权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

A Study of Mobility Platform based on Cyber-Physical Cooperation for Human-Robot Coexisting Environments

基于信息物理协作的人机共存环境移动平台研究

基本信息

批准号：
20K11776
负责人：
加藤由花
金额：
$ 2.83万
依托单位：
Tokyo Woman's Christian University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究は，サイバーフィジカル連携により，汎用的な人移動モデルを機械学習とシミュレーションを併用することでクラウド上に構築し，ロボットおよびIoT機器で収集するデータを用いて継続的にモデルを更新し，その結果をフィジカル側に転移することで，ロボットでの実時間知的制御の実現を目指すものである．具体的には，（A）ロボットと空間を共有する人の状態を実時間で把握するための環境情報取得手法の開発；（B）未来の状態を予測する人移動軌跡予測モデルの構築；（C）安全かつ効率的な移動経路をリアルタイムで生成するロボット経路生成手法の開発；（D）サイバーフィジカル連携に基づく基盤の確立の4つの研究課題を設定し，研究を進めた．期間全体を通して，課題ごとに以下の研究成果を得ている：（A）各人の位置座標を一観測ごとに入力し，ガウス過程回帰により移動軌跡を出力するフィルタの開発，（B）既存データセットから環境の特徴を含んだ訓練データを抽出し，分布間の類似度をKL情報量により比較することで適切な訓練データを構成する手法の開発，（C）複数の経路生成モデルを条件により切り替える手法の開発，（D）クラウド・IoT統合システム管理基盤の構築である．なお，1，2年目に実施した研究課題A，Bの成果を基に研究課題Cの方向性を見直している．具体的には，研究課題Cでは，当初，コストマップの動的学習を確率モデルとして定式化することを予定していたが，研究課題Aによりセンシング結果の予測分布が得られるようになったことから，人移動軌跡予測を経ずに，強化学習により直接ロボットの経路を生成するモデルの研究を進め，複数モデルを切り替える手法の開発に至った．今年度は，研究課題Cを実施するとともに，IoT統合システム管理基盤として，クラウド上で，機械学習におけるハイパーパラメータチューニングを行う手法を開発した．

This research is based on the machine learning of サイバーフィジカル in conjunction with により and the general-purpose な人手机モデルをシミュレーションを and built with することでクラウド上に, ロボットおよびIoT The machine is collected and updated with the latest version of the machine, and the result of the machine is the same. The side of the movement is the movement of the movement, and the control of the control of the time is known. Specifically, (A) ロボットとspace をshared する人のstatus を実で grasp するためのenvironmental conditions Developing methods for obtaining reports; (B) Predicting future states and predicting people’s movement trajectories; (C) Building safety The development of the fully efficient mobile road generation method; (D)サイバーフィジカル同合に记づく的baseのEstablishmentの4つのResearch Topicを Settingし, Research をAdvancedめた． During this period, everyone was able to communicate, and the following research results were obtained for the project: (A) Each person’s position coordinates were measured and the power was entered, and the results were obtained. The process returns to the moving trajectory of the movement and the output of the force, (B) the existing environment of the special environment and the training of the system. Extraction, similarity between distributions, KL information quantity, comparison, appropriateness of training, composition of technique, opening of (C) plural経路 generating モデルをconditionsにより Cutえるtechniqueの开発，（D）クラウド・IoT integration システムmanagement base のconstructionである.なお, 1st and 2nd year project research project A, B's results are based on research project C's directionality and directionality. Specifically, the research topic C is, at the beginning, the learning accuracy of the コストマップのactivities was determined. Formulated predetermined results, research project A predetermined distribution of results, obtainedれるようになったことから, people movement trajectory prediction を経ずに, reinforcement learning によりdirect ロボットの経路をGenerationするモデルの研究を进め, pluralモデルをcutり为える Techniqueの开発に到った． This year, the research topic Cを実时するとともに, IoT integration management base として, クラウド上で, machine learning におけるハイパーパラメータチューニングを行う Technique を开発した.