Elucidation of lean movements of skilled person and transfer of movements to robots with different physicalities

点击翻译按钮获取中文摘要

R4年度は，(1)動作・物体の時空間一括分析法および物体認識汎用化の提案，(2)ヒトとロボットの身体性の違いを埋めるための手法の検討，および，(3)過去の類似パターンを参考にしたロボット動作の効率的生成に関する検討をおこなった．(1)については，Spatial Temporal Graph Convolutional Networks（ST-GCN）をベースとしたスキルレベル識別手法を提案した．手や肘，肘や肩などの関節間のつながりを表現したグラフデータから特徴抽出することができることから，体の関節同士の連動性が重要である熟練者の動作をより正確に捉えることができる．製造現場での頻出動作である把持，組付け，ねじ締めを含む知育玩具の組立データを取得して評価したところ，従来手法であるLSTMとST-GCNを比較した結果，動作データの分割有り，無しのデータに対してLSTM手法は識別率が57％，61％であったのに対し，ST-GCNベースの手法では，88％，95％となり識別率の向上がみられた．なお，データ取得においては，本科研費にて増強した8カメラ式モーションキャプチャシステムを利用した．また，物体認識汎用化としては，3次元対象物に加えて2次元対象物の認識能力を向上させる必要があることから，画像パターンマッチングに関する新手法を開発した．(2)については，人間の手が5指であることに対してロボットでは一般に2指ハンドを使用するという現実を踏まえ，2指での把持に適した把持位置決定アルゴリズムとして，指と対象物の接触面積を考慮した手法を提案した．(3)については，ヒトによるロボット動作の基本パラメータとして，把持位置と作用位置の2つを基本として「機能認識」を利用した手法を検討した．特に，異種部品が混載されている状況への対応法を検討した．