Sekiya b
-
Upload
harmonylab -
Category
Documents
-
view
54 -
download
4
Transcript of Sekiya b
水中ヒューマノイドロボットにおける歩行行動と水泳行動の切り替え検出に関する研究
北海道大学 工学部 情報エレクトロニクス学科
複雑系工学講座 調和系工学研究室
4年 関谷 章吾
研究背景ヒューマノイドロボット
多自由度の腕や足人間に近い形状
活動環境拡大
種々の環境における応用に期待
水中環境での利用[応用] 水中環境での人間の作業代替
例,原発等の危険区域での作業代替
起き上がり動作の実現
[09 大矢他]
水泳行動の獲得 [05 小林他]
水陸環境検出
水中:水泳動作陸上:歩行動作
動作の切替が必要
陸上-水中間の移動の実現
目的
問題点陸上と水中では抵抗や慣性力が違う
⇒ それぞれ適したロボット動作が必要
提案手法
陸上 水中
波 なし あり
抵抗 小 大
浮力 なし あり
波による周期的な復元力の発生⇒ロボットの加速度の周期的変化
加速度の時系列データのパワースペクトルに特徴
二値分類機(Neural Network)
FFT
加速度時系列
パワースペクトルのベクトル
{水中,陸上}
水陸検出へのアプローチ
加速度データの取得・変換
二値分類機(Neural Network)
FFT
FFT入力データ
データ数{32, 64, 128}
周波数
時刻
加速度
パワースペクトル
ニューラルネットワーク入力データデータ数 {16, 32, 64}
x, y, zの各軸に対して実行
加速度時系列
パワースペクトルのベクトル
{水中,陸上}
ニューラルネットワークの構成
・・・・・
・・・・・
伝達関数:シグモイド関数学習方法:誤差逆伝搬法学習率: 0.2
入力: 3軸の加速度センサのフーリエ変換のパワースペクトル
出力: {水中, 陸上} の二値
入力層の数:{16×3軸, 32×3軸, 64×3軸}
中間層の数:{24, 48, 96}
出力層の数:1
学習
教示データ
• 陸上で歩行行動をした後
• 水中で水泳行動をした後
の加速度データをそれぞれ20データ用意
学習開始
学習終了
学習
ランダムに1つ教示データを取得
誤差がε(定数)以下
10000回繰り返す
教示データ(40データ)
・水中20データ・陸上20データ
すべての教示データに対し,二乗誤差を計算
実験提案手法の水陸環境検出に対する有効性の検証
使用機材
ヒューマノイドロボット(MANOI AT01) 防水スーツ
高さ
足裏の長さ
340 mm
205 mm
100 mm
重さ
自由度
通信手段
1410 g
17自由度
RS232C
肩幅
3軸加速度センサを胴体に装備
Body
ヒューマノイドロボット
ホストPC
コマンド制御
Connect : RS232C
安定化電源
材質 ネオプレーン
Main body
重さ 525 g
W:1000mm
L:400mm
H:200mm
水槽
設定
水中においての自らの環境の推定試行回数20回
陸上においての自らの環境の推定試行回数20回
200mm
1000mm
200mm
1000mm
FFT入力データデータ数 {32, 64, 128}
時刻
加速度
波の減衰に応じて,加速度変化も減衰すると予想される
↑ 3パターンに対して検証を行う
32
(960 [msec])
64
(1920 [msec])
128
(3840 [msec])
陸上 30% 80% 100%
水中 100% 60% 0%
FFT入力データ数(加速度センサの測定時間)
実験環境
陸上と水中での検出の実験
実験条件
教示データ 陸上(歩行)
水中(歩行)
ニューラルネットワークの終端条件 0.10
32
(960 [msec])
64
(1920 [msec])
128
(3840 [msec])
陸上 70% 80% 70%
水中 75% 90% 70%
FFT入力データ数(加速度センサの測定時間)
実験環境
陸上と水中での検出の実験
実験条件
教示データ 陸上(歩行)
水中(水泳)
ニューラルネットワークの終端条件 0.05
まとめ
- 環境検出の正答率が70%
- FFT入力データ数が64の場合において,検出精度が向上
- 入力データ数が多いほど,正答率が高くなる
- ただし,入力データ数が128の場合,波の減衰に
より,加速度変化も減衰したため,陸上との区別ができなくなったと考えられる
陸上から水中への移動
Connect : RS232C
実験 2
ヒューマノイドロボット
安定化電源
ホストPC
コマンド制御
W:1000mm
L:400mm
H:200mm
Connect : RS232C
200mm
1000mm