| 研究概要 |
オフィスにおける複数ロボットのナビゲーションを例に,提案する環境への知識埋め込み手法の有効性を示した.ロボットに要求される様々な作業の発生割合が変化する場合にも,環境内で行動するロボットが自律的に環境に添付した記憶媒体を蓄えられた知識の有用性に従って再配置する手法を提案した.提案手法が,動的に記憶媒体を適切に再配置することを示した.また,ロボットが行動する環境の構造の違いが,提案手法に与える影響を調べた.ナビゲーションの例では,ある目的地に到達するための複数の方法に要するコストが等しい場合には,記憶媒体を適切に再配置することが困難となることがわかった.
ロボットが獲得し,環境に蓄える知識として,ロボットが複雑な環境で仕分け作業を行うために有用となる物体の「見え」を用いた.物体がおかれる様々な状況で物体の見えが役立つためには,限られた記憶容量にできるだけ様々な視点からの物体の見えを蓄えることが望ましい.異なる時刻,場所で獲得した物体の見えを主成分分析を利用して効率良く蓄えていく物体の見えの得手法を提案した.物体を含んだ濃淡画像を例に,ロボットが繰り返し様々な視点からの見えを獲得していくことによって,様々な視点からの物体の見えが効率良く蓄えられていくことを確認した.さらに,獲得した見えから3次元の形状を復元するために,類似した見え同士の距離を求め,距離の和が最小になるように見えの隣接関係を求める手法を提案した.隣接する見え同士の特徴点の対応を求めることによって,3次元形状が復元できる可能性を示した.
以上の通り,本年度は,ロボットに与えられる作業割合が変化する場合における環境への知識埋め込み手法の有効な適用方法を示した.また,知識として物体の見えを考えた場合において,物体の見えの逐次的な獲得手法を提案し,その有効性を示した.
|
