2022 Fiscal Year Annual Research Report
| Project/Area Number |
20H04218
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
佐宗 晃 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, 研究チーム長 (50318169)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
長久保 晶彦 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 (00357617)
小木曽 里樹 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, 研究員 (10821738)
児島 宏明 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 (80356980)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 作業行動認識 / 音源認識 / 音源定位 / マイクアレイ / 体導音 / 音響イベント / アクティブ音響計測 |
|---|
| Outline of Annual Research Achievements |
【研究目的】労働力人口の急激な減少により、製造現場などでは省人化、生産の効率化、熟練技術の継承などが課題となっている。このための基盤技術として、①大まかな作業行動の認識技術、②詳細な手作業内容のセンシング技術が必要となる。
【研究実施計画】課題①に関しては、作業音の音源定位と音源認識の統合による頑健な作業行動認識システムの実現を目標とする。課題②に関しては、指と物体との接触による振動が手首に伝搬する体導音（パッシブ型）、または手首に装着した振動アクチュエータから手の内部へ入力した振動の反射等の体導音（アクティブ型）を計測して、手作業の内容や、指先と物体との静的な接触状況などを認識する手首装着型センサの実現を目標とする。
【R04年度研究実績】
課題②に関しては、特定被験者の１３種類の手作業行動からパッシブ計測した体導音をTransformerで学習し、学習データとは異なるテストデータを認識した結果、提案法の方がTransformerより高い認識精度を達成することを確認した。またモデル学習の安定性を評価するために、異なる乱数シードで初期モデルのパラメータを乱数で生成して、モデルの学習とその精度評価を繰り返す実験を行った。その結果、Transformerは乱数シードにより学習モデルの認識精度が大きく変動するのに対し、提案法は乱数シードに依らず安定的にモデルが学習可能であることを確認した。また体導音のアクティブ計測に関しては、手の接触有無検出を行うため被験者実験の条件決定・システム構築を行い、5名各4セットの実験結果を得た。この結果にラベリング、及び特徴量等を変化させ検出方法の検討を行った。
課題①および②に関して、５名の被験者が１３種類の基本手作業をしている時の作業音（気導音）および体導音（各１２時間程度）を、新規に収録した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
今年度、１３種類の基本手作業行動の体導音のパッシブ計測や、手と物体の接触有無検出のための体導音のアクティブ計測に関して、それぞれ５名の被験者を対象に一定量のデータ収録を行ったが、R3年度の人間工学実験の一時中断によるデータ計測の大幅な遅れを、まだ完全には取り戻せてはいない。
|
| Strategy for Future Research Activity |
今後は主に下記の３課題に取り組む。
(1) 体導音センサの改良と装着方法の改善を行う。個体間で特性のばらつきが小さい体導音センサを開発する。また体導音センサの貼り付け位置や皮膚との接触状態の変化に対して頑健な体導音センサの装着方法を検討する。
(2) より複雑で連続的な手作業行動に伴う体導音の計測とデータベースの構築を行う。デスクワークを想定した１５種類以上の基本手作業、木材、アルミケース、プラスチックケースの加工作業を想定した９種類以上の基本手作業、デスクトップPCを解体して、ハードディスクドライブを取り出す作業（１１種類以上の作業工程）、そして部品のピッキング作業（１３種類以上の作業工程）などの作業に伴う体導音を計測する。
(3) 認識アルゴリズムの精度評価および改善を行う。提案法である気導音・体導音の認識アルゴリズムは、ネットワーク受領野と各手作業の継続時間が一致する場合に、その認識精度が最大化されることを実験的に確認している。観測した気導音・体導音に対して最適なネットワーク受領野を自動調整するアルゴリズムの研究開発を行う。
|
