• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 実績報告書

sequence-to-sequenceモデルを用いた臨機応変な物体操作

研究課題

研究課題/領域番号 18J14272
研究機関埼玉大学

研究代表者

沓澤 京  埼玉大学, 理工学研究科, 特別研究員(DC2)

研究期間 (年度) 2018-04-25 – 2020-03-31
キーワードロボット / 深層学習 / 動作生成 / ニューラルネットワーク / sequence-to-sequenceモデル / 表現学習
研究実績の概要

本研究はsequence-to-sequence(seq2seq)モデルと呼ばれるニューラルネットワークを用いて,複数動作の臨機応変な組み合わせによる動作生成を目指すものであった。本年度においては,単一の動作を学習したseq2seqモデルを使って,モデルが獲得した動作の低次元表現(潜在表現)を利用した動作生成の研究をおこなった。
まずは昨年度に引き続いて,訓練済seq2seqモデルの潜在表現を与えられた目的関数で最適化する研究に取り組んだ。seq2seqモデルは動力学的制約にあわせた軌道変形を学習するが,その後は訓練時とは異なる目的関数のもとで動作生成する必要がある。本研究では誤差逆伝播法に基づいた手法を提案し,軌道の終端位置の指定や制限速度の設定といった訓練時に与えていない目標への動作生成をモデルの再学習なしに実現した。
続いて,人間からの教示動作でseq2seqモデルを訓練する研究に取り組んだ。具体事例として,画像情報を基に動作生成するタスクを扱った。実環境では画像の撮影条件が容易に変化するので,少数の教示データで学習することが求められる。本研究では,seq2seqモデルに教示動作を学習させた後,エンコーダ部分を新たなモデルに取り換えて再学習する手法を提案した。本手法は動作の潜在表現という撮影条件に不変な表現を利用することで,新規な状況への再適応を可能とする。実験によってカメラ位置などが大きく変化しても少数の教示動作から安定的に動作の再学習ができることを確認した。
最終的に本研究によって,不連続性をもつ物理モデルや教示動作などの様々な方法によって動作学習が可能となり,さらに潜在表現を使って新たな目的関数やデータに対して動作の再適応・再学習が可能となる。これを既存技術と組み合わせることで,様々な動作を状況に応じて生成することが可能になると期待できる。

現在までの達成度 (段落)

令和元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

令和元年度が最終年度であるため、記入しない。

  • 研究成果

    (3件)

すべて 2020 2019

すべて 雑誌論文 (2件) (うち国際共著 2件、 査読あり 2件) 学会発表 (1件)

  • [雑誌論文] Simultaneous Estimation of Contact Position and Tool Shape using Unscented Particle Filter2020

    • 著者名/発表者名
      Kutsuzawa Kyo、Sakaino Sho、Tsuji Toshiaki
    • 雑誌名

      IEEJ Journal of Industry Applications

      巻: 9 ページ: -

    • 査読あり / 国際共著
  • [雑誌論文] Trajectory adjustment for nonprehensile manipulation using latent space of trained sequence-to-sequence model2019

    • 著者名/発表者名
      Kutsuzawa Kyo、Sakaino Sho、Tsuji Toshiaki
    • 雑誌名

      Advanced Robotics

      巻: 33 ページ: 1144~1154

    • DOI

      10.1080/01691864.2019.1673204

    • 査読あり / 国際共著
  • [学会発表] 画像情報を含んだ模倣学習におけるSequence-to-Sequence Autoencoderの利用2019

    • 著者名/発表者名
      沓澤京
    • 学会等名
      第37回日本ロボット学会学術講演会

URL: 

公開日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi