Elucidation of lean movements of skilled person and transfer of movements to robots with different physicalities

阐明技术人员的精益运动以及将运动转移到具有不同身体特征的机器人

基本信息

批准号：
21K03984
负责人：
橋本学
金额：
$ 2.66万
依托单位：
Chukyo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

R4年度は，(1)動作・物体の時空間一括分析法および物体認識汎用化の提案，(2)ヒトとロボットの身体性の違いを埋めるための手法の検討，および，(3)過去の類似パターンを参考にしたロボット動作の効率的生成に関する検討をおこなった．(1)については，Spatial Temporal Graph Convolutional Networks（ST-GCN）をベースとしたスキルレベル識別手法を提案した．手や肘，肘や肩などの関節間のつながりを表現したグラフデータから特徴抽出することができることから，体の関節同士の連動性が重要である熟練者の動作をより正確に捉えることができる．製造現場での頻出動作である把持，組付け，ねじ締めを含む知育玩具の組立データを取得して評価したところ，従来手法であるLSTMとST-GCNを比較した結果，動作データの分割有り，無しのデータに対してLSTM手法は識別率が57％，61％であったのに対し，ST-GCNベースの手法では，88％，95％となり識別率の向上がみられた．なお，データ取得においては，本科研費にて増強した8カメラ式モーションキャプチャシステムを利用した．また，物体認識汎用化としては，3次元対象物に加えて2次元対象物の認識能力を向上させる必要があることから，画像パターンマッチングに関する新手法を開発した．(2)については，人間の手が5指であることに対してロボットでは一般に2指ハンドを使用するという現実を踏まえ，2指での把持に適した把持位置決定アルゴリズムとして，指と対象物の接触面積を考慮した手法を提案した．(3)については，ヒトによるロボット動作の基本パラメータとして，把持位置と作用位置の2つを基本として「機能認識」を利用した手法を検討した．特に，異種部品が混載されている状況への対応法を検討した．

在R4财政年度中，我们进行了（1）对动作和对象进行全面分析以及对象识别的概括的提案，（2）对填补人类和机器人之间身体差异的方法的研究，以及（3）对过去使用类似模式进行机器人运动有效产生的有效产生的研究。关于（1），我们提出了一种基于空间时间图卷积网络（ST-GCN）的技能水平识别方法。由于可以从图形数据中提取功能，该图表表达了接头（例如手，肘部，肘部和肩膀）之间的连接，因此可以更准确地捕获经验丰富的人的动作，而体内关节之间的链接很重要。当我们获得并评估教育玩具的组装数据（包括在制造地点中经常使用的抓地力，组装和螺丝拧紧）时，我们比较了常规的LSTM和ST-GCN方法，并发现LSTM方法的识别率为57％和61％，而不得鉴定了基于ST-GCN的方法的数据，而不是识别ST-GCN方法的率，并且显示了88％和95％的95％。此外，为了数据获取，使用了基本研究基金增强的8摄像头运动捕获系统。此外，作为通用对象识别，除了三维对象外，还必须提高二维对象的识别能力，因此我们为图像模式匹配开发了一种新方法。关于（2），考虑到机器人通常使用双手手的现实，而人的手是五个手指，我们提出了一种考虑一种方法，该方法考虑了手指和物体之间的接触区域，作为用于确定适合用两个手指握住的握力位置的算法。关于（3），我们研究了一种基于人类机器人运动的两个基本参数：抓地位置和动作位置的方法，该方法利用了“功能识别”。特别是，我们研究了如何处理混合不同类型的零件的情况。

项目成果

期刊论文数量（12）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

習熟支援のためのマルチストリームLSTMを用いた熟達プロセス分析手法の提案

提出使用多流 LSTM 支持掌握的掌握过程分析方法

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Hayakawa Yasuhiro;Kida Keisuke;Nakanishi Yuma;Ichii Hiroaki;Hirota Yasunobu;三好遼，木村康佑，秋月秀一，橋本学
通讯作者：
三好遼，木村康佑，秋月秀一，橋本学

Multi-Stream LSTM を用いた作業者の熟練度合い分析方法の提案

提出一种使用多流 LSTM 分析工人熟练程度的方法

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Akita Tokihiko;Kyutoku Haruya;Akamine Yusuke;木村康佑，川瀬陽平，三好遼，秋月秀一，橋本学
通讯作者：
木村康佑，川瀬陽平，三好遼，秋月秀一，橋本学

Fast and reliable template matching based on effective pixel selection using color and intensity information

基于使用颜色和强度信息的有效像素选择的快速可靠的模板匹配

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Rina Tagami;Hiroki Kobayashi;Shuichi Akizuki;Manabu Hashimoto
通讯作者：
Manabu Hashimoto

Analysis of Human's Skilled Process of Assembly Task using Time-sequence based Machine Learning

使用基于时间序列的机器学习分析人类装配任务的熟练过程

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Ryo Miyoshi;Kosuke Kimura;Shuichi Akizuki;Manabu Hashimoto
通讯作者：
Manabu Hashimoto

画素ペア色相値の発生確率分析に基づく高速カラー画像マッチング

基于像素对色调值出现概率分析的快速彩色图像匹配

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Rina Tagami;Hiroki Kobayashi;Shuichi Akizuki;Manabu Hashimoto;大庭功嗣，元谷卓，鳥井昭宏，道木加絵;田上鈴奈，江場さくら，中林尚也，秋月秀一，橋本学
通讯作者：
田上鈴奈，江場さくら，中林尚也，秋月秀一，橋本学