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
00:01え本日のテーマはえモデルベースデザイン
00:04でえ次世代のロボット自動化設備開発を
00:07加速ということでえモデルベースデザイン
00:10そしてえAIピッキングそしてPLC連携
00:13といったテーマでご紹介を進めさせて
00:15いただきたいと思ってございますえですね
00:1940分弱を想定しておりますけれどもまた
00:21その後のQ&も含めてですねえお付き合い
00:23いただければと思ってございますどうぞ
00:25よろしくお願いいたし
00:28ますえそれではまずアジェンダですえまず
00:33はえ開発手法としてのモデルベース
00:35デザインの概要についてご紹介させて
00:38いただきつつえ本日紹介をえ当ててまいり
00:41ますえロボット自動化設備の特徴について
00:44も見てまいりたいとえ持ってござい
00:51ますえこちらはですねえ次世代のロボット
00:55自動化設備をイメージしたえ
00:57シミュレーションの動画でございますえ
01:00モデルベースデザインはえこのような
01:02シミュレーション環境を活用することでえ
01:06開発の効率化を実現する法として知られて
01:09い
01:09ますえシミュレーションの活用が開発の
01:13効率化に貢献する背景にはえ従来実機検証
01:16で把握していたような不具合そういった
01:19ものを設計の段階で把握をしてえ手戻りを
01:23削減する効果えこういったものが主な要素
01:25として考えられてい
01:28ますえこのようなモデルベースデザイン
01:32もしくはモデルベース開発と呼ばれる手法
01:35はえ自動車の設計開発では国内でもえ20
01:39年以上前から取り組まれてきた手法で
01:41ございますまたえその後ですね幅広い業界
01:45でえその業界の特徴に合わせて採用されて
01:48きた手法として理解をしており
01:50ますえでは本日フォーカスを当てさせて
01:54いただきます次世代のロボット自動化設備
01:57ではどのように考えることができる
01:59でしょう
02:03え自動化設備という点に注目をさせて
02:06いただきますとえ一般的な製品開発と比べ
02:09てえ大きく2つほどえ違いがあるのかなと
02:13いう風に考えており
02:14ますえ対象とするスケールが比較的大きい
02:18ことそして生産数がえ少ないケースが多い
02:21ことという2点を上げており
02:23ますえこちらはですね比較対象にもよる
02:26部分ございますけれどもえ自動化設備が
02:29扱う対象とえその自動化設備という関係性
02:32で見ていただけると少しイメージがして
02:35いただきやすいのかなと思っており
02:37ますえただですねもちろん大きな設備も
02:41小さな要素から成り立っておりますのでえ
02:44本日のご紹介も構成要素としてのこう
02:47ロボットえそしてえセル単位程度の
02:50シミュレーションまでをイメージしてご
02:52紹介をさせていただきたいと思ってござい
02:57ますえ本セミナーではは基本的な例題の
03:00紹介に動きを置かせていただきますけれど
03:03もより実践的なですね事例参照されたいと
03:06いう方々に向けましてはえこちらでですね
03:09え今回後のコンテンツご案内させて
03:11いただきますけれどもリンクでえ各種です
03:14ね事例ご覧いただけるかと思っております
03:17え国内ではえですねえトレ
03:19エンジニアリング様シウメカトロニクス様
03:21はめ多数事例いただいてございますえ
03:25ロボットを自動化設備と一口に言いまして
03:27も非常に幅広い意味合いございますのでえ
03:30よろしければですね弊社のサイトご参照
03:32いただきましてえ各種事例ご参照
03:34いただければと思っており
03:38ますえそれでは簡単ですがまずロボット
03:41自動化設備についてのイメージとさせて
03:44いただきましてここからもう少しですね
03:46モデルベースデザインの概要についてえご
03:49紹介移ってまいりたいと思い
03:54ますえモデルベースデザインは冒頭で
03:58申し上げましたようにえことで申し上げ
04:00ますとえシミュレーションを活用した開発
04:03の効率化の手法として知られております
04:05けれどもえ代表的なえ手法として開発の
04:09フェーズに応じてですね4つから5つほど
04:12のえ適用フェーズが知られていますえここ
04:15ではですねえそれぞれの手法についてまず
04:18おさいをさせていただきましてえその後
04:21少し具体的な適用例ということで
04:23ピッキングですとかえPLCの話題に移っ
04:26てまいり
04:28ます一度ですねそのフェーズを理解する
04:32ためにえ4つのこちらではえぞ登場人物を
04:36上げさせていただいており
04:38ますえ実環境としてえま制御対象そして
04:42制御装置ですねこちらの2つえそれぞれを
04:45仮想環境としてえ再演した場合こちらは
04:48モデルという名前で呼んでますがえ
04:50コントローラーモデルハードウェアモデル
04:52のこの4つのですねえ登場人物
04:55ですえではですねまず早速1つ目のMBD
05:00モデルベースのですねえ考え方えご紹介に
05:03移ってまいりたいと思いますけれどもえ1
05:06つ目はですねこちら仮想環境だけでえ
05:09どちらも再演をしてえ検証する手法として
05:12知られているえモデルインザループ
05:15シミュレーション頭文字を取ってえミルズ
05:18と呼ばれる手法でござい
05:21ますえこちらはですねえ実機がまずは完成
05:25する前のフェーズ1番初めのフェーズでえ
05:28実機レスで検証するということを想定した
05:30えフェーズかなという風に言え
05:36ますえ続いてえ制御対象はですねえもし
05:40時期が使えるという場合ではえどのような
05:43え手法が使えるかと言いますとえこちらは
05:46え新しい制御コントローラーを試したいと
05:48いうような前提で申し上げますとえ
05:51コントローラーモデルをそのまま時期と
05:53つなげて試験をするようなえRCPと呼ば
05:56れる手法が知られてい
05:58ます
06:01えコントローラーモデルをえリアルタイム
06:03で実行するためのリアルタイム
06:05ハードウェアですとかま実際のこのモデル
06:07をですね動かす環境としてはえ様々な装置
06:10が知られておりますけれどもまプロセスと
06:13しましてはこちらのラピッド
06:14コントローラープロタイプという工程が
06:16ですねえ大きく知られてござい
06:21ますえそしてさらにですねま工程が進み
06:25ましてえ先ほどのですねラピッド
06:27コントローラープロトタイプでは
06:29コントローラーの機能確認程度をちょっと
06:31想定をしていただければと思うんです
06:33けれどもえさらに機上で検証した
06:36コントローラーをですね実装用のまCです
06:38とかC+plusの言語にえコード生成を
06:41する自動コード生成をするという工程
06:44こちらがまPCGプロダクションコード
06:46ジェネレーションですとかオートコード
06:48ジェネレーションと呼ばれる工程です
06:49けれどもえこういった技術がえモデル
06:53ベースのえ開発では知られており
06:56ますえよりですね実行効率やメモリー効率
07:00を意識したコード開発をイメージして
07:02いただきましてまそういった工程でですね
07:04あの手作業でミス入りやすいえミスを提言
07:08できる技術としてこういった自動コード
07:10生成の技術というのも大きく取り上げられ
07:12てい
07:16ますえそしてえ制御装置制御対処共にえ
07:21完成フェーズに近づいた段階で利用される
07:23のがえ制御装置とハードウェアモデルの
07:26組み合わせ
07:28ですええ実際ですねハードウェアももう
07:30出来上がってきているような近いフェーズ
07:32でなぜハードウェアモデルを使うのかと
07:34いった観点で申し上げますとえ異常状態の
07:38試験ですとか実際の制御対象ではあ再現し
07:42にくい試験をですねえ仮想環境を使って
07:44代替をしようといったえコンセプトの工程
07:47でござい
07:49ますえ右下にシズヒズと記載をさせて
07:53いただいておりますけれどもまこの辺り
07:55ですね言葉の定義についてはややゆらぎも
07:57ございますけれどもえ実際のハードウェア
08:00のインターフェイスまでえしっかりとです
08:02ね模擬をして検証されるケースは比較的
08:04ヒルズと呼ばれるケースが多いかなと思っ
08:07ており
08:08ます一方でプログラムですね通信等だけで
08:11ですね簡単にこう模擬してしまうですとか
08:14まそういったケースではまシルズと呼ば
08:16れるケースもございましてまこの辺りは
08:18実際の実現方法もですね低と感が各種
08:20ございますので大きくはまヒルズとシルズ
08:23というイメージでえ捉えていただければと
08:26思ってござい
08:28ます
08:30え以上簡単ではございますがえモデル
08:32ベースデザインの概要おさいに変えさせて
08:34いただきましてえ本日ですねえこれらの4
08:38つの工程に比較的こう近いイメージでええ
08:41前半AIピッキングですとかま後半でです
08:44ねえ自動化設備のPLC連携といった
08:48テーマでご紹介させていただく予定で
08:50ござい
08:55ますえここまでですね少し開発フェーズに
08:58応じたとということでえご紹介をさせて
09:01いただきましたがもう少しこう左から右に
09:04ですね開発の工程が映っていくような絵で
09:06照らし合わせますとまこういったような図
09:08が書けるケースあるかと思いますえ改めて
09:11こちらについてあのご紹介はえさせて
09:13いただく時間はですね本日はちょっと取れ
09:15ないかなと思ってるんですけれどもえ
09:17こちらもですねあのお理解の参考になり
09:20ましたら幸いかなと思っており
09:24ますえそれではえここからはえテーマとし
09:28てげいたいておりますえモデルベース適
09:32用例といたしましてえロボットアームに
09:35よるAIピッキングそしてえPLC連携の
09:38話題をそれぞれご紹介させていただきたい
09:40と思っており
09:43ますえイメージといたしましてはまAI
09:46ピッキングですねえ比較的まシステムのえ
09:49前半でええ検討するための活用のイメージ
09:53そしてえBLC連携がま高段というような
09:56ぐらいのイメージで捉えていただければと
09:58思います
10:03えそれではまずですねえロボットアームの
10:06AIピッキング開発について紹介をさせて
10:08いただきますけれど
10:11もまずご覧いただきますこちらのスライド
10:14ですねえ2023Bのバージョンマトラを
10:18ですねえ9月にリリースをさせていただき
10:21ましたけれどもえこちらのですねえ
10:23ロボティックスシステムツールボックスと
10:25いったツールボックスに搭載された新しい
10:28ワークフローの例題となってござい
10:31ますAIピッキングと呼べるカテゴリーで
10:34はおそらくですねこの2つがえ新規に登録
10:36をされた例題かなと思っておりますけれど
10:39もえ本日はえ左側のですねえPVC
10:43プラスチックのえパイプのですね次手を
10:45こうピッキングするような例題を取り上げ
10:47ていきたいと思っており
10:50ますただ右側のですねこちらのえ果物を
10:54出格するようなですねちょっと木が小さい
10:56かなという感覚はありますけれどもこちら
10:58の例題も非常にですね興味深い内容となっ
11:00ておりますので是非ですねご興味の方ご
11:03参照いただければと思っており
11:07ますえではですね早速AIピッキングの
11:11話題に入ってまりたいと思いますけれども
11:14ある程度少し構成要素をですねクリアに
11:16ここで一応整理させていただきたいと思い
11:20ますAIと言いますといろんなこうAIの
11:23考え方あるかと思うんですけれどもAI
11:25ピッキングの要素えま人がですねま作業し
11:28ていたものをまええロボットアームで自動
11:30化するというようなあのイメージのAI
11:32ピッキングになるかと思いますがこちらの
11:34構成要素を少しこちらの図でイメージして
11:36いただきたいと思い
11:39ますえまずはえこちらもですね図が
11:42たくさんございますので左上から少し見て
11:44参りたいと思いますけれどもえ人がですね
11:48こうある程度こう作業することをイメージ
11:50しますとまず何をこうピッキングですので
11:52掴もうかなということである程度まタスク
11:56と言いましてもえ整理をしていく必要が
11:58あるかなと思います
12:00えそういったタスクをですねまず整理する
12:02のがタスクプランニングの部分でま
12:03プログラムで構成されるものと思って
12:06くださいえそしてえ次にですね何かをこう
12:10ピッキングですので恥をしに行こうという
12:12ことになりますのでえ認識のアルゴリズム
12:15がえ必要となってき
12:18ますえそしてえ認識ができたとなりまし
12:21たらえそれを掴みに行くというのが次の
12:24工程になりますけれどもえ掴みに行く際も
12:27ですね何かこう周りの障物にぶつかって
12:30しまうようではえ問題がえ発生してしまい
12:32ますのでえ経路の探索ということを行い
12:36ますまその際にですね出てくるのは干渉し
12:39するかしないかということでま干渉して
12:41しまいそうな場合は別の経路を探索すると
12:44いうことでえ合わせましてえ左下のパス
12:47プランニングのプロセスということになり
12:52ますえそしてさらにですねえじゃあ経路が
12:55できたからその通りに動けばいいかという
12:57ことになりますとえ実際に動かそうと思い
13:00ますと滑らかに動くのかカクカク動くのか
13:03でもですねえその中間経路でぶつかる
13:05ぶつからないというような話も出てきて
13:07しまいますのでえもう1歩時間的なえ起動
13:11計画といった要素が入ってまいり
13:14ますえそこにですねま無制度も要求される
13:18もようなものではさらに制御の無雑なこう
13:20制度のいいですね制御といったものが入っ
13:23てまいりまして各モーター
13:25アクチュエーターの制御へと移っていくと
13:27いう構成でございます
13:31えそしてえ1番右下に書いておりますのは
13:33もう一度干渉チェックの話題が出てきて
13:35おりますけれどもえこちらはえ昨今ですね
13:39あの導入も広がっております共同ロボット
13:42のような要素ではえ動いた途中で障害物が
13:45こう入ってくるというケースもございます
13:47のでえそういったえ途中で干渉判定
13:51チェックをするようなえシステムも必要に
13:54なるというようなイメージでご理解
13:55いただければと思い
13:58ますまタスクが完了しましたらですねまた
14:01上位のアルゴリズムからタスクプラングに
14:03もう1度入っていくという構成になります
14:05のでえトータルでご覧いただいてるような
14:08構成でえいわゆるAIピッキングの
14:10システムが成り立っているものと思い
14:14ますえマトラボ趣味リンクはですねえこの
14:17全ての要素を開発する検討するためのえ
14:20プラットフォームとしてえ様々なツール
14:23機能提供させていただいておりますけれど
14:25もえ本日はですねまAIピッキングという
14:29ですねキーワードもございますのでえ
14:32まさにこのAIピッキングという観点では
14:34注目ポイントでもありますえ認識及びま
14:38計画判断の部分にですね注目をいたしまし
14:41てえご紹介を進めてまいりたいと思って
14:44おり
14:46ますさらにまずはですねそのアルゴリズム
14:49について簡単に解説をさせていただきます
14:51けれどもえアルゴリズムについて理解を
14:53深めた上でなぜマトラボを活用した効果
14:56開発が効率的なのかえまたえモデルベース
14:59デザインとの関係についてもえ触れて参り
15:02たいとえ思い
15:06ますえではですねまずこちらはえ
15:10アルゴリズムについて見てまいりたいとえ
15:12思いますえこちらのですねスライドはえ
15:16先ほどの例題のドキュメントからまさに
15:18ですね認識の部分をまずはピックアップさ
15:21せていただいているスライドでござい
15:24ますAIのピッキングではえ画像と天狗
15:28両方を使うケースが多いんですけれどもえ
15:31こちらのですね左側の写真の方もですねえ
15:34こちらのトレーの上の方にえ画像をと天狗
15:37を取れるですねカメラが付いているという
15:40ことでござい
15:41ますではえアルゴリズムですけれどもえ
15:45右側のフローになってまいり
15:48ますえまずは画像ですえ画像はですね物体
15:52に意識をさせるということですとま近年は
15:55ディープラーニングの手法がもう主流に
15:56なってきているかなと思いますもちろん
15:59ですねえま色で認識をさせたりですとかま
16:01そういった方法もございますのでえ必ず
16:04しもうというわけではございませんがま
16:05今回のこの例題はですねえディープ
16:07ラーニングを使ってござい
16:09ますえそしてディープラーニング使う場合
16:13はえ絶対端する認識する対象に応じてです
16:16ねえ再学習定義学習が必要となりますし
16:20またえ光の加減ですとか実際のものの写り
16:23方の加減でですね検出制度変わってくる
16:25部分ございますのでまそういった部分も
16:28含めましてえ再学習こういったことを実施
16:31するレダスクリプトがご用意させて
16:33いただいており
16:37ますえそしてえ次は天軍の領域ですえ天軍
16:42の処理はえどういったことをするかと
16:44申し上げますとえまずですねま天軍の
16:47カメラにもいろんなものが映りますのでえ
16:49今回トレンの中に入っているものだけを
16:51抽出すれば良いということである程度まず
16:54はですね領域をえ区切っていき
16:57ます
16:59えそして天狗情報ですけれどもえそもそも
17:02の情報量が多いということもありましてえ
17:05計算の演算のですね処理負荷を下げると
17:08いう観点でも認識した部分物体認識をした
17:11画像で認識をした部分だけを抽出してえ
17:14そういった部分をですねえま点抽出してえ
17:17今度はえ端点のえ算出へと使っていくと
17:21いうこと
17:22で一通りのAIピッキングのまず基本的な
17:26ですねアルゴリズムの流れをですねえ示し
17:29たものとなってござい
17:34ますえさて次にですねマトラボを利用する
17:38メリットについてここで少しえ解説をさせ
17:40ていただきたいと思い
17:42ますえまずまモデルベスデザインという
17:45観点で申し上げますとえロボットの
17:47ハードウェアをですね購入する前からある
17:49程度検出できる環境という意味ではま
17:51マトラボシリンクを使ったこう
17:52シミュレーションの環境自体がですね非常
17:55にメリットが出てくる部分かなと思って
17:57ございます
17:59えまたですねこちらの例題ではえ仮想環境
18:03として構築をされたえガゼボの環境からえ
18:07ロス経由で画像を取得しましてえそして
18:10転移学習そして天軍データと合わせて性
18:13推計するまでの一通りのえ体験を
18:16いただけるスクリプトがえご用意させて
18:18いただいてる構成となってい
18:21ますえこちらの例題ではえガゼボの環境
18:25ですとかまロスを使っているということも
18:27ございますけれどもえ環境構築が必要に
18:30なるかなと思いますがえスワッがですねえ
18:33提供する環境にはこのガゼボートロスと
18:36さらにはこのロボットが含まれた
18:37プロジェクトをですね搭載したえ分子の
18:40イメージを提供してる部分ございますので
18:42えこちらをですね使っていただくとすぐに
18:45ですね環境構築始めていただけるまも
18:47出来上がっているものが利用いただけると
18:49いったメリットもござい
18:52ますえ逆にですねこれを1から本当に
18:55作ろうという風に思いますとえ環境構築え
18:58ロボに成通した専門のエンジニアが対応
19:00する必要がある領域にもなってくるかなと
19:03思い
19:04ますえさらにはですねえディープ
19:07ラーニングもですね神々発展してござい
19:09ますのでライブラリーを活用しようと思い
19:12ますとバージョンのえ何かこうえ成功が
19:15ですねえずれないようにしなければいけ
19:17ないですとか様々え検討項目も出てくる
19:20可能性がござい
19:22ますまそういった観点からもですねえ
19:25マトラボを活用いただくとある程度ま基本
19:28をですね習得をしながらえ初心者からでも
19:31開発に着手していただけるという意味でえ
19:34このですねえIピッキングのテーマに関し
19:37てもですね非常に幅広い方々にえスタート
19:40をしていただける環境かなという風に思っ
19:42ており
19:44ますえもちろんですねあのもっと専門的な
19:48ことをやられている方々向けにもお使い
19:50いただけるという意味ではえR2023B
19:54でですねロス2のハンブルハウクビルの
19:57環境にもえ対応してきてございますえまた
20:00ですねえビジョントランスフォーマーの
20:02ようなえ画像認識のディプラーニングの
20:04手法にもですねえ対応したような例題も
20:07同行されてきてございますのでえもしです
20:09ねえこういった観点ご興味ある方ござい
20:12ましたらえお参しいただければと思って
20:14ござい
20:18ますえさてレダに戻りましてえもう少し
20:22ですね先ほど直方体の簡単な例題でしたの
20:24でえ今回このプラスチックの次てですね
20:27ここにど対応していくかという意味では
20:30実際のスクリプトですねえごご参照
20:33いただけるものがござい
20:36ますえそれぞれの工程でえまずですねえ
20:39天軍の取得正解データと比較をしながら
20:42ですね正推定をして最終的にこう恥をして
20:45いくところまでといった流れをですねご
20:48紹介しているものになりますけれどもえ
20:51非常にですね丁寧に解説スクリプトを書い
20:54てございますのでえ非常にですねえ始め
20:56やすいスクリプトええ例題になっているか
20:59なと思いますまたえプログラミング自体に
21:02抵抗があるよという方に向けましてはえ
21:05近年はですねえアプリという形でえロー
21:08コードの開発にも力を入れてまいりました
21:11けれどもま一方でえ近年はですねえこ最近
21:15はチャットGPTというものも登場して
21:17ございますのでえプログラミング自体の
21:20ハードルも大きく下がったようには感じて
21:22ございますえマトラボの場合はですね
21:26すでに動作するプログラムございますので
21:28えスクリプトの丁寧な解説をさらにですね
21:31あのチャットGPTにお願いするなんて
21:33いう使い方もえ可能性としてはえあるのか
21:35なと思ってござい
21:39ますえまたですねあのチットPGPTと
21:43いう関連の話題ではえマトラボからですね
21:45チャットGPTをこう呼び出して
21:47シームレスにこう利用してみるというよう
21:48なトライもえ社側でも行っておりますえ
21:52実際にそういったですねAPIを呼び出す
21:54コードサンプルというものをですね
21:56ファイルエクスチェンジという弊社のです
21:57ねプラットフォームで提供開始てござい
22:00ますのでえ是非ご興味の方はですねこちら
22:04もご参照いただければと思ってござい
22:10ますえさてここまでですね
22:13シミュレーションの話題を中心にお話をさ
22:15せていただいたんですけれども最終的に
22:17シミュレーションだけでは実機合わないん
22:19ではないかというご心配される方も
22:21いらっしゃるかと思いますえ実際ですね
22:24あの閉鎖の日本オフィスでもこの辺り確認
22:26をしてございましてでこちらはですね
22:28ガゼボではなくてアンリアルという環境え
22:31後半で少しご紹介させていただくえ
22:33アンリアルとの連携機能なんかを使って
22:35確認をしている内容ですけれどもえこちら
22:39を使いましてえシミュレーションの内容と
22:42実際の時期とのコリレーションといった
22:44ところも取ってござい
22:45ますまこのようにですねプロトタイピング
22:48からえだんだんとこう実機の環境へと移行
22:51していくという概念はえモデルベースのえ
22:53元々の考え方に非常に近いところがえある
22:56かと思っておりますまAIピッキングの中
23:00では必ずしもこうモデルベースという
23:01テーマであの議論されることはないかと
23:03思うんですけれどもまこういった
23:05シミュレーションと時期を組み合わせて
23:07活用する様々な手法えこういったところに
23:10あの効率感の余地がまだえあるのではない
23:12かなと考えており
23:18ますえではですねAIピッキングのテーマ
23:21え最後に少しだけえ起動生成え機動計画の
23:25話題もですね不足させていただきたいと
23:27思います
23:29えこれまでですねえご紹介させていただい
23:32た機能に加えましてえ干渉回避機動の生成
23:36に関しましても2023ABBで機能改善
23:39え注目の機能が搭載されてきてござい
23:42ますえ左側の2つですねこちら上げさせて
23:45いただいておりますのはえ突形状のえええ
23:51え大形状の突形状近事ですね方形状え分割
23:54近事という機能なんですけれどもこちらの
23:57機能ですとかえのロボットのですねえ
23:59カプセル9と遠投への禁止モデルのえ
24:02置き換えという機能が出てきてるんです
24:04けれどもえこの辺りですねうまく活用
24:07いただけますとえ干渉判定がすごくこう
24:10早くなるといったえそれぞれ機能となって
24:12おり
24:13ますまこれまでのですね機能制約にあった
24:16部分もえ解消されてよりですね使いやすい
24:19え干渉回避動の生成機能となってきて
24:22ござい
24:24ますえ実際にですね複雑なこう干渉物を
24:27こうする機動として例えばですけれども
24:30長いこう棒のようなものをですね何かこう
24:33小さなこう枠の中を通さなければいけない
24:35ようなシーンでもお活用いただけるのかな
24:37というような思いでござい
24:40ますえそしてですねこちらえ実際の
24:44デモンストレーションでございますけれど
24:46もえ社でも各イベントであのご案内させて
24:48いただいておりますが実際のこういったえ
24:51プラスチックのですねえパーツをえ整理
24:53するデモンストレーションえアルゴリズム
24:56はまPC上でえ認識のアルゴなんかを動作
24:59させていますけれどもいわゆるまRCPの
25:01環境に近いような構成でえすぐにですね
25:04捉えいただけるという点がえ特徴かなと
25:07思っており
25:10ますえそれではえ以上ですねAI
25:14ピッキングのテーマご紹介に変えさせて
25:16いただきますがえよりですねこうAIに
25:19もうちょっと尖った内容をですねえ勉強し
25:21たいもしくは知りたいという方はえ今
25:23YouTubeの方でも各種ウェビナーえ
25:25ご紹介させていただいておりますのでえご
25:28参照いただければと思い
25:33ますえそれでは続きましてえPLCとの
25:38連携をテーマにえ自動コード生成そして
25:42ヒルズに関して少しご紹介に移ってまり
25:44たいと思い
25:46ますえこちらもですねえ冒頭ご紹介させて
25:50いただきましたえ自動化設備のイメージを
25:52例題としたですね新しい例題がR2023
25:56BでえPLCコーダーというですねえ製品
25:59の中にも同音されてまいりまし
26:02たまずですね改めてこちら動画ご覧
26:05いただきたいと思いますけれどもこちらの
26:083dのアニメーション自体もまトラボシミ
26:11リンクま裏でですねアンリアルが動くよう
26:13な環境になっておりますけれどもの製品の
26:15中でですねえ構築をした例題となってい
26:19ますえこちらの右側のロボットではえ
26:22カップをですねシャトルに乗せるといった
26:24作業をえしておりますえそして真ん中には
26:28ですねシャトルが配置されておりましてま
26:31こちらのですねシャトルでえ運んでいき
26:34ましてカップ運んでいきましてえ左側の
26:36ロボットでボールをですね搭載をして最後
26:39えベルトコンベアのようなところに載せ
26:41まして排出をするという一連の工程になっ
26:43てい
26:45ますえこちらのですね自動化設備を例にえ
26:49モデルベースのえ自動コド生成とヒルに
26:52ついてえご紹介を進めさせていただきたい
26:55と思っており
26:57ます
27:00え機械的な要素はえ先にご覧いただいた
27:03通りの構成でございますけれどもえシミ
27:06リンクのモデルという感じ観点でですね
27:08こちらのご覧いただいておりますのがま
27:10ミルズの構成と思っていただければと思い
27:12ますけれどもえコントローラー要素え
27:15そしてえ機械はえ基本的にはPLCに出走
27:19されるような上位
27:21コントローラーえそしてえもう少しですね
27:24詳細な部分に関しましてはえモーション
27:27コントローラーと呼ばれる
27:28要素が入ってくるかと思いますけれどもえ
27:30シャトルやまロボットのコントローラーが
27:32え相当するものこちらは少し西用的には
27:35早いものになるかと思い
27:38ますえそしてえもう1つですねえミルズと
27:42いたしましては先ほどご覧いただきました
27:44え3dのアニメーションの要素も含まれて
27:46ござい
27:48ますえヒルズの構成を実現する際にはです
27:52ね下にえ記載をさせていただきましたよう
27:54な実際にまPLCにコードを書き込んでえ
27:58それに対してえシミュレーションをする
28:00ようなまスピード強盗と呼ばれてるような
28:02リアルタイムハードでPLCのカウンター
28:05パートを模擬していくという構成が一般的
28:07な構成となり
28:11ますまこのですねモーション
28:13コントローラーの部分はえもちろんあの
28:15ユニットとして搭載をされているケースも
28:17あるかと思いますのでまそういった場合は
28:19えモーションコントローラーに対してその
28:21先に繋がる部分をリアルタイムハードで
28:24模擬するということでまヒルズの構成と
28:26一口にですね申し上げますても様々な構成
28:29がござい
28:31ますま本日はですねより簡単なですねあの
28:34動作のイメージをご理解いただくという
28:36意味でもう少し簡単な構成を取らせて
28:38いただきましたえ上位のコントローラーは
28:42え同様にですねえPLCコーダという製品
28:45でPLCに実装する自動コード生成の工程
28:47ご覧いただきますけれどもえ合わせまして
28:50え猛暑コントローラーですとかえその他の
28:53プラント部分はPCの上で全て動作をさ
28:55せる構成を取っており
28:57ますまそうしますとちょっとですね実行の
29:00速度的な面でえやはり課題は出てきますの
29:02でえ仮にですね今回はコントローラーの
29:05制御集金これを送らせるような形でえ検証
29:08環境のえ動作確認えご覧をいただきたいと
29:11思っており
29:16ますえでは実際にですねご覧いただく自動
29:20コード生成ですけれどもえSIMリンク
29:23PLCコーダという製品を使ってえ今回え
29:26ご覧をいただきます
29:28えPLC向けにはですねSTコードを生成
29:31するということでえご覧いただいており
29:33ますように各社えメーカーのですねえ
29:35PLCに対応してございますえそして国内
29:40向けに関しましてはえ三菱電気様のですね
29:43jxw3に対応したというのが非常に
29:46大きな2023Bでのアップデートで
29:48ございますのでまこちらのですね機能を
29:51本日はえ中心にご紹介させていただき
29:57ます実際にですねコード生成して取り込む
29:59というのはですねパッとこうできてしまう
30:01んですけれどもただあの問題なく動いて
30:03いることがですねあの確認できないとえ
30:06ちょっとですねあの見ていてよくわから
30:07ないかなという風に思い
30:09ますで実際にですねあのそういったえ問題
30:13もですね課題が発生するケースございます
30:15のでえSIMリンクPLCコーダーは単純
30:18にですねソフテアモデルを実装するだけで
30:20はございませんでえ関連の
30:23シミュレーション上で実際にですね入力を
30:25与えた時に出てきた出力とえPLCに実装
30:30した時に同じ入力を与えて同じ結果が得
30:33られるのかという検証環境これをえテスト
30:36ベンチと呼んでおりますけれどもこの
30:38テストベンチの機能を持ったえ
30:40ファンクションブロックを一緒にですね
30:42コード生成をして実行できるこういった
30:45機能をですね備えてござい
30:48ますえですのでま今回ですねこちらの
30:51テストベンチのえ機能も交えましてえ実際
30:55にデモンストレーションをご覧いただき
30:56たいと思います
31:01え先ほどはですね非常にシンプルな構成で
31:043つぐらいの構成でちょっとご紹介させて
31:06いただいてましたがえこちらが実際実装
31:08するモデルでございますえ対応のPLC
31:11ベンダーをですね設定をしましてテスト
31:13ベンチコード生成の設定までいたしました
31:15えコントローラーもですねシャトルが1個
31:181個こう動かすためのコントローラーも
31:19入ってますのでえちょっとですね規模感と
31:21しては大きなものになっておりますけれど
31:23もまステートフローで実装されたえ例題と
31:27なっています
31:30ますえ今回テストベンチも一緒に生成し
31:33ますので今何が起きてるかと言いますと
31:35シミュレーションをですね実回1回ですね
31:38実行しておりましてその中で得られた入力
31:41と出力の次もですね一緒に行動生成をして
31:44いるという状況でござい
31:46ますですので自警率のデータですとかも
31:48入っておりますしまたですね行動生成の
31:51機能自体は自体のモデルとのリンクを取る
31:54機能なんかもございますので今ご覧
31:56いただきましたのはごめで実際にどの
31:58コードがどこのえ処理にえ対応しているか
32:02という確認をさせていただいた部分で
32:04ござい
32:05ますえちょっとですね動画が早い部分
32:08ございますけれども今ですね今度生成され
32:11た行動をですねえgxwの方に取り込んで
32:14いる工程でござい
32:16ますえ今回はですねえま特にラダーデスク
32:20の部分が含まれないということもありまし
32:22てSTのプロジェクトを使わせていただい
32:24ておりますけれどもえどのプロジェクトで
32:26も基本的にファンクションブロックという
32:28形で取り込まれ
32:30ますでこちらはですねテストベンチコード
32:33の一部になるんですけれどもえチャートと
32:36いうですねえ関数ファンクションブロック
32:38をテストベンチコードの中ではえコールを
32:40しまして実際にえ入力を与えましてえ検証
32:44を行っていくファンクションブロックと
32:46なってい
32:49ますえこちらですねえ実際に後ほどえ動作
32:54をさせた結果もですねご覧いただきたいと
32:56思っておりますけれどもえあえちょっと
32:59動画がですね飛んでしまいましたけれども
33:01実際に各出力をですね検証する
33:03シミュレーションもですね行ってござい
33:05ましてますぐにあの行えますのはこちらえ
33:09シミュレーションの機能ですねgxwでも
33:11搭載されておりますのでまこちらの機能を
33:14使ってテストベンチコードをえバッとこう
33:16回しましてえ全サイクルで差分が発生して
33:19いないことを確認するというステップがえ
33:21確認え取っていただけるようになっており
33:26ますえ画面の方がですねえこちら最終的な
33:29検証を行った結果でございましてえ10
33:33秒間のシミュレーション0.1秒刻みでえ
33:35実行してますのでえ全体で101ステップ
33:38あるんですけれどもえ101ステップ全体
33:40通してですねえ差分が発生しないことを
33:43確認したという結果となってござい
33:47ますえ今回ご紹介をさせていただきました
33:51えこちらのえgxwへの取り込みの機能
33:54ですけれどもこちらはですね一様のになっ
33:58ておりますがえgxw3の最新の
34:01バージョンこの10月にリリースされたえ
34:03アップデートでえ追加のプログラムがです
34:06ねアップデートが提供されてございますの
34:08でま弊社のマラボR2023Bと合わせ
34:12ましてえjxm3の方もですね
34:15アップデートをしていただきましてえこの
34:17機能ご活用いただければと思っており
34:22ますえではここまででですねえ
34:26コントローラー側の自動生成準備はできた
34:28ということになりますのでえ最後ですねえ
34:32ヒルのためのえハアモデルの方を準備して
34:36いきたいと思い
34:39ますえご覧いただいておりますのはえキド
34:43でですねえ構築をされたえ3dのキド
34:47モデルでございますけれどもえこちらを
34:49ですねえ今回まトラボリンクの3D
34:52アニメーションという製品の機能を使って
34:54取り込んでいきたいと思い
34:56ますえこちらえキドによってはですねえ
35:00アンリアル等のアニメーションで使える
35:01FBX形式の出力オプションがえアインえ
35:05ま優勝のもので提供されているものござい
35:07ますのでま今回はそういった機能を使って
35:09FBX形式で出力をしてい
35:13ますstl形式とはでも取り込めないと
35:16いうことはないんですけれどもえFBX
35:18形式で出力をしますとその後のですね3D
35:21アニメーションの各種機能が使えますので
35:23えこちらで今回はえ経由してえ取り込みを
35:26行っています
35:30え取り込んだものはですねえ簡単なえ環境
35:33全体のですね空間の設定とえファイルの
35:36取り込みのコードだけを記述するだけでえ
35:38さとですね取り込んで可視化することが
35:40でき
35:42ますえシリンクのブロックでもですねこう
35:45いった設定ができるものも提供されており
35:47ますけれども後ほどこちらはですね
35:49ロボットの取り込みの際にご覧いただき
35:51ますがえ取り込んだものをですねえ
35:54アンリアルのですねえ環境の中でえ表示を
35:58するという技術がえシリン3D
36:00アニメーションの中でえ提供させて
36:02いただく機能となってござい
36:09ます取り込んだものですけれどもFBX
36:12景色ですとえ中のですね様々な機能を活用
36:15いただけましてこちらはえ全部ですね外観
36:18がこう追われてしまっているんですけれど
36:20もえ一部ですね非表示にしたりですとかま
36:22こういった機能も活用できる点がえFBX
36:25形式特有の部分もあるかなと思ってござ
36:27ございますえもちろんですねキドの設定
36:29自体もですね影響受ける部分ございます
36:31けれどもFBX形式でま取り込むという
36:34ところが1つ大きなえポイントともなって
36:37まいり
36:41ますえそしてえ続きましてえ今度は
36:45ロボットモデルですねえロボットモデルは
36:47今度動きますのでえ性的なFBXとして
36:50取り込むのではなくてえurdfファイル
36:53というですね今ロボットメーカーから各社
36:55からえ提供されているものですねえ
36:58取り込む形でえ構築をしており
37:01ますえ先ほどはマトラボのスクリプトで
37:04ご覧いただきましたがえシミリンクの
37:06ブロックでこちらはですね今ご覧いただい
37:08ておりましてえurdfのファイルを
37:11取り込んだ後にですね各間接軸の情報を
37:14ですね与えるものを取り出しまして設定を
37:16した状態で今え速度をですねこちらは入力
37:19として与えるような構成をえさと構築をさ
37:22せていただいており
37:26ます実際今回はロボットだけを取り込んだ
37:29え状況になってますけれども今ご覧
37:31いただいておりますようにま肉だけの関節
37:33をですね今ちょっと指令としては与えて
37:35ますけれどもえ3dのアニメーション
37:38そしてえ動作する環境をですねえシミ
37:41リングとセットで簡単に構築をいただける
37:44環境となってきてござい
37:50ますえそれではえ最後ですね合わせまして
37:55えPLCとお通信をさせですね実際の動作
37:59確認検証環境をま一種のヒルという形でえ
38:03構築をしておりますのでえ動画をご覧
38:06いただきたいと思っており
38:08ますえ今回はですね構成としましてはえ
38:12PLCとの通信はえソケット通信えシミ
38:16リンク側はですねudpの通信ブロックを
38:18使っていますえそしてえ実際のPLCの中
38:22の動作がですね確認しにくいところござい
38:25ますのでえjxwのモニタ機能を使って
38:28実際の動作もですねえ動画では確認をさせ
38:31ていただいております
38:33がえこちらがですね実際にまPLCとえ
38:37ヒルズ相当のえまPCをですね接続をした
38:41例ということでございますそしてもう1つ
38:43モニターでえデバイスモニターの様子を
38:46ですねえ今こちらを撮影しております
38:48けれどもちょっとですねフォーカスがです
38:50ねあのやけてしまってるところあって恐縮
38:53ですけれどもえ実際にですね連携をさせて
38:56え動作をしている様子ですですねえご覧
38:58いただけるかなと思っており
39:00ますデバイスもですねモニターしてますの
39:03で数値が少し変わってるような様子もです
39:05ねご覧いただけるかなと思っておるんです
39:07けれどもま今回は非常にですね簡単なあの
39:11作りをしましたのでちょっと
39:12アニメーションもですねえカクカクした
39:14ようなところが出てしまったりする部分も
39:16ございますまこういった部分をですねもう
39:19少しこう精度上げていったりですとか検証
39:21できる内容をこう幅を広げていこうと思い
39:23ますとやはりですねリアルタイム
39:25ハードウェアの必要性といったとが出て
39:28くるかなと思ってござい
39:32ますえリアルタイムハードウェアについて
39:36最後速をさせていただきますと現在ですね
39:38スピードゴートというですねリアルタイム
39:41ハードウェア産業用のプロトコルへの対応
39:43もですね非常に幅広く今あえ開発をしてる
39:47ところでございますまfpjボードなんか
39:50を搭載しますとえすごく早いですねえ周期
39:53にも対応することができますのでえ実際の
39:56ですね開発ではえこういったリアルタイム
39:58ハードウェアが非常にですね強力なえ
40:00ツールとなってくるかなと思ってござい
40:07ますえそれではですねえ最後に以上通して
40:11まとめとさせていただきたいと思って
40:13ござい
40:15ますえ本日はですねえモデルベース
40:19デザインの概念からご紹介をさせて
40:21いただきましたえシミュレーションを活用
40:24してえフロントローディング全体効率をを
40:27改善する手法としてえ様々な業界でえ実績
40:31がある手法でございますえまたですねえ
40:35今回えAIキングやえPLC連携という
40:39テーマに合わせましてえ最新の例題もご
40:42紹介をさせていただきまし
40:45たえ昨今のですねえ労働力不足等のえ背景
40:49の中えこういったテーマは非常にですね
40:51注目が集まっているものと感じております
40:53けれどもまそういった開発の中でえモデル
40:57デザイン活用いただきましてえ是非加速し
41:00ていただければという風な思いでえ
41:02セッションですねえお届けさせていただき
41:04ましたえ本日の紹介はえ以上とさせて
41:07いただきたいと思いますけれどもえ是非
41:10ですねえこの後Q&Wayでも何らかご
41:12質問ですとかはいえいただければと思って
41:15ござい
41:16ます
Browse More Related Video
5.0 / 5 (0 votes)
