2019 Fiscal Year Annual Research Report
Research on a method to transfer high-level skills extracted from sensing information to robots
| Project/Area Number |
17K06471
|
|---|
| Research Institution | Chukyo University |
|---|
Principal Investigator |
橋本 学 中京大学, 工学部, 教授 (70510832)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
秋月 秀一 慶應義塾大学, 理工学部(矢上), 助教 (40796182)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 作業動作 / 動画像解析 / ヒューマンセンシング / 熟練者 / LSTM / スキル分析 / 技能教育 |
|---|
| Outline of Annual Research Achievements |
令和元年度には，各スキルレベルの作業動作の特徴を分析するための技術として，昨年度に提案した視線と手の相互関係を記述する特徴量をさらに発展させ，視線と手の時間情報を考慮した作業動作分析方法を提案した．そのアイデアは，初級者か中級者，中級者か熟練者の2クラスのスキルベルを識別する機械学習ネットワークを生成し，スキルレベルを識別できた場合，そのネットワークはスキルレベル間の作業動作の特徴を捉えていると仮定し，ネットワークのパラメータ等を解析するというものである．具体的には，時系列の視線と手の移動軌跡情報からMulti-Stream LSTMを用いて，スキルレベルを識別する．次に，ネットワークの解析には，アテンション機構を用いた．これは，時系列情報を伝搬して識別をおこなうLSTMの中で，どの時刻の入力データが識別に有効であったかを0から1の実数値で表現するものである．ここでスキルレベル識別において，識別に有効な情報は，スキルレベル間で作業動作が特徴的に異なっていたと考えられる．この分析方法を用いて評価実験をおこなった．実画像データを利用した評価実験では，部品を把持し，その部品を組み付けて，ねじを締めるという一連の作業動作の視線と手の移動軌跡情報からスキルレベルを識別した．識別性能は，初級・中級識別ではF値が0.75，中級・熟練識別ではF値が0.72であった．それぞれのネットワークをアテンション機構で分析したところ，初級・中級間では，一連の動作の中で部品を把持する動作における手の動きが特徴的に異なり，中級・熟練間では，部品を把持する動作における視線の動きが特徴的に異なる傾向にあることを確認した．この分析方法を，教育システムに導入することによって，どの時刻のどの動きがスキルレベル間で異なるかを分析できることが示唆された．これら一連の研究成果を，国際会議1件および国内会議で2件発表した．
|
