2019 Fiscal Year Annual Research Report
Self-Organizing Motion Primitives for Robots Utilizing Deep Learning
| Project/Area Number |
15H01710
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
尾形 哲也 早稲田大学, 理工学術院, 教授 (00318768)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
有江 浩明 早稲田大学, 次世代ロボット研究機構, その他(招聘研究員) (20424814)
|
|---|
| Project Period (FY) |
2015-04-01 – 2020-03-31
|
| Keywords | 認知ロボティクス / 深層学習 / 予測学習 / End to End学習 / マルチモーダルシステム / 多目的ロボット |
|---|
| Outline of Annual Research Achievements |
本研究課題では，人間型ロボットによる複数の卓上タスクを対象として，深層学習による感覚運動の予測学習を用いたロボットの動作生成手法の提案と評価を行なっている．2019年度は2018年度の成果を受けて以下の３点について研究を実施した．
(1) 空間的注意機構モデルによる物体位置・角度推定の汎化：CNNは画像認識に使用される代表的な深層学習モデルだが，ロボットで特に重要な対象の位置情報が失われやすい．本研究では，空間的注意機構を導入したモデルを提案し，この問題に対処した．同時に提案モデルでは少ないデータ数で位置の汎化が可能である．本年度は，基礎的検討として、カメラ画像を用いた物体の位置・姿勢推定タスクにより実験と解析を行い，CNNに対する有効性を確認した．
(2) 深層学習モデルの学習データ収集のためのデータグローブの学習チューニング：ロボットハンドの学習データを効率的に得るためにデータグローブの利用が有効である．この際，データグローブとロボットハンド間の状態を対応させることが不可欠である．本研究では，ロボットの設計データを利用せずに，非線形な対応（マッピング）を行う神経回路モデルを開発した．潜在変数として個人情報を付与することで，個人差を加味した姿勢のマッピングが可能であることを確認した．
(3) AR（拡張現実）を利用した分散ロボットシステム開発フレームワーク：分散システムの構築を支援するソフトウェアは多くあるが，これらは複数のモジュールの物理的分散を隠蔽し，単一のコンピュータシステムとして扱う形式をとっている．そのため実世界で動作するロボットシステムには応用が難しい．本研究では構成モジュールが実行されているホストコンピュータを認識し，そこに構成モジュールをAR（拡張現実）の手法を利用して重畳表示することで，実世界位置を明示するシステムを構築した．
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
