拘束条件の自己形成・実時間選択による感覚運動情報統合モデルと移動ロボットへの応用

基于自形成和实时选择约束的感觉运动信息集成模型及其在移动机器人中的应用

基本信息

批准号：
16760337
负责人：
近藤敏之
金额：
$ 2.05万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2005
项目状态：
已结题

项目摘要

本年度は制御対象をヒューマノイドロボットの二足歩行制御に設定した.歩行運動指令生成器(コントローラ)は,位相振動子の結合系と,その位相に基づいて各脚の関節軌道を一意に決定する(本研究では,この冗長自由度を制約するための情報を「拘束条件」と呼んでいる)ための運動学的パラメタ(歩幅,路面の傾斜角度,以降では軌道パラメタと呼ぶ)で構成される.この歩行制御モデルに基づいて制御されるヒューマノイドロボットが,環境の変化(たとえば路面の仰角変化など)に適切に対応して歩行運動を継続するためには,「環境を認知」し,身体自由度を適切に拘束する「拘束条件を想起」する必要がある.つまり,環境との能動的かつ力学的な相互作用の結果として観測される感覚フィードバック情報の文脈(時系列)に基づいて,過去に獲得して記銘された拘束条件が適切に想起できるように構造化されている必要がある.ここでは,軌道パラメタを非線形力学系のアトラクタとして記憶するために,リカレントニューラルネットワーク,ならびにk-最近傍クラスタリング法を用いる手法を提案した.この動的環境認知モデルでは,逐次的に観測される床反力情報から床反力の中心点を求め,その時間軌道を用いてヒューマノイドの姿勢の安定性を評価し,拘束条件を切り替えている.提案手法を動力学シミュレータ上に実装されたヒューマノイドロボットモデルの歩行シミュレーションに適用し,様々な環境状況下で,二足歩行運動を継続的に実現することが可能であることを確認した.

今年，控制的目标设定为针对人形机器人的双足动走控制。步态运动命令发生器（控制器）由运动参数（步骤宽度，路面斜率角度，路面斜率角度和用于唯一确定每个腿的联合轨迹的轨迹参数（在本研究中，信息，在研究中，信息限制了自由度的冗余程度，都称其为“约束”的行进程度。例如，道路表面的抬高角度的变化，有必要“识别环境”和“回忆约束条件”，这些条件适当地限制了身体的自由程度，换句话说，由于基于背景信息（时间序列）的积极和动态相互作用而观察到的感官物理学是必要的。在这里，我们提出了一种使用复发性神经网络和K-Nearest邻居聚类方法来存储轨道参数作为非线性动力学系统吸引子的方法。在这个动态环境认知模型中，从观察到的地板反作用力信息中计算出地板反应力的中心点，并使用时间轨迹评估人形姿势的稳定性，并切换约束条件。所提出的方法应用于在动态模拟器上实现的类人体机器人模型的行走模拟，并确认在各种环境条件下可以连续实现两体运动。