神経回路モデルと身体バブリングを用いた道具身体化による道具使用

通过使用神经回路模型和身体冒泡的工具实施例来使用工具

• 批准号: 15J12683
• 负责人: 高橋 城志
• 金额: $ 1.22万
• 依托单位: Waseda University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2015
• 资助国家: 日本
• 起止时间: 2015-04-24 至 2017-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15J12683/
• 关键词: 道具身体化; モーターバブリング; Recurrent neural network; Deep learning

本特別研究員は道具身体化を利用して，ロボットに道具を使用させる研究を行っている．道具身体化とは，人間が道具を使用しているときに，その先は身体感覚が拡張されて知覚される現象のことである．当初の年次計画を完了し，より発展させた研究を実施した．具体的には，道具身体化モデルの発展として，これまでの道具使用の研究では道具を把持した状態から始めていたが，道具の把持の必要性・位置を含めてロボット自身が判断して，道具を使用することが可能となった．Soft Robotの動作学習の発展として，事前にモーターバブリングを行い，その後に目標とするタスクを行うことで，効率，及び，汎化性能が向上することを，複数の7自由度ロボット（シミュレーション，及び，実際のロボットであるPR2）で，有効性を示した．さらに，教師あり学習と強化学習を組み合わせることで，ロボットが自分の身体に適した動作を学習する方法を提案した．さらに，目標とするタスクを教師あり学習で学習後，強化学習でロボットの身体に適した動作を獲得する方法を提案・検証．その結果，強化学習の課題であった，試行回数が多いという問題を解決．そのほかに，手先座標の代わりに，ロボットの視覚から獲得されるカメラ画像で学習する方法を提案・検証．外乱・環境変化に強い雅俗特徴量の獲得として，De-convolutional neural network (DCNN)を利用．その結果，学習していない状況下での汎化性能の向上を確認した．これら研究成果は，機械学習を利用したロボットの動作生成手法の応用・発展に貢献するものであり，学術的，技術的に大きな意義を有するばかりではなく，今後ニーズが増大する多自由度，柔軟関節，高次元センサを有するロボットの制御手法の確立，及び，関連するロボット工学分野の発展に大きく貢献するものである．

This special researcher has been studying the use of tools. Prop body change, human use of props, first of all, body feeling, first of all, first of all, body feeling, first of all, first of all, first The first annual plan was completed, and the research was carried out. Specifically, the study of prop use, prop control status, prop control necessity, prop position, prop use possibility, Soft Robot motion learning development, advance, purpose, and performance The generalization performance is up to 7 degrees of freedom. The teacher learns and strengthens the study to organize the method to divide and learn. The purpose of this study is to strengthen the learning of the body after learning. Results, reinforcement learning topics, trial return number The method of obtaining the image is proposed and verified. External chaos·Environmental transformation, acquisition of strong and elegant features, and utilization of De-convolutional neural network (DCNN). Results: Generalization performance under learning conditions is confirmed. The research results will contribute to the application and development of motion generation methods in the use of mechanical learning, academic and technical significance, and will increase in the future. Multi-degree of freedom, soft joints, high-dimensional motion generation methods will be established, and related contributions will be made to the development of mechanical learning.

项目成果

Efficient Motor Babbling Using Variance Predictions from a Recurrent Neural Network

使用循环神经网络的方差预测进行有效的电机胡言乱语

• 发表时间: 2015
• 作者: Kuniyuki Takahashi;Kanata Suzuki;Tetsuya Ogata;Hadi Tjandra;Shigeki Sugano
• 通讯作者: Shigeki Sugano

多自由度柔軟関節ロボットのためのモーターバブリングを用いた効率的な動的動作の学習

利用电机冒泡的多自由度柔性关节机器人的高效动态运动学习

• 发表时间: 2016
• 作者: Satoshi Fukuda;Yoichi Tomiura;出口弘;高橋城志，尾形哲也，中西淳，Gordon Cheng，菅野重樹
• 通讯作者: 高橋城志，尾形哲也，中西淳，Gordon Cheng，菅野重樹

Tool-body assimilation model considering grasping motion through deep learning

• DOI: 10.1016/j.robot.2017.01.002
• 发表时间: 2017-05
• 期刊: Robotics Auton. Syst.
• 作者: K. Takahashi;Kitae Kim;T. Ogata;S. Sugano

モーターバブリングと神経回路モデルを用いた道具身体化〜複数道具把持動作による身体遷移過程の学習と生成〜

使用电机冒泡和神经回路模型的工具实施 - 通过多个工具抓取动作学习和生成身体转换过程 -

• 发表时间: 2016
• 作者: 伊藤速;輪湖謙太;村瀬勉;笹島和幸;金杞泰，高橋城志，Hadi Tjandra，尾形哲也，菅野重樹
• 通讯作者: 金杞泰，高橋城志，Hadi Tjandra，尾形哲也，菅野重樹

CNNによる二次元物体画像から実ロボットでの把持動作生成

使用 CNN 从二维物体图像中生成真实机器人的抓取运动

• 发表时间: 2016
• 作者: Zhao Han;Fuji Ren;Duoqian Miao;内田誠一;高橋則英;小西啓貴 Shuang Chang 出口弘;鈴木彼方，新古眞純，陽品駒，高橋城志，菅野重樹，尾形哲也
• 通讯作者: 鈴木彼方，新古眞純，陽品駒，高橋城志，菅野重樹，尾形哲也