|
生活支援ロボットにとって，「XをYにのせる」「Zを回す」などの日用品をハンドリングする機能は必要不可欠であるが，各種の日用品や棚に対応する動作をすべて人手でプログラムすることは現実的ではない．模倣学習分野では，物体操作を確率モデルにより表現し，様々な状況に対応させるアプローチが広く研究されている．既存研究では，操作軌道を２つのオブジェクト間の相対軌道として表現し，隠れマルコフモデル（HMM）などの確率モデルを用いて軌道を学習させるものが多い．我々が提案した参照点に依存したHMM（RPD-HMM）では，最尤軌道の生成は可能であるが逐次的な生成ができないという問題があった．
そこで本研究では，刻一刻と変わる環境や状況に対応可能かつ人間らしい自然な動作を再現できるオンライン模倣学習手法を開発した．具体的には，RPD-HMMから生成された最尤軌道を基準とした逐次動作生成手法を開発した．これにより，人工的な外力を導入して逐次的に障害物を回避することが可能になる．実験では，非逐次型のベースライン手法との比較評価を行った．その結果，外力を加えた場合であっても，提案手法は滑らかな軌道を生成できるという結果を得た．また，人間が実行した軌道からの生成誤差についても，実用上十分小さいことを確認した．手法の有効性を検証するため，日用品ハンドリングタスクを行うサービスロボットを構築し，音声対話を通じた学習動作の実行を可能とした．
本研究の社会展開活動の一環として，各種講演会における招待講演を通じて技術知識の普及に努めた．また，日本ロボット学会学術講演会において「確率ロボティクスとデータ工学ロボティクス」に関するオーガナイズドセッションを開催し，最大規模の参加者を集めるなど，ロボティクスへの統計的機械学習の応用に対して先導的な活動を行った．
|
