| Co-Investigator(Kenkyū-buntansha) |
下村 芳樹 東京大学, 人工物工学研究センター, 助教授 (80334332)
太田 順 東京大学, 大学院・工学系研究科, 助教授 (50233127)
前田 雄介 横浜国立大学, 大学院・工学系研究院, 講師 (50313036)
杉 正夫 東京大学, 大学院・情報理工学系研究科, 研究拠点形成特任助手(常勤形態) (90372408)
上田 隆一 東京大学, 大学院・工学系研究科, 助手 (20376502)
|
|---|
| Research Abstract |
小型移動ロボットが長期間,自律的に行動を行うために不可欠な,行動決定手法と自己位置推定手法について新規手怯を開発した.行動決定手法については,小型ロボットの限られた容量のメモリ上に行動決定則を実装するため,ルックアップテーブル(LUT)上に記述された行動決定則をベクトル量子化(VQ)で圧縮する手法を開発した.具体的には,1)ロボットや環境の状況をパラメータ化し,そのパラメータ空間を離散化,2)動的計画法によって各離散状態に適した行動を計算し,状態に対して行動が記述されたLUT(状態行動地図)を作成,3)状態行動地図をVQ圧縮し,ロボットに搭載する,という手法である.従来,メモリ容量を抑えて行動決定則をロボットに搭載するために,タスクに応じて様々な手法が提案されて来たが,本手法は,これらの従来研究で扱われてきたタスクの多くに対して適用可能であり,汎用的である.実験では,RoboCup(ロボットサッカー)におけるタスクを例題として状態行動地図を作成し,シミュレーショシと実機実験で圧縮前後のテーブルを比較した.その結果,テーブルの性能を落とさずに1.5%の容量までテーブルが圧縮できた.自己位置推定手法については,移動ロボットの自己位置推定に多く用いられているMonte Carlo localization (MCL)を,長時間の使用に耐えうるように改良した.MCLは,ある時点で推定に誤りが生じると,それ以降の推定が不可能な状態に陥ることがある.そこで,推定不能な状態を解消する方法「リセット法」について,既存の方法(センサリセットと膨張リセット)を組み合わせることで,互いの長所を持つ方法を提案した.提案手法をRoboCupの環境を模したシミュレータで既存の方法と比較し,提案手法がセンサリセット法より確実に,膨張リセット法よりも早く推定の誤りを解消できることを示した.
|
