|
ロボットの視覚・触覚・力覚を効果的に用い、対象物体の形状に合わせた動作を生成するための深層予測学習モデルを提案した。提案するモデルは、視覚情報から物体形状の特徴量を予測するモジュールと、力覚と触覚を用いて動作を生成するための再帰型深層予測学習モジュールから構成される。まず初めに視覚により大まかな物体形状を捉えて特徴量を算出し、その特徴量を再帰型学習モジュールの潜在空間に入力した後、力覚と触覚を使って詳細に凹凸を知覚しながら動作生成をさせる。評価実験では物体の表面を拭き取る掃除タスクをロボットに行わせ、視認できない、物体の裏面やロボット本体により隠れた場所でも拭き動作を達成できることを示した。この成果は国際会議IEEE ICRA 2022にて研究発表を行い、Travel Awardを受賞し、高く評価された。
続いて英国エジンバラ大学に４月から９月の間滞在して共同研究をし、長期マニピュレーションタスク実現のための深層学習モデルを提案した。長期のタスクを、短期の目標であるサブゴールに切り分けて、現在の状態と最終目標の差分を元に次のサブゴールを順に予測し、そのサブゴールを一つ一つ達成するための動作計画をさせる。ロボットにピザを組み立て、ナイフかピザカッターを選択させて切る作業を実現させ、未学習の物体と道具の配置でも正しく作業を行えることを示した。ロボットのセットアップ・実験・論文執筆はエジンバラ大学の研究者と共に行い、技術交流・意見交換をした。論文はIEEE ICRA2023にてacceptされており、2023年5月の会議にて発表予定である。
|
