の値に依存する特徴量を抽出可能とするニューラルネットワークを構築する。また、学習部１３ａは、学習用データの入力に対する出力が手先負荷パラメータの正解値に一致するように、各ニューロン２４，２５，２６の重み係数を調整する。これにより、学習部１３ａは、モデル化誤差とモデル外特性との影響を吸収可能なＲＮＮの学習済モデルを生成することができる。学習結果記憶部１４ａは、学習結果である学習済モデルを記憶する。

【0038】

推論部１５ａは、学習結果記憶部１４ａからＲＮＮの学習済モデルを読み出す。推論部１５ａでは、推論用データである位置θ、速度θ′、加速度θ′′および差分τ_ｒｅａｌ－τ_ｍｄｌの各データが学習済モデルへ入力される。推論部１５ａは、入力に対する学習済モデルの出力を、手先負荷パラメータの推定結果として出力する。

【0039】

実施の形態１によると、手先負荷推定装置１は、逆動力学モデルのモデル化誤差の影響とモデル外特性の影響とが除かれた手先負荷パラメータを学習し、学習結果を基に手先負荷パラメータを推論する。手先負荷推定装置１は、モデル化誤差の影響とモデル外特性の影響とによる誤差が低減された手先負荷パラメータを推定可能であることによって、ロボットの動作開始直後における手先負荷パラメータの高精度な推定が可能となる。これにより、手先負荷推定装置１は、手先負荷パラメータの高精度な推定結果を得ることができるという効果を奏する。

【0040】

位置データは、各関節の位置のフィードバック値としたが、これに限定されない。位置データは、各関節を制御するための指令値であっても良い。手先負荷推定装置１は、ロボット制御装置から指令値を取得する。

【0041】

手先負荷推定装置１は、電流データにトルク定数を乗じた値を実トルクのτ_ｒｅａｌの値として用いることとしたが、これに限定されない。手先負荷推定装置１は、ロボットに備えられたトルクセンサによって検出されたトルクの値を、実トルクτ_ｒｅａｌの値として用いても良い。

【0042】

図５は、実施の形態１にかかる手先負荷推定装置１がトルクセンサ２７によって検出されたトルクの値を実トルクの値として用いる場合における手先負荷推定装置１の構成を示す図である。トルクセンサ２７は、ロボットの手先に実際に加わっているトルクを検出し、検出値を出力する。図５に示す手先負荷推定装置１では、図１に示す手先負荷推定装置１の電流データの入力とトルク定数の乗算とに代えて、トルクセンサ２７からの検出値が入力される。図５における「トルク出力」は、トルクセンサ２７から出力される検出値を表す。

【0043】

学習部１３による学習の際に、入力部１１は、学習時の入力データとして、トルクの検出値を取得する。推論部１５による推論の際に、入力部１１は、推論時の入力データとして、トルクの検出値を取得する。手先負荷推定装置１は、トルクの検出値である実トルクτ_ｒｅａｌと、逆動力学モデル部１２から出力された公称トルクτ_ｍｄｌとの差分τ_ｒｅａｌ－τ_ｍｄｌを計算する。この場合も、手先負荷推定装置１は、手先負荷パラメータの高精度な推定結果を得ることができる。図２に示す手先負荷推定装置１においても、トルクの検出値を、実トルクτ_ｒｅａｌの値として用いても良い。

【0044】

学習部１３ａが用いるニューラルネットワークはＲＮＮとしたが、これに限定されない。学習部１３ａは、フィードフォワード型、すなわち順伝搬型のニューラルネットワークを用いても良い。すなわち、学習部１３ａは、時刻ｔの中間層２２の出力を再帰的に次の時刻の中間層２２への入力とするニューラルネットワークではなく、各関節の位置θ、速度θ′加速度θ′′および差分τ_ｒｅａｌ－τ_ｍｄｌの時系列データの入力のみによって出力が決まるニューラルネットワークを用いて、手先負荷パラメータの教師あり学習を行っても良い。この場合、学習部１３ａは、時刻ｔのデータを取得するごとにニューラルネットワークに逐次データを入力するのではなく、あらかじめ定められたバッチサイズのデータが蓄積されてからニューラルネットワークにデータを入力する。

【0045】

実施の形態１では、学習部１３，１３ａは、モデル化誤差の影響とモデル外特性の影響とが除かれた手先負荷パラメータを学習する。すなわち、学習部１３，１３ａは、手先負荷パラメータの学習と、手先負荷パラメータに対応するトルクの誤差の学習とを、１つのニューラルネットワークによってまとめて行う。学習部１３，１３ａは、手先負荷パラメータを学習するニューラルネットワークと、トルクの誤差を学習するニューラルネットワークとを分けても良い。この場合、手先負荷パラメータを学習するニューラルネットワークは、位置θ、速度θ′、加速度θ′′および差分τ_ｒｅａｌ－τ_ｍｄｌが入力されることによって出力される手先負荷パラメータが正解ラベルに一致するように構築される。トルクの誤差を学習するニューラルネットワークは、位置θ、速度θ′、加速度θ′′および手先負荷パラメータが入力されることによって出力されるトルク誤差が正解ラベルである差分τ_ｒｅａｌ－τ_ｍｄｌに一致するように構築される。手先負荷推定装置１は、手先負荷パラメータの推論結果を、トルク誤差の推論結果を基に補正する。この場合も、手先負荷推定装置１は、モデル化誤差の影響とモデル外特性の影響とが除かれた手先負荷パラメータを推定可能とし、手先負荷パラメータの高精度な推定結果を得ることができる。

【0046】

実施の形態２．
実施の形態２では、ＧＰＲ(Gaussian Process Regression)を用いて、手先に負荷が加えられていないときのデータを用いて学習を行う場合について説明する。以下、手先に負荷が加えられていないことを、無負荷と称する。図６は、実施の形態２にかかる手先負荷推定装置２の構成を示す図である。実施の形態２では、実施の形態１と同一の構成要素には同一の符号を付し、実施の形態１とは異なる構成について主に説明する。

【0047】

手先負荷推定装置２は、入力部１１、逆動力学モデル部１２，１２ｂ、学習部１３ｂ、学習結果記憶部１４ｂおよび推論部１５ｂを有する。学習部１３ｂによる学習の際に、逆動力学モデル部１２は、公称パラメータが設定された逆動力学モデルを基に、無負荷時の位置θ、速度θ′および加速度θ′′から公称トルクτ_ｍｄｌを計算する。学習部１３ｂには、学習用データとして、無負荷時の位置θ、速度θ′および加速度θ′′と、無負荷時の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。学習部１３ｂは、無負荷でのモデル化誤差およびモデル外特性の影響が除かれた手先負荷パラメータを、学習用データを用いて学習する。学習部１３ｂは、学習結果を学習結果記憶部１４ｂに保存する。

【0048】

推論部１５ｂによる推論の際に、逆動力学モデル部１２ｂは、補正された逆動力学モデルを基に、推論用データである位置θ、速度θ′および加速度θ′′から、無負荷と仮定した場合における推定トルクτ_ｅｓｔを計算する。推論部１５ｂには、推論用データとして、各関節の位置θ、速度θ′および加速度θ′′と、差分τ_ｒｅａｌ－τ_ｅｓｔとが入力される。また、推論部１５ｂは、学習部１３ｂによる学習結果を学習結果記憶部１４ｂから読み出す。推論部１５ｂは、学習部１３ｂによる学習結果を基に、手先負荷パラメータを推定する。

【0049】

図７は、実施の形態２における学習に使用されるＧＰＲについて説明するための図である。ＧＰＲは、非線形な関数ｙ＝ｆ（ｘ）の推定に用いられる手法である。ＧＰＲでは、観測値であるｙが超多次元のガウス分布Ｎ（ｕ，Ｓ）に従うと仮定して、ベイズ推定における尤度ｐ（ｆ｜ｚ）が最大となるようにカーネル関数Ｓの内部パラメータｚを調整する。ガウス分布Ｎ（ｕ，Ｓ）は、ある平均値に相当する平均関数ｕ（ｘ）と、ある分散値に相当するカーネル関数Ｓ（ｘ，ｘ’）とによって決まる。推定された関数ｆ～Ｎ（ｕ，Ｓ）は、関数の分布として出力される。カーネル関数Ｓが大きい領域では、入力ｘに対する出力ｙの不確実性が大きくなる。次の式（８）は、推定された関数ｆ～Ｎ（ｕ，Ｓ）を表したものである。

【0050】

【数3】

【0051】

ＧＰＲを備える学習部１３ｂは、学習用データである無負荷時の位置θ、速度θ′および加速度θ′′を入力とし、差分τ_ｒｅａｌ－τ_ｍｄｌを出力とする関数の分布を学習する。学習部１３ｂは、得られた関数の分布を学習結果記憶部１４ｂに保存する。学習用データは、位置θ、速度θ′および加速度θ′′のうちの一部のデータのみであっても良い。学習部１３ｂには、位置θ、速度θ′および加速度θ′′のうち例えば速度θ′のデータのみが学習用データとして入力されても良い。このように、学習部１３ｂは、入力されるデータを位置θ、速度θ′および加速度θ′′のうちの一部のデータのみに限定することによって、入力されるデータの次元を減少させても良い。

【0052】

推論部１５ｂは、ベイズフィルタの一種であるヒストグラムフィルタを用いて手先負荷パラメータの推定結果を得ることとしても良い。ヒストグラムフィルタでは、推定対象であるパラメータの存在範囲を特定の刻み幅で区切ることによって各刻み幅に候補点を設定し、時系列データを基に各候補点の存在確率が更新される。

【0053】

図８は、実施の形態２における推論に使用されるヒストグラムフィルタについて説明するための図である。逆動力学モデル部１２ｂは、ＧＰＲの学習結果である関数の分布を学習結果記憶部１４ｂから読み出し、関数の分布を基に逆動力学モデルを補正する。逆動力学モデル部１２ｂは、ＧＰＲの学習結果により補正された逆動力学モデルへ推論用データである位置θ、速度θ′および加速度θ′′が入力されることによって、無負荷と仮定した場合における推定トルクτ_ｅｓｔを出力する。

【0054】

手先に負荷を加えてロボットを動作させたときにおける推論用データの実トルクτ_ｒｅａｌと推定トルクτ_ｅｓｔとの差分τ_ｒｅａｌ－τ_ｅｓｔは、負荷によって発生したオフセット分のトルクと考えることができる。以下、オフセット分のトルクを、オフセットトルクΔτと称する。推論部１５ｂは、推定するパラメータの候補点を用意しておき、位置θ、速度θ′および加速度θ′′に対して実際のオフセットトルクΔτのデータが得られる確率が最も大きい候補点を、手先負荷パラメータの推定結果として出力する。

【0055】

図８では、推定するパラメータは１種類、例えば手先の質量のみとする。図８では、取り得る質量の値の範囲をｊ等分した候補点ｍ_１，ｍ_２，・・・，ｍ_ｊのうちの１つである候補点ｍ_ｉにおいて、入力されたオフセットトルクΔτのデータが得られる確率が最も大きくなった例を示す。ｊは任意の整数、ｉは１≦ｉ≦ｊを満足する整数である。推定するパラメータがＫ種類である場合、各パラメータの採りうる範囲についてｊ個に分割したｊ^Ｋ通りの候補点を用意しておくことができる。Ｋは２以上の整数とする。

【0056】

候補点の刻み幅は、推定するパラメータの種類ごとに異なっても良い。推論部１５ｂは、時刻ｔの位置θ、速度θ′および加速度θ′′に対するオフセットトルクΔτのデータが入力されることによって各候補点の存在確率を更新する際に、推定する各パラメータの採りうる範囲、または各パラメータの刻み幅を変更しても良い。

【0057】

ヒストグラムフィルタの候補点ｍ_ｉの存在確率をｐ_ｉとして、ヒストグラムフィルタ全体の情報量の期待値は、次の式（９）により表される。

【0058】

【数4】

【0059】

式（９）に示すＨは、エントロピーと呼ばれる。エントロピーＨは、正の値を持つ。エントロピーＨがゼロに近いほど、ある候補点にヒストグラムフィルタが収束していることを表す。推論用データの外れ値による悪影響を避けるため、推論部１５ｂは、時刻ｔのデータが入力されるたびにエントロピーＨを計算し、エントロピーＨが前回求めたエントロピーＨの値よりも減少している場合のみデータを有効なデータとみなして、各候補点の存在確率を更新しても良い。

【0060】

実施の形態２によると、手先負荷推定装置２は、無負荷時における学習用データを基に手先負荷パラメータを学習し、実トルクと無負荷時における推定トルクとに基づいて手先負荷パラメータを推論する。これにより、手先負荷推定装置２は、手先負荷パラメータの高精度な推定結果を得ることができるという効果を奏する。

【0061】

実施の形態２では、手先負荷推定装置２は、無負荷にてロボットを動作させたときのデータを用いて学習を行うこととしたが、これに限定されない。手先負荷推定装置２は、質量または重心位置といった手先負荷パラメータが既知である負荷を手先に取り付けてロボットを動作させたときのデータを用いて学習を行っても良い。すなわち、手先負荷推定装置２は、実トルクτ_ｒｅａｌと、無負荷時のパラメータを基に計算された公称トルクτ_ｍｄｌとの差分τ_ｒｅａｌ－τ_ｍｄｌをＧＰＲで学習する代わりに、実トルクτ_ｒｅａｌと、既知の手先負荷パラメータを基に計算された公称トルクτ_ｍｄｌとの差分τ_ｒｅａｌ－τ_ｍｄｌをＧＰＲで学習する。手先負荷推定装置２は、推論用データの実トルクτ_ｒｅａｌと、学習時と同じ負荷が手先に取り付けられていると仮定した場合の推定トルクτ_ｅｓｔとの差分τ_ｒｅａｌ－τ_ｅｓｔから、ヒストグラムフィルタにより手先負荷パラメータを推定することができる。

【0062】

実施の形態２における学習には、非線形な未知関数を学習するために、ＧＰＲに代わる近似関数の学習方式を適用しても良い。学習には、例えば、Ｎｅｕｒａｌ ＰｒｏｃｅｓｓｅｓまたはＧＰ Ｎｅｔといった手法を適用しても良い。Ｎｅｕｒａｌ Ｐｒｏｃｅｓｓｅｓは、データから確率過程のモデルを生成するニューラルネットワークを学習する手法として知られる。ＧＰ Ｎｅｔは、未知関数の事前分布がガウス過程に従うと仮定して、データによる予測分布をベイズニューラルネットワークで近似する手法として知られる。これらの手法においても、ＧＰＲと同様に、関数の平均値と分散値とを出力可能である。また、実施の形態２における推論には、オフセットトルクΔτのデータに合うように手先負荷パラメータの候補点を更新するために、組合せ最適化問題を解く手法として知られる粒子群最適化（Particle Swarm Optimization：ＰＳＯ）、遺伝的アルゴリズム（Genetic Algorithm：ＧＡ）、またはシミュレーテッドアニーリング（Simulated Annealing：ＳＡ）といった手法を適用しても良い。

【0063】

実施の形態２では、非線形な未知関数を学習するために、ＧＰＲによる学習とその他の学習とが組み合わせられても良い。例えば、ＧＰＲによる学習において入力されたデータをニューラルネットワークの入力として、ＧＰＲが出力する関数の平均値と分散値とを教師信号とする学習を実施する。この場合、手先負荷推定装置２は、学習したニューラルネットワークを用いて、推論時の平均値と分散値とを出力することができる。

【0064】

実施の形態３．
実施の形態３では、関節の温度データを学習に用いる場合について説明する。図９は、実施の形態３にかかる手先負荷推定装置３の構成を示す図である。実施の形態３では、実施の形態１または２と同一の構成要素には同一の符号を付し、実施の形態１または２とは異なる構成について主に説明する。

【0065】

手先負荷推定装置３は、入力部１１、逆動力学モデル部１２、学習部１３ｃ、学習結果記憶部１４ｃおよび推論部１５ｃを有する。入力部１１には、位置データである位置ＦＢ値と、電流データである電流ＦＢ値と、温度データである温度フィードバック（ＦＢ）値とが入力される。温度ＦＢ値は、ロボットの動作時における各関節の温度である。

【0066】

学習部１３ｃには、学習用データとして、学習時の入力データに基づく各関節の位置θ、速度θ′および加速度θ′′と、学習時の入力データに基づく各関節の差分τ_ｒｅａｌ－τ_ｍｄｌと、各関節の温度データとが入力される。学習部１３ｃは、関節における摩擦特性の温度依存性による影響が除かれた手先負荷パラメータを、学習用データを用いて学習する。学習部１３ｃは、学習結果を学習結果記憶部１４ｃに保存する。

【0067】

推論部１５ｃには、推論用データとして、推論時の入力データに基づく各関節の位置θ、速度θ′および加速度θ′′と、推論時の入力データに基づく各関節の差分τ_ｒｅａｌ－τ_ｍｄｌと、各関節の温度データとが入力される。また、推論部１５ｃは、学習部１３ｃによる学習結果を学習結果記憶部１４ｃから読み出す。推論部１５ｃは、学習部１３ｃによる学習結果を基に、手先負荷パラメータを推定する。

【0068】

摩擦特性の温度依存性は、モデル化誤差の要因、またはモデル外特性の１つに挙げられる。実施の形態３によると、手先負荷推定装置３は、摩擦特性の温度依存性による影響が除かれた手先負荷パラメータを学習し、学習結果を基に手先負荷パラメータを推論する。手先負荷推定装置３は、摩擦特性の温度依存性による影響が低減された手先負荷パラメータを推論可能であることによって、手先負荷パラメータの高精度な推定結果を得ることができる。なお、実施の形態１または２の手先負荷推定装置１，２に、実施の形態３と同様の学習および推論を適用しても良い。

【0069】

実施の形態４．
実施の形態４では、各関節の位置θ、速度θ′および加速度θ′′のデータである動きデータを変数に変換する場合について説明する。図１０は、実施の形態４にかかる手先負荷推定装置４の構成を示す図である。実施の形態４では、実施の形態１から３と同一の構成要素には同一の符号を付し、実施の形態１から３とは異なる構成について主に説明する。

【0070】

手先負荷推定装置４は、入力部１１、逆動力学モデル部１２、学習部１３ｄ、学習結果記憶部１４ｄ、推論部１５ｄおよび変数変換部１６を有する。変数変換部１６には、位置データから計算された位置θ、速度θ′および加速度θ′′が入力される。変数変換部１６は、位置θ、速度θ′および加速度θ′′を、手先負荷パラメータに関して線形化されたトルクの式を設定するための変数に変換する。変数変換部１６は、変換後の変数を出力する。

【0071】

学習部１３ｄによる学習の際に、変数変換部１６は、学習時の入力データから得られた位置θ、速度θ′および加速度θ′′のデータを変数に変換し、学習部１３ｄへ変数を出力する。推論部１５ｄによる推論の際に、変数変換部１６は、推論時の入力データから得られた位置θ、速度θ′および加速度θ′′のデータを変数に変換し、推論部１５ｄへ変数を出力する。なお、図１０では、学習時のデータフローと推論時のデータフローとを分けて示す都合上、変数変換部１６を２つに分けて示す。

【0072】

学習部１３ｄには、学習用データとして、各関節の位置θ、速度θ′および加速度θ′′のデータから変換された変数と、各関節の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。学習部１３ｄは、逆動力学モデルのモデル化誤差の影響とモデル外特性による影響とが除かれた手先負荷パラメータを、学習用データを用いて学習する。学習部１３ｄは、学習結果を学習結果記憶部１４ｄに保存する。

【0073】

推論部１５ｄには、推論用データとして、各関節の位置θ、速度θ′および加速度θ′′のデータから変換された変数と、各関節の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。推論部１５ｄは、学習部１３ｄによる学習結果を学習結果記憶部１４ｄから読み出す。推論部１５ｄは、学習部１３ｄによる学習結果を基に、手先負荷パラメータを推定する。

【0074】

ロボットの運動方程式は、位置θ、速度θ′および加速度θ′′に関して非線形な式である。ただし、負荷についての質量および重心等のパラメータを（質量）×（重心）といった形にして並べたパラメータベクトルをＭとすると、運動方程式は、次の式（１０）のように線形化が可能となる。Ｋ（θ，θ′，θ′′）は、リグレッサ行列と呼ばれる。Ｋ（θ，θ′，θ′′）は、各関節の位置θ、速度θ′および加速度θ′′から変換された変数である。

【0075】

【数5】

【0076】

上記のＲＮＮおよびＧＰＲは、非線形回帰による処理を扱い得る。手先負荷推定装置４は、位置θ、速度θ′および加速度θ′′のデータを変数に変換することによって、非線形回帰により扱われる処理を線形領域での処理として扱うことが可能となる。これにより、手先負荷推定装置４は、簡易な処理による学習と推論とが可能となる。手先負荷推定装置４は、簡易な処理によって、手先負荷パラメータの高精度な推定結果を得ることができる。実施の形態１から３の手先負荷推定装置１，２，３に、実施の形態４と同様の変数変換を適用しても良い。なお、後述する実施の形態７では、手先負荷パラメータの逐次同定と確率分布との組み合わせによる推論にリグレッサ行列を適用する例について説明する。

【0077】

実施の形態５．
実施の形態５では、各関節の位置θ、速度θ′または加速度θ′′に関係する摩擦特性の情報を学習に用いる場合について説明する。図１１は、実施の形態５にかかる手先負荷推定装置５の構成を示す図である。実施の形態５では、実施の形態１から４と同一の構成要素には同一の符号を付し、実施の形態１から４とは異なる構成について主に説明する。

【0078】

手先負荷推定装置５は、入力部１１、逆動力学モデル部１２、学習部１３ｅ、学習結果記憶部１４ｅおよび推論部１５ｅを有する。学習部１３ｅには、学習用データとして、学習時の入力データに基づく各関節の位置θ、速度θ′および加速度θ′′と、学習時の入力データに基づく各関節の差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。

【0079】

また、学習部１３ｅには、摩擦特性の情報が入力される。学習部１３ｅに入力される摩擦特性の情報は、学習用データとは別にあらかじめ同定された情報であって、各関節の位置θ、速度θ′および加速度θ′′の少なくとも１つに関係する情報である。なお、摩擦特性が位置θ、速度θ′および加速度θ′′の少なくとも１つに関係するとは、位置θ、速度θ′および加速度θ′′の少なくとも１つの変化に対応して摩擦特性が変化することを指す。

【0080】

学習部１３ｅは、学習用データと摩擦特性の情報とを用いた学習によって、各関節の位置θ、速度θ′または加速度θ′′に関係する摩擦特性による影響が除かれた手先負荷パラメータを学習する。学習部１３ｅは、学習結果を学習結果記憶部１４ｅに保存する。推論部１５ｅは、学習部１３ｅによる学習結果を学習結果記憶部１４ｅから読み出す。推論部１５ｅは、学習部１３ｅによる学習結果を基に、手先負荷パラメータを推定する。

【0081】

位置θ、速度θ′または加速度θ′′に関係する摩擦特性は、モデル化誤差の要因、またはモデル外特性の１つに挙げられる。実施の形態５によると、手先負荷推定装置５は、各関節の位置θ、速度θ′または加速度θ′′に関係する摩擦特性による影響が除かれた手先負荷パラメータを学習し、学習結果を基に手先負荷パラメータを推論する。手先負荷推定装置５は、位置θ、速度θ′または加速度θ′′に関係する摩擦特性の影響が低減された手先負荷パラメータを推論可能であることによって、手先負荷パラメータの高精度な推定結果を得ることができる。

【0082】

なお、学習部１３ｅには、各関節の温度に関係する摩擦特性の情報が入力されても良い。各関節の温度に関係する摩擦特性の情報は、学習用データとは別にあらかじめ同定された情報である。この場合、学習部１３ｅは、各関節の温度に関係する摩擦特性による影響が除かれた手先負荷パラメータを学習する。摩擦特性が温度に関係するとは、温度の変化に対応して摩擦特性が変化することを指す。この場合も、手先負荷推定装置５は、手先負荷パラメータの高精度な推定結果を得ることができる。なお、実施の形態１から４の手先負荷推定装置１，２，３，４に、実施の形態５と同様の学習を適用しても良い。

【0083】

実施の形態６．
実施の形態６では、手先負荷パラメータの信頼度を示す指標を計算および出力する場合について説明する。図１２は、実施の形態６にかかる手先負荷推定装置６の構成を示す図である。実施の形態６では、実施の形態１から５と同一の構成要素には同一の符号を付し、実施の形態１から５とは異なる構成について主に説明する。

【0084】

手先負荷推定装置６は、入力部１１、逆動力学モデル部１２、学習部１３ｆ、学習結果記憶部１４ｆおよび推論部１５ｆを有する。学習部１３ｆは、関節における摩擦特性の温度依存性による影響が除かれた手先負荷パラメータを、学習用データを用いて学習する。学習部１３ｆは、学習結果を学習結果記憶部１４ｆに保存する。推論部１５ｆは、学習部１３ｆによる学習結果を学習結果記憶部１４ｆから読み出す。推論部１５ｆは、学習部１３ｆによる学習結果を基に、手先負荷パラメータを推論する。さらに、学習部１３ｆは、信頼度の指標を計算し、計算結果を学習結果記憶部１４ｆに保存する。推論部１５ｆは、信頼度の指標を学習結果記憶部１４ｆから読み出し、手先負荷パラメータの推論結果とともに信頼度の指標を出力する。

【0085】

ニューラルネットワークを用いた推論を行う場合、信頼度の指標は、学習時の確率分布と推論時の確率分布との差異を表す尺度を用いることによって求めることができる。尺度としては、ＪＳダイバージェンス(Jensen-Shannon divergence)、ＫＬダイバージェンス(Kullback-Leibler divergence)などがあり、いずれを用いても良い。学習部１３ｆは、ニューラルネットワークの出力としてパラメータごとの平均値と分散とを設定する。ここで、差異を表す尺度は、正解ラベルの確率分布と、ニューラルネットワークの出力として得られる平均値および分散で表現される推論値の確率分布との差であって、ＫＬダイバージェンス等で計算して得られる値である。正解ラベルは、平均値に対する教師信号である。学習部１３ｆは、ニューラルネットワークの構築によって、各パラメータの平均値と分散とを正解ラベルの確率分布に近づけるような学習を行う。手先負荷推定装置６は、各パラメータについての平均値を推定値、分散を信頼度の指標として扱う。分散が小さいほど、推定値の信頼度が高いと評価される。

【0086】

ニューラルネットワークを用いた推論を行う場合、Ｄｒｏｐｏｕｔによる出力結果を信頼度指標とすることもできる。Ｄｒｏｐｏｕｔは、ニューラルネットワークのユニットごとにある割合でランダムにユニットの利用および非利用を設定して学習する手法として知られる。この場合には、推論時にも同様の割合でユニットをランダムに利用または非利用としたいくつかのニューラルネットワークを用意してそれぞれで推定を行うことで、推定のばらつきを確保する。複数の推定結果の平均値を推定値、分散を信頼度指標として扱い、分散が小さいほど、推定値の信頼度が高いと評価される。

【0087】

ヒストグラムフィルタを用いた推論を行う場合、ヒストグラムフィルタの確信度の大きさを信頼度指標とすることができる。この場合には、すべての候補点での存在確率の和が１となるように正規化した場合に最大の存在確率を示す候補点の確率が大きいほど、推定値の信頼度が高いと評価される。上記の式（９）で計算されたヒストグラムフィルタのエントロピーＨの値が小さいほど推定値の信頼度が高いとする評価もできる。

【0088】

ＧＰＲを用いた学習を行う場合、学習結果として得られている関数の分布の分散値を信頼度指標とすることができる。この場合には、推論時の位置θ、速度θ′、加速度θ′′の領域に対して、ＧＰＲが示すトルク誤差関数の分布の分散値が小さいほど、推定値の信頼度が高いと評価される。

【0089】

実施の形態６によると、手先負荷推定装置６は、手先負荷パラメータの信頼度を示す指標を計算し、手先負荷パラメータの推論結果とともに信頼度の指標を出力することによって、推定された手先負荷パラメータの信頼度の評価が可能となる。

【0090】

実施の形態７．
実施の形態７では、推論部が手先負荷パラメータの推定値とともに信頼度の指標を出力する例について説明する。図１３は、実施の形態７にかかる手先負荷推定装置７の構成を示す図である。実施の形態７では、実施の形態１から６と同一の構成要素には同一の符号を付し、実施の形態１から６とは異なる構成について主に説明する。

【0091】

手先負荷推定装置７は、入力部１１、逆動力学モデル部１２，１２ｇ、学習部１３ｇ、学習結果記憶部１４ｇ、推論部１５ｇおよび変数変換部１６を有する。学習部１３ｇによる学習の際に、変数変換部１６は、学習時の入力データから得られた動きデータである位置θ、速度θ′および加速度θ′′を変数に変換し、学習部１３ｇへ変数を出力する。推論部１５ｇによる推論の際に、変数変換部１６は、推論時の入力データから得られた位置θ、速度θ′および加速度θ′′を変数に変換し、推論部１５ｇへ変数を出力する。

【0092】

学習部１３ｇには、学習用データとして、Ｋ（θ，θ′，θ′′）と、差分τ_ｒｅａｌ－τ_ｍｄｌとが入力される。リグレッサ行列であるＫ（θ，θ′，θ′′）は、上記実施の形態４にて説明するように、位置θ、速度θ′および加速度θ′′から変換された変数である。さらに、学習部１３ｇには、公称パラメータの情報が入力される。ＧＰＲを備える学習部１３ｇは、学習用データである無負荷時の位置θ、速度θ′および加速度θ′′を入力とし、差分τ_ｒｅａｌ－τ_ｍｄｌを出力とする関数の分布を学習する。学習部１３ｇは、学習結果である関数の分布を学習結果記憶部１４ｇに保存する。

【0093】

逆動力学モデル部１２ｇは、ＧＰＲの学習結果である関数の分布を学習結果記憶部１４ｇから読み出し、関数の分布を基に逆動力学モデルを補正する。逆動力学モデル部１２ｇは、ＧＰＲの学習結果により補正された逆動力学モデルへ、推論時の位置データに基づく位置θ、速度θ′および加速度θ′′が入力されることによって、無負荷と仮定した場合における推定トルクτ_ｅｓｔを出力する。

【0094】

推論部１５ｇには、推論用データとして、Ｋ（θ，θ′，θ′′）とオフセットトルクΔτとが入力される。オフセットトルクΔτは、実トルクτ_ｒｅａｌと推定トルクτ_ｅｓｔとの差分τ_ｒｅａｌ－τ_ｅｓｔである。推論部１５ｇは、学習部１３ｇによる学習結果を学習結果記憶部１４ｇから読み出す。推論部１５ｇは、学習部１３ｇによる学習結果を基に、手先負荷パラメータを推定する。

【0095】

上記の式（１０）におけるＫ（θ，θ′，θ′′）とパラメータベクトルＭは、摩擦トルクに関する項を含む形に拡張できる。学習部１３ｇは、学習用の無負荷時のデータに含まれる各時刻の実トルクτ_ｒｅａｌを並べたベクトルであるＹと、変数変換部１６で各時刻の位置θ、速度θ′および加速度θ′′から計算されたリグレット行列であるＫと、逆動力学モデルに含まれる公称パラメータとを入力として、無負荷時に上記式（１０）により計算される公称トルクが実トルクに合うようなパラメータベクトルＭの最適解を計算する。パラメータベクトルＭの最適解は、次の式（１１）により表される。なお、式（１１）において、Ｍの上部に「＾」を付したものは、パラメータベクトルＭの最適解を表す。Ｍの上部に「￣」を付したものは、公称パラメータを表す。Ｔは転置行列を表す。Ｗは重み行列を表す。

【0096】

【数6】

【0097】

オフセットトルクΔτと、推定対象の手先負荷パラメータベクトルｍとについて、次の式（１２）が成り立つ。これにより、推論部１５ｇは、任意の線形回帰手法によって手先負荷パラメータベクトルｍを推定することができる。

【0098】

【数7】

【0099】

線形回帰手法としてベイズ線形回帰が用いられる場合、推論部１５ｇは、手先負荷パラメータの推定結果とともに、推定結果の信頼度についての指標を出力することができる。

【0100】

図１４は、実施の形態７におけるベイズ線形回帰による確率分布の更新について説明するための概念図である。事前確率分布であるＮ（ｍ｜ｕ_０，Ｓ_０）は、観測データΔτ，Ｋ（θ，θ′，θ′′）により事後確率分布であるＮ（ｍ｜ｕ，Ｓ）へ更新される。かかる更新は繰り返される。ベイズ線形回帰では、時刻ｔのデータを入力としたときの手先負荷パラメータベクトルｍが確率分布Ｎ（ｍ｜ｕ，Ｓ）に従うとして、平均ｕおよび分散Ｓは、それぞれ次の式（１３）、式（１４）に従って更新される。ｕ_０は、平均の事前確率分布を表す。Ｓ_０は、分散の事前確率分布を表す。βは、トルク誤差の共分散の逆数を表すパラメータであって、トルクデータに含まれるノイズ分布に応じて設定される。

【0101】

【数8】

【0102】

推論部１５ｇは、手先負荷パラメータの推定値として確率分布の平均ｕを出力する。また、推論部１５ｇは、信頼度の指標として確率分布の分散Ｓを出力する。分散Ｓが小さいほど、推定値の信頼度が高いと評価される。

【0103】

実施の形態７によると、手先負荷推定装置７は、手先負荷パラメータの推論結果とともに信頼度の指標を出力することによって、推定された手先負荷パラメータの信頼度の評価が可能となる。

【0104】

実施の形態８．
図１５は、実施の形態８にかかるロボットシステム８の構成を示す図である。ロボットシステム８は、ロボット制御システム９とロボット４０とを有する。ロボット制御システム９は、手先負荷推定装置１と、ロボット４０を制御するロボット制御装置３０とを有する。実施の形態８において、ロボット制御装置３０は、ロボット４０の動作中において、手先負荷推定装置１から出力される手先負荷パラメータを基に、ロボット４０の加減速度を調整する。実施の形態８では、実施の形態１から７と同一の構成要素には同一の符号を付し、実施の形態１から７とは異なる構成について主に説明する。なお、ロボットシステム８は、実施の形態１から７のいずれか１つに記載の手先負荷推定装置を有するものであれば良い。

【0105】

ロボット制御装置３０は、指令生成部３１を有する。ロボット制御装置３０は、手先負荷推定装置１から出力される手先負荷パラメータを受信する。指令生成部３１は、手先負荷推定装置１から出力される手先負荷パラメータを基に、ロボット４０へ送る指令を生成する。ロボット制御装置３０は、生成された指令をロボット４０へ送る。

【0106】

手先負荷推定装置１は、ロボット制御装置３０と通信可能に接続されている。手先負荷推定装置１は、ロボット制御装置３０の外部の装置に限定されない。手先負荷推定装置１は、ロボット制御装置３０に内蔵されても良い。実施の形態１から７のいずれか１つにおける学習および推論は、ロボット制御装置３０の内部で実施されても良い。

【0107】

または、手先負荷推定装置１の学習部１３および推論部１５のうち、学習部１３がロボット制御装置３０の外部の装置によって実現され、推論部１５がロボット制御装置３０の内部の手先負荷推定装置１に内蔵されても良い。この場合、入力部１１、逆動力学モデル部１２、学習部１３および学習結果記憶部１４を有する学習装置がロボット制御装置３０の外部に設けられる。また、かかる学習装置と同様の入力部１１および逆動力学モデル部１２と、学習装置の学習結果記憶部１４から読み出された学習済モデルに基づいた推論を行う推論部１５とが、ロボット制御装置３０の内部の手先負荷推定装置１に設けられる。このように、実施の形態１から７のいずれか１つにおける学習はロボット制御装置３０の外部で実施され、かつ、実施の形態１から７のいずれか１つにおける推論はロボット制御装置３０の内部で実施されても良い。

【0108】

次に、ロボット制御装置３０によるロボット４０の加減速度の変更について説明する。ロボット制御装置３０は、各関節を動作させるトルクの許容値を超えない範囲で最短となる加速時間および減速時間を算出する機能を有する。ロボット制御装置３０は、手先負荷パラメータを用いて、ロボット４０の加速開始地点、加速終了地点、減速開始地点、減速終了地点の各々についての運動方程式を計算することによって、加速時間および減速時間を求める。ロボット制御装置３０は、加速時間および減速時間を基に、加減速度を変更する。

【0109】

ロボット制御装置３０は、加減速終了地点までのデータによって推定された手先負荷パラメータを用いて、減速開始地点と減速終了地点とについての計算を行う。この場合、実トルクが許容値を超えないように、いわば保守的な固定値に設定された手先負荷パラメータを基に減速時間が計算される場合に比べて、減速時間の短縮が可能となる。ロボット制御装置３０は、トルクの許容値を超えない範囲で減速時間を短縮可能であることによって、トルクを過大とさせること無くロボット４０の高速化を実現できる。

【0110】

ロボット制御装置３０は、手先負荷パラメータの推定結果とともに、推定結果の信頼度を示す指標が得られる場合、信頼度の指標に応じて加減速度をさらに調整しても良い。例えば、ロボット制御装置３０は、最適加減速の演算に用いられる手先負荷パラメータの値に信頼度を反映させることができる。この場合、ロボット制御装置３０は、手先負荷パラメータが固定値である場合よりも減速時間が長くならない範囲で、信頼度に応じて手先負荷パラメータを保守的な方向に補正することができる。

【0111】

ロボット制御装置３０は、推定結果である手先負荷パラメータの値をそのまま用いて計算された減速時間に信頼度を反映させても良い。この場合、ロボット制御装置３０は、手先パラメータの推定結果をそのまま用いて計算された減速時間に、信頼度に応じた補正係数ａ（ただし、ａ＞１とする）を乗じた値をロボット４０の減速時間として用いる。

【0112】

ロボット制御装置３０は、手先負荷パラメータの推定に用いられるデータを取得するための１つの動作が終了した後において負荷が加えられた状態で続けられる次の動作の加速時間および減速時間を計算する際に、推定された当該手先負荷パラメータを用いても良い。

【0113】

実施の形態８によると、ロボットシステム８は、手先負荷パラメータを基に、ロボットの加減速度を変更することによって、ロボット４０の高速化を実現できる。

【0114】

実施の形態９．
実施の形態９では、図１５を参照して、ロボットシステム８においてロボット４０の衝突検知のためのパラメータを調整する例について説明する。ロボット制御装置３０は、ロボット４０の動作中において、手先負荷パラメータを基に、ロボット４０の衝突を検知するためのパラメータである閾値を調整する。閾値は、ロボット４０と障害物との衝突の有無を判断するための閾値である。

【0115】

ロボット制御装置３０は、各関節の実トルクと推定トルクとの比較によって衝突を検知する機能を有する。実トルクが推定トルクよりも大きく、かつ実トルクと推定トルクとの差があらかじめ設定された閾値よりも大きい場合、ロボット制御装置３０は、障害物にロボット４０が衝突したと判断する。閾値には、正常にロボット４０が動作しているときの実トルクと推定トルクとの誤差による誤検知を防ぐためのマージンがあらかじめ設けられる。これに加えて、ロボット制御装置３０は、手先負荷パラメータを基に閾値を調整することによって、閾値を固定とする場合に比べて衝突の検知感度を高めることができる。

【0116】

ロボット制御装置３０は、手先負荷パラメータの推定結果とともに、推定結果の信頼度を示す指標が得られる場合、信頼度の指標に応じて閾値をさらに調整しても良い。例えば、ロボット制御装置３０は、推定トルクの演算に用いられる手先負荷パラメータの値に信頼度を反映させることができる。この場合、ロボット制御装置３０は、信頼度に応じて補正された手先負荷パラメータを基に閾値を調整することで、いわば保守的な方向に閾値を調整することができる。

【0117】

ロボット制御装置３０は、推定結果である手先負荷パラメータの値をそのまま用いて計算された閾値の信頼度を反映させても良い。この場合、ロボット制御装置３０は、手先パラメータの推定結果をそのまま用いて推定トルクを計算し、推定トルクを基に求めた閾値に、信頼度に応じた補正係数ｂ（ただし、ｂ＞１とする）を乗じることによって閾値を調整する。

【0118】

実施の形態８と同様に、手先負荷推定装置１は、ロボット制御装置３０の外部の装置に限定されない。手先負荷推定装置１は、ロボット制御装置３０に内蔵されても良い。実施の形態１から７のいずれか１つにおける学習および推論は、ロボット制御装置３０の内部で実施されても良い。または、実施の形態１から７のいずれか１つにおける学習はロボット制御装置３０の外部で実施され、かつ、実施の形態１から７のいずれか１つにおける推論はロボット制御装置３０の内部で実施されても良い。

【0119】

実施の形態９によると、ロボットシステム８は、手先負荷パラメータを基に、衝突検知のためのパラメータを調整することによって、障害物へのロボット４０の衝突を低減させ、ロボット４０の安全性を向上させることができる。

【0120】

次に、実施の形態１から７にかかる手先負荷推定装置１，２，３，４，５，６，７を実現するハードウェア構成について説明する。図１６は、実施の形態１から７にかかる手先負荷推定装置１，２，３，４，５，６，７を実現するハードウェアの第１の構成例を示す図である。第１の構成例は、手先負荷推定装置１，２，３，４，５，６，７の要部である逆動力学モデル部１２，１２ｂ，１２ｇ、学習部１３，１３ａ，１３ｂ，１３ｃ，１３ｄ，１３ｅ，１３ｆ，１３ｇ、推論部１５，１５ａ，１５ｂ，１５ｃ，１５ｄ，１５ｅ，１５ｆ，１５ｇおよび変数変換部１６を、プロセッサ５３とメモリ５４とを有する処理回路５１によって実現する場合の構成例である。

【0121】

入力部５２は、手先負荷推定装置１，２，３，４，５，６，７に対する入力信号を外部から受信する回路である。図１等に示す入力部１１は、入力部５２により実現される。出力部５５は、手先負荷推定装置１，２，３，４，５，６，７で生成した信号を外部へ出力する回路である。出力部５５は、推定結果である手先負荷パラメータと、実施の形態６および７における信頼度の指標とを出力する。

【0122】

プロセッサ５３は、ＣＰＵ（Central Processing Unit）である。プロセッサ５３は、演算装置、マイクロプロセッサ、マイクロコンピュータ、またはＤＳＰ（Digital Signal Processor）でも良い。メモリ５４は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、ＥＥＰＲＯＭ（登録商標）（Electrically Erasable Programmable Read Only Memory）等の不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスクまたはＤＶＤ（Digital Versatile Disk）等である。

【0123】

プロセッサ５３は、手先負荷推定プログラムを実行する。手先負荷推定プログラムは、手先負荷推定装置１，２，３，４，５，６，７の要部を構成する各部として動作するための処理が記述されたプログラムである。手先負荷推定プログラムは、メモリ５４にあらかじめ格納される。プロセッサ５３は、メモリ５４に格納されている手先負荷推定プログラムを読み出して実行することにより、手先負荷推定装置１，２，３，４，５，６，７の要部を構成する各部として動作する。また、メモリ５４は、各種情報を記憶する。学習結果記憶部１４，１４ａ，１４ｂ，１４ｃ，１４ｄ，１４ｅ，１４ｆ，１４ｇは、メモリ５４により実現される。メモリ５４は、プロセッサ５３が各種処理を実行する際の一時メモリにも使用される。

【0124】

手先負荷推定プログラムは、メモリ５４にあらかじめ格納されているものとしたがこれに限定されない。手先負荷推定プログラムは、コンピュータシステムによる読み取りが可能とされた記憶媒体に書き込まれた状態で手先負荷推定装置１，２，３，４，５，６，７のユーザに提供され、ユーザによってメモリ５４にインストールされても良い。記憶媒体は、フレキシブルディスクである可搬型記憶媒体、あるいは半導体メモリであるフラッシュメモリでも良い。手先負荷推定プログラムは、他のコンピュータあるいはサーバ装置から通信ネットワークを介してメモリ５４へインストールされても良い。

【0125】

実施の形態１から７にかかる手先負荷推定装置１，２，３，４，５，６，７の要部は、専用のハードウェアによって実現しても良い。図１７は、実施の形態１から７にかかる手先負荷推定装置１，２，３，４，５，６，７を実現するハードウェアの第２の構成例を示す図である。第２の構成例は、図１６に示す処理回路５１の機能を、専用のハードウェアである処理回路５６により実現する場合の構成例である。

【0126】

処理回路５６は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、またはこれらを組み合わせた回路である。なお、図１７に示す例では、手先負荷推定装置１，２，３，４，５，６，７の要部を単一の処理回路５６で実現するものとしたがこれに限定されない。ハードウェアが複数の処理回路５６を備え、手先負荷推定装置１，２，３，４，５，６，７の要部をそれぞれ異なる処理回路５６で実現しても良い。記憶装置５７は、ＨＤＤ（Hard Disk Drive）あるいはＳＳＤ（Solid State Drive）であって、各種情報を記憶する。学習結果記憶部１４，１４ａ，１４ｂ，１４ｃ，１４ｄ，１４ｅ，１４ｆ，１４ｇは、記憶装置５７により実現される。

【0127】

なお、手先負荷推定装置１，２，３，４，５，６，７の要部のうちの一部を図１６に示すプロセッサ５３とメモリ５４とで実現し、残りを処理回路５６と同様の専用のハードウェアで実現しても良い。

【0128】

以上の各実施の形態に示した構成は、本開示の内容の一例を示すものである。各実施の形態の構成は、別の公知の技術と組み合わせることが可能である。各実施の形態の構成同士が適宜組み合わせられても良い。本開示の要旨を逸脱しない範囲で、各実施の形態の構成の一部を省略または変更することが可能である。

【符号の説明】

【0129】

１，２，３，４，５，６，７ 手先負荷推定装置、８ ロボットシステム、９ ロボット制御システム、１１，５２ 入力部、１２，１２ｂ，１２ｇ 逆動力学モデル部、１３，１３ａ，１３ｂ，１３ｃ，１３ｄ，１３ｅ，１３ｆ，１３ｇ 学習部、１４，１４ａ，１４ｂ，１４ｃ，１４ｄ，１４ｅ，１４ｆ，１４ｇ 学習結果記憶部、１５，１５ａ，１５ｂ，１５ｃ，１５ｄ，１５ｅ，１５ｆ，１５ｇ 推論部、１６ 変数変換部、２１ 入力層、２２ 中間層、２３ 出力層、２４，２５，２６ ニューロン、２７ トルクセンサ、３０ ロボット制御装置、３１ 指令生成部、４０ ロボット、５１，５６ 処理回路、５３ プロセッサ、５４ メモリ、５５ 出力部、５７ 記憶装置。

【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】