2023 Fiscal Year Annual Research Report
行動予測ニューラルネットワークを利用した人の自然な動作の評価と活用
| Project/Area Number |
21H03479
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
牧野 泰才 東京大学, 大学院新領域創成科学研究科, 准教授 (00518714)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 行動予測 / ヒューマンロボットインタラクション |
|---|
| Outline of Annual Research Achievements |
本研究課題は，機械学習による人の行動予測を活用し，人とロボットが同じ空間で共存する際に，自然にインタラクションできるための基盤を構築することを目的としている．本年度は主に以下の3つの点について研究を行った．
1つめとして，行動予測モデルの限界の検証を行った．これまで様々な非線形モデルで行動の予測が行えることが示されてきている．一方，実用的な観点では，シンプルなモデルで予測できる範囲においては計算コストを下げたいことも多い．特に，対象とする部位が動き出し，速度や加速度の情報を利用できる状況で，それら情報を利用した線形モデルと，非線形なニューラルネットワーク（NN）モデルを比較し，両者を比較し検証した．結果，線形モデルでは0.05-0.1秒程度までであればNNと同程度の誤差となることが示された．つまり，通信遅延を補償するような用途で，その遅延が0.05-0.1秒以内であれば，シンプルな線形モデルを利用した場合でも差が生じないことが確認された．動作予測の活用の観点で，より実用的な検証結果が得られた．
2つめは，予測結果のリアルアバター表示と，その結果とのインタラクションの検証である．これまで本提案手法でリアルタイムに骨格情報が推定できることを示してきたが，その表示は骨格のみにとどまっていた．本年度はリアルアバターを作成し，それにより予測結果を表示するシステムの実現と，人とのすれ違いにおける有用性についての評価を行った．
3つめは，予測結果の活用としての人追従ロボットの性能向上に向けた取り組みである．これまで赤外線を利用した深度センサを利用していた．これは計測可能な距離が比較的ロボットから遠く，また自然光下で計測できないという課題があった．そこで2台のRGBカメラを利用した3次元骨格抽出により，自然光下で比較的近距離で実現可能な追従ロボットの実装に取り組んだ．
|
| 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。
|
