運動学的および力学的拘束を受ける身体エージェントのための学習法の研究

受运动学和机械约束的物理主体的学习方法研究

• 批准号: 06F06754
• 负责人: 中村 仁彦
• 金额: $ 1.47万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2006
• 资助国家: 日本
• 起止时间: 2006 至 2008
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-06F06754/
• 关键词: 模倣学習; ヒューマノイド; 分節化; 逐次的クラスタリング; 確率的モデル; 全身運動; 運動認識; 見真似学習; 統計的モデル; 創発ロボット

(1)詳細度を適応的に変化させるクラスタリングアルゴリズムの開発昨年度までに開発した隠れマルコフモデル(HMM)を用いたヒューマノイドの全身運動クラスタリング法を発展させ、学習するデータの数に応じて適応的に詳細度を上げていく手法を提案した。具体的には、HMMを多重化したFactorial Hidden Markov Model(FHMM)を用いてモデルの精度を逐次的に向上させることを可能とした。また、オンラインで運動を観察しながら学習していく手法も開発した。(2)モーションキャプチャデータのオンライン分節化一連のモーションキャプチャデータを異なる動作毎にオンラインで分節化手法を提案した。本手法では、まず入力された運動データをある時間幅ごとに区切り、それぞれの部分に含まれるデータを一つの状態として持つHMMを構成し、このHMMでの最適な状態遷移を探索する。同一の動作であればデータが同様の確率分布を持つと仮定すれば、このHMMにおける状態遷移が発生した時点が動作の区切りであるとすることができる、本手法をオンラインのクラスタリング法と組み合わせることで、全身運動の逐次的なオンライン分節化とクラスタリングが可能になった。

(1)Details of the appropriate number of changes in the development of the last year, the development of the whole body movement of the HMM method to develop, learn, the appropriate number of changes in the details of the proposed method. Specific HMM Multiplication Factorial Hidden Markov Model(FHMM) is used to determine the accuracy of the sequence. The movement of human beings is not easy to understand. (2)The method of segmentation is proposed. This method is to explore the optimal state transition of HMM, including the state of HMM, the time amplitude of HMM, and the part of HMM. The accuracy distribution of the same motion is maintained and determined. The state transition of the HMM is generated at the time of the motion segmentation. The method of the present invention is to combine the motion of the whole body with the segmentation of the motion.

项目成果

Affective state estimation for human-robot interaction

• DOI: 10.1109/tro.2007.904899
• 发表时间: 2007-10-01
• 期刊: IEEE TRANSACTIONS ON ROBOTICS
• 影响因子: 7.8
• 作者: Kulic, Dana;Croft, Elizabeth A.
• 通讯作者: Croft, Elizabeth A.

Physiological and subjective responses to articulated robot motion

• DOI: 10.1017/s0263574706002955
• 发表时间: 2007-01-01
• 期刊: ROBOTICA
• 影响因子: 2.7
• 作者: Kulic, Dana;Croft, Elizabeth
• 通讯作者: Croft, Elizabeth

Missing motion data recovery using factorial hidden Markov models

• DOI: 10.1109/robot.2008.4543449
• 发表时间: 2008-05
• 期刊: 2008 IEEE International Conference on Robotics and Automation
• 作者: Dongheui Lee;D. Kulić;Yoshihiko Nakamura

Incremental On-line Hierachical Clustering of Whole Body Motion Patterns

全身运动模式的增量在线分层聚类

• 发表时间: 2007
• 期刊: IEEE International Symposium on Robot and Human Interactive Communicati 16
• 作者: D.Kulie;W.Takano and Y.Nakamura
• 通讯作者: W.Takano and Y.Nakamura

Combining Autbmated On-Line Segmentation and Incremental Clustering for Whole Body Motions

结合自动在线分割和增量聚类进行全身运动

• 发表时间: 2008
• 期刊: IEEE International Conference on Robotics and Automation 25(掲載確定)
• 作者: D.Kulie;W.Takano and Y.Nakamura
• 通讯作者: W.Takano and Y.Nakamura