| 研究課題/領域番号 |
21K03970
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分20020:ロボティクスおよび知能機械システム関連
|
|---|
| 研究機関 | 法政大学 |
|---|
研究代表者 |
Capi Genci 法政大学, 理工学部, 教授 (20389399)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 深層学習 / BMI / リハビリテーション / 転移学習 / ロボットハンド / 遺伝的アルゴリズム / 効率的な深層学習 |
|---|
| 研究開始時の研究の概要 |
本研究では、深層学習の一角をなすConvolution Neural Network (CNN)とEvolutionary Algorithm（EA）を組み合わせた新しい手法を提案する。EAにより学習済みCNNのゲノム部および訓練データをコード化し、分類成功率低下を抑制しつつ、訓練データ量および学習時間を従来比で半減させる。提案アルゴリズムにより生成したモデルを脳波信号に基づくロボットハンドの把持制御に適用し、その性能を検証するとともに、富山大学附属病院の協力の下、脳波信号制御のリハビリテーションロボットに応用する。
|
| 研究実績の概要 |
今年度は、BMI システム実装に対する深層学習と遺伝的アルゴリズム統合について研究を拡張し、以下の研究テーマに重点を置いて実施しました。1. 転移学習を使用し、認識率とトレーニング時間の観点で深層学習のパフォーマンスを向上させること。始めに、特定のタスクと課題に対する CNNのトレーニングを実施しました。 次に、BMI システムにおける類似の概念および新規課題のため、新規の CNNに対してトレーニング済みの CNN の一部を転送し、トレーニングを実施しました。2. 遺伝的アルゴリズムを利用して有用なデータを選択し、深層学習アルゴリズムのパフォーマンスを向上させること。ディープ ラーニングのパフォーマンスに関連するもう 1 つの問題は、トレーニング データと強く関連しています。 つまり、収集されたすべてのデータが特に脳のデータに役立つわけではありません。3. トレーニング済みの CNNを用いたリアルタイムでのロボット制御。脳信号は CNN によって分類され、認識された動きはリアルタイムでロボットハンドに転送されます。ロボットの応答は、実時間状況において有効な速度であることを確認した。また、2022年度計測自動制御学会において学術奨励賞を受賞した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
今年はコロナの影響も収まり、計画通りにプロジェクトを遂行。 インターネットのデータだけでなく、研究室の学生から収集したデータも実験に使用しています。
|
| 今後の研究の推進方策 |
来年は、以下の問題に焦点を当てます。
1) 幅広いアプリケーションでのロボットの実装。
2) バイオセンシングバンドルの乾式電極と無線通信を使用した、より有用なアプリケーション。
3) 日常生活に役立つ、より複雑な実運動と虚運動を考える。
|
