Core Concepts
ロボットが環境や対象物、自身の状態の変化に適応的に対応できるよう、パラメトリックバイアスを用いた深層予測モデルを開発した。
Abstract
本研究では、ロボットの動作を予測するための深層予測モデルにパラメトリックバイアスを導入することで、モデリングの困難さや時間変化への対応を実現した。
まず、予測モデルの入出力関係に基づいて、状態遷移モデルと制御遷移モデルの2つのタイプに分類した。次に、ロボットの動作、身体、対象物/ツール、環境の関係性に基づいて、モデリングの困難さを分類した。さらに、時間変化については、状態遷移モデルと制御遷移モデルの違い、およびロボットの動作、身体、対象物/ツール、環境の変化に基づいて分類した。
提案手法のDPMPB(Deep Predictive Model with Parametric Bias)では、パラメトリックバイアスを用いることで、ロボットの身体や対象物、環境の変化を小さな変数に埋め込むことができる。これにより、オンラインでの適応が可能となり、モデリングの困難さや時間変化への対応が可能となった。
具体的な実験例として、柔軟な手の把握物認識と接触制御、低剛性ロボットの視覚フィードバック、車輪ロボットの安定制御などを示した。これらの実験では、提案手法が様々なモデリングの困難さや時間変化に対応できることを示した。
Stats
・柔軟手の筋肉長、筋肉張力、関節角度、接触力センサの値
・低剛性ロボットの関節角度目標値と圧縮画像
・車輪ロボットの現在速度と目標速度
Quotes
"ロボットが環境や対象物、自身の状態の変化に適応的に対応できるよう、パラメトリックバイアスを用いた深層予測モデルを開発した。"
"パラメトリックバイアスを用いることで、ロボットの身体や対象物、環境の変化を小さな変数に埋め込むことができ、オンラインでの適応が可能となった。"