作業価値関数の相互獲得を通じた人とロボットの共有学習制御手法の開発

• Project/Area Number: 23K24925
• Project/Area Number (Other): 22H03669 (2022-2023)
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund (2024); Single-year Grants (2022-2023)
• Section: 一般
• Review Section: Basic Section 61050:Intelligent robotics-related
• Research Institution: Kyoto University
• Principal Investigator: 森本 淳 京都大学, 情報学研究科, 教授 (10505986)
• Co-Investigator(Kenkyū-buntansha): 中西 淳 名城大学, 理工学部, 教授 (70324457)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000); Fiscal Year 2024: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000); Fiscal Year 2023: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000); Fiscal Year 2022: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
• Keywords: 強化学習 / ロボティクス / テレオペレーション / 機械学習

Outline of Research at the Start

本研究課題では、人とロボットの協働を実現するための共有学習制御手法の提案およびロボットを用いたテレオペレーション課題への応用を目的とする。そのために、人とロボットの相互学習を通じて協調的に作業課題が達成されるために必要となる方法論を開発する。具体的には、人とロボットが与えられた課題に対する価値判断を共有することを通じて協働動作が創出され、さらに持続的に改善されるような学習アルゴリズムの開発を目指す。

Outline of Annual Research Achievements

本研究課題では、人とロボットの意思疎通を促す作業価値の共有を実現する方法論として共有学習制御の枠組みの構築を目的とする。ここで作業価値の共有とは、人とロボットが一つの共同作業課題において、各状況・各動作について同様の価値判断（たとえば、状況に応じた互いに同意の得られる動作選択）を行うということである。本研究で開発する強化学習を基礎とした相互学習アルゴリズムによって人とロボットの互いの動作意図共有を進め、ロボットのテレオペレーション課題において提案手法の有効性を評価する。
当該年度においては、人とロボットの価値判断の共有に向けた、ロボットによる人の動作模倣を可能とする学習手法とその検証用プラットフォームの開発を進めた。具体的には、６自由度マニピュレータのシミュレータを開発、コントロールパッドによって人が仮想空間内のロボットを制御することを可能とした。仮想空間での人による制御データを蓄積し、その蓄積したデータに基づいてロボットが動作方策を学習、自律的にマニピュレーション課題を達成する方策が獲得された。さらにテレオペレーション課題での有効性評価に向けて、生活支援ロボットであるモバイルマニピュレータに対し、全身逆運動学手法を適用することでGUIを用いてロボットを遠隔操作する枠組みを構築した。また、計算効率を考慮した数値逆運動学解法の改良を行い、計算量の評価および実機への適用を行った。さらにVRデバイスとROSの通信手段についての検討を行った。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

仮想空間内における人によるマニピュレータ制御データを蓄積、その蓄積したデータに基づいてロボットが動作方策を学習、自律的なマニピュレーション動作の生成が可能となった。また、生活支援ロボットであるモバイルマニピュレータに対し、全身逆運動学手法を適用することでGUIを用いてロボットを遠隔操作する枠組みを構築できた。さらに、計算効率を考慮した数値逆運動学解法の改良を行い、計算量の評価および実機への適用を実現した。以上のように、順調に研究が進捗した。

Strategy for Future Research Activity

人から得られた動作情報を共有価値関数に組み入れるための手法の開発をおこなう。さらに本研究で提案する共有学習制御手法を近年その需要が高まるテレオペレーション課題に応用し、その有効性を評価することを目指す。具体的には日常空間におけるマニピュレーション課題を考える。さらに、本年度構築したモバイルマニピュレータの遠隔操作の枠組みを発展させることで、VRデバイスを用いた遠隔操作システムの構築を目指す。