2022 Fiscal Year Annual Research Report
Construction of a motion analysis system with less interference with skillful movements
| Project/Area Number |
21H01280
|
|---|
| Research Institution | Saitama University |
|---|
Principal Investigator |
辻 俊明 埼玉大学, 理工学研究科, 准教授 (60434031)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
本道 伸弘 人間総合科学大学, 保健医療学部, 助教 (10867344)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 運動解析 / 模倣学習 / 力覚センシング / 力制御 |
|---|
| Outline of Annual Research Achievements |
本研究課題では、計測系が人に干渉しない運動解析システムの実現により、ロボットが人の細やかな技能運動を模倣できるようになることを実証することを目指す。
2年目である令和4年度は道具を使用しているときの位置と力のプロファイルを記録する運動解析システムを構築した。そして接触状態の特徴量を抽出し、判別する手法を開発した。接触状態の判別結果に基づき、道具を使用しているときの動作を複数のプリミティブに分節化することが可能になった。分節化技術そのものは先行研究が既にあるが、分節化の閾値を自律的に設定する手法は存在しなかったため、自動的な分節は困難であった。それに対して提案法ではBOCPDと呼ばれる手法の適用によって接触状態に基づく分節化が人の微調整なしに実施できるようになった。接触状態に基づく判別情報を取り込むことによってコンタクトリッチタスクのより精緻なモデル化が可能になると期待される。実機でのデモンストレーションにより、提案法で分節化した模倣学習メカニズムが栓抜きやペグインホールなどのコンタクトリッチタスクを遂行する能力を持つことを実証した。
併せて人の動作の運動解析技術および力計測の基盤技術を開発した。接触時の力覚情報に周波数変換を介したうえで時間遅れニューラルネットワークに入力する力覚の回帰分析手法を提案した。本手法はヒステリシス等の影響を受けなくなることから、接触力情報をより精緻に推定できる。実験的検証を通して道具使用時の力制御性能が高められることを実証した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初予定していた研究について、想定通りの成果を得ることができた。また、国際論文誌に2編掲載されるなど高いプレゼンスを示している。
|
| Strategy for Future Research Activity |
最終年度である令和5年度は人の高度な技能運動を再現する模倣学習システムを実現する。上に述べた成果により、人の技能運動を取得、構造化することには成功しているが、これをロボットで再現させようとした場合には環境の変動にどのように対処し、タスクを遂行させるかが避けられない課題となる。環境変動があった場合にそれに対処する動作を運動解析システムから取得し、モデル化することでロボットに環境適応性能を獲得させる。運動解析システムで取得する動作の数やパターンは、実用上少ないのが望ましいため、少ない教示動作から高い汎化性能を得るための設計論を確立する。
|
