2016 Fiscal Year Annual Research Report
Skill Reproduction and Motion Feature Extraction Based on Haptic Information
| Project/Area Number |
16H04311
|
|---|
| Research Institution | Saitama University |
|---|
Principal Investigator |
辻 俊明 埼玉大学, 理工学研究科, 准教授 (60434031)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 機械学習 / モーションコントロール / マニピュレーション |
|---|
| Outline of Annual Research Achievements |
まず、モデル予測制御を実装したロボットの動力学シミュレーションプログラムを構築した。このシミュレーションに基づき、動的な制約を伴う技能運動を再現し、様々な条件における運動データを生成した。そして収集された運動データを利用してニューラルネットワークを学習させ、技能運動を再現できるか否かを検証した。多層型RNN、LSTMを用いたSeq2Seqモデル等複数のモデルを比較検討した結果、以下の3点が明らかになった。
①多層型RNNによってモデル予測制御に基づく挙動を再現させることが可能である。モデル内部のパラメータおよび目標位置を変化させたパターン生成し、学習させると環境や指令の変化に対処することが可能となる。
②Seq2Seqモデルを用いて動的な制約を持つ技能運動を学習させるとニューラルネットワークが動的制約条件を学習する。学習後のニューラルネットワークに動的制約を満たさない指令値を入れると自律的に条件を満たした軌道に修正するようになる。このことから、成功する条件に自律的に軌道を微調整するアルゴリズムが実現されている。
③ニューラルネットワークにより生成された軌道を正確に再現するためには加速度フィードフォワードと外乱オブザーバを併用した制御系の有効性が高い。
これらの内容はまず動力学シミュレーションによる検証で評価され、実際のロボットにおいても実証がなされた。具体的にはお好み焼きをひっくり返す動作を対象とした実験を実施し、学習後のロボットが高い再現率でお好み焼き返しの動作を実現していることが確認された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ニューラルネットワークに基づく学習アルゴリズムの構築が計画通りなされ、技能運動を再現するロボットが実現されたことから、技術開発の進捗は当初の想定を超えるペースであると言える。その一方でニューラルネットワークの解析については未解明のところも残されているため、引き続き検証を進める必要がある。
|
| Strategy for Future Research Activity |
学習アルゴリズムの構築を続けるが今後はニューラルネットワークの比較・解析を重点的に実施する。また、ニューラルネットワークのノードと技能のコツの相関をより詳細に調べる。低次の特徴量のみならず、高次の特徴量が低次の特徴量の組み合わせとしてどのような形で抽象化されているかを中心に調べる。
|
