実世界で稼働するロボットのためのマルチモーダル属性の推定

估计现实世界中操作的机器人的多模式属性

基本信息

批准号：
14J11476
负责人：
木村大毅
金额：
$ 1.28万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2014
资助国家：
日本
起止时间：
2014-04-25 至 2016-03-31
项目状态：
已结题

项目摘要

本研究の目的は，自律知能ロボットを実現するための，マルチモーダル情報の学習及び推定手法の構築である．昨年度は，画像や音声などのマルチモーダルセンサを用いた属性の学習及び推定手法の構築を実施した．本年度は，まず，昨年度の研究内容に関する追加実験を実施した．具体的には，実験で用いた物体の種類を増加させ，定量的な評価を行った．そして，それらの内容を国際学会において口頭発表した．更に，属性情報の推定結果をロボットが効果的に活用するために，動作情報に関する効率的な学習手法を提案した．既存の手法では，ロボットの特性（スペック）が異なる場合，それぞれのロボットに対して動作情報を個別に学習させる必要が存在する．これは，新しいロボットの出現時やロボット特性の変化時に，一から動作を学習させる必要があることを意味しており，このような手法では一般家庭へのロボット普及は難しいと考えられる．そこで我々は，異なる特性を持つロボット上で学習された動作知識を転移して，効率的に動作を学習することが可能な手法を提案した．この手法により，新たなロボットに動作を学習させる場合，他のロボット上で学習した知識を活用することで，比較的少数の学習で知識の獲得が可能となった．例えば，数十万回の動作試行により得られた知識を，数十回の動作試行で獲得することが出来た．この特性により，動作知識を早く学習されることが可能となった．また，動作試行の回数を減らすことができるため，実機のロボットに対する耐久性の向上も実現した．この研究内容については，本年度に学術論文にまとめ，採録が決定した．

这项研究的目的是构建一种多模式信息学习和估算方法，以实现自主智能机器人。去年，我们实施了一种使用多模式传感器（例如图像和音频）学习和估算属性的方法。今年，我们首先就去年研究的内容进行了其他实验。具体而言，通过增加实验中使用的对象的类型来进行定量评估。然后，内容在国际科学学会上口头呈现。此外，为了使机器人有效利用属性信息估计的结果，提出了一种有效的运动信息学习方法。使用现有方法，如果机器人的特征（规格）不同，则有必要单独学习每个机器人的运动信息。这意味着，当新机器人出现或机器人特性发生变化时，有必要从头开始学习运动，并且认为使用这种方法很难将机器人传播到普通家庭。因此，我们提出了一种方法，可以通过转移具有不同特征的机器人学习的运动知识来有效学习运动。这种方法可以通过利用在其他机器人上学习的知识来学习运动，可以通过相对较少的学习来获取知识。例如，通过数十万次操作尝试获得了数十万个操作尝试获得的知识。这种特征使得能够快速学习操作知识成为可能。此外，可以减少操作的数量，这也可以提高对实际机器人的耐用性。该研究内容今年已汇编成一份学术论文，并决定了这本书。