[go: up one dir, main page]

JP7665986B2 - 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム - Google Patents

作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム Download PDF

Info

Publication number
JP7665986B2
JP7665986B2 JP2021005059A JP2021005059A JP7665986B2 JP 7665986 B2 JP7665986 B2 JP 7665986B2 JP 2021005059 A JP2021005059 A JP 2021005059A JP 2021005059 A JP2021005059 A JP 2021005059A JP 7665986 B2 JP7665986 B2 JP 7665986B2
Authority
JP
Japan
Prior art keywords
level
information
task
sequence data
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021005059A
Other languages
English (en)
Other versions
JP2022109646A (ja
Inventor
序珠亜 惠本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Priority to JP2021005059A priority Critical patent/JP7665986B2/ja
Priority to PCT/JP2021/033694 priority patent/WO2022153597A1/ja
Publication of JP2022109646A publication Critical patent/JP2022109646A/ja
Application granted granted Critical
Publication of JP7665986B2 publication Critical patent/JP7665986B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/09Supervised learning
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Description

本発明は、作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラムに関する。
工場等の生産現場では、作業者の動作を分析して作業者が実施した作業を認識し、その作業の内容を評価することが行われている。例えば、下記特許文献1には、物体とその物体を用いて作業した作業者の体の部位との関連付けを行って、その作業者が実施した作業を認識し、その認識結果に基づいて作業の内容を評価する作業認識装置が開示されている。
特許第6444573号公報
ところで、生産現場において実施される作業は、粒度が異なる作業レベルに分けることができる。例えば、箱詰めの作業は、箱を治具に固定する作業と製品を箱に収納する作業とに分けることができる。この場合、箱詰めの作業が、上位レベルの作業となり、箱を治具に固定する作業及び製品を箱に収納する作業が、下位レベルの作業となる。この下位レベルの作業に分けられた箱を治具に固定する作業は、箱を把持する作業と箱を運搬する作業と箱を調整する作業とにさらに分けることができる。この場合、箱を治具に固定する作業が、上位レベルの作業となり、箱を把持する作業、箱を運搬する作業及び箱を調整する作業が、下位レベルの作業となる。
作業の内容を評価する場合、作業レベルごとに評価の内容を設定することがある。したがって、作業を認識するときに、異なるレベルの作業を認識できると、より有効な評価を行うことが可能となる。
しかしながら、特許文献1では、同じレベルの作業を認識することにとどまっており、認識する作業を異なるレベルの作業に変換することはできない。
ここで、本願出願人による特願2019-200826には、対象となる動作に基づく作業を、部品単位の作業に分割することで、上位レベルの作業を下位レベルの複数の作業に変換する手法が記載されている。しかしながら、下位レベルの複数の作業を上位レベルの作業に変換する手法については記載がない。
そこで、本発明は、下位レベルの複数の作業を上位レベルの作業に変換することができる作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラムを提供する。
本開示の一態様に係る作業レベル変換装置は、作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報の系列データを生成する生成部と、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを、複数の下位レベルの作業により構成される上位レベルの作業系列データに変換する変換器、並びに対象動作情報の系列データに基づいて、対象動作情報の系列データを上位レベルの作業系列データに変換して出力する変換出力部と、を備える。
この態様によれば、作業者の動作に関する時系列情報から検出された対象動作及び付帯情報に基づいて対象動作情報の系列データを生成し、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを上位レベルの作業系列データに変換する変換器と対象動作情報の系列データとに基づいて、対象動作情報の系列データを上位レベルの作業系列データに変換して出力することができる。
上記態様において、変換器は、教師データとして下位レベルの作業系列データと上位レベルの作業系列データとの対応関係を示す作業情報を用い、対象動作情報の系列データを入力として、上位レベルの作業系列データに変換して出力するように学習させた学習済モデルにより構成されることとしてもよい。
これにより、学習済モデルに対象動作情報の系列データを入力することで、上位レベルの作業系列データを取得することができる。
上記態様において、変換出力部は、対象動作により上位レベルの作業が開始されたかどうかを示す開始タイミング情報を、対象動作ごとに、さらに出力することとしてもよい。
これにより、上位レベルの作業が開始されたタイミングを特定することができる。
上記態様において、付帯情報には、時系列情報から認識できる情報、及び時系列情報にアノテーションされている情報が含まれることとしてもよい。
これにより、対象動作を特定する精度を向上させることができる。
本開示の他の態様に係る作業レベル変換方法は、プロセッサにより実行される方法であって、作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報の系列データを生成することと、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを、複数の下位レベルの作業により構成される上位レベルの作業系列データに変換する変換器、並びに対象動作情報の系列データに基づいて、対象動作情報の系列データを上位レベルの作業系列データに変換して出力することと、を含む。
この態様によれば、作業者の動作に関する時系列情報から検出された対象動作及び付帯情報に基づいて対象動作情報の系列データを生成し、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを上位レベルの作業系列データに変換する変換器と対象動作情報の系列データとに基づいて、対象動作情報の系列データを上位レベルの作業系列データに変換して出力することができる。
本開示の他の態様に係る作業レベル変換プログラムは、コンピュータを、作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報の系列データを生成する生成部、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを、複数の下位レベルの作業により構成される上位レベルの作業系列データに変換する変換器、並びに対象動作情報の系列データに基づいて、対象動作情報の系列データを上位レベルの作業系列データに変換して出力する変換出力部、として機能させる。
この態様によれば、作業者の動作に関する時系列情報から検出された対象動作及び付帯情報に基づいて対象動作情報の系列データを生成し、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを上位レベルの作業系列データに変換する変換器と対象動作情報の系列データとに基づいて、対象動作情報の系列データを上位レベルの作業系列データに変換して出力することができる。
本発明によれば、下位レベルの複数の作業を上位レベルの作業に変換することができる作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラムを提供することができる。
本発明の実施形態に係る作業レベル変換装置を含むシステムの概要を例示する図である。 作業レベル変換装置を含むシステムの機能構成を例示する図である。 作業レベル変換装置に記憶される対象動作情報を例示する図である。 作業レベル変換装置に記憶される作業情報を例示する図である。 作業レベル変換装置のハードウェア構成を例示する図である。 作業レベル変換装置で実行される作業レベル変換処理の一例を説明するためのフローチャートである。
以下、本発明の一側面に係る実施の形態(以下、「本実施形態」と表記する。)を、図面に基づいて説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。
§1 適用例
まず、図1を用いて、本発明が適用される場面の一例について説明する。本実施形態に係る作業レベル変換装置10を含むシステム100は、ある作業領域Rで行われる作業者Aの動作を画像センサ20a、20b、20cで撮影し、その撮影した動画を取得した作業レベル変換装置10が、動画から検出した下位レベルの作業に相当する対象動作に基づいて、上位レベルの作業を出力する。作業レベルの上位、下位について以下に説明する。
粒度が異なる作業レベルを設定した場合に、より粒度が粗い(高い)作業レベルに設定された作業が上位レベルの作業となり、より粒度が細かい(低い)作業レベルに設定された作業が下位レベルの作業となる。
例えば、「箱詰めの作業」が、「箱を治具に固定する作業」と「製品を箱に収納する作業」とにより構成される場合、「箱詰めの作業」が上位レベルの作業となり、「箱を治具に固定する作業」と「製品を箱に収納する作業」とが下位レベルの作業となる。
また、下位レベルとなった「箱を治具に固定する作業」が、「箱を把持する作業」と「箱を運搬する作業」と「箱を調整する作業」とにより構成される場合、「箱を治具に固定する作業」が上位レベルの作業となり、「箱を把持する作業」と「箱を運搬する作業」と「箱を調整する作業」とが下位レベルの作業となる。
ここで、把持は、作業対象に手を移動して掴む動作として定義され、例えば、部品や器具を掴みに行く動作が該当する。運搬は、作業対象を目的の場所に移動させる動作として定義され、例えば、組み立てている製品に向けて部品や器具を運ぶ動作が該当する。調整は、作業を目標状態に移行する動作として定義され、例えば、部品の組み立てを行う動作が該当する。
本願発明は、下位レベルの作業系列データと上位レベルの作業系列データとの対応関係をモデルに学習させて、作業レベル変換用の学習済モデルを生成し、その学習済モデルに、動画から検出した作業系列のデータを入力し、変換された後の上位レベルの作業系列データを学習済モデルから出力させることとしたものである。
これにより、動画から検出された複数の作業からなる作業系列データを、上位レベルの作業系列データに変換させることが可能となる。
すなわち、本実施形態に係る作業レベル変換装置10によれば、下位レベルの複数の作業を上位レベルの作業に変換させることができる。
§2 構成例
[機能構成]
次に、図2を参照し、本実施形態に係る作業レベル変換装置10を含むシステム100の機能構成について、その一例を説明する。システム100は、三台の画像センサ20a、20b、20cと、作業レベル変換装置10と、を備える。以下において、三台の画像センサ20a、20b、20cを特に区別して記載する必要がない場合には、画像センサ20と記載する。作業レベル変換装置10は、機能的な構成として、例えば、取得部11、検出部12、生成部13、変換出力部14及び記憶部19を有する。記憶部19は、例えば、動画19a、対象動作情報19b、作業情報19c及び学習済モデル19dを記憶する。
作業レベル変換装置10を含むシステム100が有する各機能構成の詳細を、以下において順次説明する。
<画像センサ>
画像センサ20は、例えば、汎用のカメラであり、作業者Aが作業領域Rで動作を行っている場面を含む動画を撮影する。画像センサ20は、機能的な構成として、例えば、検知部を有する。検知部は、作業者Aの動作を検知し、その動作を示す動画を時系列情報として出力する。
各画像センサ20a、20b、20cは、作業領域Rの全域及び作業者Aの全身を撮影できるように配置される。この場合、例えば、各画像センサ20a、20b、20cのそれぞれが、作業領域Rの全域及び作業者Aの全身を撮影できるように配置されてもよいし、各画像センサ20a、20b、20cのそれぞれが、作業領域R及び作業者Aの一部分を撮影し、それぞれの動画を合わせることで作業領域Rの全域及び作業者Aの全身をカバーできるように配置されてもよい。また、各画像センサ20a、20b、20cが、それぞれ異なる倍率で作業領域R及び作業者Aを撮影することとしてもよい。画像センサ20は、三台備える必要はなく、少なくとも一台以上備えることとすればよい。
<取得部>
取得部11は、作業者Aが行った動作に関する時系列情報(本実施形態では動画)を画像センサ20から取得する。取得部11が取得した時系列情報は、記憶部19に伝送され、動画19aとして記憶される。取得部11は、記憶部19に記憶された動画19aを取得することも行う。
<検出部>
検出部12は、動画19aの中から、作業者Aの手が存在する画像上の位置を認識し、認識した位置での動きに基づいて対象動作を検出する。対象動作として、例えば、把持、運搬、調整を設定することができる。また、把持に対応する動きとして、例えば、箱又は部品を掴む動きを設定し、運搬に対応する動きとして、例えば、箱又は部品を運ぶ動きを設定し、調整に対応する動きとして、例えば、箱又は部品を固定又は組み込む動きを設定することができる。対象動作及びその対象動作に対応する動きは、作業内容に応じて適宜設定することができ、それらの対応関係を予め記憶部19に記憶させておくことが好ましい。
具体的に、検出部12は、作業者Aの手が存在する動画19a上の位置を認識し、作業者Aが部品を掴む動きをしていると判定した場合に、対象動作として把持を検出する。
<生成部>
生成部13は、検出部12により検出された対象動作と、その対象動作に付帯する付帯情報とを対応付けた対象動作情報19bを生成する。図3を参照し、対象動作情報19bについて説明する。
対象動作情報19bは、データ項目として、例えば、NO項目、対象動作項目及び付帯情報項目を有する系列データである。NO項目は、対象動作が発生した順番を格納する。なお、対象動作が発生した順番に替えて、対象動作が発生した時間や、作業開始からの経過時間を格納することとしてもよい。対象動作項目は、対象動作の内容を格納する。付帯情報項目は、対象動作に付帯する付帯情報を格納する。付帯情報として、例えば、動画19aから認識できる情報や、動画19aにアノテーションされている情報を含むことができる。具体的に、部品や箱等の物体、部品や箱と手との接触分離状態、作業者、作業工程、動画の撮影時に判明している情報等が該当する。
例えば、図3のNOが“1”である対象動作情報は、対象動作として“把持”が格納され、付帯情報として“箱”が格納されている。この対象動作情報により、NO“1”の時点では、作業者が箱を把持する作業を行っていると特定することができる。また、NOが“4”である対象動作情報は、対象動作として“把持”が格納され、付帯情報として“部品1”が格納されている。この対象動作情報により、NO“4”の時点では、作業者が部品1を把持する作業を行っていると特定することができる。さらに、NOが“6”である対象動作情報は、対象動作として“運搬”が格納され、付帯情報として“部品1”が格納されている。この対象動作情報により、NO“6”の時点では、作業者が箱を把持する作業を行っていると特定することができる。
<変換出力部>
図2の説明に戻る。変換出力部14は、生成部13により生成された対象動作情報19bの系列データを学習済モデル19dに入力し、変換された後の上位レベルの作業系列データを学習済モデル19dから出力させる。
学習済モデル19dは、作業レベル変換用の学習済モデルであり、例えば、下位レベルの作業系列データと上位レベルの作業系列データとの対応関係をモデルに学習させて生成する。学習済モデルとして、例えば、Transformer等の自然言語処理(NLP)分野で使用される深層学習モデルを用いることができる。
本実施形態では、例示的に、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データと、上位レベルの作業系列データとの対応関係を示す作業情報19cを教師データとして用い、学習済モデル19dを生成する。
図4を参照し、作業情報19cについて説明する。図4では、例示的に、作業レベルとして“レベル1”、“レベル2”及び“レベル3”が設定されている。“レベル1”が最下位に位置するレベルであり、“レベル3”が最上位に位置するレベルであり、“レベル2”が中間に位置するレベルである。
“レベル1”には、作業の最小単位となる対象動作の内容と、その対象動作に付帯する付帯情報との組み合わせを時系列に並べた下位レベルの作業系列データが設定される。
“レベル2”には、下位レベルの作業系列データを構成する各時系列データのそれぞれに対応する上位レベルの作業系列データが設定される。“レベル2”の作業系列データには、“レベル2”の各作業が開始されたタイミングを示す開始タイミング情報が設定される。例えば、作業が開始されたデータに“1”が設定され、それ以外のデータに“0”が設定される。
例えば、レベル2の上段にある三つのデータは、“箱を治具に固定する”作業で共通し、最上段にあるデータの開始タイミング情報に“1”が設定されている。したがって、開始タイミング情報に“1”が設定されている作業を特定することで、“箱を治具に固定する”作業が開始されたタイミングを特定することができる。
レベル2の下段にある五つのデータは“部品1を箱に入れる”作業と“部品2を箱に入れる”作業とが交互に並んでいるが、例えば、右手で“部品1を箱に入れる”作業を行い、並行して左手で“部品2を箱に入れる”作業を行う場合に、このような作業系列データが設定される。このような作業では、右手で“部品1を箱に入れる”作業が開始されたタイミング、及び左手で“部品2を箱に入れる”作業が開始されたタイミングに対応する開始タイミング情報に、それぞれ“1”が設定されることになる。
なお、“レベル2”のように、各作業項目に“レベル1”の付帯情報が含まれている場合には、付帯情報の設定を省略することができる。
“レベル3”には、“レベル1”及び“レベル2”の作業系列データを構成する各時系列データのそれぞれに対応する最上位レベルの作業系列データが設定される。なお、“レベル3”のように、最上位レベルとして一つの作業が設定されている場合には、付帯情報及び開始タイミング情報の各設定を省略することができる。
ここで、変換出力部14は、変換後の上位レベルの作業系列データを出力する際に、開始タイミング情報を作業(対象動作)ごとにさらに出力することとしてもよい。
[ハードウェア構成]
次に、図5を用いて、本実施形態に係る作業レベル変換装置10のハードウェア構成について、その一例を説明する。作業レベル変換装置10は、演算装置に相当するCPU(Central Processing Unit)10aと、記憶部19に相当するRAM(Random Access Memory)10b及びROM(Read only Memory)10cと、通信装置10dと、入力装置10eと、表示装置10fとを有する。これらの各構成は、バスを介して相互にデータを送受信できるように接続される。なお、本実施形態では作業レベル変換装置10が一台のコンピュータで構成される場合について説明するが、作業レベル変換装置10は、複数のコンピュータを用いて実現されてもよい。
CPU10aは、RAM10b又はROM10cに記憶されたプログラムを実行し、データの演算や加工を行う制御部として機能する。CPU10aは、入力装置10eや通信装置10dから種々の入力データを受信し、入力データを演算した結果を表示装置10fに表示したり、RAM10bやROM10cに格納したりする。
RAM10bは、例えば半導体記憶素子で構成され、書き換え可能なデータを記憶する。ROM10cは、例えば半導体記憶素子で構成され、読み出し可能かつ書き換え不可能なデータを記憶する。
通信装置10dは、作業レベル変換装置10を外部機器に接続するインターフェースである。通信装置10dは、例えば、画像センサ20とLAN(Local Area Network)やインターネット等の通信ネットワークにより接続され、画像センサ20から動画を受信する。
入力装置10eは、ユーザからデータの入力を受け付けるインターフェースであり、例えば、キーボード、マウス及びタッチパネルを含むことができる。
表示装置10fは、CPU10aによる演算結果等を視覚的に表示するインターフェースであり、例えば、LCD(Liquid Crystal Display)により構成することができる。
プログラムは、RAM10bやROM10c等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信装置10dにより接続される通信ネットワークを介して提供されてもよい。作業レベル変換装置10は、CPU10aがプログラムを実行することで、図2に示す取得部11、検出部12、生成部13及び変換出力部14の動作を行う。なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、作業レベル変換装置10は、CPU10aとRAM10bやROM10cとを一体化したLSI(Large-Scale Integration)を備えることとしてもよい。
§3 動作例
図6は、本実施形態に係る作業レベル変換装置10で実行される作業レベル変換処理の一例を示すフローチャートである。
最初に、作業レベル変換装置10の取得部11は、作業者Aの動作に関する時系列情報である動画を画像センサ20から取得する(ステップS101)。この取得した動画は、動画19aとして記憶部19に記憶される。
続いて、作業レベル変換装置10の検出部12は、動画19aに基づいて、作業者Aの手が存在する画像上の位置を認識し、対象動作を検出する(ステップS102)。
続いて、作業レベル変換装置10の生成部13は、上記ステップS102で検出された対象動作及び対象動作に付帯する付帯情報に基づいて、対象動作情報19bを生成する(ステップS103)。この生成した対象動作情報19bは、記憶部19に記憶される。
続いて、作業レベル変換装置10の変換出力部14は、上記ステップS103で生成された対象動作情報19bの系列データを学習済モデル19dに入力し、変換された後の上位レベルの作業系列データを学習済モデル19dから出力させる(ステップS104)。そして、作業レベル変換処理を終了する。
前述したように、本実施形態に係る作業レベル変換装置10によれば、作業者Aの動作に関する動画19aから検出された対象動作及び付帯情報に基づいて対象動作情報19bの系列データを生成し、対象動作及び付帯情報の組合せにより特定される下位レベルの作業系列データを上位レベルの作業系列データに変換する学習済モデル19dと対象動作情報19bの系列データとに基づいて、対象動作情報19bの系列データを上位レベルの作業系列データに変換して出力することができる。
それゆえ、本実施形態に係る作業レベル変換装置10によれば、下位レベルの複数の作業を上位レベルの作業に変換させることができる。
§4 変形例
なお、本発明は、前述した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。このため、上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。
例えば、前述した実施形態では、下位レベルの作業系列データを上位レベルの作業系列データに変換する際に、学習済モデル(変換器)を用いているが、これに限定されない。例えば、図4に示すような作業情報テーブル(変換器)を用いて下位レベルの作業系列データを上位レベルの作業系列データに変換することとしてもよい。
また、前述した実施形態では、時系列情報が動画である場合について説明したが、時系列情報は動画に限定されない。具体的に、時系列情報は、画像センサ20の替わりに備えるモーションキャプチャによって測定される作業者Aの動作を示す座標値に関する情報であったり、画像センサ20の替わりに、加速度センサやジャイロセンサを作業者Aに装着させることによって測定される作業者Aの動作を示す情報であったりしてもよい。また、時系列情報は、画像センサ20の替わりに作業領域Rに配置した圧力センサによって測定される圧力値の変化状態を示す情報であったり、画像センサ20の替わりに作業領域Rに配置した光電センサによって検知されるイベントの変化を示す情報であったりしてもよい。さらに、時系列情報は、上記の各情報を個別に用いることに限定されず、上記の各情報を二つ以上組合せることとしてもよい。
また、本発明の実施形態は、以下の付記のようにも記載され得る。ただし、本発明の実施形態は、以下の付記に記載した形態に限定されない。また、本発明の実施形態は、付記間の記載を置換したり、組み合わせたりした形態であってもよい。
[付記1]
作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報(19b)の系列データを生成する生成部(13)と、
前記対象動作及び前記付帯情報の組合せにより特定される下位レベルの作業系列データを、複数の前記下位レベルの作業により構成される上位レベルの作業系列データに変換する変換器、並びに前記対象動作情報(19b)の系列データに基づいて、前記対象動作情報(19b)の系列データを前記上位レベルの作業系列データに変換して出力する変換出力部(14)と、
を備える作業レベル変換装置(10)。
[付記2]
前記変換器は、教師データとして前記下位レベルの作業系列データと前記上位レベルの作業系列データとの対応関係を示す作業情報(19c)を用い、前記対象動作情報(19b)の系列データを入力として、前記上位レベルの作業系列データに変換して出力するように学習させた学習済モデル(19d)により構成される、
付記1記載の作業レベル変換装置(10)。
[付記3]
前記変換出力部(14)は、前記対象動作により上位レベルの作業が開始されたかどうかを示す開始タイミング情報を、前記対象動作ごとに、さらに出力する、
付記2記載の作業レベル変換装置(10)。
[付記4]
前記付帯情報には、前記時系列情報から認識できる情報、及び前記時系列情報にアノテーションされている情報が含まれる、
付記2記載の作業レベル変換装置(10)。
[付記5]
プロセッサにより実行される方法であって、
作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報(19b)の系列データを生成することと、
前記対象動作及び前記付帯情報の組合せにより特定される下位レベルの作業系列データを、複数の前記下位レベルの作業により構成される上位レベルの作業系列データに変換する変換器、並びに前記対象動作情報(19b)の系列データに基づいて、前記対象動作情報(19b)の系列データを前記上位レベルの作業系列データに変換して出力することと、
を含む作業レベル変換方法。
[付記6]
コンピュータを、
作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報(19b)の系列データを生成する生成部(13)、
前記対象動作及び前記付帯情報の組合せにより特定される下位レベルの作業系列データを、複数の前記下位レベルの作業により構成される上位レベルの作業系列データに変換する変換器、並びに前記対象動作情報(19b)の系列データに基づいて、前記対象動作情報(19b)の系列データを前記上位レベルの作業系列データに変換して出力する変換出力部(14)、
として機能させる作業レベル変換プログラム。
10…作業レベル変換装置、10a…CPU、10b…RAM、10c…ROM、10d…通信装置、10e…入力装置、10f…表示装置、11…取得部、12…検出部、13…生成部、14…変換出力部、19…記憶部、19a…動画、19b…対象動作情報、19c…作業情報、19d…学習済モデル、20…画像センサ、100…システム、A…作業者、R…作業領域

Claims (4)

  1. 作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報の系列データを生成する生成部と、
    前記対象動作及び前記付帯情報の組合せにより特定される下位レベルの作業系列データ、複数の前記下位レベルの作業により構成される上位レベルの作業系列データと、を対応付けた作業情報を、教師データとして用い記対象動作情報の系列データを入力とし入力した前記対象動作情報の系列データを前記上位レベルの作業系列データに変換して出力するように学習させた学習済モデルと、
    を備え
    前記学習済モデルは、前記上位レベルの作業系列データに含まれる上位レベルの作業が開始されたタイミングであるかどうかを示す開始タイミング情報を、前記対象動作ごとに設定した前記上位レベルの作業系列データを出力する、
    作業レベル変換装置。
  2. 前記付帯情報には、前記時系列情報から認識できる情報、及び前記時系列情報にアノテーションされている情報が含まれる、
    請求項1記載の作業レベル変換装置。
  3. プロセッサにより実行される方法であって、
    作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報の系列データを生成することと、
    前記対象動作及び前記付帯情報の組合せにより特定される下位レベルの作業系列データ、複数の前記下位レベルの作業により構成される上位レベルの作業系列データと、を対応付けた作業情報を、教師データとして用い記対象動作情報の系列データを入力とし入力した前記対象動作情報の系列データを前記上位レベルの作業系列データに変換して出力するように学習させて学習済モデルを生成することと、
    を含み、
    前記学習済モデルは、前記上位レベルの作業系列データに含まれる上位レベルの作業が開始されたタイミングであるかどうかを示す開始タイミング情報を、前記対象動作ごとに設定した前記上位レベルの作業系列データを出力する、
    作業レベル変換方法。
  4. コンピュータを、
    作業者の作業に関する時系列情報から検出された対象動作と当該対象動作に付帯する付帯情報とを対応付けた対象動作情報の系列データを生成する生成部、
    前記対象動作及び前記付帯情報の組合せにより特定される下位レベルの作業系列データ、複数の前記下位レベルの作業により構成される上位レベルの作業系列データと、を対応付けた作業情報を、教師データとして用い記対象動作情報の系列データを入力とし入力した前記対象動作情報の系列データを前記上位レベルの作業系列データに変換して出力するように学習させた学習済モデル
    として機能させ
    前記学習済モデルは、前記上位レベルの作業系列データに含まれる上位レベルの作業が開始されたタイミングであるかどうかを示す開始タイミング情報を、前記対象動作ごとに設定した前記上位レベルの作業系列データを出力する、
    作業レベル変換プログラム。
JP2021005059A 2021-01-15 2021-01-15 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム Active JP7665986B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2021005059A JP7665986B2 (ja) 2021-01-15 2021-01-15 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム
PCT/JP2021/033694 WO2022153597A1 (ja) 2021-01-15 2021-09-14 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021005059A JP7665986B2 (ja) 2021-01-15 2021-01-15 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム

Publications (2)

Publication Number Publication Date
JP2022109646A JP2022109646A (ja) 2022-07-28
JP7665986B2 true JP7665986B2 (ja) 2025-04-22

Family

ID=82448151

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021005059A Active JP7665986B2 (ja) 2021-01-15 2021-01-15 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム

Country Status (2)

Country Link
JP (1) JP7665986B2 (ja)
WO (1) WO2022153597A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024257498A1 (ja) * 2023-06-13 2024-12-19 パナソニックIpマネジメント株式会社 作業分類装置、作業分類方法、及びプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012130522A (ja) 2010-12-21 2012-07-12 Fujitsu Ltd 行動認識装置、行動認識方法および行動認識プログラム
JP2013003649A (ja) 2011-06-13 2013-01-07 Sony Corp 情報処理装置、情報処理方法およびコンピュータプログラム
JP2018147153A (ja) 2017-03-03 2018-09-20 株式会社日立製作所 行動認識システムおよび行動認識方法
JP2020087312A (ja) 2018-11-30 2020-06-04 株式会社リコー 行動認識装置、行動認識方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012130522A (ja) 2010-12-21 2012-07-12 Fujitsu Ltd 行動認識装置、行動認識方法および行動認識プログラム
JP2013003649A (ja) 2011-06-13 2013-01-07 Sony Corp 情報処理装置、情報処理方法およびコンピュータプログラム
JP2018147153A (ja) 2017-03-03 2018-09-20 株式会社日立製作所 行動認識システムおよび行動認識方法
JP2020087312A (ja) 2018-11-30 2020-06-04 株式会社リコー 行動認識装置、行動認識方法及びプログラム

Also Published As

Publication number Publication date
WO2022153597A1 (ja) 2022-07-21
JP2022109646A (ja) 2022-07-28

Similar Documents

Publication Publication Date Title
Moutinho et al. Deep learning-based human action recognition to leverage context awareness in collaborative assembly
Makrini et al. Task allocation for improved ergonomics in Human-Robot Collaborative Assembly
JP6583537B2 (ja) 動作情報生成装置
JP6897037B2 (ja) 作業性評価装置
US11443558B2 (en) Hand-eye, body part motion recognition and chronologically aligned display of recognized body parts
Lee et al. Machine learning in manufacturing ergonomics: Recent advances, challenges, and opportunities
Rückert et al. Classification of assembly operations using machine learning algorithms based on visual sensor data
JP7665986B2 (ja) 作業レベル変換装置、作業レベル変換方法及び作業レベル変換プログラム
JP7561319B2 (ja) 動作認識システム、方法及びプログラム
KR20220078458A (ko) 명찰형 웨어러블 디바이스를 활용한 앙상블 지도학습 기반의 일상생활동작 분류 방법 및 장치
Liu et al. Adaptive real-time similar repetitive manual procedure prediction and robotic procedure generation for human-robot collaboration
JP7362037B2 (ja) 要素作業分割装置、要素作業分割方法、要素作業分割プログラム及び要素作業分割システム
Wu et al. Incremental learning introspective movement primitives from multimodal unstructured demonstrations
Bittencourt et al. Surrogate modelling for continuous ergonomic assessment and adaptive configuration of industrial human-centered workplaces
Igelmo et al. Aiding observational ergonomic evaluation methods using MOCAP systems supported by AI-based posture recognition
Bose et al. In-situ enhanced anchor-free deep CNN framework for a high-speed human-machine interaction
JP7633588B2 (ja) 動作認識装置、動作認識方法及び動作認識プログラム
Wallhoff et al. Adaptive human-machine interfaces in cognitive production environments
Saraiva et al. Mobile multirobot manipulation by image recognition
Thompson et al. Identification of unknown object properties based on tactile motion sequence using 2-finger gripper robot
JP7614998B2 (ja) 作業推定装置、作業推定方法およびプログラム
JP7385825B2 (ja) 動作分析装置、動作分析方法及び動作分析プログラム
Li et al. Perception-enhancement based task learning and action scheduling for robotic limb in CPS environment
Akhshik et al. Pressure Sensor Positioning for Accurate Human Interaction with a Robotic Hand
Forkuo A systematic survey of conventional and new postural assessment methods

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231109

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20241101

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20241224

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20250311

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250324

R150 Certificate of patent or registration of utility model

Ref document number: 7665986

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150