神経回路モデルと身体バブリングを用いた道具身体化による道具使用
| Project/Area Number |
15J12683
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Intelligent robotics
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
高橋 城志 早稲田大学, 理工学術院, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2015-04-24 – 2017-03-31
|
| Project Status |
Completed (Fiscal Year 2016)
|
| Budget Amount *help |
¥1,900,000 (Direct Cost: ¥1,900,000)
Fiscal Year 2016: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2015: ¥1,000,000 (Direct Cost: ¥1,000,000)
|
|---|
| Keywords | 道具身体化 / モーターバブリング / Recurrent neural network / Deep learning |
|---|
| Outline of Annual Research Achievements |
本特別研究員は道具身体化を利用して，ロボットに道具を使用させる研究を行っている．道具身体化とは，人間が道具を使用しているときに，その先は身体感覚が拡張されて知覚される現象のことである．当初の年次計画を完了し，より発展させた研究を実施した．
具体的には，道具身体化モデルの発展として，これまでの道具使用の研究では道具を把持した状態から始めていたが，道具の把持の必要性・位置を含めてロボット自身が判断して，道具を使用することが可能となった．
Soft Robotの動作学習の発展として，事前にモーターバブリングを行い，その後に目標とするタスクを行うことで，効率，及び，汎化性能が向上することを，複数の7自由度ロボット（シミュレーション，及び，実際のロボットであるPR2）で，有効性を示した．さらに，教師あり学習と強化学習を組み合わせることで，ロボットが自分の身体に適した動作を学習する方法を提案した．さらに，目標とするタスクを教師あり学習で学習後，強化学習でロボットの身体に適した動作を獲得する方法を提案・検証．その結果，強化学習の課題であった，試行回数が多いという問題を解決．そのほかに，手先座標の代わりに，ロボットの視覚から獲得されるカメラ画像で学習する方法を提案・検証．外乱・環境変化に強い雅俗特徴量の獲得として，De-convolutional neural network (DCNN)を利用．その結果，学習していない状況下での汎化性能の向上を確認した．
これら研究成果は，機械学習を利用したロボットの動作生成手法の応用・発展に貢献するものであり，学術的，技術的に大きな意義を有するばかりではなく，今後ニーズが増大する多自由度，柔軟関節，高次元センサを有するロボットの制御手法の確立，及び，関連するロボット工学分野の発展に大きく貢献するものである．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
Report
(2 results)
Research Products
(36 results)
