| 研究概要 |
本年度は制御対象をヒューマノイドロボットの二足歩行制御に設定した.歩行運動指令生成器(コントローラ)は,位相振動子の結合系と,その位相に基づいて各脚の関節軌道を一意に決定する(本研究では,この冗長自由度を制約するための情報を「拘束条件」と呼んでいる)ための運動学的パラメタ(歩幅,路面の傾斜角度,以降では軌道パラメタと呼ぶ)で構成される.この歩行制御モデルに基づいて制御されるヒューマノイドロボットが,環境の変化(たとえば路面の仰角変化など)に適切に対応して歩行運動を継続するためには,「環境を認知」し,身体自由度を適切に拘束する「拘束条件を想起」する必要がある.つまり,環境との能動的かつ力学的な相互作用の結果として観測される感覚フィードバック情報の文脈(時系列)に基づいて,過去に獲得して記銘された拘束条件が適切に想起できるように構造化されている必要がある.ここでは,軌道パラメタを非線形力学系のアトラクタとして記憶するために,リカレントニューラルネットワーク,ならびにk-最近傍クラスタリング法を用いる手法を提案した.この動的環境認知モデルでは,逐次的に観測される床反力情報から床反力の中心点を求め,その時間軌道を用いてヒューマノイドの姿勢の安定性を評価し,拘束条件を切り替えている.
提案手法を動力学シミュレータ上に実装されたヒューマノイドロボットモデルの歩行シミュレーションに適用し,様々な環境状況下で,二足歩行運動を継続的に実現することが可能であることを確認した.
|
