2018 Fiscal Year Annual Research Report
Parametric Representation of Motion Control Mechanism and Its Modification for Simulation and Prevention of Accident
| Project/Area Number |
17H04700
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
村井 昭彦 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (90637274)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 運動生成・制御メカニズム / バイオメカニクス / デジタルヒューマン / 運動力学解析 / アクシデント推定・予防 |
|---|
| Outline of Annual Research Achievements |
B）運動制御システムのパラメータの同定：
平成29年度に実施したA）で計測されたディープデータを用いて，運動表現モデルのパラメータを同定した．平成29年度に実装したSLIPモデルの場合は，接触力を質量中心と接触点間のバネ・ダンパ系が出力するとし，バネ・ダンパ係数を運動および接触力から二乗誤差最小等の最適化により同定した．そして，パラメータの同定の過程で，運動表現モデルが十分に計測される物理現象を表現できるか検証した．ここでは平成29年度に同定を行った複数の義足に対して計測・パラメータ同定および順動力学シミュレーションを行い，パラメータ変化によるパフォーマンス変化が計測とシミュレーションで同じ傾向を示すことを確認した．
C）パラメータ調整や最適化による，シンプルな運動表現モデルにおける運動の変容：
B）で得られる運動表現モデルや環境のパラメータの調整により，運動の変容を実現した．走行路に段差があった場合を想定して環境のパラメータを調整し，順動力学シミュレーションを行った．一般的にヒトの運動は自由度が多く，また接触力推定は不安定になりやすく，詳細なヒトの運動を直接変容してシミュレーションを行うのは困難である．本研究ではヒトの運動力学特性をパラメトリックによく表現するシンプルな運動表現モデルを介することでこの問題を解決した．
D) ビッグデータ計測システムの解析：
生成される実現困難な運動の検証のために，一般的なビデオカメラにより得られる画像情報から運動情報を抽出するシステムの構築を試みた．本年度導入したGPU搭載ノート型パソコンにより，機械学習ベースの運動推定システムを用い，一般的な画像情報から運動情報が抽出できることを確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
C) において，本年度予定していなかったビッグデータのデータベースを構築するための計測および解析システムを構築している．
|
| Strategy for Future Research Activity |
C）パラメータの調整や最適化による，シンプルな運動表現モデルによける運動の変容：
平成30年度までにおいて，スプリントのような周期運動において提案するシミュレーション・解析技術の開発と有効性の検証を行った．本年度は，スプリントのような周期運動だけでなく，本研究が対象とするアクシデントに同様のアプローチが適用できるか確認する．アクシデントでは実験室での実現・計測が困難なため，簡易センサや一般的なビデオカメラを用いて長時間運動計測を行い，含まれるアクシデントのデータと生成される運動表現モデルの運動を，COMの運動や接触力等少数のパラメータを用いて比較する．
D）運動表現モデルの運動から詳細なヒトの運動の復元とその解析：
C）で得られる運動表現モデルの運動を詳細なヒトの運動に復元する．ここでは運動表現モデルとデジタルヒューマンモデル上に共通の特徴点を配置し，またCOM等の幾何学拘束やCOP等の力学拘束を考慮した運動力学計算により詳細なヒトの運動を生成する．生成される詳細なヒトの運動が実際にヒトに発現するか，運動の妥当性の検証が重要である．ここでは対象とする運動はケガや転倒，疲労等実験倫理上もしくは確率的に実現が困難なアクシデントであり，実験室での発現は期待できない．現在，多くのスポーツは撮影され，また街中には防犯等を目的としたカメラが配置されている．このようなビッグデータは入手が比較的容易で，かつケガや転倒，疲労等の映像が含まれる．ここでは検証の第一ステップとして，ディープデータの変容により得られる運動とビッグデータに含まれる運動の主観的な比較を行う．
|
