DeepLearningを用いた多指ロボットハンドによる道具操り動作の実現
Project/Area Number |
17J10571
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Single-year Grants |
Section | 国内 |
Research Field |
Intelligent robotics
|
Research Institution | Waseda University |
Principal Investigator |
船橋 賢 早稲田大学, 創造理工学研究科, 特別研究員(DC1)
|
Project Period (FY) |
2017-04-26 – 2020-03-31
|
Project Status |
Completed (Fiscal Year 2019)
|
Budget Amount *help |
¥2,800,000 (Direct Cost: ¥2,800,000)
Fiscal Year 2019: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2018: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2017: ¥1,000,000 (Direct Cost: ¥1,000,000)
|
Keywords | 分散型触覚センサ / マニピュレーション / 畳み込みニューラルネットワーク / DCNN / 物体認識 |
Outline of Annual Research Achievements |
昨年度は3軸触覚センサを搭載した2指による物体操りを実現した.ハンド表面はシリコンで覆われているためハンドが把持している物体とは面接触を行うことになるが,Convolutional Neural Network (CNN)を用いることによって,高い成功確率での操りを行った.この結果に対して,さらに未学習の日常物体での操りも行い,最終的に5種類の物体を高い成功確率で操ることに成功した. 本年度では,操り動作を学習したCNNが触覚情報の変化という点で実際に指先上で物体の動きを追えているのかどうかを確認するために,Grad-CAM++というニューラルネットワークの重みを可視化する手法を用いることによって,触覚センサの反応している位置とCNNが見ている位置が一致していることを確認することに成功した.これによって,触覚情報を用いた操りにおけるCNNの有用性が示されたと考える.2指での操り結果とそれを解析したものをまとめて,RA-Letterに提出し,査読中である. さらに,4指での操り達成を目指す上で,指先以外での接触も考慮することにした.指先だけでなく,指腹や手の平への触覚センサの搭載も行った.残りの短い日数で実際にニューラルネットワークによる学習を進めた.学振の期間には収まらなかったが,学振研究期間で得られた成果を基に今後も研究を行い,当初の計画にあった4指での操り動作実現を目指す予定である.
|
Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(6 results)