2021 Fiscal Year Research-status Report
効率的な深層学習：脳信号を使用したロボットベースのリハビリテーションの実装
| Project/Area Number |
21K03970
|
|---|
| Research Institution | Hosei University |
|---|
Principal Investigator |
Capi Genci 法政大学, 理工学部, 教授 (20389399)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 深層学習 / BMI / リハビリテーション / 転移学習 |
|---|
| Outline of Annual Research Achievements |
主に画像認識に関するディープニューラルネットワーク(DNN)実装に着目してきた従来のアプローチと異なり、生体信号分類に対するディープラーニング(DL)の実装に取り組むものである。初年度は次の課題に焦点を当てて取り組んだ。
1. 脳・筋電信号のような生体信号分類におけるDNNのパフォーマンスを検証した。脳信号を手の動作分類へマッピングのために、DLを実装した。さらに、DLを使用し表面EMG信号を手振りジェスチャー認識にマッピングした。本手法では、脳・筋電信号の列データは畳み込みニューラルネットワーク(CNN)の入力として使用され、これらのデータの特徴は学習過程で生成される。結果は、生体信号分類においてCNNの良好なパフォーマンスを示した。さらに、トレーニング済CNNは、リアルタイム下でもEMG信号マッピングに対して良好に機能することを確認した。
2. DNNにおける転移学習について、今年度は5層の畳み込み層を持つCNNを用いて手動で転移学習の設定を行った。しかし、さらに高い精度を求めて層の深い大きなCNNを構築する場合、手動では最善な転移学習条件探索が難化する。そのため、今後の展望として遺伝的アルゴリズム(GA)等を用い、大規模なCNN及び転移学習の自動的最適化について検討する予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナ禍状況で協力学生数が予定通りではなかったため、インターネット上のオーンソースデータを中心に取り組んだ。これらのデータは、他研究者からも利用されているため、本手法のパフォーマンスを他の従来手法と比較することができた。被験者数を減らしての実験だったが、ロボットの実時間制御実験は実施できた。
|
| Strategy for Future Research Activity |
初年度の実験結果に基づき、2022年は以下の課題に取り組む予定である。
1. システムの複雑化
（a）DNNで簡単な把持動作の転移学習をテストした後、次は手の動作の数や複雑さを増やす予定である。さらに、実際の手の動きから仮想上のタスクに移行する予定である。仮想タスクは、脳卒中患者におけるリハビリテーションシステムとして実装するという我々の最終目標と強く関連するものである。
（b）転移学習による新規類似課題の学習に加えて、課題数を増やした転移学習の実施により、新規タスクの代わりに新しい課題に対するDNNトレーニングのスピードアップを図る予定である。
2. 実ロボットへの実装
新しい実・仮想の四肢動作タスクについて、本研究室で開発した実ヒューマノイドロボットに実装する予定である。正しい動作を複製した正確な動きに加えて、ロボット動作の応答時間について検討する予定である。
|
| Causes of Carryover |
コロナウイルスのため、実験に参加する学生の数は限られていました。 国内および国際会議はすべてオンラインで開催されました。 今年は、会議がオンサイトで開催されることを願っています。 そのため、今年は旅費が増額されます。 さらに、リハビリテーションの実装のための富山大学への旅費が増加します。
|
