ヒューマノイドによる日常環境マニピュレーションの物理モデル内在・獲得統合型実現法

点击翻译按钮获取中文摘要

本研究では，単腕，双腕マニピュレータロボットからヒューマノイドロボットまで多様なロボットに適用可能な自律行動実現能力の向上のための運動生成や視覚・音声認識からなるロボットシステム構成を，モデルに対するロバスト性に重点を置きながら研究した．ロボットの物理モデルに基づく，ロボット構成に汎用的な動作生成法として，解析勾配を用いた最適化計算によって目標誤差を最小にするコンフィギュレーション列を生成する手法により，多様な形態のロボットによるマニピュレーション動作が生成可能であることを示した．これは，解発散項による局所最適解回避や組み合わせタスク目標の連続関数近似により，従来のタスクモデル記述では表現することの難しい目標タスクにまで適用可能であることが明らかとなった．また，動力学シミュレーションを活用した全身姿勢修正により，前述の手法のように解析的な勾配を利用することが難しい複雑形状での多点接触姿勢を効率的に生成可能であることを示した．また，運動生成のみならずロボットシステム全体への展開として，タスク遂行のための大局的状態遷移において，タスクスケジュールモデルに基づいた自律的サブタスク動作遷移と人からの音声，視覚，力覚提示から獲得されるインタラクションモデルに基づいたサブタスク動作遷移修正に基づいて，大規模タスクを確実に実行可能なロボットシステムを構成した．これらの成果は，シミュレーション上でのマニピュレータ，モバイルマニピュレータ，小型ヒューマノイド，等身大ヒューマノイドの動作実現，等身大ヒューマノイドロボット実機による全身環境接触動作やマニピュレーション動作を伴う一連のタスク実現により有効性が検証された．