マルチモーダル注意機構を用いる実ロボットの器用な物体操作タスクの自動化

• Project/Area Number: 22KJ0890
• Project/Area Number (Other): 22J12928 (2022)
• Research Category: Grant-in-Aid for JSPS Fellows
• Allocation Type: Multi-year Fund (2023); Single-year Grants (2022)
• Section: 国内
• Review Section: Basic Section 61050:Intelligent robotics-related
• Research Institution: The University of Tokyo
• Principal Investigator: KIM HEECHEOL 東京大学, 情報理工学系研究科, 特別研究員(DC2)
• Project Period (FY): 2023-03-08 – 2024-03-31
• Project Status: Declined (Fiscal Year 2023)
• Budget Amount: ¥1,700,000 (Direct Cost: ¥1,700,000); Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000); Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
• Keywords: 深層模倣学習 / 双腕ロボット / 器用な物体操作

Outline of Research at the Start

少子高齢化の影響で, 労働力不足現象が社会的な問題になっている. 労働力不足の対応として, ロボットによる労働の自動化が進め, より広い範囲で人間の労働を代替することが期待される.
本研究では, 人間の器用な物体操作スキルをロボットが学習することにより再現することで, ロボットの普及への貢献を目的とする.
従来の人間を模倣するロボットの学習機構は, カメライメージなどの視覚入力に依存したが, 本研究では, 触覚・体性感覚・時系列などの複数間隔入力を用い, さらにどの感覚情報に注意を向けるかを決める「注意機構」を設計・導入することで, 効果的なロボットによる物体操作スキルの再現を目指す.

Outline of Annual Research Achievements

本研究では、ロボットによる器用な物体操作課題を可能にする高データ効率でかつ精密なマルチモーダル深層模倣学習の機構を探求した。従来のロボットによる物体操作は、専門家によるルールベースの設計が必要で、バナナの皮むきなど、そのルールがはっきりとわからないタスクでは適用できなかった。しかし、本研究で提案されたアプローチにより、より少数のデータから人間の物体操作スキルの獲得ができ、人間の専門家からの事前知識を要しない器用な物体操作スキルの獲得ができた。

模倣学習において、ロボットの軌跡の器用さと安定性はトレードオフ関係にある性質である。なぜなら、器用な物体操作方策は、蓄積誤差に脆弱であり、結果として軌跡の安定性を損なうからである。本研究では、器用さと安定性の両方を達成するために、global action（物体をつかむために手を動かすなどの全域領域での行動）と、local action（手が物体を操作する局所的な行動）を、それぞれ軌跡全体を一度に予測して実行するフィードフォワード制御と、反応的なフィードバック制御で割り当てた。これにより、ロボットは物体周辺の局所領域でのみ反応的な行動を取り、蓄積誤差の影響を最小化した。

さらに、力覚フィードバックを必要とするタスクのための深層模倣学習機構を調査し、複雑な制御システムや高価なバイラテラル（bilateral）システムを必要とせず、ロボットなしでマスターコントローラーだけを用いる教示方法を提案した。提案方法では、人間の視線情報を使用し、視線周辺の局所領域のビジョン情報のみを使用することにより、マスターコントローラ側とロボット側の違いを最小限に抑える学習方法を考案し、栓抜きという力を必要とするタスクを模倣学習で学習することに成功した。

Research Progress Status

翌年度、交付申請を辞退するため、記入しない。

Strategy for Future Research Activity

翌年度、交付申請を辞退するため、記入しない。

Research Products

• [Journal Article] Training Robots Without Robots: Deep Imitation Learning for Master-to-Robot Policy Transfer (2023)
  • Author(s): Kim Heecheol、Ohmura Yoshiyuki、Nagakubo Akihiko、Kuniyoshi Yasuo
  • Journal Title: IEEE Robotics and Automation Letters Volume: 8 Issue: 5 Pages: 2906-2913
  • DOI: 10.1109/lra.2023.3262423
  • Peer Reviewed / Int'l Joint Research
• [Presentation] Memory-based gaze prediction in deep imitation learning for robot manipulation (2022)
  • Author(s): Heecheol Kim, Yoshiyuki Ohmura, and Yasuo Kuniyoshi
  • Organizer: 2022 International Conference on Robotics and Automation (ICRA)
  • Int'l Joint Research
• [Presentation] Using human gaze in few-shot imitation learning for robot manipulation (2022)
  • Author(s): Shogo Hamano, Heecheol Kim, Yoshiyuki Ohmura, and Yasuo Kuniyoshi
  • Organizer: 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
  • Int'l Joint Research