| Budget Amount *help |
¥2,400,000 (Direct Cost: ¥2,400,000)
Fiscal Year 2003: ¥1,200,000 (Direct Cost: ¥1,200,000)
Fiscal Year 2002: ¥1,200,000 (Direct Cost: ¥1,200,000)
|
|---|
| Research Abstract |
本年度は,主に(1)ロボットの瓦礫除去機構の改良,(2)救助ロボットの複数化と学習データの共有化,(3)学習方法の改良について行った.
(1)瓦礫除去機構の改良
救助ロボットの瓦礫除去機構の形状を2自由度の平行リンク機構から5自由度の垂直型多関節ロボットマニピュレータに改良した.また,マニピュレータの手先部は開閉式の平行板に緩衝材を取り付けた.その結果,瓦礫の形状や位置・姿勢に限定されることなく様々な瓦礫を把持することが可能になった.
(2)救助ロボットの複数化と学習データの共有化
同機能の救助ロボットを新たに1台製作し,計2台とした.ただし,昨年度に作成したユーザインタフェイスについては2台のロボットで共有し,切り替えによって各ロボットの遠隔操縦を行なうものとした.また,学習データの共有化については,LANによるロボット間通信を用いて実現した.その結果,ロボットの学習が効率良く行われ,ロボット間で遅れなくリアルタイムで学習データを利用することができた.
(3)学習方法の改良
学習データには,視覚画像を処理して得られる瓦礫の画像特徴量とオペレータの操作量のセットを用いた.昨年度では,画像特微量に瓦礫の重心位置のみを用いていたが,本年度では,様々な瓦礫の状態を認識するために,画像特徴量を重心位置,面積,輪郭等とした.また,オペレータの操作量については,ロボットに瓦礫を把持させた位置の情報のみを採用した.その結果,簡単な形状の瓦礫に関しては,概ね瓦礫の状態を認識することが可能であったが,複雑な形状の瓦礫に関しては,認識率が十分でなく,適切な動作を再生することができなかった.瓦礫の認識率の向上には,画像特徴量の再選定やニューラルネットワーク等の導入など,更なる改良が必要であると思われる.
|
