米乐m6官方网站[理事长中钵良二]（以下简称“AIST”）人工智能研究中心[董事辻井纯一]正在与国立大学法人大阪大学[校长西尾正二郎]（以下简称“大阪大学”）和中部大学教育法人[主席兼校长饭吉敦男]（以下简称“中部大学”）、新能源和产业技术开发组织[主席石冢]合作。在“下一代人工智能和机器人核心技术开发”项目（以下简称“NEDO”）中，我们开发了人工智能技术，有助于将机器人引入制造现场的零件供应和组装操作中，这些操作很难实现自动化。该技术包括（1）提供交织零件的技术，（2）使用工具规划装配工作的技术，以及（3）基于视觉加速工作的技术。从 2019 年 8 月 29 日开始，本次开发的软件将向公众开放。基于这些技术，我们的目标是提高生产线设计的效率，并缩短由于复杂的工作流程而导致的工作时间。
此外，将于9月3日起在早稻田大学（东京新宿区）举行的日本机器人学会第37届学术会议上将进行相关机器人的演示。
 |
| 新开发的AI技术概述 |
近年来随着消费者需求的多样化，生产流程变得更加复杂（高品种、小批量生产、定制产品生产等），也需要机器人来处理复杂的任务。传统机器人主要负责焊接、运输等单一工序。然而，现在机器人往往负责从零件供应到产品组装的整个过程。另一方面，在实现零部件供应和产品组装工作的自动化时，需要花费大量的时间和精力来提前设计机器人的动作，因此需要提高其效率。此外，即使在引入机器人之后，减少根据机器人视觉信息制定工作计划所需的时间也是一个问题。
AIST在开发实用的AI技术和工业机器人集成技术方面具有优势。大阪大学在机器人作业规划技术方面具有优势，此前曾与产业技术研究院合作开展更换零件的作业规划等研究。还有中部大学机器人视觉他在研究方面具有强项，开发了许多图像处理方法，使机器人能够执行高级任务。这次，作为NEDO“下一代人工智能/机器人核心技术开发”项目的一部分，AIST、大阪大学和中部大学将发挥各自的优势来开发机器人。教学来操作。
本次开发的具体技术有以下四种。
①：供应交织零件的技术：仅使用模拟而不使用实际设备来学习困难的任务
机器人通过试错来学习困难任务是一种有效的工作规划方法。然而，由于需要使用实际的机器人执行大量工作，因此很难在生产现场投入实际使用。这次，根据任务的难度，我们使用了传统的基于特征的方法，根据人为设计的程序来理解和识别人预先关注的信息，以及使用模拟的深度学习方法，以实现在不使用真实机器的情况下学习操纵物体。这使得机器人能够在模拟器上重现松散堆中的物体是否会缠结，并且通过在模拟器上学习，机器人可以拾取零件，同时避免可能缠结的零件。检索成功率约为90%，与使用实际机器的传统学习示例相同。对于需要人类在 1 到 2 天内眼睛不离开机器人进行学习的艰巨教学任务，只需对每个零件运行约 5 个小时的模拟（在此期间不需要人工干预）即可完成，从而减少了计划供应零件的预先行动所需的时间和人力。
 |
| 学习如何通过模拟挑选困难的物体 |
② 使用工具进行装配作业的规划技术：即时教学和模仿工具操作
教机器人执行复杂的装配任务需要编程专家投入大量的精力和时间。这次，我们开发了一种方法，由人在摄像机前演示组装工作，机器人立即模仿该工作。由于它不需要以前教学所需的高水平机器人专业知识，因此在制造现场进行装配工作的工人只需演示他们平时的手工工作，机器人就会自动模仿工作。具体来说，机器人可以通过几分钟的演示，学习使用工具的详细组装任务，例如用螺丝刀拧紧螺丝，以前人类需要一两天才能教完，机器人可以立即在现场执行任务。可以减少装配工作的预先行动计划所需的工作时间和计划工作。
 |
| 机器人立即模仿人类执行的手动任务 |
③ 加速基于视觉的任务的技术：有效压缩和恢复对象操作的视觉信息
机器人抓取物体时，需要根据机器人视觉功能获取的图像计算出抓取物体的位置。这个计算时间与工作时的等待时间直接相关，因此提高速度很重要。这次，我们开发了一种基于具有视觉功能的机器人手图像数据矩阵分解的高效压缩/解压缩过程，减少了检测抓取位置的计算时间。当应用于市售的通用握持位置检测过程时，该方法所需的计算时间最多减少了1/3。预计这将加快机器人的工作速度。
 |
| 在实际工作操作中加快工作计划，提高工作效率 |
④ 公开发布开发成果
一个带有软件数据库的专门网站，以方便介绍工业机器人（https://nedo-robot-aijimdofreecom）。与本次演示相关的公开结果包括：（1）用于零件供应的零件散装堆叠模拟器，（2）根据物体和机器人模型自动规划装配工作的软件，以及（3）根据视觉信息快速检测物体抓取位置的软件。通过公开展览，让企业和其他研究机构广泛了解该技术，希望将其用于组装现场的试用和研发目的。
① 用于零件供应的高级运动规划技术计划于 2019 年 11 月 4 日至 8 日在中国澳门举行的 IEEE/RSJ 国际智能机器人与系统会议 (IROS) 上发表。
未来，各机构将继续研发，以提高本次开发的技术的性能和互操作性。我们还将推动与企业的联合研究并应用于实际。此外，我们还将进行各种技术和系统的演示，不仅适用于传统的机器人自动化，还适用于人机协同生产。