Comprehensive data-driven learning, prediction and generation of whole-body contact motions based on cyber-physical human model

基于网络物理人体模型的全面数据驱动的全身接触运动学习、预测和生成

基本信息

批准号：
22H05002
负责人：
吉田英一
金额：
$ 121.22万
依托单位：
Tokyo University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (S)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-27 至 2027-03-31
项目状态：
未结题

项目摘要

インタラクティブサイバーフィジカルヒューマン(iCPH) によるデータ収集の枠組みに関しては、ヒューマノイドロボットのプラットフォームとして、小型 (ROBOTIS OP-3) と等身大 (川崎重工 Kaleido) を導入し運用を開始した。ロボットや人間の外表面に装着可能な柔軟な分布型センサとして、3cm間隔で接触を検出できる市販センサの利用を開始するとともに、より高密度 (1cm以下)で面接触を計測可能な分布型センサと信号伝送系を実装し、接触分布がリアルタイムで取得できることを確認した。① 接触運動の汎用表現の雛形の検討と事例データの整備に関しては、人間歩行運動データを例に取り、人間とロボットの両方に適用可能な身体部位と環境との接触列表現のプロトタイプを導出した。事例データに関しては、人間の運動と複数の接触を同時に計測したデータを作成し、人体形状の汎用的表現SMPLによる運動と接触力を同時に利用できるデータとして整備した。② 接触運動の逆最適化手法の導出に関しては、これまでに構築した解析勾配手法を用いて、ヒューマノイドロボットに対して逆最適化制御の高速計算手法を構築した。また、強化学習を用いた運動戦略の獲得について研究を実施し、小型ヒューマノイドロボットの歩行運動、全身運動に対して有効性を検証した。③ 接触運動ネットワークの学習機構のプロトタイプ作成に関しては、人間の歩行運動を対象に、運動データから地面との接触状態を推定する学習システムのプロトタイプを構築した。これを既存の公開歩行データベースに適用し、データセットを学習用・評価用に分け、学習に使用していない評価データで接触の推定が可能なことを検証した。また、その学習結果を本課題で取得した事例データに適用し、精度は下がるものの接触推定が行える可能性が示された。

关于交互式网络物理人（ICPH）的数据收集框架，我们引入了小型（Robotis op-3）和Life-Size（川崎重工业Kaleido）作为人形机器人的平台，并开始运行。我们已经开始使用可商购的传感器，可以将3厘米时间间隔检测到可以连接到机器人和人类外表面的柔性分布式传感器，并且还实现了分布式传感器，并可以在更高的密度（小于1cm）中测量表面接触，并确认可以实时获得触点分布。 1）关于检查模板的通用表达和案例研究的制备，我们以人类步行运动数据为例，并得出了可以应用于人类和机器人的身体部位和环境之间接触序列表达的原型。关于案例数据，创建了同时测量人类运动和多个接触的数据，并作为数据制备，可以同时使用SMPL的运动和接触力，即人体形状的一般表示。 2）关于接触运动的反相反优化方法的推导，使用迄今为止已经构建的分析梯度方法为人形机器人构建了用于逆优化控制的高速计算方法。我们还利用增强学习对锻炼策略的获取进行了研究，并验证了小型类人机器人在步行和全身运动方面的有效性。 ③关于为接触运动网络的学习机理创建原型，构建了学习系统的原型，以通过运动数据估算与地面的接触状态，以人为步行运动为目标。这应用于现有的公共步行数据库，将数据集划分为学习和评估，并验证了使用未用于学习的评估数据可以实现联系估计。此外，将学习结果应用于此任务中获得的案例数据，尽管精度降低了，但可能是可能的。