Robotic Motion Generation by Categorizing and Imitating Demonstrated Trajectories

２０２２年度では，人間の指示動作の収集と分類作業に着目した。特に、ロボットマニピュレータがテーブルから皿を拾い上げ，天秤に落として重さを測定するタスクを想定した。ロボットマニピュレータのエンドエフェクタと同じダミーハンドを開発し，指示棒として人に使われた。このダミーハンドを使って人間が上記の拾い上げと測定作業を行うことで，ロボットマニピュレータの直感的なティーチングと動作生成を実装した。ダミーハンドには複数の光学式トラッキングマーカーを取り付け，人間による指示動作の軌跡を追跡し，解析やロボット動作生成のためのデータを集まった。共計，一人で５回のデモンストレーションを行い，５個の軌跡を収集した。これらの軌跡は，その平均値からの偏差によって３つに分類された。第１タイプの軌跡の偏差が大きく，ロボットの運動計画に適していた。第２タイプの軌跡は，偏差が穏やかなものであった。これは，線形近似に適していた。第３タイプの軌道は，１つの自由度には動く余裕があった一方（注：天秤のハンドルに沿って自由に動ける），残りの自由度では完全に拘束されていた。データ収集と分類の過程では，把持姿勢や作業空間での回転運動などが無視された。自動把持計画と推論を組み合わせながら，第１タイプと第２タイプの軌跡に従ってロボットの動作生成することが成功した。(注：把持計画・推論については，２０１９年度の先行研究に基づいたものでした。) 第３タイプの軌道には課題が残っていた。現在の解決策は，制約された自由度に完全に模倣することであった。全ての軌道が似たようなパターンを持つ場合に適用している。ただ，一般性は低いものであったと分かっている。

２０２２年度では，人間の指示動作の収集と分類作業に着目した。特に、ロボットマニピュレータがテーブルから皿を拾い上げ，天秤に落として重さを測定するタスクを想定した。ロボットマニピュレータのエンドエフェクタと同じダミーハンドを開発し，指示棒として人に使われた。このダミーハンドを使って人間が上記の拾い上げと測定作業を行うことで，ロボットマニピュレータの直感的なティーチングと動作生成を実装した。ダミーハンドには複数の光学式トラッキングマーカーを取り付け，人間による指示動作の軌跡を追跡し，解析やロボット動作生成のためのデータを集まった。共計，一人で５回のデモンストレーションを行い，５個の軌跡を収集した。これらの軌跡は，その平均値からの偏差によって３つに分類された。第１タイプの軌跡の偏差が大きく，ロボットの運動計画に適していた。第２タイプの軌跡は，偏差が穏やかなものであった。これは，線形近似に適していた。第３タイプの軌道は，１つの自由度には動く余裕があった一方（注：天秤のハンドルに沿って自由に動ける），残りの自由度では完全に拘束されていた。データ収集と分類の過程では，把持姿勢や作業空間での回転運動などが無視された。自動把持計画と推論を組み合わせながら，第１タイプと第２タイプの軌跡に従ってロボットの動作生成することが成功した。(注：把持計画・推論については，２０１９年度の先行研究に基づいたものでした。) 第３タイプの軌道には課題が残っていた。現在の解決策は，制約された自由度に完全に模倣することであった。全ての軌道が似たようなパターンを持つ場合に適用している。ただ，一般性は低いものであったと分かっている。