モデルベースデザインで次世代のロボット・自動化設備開発を加速! ~モデルベースの基礎からAI活用、PLC連携まで~
Summary
TLDR本日のテーマは「モデルベースデザイン」で、次世代のロボット自動化設備開発を加速させる方法について解説します。モデルベースデザインは、シミュレーション環境を活用して開発効率化を実現する方法であり、自動車の設計開発など様々な業界で20年以上前から取り組まれてきた手法です。また、AIピッキングとPLC連携の話題も紹介します。AIピッキングは、画像認識と天狗を組み合わせて物体を認識し、タスクプランニング、経路探索、制御計画などを行うプロセスで、マトラボシミュレーションを使用することで、開発効率が向上します。PLC連携では、自動コード生成とヒルズを使用して、プロトタイピングから実機環境への移行を効率化します。これらの技術を活用することで、労働力不足など現代の課題に対処し、自動化設備の開発を加速化することが可能です。
Takeaways
- 📈 モデルベースデザインは、開発効率化を実現する手法で、自動車の設計開発など様々な業界で20年以上前から活用されています。
- 🤖 ロボット自動化設備の開発では、スケールが大きいと生産数が少ないという特徴があります。
- 🔍 AIピッキングの要素には、タスクプランニング、認識アルゴリズム、経路探索、制御などが含まれます。
- 🚀 マトラボシミュレーションリンクは、ロボットハードウェアを購入する前からシミュレーション環境を構築し、開発の効率化に貢献します。
- 📹 今回の例題では、PVCプラスチックパイプのピッキングや果物のピッキングなど、新しいワークフローが紹介されています。
- 🔧 PLC連携の自動コード生成では、SIMリンクPLCコーダーを使用して、STコードを生成し、テストベンチで動作確認ができます。
- 💻 3Dアニメーションは、アンリアル環境で動作し、リアルタイムハードウェアを使用することで、実際の動作をシミュレーションできます。
- 🔗 ロボットアームのAIピッキング開発では、画像認識と天狗の両方を活用し、ディープラーニング手法が主流となっています。
- 📚 モデルベースデザインの適用フェーズには、MILS(モデルインザループシミュレーション)、RCP、ラピッドコントローラープロトタイプ、PCG(プロダクションコードジェネレーション)が含まれます。
- 📈 労働力不足などの現代の社会問題に対して、モデルベースデザインの活用が注目されており、自動化設備開発の加速に期待されています。
- 🌐 最新版のマトラボは、ロス2の環境にも対応し、ビジョントランスフォーマーなどの画像認識のディープラーニング手法にも対応しています。
Q & A
モデルベースデザインとは何ですか?
-モデルベースデザインは、シミュレーション環境を活用して開発効率化を実現する方法です。従来の実機検証で把握していたような不具合を設計段階で把握し、手戻りを削減する効果があります。
AIピッキングとはどのようなプロセスで行われますか?
-AIピッキングは、タスクプランニング、認識アルゴリズム、経路探索、干渉チェック、制御計画など、複数のプロセスを経て行われます。これらのプロセスを通じて、ロボットアームが効率的に作業物をピッキングし、移動させることができます。
PLCとは何ですか?また、モデルベースデザインとどのように連携しますか?
-PLCはプログラマブルロジックコントローラーの略で、産業自動化において使用される制御装置です。モデルベースデザインとPLCは、自動コード生成やテストベンチを使用して連携し、開発者の作業を効率化します。
シミュレーションと実際のハードウェアの間にはどのような相違点がありますか?
-シミュレーションは、実際のハードウェアを模擬することで、安全かつ費用をかけずにテストを行うことができますが、実際のハードウェアとは多少の違いがあります。そのため、シミュレーションの結果を実際のハードウェアで検証し、調整する必要があります。
リアルタイムハードウェアとは何ですか?
-リアルタイムハードウェアは、産業用プロトコルへの対応で非常に高速なサイクルで動作することが可能なハードウェアです。開発では、リアルタイムハードウェアが強力なツールとなり、迅速な開発サイクルを実現します。
AIピッキングにおける画像認識はどのように行われますか?
-AIピッキングでは、画像認識のためにディープラーニングの手法が用いられます。物体を認識するために、画像を撮影し、再学習を行い、特定の物体を抽出して認識します。
シミュレーション環境での実機テストとは何ですか?
-シミュレーション環境での実機テストとは、仮想環境で構築された環境で実際のハードウェアと同様の動作をテストすることを指します。これにより、実際のハードウェアに比べてコストを削減しながらも、同様のテスト結果を得ることができます。
PLC連携における自動コード生成の利点は何ですか?
-自動コード生成により、手動でのコーディングの手間が省け、ミスや手違いのリスクが低減されます。また、開発時間を短縮し、効率的な開発サイクルを実現することができます。
3Dアニメーションを使用する際のFBX形式とは何ですか?
-FBX形式は、3Dアニメーションで使用されるデータ形式です。シミュレーション環境で使用される3DモデルをFBX形式で出力することで、アニメーションやシミュレーションの各種機能を活用して、詳細な動作を表現することができます。
ロボットアームのAIピッキングの例題で使用されるPVCプラスチックパイプとは何ですか?
-PVCプラスチックパイプは、AIピッキングの例題で使用される物体のひとつです。ロボットアームがこのパイプを認識し、ピッキングして他の場所に移動させる動作をシミュレーションすることで、AIピッキングの効果を検証します。
労働力不足の背景の中で、モデルベースデザインの重要性は何ですか?
-労働力不足の背景下では、自動化が求められますが、モデルベースデザインはその自動化プロセスを効率化し、開発サイクルを短縮する効果があります。これにより、労働力の不足を補うための自動化設備の導入を迅速に行うことができます。
Outlines
😀 モデルベースデザインの紹介とその効果
本日のテーマはモデルベースデザインで、次世代のロボット自動化設備開発を加速させる方法について解説します。モデルベースデザインとAIピッキング、PLC連携のテーマで、40分弱のプレゼンテーションを予定しています。開発手法としてのモデルベースデザインの概要から、ロボット自動化設備の特徴や次世代のイメージを紹介します。シミュレーションの活用が開発効率化に貢献する背景や、自動車設計開発での20年以上の取り組みについても触れます。
🔍 モデルベースデザインの適用フェーズと技術
モデルベースデザインの4つの適用フェーズについて詳しく説明します。各フェーズに応じた手法として、モデルインザループシミュレーション、RCP、ラピッドコントローラープロトタイプ、PCGプロダクションコードジェネレーションなどがあります。これらの技術がどのようにモデルベース開発に貢献しているか、そして自動コード生成技術の重要性を解説します。
🤖 AIピッキングの開発と要素
AIピッキングの開発について紹介し、その構成要素を整理します。タスクプランニング、認識アルゴリズム、パスプランニング、制御計画、干渉チェックなど、AIピッキングに必要なプロセスを説明します。また、マトラボというプラットフォームの活用方法と、その利点を紹介します。
📈 AIピッキングのアルゴリズムとマトラボの活用
AIピッキングにおける画像認識と天狗の処理方法について解説し、ディープラーニングの活用方法を紹介します。また、マトラボを利用することで得られる利点を説明します。シミュレーション環境の構築から、実際のPLC連携まで、マトラボが提供するツールと機能を通じて、AIピッキングの開発プロセスを効率化できる方法を解説します。
🏗️ PLC連携と自動コード生成の例
PLCとの連携をテーマに、自動コード生成とヒルズの構築方法について紹介します。R2023Bでの新機能として、PLCコーダーという製品が搭載されています。この製品を使用して、シミュレーションとPLCとの間に自動コード生成を行う方法を解説し、テストベンチ機能を使っての検証環境の構築方法も説明します。
📺 3Dアニメーションとヒルズ構築のデモンストレーション
3Dアニメーションとヒルズ構築のデモンストレーションを行います。FBX形式での出力とurdfファイルの取り込み方法を紹介し、シミュレーションとPLCとの連携を通じて動作確認と検証環境を構築する方法を解説します。リアルタイムハードウェアの必要性と、その活用方法についても触れます。
📝 まとめと今後の展望
モデルベースデザインの概念から導入効果、AIピッキングやPLC連携の最新例題を紹介し、労働力不足などの現代の社会問題に対する解決策としての重要性を強調します。また、Q&Aでの質疑応答を通じて、参加者との意見交換を促進し、セッションを締めくくります。
Mindmap
Keywords
💡モデルベースデザイン
💡AIピッキング
💡PLC連携
💡シミュレーション
💡自動コード生成
💡リアルタイムハードウェア
💡3Dアニメーション
💡URDF
💡FBX形式
💡テストベンチ
💡ソケット通信
Highlights
本日のテーマは「モデルベースデザイン」で、次世代のロボット自動化設備開発を加速させる方法について紹介します。
モデルベースデザインは、シミュレーション環境を活用して開発効率化を実現する手法です。
従来の実機検証で把握していたような不具合を設計段階で把握し、手戻りを削減する効果があります。
自動車の設計開発では、国内でも20年以上前から取り組まれてきた手法です。
ロボット自動化設備は、スケールが比較的大きいと生産数が少ないケースが多いという特徴があります。
AIピッキングの要素として、タスクプランニング、認識のアルゴリズム、経路探索、制御などが挙げられます。
マトラボシミュレーションリンクは、ロボットのハードウェアを購入する前から環境を検出できるシミュレーション環境を提供します。
R2023Bバージョンでは、ロス2のハンブルハウクビル環境にも対応し、ビジョントランスフォーマーの画像認識手法にも対応しています。
AIピッキングのアルゴリズムでは、画像認識と天狗の両方を活用し、ディープラーニング手法が主流となっています。
自動コード生成のプロセスで、PLCに実装する際に同じ結果が得られるかをテストベンチで検証できます。
PLCコーダーという製品を使って、STコードを生成し、様々なメーカーのPLCに対応しています。
3Dのアニメーションとロボットモデルを組み合わせて、シミュレーションと実際の動作確認を行うことができます。
リアルタイムハードウェアの活用で、開発の効率化と精度の向上が期待できます。
スピードゴートというリアルタイムハードウェアで、産業用プロトコルへの対応が非常に幅広くなっています。
労働力不足などの現代の背景の中で、モデルベースデザインの活用が注目されています。
Q&Aセッションで参加者の質問に答え、より深く理解を深める機会を提供します。
Transcripts
え本日のテーマはえモデルベースデザイン
でえ次世代のロボット自動化設備開発を
加速ということでえモデルベースデザイン
そしてえAIピッキングそしてPLC連携
といったテーマでご紹介を進めさせて
いただきたいと思ってございますえですね
40分弱を想定しておりますけれどもまた
その後のQ&も含めてですねえお付き合い
いただければと思ってございますどうぞ
よろしくお願いいたし
ますえそれではまずアジェンダですえまず
はえ開発手法としてのモデルベース
デザインの概要についてご紹介させて
いただきつつえ本日紹介をえ当ててまいり
ますえロボット自動化設備の特徴について
も見てまいりたいとえ持ってござい
ますえこちらはですねえ次世代のロボット
自動化設備をイメージしたえ
シミュレーションの動画でございますえ
モデルベースデザインはえこのような
シミュレーション環境を活用することでえ
開発の効率化を実現する法として知られて
い
ますえシミュレーションの活用が開発の
効率化に貢献する背景にはえ従来実機検証
で把握していたような不具合そういった
ものを設計の段階で把握をしてえ手戻りを
削減する効果えこういったものが主な要素
として考えられてい
ますえこのようなモデルベースデザイン
もしくはモデルベース開発と呼ばれる手法
はえ自動車の設計開発では国内でもえ20
年以上前から取り組まれてきた手法で
ございますまたえその後ですね幅広い業界
でえその業界の特徴に合わせて採用されて
きた手法として理解をしており
ますえでは本日フォーカスを当てさせて
いただきます次世代のロボット自動化設備
ではどのように考えることができる
でしょう
え自動化設備という点に注目をさせて
いただきますとえ一般的な製品開発と比べ
てえ大きく2つほどえ違いがあるのかなと
いう風に考えており
ますえ対象とするスケールが比較的大きい
ことそして生産数がえ少ないケースが多い
ことという2点を上げており
ますえこちらはですね比較対象にもよる
部分ございますけれどもえ自動化設備が
扱う対象とえその自動化設備という関係性
で見ていただけると少しイメージがして
いただきやすいのかなと思っており
ますえただですねもちろん大きな設備も
小さな要素から成り立っておりますのでえ
本日のご紹介も構成要素としてのこう
ロボットえそしてえセル単位程度の
シミュレーションまでをイメージしてご
紹介をさせていただきたいと思ってござい
ますえ本セミナーではは基本的な例題の
紹介に動きを置かせていただきますけれど
もより実践的なですね事例参照されたいと
いう方々に向けましてはえこちらでですね
え今回後のコンテンツご案内させて
いただきますけれどもリンクでえ各種です
ね事例ご覧いただけるかと思っております
え国内ではえですねえトレ
エンジニアリング様シウメカトロニクス様
はめ多数事例いただいてございますえ
ロボットを自動化設備と一口に言いまして
も非常に幅広い意味合いございますのでえ
よろしければですね弊社のサイトご参照
いただきましてえ各種事例ご参照
いただければと思っており
ますえそれでは簡単ですがまずロボット
自動化設備についてのイメージとさせて
いただきましてここからもう少しですね
モデルベースデザインの概要についてえご
紹介移ってまいりたいと思い
ますえモデルベースデザインは冒頭で
申し上げましたようにえことで申し上げ
ますとえシミュレーションを活用した開発
の効率化の手法として知られております
けれどもえ代表的なえ手法として開発の
フェーズに応じてですね4つから5つほど
のえ適用フェーズが知られていますえここ
ではですねえそれぞれの手法についてまず
おさいをさせていただきましてえその後
少し具体的な適用例ということで
ピッキングですとかえPLCの話題に移っ
てまいり
ます一度ですねそのフェーズを理解する
ためにえ4つのこちらではえぞ登場人物を
上げさせていただいており
ますえ実環境としてえま制御対象そして
制御装置ですねこちらの2つえそれぞれを
仮想環境としてえ再演した場合こちらは
モデルという名前で呼んでますがえ
コントローラーモデルハードウェアモデル
のこの4つのですねえ登場人物
ですえではですねまず早速1つ目のMBD
モデルベースのですねえ考え方えご紹介に
移ってまいりたいと思いますけれどもえ1
つ目はですねこちら仮想環境だけでえ
どちらも再演をしてえ検証する手法として
知られているえモデルインザループ
シミュレーション頭文字を取ってえミルズ
と呼ばれる手法でござい
ますえこちらはですねえ実機がまずは完成
する前のフェーズ1番初めのフェーズでえ
実機レスで検証するということを想定した
えフェーズかなという風に言え
ますえ続いてえ制御対象はですねえもし
時期が使えるという場合ではえどのような
え手法が使えるかと言いますとえこちらは
え新しい制御コントローラーを試したいと
いうような前提で申し上げますとえ
コントローラーモデルをそのまま時期と
つなげて試験をするようなえRCPと呼ば
れる手法が知られてい
ます
えコントローラーモデルをえリアルタイム
で実行するためのリアルタイム
ハードウェアですとかま実際のこのモデル
をですね動かす環境としてはえ様々な装置
が知られておりますけれどもまプロセスと
しましてはこちらのラピッド
コントローラープロタイプという工程が
ですねえ大きく知られてござい
ますえそしてさらにですねま工程が進み
ましてえ先ほどのですねラピッド
コントローラープロトタイプでは
コントローラーの機能確認程度をちょっと
想定をしていただければと思うんです
けれどもえさらに機上で検証した
コントローラーをですね実装用のまCです
とかC+plusの言語にえコード生成を
する自動コード生成をするという工程
こちらがまPCGプロダクションコード
ジェネレーションですとかオートコード
ジェネレーションと呼ばれる工程です
けれどもえこういった技術がえモデル
ベースのえ開発では知られており
ますえよりですね実行効率やメモリー効率
を意識したコード開発をイメージして
いただきましてまそういった工程でですね
あの手作業でミス入りやすいえミスを提言
できる技術としてこういった自動コード
生成の技術というのも大きく取り上げられ
てい
ますえそしてえ制御装置制御対処共にえ
完成フェーズに近づいた段階で利用される
のがえ制御装置とハードウェアモデルの
組み合わせ
ですええ実際ですねハードウェアももう
出来上がってきているような近いフェーズ
でなぜハードウェアモデルを使うのかと
いった観点で申し上げますとえ異常状態の
試験ですとか実際の制御対象ではあ再現し
にくい試験をですねえ仮想環境を使って
代替をしようといったえコンセプトの工程
でござい
ますえ右下にシズヒズと記載をさせて
いただいておりますけれどもまこの辺り
ですね言葉の定義についてはややゆらぎも
ございますけれどもえ実際のハードウェア
のインターフェイスまでえしっかりとです
ね模擬をして検証されるケースは比較的
ヒルズと呼ばれるケースが多いかなと思っ
ており
ます一方でプログラムですね通信等だけで
ですね簡単にこう模擬してしまうですとか
まそういったケースではまシルズと呼ば
れるケースもございましてまこの辺りは
実際の実現方法もですね低と感が各種
ございますので大きくはまヒルズとシルズ
というイメージでえ捉えていただければと
思ってござい
ます
え以上簡単ではございますがえモデル
ベースデザインの概要おさいに変えさせて
いただきましてえ本日ですねえこれらの4
つの工程に比較的こう近いイメージでええ
前半AIピッキングですとかま後半でです
ねえ自動化設備のPLC連携といった
テーマでご紹介させていただく予定で
ござい
ますえここまでですね少し開発フェーズに
応じたとということでえご紹介をさせて
いただきましたがもう少しこう左から右に
ですね開発の工程が映っていくような絵で
照らし合わせますとまこういったような図
が書けるケースあるかと思いますえ改めて
こちらについてあのご紹介はえさせて
いただく時間はですね本日はちょっと取れ
ないかなと思ってるんですけれどもえ
こちらもですねあのお理解の参考になり
ましたら幸いかなと思っており
ますえそれではえここからはえテーマとし
てげいたいておりますえモデルベース適
用例といたしましてえロボットアームに
よるAIピッキングそしてえPLC連携の
話題をそれぞれご紹介させていただきたい
と思っており
ますえイメージといたしましてはまAI
ピッキングですねえ比較的まシステムのえ
前半でええ検討するための活用のイメージ
そしてえBLC連携がま高段というような
ぐらいのイメージで捉えていただければと
思います
えそれではまずですねえロボットアームの
AIピッキング開発について紹介をさせて
いただきますけれど
もまずご覧いただきますこちらのスライド
ですねえ2023Bのバージョンマトラを
ですねえ9月にリリースをさせていただき
ましたけれどもえこちらのですねえ
ロボティックスシステムツールボックスと
いったツールボックスに搭載された新しい
ワークフローの例題となってござい
ますAIピッキングと呼べるカテゴリーで
はおそらくですねこの2つがえ新規に登録
をされた例題かなと思っておりますけれど
もえ本日はえ左側のですねえPVC
プラスチックのえパイプのですね次手を
こうピッキングするような例題を取り上げ
ていきたいと思っており
ますただ右側のですねこちらのえ果物を
出格するようなですねちょっと木が小さい
かなという感覚はありますけれどもこちら
の例題も非常にですね興味深い内容となっ
ておりますので是非ですねご興味の方ご
参照いただければと思っており
ますえではですね早速AIピッキングの
話題に入ってまりたいと思いますけれども
ある程度少し構成要素をですねクリアに
ここで一応整理させていただきたいと思い
ますAIと言いますといろんなこうAIの
考え方あるかと思うんですけれどもAI
ピッキングの要素えま人がですねま作業し
ていたものをまええロボットアームで自動
化するというようなあのイメージのAI
ピッキングになるかと思いますがこちらの
構成要素を少しこちらの図でイメージして
いただきたいと思い
ますえまずはえこちらもですね図が
たくさんございますので左上から少し見て
参りたいと思いますけれどもえ人がですね
こうある程度こう作業することをイメージ
しますとまず何をこうピッキングですので
掴もうかなということである程度まタスク
と言いましてもえ整理をしていく必要が
あるかなと思います
えそういったタスクをですねまず整理する
のがタスクプランニングの部分でま
プログラムで構成されるものと思って
くださいえそしてえ次にですね何かをこう
ピッキングですので恥をしに行こうという
ことになりますのでえ認識のアルゴリズム
がえ必要となってき
ますえそしてえ認識ができたとなりまし
たらえそれを掴みに行くというのが次の
工程になりますけれどもえ掴みに行く際も
ですね何かこう周りの障物にぶつかって
しまうようではえ問題がえ発生してしまい
ますのでえ経路の探索ということを行い
ますまその際にですね出てくるのは干渉し
するかしないかということでま干渉して
しまいそうな場合は別の経路を探索すると
いうことでえ合わせましてえ左下のパス
プランニングのプロセスということになり
ますえそしてさらにですねえじゃあ経路が
できたからその通りに動けばいいかという
ことになりますとえ実際に動かそうと思い
ますと滑らかに動くのかカクカク動くのか
でもですねえその中間経路でぶつかる
ぶつからないというような話も出てきて
しまいますのでえもう1歩時間的なえ起動
計画といった要素が入ってまいり
ますえそこにですねま無制度も要求される
もようなものではさらに制御の無雑なこう
制度のいいですね制御といったものが入っ
てまいりまして各モーター
アクチュエーターの制御へと移っていくと
いう構成でございます
えそしてえ1番右下に書いておりますのは
もう一度干渉チェックの話題が出てきて
おりますけれどもえこちらはえ昨今ですね
あの導入も広がっております共同ロボット
のような要素ではえ動いた途中で障害物が
こう入ってくるというケースもございます
のでえそういったえ途中で干渉判定
チェックをするようなえシステムも必要に
なるというようなイメージでご理解
いただければと思い
ますまタスクが完了しましたらですねまた
上位のアルゴリズムからタスクプラングに
もう1度入っていくという構成になります
のでえトータルでご覧いただいてるような
構成でえいわゆるAIピッキングの
システムが成り立っているものと思い
ますえマトラボ趣味リンクはですねえこの
全ての要素を開発する検討するためのえ
プラットフォームとしてえ様々なツール
機能提供させていただいておりますけれど
もえ本日はですねまAIピッキングという
ですねキーワードもございますのでえ
まさにこのAIピッキングという観点では
注目ポイントでもありますえ認識及びま
計画判断の部分にですね注目をいたしまし
てえご紹介を進めてまいりたいと思って
おり
ますさらにまずはですねそのアルゴリズム
について簡単に解説をさせていただきます
けれどもえアルゴリズムについて理解を
深めた上でなぜマトラボを活用した効果
開発が効率的なのかえまたえモデルベース
デザインとの関係についてもえ触れて参り
たいとえ思い
ますえではですねまずこちらはえ
アルゴリズムについて見てまいりたいとえ
思いますえこちらのですねスライドはえ
先ほどの例題のドキュメントからまさに
ですね認識の部分をまずはピックアップさ
せていただいているスライドでござい
ますAIのピッキングではえ画像と天狗
両方を使うケースが多いんですけれどもえ
こちらのですね左側の写真の方もですねえ
こちらのトレーの上の方にえ画像をと天狗
を取れるですねカメラが付いているという
ことでござい
ますではえアルゴリズムですけれどもえ
右側のフローになってまいり
ますえまずは画像ですえ画像はですね物体
に意識をさせるということですとま近年は
ディープラーニングの手法がもう主流に
なってきているかなと思いますもちろん
ですねえま色で認識をさせたりですとかま
そういった方法もございますのでえ必ず
しもうというわけではございませんがま
今回のこの例題はですねえディープ
ラーニングを使ってござい
ますえそしてディープラーニング使う場合
はえ絶対端する認識する対象に応じてです
ねえ再学習定義学習が必要となりますし
またえ光の加減ですとか実際のものの写り
方の加減でですね検出制度変わってくる
部分ございますのでまそういった部分も
含めましてえ再学習こういったことを実施
するレダスクリプトがご用意させて
いただいており
ますえそしてえ次は天軍の領域ですえ天軍
の処理はえどういったことをするかと
申し上げますとえまずですねま天軍の
カメラにもいろんなものが映りますのでえ
今回トレンの中に入っているものだけを
抽出すれば良いということである程度まず
はですね領域をえ区切っていき
ます
えそして天狗情報ですけれどもえそもそも
の情報量が多いということもありましてえ
計算の演算のですね処理負荷を下げると
いう観点でも認識した部分物体認識をした
画像で認識をした部分だけを抽出してえ
そういった部分をですねえま点抽出してえ
今度はえ端点のえ算出へと使っていくと
いうこと
で一通りのAIピッキングのまず基本的な
ですねアルゴリズムの流れをですねえ示し
たものとなってござい
ますえさて次にですねマトラボを利用する
メリットについてここで少しえ解説をさせ
ていただきたいと思い
ますえまずまモデルベスデザインという
観点で申し上げますとえロボットの
ハードウェアをですね購入する前からある
程度検出できる環境という意味ではま
マトラボシリンクを使ったこう
シミュレーションの環境自体がですね非常
にメリットが出てくる部分かなと思って
ございます
えまたですねこちらの例題ではえ仮想環境
として構築をされたえガゼボの環境からえ
ロス経由で画像を取得しましてえそして
転移学習そして天軍データと合わせて性
推計するまでの一通りのえ体験を
いただけるスクリプトがえご用意させて
いただいてる構成となってい
ますえこちらの例題ではえガゼボの環境
ですとかまロスを使っているということも
ございますけれどもえ環境構築が必要に
なるかなと思いますがえスワッがですねえ
提供する環境にはこのガゼボートロスと
さらにはこのロボットが含まれた
プロジェクトをですね搭載したえ分子の
イメージを提供してる部分ございますので
えこちらをですね使っていただくとすぐに
ですね環境構築始めていただけるまも
出来上がっているものが利用いただけると
いったメリットもござい
ますえ逆にですねこれを1から本当に
作ろうという風に思いますとえ環境構築え
ロボに成通した専門のエンジニアが対応
する必要がある領域にもなってくるかなと
思い
ますえさらにはですねえディープ
ラーニングもですね神々発展してござい
ますのでライブラリーを活用しようと思い
ますとバージョンのえ何かこうえ成功が
ですねえずれないようにしなければいけ
ないですとか様々え検討項目も出てくる
可能性がござい
ますまそういった観点からもですねえ
マトラボを活用いただくとある程度ま基本
をですね習得をしながらえ初心者からでも
開発に着手していただけるという意味でえ
このですねえIピッキングのテーマに関し
てもですね非常に幅広い方々にえスタート
をしていただける環境かなという風に思っ
ており
ますえもちろんですねあのもっと専門的な
ことをやられている方々向けにもお使い
いただけるという意味ではえR2023B
でですねロス2のハンブルハウクビルの
環境にもえ対応してきてございますえまた
ですねえビジョントランスフォーマーの
ようなえ画像認識のディプラーニングの
手法にもですねえ対応したような例題も
同行されてきてございますのでえもしです
ねえこういった観点ご興味ある方ござい
ましたらえお参しいただければと思って
ござい
ますえさてレダに戻りましてえもう少し
ですね先ほど直方体の簡単な例題でしたの
でえ今回このプラスチックの次てですね
ここにど対応していくかという意味では
実際のスクリプトですねえごご参照
いただけるものがござい
ますえそれぞれの工程でえまずですねえ
天軍の取得正解データと比較をしながら
ですね正推定をして最終的にこう恥をして
いくところまでといった流れをですねご
紹介しているものになりますけれどもえ
非常にですね丁寧に解説スクリプトを書い
てございますのでえ非常にですねえ始め
やすいスクリプトええ例題になっているか
なと思いますまたえプログラミング自体に
抵抗があるよという方に向けましてはえ
近年はですねえアプリという形でえロー
コードの開発にも力を入れてまいりました
けれどもま一方でえ近年はですねえこ最近
はチャットGPTというものも登場して
ございますのでえプログラミング自体の
ハードルも大きく下がったようには感じて
ございますえマトラボの場合はですね
すでに動作するプログラムございますので
えスクリプトの丁寧な解説をさらにですね
あのチャットGPTにお願いするなんて
いう使い方もえ可能性としてはえあるのか
なと思ってござい
ますえまたですねあのチットPGPTと
いう関連の話題ではえマトラボからですね
チャットGPTをこう呼び出して
シームレスにこう利用してみるというよう
なトライもえ社側でも行っておりますえ
実際にそういったですねAPIを呼び出す
コードサンプルというものをですね
ファイルエクスチェンジという弊社のです
ねプラットフォームで提供開始てござい
ますのでえ是非ご興味の方はですねこちら
もご参照いただければと思ってござい
ますえさてここまでですね
シミュレーションの話題を中心にお話をさ
せていただいたんですけれども最終的に
シミュレーションだけでは実機合わないん
ではないかというご心配される方も
いらっしゃるかと思いますえ実際ですね
あの閉鎖の日本オフィスでもこの辺り確認
をしてございましてでこちらはですね
ガゼボではなくてアンリアルという環境え
後半で少しご紹介させていただくえ
アンリアルとの連携機能なんかを使って
確認をしている内容ですけれどもえこちら
を使いましてえシミュレーションの内容と
実際の時期とのコリレーションといった
ところも取ってござい
ますまこのようにですねプロトタイピング
からえだんだんとこう実機の環境へと移行
していくという概念はえモデルベースのえ
元々の考え方に非常に近いところがえある
かと思っておりますまAIピッキングの中
では必ずしもこうモデルベースという
テーマであの議論されることはないかと
思うんですけれどもまこういった
シミュレーションと時期を組み合わせて
活用する様々な手法えこういったところに
あの効率感の余地がまだえあるのではない
かなと考えており
ますえではですねAIピッキングのテーマ
え最後に少しだけえ起動生成え機動計画の
話題もですね不足させていただきたいと
思います
えこれまでですねえご紹介させていただい
た機能に加えましてえ干渉回避機動の生成
に関しましても2023ABBで機能改善
え注目の機能が搭載されてきてござい
ますえ左側の2つですねこちら上げさせて
いただいておりますのはえ突形状のえええ
え大形状の突形状近事ですね方形状え分割
近事という機能なんですけれどもこちらの
機能ですとかえのロボットのですねえ
カプセル9と遠投への禁止モデルのえ
置き換えという機能が出てきてるんです
けれどもえこの辺りですねうまく活用
いただけますとえ干渉判定がすごくこう
早くなるといったえそれぞれ機能となって
おり
ますまこれまでのですね機能制約にあった
部分もえ解消されてよりですね使いやすい
え干渉回避動の生成機能となってきて
ござい
ますえ実際にですね複雑なこう干渉物を
こうする機動として例えばですけれども
長いこう棒のようなものをですね何かこう
小さなこう枠の中を通さなければいけない
ようなシーンでもお活用いただけるのかな
というような思いでござい
ますえそしてですねこちらえ実際の
デモンストレーションでございますけれど
もえ社でも各イベントであのご案内させて
いただいておりますが実際のこういったえ
プラスチックのですねえパーツをえ整理
するデモンストレーションえアルゴリズム
はまPC上でえ認識のアルゴなんかを動作
させていますけれどもいわゆるまRCPの
環境に近いような構成でえすぐにですね
捉えいただけるという点がえ特徴かなと
思っており
ますえそれではえ以上ですねAI
ピッキングのテーマご紹介に変えさせて
いただきますがえよりですねこうAIに
もうちょっと尖った内容をですねえ勉強し
たいもしくは知りたいという方はえ今
YouTubeの方でも各種ウェビナーえ
ご紹介させていただいておりますのでえご
参照いただければと思い
ますえそれでは続きましてえPLCとの
連携をテーマにえ自動コード生成そして
ヒルズに関して少しご紹介に移ってまり
たいと思い
ますえこちらもですねえ冒頭ご紹介させて
いただきましたえ自動化設備のイメージを
例題としたですね新しい例題がR2023
BでえPLCコーダーというですねえ製品
の中にも同音されてまいりまし
たまずですね改めてこちら動画ご覧
いただきたいと思いますけれどもこちらの
3dのアニメーション自体もまトラボシミ
リンクま裏でですねアンリアルが動くよう
な環境になっておりますけれどもの製品の
中でですねえ構築をした例題となってい
ますえこちらの右側のロボットではえ
カップをですねシャトルに乗せるといった
作業をえしておりますえそして真ん中には
ですねシャトルが配置されておりましてま
こちらのですねシャトルでえ運んでいき
ましてカップ運んでいきましてえ左側の
ロボットでボールをですね搭載をして最後
えベルトコンベアのようなところに載せ
まして排出をするという一連の工程になっ
てい
ますえこちらのですね自動化設備を例にえ
モデルベースのえ自動コド生成とヒルに
ついてえご紹介を進めさせていただきたい
と思っており
ます
え機械的な要素はえ先にご覧いただいた
通りの構成でございますけれどもえシミ
リンクのモデルという感じ観点でですね
こちらのご覧いただいておりますのがま
ミルズの構成と思っていただければと思い
ますけれどもえコントローラー要素え
そしてえ機械はえ基本的にはPLCに出走
されるような上位
コントローラーえそしてえもう少しですね
詳細な部分に関しましてはえモーション
コントローラーと呼ばれる
要素が入ってくるかと思いますけれどもえ
シャトルやまロボットのコントローラーが
え相当するものこちらは少し西用的には
早いものになるかと思い
ますえそしてえもう1つですねえミルズと
いたしましては先ほどご覧いただきました
え3dのアニメーションの要素も含まれて
ござい
ますえヒルズの構成を実現する際にはです
ね下にえ記載をさせていただきましたよう
な実際にまPLCにコードを書き込んでえ
それに対してえシミュレーションをする
ようなまスピード強盗と呼ばれてるような
リアルタイムハードでPLCのカウンター
パートを模擬していくという構成が一般的
な構成となり
ますまこのですねモーション
コントローラーの部分はえもちろんあの
ユニットとして搭載をされているケースも
あるかと思いますのでまそういった場合は
えモーションコントローラーに対してその
先に繋がる部分をリアルタイムハードで
模擬するということでまヒルズの構成と
一口にですね申し上げますても様々な構成
がござい
ますま本日はですねより簡単なですねあの
動作のイメージをご理解いただくという
意味でもう少し簡単な構成を取らせて
いただきましたえ上位のコントローラーは
え同様にですねえPLCコーダという製品
でPLCに実装する自動コード生成の工程
ご覧いただきますけれどもえ合わせまして
え猛暑コントローラーですとかえその他の
プラント部分はPCの上で全て動作をさ
せる構成を取っており
ますまそうしますとちょっとですね実行の
速度的な面でえやはり課題は出てきますの
でえ仮にですね今回はコントローラーの
制御集金これを送らせるような形でえ検証
環境のえ動作確認えご覧をいただきたいと
思っており
ますえでは実際にですねご覧いただく自動
コード生成ですけれどもえSIMリンク
PLCコーダという製品を使ってえ今回え
ご覧をいただきます
えPLC向けにはですねSTコードを生成
するということでえご覧いただいており
ますように各社えメーカーのですねえ
PLCに対応してございますえそして国内
向けに関しましてはえ三菱電気様のですね
jxw3に対応したというのが非常に
大きな2023Bでのアップデートで
ございますのでまこちらのですね機能を
本日はえ中心にご紹介させていただき
ます実際にですねコード生成して取り込む
というのはですねパッとこうできてしまう
んですけれどもただあの問題なく動いて
いることがですねあの確認できないとえ
ちょっとですねあの見ていてよくわから
ないかなという風に思い
ますで実際にですねあのそういったえ問題
もですね課題が発生するケースございます
のでえSIMリンクPLCコーダーは単純
にですねソフテアモデルを実装するだけで
はございませんでえ関連の
シミュレーション上で実際にですね入力を
与えた時に出てきた出力とえPLCに実装
した時に同じ入力を与えて同じ結果が得
られるのかという検証環境これをえテスト
ベンチと呼んでおりますけれどもこの
テストベンチの機能を持ったえ
ファンクションブロックを一緒にですね
コード生成をして実行できるこういった
機能をですね備えてござい
ますえですのでま今回ですねこちらの
テストベンチのえ機能も交えましてえ実際
にデモンストレーションをご覧いただき
たいと思います
え先ほどはですね非常にシンプルな構成で
3つぐらいの構成でちょっとご紹介させて
いただいてましたがえこちらが実際実装
するモデルでございますえ対応のPLC
ベンダーをですね設定をしましてテスト
ベンチコード生成の設定までいたしました
えコントローラーもですねシャトルが1個
1個こう動かすためのコントローラーも
入ってますのでえちょっとですね規模感と
しては大きなものになっておりますけれど
もまステートフローで実装されたえ例題と
なっています
ますえ今回テストベンチも一緒に生成し
ますので今何が起きてるかと言いますと
シミュレーションをですね実回1回ですね
実行しておりましてその中で得られた入力
と出力の次もですね一緒に行動生成をして
いるという状況でござい
ますですので自警率のデータですとかも
入っておりますしまたですね行動生成の
機能自体は自体のモデルとのリンクを取る
機能なんかもございますので今ご覧
いただきましたのはごめで実際にどの
コードがどこのえ処理にえ対応しているか
という確認をさせていただいた部分で
ござい
ますえちょっとですね動画が早い部分
ございますけれども今ですね今度生成され
た行動をですねえgxwの方に取り込んで
いる工程でござい
ますえ今回はですねえま特にラダーデスク
の部分が含まれないということもありまし
てSTのプロジェクトを使わせていただい
ておりますけれどもえどのプロジェクトで
も基本的にファンクションブロックという
形で取り込まれ
ますでこちらはですねテストベンチコード
の一部になるんですけれどもえチャートと
いうですねえ関数ファンクションブロック
をテストベンチコードの中ではえコールを
しまして実際にえ入力を与えましてえ検証
を行っていくファンクションブロックと
なってい
ますえこちらですねえ実際に後ほどえ動作
をさせた結果もですねご覧いただきたいと
思っておりますけれどもえあえちょっと
動画がですね飛んでしまいましたけれども
実際に各出力をですね検証する
シミュレーションもですね行ってござい
ましてますぐにあの行えますのはこちらえ
シミュレーションの機能ですねgxwでも
搭載されておりますのでまこちらの機能を
使ってテストベンチコードをえバッとこう
回しましてえ全サイクルで差分が発生して
いないことを確認するというステップがえ
確認え取っていただけるようになっており
ますえ画面の方がですねえこちら最終的な
検証を行った結果でございましてえ10
秒間のシミュレーション0.1秒刻みでえ
実行してますのでえ全体で101ステップ
あるんですけれどもえ101ステップ全体
通してですねえ差分が発生しないことを
確認したという結果となってござい
ますえ今回ご紹介をさせていただきました
えこちらのえgxwへの取り込みの機能
ですけれどもこちらはですね一様のになっ
ておりますがえgxw3の最新の
バージョンこの10月にリリースされたえ
アップデートでえ追加のプログラムがです
ねアップデートが提供されてございますの
でま弊社のマラボR2023Bと合わせ
ましてえjxm3の方もですね
アップデートをしていただきましてえこの
機能ご活用いただければと思っており
ますえではここまででですねえ
コントローラー側の自動生成準備はできた
ということになりますのでえ最後ですねえ
ヒルのためのえハアモデルの方を準備して
いきたいと思い
ますえご覧いただいておりますのはえキド
でですねえ構築をされたえ3dのキド
モデルでございますけれどもえこちらを
ですねえ今回まトラボリンクの3D
アニメーションという製品の機能を使って
取り込んでいきたいと思い
ますえこちらえキドによってはですねえ
アンリアル等のアニメーションで使える
FBX形式の出力オプションがえアインえ
ま優勝のもので提供されているものござい
ますのでま今回はそういった機能を使って
FBX形式で出力をしてい
ますstl形式とはでも取り込めないと
いうことはないんですけれどもえFBX
形式で出力をしますとその後のですね3D
アニメーションの各種機能が使えますので
えこちらで今回はえ経由してえ取り込みを
行っています
え取り込んだものはですねえ簡単なえ環境
全体のですね空間の設定とえファイルの
取り込みのコードだけを記述するだけでえ
さとですね取り込んで可視化することが
でき
ますえシリンクのブロックでもですねこう
いった設定ができるものも提供されており
ますけれども後ほどこちらはですね
ロボットの取り込みの際にご覧いただき
ますがえ取り込んだものをですねえ
アンリアルのですねえ環境の中でえ表示を
するという技術がえシリン3D
アニメーションの中でえ提供させて
いただく機能となってござい
ます取り込んだものですけれどもFBX
景色ですとえ中のですね様々な機能を活用
いただけましてこちらはえ全部ですね外観
がこう追われてしまっているんですけれど
もえ一部ですね非表示にしたりですとかま
こういった機能も活用できる点がえFBX
形式特有の部分もあるかなと思ってござ
ございますえもちろんですねキドの設定
自体もですね影響受ける部分ございます
けれどもFBX形式でま取り込むという
ところが1つ大きなえポイントともなって
まいり
ますえそしてえ続きましてえ今度は
ロボットモデルですねえロボットモデルは
今度動きますのでえ性的なFBXとして
取り込むのではなくてえurdfファイル
というですね今ロボットメーカーから各社
からえ提供されているものですねえ
取り込む形でえ構築をしており
ますえ先ほどはマトラボのスクリプトで
ご覧いただきましたがえシミリンクの
ブロックでこちらはですね今ご覧いただい
ておりましてえurdfのファイルを
取り込んだ後にですね各間接軸の情報を
ですね与えるものを取り出しまして設定を
した状態で今え速度をですねこちらは入力
として与えるような構成をえさと構築をさ
せていただいており
ます実際今回はロボットだけを取り込んだ
え状況になってますけれども今ご覧
いただいておりますようにま肉だけの関節
をですね今ちょっと指令としては与えて
ますけれどもえ3dのアニメーション
そしてえ動作する環境をですねえシミ
リングとセットで簡単に構築をいただける
環境となってきてござい
ますえそれではえ最後ですね合わせまして
えPLCとお通信をさせですね実際の動作
確認検証環境をま一種のヒルという形でえ
構築をしておりますのでえ動画をご覧
いただきたいと思っており
ますえ今回はですね構成としましてはえ
PLCとの通信はえソケット通信えシミ
リンク側はですねudpの通信ブロックを
使っていますえそしてえ実際のPLCの中
の動作がですね確認しにくいところござい
ますのでえjxwのモニタ機能を使って
実際の動作もですねえ動画では確認をさせ
ていただいております
がえこちらがですね実際にまPLCとえ
ヒルズ相当のえまPCをですね接続をした
例ということでございますそしてもう1つ
モニターでえデバイスモニターの様子を
ですねえ今こちらを撮影しております
けれどもちょっとですねフォーカスがです
ねあのやけてしまってるところあって恐縮
ですけれどもえ実際にですね連携をさせて
え動作をしている様子ですですねえご覧
いただけるかなと思っており
ますデバイスもですねモニターしてますの
で数値が少し変わってるような様子もです
ねご覧いただけるかなと思っておるんです
けれどもま今回は非常にですね簡単なあの
作りをしましたのでちょっと
アニメーションもですねえカクカクした
ようなところが出てしまったりする部分も
ございますまこういった部分をですねもう
少しこう精度上げていったりですとか検証
できる内容をこう幅を広げていこうと思い
ますとやはりですねリアルタイム
ハードウェアの必要性といったとが出て
くるかなと思ってござい
ますえリアルタイムハードウェアについて
最後速をさせていただきますと現在ですね
スピードゴートというですねリアルタイム
ハードウェア産業用のプロトコルへの対応
もですね非常に幅広く今あえ開発をしてる
ところでございますまfpjボードなんか
を搭載しますとえすごく早いですねえ周期
にも対応することができますのでえ実際の
ですね開発ではえこういったリアルタイム
ハードウェアが非常にですね強力なえ
ツールとなってくるかなと思ってござい
ますえそれではですねえ最後に以上通して
まとめとさせていただきたいと思って
ござい
ますえ本日はですねえモデルベース
デザインの概念からご紹介をさせて
いただきましたえシミュレーションを活用
してえフロントローディング全体効率をを
改善する手法としてえ様々な業界でえ実績
がある手法でございますえまたですねえ
今回えAIキングやえPLC連携という
テーマに合わせましてえ最新の例題もご
紹介をさせていただきまし
たえ昨今のですねえ労働力不足等のえ背景
の中えこういったテーマは非常にですね
注目が集まっているものと感じております
けれどもまそういった開発の中でえモデル
デザイン活用いただきましてえ是非加速し
ていただければという風な思いでえ
セッションですねえお届けさせていただき
ましたえ本日の紹介はえ以上とさせて
いただきたいと思いますけれどもえ是非
ですねえこの後Q&Wayでも何らかご
質問ですとかはいえいただければと思って
ござい
ます
5.0 / 5 (0 votes)