| 54 |
Titel |
TI |
[DE] VERFAHREN UND SYSTEM ZUR BESTIMMUNG VON OPTIMIERTEN PROGRAMMPARAMETERN FÜR EIN ROBOTERPROGRAMM
[EN] METHOD AND SYSTEM FOR DETERMINING OPTIMIZED PROGRAM PARAMETERS FOR A ROBOT PROGRAM
[FR] PROCÉDÉ ET SYSTÈME DE DÉTERMINATION DE PARAMÈTRES DE PROGRAMME OPTIMISÉS POUR UN PROGRAMME DE ROBOT |
| 71/73 |
Anmelder/Inhaber |
PA |
ARTIMINDS ROBOTICS GMBH, DE
|
| 72 |
Erfinder |
IN |
ALT BENJAMIN, DE
;
JAEKEL RAINER, DE
;
KATIC DARKO, DE
|
| 22/96 |
Anmeldedatum |
AD |
04.06.2021 |
| 21 |
Anmeldenummer |
AN |
2021200076 |
|
Anmeldeland |
AC |
DE |
|
Veröffentlichungsdatum |
PUB |
03.02.2022 |
33
31
32 |
Priorität |
PRC
PRN
PRD |
DE
102020209511
20200728
|
| 51 |
IPC-Hauptklasse |
ICM |
B25J 9/16
(2006.01)
|
| 51 |
IPC-Nebenklasse |
ICS |
|
|
IPC-Zusatzklasse |
ICA |
|
|
IPC-Indexklasse |
ICI |
|
|
Gemeinsame Patentklassifikation |
CPC |
B25J 9/161
B25J 9/163
B25J 9/1656
G05B 2219/39298
G05B 2219/40392
G05B 2219/40395
|
|
MCD-Hauptklasse |
MCM |
B25J 9/16
(2006.01)
|
|
MCD-Nebenklasse |
MCS |
|
|
MCD-Zusatzklasse |
MCA |
|
| 57 |
Zusammenfassung |
AB |
[DE] Ein Verfahren zur Bestimmung von optimierten Programmparametern für ein Roboterprogramm, wobei das Roboterprogramm zur Steuerung eines Roboters mit einem Manipulator, vorzugsweise in einer Roboterzelle, dient, umfassend die Schritte: Erzeugen des Roboterprogramms mittels eines bausteinbasierten grafischen Programmiersystems basierend auf Benutzereingaben, wobei das Roboterprogramm aus Programmbausteinen, die über Programmparameter parametrierbar sind, gebildet wird, und wobei initiale Programmparameter für die Programmbausteine des Roboterprogramms erzeugt werden; Bereitstellen einer Schnittstelle zum Auswählen eines oder mehrerer kritischer Programmbausteine, wobei optimierbare Programmparameter für die kritischen Programmbausteine festlegbar sind; Durchführen einer Explorationsphase zur Exploration eines Parameterraums in Bezug auf die optimierbaren Programmparameter, wobei das Roboterprogramm mehrfach ausgeführt wird, wobei eine Abtastung des Parameterraums für die kritischen Programmbausteine durchgeführt wird und Trajektorien des Roboters aufgezeichnet werden, so dass für die kritischen Programmbausteine Trainingsdaten vorliegen; Durchführen einer Lernphase zum Erzeugen von Bausteinrepräsentanten für die kritischen Programmbausteine des Roboterprogramms basierend auf den in der Explorationsphase gesammelten Trainingsdaten, wobei ein Bausteinrepräsentant ein Systemmodell darstellt, das in Form einer differenzierbaren Funktion einen vorgegebenen Zustand des Roboters und vorgegebene Programmparameter auf eine prädizierte Trajektorie abbilden; Durchführen einer Inferenzphase zur Bestimmung von optimierten Programmparametern für die kritischen Programmbausteine des Roboterprogramms, wobei mittels eines gradientenbasierten Optimierungsverfahrens unter Einsatz der Bausteinrepräsentanten optimierbare Programmparameter der Bausteinrepräsentanten bezüglich einer vorgegebenen Zielfunktion iterativ optimiert werden. Ferner ist ein entsprechendes System offenbart.
[EN] The invention relates to a method for determining optimized program parameters for a robot program, wherein the robot program is used to control a robot having a manipulator, preferably in a robot cell, comprising the steps: creating the robot program by means of a component-based graphical programming system on the basis of user inputs, wherein the robot program is formed from program components which are parameterizable via program parameters, and wherein initial program parameters are generated for the program components of the robot program; providing an interface for selecting one or more critical program components, wherein optimizable program parameters can be defined for the critical program components; carrying out an exploration phase for exploring a parameter range in relation to the optimizable program parameters, the robot program being carried out multiple times, the parameter range being scanned for the critical program components and trajectories of the robot being recorded such that training data are present for the critical program components; carrying out a learning phase in order to generate component representatives for the critical program components of the robot program on the basis of the training data collected in the exploration phase, wherein a component representative represents a system model which, in the form of a differentiable function, maps a specified state of the robot and specified program parameters to a predicted trajectory; carrying out an inference phase for determining optimized program parameters for the critical program components of the robot program, wherein optimizable program parameters of the component representative are iteratively optimized in respect of a specified target function by means of a gradient-based optimization method using the component representative. The invention furthermore relates to a corresponding system.
[FR] L'invention concerne un procédé de détermination de paramètres de programme optimisés pour un programme de robot, le programme de robot étant utilisé pour commander un robot ayant un manipulateur, de préférence dans une cellule de robot, comprenant les étapes consistant à : créer le programme de robot au moyen d'un système de programmation graphique basé sur des composants sur la base d'entrées utilisateur, le programme de robot étant formé à partir de composants de programme qui sont paramétrables via des paramètres de programme, et des paramètres de programme initiaux étant générés pour les composants de programme du programme de robot ; fournir une interface pour sélectionner un ou plusieurs composants de programme critiques, des paramètres de programme optimisables pouvant être définis pour les composants de programme critiques ; effectuer une phase d'exploration pour explorer une plage de paramètres par rapport aux paramètres de programme optimisables, le programme de robot étant effectué de multiples fois, la plage de paramètres étant balayée pour les composants de programme critiques et des trajectoires du robot étant enregistrées de telle sorte que des données d'apprentissage sont présentes pour les composants de programme critiques ; effectuer une phase d'apprentissage afin de générer des représentants de composant pour les composants de programme critiques du programme de robot sur la base des données d'apprentissage collectées lors de la phase d'exploration, un représentant de composant représentant un modèle système qui, sous la forme d'une fonction différentiable, mappe un état spécifié du robot et des paramètres de programme spécifiés sur une trajectoire prédite ; effectuer une phase d'inférence pour déterminer des paramètres de programme optimisés pour les composants de programme critiques du programme de robot, les paramètres de programme optimisables du représentant de composant étant optimisés de manière itérative par rapport à une fonction cible spécifiée au moyen d'un procédé d'optimisation basé sur un gradient utilisant le représentant de composant. L'invention concerne en outre un système correspondant. |
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
in Recherche ermittelt |
CT |
DE102010012598A1
WO002019176477A1
|
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
vom Anmelder genannt |
CT |
DE102015204641A1
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
in Recherche ermittelt |
CTNP |
SIMON D A ET AL: "SELF-TUNING OF ROBOT PROGRAM PRIMITIVES", PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION. CINCINNATI, MAY 13 - 18, 1990; [PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION], LOS ALAMITOS, IEEE COMP. SOC. PRESS, US, vol. -, 13 May 1990 (1990-05-13), pages 708 - 713, XP000139918, ISBN: 978-0-8186-9061-7, DOI: 10.1109/ROBOT.1990.126068 7
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
vom Anmelder genannt |
CTNP |
A. GRAVES: "Generating Sequences With Recurrent Neural Networks", ARXIV13080850, June 2014 (2014-06-01), Retrieved from the Internet 1;
A. PASZKEOKT. 2017, AUTOMATIC DIFFERENTIATION IN PYTORCH, Retrieved from the Internet 1;
D. A. HOSKINSJ. N. HWANGJ. VAGNERS: "Iterative inversion of neural networks and its application to adaptive control", IEEE TRANS. NEURAL NETW., vol. 3, no. 2, March 1992 (1992-03-01), pages 292 - 301, XP000262364, DOI: 10.1109/72.125870 1;
D. P. KINGMAJ. BA: "Adam: A Method for Stochastic Optimization", ARXIV14126980, December 2014 (2014-12-01), pages 2, Retrieved from the Internet 1;
G. KLAMBAUERT. UNTERTHINERA. MAYRS. HOCHREITER: "NeurIPS", 2017, article "Self-Normalizing Neural Networks", pages: 971 - 980 1;
K. CHO: "Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation", EMNLP, DOHA, QATAR, October 2014 (2014-10-01), pages 1724 - 1734, XP055289524, DOI: 10.3115/v1/D14-1179 1;
M. Y. SEKERM. IMREJ. PIATERE. UGUR, CONDITIONAL NEURAL MOVEMENT PRIMITIVES, pages 9 1;
R. JONSCHKOWSKID. RASTOGIO. BROCK: "Differentiable Particle Filters: End-to-End Learning with Algorithmic Priors", ARXIV180511122 CS STAT, May 2018 (2018-05-01), Retrieved from the Internet 1
|
|
Zitierende Dokumente |
|
Dokumente ermitteln
|
|
Sequenzprotokoll |
|
|
|
Prüfstoff-IPC |
ICP |
B25J 9/16
|
