2023 Fiscal Year Annual Research Report
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
| 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吉田 秀久 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), システム工学群, 教授 (00332635) [Withdrawn]
藤原 浩幸 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 (60531994)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 人間・ロボット協調系 |
|---|
| Outline of Annual Research Achievements |
本研究では，人間とロボットが物理的に接触しながら協働で作業する人間・ロボット協調システムを対象としている．その制御則として可変インピーダンス制御を採用し，人間の操作性を改善する可変インピーダンスパラメータを求めるための学習法について検討した．
最終年度には２編の学術論文が採択され，国際会議及び国内会議でそれぞれ１件の発表を行った．以下にそれらの概要を示す．
２編の学術論文では，（１）学習性能を劣化させる人間の突発的な動作を検知する新たな学習法，（２）過去の試行データを活用することで人間のゆらぎに対するロバスト性を向上させる学習法をそれぞれ提案し，従来手法と比較して学習性能が向上することを実験的に示した．国内発表では，観測ノイズを生じるブラックボックス関数を少ない試行回数で最適化できるベイズ最適化を採用した学習法を提案した．以上の学習法は，操作時間や手先加速度に基づいてインピーダンスパラメータを生成する手法であった．これら２つのパラメータは各試行間でゆらぎが大きい．一方，作業環境の位置情報はゆらぎの影響はない．そこで，国際会議では，複合現実提示デバイスを活用した位置情報に基づいたインピーダンスパラメータの生成法を提案し，その有効性を実験的に示した．
人間のゆらぎに対する学習性能の向上を目的とした４年間の研究を通じて，６件（うち国際会議２件，国内会議４件）の研究成果を発表し，それらを３篇の学術論文にまとめた．本研究で明確となった新たな問題点を次の研究課題として引き続き取り組んでいく．特に，検討が不十分であった作業環境の情報を積極的に活用した学習法について，今後さらに研究を進めていく予定である．
|
