|
最終年度は，ロボットに取り付けた柔軟部の変形や，光弾性体と偏光光学系の利用により，ロボットにかかる力情報を可視化することを試みた．それにより，ロボット指による押しつけ動作を対象に，ビューベースト教示再生を力制御タスクに適用可能であることを確認した．また，ヒューマノイドロボットの動作にビューベースト教示再生を適用し，最大10自由度までの動作について，教示内容の再生を確認した．
研究期間全体を通じて，ニューラルネットワークに基づくビューベースト教示再生の実現法がおおむね確立された．また，このビューベースト教示再生手法が，押し操作・in-hand マニピュレーション，押しつけ操作，ヒューマノイドロボットの動作など，多様な作業に適用可能であり，かつ一定の作業条件変化に対応可能であることが示された．そして，通常のカメラ画像に加え，距離画像や光弾性画像の利用により，様々な物理情報を利用したロボット教示再生が実現可能であることが明らかになった．さらに，複数の画像のうち利用する画像を状況に応じて適宜切り替えることが有効であることも示された．そのほか，Actor-Critic ベースの強化学習アルゴリズムを用いることで，ニューラルネットワークを試行錯誤的に改善する手法が開発され，仮想環境内でその有効性を確認した．これらの成果は，古典的な教示再生方式と同様の汎用性を維持しつつ，作業条件の変化にも対応可能であるという，ビューベースト教示再生のメリットを，多様なロボットによる多様な作業に適用可能にするための基盤となる成果であると言える．
|
