表面精加工装置的制作方法

本发明涉及一种表面精加工装置。

背景技术：

以往，已知如下技术：在机器人或加工机械的机器人臂的前端安装刮削工具，通过使机器人臂动作而对机床等的机座用板状构件的上表面等进行刮削加工。例如，请参照专利文献1～4。

现有技术文献

专利文献

专利文献1：日本特开2016-137551号公报

专利文献2：日本特开2010-240809号公报

专利文献3：日本特开平07-136843号公报

专利文献4：日本特开平05-123921号公报

技术实现要素：

发明所要解决的问题

如上所述，刮削加工的自动化正在被尝试。然而，在一个示例中，刮削加工为，以超过使用了机械的加工的精度，对使用机械实施了铣削加工、研磨加工等的精密加工且具有10μm以下的凹凸、平缓地波动起伏的平面的平面度进行调节。另外，刮削加工为，只有具备基于经验的特殊知识以及技术的工匠才能够适当地实施的特殊加工。在一个示例中，各工匠使用根据自己的经验定制的特别的刮削工具，依靠传递到手中的手感对平面的多个部位进行切削，基于经验和直觉并根据要切削的位置来改变施加到刮削工具的力、切削的速度等。另外，工匠根据平面的状态、大小、用途等，并基于经验和直觉对切削位置、刮削工具的种类、施加于刮削工具的力、以及切削速度等进行改变。具有这样的知识和技术的工匠正逐渐老龄化，然而并没有培养接班人。

另外，在制造多个机床等的机座用板状构件时，该多个板状构件的上平面的状态彼此不同。因此，刮削工匠需要根据所制作的每个板状构件来确定要切削的位置，并以与各个位置对应的力和速度进行刮削加工。如上所述，刮削加工是具有基于特殊经验的先进技术的刮削工匠实施的，在实际中高精度地实现其自动化是非常困难的。

鉴于上述的实际情况，期望一种能够实现机器人的高精度的刮削加工的表面精加工装置。

用于解决问题的方案

根据本申请的一个方面的表面精加工装置，包括：机器人臂；工具，所述工具安装于所述机器人臂的前端；力传感器，所述力传感器对施加于所述工具的力进行检测；视觉传感器，所述视觉传感器对在金属制的构件上通过加工而形成的平面进行拍摄；存储装置，所述存储装置对表示所述平面的目标状态的数据进行存储；以及控制装置，所述控制装置执行如下处理：去除位置确定处理，至少使用由所述视觉传感器获得的未精加工拍摄数据和表示所述目标状态的数据，确定所述构件的所述平面上的多个去除位置，所述多个去除位置彼此分离；以及机器人臂控制处理，对所述机器人臂进行控制，以利用所述工具依次对所确定的所述多个去除位置进行表面去除，在由所述视觉传感器拍摄的所述平面上涂覆表面检查剂，并使金属制的平坦面在所述平面上摩擦，从而根据所述平面的状态在所述平面上分布所述表面检查剂，所述控制装置使用所述力传感器的检测结果，对进行所述表面去除时施加于所述工具的力进行控制。

附图说明

图1为本发明的一个实施方式的表面精加工装置的立体图。

图2为本实施方式的表面精加工装置的主要部分侧视图。

图3为本实施方式的表面精加工装置的机器人的控制装置的框图。

图4为表示在本实施方式中的去除了表面的板状构件上摩擦金属制构件的状态的图。

图5为与本实施方式中被实施表面去除的板状构件的表面相关的未精加工拍摄数据的一个示例。

图6为表示本实施方式的机器人的控制装置的处理的示例的流程图。

图7为表示在本实施方式中确定的去除位置的示例的图。

图8为与本实施方式中被实施表面去除的板状构件的表面相关的观察数据的一个示例。

具体实施方式

以下，使用附图对根据本发明的一个实施方式的表面精加工装置1进行说明。

根据一个实施方式的表面精加工装置1包括：机器人2；以及控制装置20，用于对机器人2的机器人臂10进行控制。另外，该表面精加工装置1包括：力传感器30，其安装于机器人2的机器人臂10的前端；工具50，其隔着力传感器30而安装于机器人2的机器人臂10的前端；以及视觉传感器60。

在本实施方式中，表面精加工装置1对图1所示的板状构件p的厚度方向一侧的面、即平面s的多个部位进行表面去除。板状构件p例如被用作机床的机座。板状构件p的平面s以达到完全的平面为目标而被实施铣削加工、研磨加工等的精密加工。然而，即使在进行了这样的精密加工后，平面s大多也具有10μm以下的凹凸且平缓的波动起伏，并且还存在平面s的一部分稍微倾斜的情况。为了提高机床的加工精度，优选没有这些凹凸和倾斜的平面。

因此，以往在将表面检查剂涂覆于平面s的几乎整个表面之后，如图4所示，使金属制构件的平坦面s0在平面s上摩擦，从而检查平面s上是否存在所述凹凸或所述倾斜。即，通过与平坦面s0的摩擦而去除了表面检查剂的部分为相对于其它部分突出的部分。

例如，根据发现的所述凹凸或所述倾斜，工匠将凿子状的工具或前端为平板状的工具推压于平面s的多个去除位置，并且在各去除位置，工匠将所述工具移动几厘米以下的距离、例如2cm以下的距离。由此，各去除位置被工具刮擦，从而进行各去除位置的表面去除。该表面去除以从平面s去除几微米、典型而言为3μm以下的厚度的方式来进行。通过进行该表面去除，平面s的波动起伏的状态减轻或消失，这在提高机床的加工精度的方面是优选的。

另一方面，当安装有滚珠丝杠托架的安装面、所述平面s等为完全镜面状的平面，并且其与对应侧构件之间的间隙完全消失时，平面s与对应侧构件之间、以及所述安装面与对应侧构件之间不存在润滑油。这成为粘着等的工作不良的原因，并不是优选的。为了消除这样的工作不良，工匠将凿子状的工具或前端为平板状的工具例如推压于所述安装面的多个去除位置，并且在各去除位置，工匠将所述工具移动几厘米以下的距离、例如2cm以下的距离。该表面去除以从平面s去除几微米、典型而言为3μm以下的厚度的方式来进行。通过进行该表面去除，从而在所述安装面形成作为油坑而发挥功能的凹部，这有助于减轻或防止粘着等的工作不良。

如图2所示，本实施方式的工具50包括：待固定部51，其隔着力传感器30而固定于机器人2的机器人臂10的前端部；延伸设置部52，其为板状，并从待固定部51延伸；以及前端部53，其为平板状，并固定于延伸设置部52的前端。在一个示例中，待固定部51和延伸设置部52由金属制成，前端部53由工具钢等高硬度的钢制成。在本实施方式中，机器人2将前端部53推压于板状构件p的平面s，以进行所述表面去除。

在本实施方式中，视觉传感器60为二维摄像机，但也可以使用三维摄像机。

机器人2的机器人臂10包括多个机器人臂构件以及多个关节。另外，机器人臂10包括分别对多个关节进行驱动的多个伺服电机11(参照图3)。作为各伺服电机11，可使用旋转电机、直动电机等各种伺服电机。各伺服电机11具有用于检测其工作位置和工作速度的工作位置检测装置，作为一个示例，工作位置检测装置为编码器。工作位置检测装置的检测值被发送至控制装置20。

力传感器30为公知的六轴力传感器。如图1所示，力传感器30固定于机器人臂10的手腕凸缘12。另外，力传感器30的z轴的延伸方向与机器人臂10的手腕凸缘12的中心轴线cl的延伸方向平行。在本实施方式中，力传感器30的中心轴线与手腕凸缘12的中心轴线cl一致。在以下的说明中，有时将图1所示的力传感器30的x轴方向、y轴方向、以及z轴方向仅称作x轴方向、y轴方向、以及z轴方向。

力传感器30对施加于工具50的z轴方向的力、x轴方向的力、以及y轴方向的力进行检测。另外，力传感器30还对施加于工具50的绕z轴的力矩，绕x轴的力矩，以及绕y轴的力矩进行检测。在本实施方式中，作为力传感器30使用了六轴传感器，但也可以使用三轴力传感器、二轴力传感器、一轴力传感器等。

如图3所示，控制装置20包括：cpu等处理器21；显示装置22；具有非易失性存储器、rom、ram等的存储装置23；键盘、触控面板、操作面板等的输入装置24；以及用于发送和接收信号的发送接收部25。输入装置24和发送接收部25作为输入部而发挥功能。控制装置20与力传感器30以及各伺服电机11连接。

在本实施方式中，控制装置20为设置于机器人2的机器人控制装置。另一方面，控制装置20也可以为设置于机器人控制装置内或机器人控制装置外的具有上述结构的计算机。

存储装置23中存储有系统程序23a，系统程序23a承担控制装置20的基本功能。存储装置23中还存储有动作程序23b。动作程序23b是以机器人2的基准坐标系为基准而创建的，用于在该基准坐标系中将安装于机器人臂10的前端部的工具50依次配置于多个去除位置并依次配置为多个姿势。

存储装置23中还存储有表面去除程序23c。表面去除程序23c一边对配置于各去除位置的工具50进行力控制，一边将其按下预定的距离、例如几厘米以下的距离(在本实施方式中为2cm以下的距离)，由此在各去除位置，利用工具50对平面s进行刮擦。

存储装置23中还存储有去除位置确定程序23d。通过去除位置确定程序23d，对视觉传感器60的拍摄数据进行图像处理，并在处理后图像中确定所述多个去除位置。

存储装置23中还存储有学习程序23e。在本实施方式中，基于学习程序23e进行操作的控制装置20作为学习部而发挥功能，但也可以为基于学习程序23e进行操作的其它计算机作为学习部而发挥功能。

控制装置20基于动作程序23b、表面去除程序23c、去除位置确定程序23d、以及学习程序23e，例如进行以下的处理(图6)。

首先，在板状构件p载置或固定于预定的载置部70上的状态下，控制装置20基于去除位置确定程序23d将拍摄指令发送至视觉传感器60(步骤s1-1)。由此，控制装置20接收由视觉传感器60获得的未精加工拍摄数据。在本实施方式中，板状构件p的整个平面s进入视觉传感器60的视野内。在只有板状构件p的平面s的一部分进入视觉传感器60的视野内的情况下，控制装置20一边移动视觉传感器60一边对板状构件p的整个平面s进行拍摄。在该情况下，视觉传感器60能够通过机器人2的机器人臂10等移动装置而进行移动。

此外，在通过视觉传感器60进行拍摄前，在平面s上涂覆表面检查剂，然后如图4所示，使金属制构件的平坦面s0在平面s上摩擦。该操作在本实施方式中被称为检查用处理。通过上述摩擦，去除平面s上的比其它部分突出的部分(较高的部分)的表面检查剂。在一个示例中，表面检查剂为着色粉末，这样的粉末被称为光明丹。

接下来，控制装置20基于去除位置确定程序23d，并根据需要对获得的未精加工拍摄数据实施图像处理，检测处理后图像中的表面检查剂的分布状态(步骤s1-2)。例如，如图5所示，在板状构件p的平面s上检测到不存在表面检查剂的范围ar。此外，也可以在平面s上根据表面检查剂的颜色的浓度来检测多种范围。在该情况下，在平面s上检测到比第一颜色的颜色浅的第一范围、以及比第二颜色的颜色浅的第二范围等，其中，所述第二颜色的颜色比所述第一颜色的颜色浓。另外，在步骤s1-2中获得的表示分布状态的图像也是未精加工拍摄数据的一个方面。

接下来，控制装置20按照去除位置确定程序23d执行操作，基于平面s上的所述范围ar、第一范围、第二范围等的分布，如图7所示那样确定要进行表面去除的多个去除位置rp(s1-3)。多个去除位置rp彼此分离。另外，此时控制装置20还如图7的箭头所示，确定各去除位置rp的去除方向。此外，在去除方向被固定时，控制装置20不进行去除方向的确定。

此外，利用视觉传感器60或其它视觉传感器拍摄进行了表面去除后的平面s的状态，由此获得的多个精加工后拍摄数据也可以存储于控制装置20的存储装置23。在本实施方式中，多个精加工后拍摄数据与同一种类的板状构件p的平面s相关，但也可以与不同种类的板状构件的平面相关，也可以与其它构件的平面相关。另外，针对在使用上没有问题的状态的平面s，存储上述多个精加工后拍摄数据。

另外，在制作有多个板状构件p的情况下，平面s上的所述范围ar、第一范围、第二范围等的分布在多个板状构件p中彼此不同。因此，多个精加工后拍摄数据彼此的表面去除位置以及数量不同。

在执行步骤s1-3时，控制装置20还使用多个精加工后拍摄数据(表示目标状态的数据)中的、在步骤s1-2中检测到的适于检测表面检查剂的分布状态的精加工后拍摄数据，确定应进行表面去除的多个去除位置rp。多个精加工后拍摄数据也可以分别具有进行表面去除前的表面检查剂的分布状态的数据。在该情况下，能够更准确地确定去除位置rp。

在执行步骤s1-3时，操作者也可以向输入装置24内输入目标，以作为表示目标状态的数据。在一个示例中，操作者输入表面去除的目的以作为第一目标。另外，作为第二目标，操作者在表面去除后的平面s上进行所述检查用处理，在利用视觉传感器60拍摄平面s时，以百分比的方式输入所述范围ar在平面s上所占的范围。另外，操作者输入应重点进行表面去除的范围，以作为第三目标。例如，在重点进行图5的平面s的上半部分、上下方向的中间部分等的平面s的一部分的表面去除时，执行用于指定其一部分范围的输入。在表面精加工装置1中的表面去除的目的被确定的情况下，无需第一目标。第一至第三目标存储于存储装置23。

在执行步骤s1-3时，控制装置20也可以使用多个精加工后拍摄数据、第一目标、第二目标、以及第三目标中的一个或其组合，确定应进行表面去除的多个去除位置rp。

接下来，控制装置20基于表面去除程序23c，确定应使用哪个工具50(步骤s1-4)。表面精加工装置1包括工具放置台、以及工具箱等的工具保管部80，在工具保管部80中保管有多个工具50。多个工具50彼此的前端部53的形状、材质等不同。在步骤s1-4中确定工具时，控制装置20例如使用多个精加工后拍摄数据、第一目标、第二目标、以及第三目标中的一个或其组合、并使用在步骤s1-2中基于未精加工拍摄数据而获得的表面检查剂的分布状态。

接下来，控制装置20基于表面去除程序23c对机器人2的机器人臂10进行控制，以将步骤s1-4中确定的工具50装配于机器人2(步骤s1-5)。为了进行该装配，在本实施方式中，在机器人臂10的手腕凸缘12上固定有公知的自动更换工具装置的雄部件，在各工具50的待固定部51上固定有自动更换工具装置的雌部件。

接下来，控制装置20基于动作程序23b对机器人臂10进行控制，以将工具50的前端依次配置于步骤s1-3中确定的多个去除位置rp(步骤s1-6)。此时，控制装置20使用力传感器30的检测结果，对各去除位置rp处的工具50的前端与平面s的接触情况进行检测，在检测到接触时，判断为工具50配置于去除位置rp。在步骤s1-6中，控制装置20对机器人臂10的前端部的姿势进行控制，以使工具50的前端朝向图7所示的箭头的方向。

接下来，控制装置20基于表面去除程序23c，一边使用力传感器30的检测结果对施加于工具50的力进行控制，一边使工具50在其前端所朝向的方向上移动2cm以下的距离(步骤s1-7)。在步骤s1-7中，控制装置20也可以对使工具50移动的移动速度进行控制。例如，控制装置20进行控制以使工具50的移动速度在预定的速度范围内。

控制装置20以与去除位置rp的数量对应的次数重复步骤s1-6和s1-7(步骤s1-8)，控制装置20基于输入装置24的输入等向视觉传感器60发送拍摄指令(步骤s1-9)。在进行向输入装置24的所述输入前，对平面s进行所述检查用处理。

另外，控制装置20根据需要对通过步骤s1-9获得的拍摄数据(观察数据)实施图像处理，并检测处理后图像中的表面检查剂的分布状态(步骤s1-10)。在步骤s1-10中获得的表示分布状态的图像也是观察数据的一个示例。此外，步骤s1-10中获得的表示分布状态的图像在后续的表面去除中被用作精加工后拍摄数据。步骤s1-10中的控制装置20的处理与步骤s1-2中的处理相同。此外，控制装置20可以使用步骤s1-10中获得的观察数据来评价进行了表面去除的平面s的平面度。

图8中示出了进行表面去除后的平面s的示例。表面检查剂容易滞留于因在各去除位置rp进行表面去除而形成的表面去除痕迹rm中。因此，在步骤s1-10中，控制装置20还能够以无视表面去除痕迹rm中的表面检查剂的方式检测表面检查剂的分布状态。

另外，在图8中表面去除痕迹rm彼此分离，但表面去除痕迹rm也可以相互重叠。

控制装置20将在步骤s1-2中获得的作为未精加工拍摄数据的表面检查剂的分布状态的图像、与在步骤s1-10中获得的作为观察数据的表面检查剂的分布状态的图像，以使两者建立关联的状态存储于存储装置23(步骤s1-11)。被存储的观察数据在后续的表面去除中被用作步骤s1-3的精加工后拍摄数据。

控制装置20按照学习程序23e执行操作，并进行用于确定实施下一个表面去除时的步骤s1-3的多个去除位置rp的学习(步骤s1-12)。此时，控制装置20使用存储装置23所存储的未精加工拍摄数据以及观察数据、多个精加工后拍摄数据、第一目标、第二目标、以及第三目标中的一个或其组合。如上所述，多个精加工后拍摄数据、第一目标、第二目标、以及第三目标中的一个或其组合是表示目标状态的数据。

例如，针对表示目标状态的数据，对观察数据中的表面检查剂的分布状态进行评价。例如图5左下的较小的范围ar，虽然通过表面去除而被充分扩大，但在图5的上方及右下的较大的范围ar通过表面去除而未被充分扩大的情况下，与上方及右下的较大的范围ar相关的表面去除会被评价为不充分。在该评价的情况下，作为学习结果，控制装置20会在范围ar较大的情况下，增加去除位置rp的数量、和/或增大用于配置去除位置rp的范围。在获得该学习结果的基础上，还要考虑范围ar彼此之间的距离。除此以外，还要考虑各范围ar的形状、各范围ar的位置、各范围ar周围的表面检查剂的颜色浓度等。

此外，在步骤s1-12中，控制装置20也可以仅对观察数据中的表面检查剂的分布状态进行评价。

此外，控制装置20根据学习程序23e进行操作，并且还能够使用所述未精加工拍摄数据和所述观察数据，进行用于使实施表面去除时施加于所述工具的力最优化的学习。在观察数据中，可能出现大量的表面检查剂滞留于表面去除痕迹rm的端部的情况。像这样大量的表面检查剂滞留于表面去除痕迹rm的端部的原因之一是形成于该端部的较大的高度差。该高度差与表面去除中的刮取量有关。

因此，作为所述最优化的一个示例，控制装置20能够使用所述未精加工拍摄数据以及所述观察数据，增大或减小进行表面去除时施加于工具50的力。

此外，在所述步骤s1-12中，还能够基于表面检查剂的滞留量对所述高度差的大小进行估计，并使用该估计结果判断各表面去除的痕迹(表面去除痕迹rm)的合格与否。

另外，控制装置20按照学习程序23e执行操作，并能够使用所述未精加工拍摄数据和所述观察数据，进行用于使实施表面去除时的工具50的移动速度最优化的学习。作为所述高度差变大的原因之一，可认为是由于工具50的移动速度较慢。因此，作为所述最优化的一个示例，控制装置20能够使用所述未精加工拍摄数据和所述观察数据，加快或减缓进行表面去除时的工具50的移动。

另外，控制装置20按照学习程序23e执行操作，并能够使用所述未精加工拍摄数据和所述观察数据，进行关于与状况对应的最佳的工具50的学习。作为所述高度差变大的原因之一，还可能是此次的表面去除所使用的工具50不适合该平面s。例如，还可能出现所述高度差变得过大的倾向，或者表面去除痕迹rm成为不理想的形状的情况。上述情况可能会影响平面s的加工粗糙度等。平面s的加工粗糙度会因对平面s进行加工的工具、进行研磨的工具的劣化等而发生变化。另外，根据平面s的部位，加工痕迹的延伸方向不同。由于上述表面状态出现在未精加工拍摄数据中，因而控制装置20能够进行如下学习：针对出现在此次的未精加工拍摄数据中的表面状态，判断使用的工具50是否合适。

此外，操作者能够从输入装置24输入与观察数据相关的信息。例如，操作者是刮削加工的工匠或针对刮削加工具有充分的经验和知识的人，能够对刮削加工后的平面s的状态进行准确地评价。操作者针对步骤s1-10中获得的观察数据，将合格或不合格的判定、不合格情况的理由等输入至输入装置24。控制装置20将被输入的与观察数据相关的信息、和该观察数据建立关联并存储于存储装置23。与该观察数据相关的信息为学习用数据的一个示例，用于与去除位置rp的数量、位置相关的学习、与施加于工具50的力相关的学习、与工具50的移动速度相关的学习。

此外，在存储装置23存储的所述多个精加工后拍摄数据中，也可以包含刮削加工的工匠进行加工后的平面s的精加工后拍摄数据。

在本实施方式中，使用由视觉传感器60获得的未精加工拍摄数据和第一目标等的表示目标状态的数据，确定平面s上的多个去除位置rp，并利用机器人臂10的前端的工具50在多个去除位置rp处依次进行表面去除。另外，控制装置20使用力传感器30的检测结果，对进行表面去除时施加于工具50的力进行控制。

根据该构成，能够自动地确定进行表面去除的位置，因而即使没有像刮削加工的工匠等那样的精通该加工的人，也能够确定要进行表面去除的位置。另外，由于对施加于工具50的力进行控制，因而能够准确地进行例如3μm以下的深度的表面去除。

另外，在本实施方式中，基于观察数据进行实施了表面去除后的平面s的合格与否的判定、和/或表面去除痕迹rm的状态的合格与否的判定。因此，即使没有像刮削加工的工匠等那样的精通该加工的人，也能够判断表面去除后的平面s是否能够使用。

另外，在本实施方式中，观察数据为：利用视觉传感器60或其它视觉传感器拍摄进行了表面去除后的平面s而获得的拍摄数据。如上所述，多个板状构件p的平面s的状态彼此不同，去除位置rp的分布、数量也根据每个板状构件p而不同。也就是说，即使存在表面去除后的范围ar的总面积相同的两个平面s，出现在两个平面s上的范围ar的形状、数量等也彼此不同。因此，将进行了表面去除后的平面s的拍摄数据用作观察数据，有助于准确地判断进行了表面去除后的平面s的状态。

此外，观察数据也可以为，通过表面粗糙度测量等测量平面s的表面形状而获得的数据。

另外，在本实施方式中，至少将未精加工拍摄数据、表示目标状态的数据、以及观察数据用作学习用数据，以进行用于确定多个去除位置rp的学习。例如，当使用表面去除后的平面s上的表面检查剂的分布状态作为观察数据时，能够在学习中判断平面s的哪个部分存在表面去除过度或不足的情况。

另外，如上所述，多个板状构件p的平面s的状态彼此不同，去除位置rp的分布、数量也根据每个板状构件p而不同。因此，即使在相同的部位进行相同的表面去除，也无法使多个板状构件p的平面s的平面度均匀。另外，刮削加工的工匠无法将自身所具有的知识、感觉准确地传达给他人。这一状况的原因之一为，适用于每个板状构件p的技术、感觉不同，每个工匠进行刮削加工所使用的工具也不同。当使用表面去除后的平面s上的表面检查剂的分布状态作为机械学习的学习用数据时，控制装置20通过重复学习，从而能够获得与刮削加工的工匠所具有的知识、感觉对应的数据。这对于实现如下技术是极其有用的，即通过机械对以往超出机械的加工精度极限且必须依赖于工匠的技术的区域进行加工这一点。

另外，在本实施方式中，至少将未精加工拍摄数据和观察数据用作学习用数据，以进行用于使实施表面去除时施加于工具50的力最优化的学习。如上所述，刮削加工的工匠无法将自身所具有的知识、感觉准确地传达给他人。根据进行表面去除的部位，表面去除痕迹rm的合格与否有所不同，例如，比其它部位高得多的部位需要较深的表面去除，稍微高的部位需要较浅的表面去除。这种调整很难通过数值表示，这是导致上述状况的原因之一。

例如，当使用未精加工拍摄数据、表面去除后的平面s上的表面检查剂的分布状态作为学习用数据时，控制装置20通过重复学习能够获得与刮削加工的工匠所具有的知识、感觉对应的数据。

同样地，在本实施方式中，至少将未精加工拍摄数据和观察数据用作学习用数据，以进行用于使实施表面去除时的工具50的移动速度最优化的学习。针对移动速度，与施加于工具50的力同样地，控制装置20通过重复学习能够获得与刮削加工的工匠所具有的知识、感觉对应的数据。

在本实施方式中，控制装置20至少使用未精加工拍摄数据和表示目标状态的数据，确定应安装于机器人臂10的前端的工具50。工具50的延伸设置部52较细长且前端部53也较薄，因而在进行表面去除时，可能出现工具50的一部分稍微弯曲的情况。在准确地进行表面去除的方面，该弯曲有时也是必要的，该弯曲的特性根据每个工具50而不同。另外，其它特性也根据每个工具50而不同。

如上所述，根据自动地选择工具50的构成，即使没有像刮削加工的工匠等那样的精通该加工的人，也能够确定要进行表面去除的位置。

此外，也可以由其它计算机进行所述学习。例如，也可以在与多个控制装置20连接的主计算机中存储学习程序23e。在该情况下，从各控制装置20向主计算机发送未精加工拍摄数据、观察数据、精加工后拍摄数据、与表面去除时的机器人臂10的动作相关的数据等，主计算机使用接收到的数据进行所述学习。

另外，代替工具50安装于机器人2的机器人臂10的情况，也可以将工具50安装于加工机械的机器人臂。即使在该情况下，也可起到与所述同样的作用效果。

附图标记说明

1：表面精加工装置

2：机器人

10：机器人臂

11：伺服电机

20：控制装置

23：存储装置

23c：表面去除程序

23d：去除位置确定程序

23e：学习程序

30：力传感器

50：工具

51：待固定部

52：延伸设置部

53：前端部

60：视觉传感器

p：板状构件

s：平面