教示レスで弁当配膳などにロボット活用、音声認識やARで調整時間を10分の1に：産業用ロボット（2/2 ページ）

三菱電機は2022年2月28日、高精度な音声認識技術や多関節ロボットの最適化によりティーチング（教示）の負荷を大きく低減した形で動作プログラミングを自動生成する複合技術「ティーチングレスロボットシステム技術」の開発を発表した。ロボット活用のハードルを下げることで、従来ロボットが使われてこなかった食品工場などでの用途拡大を狙う。

[三島一孝，MONOist]

システム構築の簡略化と最適化を支える技術

　ロボットシステムの構築を容易にするためには、さまざまな自動生成および自動最適化機能が必要になる。その1つが軌道生成技術だ。周辺設備のデータを読み込み指定された2点間で干渉しない経路を探索し、最適な軌道を生成可能としている。ロボットの能力や把持するモノの特性などを考慮し、制約下で移動量最大軸が最高速度を維持できる経路を算出するために、人が調整した場合に比べ調整時間と動作時間の両方を大きく短縮することができる。

軌道生成技術の概要と効果［クリックで拡大］ 出所：三菱電機

　さらに、ロボット動作の加減速を最適化する技術、ハンドの動作を最適化する技術なども開発。加減速最適化技術は、ロボット動作の間接速度と間接トルクの波形を分析し、複雑な軌道に対しても最適な加減速パターンを瞬時に計算し、制約上限まで使用することで動作時間を短縮することを可能としている。また、ハンド動作最適化技術は、対象物やハンドの硬さに合わせ把持するタイミングを自動設定し、ロボットの停止時間の最小化を実現するものだ。評価用の開発システムでは停止時間を3分の1に低減できた事例もあるとしている。

ハンド動作最適化技術の概要［クリックで拡大］ 出所：三菱電機

　食品のようにバラつきのあるワークを対象に把持位置を推論する「把持認識AI」も開発した。これは、まず対象物の情報からモデルを生成し、バラ積み状態を再現するシミュレーションによりデータセットを生成しこれをディープラーニングによる学習を行ったモデルを構築する。一方で、実行フェーズでは抽出した領域に対して認識AIを用い、対象物のセグメンテーションと把持位置候補を算出しておき、これと学習モデルを組み合わせて推論することで、高速・高精度で把持位置の特定を可能としている。これによりロボット作業を速めることが可能としている。

把持認識AIの仕組み［クリックで拡大］ 出所：三菱電機

2023年以降に順次製品化を推進

　これらのシステムは、ロボットユーザーが独自機能を容易に追加できるように、ロボット用のソフトウェアプラットフォームであるROS（Robot Operating System）に対応するとともに、「Edgecross」からROS およびシステム内の情報を一元管理するROS-Edgecross連携機能も用意した。EdgecrossはFAとITを協調させるオープンな日本発のエッジコンピューティング領域のソフトウエアプラットフォームである。双方の標準対応規格であるOPC UA通信を介した情報連携を行う。Edgecrossと連携することで、容易に生産ライン全体の監視、分析が可能となり、ライン全体の生産性や品質の向上に貢献できるようになる。

ROS-Edgecross連携機能の概要［クリックで拡大］ 出所：三菱電機

　今回開発した技術は「2022 国際ロボット展（iREX2022）」（2022年3月9〜12日、東京ビッグサイト）に出展予定としており、これらの展示会などでの評価も踏まえ、2023年以降の製品化を目指すとしている。製品としては「コントローラーに入れるなどコンポーネントの形で提供するか、産業用PCなどで活用できるソフトウェアアプリケーションとして提供する形を考えている。トータルパッケージとしての提供は今後事業部と製品化を進めていく上で検討していく」（三菱電機 先端技術総合研究所 自律制御システム開発プロジェクトグループマネージャー 関真規人氏）。

≫「産業用ロボット」のバックナンバー