2023 Fiscal Year Annual Research Report
多様な受動的力学相互作用に基づく歩いて走れる2足ロボットの開発
| Project/Area Number |
22H01445
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
佐野 明人 名古屋工業大学, 工学(系)研究科(研究院), 教授 (80196295)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
池俣 吉人 帝京大学, 理工学部, 准教授 (70467356)
上村 知也 名古屋工業大学, 工学(系)研究科(研究院), 助教 (80881789)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 2足ロボット / 受動的力学相互作用 / 歩行・走行ロボット / ヒト歩行・走行 / ロボティクス |
|---|
| Outline of Annual Research Achievements |
本年度は，令和4年度の成果を踏まえ，統合2足ロボットをより一層洗練化した．身体・環境に神経も加えた多様な受動的力学相互作用を通じて新たな力学機序の発見に取り組んだ．神経系としてCPGに着目し，着地や離床の位相などパラメータ調整を行った．また，生体系と同様にロボットシステムにも遅れがあるが（空圧系など），外部情報（接地情報など）に頼らない身構え動作の獲得を行った．さらに，世界モデルベースの深層強化学習を採用し，カメラ画像から直接，空圧アクチュエータおよびサーボモータへの力指令を生成し，ヒトに近い多様な動作生成を達成した（End-to-End）．
入力画像にCPGの位相図を重畳させて学習し，適正な着地と離床のタイミングでのリズミカルな連続跳躍動作を実現した．また，動き続ける中で前進と後退の連続跳躍を同時に達成し，さらに両者の時間対称性が示唆された．ここで，重力を巧く活用したり，外乱に対するロバスト性を獲得していることが明らかになった．また，足部触覚ビジョンセンサの画像を組み込むことによって，砂利環境での連続跳躍を実現し，平面の跳躍にも適応できる汎化性を示した．ミニハードル越えに対して，広筋と腓腹筋の協調動作が見られ，脚が自然と前に出る形で適切な動作を実現した．さらに，身体性を十分に活かしたヒトに近い歩行を達成し，牽引台車との相互作用を含めた多様な状況に対して，多様でかつ適切な動作を獲得した．また，体育館や屋外での動作実験も実現した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では，一層洗練化した統合2足ロボットに対して，歩行および走行に関連の深い基本動作に着目し，ヒトアシストゼロの環境下で実験を行った．特に，急速に進展している世界モデルの深層強化学習を採用したことで，従来の人による試行錯誤的な力指令の設計が一変し，ロボット自らが自身の身体性を活かした動作獲得を行えるようになった．なお，その身体性は，ヒトの筋・腱を模擬しており，予備緊張バネやバネ付ワイヤといった受動的な要素を特徴としており，長時間の学習実験に耐え得る強靭かつしなやかな身体となっている．また，動作においては，緊張状態のみならず，弛緩や脱力も上手く取り入れ，重力を巧みに利用した動作となっている．
本年度は，実機ロボットを用いて，世界モデルベースの深層強化学習を行って様々な知見を蓄積してきた．その結果，実験の効率化と最適化を図るために，Sim2Realへ本格的に移行できる段階まで来た．また，エネルギー効率を考える上で，2足ロボットのスタミナに着目した．限られたエネルギーで如何に動作を完結させる（動き切る）かに焦点を当て，今後，自立化システムで屋外走行などを行う上で重要な知見を得た．
以上のことから，おおむね順調に進展していると考えている．
|
| Strategy for Future Research Activity |
多様な動作を獲得した2足ロボットは，ヒトの筋・腱を模擬した予備緊張バネやバネ付ワイヤ，また体幹部の揺動慣性といった受動要素，さらに空圧アクチュエータなどの能動要素を取り入れたユニークな身体を持つ．今後は，「学習しやすい身体・環境」といった観点でさらに研究を推進する．従来，ロボットの身体や環境のパラメータは，実機実験では多様に変化させることは困難であった．そこで，動力学シミュレータMuJoCo上に2足ロボットを適切に再現し，身体パラメータ等を様々に変化させ，シミュレータ上で世界モデルベースの深層強化学習を行い，最適値を求める．なお，身体パラメータの最適化を学習によって実現することも検討する．
|
