2023 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 |
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した。接触状態の変化や環境の変動を検知し，動作生成に利用することでより難易度の高いコンタクトリッチタスクが遂行可能になるが，そのためには接触の特徴量の取得が有効である．しかし力の特徴量は多くの場合ノイズに対して小さく，かつ個体差や試行毎の差が大きい．周波数変換はノイズと特徴量の分離に有効であることが知られている．この知見に基づき，周波数変換技術であるメル周波数スペクトラムや短時間フーリエ変換を力の時間応答から導出し， 周波数情報に基づく回帰分析によってタスクに必要な特徴量の高い精度での導出を実現した．特に高い時定数での推定が難しい研磨の研削負荷の推定に上記の技術を応用した．研磨作業のような工具の振動を伴う加工作業では, 振動周波数が接触力と強い相関を持つ.この特性に着目し, 力覚センサの応答値の周波数情報に基づく接触力検出手法を提案した.接触力検出モデルには, 接触力と周波数情報の非線形関係,接触力のタスクの状態に応じた時間変化を考慮し,1D-CNNを用いたNNベースのモデルを採用した.研削負荷と回転数の相関を時間遅れニューラルネットワークで推定することによってオフセットのような力覚センサ特有の誤差の影響が低減し, 接触力をより正確に検出できることが示された.周波数情報をNNモデルの入力に用いる場合, 検出値と実際の応答値の間の時間遅れが問題となる.この問題に対しては, 力応答の変化量を用いて補償することが可能である.提案する接触力検出手法を用いた力制御では, 力応答値からオフセットを実時間で除去し,正確な力制御となることが示された.以上の成果を国際ロボット展に展示し産学それぞれの領域からの反響を得た
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
| Remarks |
12月に開催された国際ロボット展において研究成果を展示し、産学両方の領域から反響を得た。
|
