2015 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, 准教授 (30512090)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | 知能ロボット / 運動認識 / 運動生成 |
|---|
| Outline of Annual Research Achievements |
本研究課題では，実世界で多様な運動を生み出すロボットの知能構築に関して，膨大な動きの記憶とその記憶に照らし合わせながら実世界での身体と環境のインタラクションにおける物理的整合性を満足する運動の生成・制御の理論を構築することを目的とする．平成27年度では，運動および力の時系列データを統計モデルによって学習し，その統計モデルから運動方程式を満足するような関節角および関節トルクを生成するアルゴリズムを開発した．各関節にエンコーダおよびトルクセンサーを内蔵した7軸のロボットアーム2台を通信を介して繋げたマスタースレーブ式のロボットシステムを用いた．人がマスターロボットを操縦しているときのスレーブロボットの関節角および関節トルクを計測し，その時系列を隠れマルコフモデルによって学習した．学習したモデルから自律的にロボットアームの運動を生成する方法は，統計的サンプリング手法に基づく．モデルに埋め込まれた関節角の分布に従いながら，ランダムに次時刻の目標関節角を生成する．目標関節角，および計測した関節角から目標関節角速度・加速度を計算し，それを実現するための関節トルクをロボットアームの運動方程式から算出する．この関節トルクを統計モデルから生成される確率として評価する．この手続きを1サンプルとして，多くのサンプルを作成する．各サンプルの関節トルクとその確率値から関節トルクの期待値を算出し，それを関節トルクの指令値として用いることによって，学習した動きに類似しながら物理的な整合性を考慮した運動を生成できる．黒板に４種類の線（水平線，円直線，斜め線，円）を描く実験を行い，ロボットが実環境で運動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27年度以降の開発項目の一つとして，「（Ｂ）物理的整合性を考慮した運動計画・制御技術の開発（Ｂ－３）身体が受ける力学的拘束条件を満足する運動生成法の確立」を挙げている．この技術は，本研究課題でロボットが実環境との作用・反作用の力を介しながら適切な動きを生成・制御する基盤であり，最重要開発項目である．当該年度では，この基盤技術の理論を確立し，それをロボットに実装することで，黒板に線を描く動作を実現可能であることを確認し，順調に研究を進められていると評価できる．ただし，開発した手法はサンプリング手法を用いて，適切な関節角および関節トルクの組み合わせを探索する方法であり，ロボットの自由度数に応じて，多くのサンプルを生成する必要がある．これは，計算付加を高めることになり，大自由度の全身ヒューマノイドロボットに適用する場合には，この問題を解決する必要がある．
開発項目として「（Ａ）身体とそれを取り巻く環境の大規模身体運動データの構築（Ａ－３）身体運動データベースの指や手表面の圧力分布データへの拡張」を掲げていた．しかし，実際に実験で収集した運動は4種類（各種に対して10試行）に留まり，多様な運動に適用できるかどうかの検証には至らなかった．また，実験で用いたロボットには手先に力センサーが内蔵されておらず，接触力は関節の動きとトルクから推定せざるを得なかった，手先に力センサーもしくは圧力分布シートを取り付けたロボットシステムを開発して実験を追加して行う必要もある．
|
| Strategy for Future Research Activity |
手先に力センサーを内蔵した双碗ロボットを開発して，それを遠隔操作で動かしたときの関節角度や手先反力の計測データを統計モデルによって学習する．黒板に線を描く動作だけではなく，モノを持ち上げる，移動させるなどの物体操作を想定して，多種多様な運動のデータベースおよび運動モデルを構築する．自由度が増加することによる計算時間の増加，制御の遅延は，力を伴う制御においては重要な問題である．各サンプルは互いに独立であるため，サンプルごとの並列処理化による計算時間の低減を図る，また，学習データの分布を代表するような少数のサンプルのみで関節角およびトルクの目標値を計算する方法を開発する．
当該年度の運動生成では，身体の力学的特性に重点を置いて運動を生成する手法を開発してきた．身体が働きかける周囲環境を適切に知覚しながら，動作を計画する機能も必要となる．色・深さカメラにて計測した環境データを運動の統計モデルに組み込む方法を開発する．物体認識は前年度に開発して計算手法を用いる．学習したときと物体の位置が大きく異なる場合，学習した物体と類似しているが少し異なる物体を操作する場合などの様々な状況を想定し，その場に応じて適切に学習した運動を組み合わせる必要がある．たとえば，学習した動きを時系列的に組み合わせて一連の動作を計画する技術，複数の動作を並行に組み合わせて複雑なタスクを遂行する技術，2つの動作を足し合わせて中間の動作を生成することで環境に応じて多様な動作を生成する技術などが考えられる．多様かつ複雑なタスクを遂行するための動作の組み合わせ・修正方法を開発する．
|
| Causes of Carryover |
ロボットの手先に力センサーを搭載したロボットの開発に着手することができなかった．次年度は現在使用しているアームロボットの手先に力センサーを搭載し，関節角度，関節トルク，手先反力の計測データから動きのモデルを作成する．
また，環境を知覚する色・深さセンサーを活用した運動生成・制御の研究の進捗が遅れており，ビジョンに係わるロボットシステムを開発できなかった．次年度は色・深さセンサーをロボットの頭部または胸部に搭載し，マルチモーダルなデータを活用した運動モデルへ拡張する．
以上の理由より，上記次年度使用額を申請する．
|
| Expenditure Plan for Carryover Budget |
ロボットの手先に6軸力センサーもしくは圧力分布計測シートを貼り，物体操作時の外力を計測する．また，環境知覚のために色・深さセンサーを取り付けることで，物体操作における身体運動と環境知覚の関係を統計モデルとして学習する．以上のように力および視覚のセンサーを購入して，ロボットシステムの感覚系を強化する．
|
Research Products
(14 results)
