[发明专利]控制装置、机器学习装置以及系统

说明书

本发明提供控制装置、机器学习装置以及系统。控制装置控制进行工件的研磨的机器人，具有：机器学习装置，其学习进行研磨时的研磨条件，该机器学习装置将研磨后的工件的表面状态的特征与研磨条件作为表示环境的当前状态的状态变量进行观测，取得表示研磨后的工件的表面状态的评价结果的判定数据，并且，使用该观测到的状态变量与所取得的判定数据，将研磨后的工件的表面状态的特征与研磨条件关联起来进行学习。

技术领域

本发明涉及控制装置、机器学习装置以及系统，特别是涉及优化研磨品质的控制装置、机器学习装置以及系统。

背景技术

以往，在机器人进行机械部件等的研磨作业时，研磨品质的确认作业一般情况下是基于人的目视完成的。此外，为了提升研磨品质，需要一边变更机器人的动作速度、按压力、研磨工具的转速、转矩等各种条件一边重复实施测试研磨。

在日本特开平7-246552号公报中记载了交替重复通过传感器来测量残余毛边高度的测量动作与磨削动作的毛边研削机器人。在日本特开平5-196444号公报中记载了检查机器人使用拍摄单元来监视工件的表面状态的缺陷的方法。

在通过人工试错而获得所希望的研磨品质为止，需要大量的工夫和时间。这方面，在日本特开平7-246552号公报以及日本特开平5-196444号公报也没有公开用于自动优化研磨品质的具体的技术手段。

发明内容

因此，希望优化研磨品质的控制装置、机器学习装置以及系统。

本发明的一方式涉及的控制装置控制进行工件的研磨的机器人，具有：机器学习装置，其学习进行所述研磨时的研磨条件。并且，该机器学习装置具有：状态观测部，其观测所述研磨后的所述工件的表面状态的特征和所述研磨条件，作为表示环境的当前状态的状态变量；判定数据取得部，其取得表示所述研磨后的所述工件的表面状态的评价结果的判定数据；以及学习部，其使用所述状态变量与所述判定数据，将所述研磨后的所述工件的表面状态的特征与所述研磨条件关联起来进行学习。

所述状态变量中的所述研磨条件可以包含：研磨工具的旋转速度、所述研磨工具的旋转转矩、所述研磨工具的按压力以及机器人的动作速度中的至少一个，此外，所述判定数据可以包含所述研磨后的所述工件的表面的纹理的浓度D1、所述纹理的平滑度D2、所述纹理的间隔D3中的至少一个。

所述学习部可以具有：回报计算部，其求出与所述评价结果相关联的回报；以及价值函数更新部，其使用所述回报来更新函数，所述函数表示针对所述研磨后的所述工件的表面状态的特征的所述研磨条件的价值。

所述学习部可以具有：误差计算部，其计算从所述状态变量以及所述判定数据导出进行上述研磨时的研磨条件的相关性模型与从预先准备的训练数据识别的相关性特征之间的误差；以及模型更新部，其以缩小所述误差的方式更新所述相关性模型。

所述控制装置还可以具有：决策部，其根据所述学习部的学习结果，输出基于所述研磨条件的指令值。

所述学习部可以使用从多个所述机器人获得的所述状态变量以及所述判定数据来学习所述研磨条件。

所述机器学习装置可以通过云计算、雾计算、边缘计算环境来实现。

本发明的一方式涉及的机器学习装置学习通过机器人来进行工件的研磨时的研磨条件。该机器学习装置具有：状态观测部，其观测所述研磨后的所述工件的表面状态的特征和所述研磨条件，作为表示环境的当前状态的状态变量；判定数据取得部，其取得表示所述研磨后的所述工件的表面状态的评价结果的判定数据；以及学习部，其使用所述状态变量与所述判定数据，将所述研磨后的所述工件的表面状态的特征与所述研磨条件关联起来进行学习。

并且，本发明的一方式涉及的系统是多个装置经由网络相互连接而得的系统，所述多个装置具有所述本发明的一方式涉及的控制装置。