2022 Fiscal Year Annual Research Report
Comprehensive data-driven learning, prediction and generation of whole-body contact motions based on cyber-physical human model
| Project/Area Number |
22H05002
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
吉田 英一 東京理科大学, 先進工学部電子システム工学科, 教授 (30358329)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森澤 光晴 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 副連携研究ラボ長 (00392671)
佐川 立昌 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究チーム長 (30362627)
鮎澤 光 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60649086)
室岡 雅樹 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (70825017)
神永 拓 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (90571571)
金澤 周介 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60783925)
|
|---|
| Project Period (FY) |
2022-04-27 – 2027-03-31
|
| Keywords | 運動最適化・生成 / サイバーフィジカルヒューマン / 人型ロボット / 機械学習 |
|---|
| Outline of Annual Research Achievements |
インタラクティブサイバーフィジカルヒューマン(iCPH) によるデータ収集の枠組みに関しては、ヒューマノイドロボットのプラットフォームとして、小型 (ROBOTIS OP-3) と等身大 (川崎重工 Kaleido) を導入し運用を開始した。ロボットや人間の外表面に装着可能な柔軟な分布型センサとして、3cm間隔で接触を検出できる市販センサの利用を開始するとともに、より高密度 (1cm以下)で面接触を計測可能な分布型センサと信号伝送系を実装し、接触分布がリアルタイムで取得できることを確認した。
① 接触運動の汎用表現の雛形の検討と事例データの整備に関しては、人間歩行運動データを例に取り、人間とロボットの両方に適用可能な身体部位と環境との接触列表現のプロトタイプを導出した。事例データに関しては、人間の運動と複数の接触を同時に計測したデータを作成し、人体形状の汎用的表現SMPLによる運動と接触力を同時に利用できるデータとして整備した。
② 接触運動の逆最適化手法の導出に関しては、これまでに構築した解析勾配手法を用いて、ヒューマノイドロボットに対して逆最適化制御の高速計算手法を構築した。また、強化学習を用いた運動戦略の獲得について研究を実施し、小型ヒューマノイドロボットの歩行運動、全身運動に対して有効性を検証した。
③ 接触運動ネットワークの学習機構のプロトタイプ作成に関しては、人間の歩行運動を対象に、運動データから地面との接触状態を推定する学習システムのプロトタイプを構築した。これを既存の公開歩行データベースに適用し、データセットを学習用・評価用に分け、学習に使用していない評価データで接触の推定が可能なことを検証した。また、その学習結果を本課題で取得した事例データに適用し、精度は下がるものの接触推定が行える可能性が示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
iCPHのプラットフォーム整備については、個別の装置の整備に主眼に置き整備を進めた。等身大のヒューマノイドロボットKaleidoを借り受けることができ、製造元の川崎重工よりサポートを得つつ本課題の終了まで活用する見通しが得られた。また、研究組織内での開発も含めて、特徴の異なる柔軟な面接触の計測センサの利用の目途を付けることができ、今後人体・ロボットに装着して接触運動を計測する環境が整った。
接触運動の汎用表現のプロトタイプを導出し、実際に多数の接触を伴う人間の運動をモーションキャプチャと接触センサを用いて計測する事例データを取得したことで、人体形状の汎用的表現であるSMPLに基づいて、多数の接触を伴う運動を統一的に記述する方向性を得ることができた。
逆最適化制御については、物理モデルが判明しているヒューマノイドロボットの運動に対して適用する手法をまず構築することで、より複雑な構造を持つ人間の運動の解析へと発展させていく理論基盤を整えた。また、完全にモデル化することが難しい接触現象を取り扱えるよう、強化学習に基づく運動獲得についてもシミュレーションを通して有効性を確認したことで、よりロバストな運動制御への道筋がつけられた。
学習機構のプロトタイプ作成に関しては、人間の歩行に関して運動データのみから接触状態を推定できる可能性を確認できたことから、より複雑な接触運動へ発展させる土台を築くことができた。
以上より、本課題はおおむね順調に進展していると判断した。
|
| Strategy for Future Research Activity |
今後は、昨年度に得られた個別テーマの理論や手法構築の成果をさらに発展・充実させ、併せてそれらの統合に向けて環境整備を進める。
インタラクティブサイバーフィジカルヒューマン(iCPH) によるデータ収集の枠組みに関しては、ロボットに分布型触覚センサを装着して、全身接触運動の制御手法の実装・検証を行える体制を立ち上げる。同時に、これらのセンサを用いた面接触を伴う人間運動計測のプロトコル整備と、前年度に導出した接触汎用表現のプロトタイプをベースとしたデータ形式の定義、それに基づくデータ取得の試行と形式の再検討のループを進めていく。
運動の学習と生成と制御に関しては、人型システムの接触運動のシンボル学習、離散表現と動力学をつなぐ運動生成理論の導出、さらに学習に基づくロボット全身運動手法の構築に取り組んでいく。具体的には、歩行運動に対して得られたベクトル量子化変分オートエンコーダ(VQ-VAE) によるシンボル学習を足掛かりに、シンボルから多数の接触を伴う人型システムの動的な全身運動の生成、それらの運動のネットワークとしての理解につなげる。さらに、逆最適化制御による運動の評価関数推定と組み合わせて、多数の接触を伴う人型システムに適用可能な運動生成手法や誤差に頑健な制御手法の理論基盤を構築する予定である。
研究の実施にあたり、研究分担者中心の個別テーマに関する打ち合わせ、またそれらを持ち寄って議論する全体打ち合わせを定期的に実施して、計画に基づいて研究の進捗を管理する。
|
