权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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

基本信息

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

项目摘要

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．

This study aims to achieve the goal of moving smoothly and softly, and walking freely and autonomously. Detailed description of the integration of the environment and the use of the self-position estimation method is proposed. This method is based on the current method. In the 4th year of Reiwa, the specific method of estimating one's own position is based on the performance and performance. The proposed method is to use the track tracking method to estimate your own position using the tracking method.経路などの sequential structure をtrack アトラクタとして神経路のダイナミクスにbury め込んだ上で, plural のセンサから得られるEnvironmental information に応じてダイナミクスを変化させ, the state of the divine loop circuit をshift させることでESTIMATION する． Preparation of the difference between the position and the estimated result and the precision of the preparatory work.そこで, difference の拡大を inhibits するようにtrack アトラクタの Formation をeffort した.実界に inference システムをconstruct し, plural のenvironment において検证実験を行った.まず, Ibaraki Prefecture's municipal office building, outside the house, outside the house, day and time, 23 times, walking, データを, get it. 1つのデータを Use the いて経路を to learn した上で, and the remaining 22 chapters of のデータを use the いて検证した. As a result, large vehicles and large-scale vehicles have encountered changes in the environment, narrow roads, and multiple people. In this case, the correct accuracy is 91%, and the accuracy is correct and the accuracy is correct. Time に, 経路の一重なりがあるような学内の3つのコースを once に学して検证した． As a result, the status of the environmental information system and the state of the environmental information system are appropriately and appropriately migrated.せることができ, learn the データの walking track から大きく外れないlimit り stabilization して inference できることを confirmed かめた.これらのRESULTS から, the proposed method はアトラクタへのinducing き込みを utilizes して stubborn health に own position estimation できることが明らかになった． The result is the result, the self-position estimation technology of outdoor autonomous movement is strong, and the possibility of utilizing the technology of the outdoor autonomous movement is great.