2018 Fiscal Year Research-status Report
Adaptability-Enhancement Scheme Based on Active Information-Exploration in Real Space and Efficient Motion-Exploration in Virtual Space
| Project/Area Number |
18KT0063
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
亀崎 允啓 早稲田大学, 理工学術院総合研究所(理工学研究所), 主任研究員(研究院准教授) (30468863)
|
|---|
| Project Period (FY) |
2018-07-18 – 2021-03-31
|
| Keywords | 能動的情報探索 / 効率的動作探索 / 災害対応ロボット / 実空間 / 仮想空間 |
|---|
| Outline of Annual Research Achievements |
よりロバストで柔軟な自律型ロボットには，与えられたタスクの成否を判断でき，うまくいかないと判断された際の代替案を模索できる機能が必要である．災害対応作業には失敗しないことが求められることを鑑みると，危険性や莫大な時間を要する実空間ではなく，仮想空間での試行錯誤に基づく動作獲得が効果的と考えられる．本研究では，実環境での試行錯誤が難しく，対象の物性が未知の環境において，実空間での能動的情報取得と仮想空間での動作学習機能を核とした基盤構築による「自律移動ロボットの適応性強化」をねらう．
初年度では，環境適応性強化システムのうち，(1)環境情報取得，および(2)動作確認モジュールのプロタイプを開発した．(1)では，地形情報および，地面性状(地面の摩擦や硬さなど)を環境情報として取得する．地形情報は，深度センサを用いて環境の点群を取得し，それらを仮想空間に再現するためメッシュモデルに変換する．地面性状は，マニピュレータを使った環境への能動的接触時の反力および変位を用いて取得する．これらの環境情報を用いて，仮想空間に環境を再現する．(2)では，仮想空間内に再現した環境で動作を行い，動作確認を行う．ここでは，作業の遂行可能性を信頼度と定義する．具体的には，仮想空間での動作の安定性（機体の姿勢），作業の効率性（作業時間），環境の再現性（深度センサからの距離）から，作業可否を確率的に算出し，信頼度とする．信頼度が基準値以上の場合，「動作実行」を，基準値未満の場合には，「動作学習」を，それぞれ操作者に提案する．提案システムによりロボットの環境適応性が強化されることを確認するため，災害現場を模した環境で，未知の条件を含む段差登りを実施した．実験の結果，実空間での能動的情報探索により再現された仮想空間上での動作確認により作業可否の判断が可能なことが分かった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度は，環境適応性強化システムのうち，(1)環境情報取得，および(2)動作確認モジュールのプロタイプを開発した．本年度の成果は，実空間での能動的情報探索により再現された仮想空間上での動作確認により作業可否の判断が可能なことが示されたことである．作業の遂行可能性を表す指標として信頼度を，仮想空間での動作の安定性（機体の姿勢），作業の効率性（作業時間），環境の再現性（深度センサからの距離）を用いて算出することで，信頼度が基準値以上の場合，「動作実行」を，基準値未満の場合には，「動作学習」という判断を行うことが可能となった．また，地形情報だけでなく，地面性状(地面の摩擦や硬さなど)を環境情報として取得し，仮想空間に環境を再現できた点も重要な成果である．特に，２年度に先駆けて取り組んだマニピュレータを使った環境への能動的接触時の反力および変位を用いて推定するシステムのプロトタイプは，災害対応ロボットの環境適応性を高める上で重要な機能となると考えている．実機における適切なセンサ構成や仮想空間再現のためのソフトウェアなどについても重要な知見が得られたことは今後のモジュール開発・評価にとって大きな成果となった．
これらのことから，実空間での能動的情報取得と仮想空間での動作学習機能を核とした基盤構築による「自律移動ロボットの適応性強化」のための，基本モジュールは順次構築できており，また，その有用性を実験から確認することができた．また，２年度で取り組む実世界での能動的情報収集(グローピングや移動)による性状情報取得システム開発に有用となる成果を得ることができた．以上から，当研究課題は順調に進捗しているといえる．
|
| Strategy for Future Research Activity |
２年度は，環境適応性強化システムのうち，(3)動作学習，および(4)動作実行モジュールの開発に取り組む．(3)動作学習の前に，動作確認で問題が生じた場所に移動し，環境情報を取得したのち，問題が生じた箇所環境を再現する．動作学習では，効率的に多自由度ロボットの動作学習を行うこと，そして，学習後の動作の評価が明示的に出力可能な動作探索手法が求められる．そこで，遺伝的アルゴリズム(GA)を用いた動作学習を行うことを考えている．効果的に学習を行うため，動作をフェーズに分け，問題が生じたフェーズのみ学習を行う．学習パラメータは，各関節の目標関節角と角速度，クローラの基本速度，フェーズ切り替え条件などを考えている．GAでは，まず作業ごとに用意されている基本動作およびそれまでの学習動作から初期集団の形成する．次に，各個体の信頼度を適合度として算出する．そして，その結果から個体をエリート選択とルーレット選択を用いて選択し，交叉・突然変異をBLX-αを用いて行い次世代の個体を生成する．これを適合度が基準値以上になるまで行う．基本動作と環境情報を入力として，学習後の動作とその信頼度を出力する．(4)仮想空間で確認した動作を実空間で動作させて確実に作業を完遂させるためには，実空間での機体の位置・姿勢が，仮想空間で動作させた場合と大きく異なっていてはならない．そこで，動作実行中に機体の位置や姿勢をモニタリングすることにより，作業に異常がないかを常に調べる．そして，動作に異常が確認された場合，安全な位置まで戻り，操作者に状態の提示を行う．提案システムによりロボットの環境適応性が強化されることを確認するため，災害現場を模した環境で，未知の条件を含む段差登りを実施する．仮想空間での動作探索により効率的に動作が学習され，作業が可能になることを確認する．
|
| Causes of Carryover |
ロボット整備用電装部品を計上していたが，当該年度はそれらの整備を必要としない実験を行わないことになったため，物品費およびその加工費の支出はなかった．次年度には，当該年度で行わなかった実験を行うため，これらの整備に必要な支出を行う予定である．また，成果発表等による旅費の支出もなかったが，これらは次年度にまとめて行う予定である．次年度使用額が生じることによる計画への支障はない．
|
