人間・ロボット協調系のためのゆらぎの確率的性質を陽に考慮した学習法

2020 Fiscal Year Research-status Report

• Project/Area Number: 20K11930
• Research Institution: 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群)
• Principal Investigator: 山脇 輔 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), システム工学群, 講師 (20546171)
• Co-Investigator(Kenkyū-buntansha): 八島 真人 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), システム工学群, 教授 (50546158) ; 吉田 秀久 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), システム工学群, 教授 (00332635)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 人間・ロボット協調系

Outline of Annual Research Achievements

近年の生産現場では，人間とロボットが協働することで臨機応変に対応する協働型ロボットが注目されている．本研究では，可変インピーダンス制御を採用した協働ロボットの開発を目指し，その可変インピーダンスパラメータを学習によって最適化することを目的としている．
本年度は，可変インピーダンスパラメータを時系列データとして決定できる新しい繰り返し学習制御則について検討した．具体的には，人間の操作力を最小化する可変インピーダンスパラメータの時系列データを求める学習法について検討した．最も簡単な最適化アルゴリズムのひとつである勾配法を学習則として採用した．人間を含む複雑なシステムにおいて，インピーダンスパラメータに対する操作力の勾配を解析的に求めることは困難なため，近似勾配を求める必要がある．そこで，過去の試行データを用いて近似勾配を求める単体勾配を用いることにした．人間の操作力に含まれるゆらぎによって過去の試行データにはノイズが含まれるため，試行データを適切に選択する必要がある．そこで，本研究では，過去の試行データの組合せに対して誤差限界を定量的に推定し，それが最小となるように過去の試行データを選択するアルゴリズムを考案した．このデータ選択アルゴリズムを採用した繰り返し学習法を構築し，人間・ロボット協調系を用いたPoint-to-Point位置決め作業に対して，有効性を確認する実験を行った．その結果，学習する前と比較して操作力を小さくできるダンピング軌道を生成できることが分かった．
以上の研究成果についてまとめた論文を国内会議に投稿済であり，来年度の発表を予定している．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

本年度は，研究動向調査に基づいて，近似勾配に含まれる誤差限界を推定する手法を考案できた．さらに実機実験による有効性の確認まで実施できており，概ね順調に研究が進展している．

Strategy for Future Research Activity

今後は，学習アルゴリズムの一般化を目指し，６自由度ロボットアームへの適用を検討しており，そのための実験システムの構築を行う．さらに学習アルゴリズムの改良も目指す．

Causes of Carryover

新型コロナウイルスの蔓延によって，参加を予定していた学会全てがオンライン化となり，出張旅費を使用する必要がなくなったため，次年度使用額が生じた．今後は，感染状況の推移を見守り，出張費の適切な使用計画について検討する．