[發明專利]物品堆放裝置以及機器學習裝置

有效

• 申請號: 201810967066.6
• 申請日: 2018-08-23
• 公開（公告）號: CN109421071B
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 并木勇太
• 申請（專利權）人: 發那科株式會社
• 主分類號: B25J13/00
• 分類號: B25J13/00
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 曾賢偉;范勝杰

本發明提供一種物品堆放裝置以及機器學習裝置，物品堆放裝置具有的機器學習裝置觀測表示物品配置場所的配置狀態的配置狀態數據和表示堆放對象物品的信息的物品信息數據作為表示環境當前狀態的狀態變量，還取得表示物品在配置場所中的配置的物品配置數據作為標簽數據。然后，使用這些狀態變量和標簽數據，將配置狀態數據和物品信息數據與物品配置數據關聯起來進行學習。

技術領域

本發明涉及物品堆放裝置以及機器學習裝置，特別是涉及使用機器人來堆放物品的裝置以及機器學習裝置。

背景技術

使用機器人來把持輸送物品，進行平放或層疊的系統正被廣泛利用。在這樣的系統中，預先使配置要輸送的物品的場所模式化，機器人按照該模式來配置物品。作為堆放物品有關的現有技術，例如在日本特開平06-114770號公報中公開了如下技術：預先使配置要輸送的工件的場所模式化，從輸送中的工件的外形選擇適合的模式，進行與工件堆積位置對應的工件堆積。

但是，有時需要根據物品的特性(大小、形狀、重量等)而改變要堆放的場所，例如在想要將大工件或重工件堆放于下層時，或想要將穩定性差的形狀的工件堆放于上層時等時候，無法簡單地按照模式來堆放工件。

此外，在以沒有預先裝入到系統的模式進行堆放而存在堆積效果好等優點時，簡單的模式化也是困難的。例如，在物品是固定大小的長方體時預先定義堆放模式是簡單的，而在物品的大小不同或其形狀不是長方體時，預先定義模式則是困難的。

并且，在無法預先掌握需要堆放的所有物品的信息時，需要預測未來的可能性來進行動作。這是因為有時即使可以立即配置某個物品也不希望將該物品配置于那里。例如，在輪到比較小尺寸的物品時，若先堆放該物品則無法在其上方裝載大尺寸的物品。此時，不得不采取在堆放至最終堆放部位之前進行臨時放置等方式來進行對應。

發明內容

因此，本發明的目的在于提供一種物品堆放裝置以及機器學習裝置，能夠根據物品特性和現場狀況來堆放合適的物品。

為了解決上述課題，在本發明的物品堆放裝置中準備了學習與包含堆放對象物品的特性等的物品信息相符的最佳堆放方式的機器學習裝置，使該機器學習裝置使用在已經堆放了該物品的現場取得的學習數據來進行學習，由此，使其學習因物品特性或現場狀況而可能變化的物品堆放方式。然后，本發明的物品堆放裝置能夠按照機器學習裝置輸出的物品堆放方式來進行物品的輸送和堆放。

本發明的一個方式的物品堆放裝置，其控制機器人將設置于設置場所的多個物品堆放到配置場所。該物品堆放裝置具有：機器學習裝置，其學習針對所述配置場所的配置狀態和堆放對象物品的信息來推定該物品在所述配置場所中的配置。并且，所述機器學習裝置具有：狀態觀測部，其觀測表示所述配置場所的配置狀態的配置狀態數據、以及表示堆放對象物品的信息的物品信息數據作為表示環境當前狀態的狀態變量；標簽數據取得部，其取得表示所述物品在所述配置場所中的配置的物品配置數據作為標簽數據；以及學習部，其使用所述狀態變量和所述標簽數據，將所述配置狀態數據和所述物品信息數據與所述物品配置數據關聯起來進行學習。

可以是，所述物品信息數據至少包含多個物品的信息。

可以是，所述物品配置數據還包含所述物品的臨時放置有關的信息。

可以是，所述學習部具有：誤差計算部，其使用所述狀態變量和所述標簽數據，計算從所述配置狀態數據和所述物品信息數據導出所述物品配置數據的相關性模型的輸出與從預先準備的訓練數據識別的相關性特征之間的誤差；以及模型更新部，其更新所述相關性模型使得縮小所述誤差。

可以是，所述學習部通過多層結構來運算所述狀態變量和所述標簽數據。

可以是，所述機器學習裝置還具有：推定結果輸出部，其根據所述學習部的學習結果，輸出所述物品在所述配置場所中的配置的推定結果。

可以是，所述機器學習裝置存在于云服務器上。