機械学習を用いた創造的運動学習ダイナミクスの解明

2021 年度 実施状況報告書

• 研究課題/領域番号: 21K19739
• 研究機関: 早稲田大学
• 研究代表者: 三浦 哲都 早稲田大学, 人間科学学術院, 准教授 (80723668)
• 研究分担者: 佐藤 菜穂子 名古屋学院大学, リハビリテーション学部, 准教授 (70581510)
• 研究期間 (年度): 2021-07-09 – 2024-03-31
• キーワード: ダンス

研究実績の概要

これまでの身体運動科学では、目標となる動作からの誤差を定量化することで、運動学習の過程を記述してきた。しかしながらこの方法論では、目標となる動作が設定されない状況での運動学習過程を科学することができない。たとえば、ストリートダンスでは踊りのオリジナリティが求められる。ストリートダンスが上達するということは、踊りが人と違うものに変化していくことを意味する。このようなダンスの上達過程は、踊りの「正解」を設定できないため、科学的に評価することができなかった。この問題を解決するため、本研究では新しく運動が創造されていく過程を記述する方法論を開発することを目的とした。具体的には、機械学習の手法を応用し、多自由度の身体から生み出される多様な運動を低次元の変数で表現する。課題動作として、まずは私がこれまでに運動のデータを蓄積してきたストリートダンスを用いることとした。
2021年度には、コロナ渦により動作計測実験を十分に行えなかったため、これまで計測してきた手持ちのデータを用いて、いくつかの事項を検討した。たとえば、機械学習により多自由度の運動を低次元の変数で表現する際に、入力するデータの時間解像度はどの程度にするかなどである。入力する運動データが、どれくらいのサンプリングレートであるべきか、またデータの時間幅がどの程度が適切かについて検討したが、これについてはまだ結論がでていない。ストリートダンスへの応用を考えるならば、ストリートダンスで鍵となる運動の情報を損なわないことが重要である。この点については、今後、ストリートダンスの熟練者の運動データを取得し、そのデータを用いて検討していくことで明らかになると考えられる。

現在までの達成度 (区分)

3: やや遅れている

理由

2021年度は、コロナ渦により動作計測実験を十分に行えなかったため、進捗状況はやや遅れていると判断した。上記の進捗報告内容に加えて、当該研究の推進に必要な文献のレビューや、機械学習アルゴリズムの開発に利用可能な公開されている運動データの検索をした。また、共同研究者や研究協力者と議論を重ねることで、今後の実験内容を検討した。

今後の研究の推進方策

今後は、動作計測実験を行うことを予定している。まずは、ストリートダンス熟練者を対象とし、ストリートダンスで重要となる運動の情報を損なわないような入力データを検討する。コロナ渦の状況に応じて、十分なデータを計測できない場合には、研究計画を見直し、既存のデータや公開されている運動データを用いて研究を進める。

次年度使用額が生じた理由

2021年度はコロナ渦のため、実験参加者を集めて動作計測実験を行うことができなかった。そのため、次年度使用額が生じた。2022年度は、コロナ渦の状況を考慮しながら、動作計測実験を行う予定である。