| 研究課題/領域番号 |
21H03409
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60040:計算機システム関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
粟野 皓光 京都大学, 情報学研究科, 准教授 (10799448)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,030千円 (直接経費: 13,100千円、間接経費: 3,930千円)
2023年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2021年度: 7,540千円 (直接経費: 5,800千円、間接経費: 1,740千円)
|
|---|
| キーワード | 遠隔操作ロボット / 共有制御 / シェアードコントロール / テレイグジスタンス / 未来予測 / エッジコンピューティング / ロボット / 協調制御 / 力触覚ガイダンス / ハードウェアアクセラレータ |
|---|
| 研究開始時の研究の概要 |
本研究では五感からもたらされる情報の8割以上を占めるとされる視覚の予測合成に焦点を当て、未来予測技術を組み込んだテレイグジスタンスシステム構築を通して、通信レイテンシが存在しても操作者の現実感を高められることを実証する。具体的には、(a)ロボットから伝送された映像と操縦者の操作を元に、通信遅延・不確実性を加味した近未来の映像を合成するマルチモーダル敵対的生成ネットワーク(GAN)、(b)マルチモーダルGANのリアルタイム動作を可能にするハードウェアアクセラレータ、(c) (a-b)を組み込んだシステムを開発し、物体操作タスクを例に、疑似ゼロレイテンシ・テレイグジスタンスの有効性を実証する。
|
| 研究実績の概要 |
本研究では、遠隔操作ロボットにおける通信遅延や感覚情報伝送の不完全性による操作性の悪化を改善するため、機械学習を用いてロボットに感覚情報や操作の意図を予測し、先回りして提示することで通信遅延を隠ぺいし、操作性を向上させることを目的としている。
自動車における車線維持機能に代表されるように、オペレータの操作を補助する機構自体は古くから提案されてきた。しかし、誤ったガイダンスを提示することで却って操作性を悪化させてしまう可能性をはらんでいた。そこで、本研究では、AIの推論結果に対する“自信”に応じて人に提示するガイダンスの強度を動的に変化させることで、人の操作を阻害しない自然なガイダンス提示を可能とするシステムを開発した。開発システムは、上半身人型ロボット、力触覚デバイス、人の操作を模倣できるように学習されたニューラルネットワークから構成される。力触覚デバイスとロボットのグリッパ位置は連動しており、人は力触覚デバイスを介してロボットを操作できる。ニューラルネットワークは時々刻々変化するロボット頭部カメラ画像を入力として、次時刻にロボットが取るであろう姿勢を予測し、その姿勢へと近づくようなガイダンスを力触覚デバイスに提示することで人の操作を補助する。この際、力触覚ガイダンスを、不確実性を伴ったガウス分布として予測することで、推論に対する不確実性を加味したガイダンス提示（つまり、AIが自らの推論結果に自信があるときは強いガイダンスを提示し、自信がないときは弱いガイダンスを提示する）を実現している。実験の結果、不確実性を加味しない場合と比較して、タオル折り畳みに要する時間を、16.2%削減できることが明らかになった。
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
