ロボットのトルクアプリケーション用OEMセンサー ロボットのトルクアプリケーション用OEMセンサー | HBM

ロボットおよびCobotic OEM向けカスタムセンサアセンブリ/力覚センサ

ロボット工学では、制御機能が効果的に働くようにデータを調整することが重要な課題の一つです。 HBKは、トルク、力、質量、圧力などを測定するセンサーを得意としています。 加速度、接触、距離、ジャイロスコープ、湿度、慣性、光、ナビゲーション、位置、圧力、近接、音、温度、傾斜、電圧など、その他のデータ次元が関係していることも分かっています。

課題

私たちはなぜロボットを使うのでしょうか。 いろいろな理由が思い浮かびますが、 作業、環境、生産性、経済性に分類されるでしょう。

繰り返しが多く、退屈な作業があります。 ホイールナットの締め付けは、自動車の生産ラインでは欠かせない作業かもしれませんが、「充実したキャリアオプション」に分類される作業ではありません。 その一方で、複雑で難しい作業もあります。 しかし、そこに「繰り返し」という要素が加わると、またフラストレーションが溜まってしまうのです。 機械加工やフライス加工のような繰り返しの作業はCNCマシンに任せ、人間の想像力を自由に働かせて、新しいアイデアを試してみるのはどうでしょう。

人が不快に感じる職場環境もたくさんあります。 例えば、暑さや寒さ、湿度や乾燥、騒音や振動が激しい場所などです。 塗装ブース、原子炉、火山、極地など、固有の健康リスクをもたらす環境もあります。 

 

 

さらに、鉱山、深海作業、高所、宇宙空間など、まさに危険な作業環境もあります。 命や手足を危険にさらすのではなく、そのような環境に対応するロボットを作ればいいのです。

生産性は、ロボットを使う大きな理由です。 機械は人間よりも速く、正確に、一貫性をもって仕事をこなすことができます。 また、ダウンタイムも少なくて済みます。 これらを総合すると、ロボットを導入する経済的なメリットは大きいのです。 人がやりたがらない仕事をし、所有や運用にかかるコストよりも大きな価値を生み出すロボットは、社会にとって有益な存在です。

そしてもうひとつ、ロボットがあるのは人間の好奇心が挙げられるでしょう。 単純な動機ですが、高度な問題に対するエレガントな解決策をデザインすることに大きな喜びを感じている人々もいるのです。

現在のロボットは、コンピュータサイエンスとエンジニアリングが融合したものです。センサーは環境データを収集し、制御プログラムはロボットがいつどのように行動するかを決定し、アクチュエータは動作を実行し、センサーは相互作用するデータを収集し、制御プログラムにリアルタイムでフィードバックします。

「センサーがデータを収集する」という一見単純な言葉には、非常に複雑な要素が隠されているのです。 それぞれのセンサーは、設計された信号を確実かつ正確に観測する必要があります。 しかし、制御アルゴリズムは1つのデータだけでは成り立りません。複数の信号を実用的なデータに変換し、コントローラーに転送する必要があります。 HBKは、トルク、力、質量、圧力などを測定するセンサーを得意としています。 加速度、接触、距離、ジャイロスコープ、湿度、慣性、光、ナビゲーション、位置、圧力、近接、音、温度、傾斜、電圧など、その他のデータ次元が関係していることも分かっています。 ロボット工学では、制御機能が効果的に働くようにデータを調整することが重要な課題の一つです。

センシングとプログラミングの問題は、人間が近づいた瞬間に複雑化します。 ヘルパーとしてのロボット、つまりCo-Bot(協調型ロボット)という考え方は、さらなる安全性のパラメータが必要になります。 ロボットは人が怪我をするようなトルクで動いてはいけないため、センサーはより速く反応し、アクチュエーターもより速く減速しなければなりません。 これらの点についても国際的に議論され、合意が得られています。 ISOだけでなく、IEEEも規格を発行しています。

人工知能(AI)プログラムで制御される自律型ロボットが公共の場に進出すると、問題はさらに複雑になります。 なぜなら、ロボットはプログラマーから独立して行動しなければなりませんが、実際にはプログラミングチームが定義した「正常」「許容」「望ましい」に基づいており、時として彼らの仮定やバイアスが反映され、それを受け継ぐ可能性があるからです。 IEEEやスタンフォード大学、マサチューセッツ工科大学などの主要機関は、「ロボット倫理」を重要な分野として認識しています。

静的な生産ライン用ロボットは、その精巧さとは裏腹に、概念的には「シンプル」なものです。 例えば、切断、プレス、溶接、塗装など、特定の機能を担うのが一般的です。 個々のロボットは、自分が果たすべき機能やその前後のプロセス、ましてやチームワークという概念もありません。

真のインテリジェンスは、ロボットの一連の動作を定義することにあり、それは人間の専門家が提供します。 そして「より良い解決策を見つける」ことは、人間が本来備わっている活動です。 ロボットにとって、より効果的な概念モデルを模索することは基本的な課題です。 それはロボットの設計だけでなく、実際の運用にも影響を与えます。 興味深いことに、多くのモデルは自然界から生まれています。

例えば、昆虫の行動は、倉庫で荷物を運ぶロボットの制御に役立っています。 個々のロボットは簡単なルールに従って、他のロボットの邪魔をすることなく、自分のミッションを達成することができます。 より洗練された概念モデルでは、昆虫や鳥、魚など自然界の群れを観察することで得られた知見を用い、個々のロボットが情報を共有し、行動を調整することで、より効果的に行動できるようにしています。

生産ライン用ロボットの潜在市場は常に拡大しています。 工場内で在庫を移動させるロボットは主流です。 また、倉庫のスペースを最大限に活用するため、倉庫の棚に登ってピッキングを行うシステムや、倉庫にアクセスするロボットを設計し直したベンダーもあります。

フォロワーロボットは重い荷物を運ぶことができます(農民のための牛車、都市生活者のためのギタのようなものです)。 工場や鉱山、倉庫の清掃など民間の産業施設だけでなく、宅配便などの公共空間でも自律型ロボットが活躍しています。 一方、移動ロボット、空中ロボット、ソフトロボットといったコンセプトも登場し、新たな可能性を生み出しています。

ロボットは仕事を一変させるのでしょうか。 すでにそうなっています。 これまで、繰り返し、退屈、不快、危険だった多くの活動が、すでにロボットによって処理されているのです。 その一方で、人的資源が解放され、困難な課題に対して高度で革新的な解決策を生み出すという、人々の最も得意とすることができるようになりました。 その流れは今後も続きそうです。 もし、生産性を向上させ、世界中のさまざまな社会でより均等に富を分配することができれば、ロボットのある世界は間違いなくより良い場所になるはずです。

Related Content: