2021 Fiscal Year Annual Research Report
Spatial recognition based on deep learning and its application to sensory integrated myoelectric hand
| Project/Area Number |
19K04296
|
|---|
| Research Institution | Saga University |
|---|
Principal Investigator |
福田 修 佐賀大学, 理工学部, 教授 (20357891)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
卜 楠 熊本高等専門学校, 電子情報システム工学系AEグループ, 准教授 (80425743)
村木 里志 九州大学, 芸術工学研究院, 教授 (70300473)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 深層学習 / マスタースレーブ / 義手 / 画像認識 / 感覚統合 |
|---|
| Outline of Annual Research Achievements |
本研究は，人間の優れた把持機能に着目し，この仕組みをマスタースレーブシステムに導入することを目的としている．特に，人間と機械とが複雑な操作を要求されるマスタースレーブの好例として，電動義手の制御の高度化に取り組む．電動義手のインタフェース手段には，人間の活動筋から計測される筋電位信号が用いられることが多いが，筋電位信号のみでの制御では，未だに10動作程度が限界である．近年は，人間の手と見紛う程の精巧な義手も多数登場しているが，実用においては，単純な把持動作でさえもまだまだ不自然さが残されている．最終年度は，最重要課題である感覚統合機能の完成に向けて，ビジョンセンサからのイメージ情報と操作者からの筋電位情報をEnd-to-Endで認識するアルゴリズムの構築に取り組み，その妥当性や有効性の検証実験を実施した．提案するアルゴリズムは，操作者の筋電位信号とビジョンセンサからのイメージ情報を，end-to-endでモデル化し，電動義手の動作に結びつけることができる．構築したネットワークは，画像処理に適した畳み込み深層ニューラルネット，時系列信号の処理に適したLSTMネットワーク，両者を繋ぐ複数の結合層で構成されている．10クラスの対象物・動作を対象とした検証実験を実施し，主に２つの効果を実証した．１つ目は，訓練が安定的・効率的に実施でき，テストにおいても高い認識精度が期待できる点である．問題に適応して表現能力が高いネットワーク有するためである．２つ目は，２系統の入力を備えることで，片方の入力に何らかの外乱が加わった際にも，頑強な認識ができる点である．さらに，従来は難しかった生の筋電位信号からの認識を実現できることも確認できた．以上，本研究では全研究期間を通じて，深層学習に基づく空間認識能力の実現と感覚統合型筋電義手制御への応用について取り組み，期待通りの成果が得られた．
|
