2020 Fiscal Year Annual Research 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 |
未知の環境であっても柔軟かつロバストに動作できる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，否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が許されないことから，危険性や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「自律移動ロボットの適応性強化」をねらう．
３年度は，環境適応性強化システムにおける(1)～(4)の各機能モジュールをブラッシュアップしながら，基盤システムとしての統合を実施した．(1)環境情報取得および(2)動作確認モジュールに関しては，より複雑な環境下での推定精度と高効率化の両立を図った．押し込み量や動作速度，接触箇所等を的確に判断する機能や，ロボットの移動に伴う環境変化を考慮した動作生成が必要となるため，環境情報取得機能と連携した物体性状情報探索計画アルゴリズムの開発を行った．(3)動作学習に関しては，高効率探索のためタスクを分割して並列学習を行う階層化を行った．災害現場のような不確実性のある環境での高精度な動作学習には，探索空間の大きさが課題となる．高速化という観点では，学習の経験を他タスクの学習に再利用できること，学習結果を制御モデルに反映させられることが重要になってくるため，環境認識に基づき学習済みの制御則を再利用する枠組みを開発した．(4)動作実行モジュールに関しては，より安全な作業実現のために，タスク遂行中における「推定値と実測値」の誤差をモニタリングし，必要に応じて適切に動作調整を行う反射系のフィードバック系の構築を行った．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結果，開発した各モジュールの有用性を確認することができた．
|
