• 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

2020 年度 実施状況報告書

ユーザフレンドリーなヒューマンインタフェースのための転移学習法開発

研究課題

研究課題/領域番号 20K19854
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, 研究員 (40803903)

研究期間 (年度) 2020-04-01 – 2022-03-31
キーワード筋電位 / 転移学習 / ヒューマンインタフェース
研究実績の概要

本研究では、個人間・個人内のばらつきの大きいデータの分布を、短いキャリブレーション時間で統計的に補正する転移学習法の提案および応用を目的としている。この目的に対して個人差が大きいことで知られている筋電位データを用いている。具体的には、ターゲットの少数データとソースデータの類似度計算、ソース選択、そしてドメイン適応理論を構築する。続けて、筋電位を用いた上腕動作フレームワークへ応用する。
本年度は、ターゲットの少数データとソースデータの類似度計算を行う際に、ターゲットのデータにラベルがついている場合とついていない場合、それぞれのケースを考え、ソース選択とドメイン適用理論をセットとしたフレームワークを2種類提案した。
ターゲットの少数データ(キャリブレーションデータ)にラベルがついている場合は、ソースを選択せず、すべてのソースを用いてアンサンブル処理をすると性能が高いことを明らかとし、さらに半教師あり学習と組み合わせてラベルなしのテストデータ情報を反映できることも明らかとした。この結果は現在国際論文誌に投稿中である。
また、ラベルがついていない場合は、複数の距離指標を用いてターゲットデータとソースデータの距離が近いものを選択することで、キャリブレーションデータにラベルがついていない場合も転移学習が可能となるフレームワークを提案した。ただし、こちらに関してはラベルありの状態と比べると性能が高くなく、今後さらなる改良が必要である。こちらについても国際論文誌に投稿中である。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

本年度に予定していたターゲットの少数データとソースデータの類似度計算、ソース選択、そしてドメイン適応理論をまとめたフレームワークの構築は予定通りに完了した。
一方、研究計画当初は想定していなかったキャリブレーションデータにラベルがついていない状態、というのが短いキャリブレーション時間を「容易に」行う上で非常に重要であるということに本年度の研究遂行中に気づき、もともとのラベル付きキャリブレーションデータを対象とした研究目的と並行して行うこととなった。より「ユーザフレンドリーなヒューマンインタフェース」を目指すのであれば、ターゲットユーザは動きを指定されず、自由にキャリブレーションを行うことが望ましい。つまり、計測されたラベルなしデータから転移学習を行うべきである。しかし、当初の予定を優先し、筋電位を用いた上腕動作識別フレームワークへの応用は、まずはキャリブレーションデータにラベルがついている状態で行い、余裕があればラベルなしキャリブレーションデータに対しても行えるようにする。

今後の研究の推進方策

当初の予定通り、今後は筋電位を用いた上腕動作フレームワークへの応用を実施する。
これに対し、筋電位が入力されてから200 ms以内に動作を判定し、3Dグラフィクスとして提示するオンラインシステムに提案した転移学習法を導入する。ここで、射影行列の計算がオンライン処理の場合に許容できる範囲内に収まるのかが現在不明であるため、この計算時間次第で手法を改良・修正する。
また、初めてのユーザでも簡単かつ高精度に3Dグラフィクス操作を行えることを実証するため、実験を行う予定であるが、このユーザたちはコロナウィルスの蔓延具合によって、広い被験者群に収集をかけるのではなく、狭い被験者群で行う可能性がある。現状、実証の具体的な仕方については未定であるが、実証実験によりコロナウィルスの蔓延を促進することがないよう配慮・対策を徹底する。

次年度使用額が生じた理由

コロナウィルス蔓延により学会や出張がすべて現地ではなくバーチャル開催やオンラインミーティングに変わったため、旅費が0円となった。また、同様の理由で、人を呼び実験を行うことができる状況ではなかったので人件費・謝金も0円となり、消耗品費の使用も予定より少なくなった。これらの理由により次年度使用額として繰り越すこととなった。
次年度の時点ではすでに現状の環境が継続されることが予想されるので、この分の費用を設備費や論文掲載料などへ回すことで使用する予定である。

  • 研究成果

    (5件)

すべて 2021 2020 その他

すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (2件) (うち国際学会 2件) 備考 (1件)

  • [雑誌論文] Semi-Supervised Learning for Auditory Event-Related Potential-Based Brain-Computer Interface2021

    • 著者名/発表者名
      Ogino Mikito、Kanoga Suguru、Ito Shin-Ichi、Mitsukura Yasue
    • 雑誌名

      IEEE Access

      巻: 9 ページ: 47008~47023

    • DOI

      10.1109/ACCESS.2021.3067337

    • 査読あり / オープンアクセス
  • [雑誌論文] Are armband sEMG devices dense enough for long-term use? Sensor placement shifts cause significant reduction in recognition accuracy2020

    • 著者名/発表者名
      Kanoga Suguru、Kanemura Atsunori、Asoh Hideki
    • 雑誌名

      Biomedical Signal Processing and Control

      巻: 60 ページ: 101981~101981

    • DOI

      10.1016/j.bspc.2020.101981

    • 査読あり / オープンアクセス
  • [学会発表] Analysis and Usage: Subject-to-subject Linear Domain Adaptation in sEMG Classification2020

    • 著者名/発表者名
      Takayuki Hoshino、Suguru Kanoga、Masashi Tsubaki、Atsushi Aoyama
    • 学会等名
      2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)
    • 国際学会
  • [学会発表] Subject Transfer Framework Based on Source Selection and Semi-Supervised Style Transfer Mapping for sEMG Pattern Recognition2020

    • 著者名/発表者名
      Suguru Kanoga、Takayuki Hoshino、Hideki Asoh
    • 学会等名
      ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
    • 国際学会
  • [備考] Suguru KANOGA/Publications

    • URL

      https://sites.google.com/view/u4ag2knosr1/publication

URL: 

公開日: 2021-12-27  

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