JP7353948B2 - ロボットシステム及びロボットシステムの制御方法 - Google Patents

Description

本発明は、ロボットシステム及びロボットシステムの制御方法に関する。

労働力不足を背景に、ロボット導入による人手作業の自動化が進んでいる。これまでも、工場における部品切削や溶接作業など定型的な作業の自動化が進んできた。今後さらに拡大し、建設現場、物流倉庫、食品、化粧品、医療品など多種の産業分野への応用が期待されている。

一例として、物流倉庫における物品のピッキング作業自動化があげられる。ピッキング作業自動化ロボットでは、３次元カメラにより物品棚の３次元画像を取得し、目標商品の有無を画像認識により検出し、画像認識や予め登録された物品の３次元モデルデータと比較しながら把持座標を算出する。得られた把持座標に対して軌道を計算し、ピッキングを実行する。

ピッキング作業自動化における課題は、ロボットによるピッキング作業スループットが遅いことである。例えば、最先端の物流倉庫向けピッキングロボットにおいても、スループットは人間の熟練作業者に比べ半分程度に留まる。

ロボットの動作スループットが遅い要因の１つに、ロボット自体の動作速度が遅いことが挙げられる。３次元にばら積みされた任意姿勢の物品を把持するため、これまで垂直多関節型のロボットが多く用いられてきた。

垂直多関節型ロボットは多数の関節を備え、３次元空間で任意の姿勢になることが可能であり、３次元バラ積みピッキング用途で垂直多関節型のロボットが広く採用されてきた。一方、垂直多関節型ロボットは直列に接続された関節及び関節を制御するモータを１つずつ駆動し、最終的な座標に到達するように制御を行うため、関節数が多いほど制御に時間を要する。

また、垂直多関節ロボットでは、各関節が直列に接続されるため相互に作用するため、各関節の相互作用も含めて各関節モータの制御値を計算する必要があった。一般にこれらのモータ制御計算では解が複数存在し、それらの中から最もロボットにとって安全な姿勢になる解を選択する必要がある。こうした複数解の計算及び複数解を評価し最も安全姿勢の解を選択する計算に時間を要するため、ロボットの動作スループットは遅かった。

垂直多関節ロボットに代わり、特許文献１のように、ロボットの腕を１本から複数の並列接続型に増やし、代わりに関節数を腕１本当たり１関節に減らしたリンク構造による高速ピッキング作業自動化技術が開発されている。

こうした複数腕のロボットをリンクして並列に動作させるパラレルリンク型ロボットでは関節が並列に並ぶため、関節を並列に制御でき、各関節モータの制御を独立に行うことが出来る。関節間の相互作用の計算することなく計算できるため、ロボット単体の動作速度を垂直多関節型ロボットと比較して数倍高速化することができる。

特開２０１９－０５８９７９号公報

特許文献１に記載されている複数腕を有するリンク構造ロボットによるピッキング作業自動化の課題は、動作可能な姿勢が限定されている点にある。垂直多関節型ロボットは３次元位置Ｘ、Ｙ、Ｚの３方向と、３軸それぞれについての回転姿勢ＲＸ、ＲＹ、ＲＺに動くことが出来る。

一方パラレルリンク型ロボットは並列に関節モータが接続されている機構上の制約により、Ｘ、Ｙ、Ｚの３方向と、Ｚ軸を中心とした回転姿勢であるＲＺしか動くことができない。そのため、３次元空間上で任意にばら積みされた物品を把持することができず、平積みされた箱形状の物品といったように応用範囲が限定されていた。

特許文献１の手法では、物体を把持する把持座標は動的に抽出されるものの、物体を解除する配置座標は固定的であった。このため、比較的大きな物体が斜めに配置された場合を想定して配置座標を固定的に設定した場合、平置きされた薄い物体に対しては、上空から物体の把持を解除してしまうことになる。この結果、物体を配置側の作業台に対してぶつけてしまうことになり、物体を破損してしまう恐れがあった。

本発明の目的は、パラレルリンク型ロボットにおいて、物体を破損させないで３次元空間上で任意にばら積みされた物体を把持することが可能なロボットシステム及びロボットシステムの制御方法を提供することにある。

本発明の一態様のロボットシステムは、撮像部と制御部とを有するパラレルリンクロボットを用いたロボットシステムであって、前記パラレルリンクロボットは、回転可能なジョイント機構を備えたロボットハンドにより３次元的にばら積みされた物体を把持して把持側から配置側に移動させ、前記把持側では把持点において前記物体を把持し、前記配置側では配置点において前記物体を解除し、前記撮像部は、ばら積みされた前記物体の３次元画像を取得し、前記制御部は、前記３次元画像に基づいて、前記物体の姿勢と大きさを推定し、前記物体の前記姿勢と前記大きさの推定結果に基づき、前記把持点の把持座標から前記配置点の配置座標に向かう前記物体の軌道を動的に制御することを特徴とする。

本発明の一態様のロボットシステムの制御方法は、回転可能なジョイント機構を備えたロボットハンドにより３次元的にばら積みされた物体を把持して把持側から配置側に移動させるパラレルリンクロボットを用いたロボットシステムの制御方法であって、ばら積みされた前記物体の３次元画像を取得し、前記３次元画像に基づいて、前記物体の姿勢と大きさを推定し、前記把持側では、把持点において前記物体を把持し、前記配置側では、配置点において前記物体を解除し、前記物体の姿勢と大きさの推定結果に基づき、前記把持点の把持座標から前記配置点の配置座標に向かう前記物体の軌道を動的に制御することを特徴とする。

本発明の一態様によれば、パラレルリンク型ロボットにおいて、物体を破損させないで３次元空間上で任意にばら積みされた物体を把持することができる。

関連技術のロボットシステムを示す図である。 実施例１のロボットシステムを示す図である。 認識制御部の認識及び制御処理を示す図である。 ３次元カメラの画角と物体把持座標候補点を示した図である。 パラレルリンクロボットの目標座標及び動作軌道を示した図である。 パラレルリンクロボットの中間座標及び動作軌道を示した図である。 実施例１のロボットシステムの制御方法を示すフローチャート図である。 実施例２のロボットシステムを示す図である。

最初に、図１を参照して、関連技術のロボットシステムの制御方法について説明する。
図１は、関連技術の固定配置座標によるパラレルリンクロボットの３次元バラ積み物体の自律把持・配置システムの動作を示した図である。
図１に示すように、関連技術のパラレルリンクロボット１０１によるピッキング作業自動化システムは、パラレルリンクロボット本体１０１、ジョイント機構１０２を備えたロボットハンド１０３、３次元カメラ部１０９、３次元カメラデータに基づきロボット動作を計画し制御する把持座標推定部１１０を有する。

パラレルリンクロボット１０１のような動作方向が限定されたロボットにおいて、３次元的にばら積みされた物体１１１、１１２を把持及び整列配置可能にする。このため、３次元的に回転可能なジョイント機構１０２を備えたロボットハンド１０３を導入する。

パラレルリンクロボット１０１は、架台１０６に取り付けられ、自律移動することが出来ない。そのため、物体１１１、１１２は把持側コンベア１０７により配置側作業台１０８に搬送される。

しかし、関連技術の認識・制御方法では、把持座標１０４は把持座標推定部１１０において動的に抽出されるものの、配置座標１０５は固定的であった。従って、図１（ａ）に示すように、比較的大きな物体１１２が斜めに配置された場合を想定し配置座標１０５を固定的に設定した場合、平置きされた薄い物体１１１に対しては、図１（ｂ）のように上空から把持を解除してしまうことになる。この結果、物体１１１を配置側作業台１０８に対してぶつけてしまうことになり、物体１１が破損してしまう恐れがあった。

そこで、実施形態では、パラレルリンク型ロボットにおいて、物体を破損させないで３次元空間上で任意にばら積みされた物体を把持することが可能なロボットシステム及びロボットシステムの制御方法を提供する。

このため、実施形態は、自律制御機能及び回転可能なジョイント機構を備えたパラレルリンク型ロボットにおいて、３次元カメラによって撮像された３次元画像に基づき、物体把持位置及び配置位置の推定を行い、推定された把持位置に基づきロボット動作を制御する。

以下、図面を用いて実施例について説明する。

図２を参照して、実施例１のロボットシステムについて説明する。
図２に示すように、実施例１のパラレルリンクロボット１０１によるピッキング作業自動化システムは、パラレルリンクロボット本体１０１、ジョイント機構１０２を備えたロボットハンド１０３、撮像部を構成する３次元カメラ部１０９、３次元カメラデータに基づきロボット動作を計画し制御する認識制御部２０４を有する。

ジョイント機構１０２は、例えば、モータが内蔵され認識制御部２０４の指示により能動的に動作するモータ式ジョイント機構で構成される。尚、ジョイント機構１０２は、ゴムなどの柔軟性を有する機構や金属や樹脂製のボールを備え、外力に応じて受動的に変形するジョイント機構で構成しても良い。

パラレルリンクロボット１０１は、架台１０６に取り付けられ、自律移動することが出来ない。そのため、物体２０９は把持側コンベア１０７により配置側作業台１０８に搬送される。

認識制御部２０４は、３次元物体姿勢推定部２０５、３次元物体大きさ推定部２０６、把持点／配置点座標算出部２０７及び中間座標／動作速度算出部２０８を有する。

３次元物体姿勢推定部２０５は、３次元カメラ１０９から取得した３次元画像に基づいて、物体の姿勢を推定する。３次元物体大きさ推定部２０６は、物体の大きさを推定する。把持点／配置点座標算出部２０７は、推定された物体の姿勢と大きさに基づいて、物体の把持点の把持座標２０１と配置点の配置座標２０２を算出する。

把持点／配置点座標算出部２０７は、把持側では、予め規定された複数の物体把持候補点の内、最も上面にありかつ把持可能領域が最も広い候補点を把持点の把持座標２０１として算出する。配置側では、物体２０９の姿勢と大きさに基づいて、物体２０９が破損しないような配置点の配置座標２０２を算出する。

中間座標／動作速度算出部２０８は、中間座標算出部として機能し、物体２０９の姿勢と大きさに基づいて、把持点の把持座標２０１と配置点の配置座標２０２とを結ぶ中継点である中間座標２０３を動的に制御する。

また、中間座標／動作速度算出部２０８は、動作速度算出部として機能し、推定された物体２０９の姿勢と大きさに基づいて、物体２０９を把持して把持側から配置側に移動させる移動速度を動的に制御する。

このように、認識制御部２０４は、把持するべき物体２０９を認識し、物体姿勢を推定することで、ロボットハンド（吸着パッド）１０３の把持座標２０１、吸着を解除し物体を整列配置する配置座標２０２及び把持座標２０１から配置座標２０２に到達するまでのロボット軌道２１０と動作速度を動的に制御する。

上述のように、実施例１のロボットシステムは、３次元カメラ１０９（撮像部）と認識制御部２０４（制御部）とを有するパラレルリンクロボット１０１を用いたロボットシステムである。パラレルリンクロボット１０１は、回転可能なジョイント機構１０２を備えたロボットハンド１０３により３次元的にばら積みされた物体２０９を把持して把持側から配置側に移動させる。

把持側では把持点の把持座標２０１において物体２０９を把持し、配置側では配置点の配置座標２０２において物体２０９を解除する。

３次元カメラ１０９（撮像部）は、ばら積みされた物体２０９の３次元画像を取得する。認識制御部２０４（制御部）は、３次元画像に基づいて、物体２０９の姿勢と大きさを推定し、物体２０９の姿勢と大きさの推定結果に基づき、把持点の把持座標２０１から配置点の配置座標２０２に向かう物体２０９の軌道２１０を動的に制御する。

ここで、認識制御部２０４（制御部）は、物体２０９の姿勢と大きさの推定結果に基づき、配置点の配置座標を可変に制御することにより、物体２０９の軌道２１０を動的に制御する。

認識制御部２０４は、３次元カメラ１０９から３次元画像データを取得し、３次元物体姿勢推定部２０５に伝送する。３次元カメラ１０９には、カラーカメラ２台で視差から深度を推定するステレオカメラ、赤外光などの特定波長の信号を照射し、物体表面で反射してセンサまで帰ってくる往復時間を計測し深度を推定するＴｉｍｅ ｏｆ Ｆｌｉｇｈｔカメラあるいは深層学習などの手法により深度推定する単眼カメラ方式が挙げられる。

３次元カメラ１０９の出力である３次元画像データは２つのデータから成り、１つは画角内に写った物体表面とセンサ間の深度を集計した深度画像及びもう１つは特定波長で取得された画像データ（通常は可視広域で取得されたＲＧＢ画像）である。

パラレルリンクロボット１０１は、架台１０６に取り付けられ、自律移動することが出来ない。そのため、物体２０９は把持側コンベア１０７により配置側作業台１０８に搬送される。従って、把持座標決定時には、３次元画像データを撮影したタイミングを取得し、認識及び制御処理による経過時間内にコンベア１０７による物体移動距離を加味したうえで目標座標を決定している。

例えば、認識制御部２０４から３次元カメラ１０９に向かって撮影タイミングを規定するトリガ信号を送信する。あるいは、３次元カメラ１０９から常に３次元画像データを認識制御部２０４に伝送し続け、認識制御部２０４で既定されたタイミングと同じタイミングで撮影された３次元画像データを選択し取得する。このようにして、撮像されたタイミングと認識処理終了時の時間差を推定し、搬送後の座標を推定することが出来る。

このように、実施例１のロボットシステムでは、３次元カメラ１０９によりばら積み物体２０９の３次元データを取得し、認識制御部２０４にデータ伝送する。認識制御部２０４では、把持座標２０１のみを推定するだけに留まらず、物体の大きさを推定し配置座標２０２、中間座標２０３及び動作速度を算出する。

そして、３次元カメラ１０９から得られた３次元画像データに基づき、まず対象物体の３次元位置・姿勢を推定する。同時に、３次元物体モデルを記憶領域から呼び出し、３次元物体の大きさを推定する。そして、３次元物体モデルに予め規定された複数の物体把持候補点の内、最も上面にあり把持可能領域が広い候補点を把持座標２０１として算出する。

次に、３次元物体の大きさ情報と、３次元位置及び姿勢情報から、物体が配置面に対して緩やかに接触するような配置座標２０２の高さを算出する。そして、把持座標２０１と配置座標２０２を結ぶ中間座標２０３を算出し、物体の大きさ情報と属性情報から、把持物体を壊さない最上限のロボットの動作速度を算出して出力する。

図３を参照して、認識制御部２０４の認識及び制御処理について説明する。
３次元カメラ１０９から３次元画像データの内、２次元画像のみが入力され、２次元画像解析により物体識別を行う（ステップ３０１）。取得した画像内の把持物体を認識し、それぞれの物体の種別を推定する。

複数の物体が存在する場合は、ベルトコンベア１０７の最も進行方向に対して下流に存在する物体を把持対象として選定する。把持対象として選別されたワークの種別情報から、物体の３次元物体モデルを記憶領域から呼び出し、３次元位置姿勢推定を行う（ステップ３０２）。これにより、把持対象物体がベルトコンベア１０７上でどのような位置姿勢で存在するかを推定する。

把持点算出ステップ３０３では、複数候補の把持座標の内、把持候補点と把持可能領域を比較し、最も把持しやすい候補点では把持可能領域が広い候補点を把持点の把持座標２０１として算出する。

図４に示すように、画角内４０１の把持対象物体に対して、複数の把持候補点４０２～４０５が算出され、最も下流の物体の把持点である４０２、４０３同士を最終的な候補点選定のために比較する。

図４に示したように、把持点４０２と把持点４０３とでは、把持点４０２の方がより把持可能領域が広くフラットであるため、最終的な把持点の把持座標２０１として把持点４０２の座標を出力する。把持可能領域は、予め物体の３次元モデルに情報として入れ込んでおく。もしくは、２次元画像を用いた機械学習により帰納的に求めてもよい。

把持点の把持座標２０１に対してさらに、３次元位置姿勢推定ステップ３０２にて物体の回転姿勢が求まっているので、Ｚ軸の回転姿勢（ＲＺ）も付与してパラレルリンクロボット１０１に出力する。

物体配置座標推定ステップ３０４では、物体識別ステップ３０１で得られた物体識別情報、３次元位置姿勢推定ステップ３０２及び把持点算出ステップ３０３で得られた物体の把持座標２０１と物体の回転姿勢を用いて、配置座標２０２を計算する。

例として、図５に示すように、物体識別情報により、物体２０９の大きさＬ１（５０３）、物体の大きさＬ２（５０２）と把持した把持座標（５０１：点Ａ）とを用いることで、剛体であれば物体２０９のうち最もコンベアに近い点である点Ｃ（５０７）を計算することが出来る。

把持座標点Ａ（５０１）は事前に物体２０９の３次元モデルに対して既定された点であることから、物体２０９の把持からの距離Ｌ３（５０４）を求めることができる。通常は、物体２０９の重心になるように、Ｌ３＝Ｌ１／２となるように設定される。物体２０９の把持の座標点である点Ｂ（５０６）の座標は、Ｌ３（５０４）及び３次元回転角θ（５０５）を用いることで、（Ｘ＋Ｌ３ｃｏｓθ，Ｙ，Ｚ－Ｌ３ｓｉｎθ）として計算できる（５１０）。

物体２０９の中で最もコンベア面に近い点Ｃ（５０７）の座標も同様に計算することができ、（Ｘ＋Ｌ３ｃｏｓθ－Ｌ２ｓｉｎθ，Ｙ，Ｚ－Ｌ３ｓｉｎθ－Ｌ２ｃｏｓθ）として算出できる。

よって、物体２０９のコンベア面までの高さＨ（５０８）はＨ＝Ｚ－Ｌ３ｓｉｎθ－Ｌ２ｃｏｓθである。従って配置座標（点Ｄ：５０９）は基準座標（Ｘ’、Ｙ’、Ｚ’）に対して、算出した高さＨ（５０８）を用いることで、配置座標（５０９）は（Ｘ’、Ｙ’、Ｚ’－Ｈ）として求めることができる。

このようにすることで、物体の姿勢や大きさに合わせて配置座標が動的に制御されるため、物体を壊すことなく安全に配置することが出来る。なお、配置座標の算出方法は特に上述の手法に限定されるものではなく、深層学習等の機能的な機械学習手法と組み合わせて計算しても良い。

中継点算出ステップ３０５では、把持座標２０１と配置座標２０２を入力として、中間座標２０３を計算する。図６に示すように、中間座標２０３は把持座標２０１と配置座標２０２の中間になるように設定される。

図６（ｂ）に示すように、低い把持座標６０１及び配置座標６０３に対しては、低い中間座標６０２が設定される。また、中間座標２０３、６０２は常にパラレルリンクロボット１０１が３次元カメラ１０９の視界を遮らないように設定される。

また、障害物と干渉を避ける目的で座標の最大値及び最小値の範囲を予め制限する。また、中間座標２０３、６０２は１点とは限らず複数の座標点が存在しても良い。

このように、中継点算出ステップ３０５では、推定された物体の姿勢と大きさに基づいて、把持座標２０１、６０１と配置座標２０２、６０３とを結ぶ中継点である中間座標２０３、６０２を動的に制御する。

ロボット動作速度算出ステップ３０６では、パラレルリンクロボット１０１の搬送速度を制御する。物体識別結果及び姿勢推定結果を入力とし、予め登録された吸着し辛いものや重いもの、あるいは姿勢が急こう配な物体や、中間座標２０３がコンベア面に対して高い位置にある点については、搬送速度を遅くすることで搬送精度を高める処理を行う。

このように、ロボット動作速度算出ステップ３０６は、推定された物体の姿勢と大きさに基づいて、物体を把持して把持側のコンベア１０７から配置側作業台１０８に移動させる移動速度を動的に制御する。

ロボット制御ステップ３０７では、これまで計算された把持座標２０１と姿勢（ＲＺ）、配置座標２０２、中間座標２０３、６０２及び搬送速度を入力変数として受け取り、予め規定されたロボット制御プログラム内の各種変数に代入することでロボット制御プログラムを完成させて処理を実行する。

図７を参照して、実施例１のロボットシステムの制御方法について説明する。
最初に、３次元カメラ１０９によりばら積み物体を撮像して３次元データを取得する（Ｓ１）。
次に、ＣＮＮなどの２次元画像解析を行う（Ｓ２）。そして、物体の種別を出力する（Ｓ３）。このように、２次元画像解析（Ｓ２）では物体の種別を認識し、物体種別を出力しバッファに記憶する（Ｓ３）。画像認識技術としては、Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＣＮＮ）やテンプレートマッチングなどの手法が一般的である。

次に、最も下流の物体を把持対象物体として選定する（Ｓ４）。そして、３次元物体モデルを取得する（Ｓ５）。そして、３次元データ解析（例：ＩＣＰ法）を行う（Ｓ６）。このように、予め作成され記憶領域に保存されたモデルデータを呼び出し（Ｓ５）、３次元データ解析（Ｓ６）を実施する。

モデルデータを移動及び回転させながら３次元画像データ内との相関度を繰り返し求め、最も相関度の高い位置座標・回転姿勢を求めるＩｔｅｒａｔｉｖｅ Ｃｌｏｓｅｓｔ Ｐｏｉｎｔ（ＩＣＰ）法や、最近では３次元データから把持候補座標点を深層学習により直接算出する方式により、把持対象物体の回転姿勢を求める。

次に、物体の姿勢を出力する（Ｓ７）。そして、把持候補点を出力する（Ｓ８）。次に、把持領域の最も広い把持点を選択する（Ｓ９）。そして、把持点の座標２０１を出力する（Ｓ１０）。この時、物体に予め規定された把持候補点も出力（Ｓ８）し、把持可能領域を比較し（Ｓ９）、最も把持領域の広い把持点を出力する（Ｓ０）。そして、配置点の配置座標２０２を算出する（Ｓ１１）。
次に、中継点２０３を算出（Ｓ１２）。そして、ロボット動作速度を算出する（Ｓ１３）。そして、算出した座標とロボット指令を出力する（Ｓ１４）。次に、ロボット動作と物体の把持及び配置を行う（Ｓ１５）。

最後に、物体の把持及び配置が完了したかどうかを判定する（Ｓ１６）。判定の結果、物体の把持及び配置が完了した場合は終了となる。一方、判定の結果、物体の把持及び配置が完了していない場合は、Ｓ１に戻る。

図８を参照して、実施例２のロボットシステムについて説明する。
実施例２のロボットシステムは、図２に示す実施例１のロボットシステムの認識制御部２０４を、認識演算処理装置８０１とロボット制御コントローラ８０２とに分離したシステムである。その他の構成は、図２に示す実施例１のロボットシステムの構成と同じなのでその説明は省略する。

ロボット制御コントローラ８０２として分離した場合、３次元カメラ１０９の撮像タイミングはパラレルリンクロボット１０１からインタフェース（図示せず）を介して認識演算処理装置８０１に送信される。インタフェースのリアルタイム性が保証されない場合、トリガ信号到達時間のバラつきも見込んで把持座標２０１を決定する必要がある。

上記実施例によれば、パラレルリンクロボットにおいても３次元的にバラ積みされた物品を把持及び整列配置出来るようになる。この結果、従来困難であったパラレルリンクロボットによるばら積みピッキングを実現可能とすることができる。さらに、垂直多関節型ロボットによる自動化と比較し、作業スループットを高速化することができる。

１０１ パラレルリンクロボット
１０２ 回転ジョイント
１０３ ロボットハンド
１０７ 把持側ベルトコンベア
１０８ 配置側作業台
１０９ ３次元カメラ
２０４ 認識制御部
２０５ ３次元物体姿勢推定部
２０６ ３次元物体大きさ推定部
２０７ 把持点／配置点座標算出部
２０８ 中間座標／動作速度算出部
２０９ 物体
８０１ 認識演算処理装置
８０２ ロボット制御コントローラ

Claims (11)

1. 撮像部と制御部とを有するパラレルリンクロボットを用いたロボットシステムであって、
   前記パラレルリンクロボットは、
   回転可能なジョイント機構を備えたロボットハンドにより３次元的にばら積みされた物体を把持して把持側から配置側に移動させ、
   前記把持側では把持点において前記物体を把持し、前記配置側では配置点において前記物体を解除し、
   前記撮像部は、
   ばら積みされた前記物体の３次元画像を取得し、
   前記制御部は、
   前記３次元画像に基づいて、前記物体の姿勢と大きさを推定し、
   前記物体の前記姿勢と前記大きさの推定結果に基づき、前記把持点の把持座標から前記配置点の配置座標に向かう前記物体の軌道を動的に制御し、
   前記撮像部は、３次元カメラで構成され、
   前記制御部は、
   前記３次元カメラから取得した前記３次元画像に基づいて、前記物体の前記姿勢を推定する３次元物体姿勢推定部と、
   前記物体の前記大きさを推定する３次元物体大きさ推定部と、
   推定された前記物体の前記姿勢と前記大きさに基づいて、前記物体の前記把持座標と前記配置座標を算出する把持点／配置点座標算出部と、
   を有し、
   前記把持点／配置点座標算出部は、
   前記把持側では、予め規定された複数の物体把持候補点の内、最も上面にありかつ把持可能領域が最も広い候補点を前記把持座標として算出し、
   前記配置側では、推定された前記物体の前記姿勢と前記大きさに基づいて、前記物体が破損しないような前記配置座標を算出することを特徴とするロボットシステム。
2. 前記制御部は、
   前記物体の前記姿勢と前記大きさの推定結果に基づき、前記配置座標を可変に制御することにより、前記物体の軌道を動的に制御することを特徴とする請求項１に記載のロボットシステム。
3. 前記制御部は、
   推定された前記物体の前記姿勢と前記大きさに基づいて、前記把持座標と前記配置座標とを結ぶ中継点である中間座標を動的に制御する中間座標算出部を更に有することを特徴とする請求項１に記載のロボットシステム。
4. 前記制御部は、
   推定された前記物体の前記姿勢と前記大きさに基づいて、前記物体を把持して前記把持側から前記配置側に移動させる移動速度を動的に制御する動作速度算出部を更に有することを特徴とする請求項１に記載のロボットシステム。
5. 前記ジョイント機構は、
   前記制御部の指示により能動的に動作するモータ式ジョイント機構で構成されることを特徴とする請求項１に記載のロボットシステム。
6. 前記ジョイント機構は、
   外力に応じて受動的に変形するソフトジョイント機構で構成されることを特徴とする請求項１に記載のロボットシステム。
7. 前記パラレルリンクロボットは、架台に取り付けられ、
   前記物体はコンベアにより搬送されることを特徴とする請求項１に記載のロボットシステム。
8. 回転可能なジョイント機構を備えたロボットハンドにより３次元的にばら積みされた物体を把持して把持側から配置側に移動させるパラレルリンクロボットを用いたロボットシステムの制御方法であって、
   ばら積みされた前記物体の３次元画像を取得し、
   前記３次元画像に基づいて、前記物体の姿勢と大きさを推定し、
   前記把持側では、把持点において前記物体を把持し、
   前記配置側では、配置点において前記物体を解除し、
   前記物体の姿勢と大きさの推定結果に基づき、前記把持点の把持座標から前記配置点の配置座標に向かう前記物体の軌道を動的に制御し、
   前記把持側では、予め規定された複数の物体把持候補点の内、最も上面にありかつ把持可能領域が最も広い候補点を前記把持座標として算出し、
   前記配置側では、推定された前記物体の前記姿勢と前記大きさに基づいて、前記物体が破損しないような前記配置座標を算出することを特徴とするロボットシステムの制御方法。
9. 前記物体の前記姿勢と前記大きさの推定結果に基づき、前記配置座標を可変に制御することにより、前記物体の軌道を動的に制御することを特徴とする請求項８に記載のロボットシステムの制御方法。
10. 推定された前記物体の前記姿勢と前記大きさに基づいて、前記把持座標と前記配置座標とを結ぶ中継点である中間座標を動的に制御することを特徴とする請求項８に記載のロボットシステムの制御方法。
11. 推定された前記物体の前記姿勢と前記大きさに基づいて、前記物体を把持して前記把持側から前記配置側に移動させる移動速度を動的に制御することを特徴とする請求項８に記載のロボットシステムの制御方法。

Images