2017 Fiscal Year Annual Research Report
自己と他者の動作データからの内部モデルの構築と行動則の獲得
Project Area | Correspondence and Fusion of Artificial Intelligence and Brain Science |
Project/Area Number |
16H06565
|
Research Institution | Advanced Telecommunications Research Institute International |
Principal Investigator |
森本 淳 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 研究室長 (10505986)
|
Project Period (FY) |
2016-06-30 – 2021-03-31
|
Keywords | ロボティクス / 機械学習 |
Outline of Annual Research Achievements |
ヒトの身体やヒューマノイドロボットのような高次元・多自由度の系に対して行動則を導出するには、身体モデルを用いた運動学習のアプローチを用いることが有望であると考えられる。そこで前年度までは、脳の運動表現を参考にした身体モデルに対して力学的な階層表現を導出し、その階層性を用いた効率的な行動則の計算手法を提案した。本年度はさらに、提案手法の実ロボットを用いた検証を進めた。具体的には、構造のシンプルな実アクチュエータシステムに対して実時間制御が可能であるかを確認するための実装を進めた。空気圧人工筋と電動モーターのハイブリッドアクチュエータに対して階層的な力学表現を導出することで、身体モデルを用いた実時間運動制御が可能であることを実証した。さらには、その階層性を用いない場合との性能比較を行うことにより、脳の運動表現を参考にした階層表現を用いることが有効であることを確認した。 加えて、深層学習モデルと動的な方策表現を結合することにより、画像入力から動作生成を可能とするEnd-to-endの方策学習モデルの提案を行った。動的な方策表現としては脳における運動基底表現を模した運動プリミティブモデルを用いた。この運動プリミティブ表現は適応的な動作生成を可能とするモデルとして広くロボティクス分野で活用されてきたが、深層ニューラルネットワークとの接続方法に関してはこれまで議論されてこなかった。そこで、この提案する運動プリミティブ表現を運動方策の基礎とした自己動作モデルを実ヒューマノイドロボットに実装し検証を進めた。その結果、ヒューマノイドロボットにおいて認識した画像入力からの精緻な手先運動出力を実現した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
前年度までに提案したロボットシステムの階層的な力学表現を用いることによる実時間制御手法の検証が実ロボットにおいて完了した。具体的には、ハイブリッドアクチュエータシステムに対して、階層的な力学表現を導出することで、その階層表現を用いない場合と比べてより高い計算効率でより高い制御性能を達成できることを実証した。この成果は英文学術論文誌に採択された。さらに、深層学習モデルと動的な方策表現を結合することにより、画像入力から動作生成を可能とするEnd-to-endの方策学習モデルの提案とヒューマノイドロボットによる実環境での検証が完了した。
|
Strategy for Future Research Activity |
本年度において、身体モデルの力学的階層表現が実環境におけるロボット制御に有用であることが実証されたため、今後は多自由度ヒューマノイドロボットにおいて、実環境での提案手法の実装を行う。ヒューマノイドロボットのような高次元の状態空間を持つシステムに対して実時間で逐次的に方策を導出する方法論は、これまで望まれてきたもののその実環境における実装は困難とされてきた。脳の運動制御手法に学んだ階層的運動生成モデルを用いることでこれまで困難とされてきた実システムの制御が可能であることを示す。加えて、画像入力から動作生成を可能とするEnd-to-endの方策学習モデルについては、画像入力に関わる深層ネットワークを改善することにより、さらに頑健に画像入力からの動的方策表現の調整を可能とするようなモデルの導出を進める。
|