Study on Hopping Motion Strategy in Unknown Environments Based on Soil Interaction

申請者は昨年度より引き続きスイスEPFLにて3Dシミュレーションを用いた跳躍ロボットの行動戦略アルゴリズムの構築に取り組んだ．本研究では，惑星環境をを模擬したシミュレータ上において，跳躍及び車輪を用いてロボットが目的地に効率よく迎えるようなアルゴリズムの構築を目標としている．惑星環境は事前にわかっていることが少なく未知な部分が多いため，不確実性を考慮しつつ，ロバストな行動計画が必要である．本研究では，強化学習を用いて不整地における跳躍ロボットの行動アルゴリズムを生成した．これにより，どのように跳躍すれば不整地で効率よく移動できるかの指針を得ることができる．今後は得られた行動パターンを元に実際のロボットを用いて屋外環境で試験を行い，アルゴリズムの有用性や，改善点などを調査していく．また，探査ロボットの安全性と痕跡調査を両立するためには，行動の不確実性を最小化する行動戦略が必須である.そこで不確実性を確率的に表し，砂地や起伏 での跳躍のリスクと痕跡発見のリターンを「報酬」として定量的に表現することでリスクとリターンのトレードオフを考慮した行動戦略を構築した.MDPと呼ば れる手法を用いて不確実性を最小化し，報酬を最大化するような跳躍経路を生成するアルゴリズムを提案した.その際に，ロボットの位置や姿勢，次の行動がどの程度安全であるかと，その行動により周囲の環境をどの程度認識し，未知度を減らせるかを評価関数として提案した．これにより，ロボットの現状に合わせた様々な経路を生成することができ，目的に応じたロボットの行動戦略を構築することができる．

申請者は昨年度より引き続きスイスEPFLにて3Dシミュレーションを用いた跳躍ロボットの行動戦略アルゴリズムの構築に取り組んだ．本研究では，惑星環境をを模擬したシミュレータ上において，跳躍及び車輪を用いてロボットが目的地に効率よく迎えるようなアルゴリズムの構築を目標としている．惑星環境は事前にわかっていることが少なく未知な部分が多いため，不確実性を考慮しつつ，ロバストな行動計画が必要である．本研究では，強化学習を用いて不整地における跳躍ロボットの行動アルゴリズムを生成した．これにより，どのように跳躍すれば不整地で効率よく移動できるかの指針を得ることができる．今後は得られた行動パターンを元に実際のロボットを用いて屋外環境で試験を行い，アルゴリズムの有用性や，改善点などを調査していく．また，探査ロボットの安全性と痕跡調査を両立するためには，行動の不確実性を最小化する行動戦略が必須である.そこで不確実性を確率的に表し，砂地や起伏 での跳躍のリスクと痕跡発見のリターンを「報酬」として定量的に表現することでリスクとリターンのトレードオフを考慮した行動戦略を構築した.MDPと呼ば れる手法を用いて不確実性を最小化し，報酬を最大化するような跳躍経路を生成するアルゴリズムを提案した.その際に，ロボットの位置や姿勢，次の行動がどの程度安全であるかと，その行動により周囲の環境をどの程度認識し，未知度を減らせるかを評価関数として提案した．これにより，ロボットの現状に合わせた様々な経路を生成することができ，目的に応じたロボットの行動戦略を構築することができる．