2018 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 |
本年度は、前年度までの成果を基礎として以下の３つ成果を得た。
１）前年度までにその制御系を開発した、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を用いて、熟練者の動作をヒトが制御系のループの中にはいるHuman-in-the-loopのアプローチに基づいて、ヒトからロボットが動作教示を受け効率的に目的とする動作を学習する枠組みを開発した。一般にモデル化が困難な打撃の関わる作業課題において、ヒトの筋電信号から駆動信号を読み取りアクチュエータの制御信号に変換することにより打撃課題を従来の見まね学習のアプローチに比べて極めて効率的に達成できることを実験的に示した。
２）モーションキャプチャしたヒトの動作から、ヒト型ロボットが動作方策を効率的に学習する方法論を開発した。具体的には、観測したヒトの動作を位相成分と空間成分に分解し、位相成分について、環境の動的変化に対してその位相を作業課題に適応させるための動作方策を強化学習により獲得した。一方で空間成分に関しては、キャプチャしたヒトの動作から、作業対象物の状態とロボットの姿勢を関連付ける方法論を導出した。以上のアプローチにより、動的な物体操作を効率的にロボットが学習できるようになることを実ヒト型ロボットにおいて実験的に示した。
３）前年度までに開発した、深層学習モデルと動的な方策表現を結合し画像入力からの動作生成を可能とするEnd-to-endの方策学習モデルの拡張を行った。深層ニューラルネットワークの入力側の層に、ヒトの初期視覚野に対応する構造を入れ込むことにより、より頑健に入力画像を認識可能となった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
前年度までに開発したハイブリッドアクチュエータシステムを用いて、ヒトが制御ループに入るHuman-in-the-loopを通じたヒトからロボットへのスキル伝達の枠組みを開発した。ヒトの筋電をアクチュエータシステムの人工筋の駆動圧力に変換するインタフェースを準備し、一般にモデル化が困難とされる衝突が関わる運動課題において従来の見まね学習手法より高いタスク達成率を効率的に実現することができた。この成果は英文学術論文誌に採択された。また、計測したヒトの動きを、位相成分と空間成分に分解し、効率的にヒト型ロボットにスキルを伝達するアプローチを強化学習の枠組みにおいて実現し、この成果は国際学会に採択された（CoRL2018）。加えて、深層学習モデルと動的なヒト型ロボットの方策表現を結合する方法論を前年度から拡張することに成功し、その成果は国際学会に採択された。
|
| Strategy for Future Research Activity |
今後は、今年度においても継続して進め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方法論を、ヒト型ロボットモデルのように多自由度の系においてもリアルタイムで実環境において動作生成可能であることを、特に視覚系を用いたバランス制御を導入する形で進める。一方で、多自由度ヒト型ロボットモデルの動力学シミュレータを用いたリアルタイム制御の検証においては、動的に目的関数を連続的に切り替えることによって、適応的に多様な動作を生み出すことができるかどうかについて検討を進める。
|
