Project/Area Number |
23K03780
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 20020:Robotics and intelligent system-related
|
Research Institution | Tokyo Denki University |
Principal Investigator |
川瀬 利弘 東京電機大学, 工学部, 准教授 (40633904)
|
Co-Investigator(Kenkyū-buntansha) |
神作 憲司 獨協医科大学, 医学部, 教授 (60399318)
|
Project Period (FY) |
2023-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
Keywords | 筋電 / 姿勢推定 / ロボットアーム / 能動的推論 / 身体認知 |
Outline of Research at the Start |
本研究では、筋電制御ロボットアームによる姿勢推定の精度向上を目指し、ロボットの能動的動作によって推定精度を向上させる逐次的(オンデマンド)・オンライン最適化手法を実現する。この手法では、能動的推論の観点から、筋電を運動の予測誤差と解釈し、ロボットと人間の相互調整により効率的にキャリブレーションを行う。本手法を実現した上で、心理物理実験により、筋電制御ロボットアームに対する身体認知にどのように寄与するかを検証する。
|
Outline of Annual Research Achievements |
本研究では、筋電制御ロボットアームによる姿勢推定の精度向上を目指し、ロボットの能動的動作によって推定精度を向上させる逐次的(オンデマンド)・オンライン最適化手法を実現する。 本年度は、最適化手法の開発の基盤となるシステムとして、ニューラルネットワークの一つであるエコーステートネットワークを姿勢推定モデルとし、筋電からの手関節角度推定を実現した。このモデルでは、筋電から計算された筋活動を、リザバーと呼ばれるランダム結合のニューラルネットワークに入力し、得られたニューロンの活動の線形和を推定角度とする。出力時に用いる線形和の重みを、目標関節角度と推定角度の誤差が最小となるよう最適化することで、筋活動から関節角度を推定することができる。参加者がロボットアームの動作を模倣するように手関節を動かした際の筋活動を用い、さらにエコーステートネットワークの構造を決めるパラメータであるニューロン数やスペクトル半径を適切に設定することで、この手法が筋電からロボットアームの動作を再構成できることを確認した。さらに、このモデルを用いて、オンラインで筋電の計測を行いながら関節角度を推定し、ロボットアームを制御するシステムを構築した。 また、制御対象となるロボットアームに対する身体認知に関する検討として、触覚刺激や運動のラバーハンド錯覚への影響を調査する実験を行った。さらに、生体信号の特徴を計算する手法の一つとして、皮質脳波に対する拡張動的モード分解の検討を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
エコーステートネットワークによる筋電からの手関節角度推定およびそれによるロボットアーム制御を実現した。このネットワークは、筋活動と関節角度の非線形関係の学習を可能とする一方、学習される重みと出力の関係は線形であり、推定モデルの逐次的(オンデマンド)・オンライン最適化手法を研究する上で扱い易い性質を持つ。本年度の成果により、アルゴリズムを開発するための基盤が整った。
|
Strategy for Future Research Activity |
本年度開発した姿勢推定モデルおよびロボットアーム制御システムを用い、ロボットアームと人が協同して動作しながらパラメータを最適化する手法を構築する。また、この手法を用いたときのロボットアームに対する身体認知についても実験を行う。
|