軌道アトラクタを用いた自己位置推定と神経回路の相互作用によるナビゲーション

基于使用轨迹吸引子和神经回路相互作用的自定位的导航

• 批准号: 22K12208
• 负责人: 山根 健
• 金额: $ 2.5万
• 依托单位: Teikyo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12208/
• 关键词: 屋外自律移動ロボット; 自己位置推定; 軌道アトラクタ; トポロジカルマップ; 選択的不感化; 分散表現; ナビゲーション; ニューラルネット

本研究では，移動ロボットの頑健かつ柔軟な自律走行を実現することが大目標である．詳細で整合性が取れた環境地図を用いない自己位置推定方法を提案し，本方法に基づいたナビゲーションシステムの実現を目指す．令和4年度では，自己位置推定の具体的な方法を検討して性能を調べた．提案方法では，リカレントニューラルネットの一つである軌道アトラクタモデルを用いて自己位置を推定する．経路などの順序構造を軌道アトラクタとして神経回路のダイナミクスに埋め込んだ上で，複数のセンサから得られる環境情報に応じてダイナミクスを変化させ，神経回路の状態を遷移させることで推定する．予備実験より実際のロボットの位置と推定結果の差が徐々に拡大して精度が悪化する現象が見られた．そこで，差の拡大を抑制するように軌道アトラクタの形成を工夫した．実際に推定システムを構築し，複数の環境において検証実験を行った．まず，茨城県つくば市役所敷地内の屋外コースにおいて日時を変えて23回の走行データを取得した．1つのデータを用いて経路を学習した上で，残りの22回のデータを用いて検証した．その結果，大型車両による環境変化や狭い道で複数の人やロボットが作る渋滞に遭遇した場合などを含むデータについて91%の精度で正しく推定ができることを確かめた．次に，経路の一部に重なりがあるような学内の3つのコースを一度に学習して検証した．その結果，環境情報に応じてダイナミクスを動的に変化させることで神経回路の状態を適切に遷移させることができ，学習データの走行軌道から大きく外れない限り安定して推定できることを確かめた．これらの結果から，提案方法は軌道アトラクタへの引き込みを利用して頑健に自己位置推定できることが明らかになった．この成果は，屋外自律移動ロボットの頑健な自己位置推定技術に繋がり，ナビゲーションでの利用に向けて大きな可能性がある．

In this study, で, movement ロボット ロボット, <s:1>, persistence, softness な, autonomous walking を, the realization of する, とが, とが, and the large goal である are achieved. Detailed で integrated が take れ た environment to 図 を with い な い presumption method proposed を し their position, this method に base づ い た ナ ビ ゲ ー シ ョ ン シ ス テ ム の be presently を refers す. In the fourth year of the Reiwa era, で で, the specific な method for estimating one 's position を検, the て performance を adjustment べた. Proposal method で は, リ カ レ ン ト ニ ュ ー ラ ル ネ ッ ト の a つ で あ る orbit ア ト ラ ク タ モ デ ル を with い て his position presumption を す る. 経 road な ど の order tectonic を orbit ア ト ラ ク タ と し て god 経 loop の ダ イ ナ ミ ク ス に buried め 込 ん だ で, plural の セ ン サ か ら have ら れ る environment intelligence に 応 じ て ダ イ ナ ミ ク ス を variations change さ せ, god 経 loop の を migration さ せ る こ と presumption で す る. Reserve be 験 よ り be interstate の ロ ボ ッ ト の position と presumption of poor results の が xu 々 に company, big し て precision が 悪 change す る phenomenon が see ら れ た. そ こ で, poor の company, big を inhibit す る よ う に orbit ア ト ラ ク タ の form を time し た. The actual に presumption システムを constructs に, the plural <s:1> environment にお て検 て検 evidence the actual を behavior った. ま ず, ibaraki 県 つ く ば apply to city service within の outside コ ー ス に お い て day を - え て 23 の go back line デ ー タ を obtain し た. 1 つ の デ ー タ を with い て 経 road を learning し た で, residual り の 22 back の デ ー タ を with い て 検 card し た. そ の results, large car struck に よ る environmental variations や narrow い plural の way で people や ロ ボ ッ ト が as る 渋 hysteresis に encounter し た occasions な ど を containing む デ ー タ に つ い て で の precision is 91% し く presumption が で き る こ と を か indeed め た. の に, 経 road a に heavy な り が あ る よ う な learn の within 3 つ の コ ー ス を once に learning し て 検 card し た. そ の as a result, the environmental intelligence に 応 じ て ダ イ ナ ミ ク ス を moving に variations change さ せ る こ と で god 経 loop の state を appropriate に migration さ せ る こ と が で き, learning デ ー タ の go line track か ら big き く outside れ な い り stability limit し て presumption で き る こ と を か indeed め た. こ れ ら の results か ら, proposed method は orbit ア ト ラ ク タ へ の lead き 込 み を using し て operations, presumption に his position で き る こ と が Ming ら か に な っ た. は こ の achievements, self-discipline outside mobile ロ ボ ッ ト の robust な presumption their location technology に 繋 が り, ナ ビ ゲ ー シ ョ ン で に の using to け て big き な possibility が あ る.

项目成果

軌道アトラクタを用いた屋外環境における自己位置推定に関する研究

基于轨迹吸引子的室外环境自身位置估计研究

• 发表时间: 2022
• 作者: 小林 三泰; 十河 拓也;山根健，阿久津光範，金致中
• 通讯作者: 山根健，阿久津光範，金致中