人間・ロボット協調系のためのゆらぎの確率的性質を陽に考慮した学習法

一种明确考虑人机协作系统波动随机性的学习方法

基本信息

批准号：
20K11930
负责人：
山脇輔
金额：
$ 2.75万
依托单位：
防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11930/
关键词：
人間・ロボット協調系

项目摘要

本研究では，人間とロボットが物理的に接触しながら協働でタスクを実行する人間・ロボット協調系を対象とし，その制御則として可変インピーダンス制御を採用した協働ロボットの開発を目指している．特に本研究では，操作者の操作性が改善する可変インピーダンスパラメータを求めるための学習法について検討している．本年度は１編の学術論文を発表，２件の国内発表を行った．以下にそれらの概要を示す．学術論文では，先行研究において問題であったノイズや不確実なデータによる学習性能の低下を避けるため，適応勾配降下法を用いた繰り返し学習法を提案した．従来手法と比較して，学習性能が向上したこと，さらに障害物回避や重量物搬送に対する有効性を実験的に示した．国内発表1件目では，これまでの時間依存ではなく，位置依存ダンピングを決定する手法を提案した．経路計画に使用されるポテンシャル法の概念に基づいてダンピング場を生成し，そのダンピング場のパラメータをベイズ最適化を用いて学習する．提案手法が人間ロボット協調作業の操作性向上に有効であることを実験により示した．国内発表２件目では，タスクの成功率モデルを同時に考慮し，タスクが達成可能かつ操作性の評価がよいパラメータを求める新しい手法を提案した．成功率モデルに基づいてタスクの条件を満たしながら操作性を改善させるダンピング軌道を求められることを実験的に示した．引き続き，人間のゆらぎに対するロバスト性の向上を目指し，新たなインピーダンスパラメータ調整法について検討していく．

在这项研究中，我们的目标是开发一种采用可变阻抗控制作为控制律的协作机器人，针对人机协作系统，在该系统中，人类和机器人在物理接触的同时共同执行任务。特别是，本研究探讨了一种用于确定可变阻抗参数的学习方法，以提高操作员的可操作性。今年我们发表学术论文1篇，国内报告2篇。它们的概述如下所示。在一篇学术论文中，我们提出了一种使用自适应梯度下降的迭代学习方法，以避免由于噪声和不确定数据而导致学习性能恶化，这是先前研究中的一个问题。我们通过实验证明，与传统方法相比，学习性能得到了提高，并且在避开障碍物和运输重物方面也很有效。在国内首次报告中，我们提出了一种确定位置相关阻尼的方法，而不是传统的时间相关阻尼。基于用于路径规划的势法的概念生成阻尼场，并使用贝叶斯优化来学习阻尼场的参数。实验表明，该方法有效提高了人机协同工作的可操作性。在国内的第二次演讲中，我们提出了一种新方法，该方法同时考虑任务成功率模型并找到使任务可实现并具有良好可操作性评估的参数。我们通过实验证明，可以基于成功率模型找到一种在满足任务条件的同时提高可操作性的阻尼轨迹。我们将继续研究新的阻抗参数调整方法，旨在提高对人类波动的鲁棒性。