| 研究課題/領域番号 |
17K00364
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能ロボティクス
|
|---|
| 研究機関 | 和歌山大学 |
|---|
研究代表者 |
中村 恭之 和歌山大学, システム工学部, 教授 (50291969)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2017年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | PU-GAN / LaserVAE / 深層強化学習A2C / SRCNN / DQN / DDQN / 不整地環境モデリング / GAN / NEAT / 不整地環境計測 / 不整地走行戦略の自動獲得 / データ融合による動作学習 |
|---|
| 研究成果の概要 |
本研究では，平坦な道路，起伏の大きな段差や数段の階段といった様々な走行状況に適した一人乗り電気自動車(PMV)の動作手順（車輪と脚の行動の組合せの生成）を自動学習する手法の開発を目指した．これを実現するため，①PMVの周囲環境を三次元レーザースキャナによりセンシングし，PU-GANという手法を用いることで，疎な三次元データ（点群データ）から，より密な三次元データ（点群データ）を生成できることを確認した．②深層強化学習アルゴリズム (A2C)を用いて，シミュレーション環境中でPMVを再現したロボットを用いて，1段の段差のある環境で，段差乗り越え動作を自動学習できることを確認した．
|
| 研究成果の学術的意義や社会的意義 |
PMVは，高齢者を含めた移動困難者のQOLを向上させる移動支援機器として普及が期待されているが，都市環境においても整備されていない段差は数多く存在する．本研究で開発した手法が実用化できれば，整備されていない環境中を踏破できる能力を持ったPMVの普及が進み，PMVの生産という新製造業を創出できると考えられ，社会的な意義が大きい．
本研究で開発した手法により，数段の階段を踏破できるような能力をPMVに与えることができ，高速な車輪モードから低速な脚動作モードへの滑らかな切り替わりなどが実現できるようになると考えられる．このようなソフトウェアを搭載したPMVは，類似の開発例がなく，学術的な意義も大きい．
|
