行動予測ニューラルネットワークを利用した人の自然な動作の評価と活用

使用行为预测神经网络评估和利用自然人类运动

• 批准号: 21H03479
• 负责人: 牧野 泰才
• 金额: $ 10.98万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H03479/
• 关键词: 身体行動予測; バーチャルリアリティ; ロボティクス; 行動予測; ヒューマンロボットインタラクション

本研究は，機械学習による人の行動予測を利用し，人とロボットが同じ空間で共存する際に，自然にインタラクションできるための基盤を構築することを目的としている．本年度は本研究課題において非常に大きな進展が2つあった．1つめは，人が他者の歩行を見ながらその方向を予測する際に，どの程度まで情報を減らしても予測が可能となるか，という点に一つの解答が得られたという点である．機械学習により，人の骨格情報から必要そうな特徴点を抽出したシンプルな歩行モデルについて，いくつかのパターンの予測可能性を機械学習で推定した後に被験者実験を行い，高々3箇所の特徴点の3次元的な移動軌跡を提示すれば，全身の骨格情報を使用したのと同程度の歩行方向予測が可能であることを確かめた．もう1つは，スポーツにおけるサイドステップのような瞬時の切り返しを含むような動作に対しての予測精度を上げるために，予測器を2段階に分けて作成する方法を実現した点である．最初にランダムな動作指示を出しながら，サイドステップ動作を取得し予測器を作成する．次に，その予測器を使って得られた予測結果を人にリアルタイムフィードバックしながら，その誤差が大きくなるような動きを自由に取ってもらうようにした．これにより，1段階目の予測器で収集しきれなかった動きを追加で収集できるようになり，その結果，2段階目の予測器の予測精度を向上させられることを示した．以上のように，本研究課題を遂行するにあたってベースとなる動作データの網羅的な取得方法や，歩行についての必要な自由度の検証が行えたため，この成果を用いて，ロボットの動作を生成したり，あるいは人が見たときに移動方向を予測しやすいロボットを実現したり，ということに利用できると考えている．

は, rote learning に よ る を の action to test using し, people と ロ ボ ッ ト が with じ space coexist で す る interstate に, natural に イ ン タ ラ ク シ ョ ン で き る た め の base plate を build す る こ と を purpose と し て い る. The research topic of this year にお にお て is て very に significant にお な progress が2 あった あった. 1 つ め は, が he の step line を see な が ら そ す を の direction to test the る に, the ど の degree ま で intelligence を minus ら し て も may be が と な る か, と い う point に a つ の answer が must ら れ た と い う point で あ る. Rote learning に よ り, の bone intelligence か ら necessary そ う な, 徴 point を spare し た シ ン プ ル な step line モ デ ル に つ い て, い く つ か の パ タ ー ン の possibility be を rote learning で presumption し た に after being 験 be 験 を い, high 々 の te 徴 の 3 by three dimensional な mobile trajectory を prompt す れ ば, The whole-body bone grid information を uses the same degree of <s:1> walking direction <s:1> to predict が possible である とを とを とを accurate めた めた. も う 1 つ は, ス ポ ー ツ に お け る サ イ ド ス テ ッ プ の よ う な instantaneous の り cutting back し を containing む よ う な action に し seaborne て の to measuring precision on を げ る た め に, to sensor を 2-stage order に points け て made す を る method be presently し た point で あ る. Initial に ラ ン ダ ム な motion instructions を out し な が ら, サ イ ド ス テ ッ プ action を obtain し to sensor を made す る. に, そ の to sensor を make っ て have ら れ た to measuring result を people に リ ア ル タ イ ム フ ィ ー ド バ ッ ク し な が ら, そ の error が big き く な る よ う な dynamic き を free に take っ て も ら う よ う に し た. こ れ に よ り, 1 order item の in sensor で 収 set し き れ な か っ た dynamic き を additional で 収 set で き る よ う に な り, そ の results, 2 order item の in sensor の to measuring precision を upward さ せ ら れ る こ と を shown し た. Above の よ う に, this research topic を carries out す る に あ た っ て ベ ー ス と な る action デ ー タ や の snare な gain method, step line に つ い て の な necessary freedom の 検 line card が え た た め, こ を の results with い て, ロ ボ ッ ト の action を generated し た り, あ る い は が see た と き に を moving direction can be し や す い ロ ボ ッ ト を be presently し た り, と い う こ と に using で き る と exam え て い る.

项目成果

Intention Estimation in Kicking from a Seated Position

坐姿踢腿的意图估计

• 发表时间: 2022
• 作者: Chaoshun Xu;Masahiro Fujiwara;Yasutoshi Makino;Hiroyuki Shinoda
• 通讯作者: Hiroyuki Shinoda

急な動作変更を予測するためのデータ取得手法と性能評価

预测突然行为变化的数据采集方法和性能评估

• 发表时间: 2021
• 作者: 板井 俊樹;砥出 悠太郎;牧野 泰才;篠田 裕之
• 通讯作者: 篠田 裕之

急な動作変更に頑健な予測器作成に向けた予測挙動評価と動作予測アルゴリズムの基礎的検討

预测行为评估和运动预测算法的基础研究，用于创建对突然运动变化具有鲁棒性的预测器

• 发表时间: 2021
• 作者: 板井 俊樹;砥出 悠太郎;牧野 泰才;篠田 裕之
• 通讯作者: 篠田 裕之

Evaluation of Maximum Error in Jump Motion Prediction

跳跃运动预测最大误差评估

• 发表时间: 2022
• 作者: Toshiki Itai;Takahumi Kurai;Yutaro Toide;Yasutoshi Makino;Hiroyuki Shinoda
• 通讯作者: Hiroyuki Shinoda

身体動作予測のための多様な動作データ取得手法

用于预测身体运动的各种运动数据采集方法

• 发表时间: 2022
• 作者: 板井俊樹;牧野泰才;篠田裕之
• 通讯作者: 篠田裕之