Development of deep learning to reveal physical human-robot interaction and its application to safe robot control

2023 Fiscal Year Final Research Report

• Project/Area Number: 20H04265
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 61050:Intelligent robotics-related
• Research Institution: National Institute of Informatics (2023); Nara Institute of Science and Technology (2020-2022)
• Principal Investigator: Kobayashi Taisuke 国立情報学研究所, 情報学プリンシプル研究系, 助教 (10796452)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 深層学習 / 強化学習 / 潜在空間抽出 / 確率的勾配降下法 / ヒューマンロボットインタラクション

Outline of Final Research Achievements

This study aims to develop learning and control techniques for safe physical interaction between robots and humans. In relation to this scenario, four technical results have been obtained mainly: i) a well-formed latent space extraction technique based on Tsallis statistics; ii) a smoothing technique for reinforcement learning action; iii) a new theory of Sim-to-Real as multiobjective reinforcement learning; and iv) a stochastic gradient descent method robust to noise and outliers. In addition, two applications have been conducted mainly: i) analysis of periodic motion of indirect physical human-robot interaction; and ii) footstep planning of bipeds with discrete changes of contact states.

Free Research Field

知能ロボティクス

Academic Significance and Societal Importance of the Research Achievements

本研究の技術的成果はどれも，本研究の想定する物理的接触を含む問題を通じて開発された一方で，それのみで機能するような限定的に組み立てられた技術ではなく，より多くの問題での活躍が期待されるような理論的かつ汎用的なものとなっている．これは，実用性を志向することで機械学習分野に広がりをもたらし，高い学術的意義がある．また，これらの技術やその開発を通じて得られた知見により，物理的接触を含むような実ロボットの制御やインタラクションの解析などを達成しており，従来よりも複雑な社会的に需要のある作業へのロボット導入へと繋がるものと期待できる．