操作対象物の時系列動作ロギングに基づくロボットアームの身体性に依存しない動作教示

点击翻译按钮获取中文摘要

本研究の目的は，ロボットの身体性に依存しない動作教示法を確立することである．一般的な動作の教示方法は，各関節の動きを直接指定する方法である．教示される動作パラメータは，関節数や腕の長さ，エンドエフェクタの仕様（これらをまとめて身体性と呼ぶ）に依存するため，他のロボットにはそのまま利用することはできない．一方で，操作される対象物に着目すると，把持される部位や持ち上げられた後の軌跡は共通性が高いと考えられる．したがって，従来の教示方法のように，“ロボットがどのように動くべきか”を教示するのではなく，“対象物がどのように動かされるべきか”を教示することによって，複数ロボット間の身体性の違いに依存しない動作生成が可能になることを示す．2022年度は，2021年度に引続き，人によって操作される物体の3次元的な位置姿勢を推定する方法の研究を推進した．形状の対象性が強い物体の姿勢推定に有効な誤差関数（Variance loss）を提案した．具体的には，位置合わせする3D形状同士のずれ（3D形状を構成する各3D点の最近傍点までの距離）の分散値を計算し，この値を姿勢を回帰する深層学習モデルの学習時の損失として考慮することにより，従来手法と比較して，特に対象形の強い物体に対しての姿勢推定性能が向上することを確認した．この成果を国内シンポジウム2件で発表した．2021年度とは姿勢推定という点で同様の研究ではあるが，本研究課題が対象としている日用品に多い対象形を持つ形状に有効な姿勢推定技術を提案できたので，課題の達成に確実に近づいたことを確信している．