2019 Fiscal Year Annual Research Report
Study on behavior learning for a single-seat personal mobility vehicle capable of traversing rough terrain
| Project/Area Number |
17K00364
|
|---|
| Research Institution | Wakayama University |
|---|
Principal Investigator |
中村 恭之 和歌山大学, システム工学部, 教授 (50291969)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | PU-GAN / LaserVAE / 深層強化学習A2C |
|---|
| Outline of Annual Research Achievements |
本研究課題では，平坦な道路，起伏の大きな段差や数段の階段といった様々な走行状況に適した，一人乗り電気自動車(PMV)の動作手順を自動学習する手法の完成を目指している．H31年度は，この手法を完成させるために，H29年度から継続して次の2つの手法について検討した．
１．PMVの周囲環境を三次元レーザースキャナ(以後，3D Lidarと記す)によりセンシングし，計測された三次元データによる周囲環境の把握手法
２．獲得された周囲環境の三次元データから，脚を設置する場所の候補地点を自動発見する手法
１．疎な三次元データ（点群データ）から，より密な三次元データ（点群データ）を生成するために，H30年度に検討した手法とは異なり，点群データをそのまま入力可能で，性能が高いと評される手法として，PU-GAN (a Point Cloud Upsampling Adversarial Network)という手法を用いることで，密な三次元データを生成することが可能であるという見通しを得た．この手法を用いてシミュレーションで作成した3次元点群を補間する実験を行った．また，１．の周囲環境を把握する手法に関連して，平坦領域・段差領域を認識するために利用可能な手法として，2次元レーザースキャナからの点群データから環境の特徴を抽出する手法（これをLaserVAEと呼んでいる）を開発した．
２．の自動発見法に関しては，深層強化学習アルゴリズム (A2C)を用いて，シミュレーション環境中でPMVを再現したロボットを用いて，1段の段差のある環境で，段差乗り越え動作を自動学習できるか検証した．その結果，段差乗り越え動作手順を自動獲得することが可能であることを確認した．また，シミュレーション実験結果から，段差乗り越え動作を行うためには，車輪部に取り付けられたレーザーセンサからの情報が重要であることが判明した．
|
