2018 Fiscal Year Research-status Report
| Project/Area Number |
17K18420
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
吉安 祐介 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 (10712234)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 深層学習 / 物体認識 / アクション |
|---|
| Outline of Annual Research Achievements |
ロボットの動作を生成するためのゴールを設定するための技術として、深層学習を活用して推定した物体位置・姿勢認識技術を構築した。ARマーカを用いて半自動的に物体３次元姿勢をアノテーションする方法やStructure-from-motionを用いてほぼ自動的にラベル付けする技術を構築した。次に、深層学習を活用して推定した物体位置・姿勢情報をゴールとして、ロボットアームの把持動作を生成した。sawyerロボットアームとデプスセンサーを使用し、ソフトウェアにはROSを用い、CNNを用いた物体検出と３次元姿勢認識、3Dモデルマッチング、モーションプランニングと動作生成を行うシステムとして統合した。その結果、物体認識とpick-and-place動作を安定的に生成できるシステムとなり、棚への物体陳列作業を行うことができた。
また、CNNを用いた物体認識器と環境の２Ｄマップをもちいた移動ロボットの移動軌道生成についての研究を行った。ロボットにはFetch移動マニピュレータを用い、物体認識器にはYOLOv3を用いた。その結果、シミュレータ(Gazebo)内だけでなく、実環境においても対象物の比較的近くまでロボットを移動させることが可能となった。
さらに、２次元地図上の移動ロボットの軌道を学習するために機械学習に基づく軌道生成手法を構築した。スタートとゴールを地図上にランダム与えて、既存の軌道生成手法で軌道を生成することでデータセットを構築し、条件付オートエンコーダを用いて学習することで障害物を回避できる軌道を生成することができた。現在、3D auto encoderを用いて環境の障害物に関する視覚情報を情報圧縮し軌道生成学習モデルを組み合わせてロボットアームの３次元運動軌道の推定を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深層学習を用いた物体認識機を用いて実ロボットでの動作生成が実現できた。また軌道生成のための学習モデルが構築できたため。
|
| Strategy for Future Research Activity |
深層学習を用いた物体認識技術、環境中の障害物認識技術、軌道生成学習モデルを統合し、移動ロボットやロボットアームの動作生成を行えるシステムを構築する。 また、言語に基づいて受けた指示を元に、物を取りに行くなどのアクションが可能なロボットシステムの構築を目指す。
|
