深層転移学習と継続学習を組み合わせた筋電ベースヒューマンインタフェースの開発

• 研究課題/領域番号: 23K28135
• 補助金の研究課題番号: 23H03445 (2023)
• 研究種目: 基盤研究(B)
• 配分区分: 基金 (2024); 補助金 (2023)
• 応募区分: 一般
• 審査区分: 小区分61020:ヒューマンインタフェースおよびインタラクション関連; 小区分62040:エンタテインメントおよびゲーム情報学関連; 合同審査対象区分:小区分61020:ヒューマンインタフェースおよびインタラクション関連、小区分62040:エンタテインメントおよびゲーム情報学関連
• 研究機関: 国立研究開発法人産業技術総合研究所
• 研究代表者: 叶賀 卓 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (40803903)
• 研究分担者: 唐木田 亮 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (30803902)
• 研究期間 (年度): 2023-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 18,590千円 (直接経費: 14,300千円、間接経費: 4,290千円); 2026年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円); 2025年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円); 2024年度: 5,330千円 (直接経費: 4,100千円、間接経費: 1,230千円); 2023年度: 7,020千円 (直接経費: 5,400千円、間接経費: 1,620千円)
• キーワード: 筋電 / 転移学習 / 継続学習

研究開始時の研究の概要

筋電位は個人差が大きく、状態識別のためにユーザのデータが1時間分ほど必要である。また、学習済みモデルにクラスを追加すると、学習した表現を大幅に喪失する破滅的忘却と呼ばれる現象が起きる。少ない計測時間でユーザのデータを計測済み他ユーザ(ソース)のように変換し、今までの表現を忘れずに新しいクラスをソースモデルに追加学習できれば、ユーザはソースの識別モデルを代用し、そのモデルを継続学習でき るインタフェースが提供できる。本研究では、まず深層転移学習に基づいたドメイン適応技術を開発する。次に、初期識別モデルのクラス数を 増加可能な継続学習法を開発し、これらを組み合わせたフレームワークを構築・応用する。