2006 Fiscal Year Annual Research Report
| Project/Area Number |
15100002
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
中村 仁彦 東京大学, 大学院情報理工学系研究科, 教授 (20159073)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山根 克 東京大学, 大学院情報理工学系研究科, 講師 (00361543)
杉原 知道 東京大学, 大学院情報理工学系研究科, 助手 (70422409)
岡田 昌史 東京工業大学, 大学院理工学研究科, 助教授 (60323523)
関口 暁宣 弘前大学, 理工学部, 助手 (80344612)
|
|---|
| Keywords | 知能ロボティクス / 脳型情報処理 / 体性感覚情報 / 脳・神経 / 運動パターン / 記号化 / 階層化 / 分節化 |
|---|
| Research Abstract |
(1)運動データの分節化手法の開発
一連のモーションキャプチャデータを意味のある個別の運動パターンに自動的に分節化するための手法を開発した.これは,隠れマルコフモデルを用い,観察した運動データと既知の運動パターンとが一致する確率の変動に着目したものである.
(2)運動データの階層化と記号化
上記の方法で分節化された運動パターンを素材として,さまざまな人から得られた多種の運動パターン間の階層関係を抽出し,複数の粒度で運動を抽象化する手法を開発した.非単調な活性化関数を持つ連想記憶ニューラルネットワークを認識に用い,活性度と粒度を密に関連させることができる.またこれとは別のアプローチとして,個々の運動パターンおよびそれらから創られた抽象的な運動パターンをまとめ3次元的に配置した,デンドログラムを構築する方法を開発した.この3次元的な運動データベースを用いて,観察した運動を高速に認識したり,新たな運動を生成したりすることが可能になった.
(3)マルチモーダルなデータによる運動認識
関節角データだけでなく,筋張力・床反力などのマルチモーダルなデータを用いた運動認識手法を開発した.運動の認識・記号化に用いたモダリティの重要度を定義し,認識された運動データベース上の傾向として重要な次元を求め,その次元に注目して認識することによって,認識精度の向上や計算量の削減を実現した.さらに,一部のモダリティから,記号操作を通じて他の特徴量を想起できるようになった.
|
