研究課題/領域番号 |
19K12168
|
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61050:知能ロボティクス関連
|
研究機関 | 豊橋技術科学大学 |
研究代表者 |
福村 直博 豊橋技術科学大学, 工学(系)研究科(研究院), 准教授 (90293753)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
キーワード | 筋電義手 / 画像認識 / 視覚‐運動変換モデル / 把持手形状決定 / オートエンコーダ / ニューラルネットワーク |
研究成果の概要 |
事故などにより手指など上肢の一部を失ってしまった患者のために、自分の意図通りに動く義手が求められている。以前より研究が進められている筋電義手は、筋電信号が微弱であることなどから複雑な制御が難しいが、AI技術を用いた画像認識に基づくロボットハンド制御を併用することで、精密な制御ができる義手が期待できる。本研究ではこのシステムの実現のために、深層学習モデルを用いた視覚-運動変換モデルを実ロボットハンドによる実験で検証し、コップの画像からその直径を認識し、そのコップの大きさに合った把持手形状を計算できることを示した。さらに画像と筋電信号を併用した義手システムの試作を行い、その有効性を検証した。
|
自由記述の分野 |
計算論的神経科学
|
研究成果の学術的意義や社会的意義 |
本研究で目指している義手システムはユーザーの意図を筋電から読み取り、画像認識技術と併用することで、ロボットハンドを精密に制御できることを特徴としており、義手使用者のQOLの大きな改善が期待できると共に、音声入力を用いることで、高齢者や寝たきりの患者の生活サポートロボットなどにも応用できる。また、検証してきた視覚-運動変換モデルは多くの深層学習の手法と異なり、ロボット制御に必要な物体の特徴量を中間層に教師信号を使わずに抽出でき、そしてそれを介した拘束条件付き最適化問題を容易に解ける。さらに、この情報抽出は画像と姿勢情報の統合を通して実現しており、マルチモーダル情報統合の有用性も示している。
|