2014 Fiscal Year Annual Research Report
運動データベースからロボットの実世界運動制御への展開
| Project/Area Number |
26700021
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
高野 渉 東京大学, 情報理工学(系)研究科, 講師 (30512090)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | 知能ロボット / 行動認識 / 行動生成 |
|---|
| Outline of Annual Research Achievements |
本研究課題では，実世界で多様な行動を遂行するロボットの実現に向けて，大規模な運動の記憶を形成し，その記憶の中から状況に応じて動作を選択しながら，ロボットの身体と実環境の物理的整合性も考慮して動作を修正する計算法を開発する．平成26年度では，人間の全身運動およびその周囲の環境情報を同期して計測する環境を整備した．人間の動作を統計モデルにて学習し，そのモデルのパラメータ空間にで，動作を識別する境界面を計算する手法を開発した．構築した空間はリーマン空間となり，動作間の距離は対応するパラメータの差の2次形式として，容易に表現することができる．これは動作の識別器を構成する上で大きな利点となる． 20種類（3200の動作データ）の動作の識別実験では，開発した手法を用いることによって，従来法と比較して識別率が21％向上した．これを動作とその動作が働きかける物体へ拡張した．動作と環境中の物体の識別およびそれらの幾何学的関係を統計モデルによって学習することによって，共起性が高い動作と物体を抽出することを可能にした．人間の身体運動および周囲の環境を計測することで，その運動と共起性の高い物体にアテンションを向け，運動と物体の識別をすることによって，人間の行動を詳細に認識できる計算法を開発した．24種類の動作と30種類の物体の組み合わせからなる64種類の行動に対して，BLEUスコアが0.83と高い精度で人間の行動を認識できることを実験で示した．また，上記の動作と物体の統計モデルには，各身体部位と物体の幾何学関係が埋め込まれている，生成した動作と環境中に置かれたある物体との幾何学と学習時の幾何学との類似度は，統計モデルより計算できる．最急降下法により類似度が高くなるように動作を修正する計算方法も開発した，物体に手を伸ばす動作生成実験では，手先が物体に到達するような動作を生成できることを確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成26年度では，（A-1）全身運動および周囲環境の統計モデルの開発，（A-2）運動と環境中の物体の相関学習法の構築，（B-1）身体と物体の幾何学的拘束を満足する運動生成法の開発，(B-2)ロボットの質量特性を考慮したトルク制御法の開発，(C)等身大ヒューマノイドロボットを用いた行動生成実験を遂行する計画であった．(A-1)これまでの統計モデルを改良して，身体運動を高精度にて識別する手法を開発した，また，環境中の物体のモデルとして，計測したポイントクラウドにて物体領域を抽出し，その領域中の色情報を利用して物体を識別する手法を開発した．(A-2)身体運動と物体を識別し，運動と物体の幾何学的関係性，およびそれらの共起性を学習する統計モデルを開発した．これを用いることで身体運動だけでは認識できないような動作を，物体情報を活用することで行動を詳細に認識できるシステムを開発した．(B-1)運動と物体の幾何学関係を学習した統計モデルは，生成した動作と環境中に置かれた物体との幾何学が，学習時とどの程度類似しているかを計算することができる．この類似度が最大となるように最急降下法を用いて動作を修正する手法を開発した．物体の位置によって不自然な動作が生成されることもあるが，動作生成法の基本部分は完成した．(B-2)トルク制御ができる7軸のロボットアームが完成したばかりであり，生成された動作を実現するためのトルク制御法の開発にはまだ着手できていない．(C)生成された動作は関節角の時系列であり，これを参照軌道として等身大ヒューマノイドロボットHRP4の位置制御ベースの動作生成実験は行った． 以上のように，5つの開発項目に対して，４つの開発項目では計画通り順調に進んでいる．
|
| Strategy for Future Research Activity |
ロボットが認識・生成できる行動の多様性の広さは，身体運動およびその周囲の環境に関して蓄積したデータ量に大きく依存する．これまで，64種類の行動，各行動に対して15試行の合計960の行動データをデータベースとして記憶している．日常生活で対応するための行動の数として不十分であり，行動の計測実験を加速させる必要がある．特にデータベース化する際に，行動データを人手でラベルを貼り，分類する必要がある．この作業をクラウドソーシングのマイクロタスクにすることで，効率化を図るなども検討する．これまでは動きに伴う力情報に関してはデータを計測していない．ロボット身体と環境は作用・反作用力で繋がっている．身体が環境に働きかける力は関節に発生するトルクから生まれる．動作中の人間の関節トルクを接触力から推定することも可能であるが，その関節トルクを直接ロボットに利用することはできない，それは，ロボットと人間の関節配置および質量特性が異なるからである．そこで，同じ身体特性を有するロボット2台からなるマスタースレーブ式ロボットシステムにて，マスターロボットを人が操縦し，スレーブロボットが同じような動作をする状況で，スレーブロボットの関節角度，関節トルクおよび接触力を計測する．これらを学習した統計モデルを利用して，確率値が高い動作を生成することが可能となる．これは学習した動きに類似していることを示すが，学習した環境やそれから受ける力は異なるため，実世界で実現可能な動作である保証はない．ロボットおよび環境の力学を表す運動方程式を使い，運動方程式を満足しつつ，統計モデルの確率が高い動作を見つけるアルゴリズムを開発する．これは，運動の物理的整合性を満たしながら学習した動作に近い動きを生成することになる．実世界で実現可能なロボットの動作計画・制御法を開発する．
|
| Causes of Carryover |
平成26年度に距離センサを購入する計画であったが，購入予定であるセンサの近距離での位置精度および太陽光がセンサに入る状況での使用が難しいことが判明した．そのため，距離センサの購入を控えた．
|
| Expenditure Plan for Carryover Budget |
距離センサの研究費を，平成27年度にてウェアラブルモーションセンサに充てることを計画している．ウェアラブルモーションセンサの小型化，無線化，サンプリングレートの向上などがあり，効率的に精度よく人間の動作を計測するために使用できると判断した．
|
Research Products
(21 results)
